六西格玛数据分析实战:用Python实现DPMO与西格玛水平计算

今天分享一个实用的六西格玛数据分析工具------用Python计算DPMO和西格玛水平。

在六西格玛项目中,DPMO(每百万机会缺陷数)和西格玛水平是两个核心指标。手动计算不仅繁琐还容易出错,用Python可以批量处理。

核心代码

import numpy as np
from scipy import stats

def calculate_dpmo(defects, units, opportunities_per_unit):
"""
计算DPMO
defects: 缺陷总数
units: 总单位数
opportunities_per_unit: 每个单位的缺陷机会数
"""
dpmo = (defects / (units * opportunities_per_unit)) * 1000000
return dpmo

**def dpmo_to_sigma_level(dpmo):
"""
DPMO转换为西格玛水平(假设1.5倍偏移)
"""

计算合格率

yield_rate = 1 - (dpmo / 1000000)

查找对应的Z值

z = stats.norm.ppf(yield_rate)

加上1.5倍偏移

sigma_level = z + 1.5
return sigma_level**

def sigma_to_dpmo(sigma_level):
"""
西格玛水平转换为DPMO
"""
z = sigma_level - 1.5
yield_rate = stats.norm.cdf(z)
dpmo = (1 - yield_rate) * 1000000
return dpmo

# 示例
defects = 230 # 缺陷数
units = 50000 # 总单位数
opportunities = 3 # 每个单位3个缺陷机会

dpmo = calculate_dpmo(defects, units, opportunities)
sigma = dpmo_to_sigma_level(dpmo)

print(f"DPMO: {dpmo:.2f}")
print(f"西格玛水平: {sigma:.2f}")
print(f"合格率: {(1-dpmo/1000000)*100:.4f}%")

输出结果

DPMO: 1533.33
西格玛水平: 4.48
合格率: 99.8467%

西格玛水平对照表

西格玛水平 DPMO 合格率
1σ 691,462 30.85%
2σ 308,538 69.15%
3σ 66,807 93.32%
4σ 6,210 99.38%
5σ 233 99.977%
6σ 3.4 99.99966%

在实际项目中,DPMO和西格玛水平可以帮助我们:

  1. 量化当前流程质量水平

  2. 设定改进目标

  3. 跟踪改进效果

  4. 与行业基准对比

六西格玛的核心就是用数据说话。DPMO和西格玛水平给了我们一个统一的语言来描述质量。

后续会分享更多六西格玛数据分析工具,包括控制图绘制、过程能力分析等。

相关推荐
特立独行的猫A3 小时前
别再用 nohup 了:让应用在后台常驻的正确姿势与 systemd 服务详解
java·后端·python
kaixin_啊啊4 小时前
鱼类跨物种 DNA 序列预测:AQUA-FAANG 数据下载与操作指南
数据分析
吃我一窝jio6 小时前
Python与Go线程模型深度对比
java·开发语言·python
eggwyw6 小时前
C++ union 的一种妙用法
开发语言·c++
zwd20057 小时前
Manim 怎么放大画面的某一部分?
python·动画·可视化·manim·数学动画
屿华AI7 小时前
AUTOSAR 实战-诊断工具 | UDS 0x27 安全访问的配置化实现:种子密钥算法插件化设计
python·测试工具·汽车
RobinDevNotes7 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
starzy19909 小时前
深入理解Scala隐式函数:自动类型转换
开发语言·后端·scala
如夏倾城9 小时前
VRRP(虚拟路由器冗余协议Virtual Router Redundancy Protocol)
网络·python·网络协议·安全·智能路由器·负载均衡·信息与通信
IvanCodes9 小时前
LangChain(04):Runnable 与 LCEL 的执行与组合机制
python·langchain·agent