作者：Jeff Joines（北卡罗来纳大学纺织工程系副教授）
这是一个关于六西格玛、精益西格玛和仿真的三部分系列博客。第一篇博客将解释六西格玛方法论以及通向仿真分析和建模的桥梁，第二和第三篇博客将分别介绍仿真在六西格玛各阶段和精益西格玛（即精益生产）中的应用。
系统很少能完全按照预测执行 "是博客 "预测过程变异性"的出发点，也是大多数改进项目背后的驱动力。如前所述，变异性是所有流程的固有特性，无论这些流程是在工厂内制造产品，还是通过整个供应链综合体生产产品，或是在零售、银行、娱乐或医院环境中提供服务。如果能够预测或消除流程或产品的可变性，那么流程中就不会出现浪费（或精益世界中的 Muda，将在第三部分中讨论），就不会为完成订单而加班加点，就不会因库存错误或交货期过长而损失销售额，就不会因医疗保健中的错误而导致死亡，交货期就会缩短，等等，最终导致成本降低。对于任何组织（制造业或服务业）来说，要想在全球竞争中立于不败之地，降低成本、缩短交付周期等都是或应该是优先考虑的问题。减少、控制和/或消除流程中的可变性是最大限度降低成本的关键。
六西格玛是一种注重持续改进以减少和消除可变性的经营理念。在服务或制造环境中，六西格玛（6?然而，大多数公司的运作标准是四西格玛，即每百万次操作中允许出现 6000 次缺陷。六西格玛起源于 20 世纪 80 年代，当时摩托罗拉开始着手减少自己产品中的缺陷数量。摩托罗拉确定了减少浪费、提高质量、缩短生产时间、降低成本以及关注产品设计和制造方式的方法。六西格玛就是从这种利用精确测量来预测问题领域的积极举措中发展起来的。1988 年，摩托罗拉被选为第一家获得马尔科姆-鲍德里奇国家质量奖的大型制造企业。因此，摩托罗拉公司推出了六西格玛方法，并很快鼓励其供应商采用六西格玛实践。如今，使用六西格玛方法的公司都能显著降低成本。
六西格玛是从 ISO、全面质量管理（TQM）和鲍德里奇等其他质量倡议发展而来的，是一种基于可靠数据而非直觉或感觉的质量标准化流程，因此被称为 "六西格玛"。六西格玛利用了大量传统的统计工具，但又将其纳入了流程改进框架。这些工具包括亲和图、因果关系、失效模式和有效分析（FMEA）、Poka Yoke（防错）、调查分析（客户心声）、实验设计（DOE）、能力分析、测量系统分析、统计过程控制图和计划等。
六西格玛有两种基本流程（即DMAIC和DMADV），它们都采用数据密集型解决方案，在决策和改进过程中不依赖直觉。六西格玛方法以 DMAIC 流程为基础，在产品或流程已经存在但不符合规格或性能不佳时使用，具体描述如下。
定义、识别、优先排序并选择合适的项目。选定项目后，确定项目目标和交付成果。
测量关键产品特性和流程参数，以创建基准线。
分析并确定造成变异的关键工艺决定因素或根本原因。
通过消除缺陷来改进和优化性能。
控制当前的收益和未来的工艺性能。
如果流程或产品不存在，需要开发，则必须采用六西格玛设计（DFSS）流程（DMADV）。采用 DMADV 流程设计的流程或产品通常能更快进入市场、减少返工、降低成本等。尽管 DMADV 与 DMAIC 方法相似，也是从相同的三个步骤开始，但它们之间的区别很大，定义如下。
定义、识别、优先排序并选择合适的项目。选定项目后，确定项目目标和交付成果。
通过客户的声音，衡量并确定客户需求和规格。
分析并确定满足客户需求所需的流程选项。
设计满足客户需求的详细工艺或产品。
验证设计性能和满足客户需求的能力，客户可以是组织内部的，也可以是组织外部的。
这两个过程都采用从一个阶段回到起点的持续改进方法。例如，如果在分析阶段发现某个关键输入没有得到测量，就必须定义新的指标，或者在进入控制阶段后定义新的项目。
既然我们已经定义了六西格玛，你可能想知道计算机仿真和建模的桥梁是什么。仿真建模和分析只是六西格玛工具箱中的另一种工具。许多统计工具（如 DOE）都试图用自变量（X）来描述因变量（Y），以便对其进行改进。此外，大多数统计工具都是参数方法（即，它们依赖于数据的正态分布，或利用我们的朋友中心极限定理使数据呈现正态分布）。许多传统工具可能会产生次优结果，或者根本无法使用。例如，如果要设计一个新的流程或产品，系统并不存在，因此无法确定当前的能力或未来的性能。某些流程的复杂性和不确定性无法用传统方法确定或分析。而仿真建模和分析则没有这些假设，可以得出更真实的结果，尤其是在自变量（X）可以描述为数值分布的情况下。在《六西格玛与仿真》第二部分中，将对六西格玛与仿真进行更详细的介绍：第二部分将更详细地讨论模拟在两个六西格玛流程（DMAIC和DMADV）中的应用。