要说这个Sigma，我一开始也是一头雾水，觉得是个高大上的东西，跟我这种小老百姓没啥关系。结果，有一次我被领导抓壮丁，说要搞什么“质量提升项目”，要我们组提交一个“当前产品缺陷的Sigma值”。我一听就懵了，Sigma是个电影里看到过超人，没见过这玩意儿。
那阵子我可愁坏了。网上各种搜，图书馆也跑了，借了一堆统计学的书。结果，要么是密密麻麻的公式，什么方差、标准差、正态分布曲线，看得我头皮发麻，一个字儿都看不懂。要么就是讲得云里雾里，什么六西格玛管理，听起来倒是挺厉害，可我就是想知道，它到底怎么算？我得给领导一个数！
那几天我真是茶饭不思，睡觉都梦到数学符号在眼前晃。后来实在没办法，只能硬着头皮去请教我们部门一个老哥，他以前在一家外企干过，据说对这些洋玩意儿门儿清。我像小学生请教老师一样，把我的困惑一股脑儿地倒给他。
他听完我的抱怨，笑了笑，说：“你小子别被那些花里胡哨的词儿唬住了，Sigma没你想得那么玄乎。你那些书都白看了，都是为了忽悠人的。实际操作起来，简单得要命。”我当时就瞪大了眼睛，等着他给我指点迷津。
老哥拿起一张纸，随便画了几个图，给我讲了一套他的“土办法”。他说，Sigma这东西，你把它理解成一个“好产品率”或者“合格率”就行了。你想，你生产一百个东西，有几个是坏的？这个坏的比率越低，你的Sigma值就越高，说明你做得越好呗。
他给我举了个例子，就拿我们做的那个产品来说。假设我们一天生产1000个零件，里面发现有1个是有点小毛病的。那么，这1个就是缺陷，剩下的999个就是好的。缺陷率就是1/1000，也就是千分之一。他说，你把这个缺陷率记下来，然后找个对照表，就能估摸出你的Sigma大概是多少了。
我当时觉得这有点太粗暴了？哪有那么简单？老哥说，你信不信？那些大公司，一开始也是这么估摸的。他们只是把这个缺陷定义得更细，把统计的样本量搞得更大，听起来就高大上了。但核心逻辑，就是算你做得有多“完美”。
他接着给我捋了一下思路：
- 第一步，确定你的“机会点”在哪。 比如我们生产一个零件，这个零件上的每个尺寸、每个焊点，都可能出现问题。每个可能出问题的地方，就是一个“机会点”。
- 第二步，数缺陷。 在一定时间里，你总共生产了多少个产品？这些产品上总共出现了多少个“缺陷”？注意，一个产品上可能出现好几个缺陷，你得把所有的缺陷加起来。
- 第三步，算“每百万机会的缺陷数” (DPMO)。 这就是最关键的一步了。公式很简单：(总缺陷数 ÷ (总产品数 × 每个产品的机会点数)) × 1,000,000。
- 第四步，查表。 你把算出来的DPMO值，去对照一个“Sigma转换表”，就能找到对应的Sigma值了。DPMO越低，Sigma值就越高。
他特别强调，这个“每个产品的机会点数”很重要，不能漏算了。如果一个产品有10个地方可能出问题，你只算出了3个缺陷，那你就不能拿3去除以总产品数，因为你有10倍的机会出问题。
我按照他这个思路一琢磨，还真有点通了！这不是比那些复杂的数学公式简单多了吗？
我立马回去，把我手头项目的数据拿出来，按他说的“土办法”开始算。
- 我们那批货做了5000个产品。
- 每个产品，我们定义了5个关键检测点，也就是说，每个产品有5个“机会点”。所以总的机会点就是 5000 × 5 = 25000。
- 我把所有返工、报废的记录都翻出来，统计了一下，总共出现了12个缺陷。
- 然后我套公式：DPMO = (12 ÷ 25000) × 1,000,000 = 0.00048 × 1,000,000 = 480。
拿到这个480，我赶紧去网上搜“DPMO转Sigma表”，一查，480差不多就是4.4 Sigma左右！我当时心里那个激动，感觉自己像突然开窍了一样。
我把这个数和我的计算过程写得明明白白，提交给了领导。领导看了看，虽然没说什么，但也没挑刺，项目组的会议上，就用这个数来讨论改进方案了。后来我发现，很多时候，大家要的不是你把统计学原理掰碎了讲，而是你能给出一个可靠又好理解的数字，然后基于这个数字去干活。
从那以后，再让我算什么质量指标，我心里就有谱了。再碰到那些云里雾里的理论，我就知道，先别急着往里钻，琢磨琢磨它最核心、最简单的逻辑是什么。很多东西，一旦剥开那些专业术语的外衣，就是一些很基础、很实用的道理。 Sigma这东西，我算是彻底明白了，就是告诉你，你做得多离完美还有多远。
