下载文档原格式
6σ知识什么是6σ6σ是一项以数据为基础，追求几乎完美的管理方法。
6σ在统计学中用来表示标准偏差，即数据的分散程度。
对连续可计量的质量特性：用“σ”度量质量特性总体上对目标值的偏离程度。
几个σ是一种表示质量的统计尺度。
任何一个工作程序或工艺过程都可以用几个σ表示。
6σ表示每一百万个机会中有3.4个出错的机会，即合格率是99.99966%。
而3σ的合格率只有93.32%。
6σ管理的工作方法重点是将所有工作作为一种流程，采用量化的方法分析流程中影响质量的因素，找出最关键的因素加以改进从而达到更高的客户满意度。
6σ是在九十年代中期开始从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化技术，并提供了一系列同等适用于设计、生产和服务的新产品开发工具。
继而与全球化、产品服务、电子商务等战略齐头并进，成为全世界追求管理卓越性的企业最为重要的战略举措。
6σ逐步发展成为以顾客为主体来确定企业战略目标和产品开发设计的标尺，追求持续进步的一种质量管理哲学。
6σ的发展历史6σ最早作为一种突破性的质量管理战略在八十年代末在摩托罗拉公司（Motorola）成型并付诸实践，三年后该公司的6σ质量战略取得了空前的成功：产品的不合格率从百万分之6210件（大约4σ）减少到百万分之32（5.5σ），在此过程中节约成本超过20亿美金，平均每年提高生产率12.3％，因质量缺陷造成的损失减少了84％，摩托罗拉公司因此取得了巨大的成功，成为世界著名跨国公司，并于1998年获得美国鲍德里奇国家质量管理奖。
而真正把6σ的质量战略变成管理哲学和实践，从而形成一种企业文化的是在杰克•韦尔奇领导下的通用电气公司（GE）。
该公司在1996年初开始把6σ作为一种管理战略列在其三大公司战略举措之首（另外两个是全球化和服务业）在公司全面推行6σ的流程变革方法。
而6σ也逐渐从一种质量管理方法变成了一个高度有效的企业流程设计、改造和优化技术，继而成为世界上追求管理卓越性的企业最为重要的战略举措，这些公司迅速运用6σ的管理思想于企业管理的各个方面，为组织在全球化、信息化的竞争环境中处于不败之地建立了坚实的管理和领导基础。
六西格玛随着实践的经验积累，它已经从单纯的一个流程优化概念，衍生成为一种管理哲学思想。
它不仅仅是一个衡量业务流程能力的标准，不仅仅是一套业务流程不断优化的方法，进而成为一种应对动态的竞争环境，提升企业竞争力，取得长期成功的企业战略。
由来六西格玛（Six Sigma）是在20世纪90年代中期开始被GE从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化的技术，并提供了一系列同等地适用于设计、生产和服务的新产品开发工具。
继而与GE的全球化、服务化、电子商务等战略齐头并进，成为全世界上追求管理卓越性的企业最为重要的战略举措。
六西格玛逐步发展成为以顾客为主体来确定企业战略目标和产品开发设计的标尺，追求持续进步的一种管理哲学。
6σ质量管理方法6σ管理法是一种统计评估法，核心是追求零缺陷生产，防范产品责任风险，降低成本，提高生产率和市场占有率，提高顾客满意度和忠诚度。
6σ管理既着眼于产品、服务质量，又关注过程的改进。
“σ”是希腊文的一个字母，在统计学上用来表示标准偏差值，用以描述总体中的个体离均值的偏离程度，测量出的σ表征着诸如单位缺陷、百万缺陷或错误的概率性，σ值越大，缺陷或错误就越少。
6σ是一个目标，这个质量水平意味的是所有的过程和结果中，99.99966% 是无缺陷的，也就是说，做100万件事情，其中只有3.4件是有缺陷的，这几乎趋近到人类能够达到的最为完美的境界。
6σ管理关注过程，特别是企业为市场和顾客提供价值的核心过程。
因为过程能力用σ来度量后，σ越大，过程的波动越小，过程以最低的成本损失、最短的时间周期、满足顾客要求的能力就越强。
6σ理论认为，大多数企业在3σ～4σ间运转，也就是说每百万次操作失误在6210～66800之间，这些缺陷要求经营者以销售额在15%～30%的资金进行事后的弥补或修正，而如果做到6σ，事后弥补的资金将降低到约为销售额的5%。
为了达到6σ，首先要制定标准，在管理中随时跟踪考核操作与标准的偏差，不断改进，最终达到6σ。
什么是6西格玛（6σ）管理方法？西格玛（σ）在统计学上是指标准差，用来表示数据的分散程度。
6西格玛（6σ）即6倍标准差。
在质量上表示每百万个产品的不良品率（ppm）少于3.4，但是6西格玛（6σ）管理不仅仅是指产品质量，而是一整套系统的企业管理理论和实践方法。
6西格玛（6σ）管理核心理念实际上不仅是一个质量上的标准，它更代表着一种全新的管理理念。
尽管过去确实做得很好，但事实离6西格玛（6σ）管理的目标还差的很远。
美国摩托罗拉公司6σ控制方式简介（详见《中国质量》2000.5P13~P1 6）1.工业控制方式的进展20世纪70年代，美国工业的控制方式相当于2σ控制方式，Cp=0.67。
20世纪80年代，美国工业的控制方式前进了，相当于3σ控制方式，Cp=1.0。
而日本在20世纪80年代早期则以达到4σ控制方式，Cp=1. 33。
到20世纪80年代中期，日本进一步发展到5σ控制方式，Cp=1.67。
这对美国无疑是一种极大的挑战，故在20世纪80年代末90年代初美国摩托罗拉公司提出著名的6σ控制方式。
美国摩托罗拉公司的设计标准摩托罗拉公司提出的设计标准是对所有的零部件及过程，要求是：Cp≥2，Cpk≥1.5 。
而过程能力指数计算公式是：Cp=T/6σ=（Tu－Tl）/6σ ；Cpk=（1－K）Cp ；ε=6σ（1－Cpk/ Cp）。
其中K=2ε/T ； Tu、Tl 分别为上下规格界限；σ为标准差；T为技术规格的公差幅度；ε为实际分布中心（μ）与公差中心（M）的偏移即ε=│M－μ│，K即为偏移度。
将Cp＝2.0和Cpk＝1.5代入ε=6σ（1－Cpk/ Cp）计算得ε=1.5σ，即在Cp＝2.0 ，T/2=6σ的情况下分布中心往一侧偏移了1.5σ，于是该侧的不合格品率为P（4.5σ），另一侧的不合格品率为 P（7.5σ）。
查日本《统计数值表》， JSA-1972中的正态分布表知 P（4.5σ）= 0.0000033977 ≈ 0.000 0034 = 3.4PPM 、 P（7.5σ）= 0.01331909 。
一、六西格玛（6σ）涵义<1>σ在统计学上的涵义σ是希腊字母，英文表达sigma，汉语译音为“西格玛”。
术语σ用来描述任一过程参数的平均值的分布或离散程度。
<2>σ应用到商务或制造过程中的涵义对商务或制造过程而言，σ值是指示过程作业状况良好程度的标尺。
σ值越高，则过程状况越好。
σ值用来测量过程完成无缺陷作业的能力，因为缺陷在任何情况下都会导致客户的不满意。
换言之，σ值指示了缺陷发生的频度，σ值越高；过程不良品率越低。
当σ值增大时，不良品率降低、品质成本降低，过程周期时间缩短，客户满意度提高。
当σ值达到6时，即6σ的品质，表示“每百万单位只有3.4个不良率”，品质长期达标率为99.99966%。
相对而言，当σ值只有3时，即3σ品质，表示“每百万单位有66807个不良品’，合格率为93.32%。
σ作为一种测量标尺，具有普遍的适用性，它测量的是“每单位缺陷数”，这个单位可以代表各种任务或实体，如：组件、原材料、表格、时间段、产品、一个小时的工作、一份文件等等。
基于此，我们认为6σ可以作为一切工作、活动的基准。
例如，我们说一部收音机具有3σ的品质，则说明它低于平均品质。
一般地说，全球各大公司的产品、服务平均品质水平约为4σ，即合格率已达到99.37%，但是即使当σ值达到4时，以下事件仍然会持续在美国发生：每年有20，000次配错药事件，每年有超过15，000婴儿出生时会被抛落地上，每年平均有9小时没有水、电、暖气供应，每星期有500宗做错手术事件，每小时有2000封信邮寄错误。
可见，上述品质远远不能让客户满意。
因此，6σ成为新的品质标准，成为全球各大公司追求的目标。
6σ品质理论融合了当代统计技术的最新成果，使评价过程能力和作业绩效成为可能，是评价每一个供应商、客户、产品或服务品质的基准。
<3>6σ的引申涵义6σ是追求“完美品质”的动力：6σ品质理论告诉我们目前自己产品、服务和过程的真实水准如何，最重要的是我们知道自己的努力方向和如何才能到达目的。
六西格玛的概念和作用1、六西格玛的概念六西格玛是一套系统的、集成的业务改进方法体系，是旨在持续改进企业业务流程，实现客户满意的管理方法。
它通过系统地、集成地采用业务改进流程,实现缺陷的过程设计(design for six sigma,DFSS），并对现有过程进行过程界定(define）、测量（measure)、分析（analyze）、改进（improve)、控制(control）--简称DMAIC流程，消除过程缺陷或无价值作业，从而提高质量和服务、降低成本、缩短运转周期，达到客户完全满意，增强企业竞争力.（1)六西格玛的统计含义σ是一个希腊字母，读作“西格玛"，在数理统计中表示“标准差”，是用来表征任意一组数据或过程输出结果的离散程度的指标,是一种评估产品和生产过程特性波动大小的参数。
西格玛质量水平则是将过程输出的平均值、标准差与质量要求的目标值、规格限联系起来进行比较,是对过程满足质量要求能力的一种度量。
西格玛水平越高，过程满足质量要求能力就越强；反之,西格玛水平越低,过程满足质量要求的能力就越低。
六西格玛质量水平意味着百万出错机会（DPMO）中不超过3.4个缺陷. 如图1-1所示的正态分布中,当上下规格限之差为12σ(±6σ），且过程无漂移，即实际分布中心与规格中心重合时，低于下规格限LSL和高于上规格限USL的面积（概率）均为0。
001ppm，总缺陷概率为十亿分之二。
图中μ为正态分布的中心值，M为规格中心，σ为标准差。
但实际上，过程输出质量特性的分布中心与规格中心重合的可能性很小，对于典型的制造过程，由于影响过程输出的基本质量因素（人、机、料、法、环、测)的动态变化，过程输出的均值出现漂移是正常的，如图1-2所示。
在计算过称长期运行中出现缺陷的概率时，一般考虑将上述正态分布的中心向左或向右偏移1.5σ，此时一侧的缺陷为3.4ppm，另一侧因数量级极小可忽略不计,总缺陷概率为百万分之3.4，如图1—3所示。
六西格玛的基本统计概念1. 引言六西格玛（Six Sigma）是一种以统计学为基础的质量管理方法，旨在通过减少变异性和缺陷来提高组织的绩效。
在六西格玛中，基本统计概念是至关重要的，它们帮助我们理解和分析数据，从而作出准确的决策和改进。
2. 总体和样本在六西格玛中，我们经常关注两个重要的概念：总体（Population）和样本（Sample）。
总体是我们感兴趣的整个数据集，而样本是从总体中随机选择出来的一部分数据。
通过对样本进行统计分析，我们可以推断总体的特性。
中心趋势度量是衡量数据集中心位置的统计指标。
常见的中心趋势度量有均值（Mean）、中位数（Median）、众数（Mode）等。
•均值（Mean）：是一个数据集中所有观测值的总和除以观测数量。
均值能够反映数据集的总体分布情况。
•中位数（Median）：是将数据集按照大小排序后，处于中间位置的观测值。
中位数能够反映数据集的中心位置，相比于均值，中位数对异常值的影响较小。
•众数（Mode）：是数据集中出现频率最高的观测值。
众数常用于描述具有离散值的数据集。
选择合适的中心趋势度量，能够帮助我们更好地理解数据的集中程度和分布情况。
分散程度度量是衡量数据集中观测值的离散程度的统计指标。
常见的分散程度度量有方差（Variance）、标准差（Standard Deviation）和极差（Range）等。
•方差（Variance）：是数据集中每个观测值与均值之差的平方的平均值。
方差越大，数据集的观测值越分散。
•标准差（Standard Deviation）：是方差的正平方根。
标准差是最常用的分散程度度量，它能够告诉我们数据集观测值的平均偏离程度。
•极差（Range）：是数据集中最大观测值和最小观测值的差值。
极差能够提供数据集的范围大小。
通过分散程度度量，我们可以了解数据集观测值的离散程度，有助于判断数据的稳定性。
5. 正态分布和六西格玛原则正态分布（Normal Distribution）在六西格玛中起着重要的作用。
六西格玛的基本统计概念和作用引言六西格玛（Six Sigma）是一种以数据分析和统计方法为基础的质量管理体系，旨在通过降低过程的变异性来提高产品和服务质量。
六西格玛的核心理念是追求极致的质量水平，将缺陷率控制在每百万次机会中不超过3.4个。
本文将介绍六西格玛的基本统计概念和作用。
基本统计概念平均值在统计学中，平均值是一组数据的总和除以观测次数的结果。
它表示了数据的中心位置。
六西格玛中使用平均值作为性能指标的度量。
标准偏差标准偏差是对数据分布的离散程度的度量。
它度量了数据离平均值的平均差异程度。
在六西格玛中，标准偏差用来估计一组数据的稳定性和可靠性。
概率分布概率分布是对随机变量取值的可能性进行描述的数学函数。
在六西格玛中，常用的概率分布包括正态分布和泊松分布。
这些分布用于建模和分析数据，帮助决策者了解过程的性能和潜在的问题。
测量系统分析测量系统分析是对用于收集和测量数据的测量系统进行评估和改进的过程。
六西格玛需要可靠准确的测量系统来获取准确的数据，从而进行有效的数据分析和问题解决。
六西格玛的作用降低变异性六西格玛的核心目标是降低过程的变异性。
通过分析和改进过程中的各种因素，六西格玛可以帮助组织降低内部和外部因素对产品和服务质量的影响，从而使过程更加稳定和一致。
提高质量性能六西格玛的基础是使用统计工具来分析数据，找到问题的根本原因，并采取相应的措施来解决问题。
通过消除或减少缺陷和错误，六西格玛可以显著提高产品和服务的质量性能，满足客户的需求和期望。
优化业务流程六西格玛注重优化业务流程，通过分析和改进各项业务活动和流程，将无效的步骤和浪费的资源降至最低。
六西格玛可以帮助组织提高工作效率、减少成本，并提供更好的客户体验。
数据驱动决策六西格玛强调数据的重要性，将数据作为决策的依据。
通过数据分析和统计方法，六西格玛可以提供客观的事实和证据，帮助决策者做出准确的决策，避免主观偏见和随意决策。
持续改进六西格玛是一个持续改进的过程。
六西格玛是什么意思六西格玛起源于制造业，主要目的在于改善制程，1986年由Motorola的工程师Bill Simth发明，1995年至99年六西格玛在美国呈现爆炸型的发展。
六西格玛是统计学上的衡量标准，每百万次只有3.4次瑕疵的品质水准，是美国奇异公司董事长杰克．威尔许(Jack Welch)最推崇的质量管理计划。
“Sigma”是统计学上的用语(希腊字母“σ”)，用以表示“标准差”(standard deviation)，就是流程当中的变异(variation)程度的度量值。
商业上来说，标准差衡量的是某一特定流程执行完美工作的能力。
标准差的级数增加，所出现的瑕疵就越少 -“六”这个数字代表的是几近完美的境界。
假如你有一台温度控制器，你希望把房间的温度维持在70度左右。
如果温度维持在67度到73度之间，我们认为这是可接受的标准。
结果这台机器将温度维持在68度到72度，这样的变异相当小，因此这台温度控制器的制程能力(process capability)是可以接受的，是在所要求的范围之内。
不过如果温度在55度和85度之间起伏，那么这样的变异范围过大，无法达到所要求的标准。
这表示这台机器的制程能力令人无法接受，需要加以调整。
标准差是判断工作执行的流程距离理想有多远，也就是衡量公司在执行工作的流程中犯的多少错误。
六西格玛的焦点是放在“不良”与“变异”上，而其第一步就是厘清流程中的品质关键要素(Critical to Quality- CTQ)，亦即对客户来说最重要的属性。
六西格玛是每百万次谨慎操作中的错误率评量标准，适用于一切程序，制造过程错误次数愈少品质愈高。
六西格玛其实是一种统计概念，就是以不良率来衡量整个流程的良窳。
如果你的公司只有一标准差，那表示每一百万次会有大约七十万次瑕庛，一标准差表示你每次做对的机率只有30%；如果你是属于二标准差，那么表示每百万次大约有三十多万次瑕疵。
一般公司运作大概都是介于三和四标准差之间，也就是每一百万次分别会有66,000次失误或瑕疵产生。
