六西格玛其实就是4.5西格玛吗？从1.5σ漂移和3.4 DPMO讲清楚

很多人第一次认真学习六西格玛时，都会遇到一个看起来很奇怪的问题：六西格玛明明叫「6 Sigma」，为什么我们经常听到的却是「3.4 DPMO」？

如果真的按照标准正态分布去计算，一个平均值完全居中的6σ过程，其不良率远低于3.4 DPMO。更有意思的是，单边4.5σ对应的尾部概率，反而大约就是3.4 DPMO。

于是很多人会产生一个疑问：

六西格玛其实是不是只有4.5西格玛？

这个说法看起来有数学依据，但并不准确。

真正的关键，在于六西格玛体系中非常著名的一个概念：

1.5σ Shift，也就是1.5个标准差的长期漂移假设。

只要把这个概念弄懂，6σ、4.5σ和3.4 DPMO之间的关系就会清楚很多。

先从真正的6σ开始

假设有一个过程，数据服从正态分布。

过程平均值刚好位于规格中心，而且从平均值到规格上限USL的距离是6个标准差，从平均值到规格下限LSL的距离也是6个标准差。

这就是一个完全居中的6σ过程。

此时，产品超出USL的概率极低，低于LSL的概率也同样极低。

单边超过6σ的概率大约只有0.001 DPMO。

因为上下两边都要计算，所以双边总不良率大约是：

0.002 DPMO。

也就是说，如果一个过程真的长期保持完全居中，而且规格界限距离平均值始终有6个标准差，那么每百万个机会中，不良数量大约只有0.002个。

这和我们经常听到的「六西格玛等于3.4 DPMO」差距非常大。

问题就出在这里。

如果单纯按照标准正态分布计算：

6σ并不等于3.4 DPMO。

那么3.4 DPMO究竟是怎么来的？

关键就在1.5σ长期漂移

传统六西格玛体系在描述长期过程表现时，引入了一个经验性假设：

随着时间推移，过程平均值可能因为机器磨损、原材料变化、操作差异、环境因素、设备调整、批次变化等原因发生偏移。

因此，在经典六西格玛的计算方式里，会假设过程平均值长期可能向某一方向移动大约：

1.5σ。

这就是大家常说的：

1.5 Sigma Shift。

假设一个过程短期达到6σ。

也就是说，在过程平均值居中的时候，平均值距离最近规格界限有6个标准差。

如果长期以后，平均值向其中一边漂移1.5σ，那么靠近这一侧规格界限的距离就会变成：

6σ − 1.5σ = 4.5σ

这时候，最近的一侧规格界限距离过程平均值就只剩下4.5个标准差。

而标准正态分布中，单边超过4.5σ的概率大约就是：

3.4 ppm，也就是约3.4 DPMO。

这就是六西格玛经典数字「3.4 DPMO」的来源。

因此，更准确的理解并不是：

6σ = 3.4 DPMO。

而是：

一个短期达到6σ的过程，在假设长期平均值可能漂移1.5σ的情况下，其长期不良率大约为3.4 DPMO。

这两句话看起来很接近，但统计意义完全不同。

那么六西格玛是不是其实就是4.5σ？

这也是最容易产生误解的地方。

如果我们只看漂移以后距离最近规格界限的距离，确实是：

6 − 1.5 = 4.5σ

所以有人会说：

「那所谓六西格玛，其实不就是4.5西格玛吗？」

这种说法忽略了一个很重要的条件：

4.5σ可以出现在不同的统计情境中。

「一个居中的4.5σ过程」和「一个6σ过程漂移1.5σ以后，最近一侧剩下4.5σ」，并不是同一件事。

4.5σ没有Shift，到底是多少DPMO？

我们可以直接用优思学院的Sigma Level可视化工具来理解这个问题：

假设我们把1.5σ漂移关闭。

然后把Sigma Level设定为：

4.5σ。

此时过程平均值仍然位于规格中心。

也就是说：

平均值距离USL是4.5σ。

平均值距离LSL同样也是4.5σ。

单边超过4.5σ的概率大约是：

3.4 DPMO。

但是因为这个过程是居中的，所以左边和右边都存在同样大小的尾部面积。

右边约3.4 DPMO。

左边也约3.4 DPMO。

两边加起来大约就是：

6.8 DPMO。

所以如果一个过程是完全居中的4.5σ过程，而且没有使用1.5σ Shift，那么它的双边总不良率不是3.4 DPMO，而是大约：

6.8 DPMO。

这也是很多人在讨论「4.5σ等于多少DPMO」时经常忽略的地方。

必须先问清楚：

你讲的是单边，还是双边？

你讲的是居中过程，还是已经发生偏移的过程？

你有没有使用1.5σ Shift？

这些条件不同，最后得到的DPMO也会不同。

为什么6σ加1.5σ Shift以后不是6.8 DPMO？

这里又会出现另一个很常见的问题。

如果4.5σ双边是6.8 DPMO，那么一个6σ过程漂移1.5σ以后，最近一侧也是4.5σ，为什么六西格玛却还是说大约3.4 DPMO，而不是6.8 DPMO？

原因很简单：

漂移以后，过程已经不再是左右各4.5σ。

假设原本平均值刚好居中：

左边距离LSL是6σ。

右边距离USL也是6σ。

现在平均值向右移动1.5σ。

那么右边距离USL就会变成：

6 − 1.5 = 4.5σ

但左边距离LSL却会变成：

6 + 1.5 = 7.5σ

所以此时两边是不对称的。

靠近规格上限的一边是4.5σ，单边不良率大约3.4 DPMO。

远离规格下限的一边已经达到7.5σ，其尾部概率几乎可以忽略。

因此，两边加起来仍然接近：

3.4 DPMO。

这就是为什么：

居中的4.5σ过程 ≠ 6σ过程发生1.5σ漂移。

虽然两种情况都会看到「4.5σ」，但是它们的分布位置不同，因此总不良率也不同。

用三个情况比较，会更容易理解

可以把它们放在一起比较。

情况一：6σ，没有Shift

过程平均值完全居中。

左边6σ。

右边6σ。

双边总不良率约：

0.002 DPMO。

这是标准正态分布下真正居中的6σ过程。

情况二：4.5σ，没有Shift

过程平均值完全居中。

左边4.5σ。

右边4.5σ。

单边约3.4 DPMO。

双边合计约：

6.8 DPMO。

情况三：6σ，加上1.5σ Shift

原本左右两边都是6σ。

平均值向一边漂移1.5σ以后：

一边变成4.5σ。

另一边变成7.5σ。

因此总不良率主要来自4.5σ这一侧，大约：

3.4 DPMO。

这三个情况一对比，六西格玛的逻辑就会清楚很多。

可以利用优思学院的工具直接演示

如果只是看公式，这个概念会比较抽象。

优思学院提供的Sigma Level可视化工具，可以直接看到不同Sigma Level下，正态分布和规格界限之间的关系：

比较适合用三个步骤来观察。

先设定：

6σ，不使用1.5σ Shift。

此时可以看到过程分布非常窄，超出规格界限的尾部面积几乎看不到。

接着改成：

4.5σ，不使用Shift。

这时候左右两侧都会出现很小的尾部面积。

单边大约3.4 DPMO，双边大约6.8 DPMO。

再把Sigma Level调回6σ，并打开：

1.5σ Shift。

这时候过程中心会发生偏移。

最近规格界限一侧变成4.5σ，而另一侧则远离到7.5σ。

此时就可以直观看出为什么最终结果接近3.4 DPMO。

对于刚开始学习六西格玛的人来说，这种可视化方式通常比单纯看正态分布表更容易理解。

1.5σ Shift并不是自然定律

讲到这里，还有一个非常重要的概念需要说明。

1.5σ Shift并不是说所有真实世界的过程，长期以后一定都会刚好漂移1.5个标准差。

现实当然不是这样。

有些过程长期可能只偏移0.2σ。

有些可能偏移0.8σ。

有些设备、原材料或者控制条件比较差的过程，也可能偏移超过1.5σ。

因此，1.5σ更适合作为传统六西格玛体系中的一个经验性模型，用来连接短期过程能力和长期质量表现。

真正进行过程能力分析时，我们不能只靠「减去1.5σ」来判断过程好不好。

实际工作中，还需要结合：

过程是否稳定。

平均值是否发生偏移。

过程标准差是多少。

规格界限在哪里。

Cp和Cpk是多少。

Pp和Ppk是多少。

控制图是否显示特殊原因变异。

只有这些信息结合起来，才能真正判断一个过程长期是否具备足够的能力。

六西格玛为什么要区分短期和长期？

六西格玛体系之所以加入这套逻辑，其实和真实生产过程的特点有关。

短期内，一台机器在同一批原料、同一个班次、同一种环境下运行，波动可能很小。

但当时间范围拉长以后，更多变化来源会进入系统。

不同供应商的原料。

不同操作人员。

不同班次。

环境温度变化。

设备老化。

刀具磨损。

参数重新调整。

测量系统变化。

维护状态变化。

这些因素都会令长期数据的表现和短期数据不同。

因此，短期过程能力通常会比长期过程表现看起来更好。

六西格玛用1.5σ Shift去描述这种差异，本质上是在提醒我们：

短期很稳定，不代表长期永远不会漂移。

这也是过程管理中一个很重要的思维。

3.4 DPMO真正表达的是什么？

现在我们就可以更准确地解释六西格玛经典的3.4 DPMO。

它并不是说：

「只要一个过程叫做6 Sigma，根据标准正态分布，它的尾部面积就是3.4 DPMO。」

而是说：

一个过程短期能力达到6σ。

如果长期平均值向某一个方向偏移1.5σ。

那么最近一侧规格界限只剩4.5σ。

4.5σ单边尾部概率大约3.4 ppm。

另一边由于已经达到7.5σ，其不良概率几乎可以忽略。

因此，长期不良水平约为：

3.4 DPMO。

这才是完整逻辑。

所以，六西格玛到底是不是4.5西格玛？

现在再回答最开始的问题：

不是。

六西格玛不是把4.5σ包装成6σ。

更准确的说法是：

六西格玛中的「6σ」，代表短期过程能力。

传统六西格玛再假设长期平均值可能产生1.5σ漂移。

当这个漂移发生以后，最近规格界限距离平均值剩下4.5σ。

而4.5σ的单边尾部概率大约为3.4 DPMO。

因此才有了大家熟悉的：

Six Sigma ≈ 3.4 DPMO。

如果直接把一个过程设定为4.5σ，而且没有任何Shift，那么由于左右两边都各有约3.4 DPMO，其双边不良率实际上约为：

6.8 DPMO。

所以，「六西格玛就是4.5西格玛」这种说法虽然抓到了1.5σ Shift的一部分数学关系，但会把短期过程能力、长期漂移和单边尾部概率混在一起。

真正理解六西格玛，应该把这四个数字放在一起看：

6σ：短期过程能力。

1.5σ：传统长期漂移假设。

4.5σ：漂移后距离最近规格界限的距离。

3.4 DPMO：4.5σ对应的单边尾部概率。

把这四者的关系搞清楚以后，「为什么六西格玛是3.4 DPMO」这个看似矛盾的问题，也就不再神秘了。