即使过程稳定，在测量记录足够细致时，也能观察到变异。变异描述了各次观测之间的差异。有些测量值，例如合适人群中的身高，可能集中在均值附近；但是否呈现对称的钟形分布，必须检验，不能直接假定。
International Six Sigma Institute™ 的见解
全面揭示六西格玛变异
标准差衡量观测值在过程均值周围的分散程度，其单位与测量值相同。降低标准差意味着减少这种分散。西格玛水平则将均值到规格限的距离与过程标准差比较。五、六或七西格玛描述的是这种距离，而不是连续输出之间的标准差。
广为人知的六西格玛目标——每百万次机会约3.4个缺陷——采用了过程均值偏移1.5个标准差的传统假设。它不是适用于所有过程的无条件预测。对于稳定、近似正态的过程，如果均值处于两个规格限正中，且规格限距离均值均为六个标准差，那么偏移之前 Cp 和 Cpk 都等于2。如果均值向某一规格限移动1.5个标准差，同时离散程度保持不变，Cpk 就变为1.5，该规格限距均值为4.5个标准差。
减少变异需要测量过程绩效、调查变异原因、实施改进，并监控结果。较小的变异可以降低缺陷风险，但这种关系还取决于过程均值、规格限和分布。应通过合适且经过检验的模型，或根据缺陷机会定义清楚的观测数据，估计缺陷率。仅减少分散程度，并不能保证零缺陷。
进一步改进可能需要管理层持续关注、试验设计、过程能力分析，以及获得授权的团队。正态分布又称高斯分布，具有对称的钟形，但过程数据并不总是正态的。采用基于正态分布的过程能力指数或预测尾部概率之前，应检查稳定性及分布假设。非正态数据应选择适当的替代分析。将输出与规格下限和规格上限比较，再根据所研究的问题，选择控制图、散点图、运行图和过程能力研究等工具。
