六標準差不是大廠專利：從一通客訴電話，算出你工廠的西格瑪水準

林品瑄在泰國羅勇府經營一家幫日系車廠代工塑膠保險桿零件的射出成型廠，已經第六個年頭。上個月一早，品管部主任拿著一疊客訴報告敲開她辦公室的門——一批零件表面出現細小氣泡，被日方客戶整批退貨，加上停線索賠，損失超過八十萬泰銖。

她把報告攤在桌上，第一個念頭是把夜班班長找來罵一頓。但冷靜下來後，她開始在網路上搜尋「怎麼降低不良率」，結果「六標準差」這個詞不斷跳出來。她點開幾篇文章，看到摩托羅拉、奇異這些字眼，心裡涼了半截：「這不是那種年營收幾千億的大公司才玩得起的東西嗎？我們工廠不到八十個員工，哪來那種資源請顧問、設實驗室。」

她把這個疑問丟進「管理者AI」的對話框，得到的第一句回覆是：「六標準差最早，其實也是從一條產線的挫折開始的——而且那個人一開始也沒有實驗室，只有一疊維修紀錄。」

為什麼

時間回到1986年，摩托羅拉的可靠度工程師比爾・史密斯（Bill Smith）注意到一件奇怪的事：產品在出廠測試時看起來合格，卻在客戶手上早期使用階段就頻繁故障。他比對維修紀錄後發現，那些「最終測試沒被抓到、卻在市場上出問題」的產品，往往在生產過程中就已經有較高的瑕疵率——只是瑕疵還沒嚴重到讓產品在出廠檢驗時被判定不合格。這代表傳統「合格／不合格」的二分法，掩蓋了大量正在流失品質的過程。

史密斯把這個發現寫成內部報告，主張與其等產品做完再挑瑕疵品，不如直接測量並縮小「製程本身的變異」。他與同事麥可・哈里（Mikel Harry）進一步把這套想法發展成一套統計架構，並用統計學裡的「標準差」（希臘字母σ，唸作西格瑪）來描述這個變異的大小。簡單說，西格瑪水準越高，代表製程結果離「平均值」的波動範圍越小、越穩定，客戶端能容忍的規格上下限，能被製程安安穩穩包在裡面的機率也越高。摩托羅拉把「六個標準差都還落在規格範圍內」設定為終極目標，換算成統計上（含業界慣用的1.5西格瑪長期製程飄移修正），對應到的缺陷率大約是每一百萬次機會中只有3.4次出錯，也就是「百萬分之3.4」（DPMO=3.4，Defects Per Million Opportunities）。1988年，摩托羅拉靠著這套方法拿下美國第一屆國家品質獎（馬爾坎・鮑德利治獎），六標準差才開始被外界注意。

真正讓六標準差變成全球顯學的，是1995年奇異公司（GE）執行長傑克・威爾許（Jack Welch）。他把六標準差從一個品管工具，拉高成一套全公司的經營語言：訓練內部人才成為「黑帶」「綠帶」，把獎金和升遷跟品質改善成果掛鉤，甚至規定達到黑帶資格才有資格升到高階主管。奇異因此在幾年內省下數十億美元成本，也讓外界誤以為六標準差是「巨型企業才玩得起的豪華配備」。但威爾許自己反覆強調的其實是另一件事：六標準差的核心不是預算規模，而是「先量測、再判斷」的思維習慣——這件事，八十人的工廠一樣做得到。

怎麼做

先破除「90分就很好」的錯覺

大部分管理者對品質的直覺是用百分比：良率九成五，聽起來已經很不錯了。但如果把「95%良率」換算成西格瑪水準，其實只落在略高於2個西格瑪，等於每一百萬次機會中有超過三十萬次出錯——這數字聽起來就完全不一樣。下面這張簡化對照表，是六標準差最基本的共同語言：

2個西格瑪：每百萬次機會約308,000次缺陷（良率約69%）
3個西格瑪：約66,800次缺陷（良率約93.3%）
4個西格瑪：約6,210次缺陷（良率約99.38%）
5個西格瑪：約233次缺陷（良率約99.977%）
6個西格瑪：約3.4次缺陷（良率約99.99966%）

換個角度想像：如果一家醫院的用藥流程只有「4個西格瑪」水準，等於平均每一千件處方就有超過六件開錯藥；如果是機場的行李輸送系統，等於每天上萬件行李中，仍會有幾十件送錯航班。西格瑪水準每往上跳一級，代表的不是「稍微變好」，而是缺陷率以數量級在下降。這也是為什麼六標準差團隊寧可先花時間把「良率」換算成西格瑪水準，再開始討論改善——因為百分比會騙人，西格瑪水準不會。

破除「只有大工廠能用」的迷思

六標準差真正需要的門檻，不是預算或人力規模，而是一個「可重複、可計數」的流程。射出成型廠的氣泡瑕疵可以算，曼谷一家連鎖餐飲品牌的出餐等候時間可以算，銀行分行的開戶表單填寫錯誤率也可以算。品瑄的工廠只有八十人，但她的產線每天生產超過三千件零件，每一件都能被檢驗、每一個瑕疵都能被記錄——這已經是六標準差方法論最需要的原始材料。她不需要顧問團隊、不需要統計軟體授權，她需要的只是先把「這批貨到底出了幾次錯、總共檢查了幾次」老老實實記下來。

🔧 AI 動手做：西格瑪水準速算表

與其憑印象說「我們品質還可以」，不如把手邊的檢驗紀錄丟給AI，讓它幫你算出一個具體數字，再決定要不要正式啟動改善專案。把下面這段提示詞複製給管理者AI，換上你自己的數字試試看：

你是六標準差品質顧問。請根據以下資訊，幫我概算目前流程的西格瑪水準與DPMO（百萬機會缺陷數），並用白話文告訴我這代表什麼意思、跟同業比起來算不算好：

1. 流程名稱：[例如：射出成型外觀檢驗]
2. 這段期間的總產出數量（機會數）：[填數字]
3. 這段期間發現的缺陷數量：[填數字]
4. 每個產品被檢查的品質特性數量（例如：外觀、尺寸、強度共3項就填3）：[填數字]
5. 我們公司目前對「良率」的認知標準是多少%：[填數字]

請幫我：
(1) 算出DPMO與對應的西格瑪水準
(2) 用類比解釋這個水準的實際意義（例如「相當於每處理XX件才會出一個錯」）
(3) 誠實告訴我，這個水準在製造業／服務業中屬於偏低、普通還是良好
(4) 給我1-2個最基礎、下週就能開始做的改善方向建議

本週就能做的一步：挑一個你天天在盯、卻從沒認真算過數字的流程（可以是產線、也可以是行政表單或客服應答），花十分鐘統計這段期間的總機會數與缺陷數，套用上面的提示詞，先算出一個屬於你工廠的西格瑪水準——不求馬上變成6個西格瑪，先知道自己現在站在哪一格。

📎 理論依據：比爾・史密斯（Bill Smith）於1986年在摩托羅拉提出六標準差方法論的雛形；麥可・哈里（Mikel Harry）協助將其發展為統計架構；摩托羅拉於1988年獲頒美國馬爾坎・鮑德利治國家品質獎；傑克・威爾許（Jack Welch）於1995年在奇異公司（GE）全面推廣六標準差為企業經營語言。西格瑪水準與DPMO對照表為業界統計慣例（採計1.5西格瑪長期製程飄移修正）。