在定义6 Sigma时，通常会引入1.5个Sigma的偏移，以确保达到3.4个百万分之一（ppm）的不良率。
这1.5个Sigma的偏移是为了纠正人类因素或设备等不可避免的误差而设定的。通过引入偏移，6 Sigma可以更准确地确定不良率，从而使企业更好地控制不良率，提高产品质量和客户满意度。
在实践中，达到6 Sigma标准需要大量的数据收集和分析，需要严格的质量控制和协作精神。许多企业和组织都已经采用了6 Sigma方法，来不断改进和提高他们的业务流程和产品质量。
通过实施6 Sigma，企业可以显著降低缺陷率和成本，提高生产效率和客户满意度。同时，6 Sigma也可以帮助企业更好地了解他们的业务流程和客户需求，从而为未来的发展做好准备。
这涉及到统计学中正态分布曲线的特性。
在正态分布曲线上，对于每个Sigma偏移，有一个与之对应的百万分之一的不良率。例如，对于一个2 Sigma的偏移，不良率约为308,537 ppm。然而，在实际应用中，为了更加保守和可靠地控制不良率，引入了1.5个Sigma的额外偏移。
这样做的目的是在实际生产环境中考虑到可能存在的不确定性、变化和系统偏差。通过引入额外的1.5个Sigma偏移，可以提高过程的稳定性和容错能力，使其更具可靠性。因此，当达到3.4 ppm的不良率时，实际上需要达到2 Sigma + 1.5 Sigma的偏移。
这种设计冗余可以帮助组织确保产品或过程在更广泛的变化范围内保持稳定和一致。它提供了更高的质量标准和更强的过程控制，以确保生产出的产品在极小的不良率下运行。
我们来看看他是怎么推导出来的？
当定义6 Sigma时，我们使用正态分布曲线（也称为高斯分布曲线）。正态分布是一种对称的连续概率分布，通常用于描述自然界中许多现象，例如测量误差、产品尺寸变异等。
正态分布曲线的中心是均值（μ），标准偏差（σ）则描述了曲线的展宽程度。在标准正态分布中，大约68%的数据位于均值的一个标准偏差范围内，约95%的数据位于两个标准偏差范围内，而约99.7%的数据位于三个标准偏差范围内。
当我们谈论Sigma级别时，我们是在引用这个统计概念。Sigma级别代表了标准偏差的倍数，它可以用来衡量一个过程或产品的性能、稳定性和质量。
对于正态分布，每个Sigma级别对应一个与之相关的不良率。具体而言，每个Sigma级别的不良率（以ppm为单位）可以通过以下公式来计算：
不良率（ppm）= 1,000,000 * (1 - Φ(Σ))
其中，Φ(Σ)表示标准正态分布中小于等于Σ的累积概率。可以使用统计表格、计算工具或数学函数来查找Φ(Σ)的值。
以3 Sigma为例，不良率（ppm）= 1,000,000 * (1 - Φ(3))
然而，在实际应用中，为了更加保守和可靠地控制不良率，我们引入了1.5个Sigma的额外偏移。这相当于在3 Sigma的基础上增加1.5 Sigma。
因此，我们需要考虑到4.5 Sigma的不良率来实现3.4 ppm的目标。
不良率（ppm）= 1,000,000 * (1 - Φ(4.5))
这样，通过引入1.5个Sigma的额外偏移，我们可以确保在实际生产环境中考虑到了不确定性、变化和系统偏差，从而更可靠地控制不良率。
需要注意的是，这种1.5个Sigma的偏移并非是6 Sigma方法论的固定要求，而是在实际应用中为了增加稳健性和可靠性而常见的实践。具体的偏移量可能因行业、标准或组织的需求而有所不同。
以下是常见的Sigma级别及其对应的不良率（以ppm为单位）的列表：
-1 Sigma: 690,775 ppm
-2 Sigma: 308,537 ppm
-3 Sigma: 66,807 ppm
-4 Sigma: 6,210 ppm
-5 Sigma: 233 ppm
-6 Sigma: 3.4 ppm
这个列表显示了随着Sigma级别的增加，不良率显著降低。因此，更高的Sigma级别表示更高的质量水平和更稳定的过程性能。6 Sigma被认为是极其高的质量水平，意味着在每百万个单位中只有3.4个不良品。
这些数据仅供参考，实际的不良率可能会根据具体的行业、标准和应用而有所不同。此外，需要注意的是，这些数据假设了正态分布和其他假设的条件，因此在特定情况下可能需要进行适当的调整或修正。
评论一下？