六西格玛（Six Sigma）是一套以数据为驱动、以减少流程变异为核心的管理方法，最早由摩托罗拉在 1980 年代提出，后来在通用电气等企业得到大规模应用。它把“缺陷率”作为衡量流程质量的关键指标，目标是将每百万次机会中的缺陷数（DPMO）控制在 3.4 以下，也就是接近“零缺陷”的水平。对于制造业和服务业来说，六西格玛不只是统计工具，更是一种持续改进的组织文化。
六西格玛的核心概念：从“缺陷”到“变异”
六西格玛的“西格玛”是统计学中的标准差，用来衡量数据偏离平均值的程度。西格玛水平越高，流程波动越小，缺陷越少。常见对应关系如下：
| 西格玛水平 | 每百万机会缺陷数（DPMO） | 良率 |
|---|---|---|
| 1σ | 690,000 | 30.9% |
| 2σ | 308,000 | 69.1% |
| 3σ | 66,800 | 93.3% |
| 4σ | 6,210 | 99.38% |
| 5σ | 230 | 99.977% |
| 6σ | 3.4 | 99.99966% |
需要注意的是，六西格玛并不是要求所有流程都达到 6σ 水平，而是提供一套衡量和改进流程能力的标尺。企业在实际推行时，通常会根据流程的关键程度设定不同的西格玛目标。
DMAIC 方法论：五步循环改进流程
DMAIC 是六西格玛改进项目的标准路径，由五个阶段组成：Define（定义）、Measure（测量）、Analyze（分析）、Improve（改进）、Control（控制）。它适用于已有流程的优化，与用于新设计的 DMADV 方法形成互补。
Define（定义）
明确项目范围、客户需求和关键质量特性（CTQ）。这一阶段需要回答“我们要解决什么问题？为什么值得解决？”通常会输出项目章程、SIPOC 图（供应商-输入-流程-输出-客户）和 VOC（客户之声）分析。
Measure（测量）
收集当前流程的基线数据，验证测量系统的可靠性。常用工具包括流程图、数据收集计划、测量系统分析（MSA）和过程能力分析。只有数据可信，后续分析才有意义。
Analyze（分析）
识别导致缺陷的根本原因。这一阶段会用到鱼骨图、帕累托图、假设检验、回归分析等统计方法，从众多潜在因素中筛选出关键少数。
Improve（改进）
针对根本原因设计并实施解决方案，通常通过试点验证效果。工具包括实验设计（DOE）、防错法（Poka-Yoke）、精益工具等。改进方案需要量化评估，确保真正降低了缺陷率。
Control（控制）
将改进成果固化到日常管理中，防止流程回退。常用控制图、标准作业程序（SOP）、控制计划和防错机制。这一阶段还要制定监控指标和责任人，确保持续稳定。
DMAIC 在实践中的常见误区
- 把 DMAIC 当成一次性项目：六西格玛强调持续改进，控制阶段不是终点，而是下一轮优化的起点。
- 忽视数据质量：如果测量系统本身不可靠，分析结果会误导决策。MSA 是必须跨过的门槛。
- 工具堆砌：不是每个项目都需要用到所有统计工具，应根据问题复杂度选择合适的工具组合。
- 缺乏管理层支持：六西格玛项目通常跨部门协作，没有高层授权和资源保障很难推进。
哪些场景适合用 DMAIC？
DMAIC 适用于重复性高、数据可获取、缺陷可量化的流程。例如制造业的良率提升、交付周期缩短，服务业的客户投诉降低、流程效率优化。对于全新流程或产品设计，更适合使用 DMADV（定义-测量-分析-设计-验证）方法。
需要说明的是，六西格玛的具体实施细节和工具选择会因行业、企业规模和组织文化而有所不同。本文内容基于公开的管理方法论整理，不涉及任何特定企业的内部数据或案例。在实际应用前，建议结合自身流程特点和专业顾问意见进行适配。
资料来源说明
系统检索到候选资料，但未能从模型返回的原文证据中确认正文实际引用，以下按相关度列出参考资料（未确认正文实际引用），供发布前人工核验；内容可能包含用户描述或模型通用知识。
相关参考资料（未确认正文实际引用）