6σ与统计的关系
“σ”是虾米碗糕？稍懂统计的人一眼就可以看出“6σ”与统计学脱离不了关系。“σ”是统计学上的符号，英文念作“SixSigma”，中文称为“六标准差”，它代表所观察的流程或产品的变异程度，从机率分配图可以清楚看到单边6σ所涵盖规格界限内的面积远高於单边3σ，也就是说6σ水准的作业流程其发生缺点的机率远低於3σ水准。更明确的说∶达到6σ水准的作业流程其不良率仅为百万分之3.4。正因为6σ以简单的图形量化了品质的问题，所以统计堪称为6σ的核心技术，它贯穿了改善专案DMAIC（请回顾上一期的报导）的每一个步骤，也影响了改善专案的最终成效。
对症下药有赖於可靠的数据
了解统计在6σ的重要角色後，接下来我们将关心品质改善活动中最叫人头痛的问题∶找出“症状”与用对“处方”。还好，基本的统计原理与现成的统计软体工具，解决了长期以来的老问题。透过有效的数据搜集计划（其中包括∶决定数据搜集对象、样本大小、抽样的方式、量测系统分析┅），我们可以揪出实际的“症状”（例如∶经过数据搜集与分析後，发现造成不良品的主要原因为~设备参数设定占42%、人员操作不当占23%）；而借助於统计软体（目前普遍应用Minitab）所运算的数值/指标与视觉化的图形，则可作为改善行动的“处方”（例如∶管制图呈现出既不在管制状态，又不在规格界限之内，则现场人员应优先改善制程回到管制状态，再改善规格界限问题）。
缺乏统计的底子怎麽办？
既然统计在推动6σ是如此的重要，那麽大多数缺乏统计底子的人该怎麽办呢？要学到怎样的程度才足以胜任GB、BB或Champion呢？这个问题就像驾驶操控汽车一样。对一般驾驶而言，只要熟练开车的技巧（如∶超车时，驾驶必须有能力看准车距、掌握车速与方向盘），并不需要深入了解汽车的压缩比或变速箱的结构。同样的，GB人员只要熟悉统计软体的操作与应用（例如∶量测系统分析时，必须输入零件、操作者以及重复实验次数的数据，并选择正确的功能键），GB并不需要具备高深的统计能力；而身为专案领导人的BB，则必须有能力分辨GB所搜集的数据与选用的分析工具是否正确；至於制定公司政策的Champion，对统计涉入的成分就更低了。