1-6的西格玛是怎么算出来的

如题所述

一、6个西格玛=3.4失误/百万机会 ― 卓越的管理,强大的竞争力和忠诚的客户。

二、5个西格玛=230失误/百万机会-优秀的管理、很强的竞争力和比较忠诚的客户。

三、4个西格玛=6,210失误/百万机会-意味着较好的管理和运营能力,满意的客户。

四、3个西格玛=66,800失误/百万机会-意味着平平常常的管理,缺乏竞争力。

五、2个西格玛=308,000失误/百万机会-意味着企业资源每天都有三分之一的浪费。

六、1个西格玛=690,000失误/百万机会-每天有三分之二的事情做错的企业无法生存。

六西格玛背后的原理就是如果你检测到你的项目中有多少缺陷,就可以找出如何系统地减少缺陷,使项目尽量完美的方法。一个企业要想达到六西格玛标准,那么它的出错率不能超过百万分之3.4。

六西格玛(Six Sigma)在20世纪90年代中期开始被GE从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化的技术,并提供了一系列同等地适用于设计、生产和服务的新产品开发工具。

继而与GE的全球化、服务化等战略齐头并进,成为全世界上追求管理卓越性的企业最为重要的战略举措。六西格玛逐步发展成为以顾客为主体来确定产品开发设计的标尺,追求持续进步的一种管理哲学。

扩展资料

六西格玛包括两个过程:

六西格玛DMAIC和六西格玛DMADV,它们是整个过程中两个主要的步骤。六西格玛DMAIC是对当前低于六西格玛规格的项目进行定义、度量、分析、改善以及控制的过程。

六西格玛 DMADV则是对试图达到六西格玛(6 Sigma)质量的新产品或项目进行定义、度量、分析、设计和验证的过程。所有的六西格玛项目是由六西格玛绿带或六西格玛黑带执行的,然后由摩托罗拉创建的六西格玛黑带大师监督。

参考资料来源:百度百科--六西格玛

温馨提示:答案为网友推荐,仅供参考
第1个回答  2019-07-11

一、6个西格玛=3.4失误/百万机会 ― 卓越的管理,强大的竞争力和忠诚的客户。

二、5个西格玛=230失误/百万机会-优秀的管理、很强的竞争力和比较忠诚的客户。

三、4个西格玛=6,210失误/百万机会-意味着较好的管理和运营能力,满意的客户。

四、3个西格玛=66,800失误/百万机会-意味着平平常常的管理,缺乏竞争力。

五、2个西格玛=308,000失误/百万机会-意味着企业资源每天都有三分之一的浪费。

六、1个西格玛=690,000失误/百万机会-每天有三分之二的事情做错的企业无法生存。

六西格玛指100万个机会里面,出现缺陷的机会。这里有一个计算公式,即DPMO(每百万次采样数的缺陷率)=(总的缺陷数/机会)×一百万分之一百万。

如果DPMO是百万分之三点四,即达到99.99966%的合格率,那么这就叫六西格玛。DPMO与西格玛的对应关系如下表所示:

DPMO值可以用来综合度量过程的质量。例如,某印刷电路板的制造工厂在同一条生产线上可能生产不同规格的印刷电路板。每一种产品都有不同的设计。

因此,在生产过程中,缺陷机会也不同。但是,不管生产何种规格的产品,都可以统计出现缺陷的数量和缺陷机会的数量,然后用总的缺陷的数量除以总机会数,可以得到DPMO,即使每天的产品种类不同,我们都可以做同样的统计。

扩展资料:

6sigma(六西格玛)的来源与含义。

将西格玛引入质量管理的,需要归功于摩托罗拉(Motorola)的工程师比尔·史密斯(Bill Smith)(有些网站资料显示他是1987年才进入摩托罗拉的)。

根据迈克·哈利(Mikel J. Harry)的个人网页上的记载,比尔·史密斯早在1984年就已经在研究潜在缺陷与产品失效之间的关系,并于1985年发布了关于潜在缺陷、设计余量与产品失效之间关联的白皮书。

通过对对制造缺陷与产品失效关系的研究,比尔·史密斯得出了产品设计半个公差限范围内包含六倍标准差(6σ)才能从源头上确保产品不会发生缺陷的结论,并创造了“六西格玛”(Six Sigma)的概念来描述设计余量与产品质量的期望水准。

摩托罗拉公司理解和采纳了比尔·史密斯用“六西格玛”来评价质量水准的观点,并将这个概念命名于公司的质量改进运动。

按照比尔·史密斯的观点,在正态分布的分布中心落在规格中心(公差限1/2位置)上且半个公差限包含六倍标准差时,运用统计知识可以很容易计算出超出公差限的概率约为1.97×10-9。这也就是说,5亿个里面还不到1个。

参考资料:百度百科-六西格玛

本回答被网友采纳
第2个回答  2019-07-11

一、6个西格玛=3.4失误/百万机会 ― 卓越的管理,强大的竞争力和忠诚的客户。

二、5个西格玛=230失误/百万机会-优秀的管理、很强的竞争力和比较忠诚的客户。

三、4个西格玛=6,210失误/百万机会-意味着较好的管理和运营能力,满意的客户。

四、3个西格玛=66,800失误/百万机会-意味着平平常常的管理,缺乏竞争力。

五、2个西格玛=308,000失误/百万机会-意味着企业资源每天都有三分之一的浪费。

六、1个西格玛=690,000失误/百万机会-每天有三分之二的事情做错的企业无法生存。

六西格玛指100万个机会里面,出现缺陷的机会。这里有一个计算公式,即DPMO(每百万次采样数的缺陷率)=(总的缺陷数/机会)×一百万分之一百万。

如果DPMO是百万分之三点四,即达到99.99966%的合格率,那么这就叫六西格玛。DPMO与西格玛的对应关系如下表所示:

DPMO值可以用来综合度量过程的质量。例如,某印刷电路板的制造工厂在同一条生产线上可能生产不同规格的印刷电路板。每一种产品都有不同的设计,因此,在生产过程中,缺陷机会也不同。但是,不管生产何种规格的产品,都可以统计出现缺陷的数量和缺陷机会的数量,然后用总的缺陷的数量除以总机会数,可以得到DPMO,即使每天的产品种类不同,我们都可以做同样的统计。

扩展资料:

6sigma(六西格玛)的来源与含义。

将西格玛引入质量管理的,需要归功于摩托罗拉(Motorola)的工程师比尔·史密斯(Bill Smith)(有些网站资料显示他是1987年才进入摩托罗拉的)。

根据迈克·哈利(Mikel J. Harry)的个人网页上的记载,比尔·史密斯早在1984年就已经在研究潜在缺陷与产品失效之间的关系,并于1985年发布了关于潜在缺陷、设计余量与产品失效之间关联的白皮书。

通过对对制造缺陷与产品失效关系的研究,比尔·史密斯得出了产品设计半个公差限范围内包含六倍标准差(6σ)才能从源头上确保产品不会发生缺陷的结论,并创造了“六西格玛”(Six Sigma)的概念来描述设计余量与产品质量的期望水准。

摩托罗拉公司理解和采纳了比尔·史密斯用“六西格玛”来评价质量水准的观点,并将这个概念命名于公司的质量改进运动。

按照比尔·史密斯的观点,在正态分布的分布中心落在规格中心(公差限1/2位置)上且半个公差限包含六倍标准差时,运用统计知识可以很容易计算出超出公差限的概率约为1.97×10-9。这也就是说,5亿个里面还不到1个。

参考资料来源:百度百科--六西格玛

本回答被网友采纳
第3个回答  2018-06-26

6西格玛计算公式记住这些就够了
6个西格玛=3.4失误/百万机会―意味着卓越的管理,强大的竞争力和忠诚的客户   
5个西格玛=230失误/百万机会-优秀的管理、很强的竞争力和比较忠诚的客户   
4个西格玛=6,210失误/百万机会-意味着较好的管理和运营能力,满意的客户   
3个西格玛=66,800失误/百万机会-意味着平平常常的管理,缺乏竞争力   
2个西格玛=308,000失误/百万机会-意味着企业资源每天都有三分之一的浪费   
1个西格玛=690,000失误/百万机会-每天有三分之二的事情做错的企业无法生存


随着六西格玛管理在国内更多企业的普及和推广,六西格玛管理显示出了巨大的魅力,已经被充分证明是一种行之有效的系统管理方法。六西格玛管理专业人才绿带、黑带和资深黑带的成长与提高成了当前最迫切需要解决的问题。作为六西格玛管理核心思想的“基于数据驱动与决策”的原则已经越来越深人人心。在这种形势下,工程技术人员对于掌握统计思想,学会统计方法,并能在计算机上直接获得结果的需求越来越高。下面,为大家讲解怎样计算企业西格玛水平。

摩托罗拉的前质量经理阿兰•拉森曾经与以开发六西格玛测量系统而具有声望的比尔•史密斯(Bill Smith)密切合作过。他认为,我们探索的方法的最大优点就在于它的简单性,“它实际上是一个算术系统,而不是一个统计系统。它的优点在于,你只需要懂得如何计数、如何加减、如何乘除就足够了,你不需要成为一位统计学家。”拉森解释说。

  第一步:就是要明确地界定顾客的需要。
用六西格玛的语言来说,这些要求被称为CTQ(“critical to quality”characteristics),即“关键质量特性”(也可以将其称为“关键结果”或过程的“Y”或“规格界限”)。

第二步:计算缺陷发生的次数。

我们已多次用过这个概念,现在需要给它一个明确的定义: 缺陷是指产品或过程不能满足顾客要求的任何情况或事件。

我们一旦知道了缺陷的数量,也就算出了过程的“产出”(无缺陷项目所占的百分比)。然后,就可以方便地确定“西格玛水平”。绩效的西格玛水平经常用“每百万次机会中的缺陷数”或者“DPMO(defects per million opportunities)”来表示。DPMO缩略地表示一项活动重复100万次缺陷发生的次数。通过把缺陷发生的几率计算在内,摩托罗拉实现了对不同过程用同一绩效水平进行衡量,你只要知道它是另一种描述过程质量或能力的方法就可以了。

本回答被网友采纳
第4个回答  推荐于2018-03-13

依据上述的正态分布的概率函数算出来的。

如果你想问上述的数据时如何得出的,只能答:你问数学研究院吧。(得出来的繁杂程度大。)

参考资料:http://wenku.baidu.com/view/e3b51534eefdc8d376ee3294.html

本回答被网友采纳
相似回答