透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

製程 Sigma 水準
3.00
sigma(含 1.5σ 偏移)
DPMO 66,807
製程良率 93.3193%
Z 值(短期) 1.5

什麼是 Sigma 水準計算器?

這個計算器能將 DPMO(每百萬機會缺陷數,Defects Per Million Opportunities)換算成製程 Sigma 水準,也就是六標準差(Six Sigma)品質管理的核心指標。Sigma 水準代表製程平均值到最接近規格界限之間,能容納幾個標準差——Sigma 水準愈高,缺陷就愈少。一個「六標準差」製程,每百萬個機會大約只會產生 3.4 個缺陷。

如何使用

輸入您製程每百萬機會所產生的缺陷數,計算器就會回傳 Sigma 水準(已含業界慣用的 1.5σ 長期偏移)、對應的製程良率,以及背後的 Z 值。如果您手上只有缺陷率,可以先用(缺陷數 ÷ 總機會數)× 1,000,000 算出 DPMO。

公式說明

首先計算製程良率:\( \text{良率} = 1 - \dfrac{\text{DPMO}}{1{,}000{,}000} \)。接著對該良率取標準常態累積分配的反函數(試算表中的 NORMSINV,數學符號寫作 \( \Phi^{-1} \)),即可得到短期 Z 值。最後再加上慣例的 1.5 個標準差偏移,用以涵蓋製程的長期漂移:

$$ \text{Sigma 水準} = \Phi^{-1}(\text{良率}) + 1.5 $$

本計算器採用 Acklam 的高精度有理逼近法來計算反常態函數。

Advertisement
兩條錯位的鐘形曲線,顯示1.5西格瑪偏移
在將DPMO換算為西格瑪水準時,1.5σ偏移考量了製程的長期漂移。
常態分布曲線,超出西格瑪閾值的缺陷尾端被著色
西格瑪水準表示規格界限位於常態分布尾端的遠近程度。

實際範例

假設某製程的 DPMO 為 66,807。良率 \( = 1 - 0.066807 = 0.933193 \)。0.933193 的反常態值約為 1.5004,再加上 1.5,得到 Sigma 水準約為 3.0——這就是典型的「3 Sigma」製程。

常見問題

為什麼要加 1.5 個標準差?六標準差的實務經驗假設製程平均值在長期下最多會漂移 1.5σ。這個偏移可將長期(實際觀測到的)表現,換算成業界慣例所引用的短期 Sigma 水準。

多少 DPMO 等於六標準差?在加上 1.5σ 偏移後,約 3.4 DPMO 對應到 6.0 的 Sigma 水準。

DPMO 會超過一百萬嗎?不會——DPMO 上限為 1,000,000(即 100% 全數不良)。超過此值的輸入會被限制在上限。

最後更新: