六西格玛改进阶段的方法和工具

在六西格玛改进阶段，为了发现特殊的波动源，数据分类的主要方法是分层法。层次化方法是将采集到的数据划分为子数据组，以确定是否有特殊波动源的工具，使过程中不同来源的数据可以分开，分别进行分析。使用分层方法的重点是确定分层的标准，可以是机器、材料、供应商、班次或年龄组等。通常，层次结构分为两个区域，但具体操作取决于观察的数量。

内部交货和下一个子流程交货的两种不同分布表明，每次装料浪费的平均公斤数有很大差异。因此，在六西格玛的改进阶段，应努力找出下一个子流程交付浪费高的原因(见下图)。

下一个次级过程交付浪费较高的原因

六西格玛散点图是改进阶段最常用的工具。散点图是一个变量X对另一个变量Y的图，通常指输入X和输出Y之间的相互作用，散点图的一个重要特征是其相关形式的直观性，通过它可以确定输入和输出Y之间的关系。在改进阶段，通常需要收集对要改进的过程有特殊影响的输入数据。一旦确定了它们之间的关系，就可以识别出由于特殊原因导致结果变量波动的输入变量。如果你能控制它，你就能决定如何设置输入变量，从而改进过程。

散点图原始数据如下，以桃子在树上生长的天数为自变量X，桃子的重量(盎司)为因变量Y:

散点图的原始数据

则x与y的最大值与最小值分别是：

则相应的散点图如下图所示：

桃子重量与生长天数的关系散点图

绘制散点图后，相关分析非常重要。相关分析是对两个自变量X和y之间相互作用的定量研究工具，通过计算相关系数r，可以更准确地定义两个变量之间的相关程度。相关系数r与散点线斜率有关，相关系数在-1到+1之间变化，其中+1代表完全正相关关系，0代表无相关，而-1代表完全负相关。相关系数也与分散点的数量有关，但是通常，0.7或更高的相关系数被认为是强停止相关，而-0.7或更低的相关系数被认为是强负相关。

散点图也有一种特殊的方式变成轨迹图，也叫运行图。这个图表显示了任何特性随时间的变化。在六西格玛中，轨迹图主要用于跟踪某些过程特性的DPMO值随时间的变化，如货物、服务、过程或项目等。

某工厂某流程DPMO软迹图（表明质量到了改善）

显示DPMO轨迹图时，可以使用对数坐标或线性坐标。当DPMO值范围小于5000ODPMO时，最好使用对数坐标。当DPMO的取值范围大于5OOOODPMO时，最好使用线性坐标。