1.3　统计学在六西格玛中的地位

从以上两节的介绍中，我们已经可以清晰地感受到实际工作与统计学间的密切联系。至于六西格玛管理与统计学之间的具体联系，本书将详细展开来介绍。本节主要是概括地从两个方面说明统计学在六西格玛中的重要地位。

1.3.1　六西格玛名称的由来

从定义上说，六西格玛最初的含义就是建立在统计学中最常见的正态分布基础上的。σ（即西格玛）是一个希腊字母，在统计学中代表“标准差”。由于σ是衡量任意一组数据离散程度的指标，可以当作一种评估产品和生产过程特性波动大小的统计量。在质量管理理论中，就由σ（标准差）的值导出了“西格玛水平”的概念，用以衡量过程绩效的优劣。在六西格玛理论中，“西格玛水平”是将过程输出的平均值、标准差σ与顾客要求的目标值、规格限综合起来进行比较，最终得出的对过程满足顾客要求能力的一种度量指标。σ（标准差）越小，则“西格玛水平”越高，表示过程满足顾客要求的能力就越强；σ（标准差）越大，则“西格玛水平”越低，过程满足顾客要求的能力就越低。

六西格玛名称的具体由来还与摩托罗拉公司密切相关。当年摩托罗拉在进行大幅度的质量改进运动时，有一位名叫比尔·史密斯（Bill Smith）的工程师在研究制造缺陷和可靠度之间的关系时发现一个惊人的结论：需要在产品设计半个公差限范围内包含六倍标准差（6σ），才能从源头上确保产品不会发生缺陷！这个观点最终被整个公司所理解和采纳，并且将这场质量改进运动命名为六西格玛，而史密斯本人也因此被尊称为“六西格玛之父”。

6σ（即六西格玛）代表的是理想化的高质量水平，在考虑了平均值可能含有的1.5个σ的偏移后，半个公差限内可以包含6个σ，这时，每百万次机会中出现缺陷的个数只有3.4（相当于正态分布超过4.5个σ外的单侧概率）。图1—1是六西格玛统计含义的图形示意，其中LSL表示下规格限；USL表示上规格限；ppm表示百万分之。

图1—1　六西格玛的统计原理释义

1.3.2　六西格玛工具的组成

从更广泛的意义上说，六西格玛是一种基于数据的决策方法，强调用数据说话，而不是凭直觉与经验行事，依靠可信的数据收集方式，采用统计方法进行决策，告诉管理者问题的症结所在。这一特性决定了六西格玛中的许多工具与方法直接或间接地来源于统计学理论。这一系列工具与方法在六西格玛管理思想的指引下，有机地结合成为一个系统工具箱，比传统的质量管理方法中应用的方法更敏捷、更具前瞻性。下面结合六西格玛改进模式中的五大阶段，代表性地介绍六西格玛的工具方法。

1．界定阶段常用工具

包括SIPOC图、立项说明书、KANO模型分析、QFD（质量功能展开）、COPQ（劣质成本分析）等。

2．测量阶段常用工具

包括流程图、MSA（测量系统分析）、过程能力分析、数据调查表、直方图、箱线图、散布图、时间序列图等。

3．分析阶段常用工具

包括帕累托（Pareto）图、因果图、假设检验、ANOVA（方差分析）、相关与回归分析、FMEA（失效模式及效应分析）、列联表卡方分析、多变异分析、多变量统计分析、可靠性统计分析、时间序列分析等。

4．改善阶段常用工具

包括脑力激荡法、TRIZ（创新方法与理论）、DOE（试验设计）、防差错措施等。

5．控制阶段常用工具

包括SPC（统计过程控制）、SOP（标准作业程序）、控制计划与项目报告等。

从上述介绍中可以看到很多统计学中的专业术语（用黑体字表示），这并不是一种巧合，而是六西格玛与统计学本质相通所导致的必然。这些相关的统计分析工具和其他的管理方法组成了行之有效的、具有强大解决问题及提高业务水平能力的六西格玛方法体系。而且越是需要高精度地量化解决问题，就越需要依赖统计方法。因为只有用严谨而合理的统计分析方法才能确保从收集数据直至依靠数据做出决策的全过程都是科学的，才能真正地发挥数据的作用。