西格玛水平计算器

西格玛水平计算器

增长中 AI Skill PRO

输入计算

数学公式

西格玛水平=Φ−1(良率)+1.5其中良率=1−DPMO1,000,000\begin{gathered} \text{西格玛水平} = \Phi^{-1}(\text{良率}) + 1.5 \\[1.5em] \text{其中}\quad \text{良率} = 1 - \dfrac{\text{DPMO}}{1{,}000{,}000} \end{gathered}
使用统计

广告

结果

过程西格玛水平
3.00
西格玛(含1.5σ漂移)
DPMO 66,807
过程良率 93.3193%
Z值(短期) 1.5

报告本页错误

什么是西格玛水平计算器?

这款计算器能将DPMO(每百万机会缺陷数,Defects Per Million Opportunities)换算为过程西格玛水平——它是六西格玛质量管理的核心指标。西格玛水平衡量的是过程均值与最近规格限之间能容纳多少个标准差:西格玛水平越高,缺陷就越少。一个"六西格玛"水平的过程,每百万次机会仅产生约3.4个缺陷。

如何使用

输入你的过程每百万机会产生的缺陷数。计算器会给出西格玛水平(已包含标准的1.5σ长期漂移)、对应的过程良率以及背后的Z值。如果你只知道缺陷率,可先用 \(\dfrac{\text{缺陷数}}{\text{机会总数}} \times 1{,}000{,}000\) 算出DPMO。

两条错位的钟形曲线,显示1.5西格玛偏移
在将DPMO换算为西格玛水平时,1.5σ偏移考虑了过程的长期漂移。

公式详解

首先计算过程良率:$$\text{良率} = 1 - \frac{\text{DPMO}}{1{,}000{,}000}$$然后对该良率取标准正态分布的逆累积函数(在电子表格中为NORMSINV,记作 \(\Phi^{-1}\)),得到短期Z值。最后加上约定俗成的1.5个西格玛漂移量,用以反映长期过程的偏移:$$\text{西格玛水平} = \Phi^{-1}(\text{良率}) + 1.5$$本计算器采用Acklam提出的高精度逆正态有理逼近算法。

广告

实例演算

假设某过程的DPMO为66,807。则良率 \(= 1 - 0.066807 = 0.933193\)。0.933193的逆正态值约为 \(1.5004\),再加上1.5,得到西格玛水平约为 \(3.0\)——即典型的"三西格玛"过程。

正态分布曲线,超出西格玛阈值的缺陷尾部被着色
西格玛水平表示规格限位于正态分布尾部的远近程度。

解读你的西格玛水平

西格玛水平表示过程均值与最近的规格限之间能容纳多少个标准差。按照常见的六西格玛惯例,它由DPMO(每百万机会缺陷数)计算得出:\(\text{西格玛水平} = \Phi^{-1}(\text{良率}) + 1.5\),其中 \(\text{良率} = 1 - \text{DPMO}/1{,}000{,}000\)。DPMO越低,西格玛水平越高。

西格玛水平(含1.5σ偏移) DPMO 良率 典型描述
1σ 691,462 30.85% 能力非常差
2σ 308,538 69.15% 常见于变异较大或依赖人工操作的过程
3σ 66,807 93.32% 对许多非关键业务流程而言通常被视为平均水平
4σ 6,210 99.379% 常被引用为行业平均水平
5σ 233 99.977% 表现强劲
6σ 3.4 99.99966% 通常被称为世界级水平

这些区间只是经验法则,并非正式标准。什么水平可以接受取决于缺陷的后果:对于轻微的文书错误可以容忍的缺陷率,在涉及安全的场合可能远远过高。

短期西格玛与长期西格玛

短期西格玛描述在较短时间内测得的能力,此时变异主要来自普通原因。长期西格玛描述较长时间内的表现,还包括漂移、偏移及其他变化。六西格玛惯例假设长期过程均值相对于短期均值会漂移约1.5个标准差。因此,要在由长期DPMO计算出的Z值上加1.5。若没有这一偏移,Z值为4.5的结果将被报告为4.5σ,而不是6σ(即对应熟知的3.4 DPMO)。1.5σ偏移只是一种惯例,并不适用于每一个过程,一些组织在报告西格玛水平时不包含这一偏移。

DPMO取决于机会的定义方式

DPMO的计算方法为:缺陷数 ÷ (单位数 × 每单位机会数)× 1,000,000。如果每单位计入的机会数更多,即使缺陷数不变,DPMO也会下降,从而使西格玛水平看起来更好。因此,只有当两个过程以相同方式定义缺陷和机会时,二者之间的比较才是公平的。西格玛水平还假设DPMO数值来自具有代表性且样本量足够的样本。

广告

六西格玛术语与定义

缺陷
在单个机会点上未能满足客户或规格要求的任何失效。一个单位可以包含多个缺陷。
机会
单位内可能出现缺陷的一个独立机会,例如电路板上的一个焊点,或表单上的一个字段。机会必须以一致的方式定义。
DPU(每单位缺陷数)
缺陷总数除以所检验的单位数。DPU没有考虑每个单位有多少机会。
DPMO(每百万机会缺陷数)
\(\text{DPMO} = \dfrac{\text{缺陷数}}{\text{单位数} \times \text{每单位机会数}} \times 1{,}000{,}000\)。它将缺陷率标准化,使不同复杂度的过程可以相互比较。
良率
没有缺陷的机会(或单位)所占的比例。此处,\(\text{良率} = 1 - \text{DPMO}/1{,}000{,}000\)。
Z值
过程均值与规格限之间的标准差个数,由正态分布得出,即 \(Z = \Phi^{-1}(\text{良率})\),其中 \(\Phi^{-1}\) 是标准正态累积分布函数的反函数。
西格玛水平
衡量过程能力的指标,按常见惯例等于Z值加上1.5σ偏移:\(\text{西格玛水平} = Z + 1.5\)。
1.5σ偏移
一种惯例,考虑了过程均值在长期内漂移1.5个标准差的情况。它将长期DPMO与短期西格玛联系起来,也是六西格玛对应3.4 DPMO这一数值的基础。
短期能力
在较短时间内、几乎没有漂移的情况下测得的能力,反映过程在其潜在最佳状态下的表现。
长期能力
在较长时间内测得的能力,包括偏移、漂移及其他变异来源。通常低于短期能力。
规格限
由客户要求或设计设定的边界,例如上规格限(USL)或下规格限(LSL),超出该边界的结果即被视为有缺陷。它不同于控制限,后者由过程数据推导得出。

常见问题

为什么要加1.5个西格玛?六西格玛的实践经验认为,过程均值在长期运行中最多会漂移1.5σ。这一修正量将长期(观测到的)表现换算为业界惯例报告的短期西格玛水平。

多少DPMO相当于六西格玛?在计入1.5σ漂移后,约3.4 DPMO对应6.0的西格玛水平。

DPMO能超过一百万吗?不能——DPMO的上限为1,000,000(即100%全部缺陷)。超出该值的输入会被自动限制在此范围内。

最后更新:

行业特定热门计算器

查看全部行业特定计算器