六西格玛测量阶段：DMAIC 测量系统

测量是解决问题的重要部分，捕捉现行实践信息以支持改善。 细节重要。准确、相关、可靠测量揭示问题机会。先清楚定义并制订可行采集计划。

测量阶段采集关键数据，理解表现和变异。 识别关键测量、采集相关信息并分析现状，为后续改善奠基。

DMAIC 测量系统

本节说明测量变异来源，并帮助选择适合连续或离散数据的分析。

不同数据类型的 MSA

连续测量可用量具重复性与再现性（R&R）研究评估：

• 公差百分比
• 贡献百分比
• 可区分类别数

离散或类别判断可用属性一致性研究评估：

• 准确度
• 重复性
• 再现性

合适测量研究和软件可估计这些量。公差百分比比较测量研究变异与规格宽度；贡献百分比比较测量方差分量与总方差；研究变异百分比用标准差而非方差。分母不同，不可互换。以下筛选区间须与应用的书面测量计划核对。

打开完整尺寸图表 ↗

六西格玛变异组成

观测变异同时包括真实流程与测量误差。流程变异可来自可控和难控因素。

误差可来自评价者、仪器、方法和条件。MSA 检查偏倚准确性、稳定、重复、再现和线性。再现性包括人员差异，并非只属仪器。

当流程值与测量误差不相关时，观测方差 = 实际流程方差 + 测量误差方差。

加性模型下，观测值等于流程值加测量误差。两者不相关时方差相加；相关时还需加两倍协方差。标准差不能同样相加。

打开完整尺寸图表 ↗

六西格玛流程变异

打开完整尺寸图表 ↗

六西格玛观测与真实变异

上例 LSL 是规格下限，USL 是规格上限。

测量系统分析

测量误差可能来自：

• 准确度 ——接近参考值的程度；平均测值与参考值之差是偏倚。
• 重复性 ——同一评价者在同样条件，以同一仪器重复测同一零件同一特征时的变异。
• 再现性 ——不同评价者使用相同仪器程序测相同零件同一特征时的变异。
• 稳定性 ——既定程序下，较长时期内偏倚等表现的变化。
• 线性 ——仪器量程内偏倚的变化。

测量系统变异的可接受水平（经验准则）

Example screening bands: interpret each measure independently and confirm the criteria in your measurement plan. Percent tolerance and percent contribution use different denominators.

Decision	Measurement %Tolerance	Measurement %Contribution	Number of distinct categories
Acceptable	Less than 8%	Less than 2%	More than 10
Evaluate risk	8% to 30%, inclusive	2% to 7.7%, inclusive	4 to 10, inclusive
Unacceptable	More than 30%	More than 7.7%	Fewer than 4

打开完整尺寸图表 ↗

六西格玛量具 R&R 经验准则——连续数据

These example bands retain strict greater-than and less-than rules. At exactly 90%, review the documented measurement-plan criterion; do not assume an automatic pass or fail.

Decision	Accuracy / agreement with reference	Repeatability / within-appraiser agreement	Reproducibility / between-appraiser agreement
Acceptable	More than 90%	More than 90%	More than 90%
Unacceptable	Less than 90%	Less than 90%	Less than 90%
Boundary review	Exactly 90%: apply the documented criterion	Exactly 90%: apply the documented criterion	Exactly 90%: apply the documented criterion

打开完整尺寸图表 ↗

六西格玛属性 R&R 经验准则——离散数据

流程变异

普通原因是当前流程固有背景变异。稳定流程有一致可预测模式；特殊原因偏离该模式，应调查。控制图信号提示可能不稳，却不指出具体原因。

数据解释

按稳定性、正态性、形状、离散和中心位置解释数据。

运行图按采集顺序绘值，帮助评估稳定及待调查模式。采用预定义规则或游程检验，结合情境再判断特殊原因。

图示展示相同值、聚类、混合、振荡、趋势和围绕中位数的偏移，是定性教学例子，不是拟合结果或显著性检验。

运行图——相同值

本例七个或以上相同连续值是筛选信号。调查取整、分辨率、记录方式或流程改变；重复值本身不证明偏倚。

打开完整尺寸图表 ↗

六西格玛运行图——相同值

运行图——聚类

聚类表现为中位数两侧游程较少，一串点在同侧后才跨越。可能来自批次、设置差异或测量抽样问题，不能只凭模式假定原因。

打开完整尺寸图表 ↗

六西格玛运行图——聚类

运行图——混合

混合产生较多中位数游程、频繁跨越且中心点少，可能由不同总体或不同水平流程合并造成。十四点交替升降是下述振荡规则，不是混合定义。

打开完整尺寸图表 ↗

六西格玛运行图——混合

运行图——振荡

振荡是连续读数频繁交替升降，十四点交替是常见筛选。可能反映过度调整、系统抽样或其他影响，图本身不确定原因。

打开完整尺寸图表 ↗

六西格玛运行图——振荡

运行图——趋势

持续递增或递减为趋势。本课用七个连续点作筛选，调查磨损、环境漂移或方法变化。具体规则应预先指定。

打开完整尺寸图表 ↗

六西格玛运行图——趋势

运行图——偏移

本例用参考中位数同侧八个连续点筛查可能偏移。偏移是水平改变，不必渐变。结合预选规则和流程知识调查。

打开完整尺寸图表 ↗

六西格玛运行图——偏移

正态分布简介

正态又称高斯分布，与数学天文学家 Carl Friedrich Gauss 的观测误差研究有关。Abraham de Moivre 更早在 1733 年推导二项正态近似。模型虽常用，仍须符合数据情境。合理总体中近似正态的例子：

• 合理定义总体中的体重、身高和智商等人类特征
• 物理流程输出，包括适合正态近似的产出率测量

打开完整尺寸图表 ↗

六西格玛正态分布 - 1

正态分布连续、对称、呈钟形，以均值 μ 和标准差 σ 描述，常以方差记作 N(μ, σ²)。均值附近密度最大，尾部趋近零却不终止，密度曲线下总面积为一。

非正态可偏斜、重尾、多峰或其他形状。对称本身不证明正态，直方图外观也取决于组距和样本。

打开完整尺寸图表 ↗

六西格玛正态分布 - 2

中心正态模型在一、二、三个标准差内约为 68.27%、95.45%、99.73%；四、五、六个内约为 99.9937%、99.999943%、99.99999980%。这些是中心双侧概率，不同于采用 1.5 标准差偏移的长期惯例。

用图和 Anderson–Darling 等检验评估正态模型兼容性。预设显著水平 0.05 下，小 p 值提供反对正态的证据；大 p 值只是证据不足，并非证明正态。假设为：

• H0——总体分布为正态
• Ha——总体分布不为正态

打开完整尺寸图表 ↗

六西格玛对称直方图

打开完整尺寸图表 ↗

六西格玛正偏直方图

打开完整尺寸图表 ↗

六西格玛负偏直方图

打开完整尺寸图表 ↗

六西格玛长尾直方图

打开完整尺寸图表 ↗

六西格玛双峰对称直方图

打开完整尺寸图表 ↗

六西格玛多峰负偏直方图

数据非正态怎么办？

非正态时先考虑流程、研究设计、总体混合和合适方法。变换可帮助，但并非所有分析都要求原始数据正态。选项包括：

• 对正值以明确底数取对数。
• 采用适当幂变换，检查定义域与单调性。
• 仅在数值非零且解释适当时，使用 1/y 倒数变换。

变换时注意：

• 规格限也应用同样变换；若次序反转，应相应交换变换后的上下限。
• 全程一致使用所选尺度，并解释估计结论与原始尺度的关系。
• 变换前检查数据质量、一致性、抽样和假设。更多观测不会让非正态总体变正态，反而可能揭示形状。必要时选非正态或非参数分析。

理解测量阶段

六西格玛的测量阶段，为整项流程改进奠定基调。可以把它想成指南针，准确引导你了解组织流程。这一阶段重点收集与问题相关的现行流程的全面信息，但不是任意收集，而是识别并定义真正重要的关键指标，例如客户要求、组织目标或关键绩效指标。

选择测量方法时，关键考虑包括：是否与客户要求相关，是否支持改进及组织目标，数据是否准确、可获取，以及收集是否方便。这强调测量应与客户真正重视的事项和组织战略目标一致。目的不是为了收集而收集，而是获取能够推动有意义改进的见解。对相关性的重视，正是有效测量系统与表面化数据收集活动的区别。

除了关键指标，也应了解测量自身变异。MSA 评估准确度、重复性、再现性、线性，判断读数是否可靠并反映真实流程变异。

考虑变异时，有两个主要来源：实际流程变异和测量系统带来的变异。两者都会显著影响我们对流程如何运作，以及何处可以改进的理解。 深入变异，可发现表面看不见却影响效率和质量的重要细节。

例如服务业用问卷、访谈和意见记录研究满意度。各方法优势局限及对感知的影响程度不同，所获见解可指导改善。

测量阶段看起来可能像一项复杂的数据收集工作，但其重要性不可低估。它是一种有力的诊断工具，借助客观见解及对流程动态的清楚观察，揭示流程改进的关键领域。

理解测量的细节后，接下来将转向如何发挥所收集数据的力量。下一节将介绍数据收集在改善流程测量方面的重要作用。

测量阶段采集数据的重要性

在流程改进中，数据如同藏宝图，清楚指出努力方向，引导组织发现隐藏的提升机会。测量阶段依赖准确、相关且可靠的数据收集，才能真正理解流程现状。这也为识别需要改进的领域、深入调查绩效问题背后的根本原因奠定基础。

没有足够数据就改善，像无地图在陌生地形盲行。数据照亮方向；没有它，决定只是估计，变革缺乏明确路线。

此外，在以证据为依据的决策环境中，数据是制定策略的基石。它为改进举措提供可信依据，让相关方能够用明确数字和趋势，而不是抽象假设来支持变革。

采集如拼图，各片是优势、弱点和瓶颈。数据越多，整体越清晰，组织越能定位具体改善并设计方案。

希望精简生产、减少缺陷时，可采集缺陷率、生产时间、停机及相关指标。 全面数据揭示需关注的具体步骤，并帮助设计有效纠正。

如前所述，数据收集如同指南针，指引测量阶段的改进工作。它不只是积累数字，而是利用这些数字，推动流程达到最佳表现。



六西格玛 DMAIC 测量阶段

绩效指标及选择

本阶段重点采集并理解流程表现。选对指标才能看清有效性和效率，如衡量进展的秤，指出改善处。

缺陷率： 缺陷率以单位、机会或暴露时间等明确定义分母计。比较时分母一致，才能评估质量、找模式和改善。

生产单位可测缺陷率，理解并减少生产错误，提高质量、降低返工成本。

客户满意度评分

客户满意评分反映企业在交付、质量和支持等触点满足期望的程度。

对于餐厅等服务型企业，客户满意度评分是宝贵指标，客户反馈可以直接推动运营改进。高分体现良好的业务表现，评分下降则提示可能需要改善的领域。

度量选择应符合客户要求、组织目标和改进工作。周期时间揭示各步耗时，有助定位瓶颈低效。

除 KPI 外，准确性、可得性、采集便利和目标相关性也影响选择。 指标既要解释当前表现，也要支持未来改进。

谨慎选指标可引导针对改善；下面看它们如何进入更广泛框架。

数据分析技术

收集用于理解流程表现的数据后，就应深入审视并提取宝贵见解。六西格玛中的多种技术可以有效分析数据，各自发挥独特作用，揭示所收集数据中的趋势、模式与关系。

控制图

控制图是六西格玛测量阶段使用的主要工具之一。它针对某个具体指标绘制数据点，监测流程随时间的稳定性，从而识别变异或异常。 控制限及预定义规则区分日常波动和异常模式。限值来自流程行为，不是客户规格。

流程映射

流程映射可视化从头到尾步骤、关系、输入输出依赖和机会，帮助识别瓶颈、重复与低效。

因果图

因果图亦称鱼骨或石川图，把复杂问题拆成易懂部分，组织可能原因，识别贡献因素及其关系。 测量阶段中，因果图帮助定位可能变异来源和偏离。

运用这些分析技术，组织能够全面理解自身流程并识别优化机会，为沿着六西格玛方法继续推进有意义的改进举措奠定基础。

这些技术共同提取可行动见解，支持测量阶段明智决策和针对改善。

保证测量系统准确性

测量系统如建筑地基，地基有缺陷，整体就受影响。数据不可靠，据此决策和改进也未必达成目标。

测量系统分析（MSA） 评估测量系统表现和可靠性，区分测量与零件或流程变异，检查仪器、人员、程序和条件，并支持不确定度评估。

MSA 基础

MSA 基本要点：确定评价者和样件数、保证方法知识、恰当选样、使用有足够分辨率的适当仪器。

其中一项关键分析是 量具 R&R 研究，评估重复性和再现性。多人用同一仪器测同一物体，差异可能来自评价者、程序或仪器。合理研究量化这些效应，不应认为任何差异都证明问题。

例如制作电脑机箱，让多名操作者测量特征不同的钣金机箱样品，再比较读数，发现测量变异或某些操作者系统不同。

良好研究可判断测量系统是否适用、能否区分相关流程差异，支持可靠分析，却不保证所有后续结论有效。

理解准确性的重要后，看看常用 MSA 工具技术。



六西格玛 DMAIC 测量阶段——测量系统

测量阶段的行动与结果核实

收集数据后，应全面核实所获信息的有效性与可靠性。核实过程包括多个关键部分，保障分析及后续改进工作的完整性。下面逐项说明，以全面理解这一关键阶段。

首先，必须复查数据收集过程本身，评估所用的信息获取方法，确保它们符合既定最佳实践，并能有效捕捉流程关键要素。严谨评估数据收集方法，可以及早识别并纠正潜在偏倚或不准确之处，增强后续分析的可信度。

除采集方法外，也需将所选指标与流程表现核对。 所选指标应直接反映研究流程关键方面，以准确评估表现并支持明智决策。确认指标与流程细节一致后，组织可依证据实施针对改善。

在测量阶段核实行动与结果时，另一个关键方面，是确保选定改进领域有实证支持。这需要仔细检查数据，找出绩效不足及具有提升潜力的领域。通过用具体数据佐证观察到的不足，组织可以有信心地确定改进优先级，知道决策基于事实见解，而非假设。

此外，核实还包括依据既定标杆与行业标准，全面验证所有发现。数据必须经得起既定标准的审查，确保所识别的实际与预期绩效差异，都有坚实证据支持。让发现接受这种检验，可以避免无根据的结论，为后续改进奠定坚实基础。

逐项审视采集分析可增强结论信心和计划效果。严谨核实让干预有针对、有影响，实际提升效率和表现。

确保数据准确、可靠，是成功实现流程改进的基础。通过仔细核实，组织能够作出明智决策，在各项运营中带来切实提升。

测量阶段常见问题

测量阶段有哪些常见挑战？

回答： 六西格玛测量阶段的常见挑战，包括数据收集错误、指标定义不清，以及难以建立流程绩效基线。这些问题可能导致分析不准确和决策失误。International Six Sigma Institute 的研究显示，42% 的组织报告在测量阶段难以收集准确、可靠的数据，凸显了这一问题的重要性。

测量阶段的主要目标是什么？

回答： 六西格玛测量阶段的主要目标，是识别并定义关键流程指标、收集准确数据，并建立当前流程表现的基线。这一阶段侧重理解流程、量化变异，以有效解决问题。通过收集可靠数据，团队可以评估流程能力与效率，作出明智决策。International Six Sigma Institute 的研究显示，实施六西格玛的组织在完成测量阶段后，流程绩效平均改善 35%。

有效执行测量阶段有哪些最佳实践？

回答： 有。要有效执行六西格玛项目的测量阶段，应在收集数据前，明确项目目标和关键流程指标；还应获取足够且具有代表性的数据，确保分析与决策准确。此外，控制图、直方图及流程能力分析等统计工具，有助于有效评估当前流程表现。近期研究显示，在测量阶段遵循这些最佳实践的组织，流程效率显著提升，缺陷减少 25%，客户满意度提高 20%。

测量阶段如何促进流程改善？

回答： 测量用采集计划、映射、MSA 和统计摘要建立可靠基线，缺陷率和能力指数揭示差距。分析查根因，改进评方案，控制保持成果，都基于定义阶段问题目标。

测量阶段有哪些关键工具？

回答： 主要工具包括流程映射、数据采集、MSA 和统计分析。映射显示现状与机会；采集获取表现；MSA 评估适用可靠性和准确性并找测量效应；统计分析找趋势模式和潜在变异源。制造研究显示这些工具使缺陷平均减少 70%（来源：Journal of Manufacturing Technology Management）。

评价者之间变异又称什么……

回答： 人员间变异常称评价者变异或再现性。R&R 用定义程序反复测相同零件特征估计该效应，调查可提高一致和可靠。

​在哪个阶段识别变异来源？

回答： 测量建立可靠测量并量化当前变异；分析用数据、知识、FMEA 和流程图等调查验证根因。确认原因不能与基线测量混为一谈。

西格玛衡量什么……

回答： σ 通常代表标准差，即离散度。西格玛水平则不同，是在既定假设下，均值到规格限距离的标准差单位数。可靠测量和清晰流程图支持两类评估。

6 西格玛概率是多少？

回答： 中心正态分布在均值两侧六个标准差内概率约 99.99999980%。惯例六西格玛谈约 3.4 DPMO 时，常用 1.5 个标准差偏移。应声明模型、规格限、单尾双尾约定及偏移假设，因为计算不同。

​DMAIC 的测量与控制阶段，测量重点有何不同？

回答： 在六西格玛 DMAIC（定义、测量、分析、改进、控制）的测量阶段，重点是建立稳健的测量系统，准确捕捉关键质量特性（CTQ）参数，识别并验证满足客户要求所必需的关键指标。当项目进入控制阶段后，测量阶段建立的系统将持续发挥关键作用，通过不断监测和控制 CTQ，保持期望质量标准，确保流程改进得以持续。

​

用什么绘制处理时间……

回答： 按采集顺序用运行图或合适控制图查看时间变化。直方图和箱线图则看分布。先定义流程、单位和程序；价值流图帮助连接时间测量与步骤。

​按时间排序的数据不会是哪种测量？

回答： 时序图保留采集顺序，直方图分区却不保留顺序。可靠单位和采集计划让时间与分布都能有意义地解释。

​

六西格玛中的变异？

回答： 理解处理变异是测量阶段关键。任何流程都有变异，需可靠系统准确量化，因此应满足分析改善所需精密度与可靠性。

什么是六西格玛 MSA？

回答： MSA 判断测量是否适合用途，检查偏倚、稳定、线性、重复、再现和不确定性。SIPOC 描述大流程，本身不验证准确或精密度。

在哪个阶段识别变异来源？

回答： 测量量化基线并检查系统；分析调查验证变异原因。材料、供应商和操作方式可能是原因，但需证据。

测量阶段回顾

测量建立可信数据和表现基线，MSA 区分测量影响与真实变异，指导之后调查根因和改进选择。

许多行业企业已成功实施测量，通过细致 MSA 和识别变异来源，提高质量、满意和忠诚。 本阶段见解也帮助优化供应链、精简流程并赢得竞争优势。

开始学习时，请进一步探索六西格玛框架与应用。 International Six Sigma Institute 免费提供《Six Sigma Revealed》，介绍如何用六西格玛推动企业发展。 了解并取得资源，请访问 https://www.sixsigma-institute.org/FreeSixSigmaBook.