六西格玛的发展源自于它与时俱进的庞大的工具箱，近年来测量不确定度的评定控制程序有了新规，本篇介绍测量不确定度。
测量是六西格玛项目管理DMAIC尤其是M阶段的关键环节，是项目后续的数据来源，是很多初学六西格玛的朋友最喜欢的动手环节，简单的一组数据就可以梦幻般地画出各种图形，预测种种结果，然而，这么梦幻般的测量环节往往又是初学者的梦魇。
经常听到实验室的朋友抱怨说：这次检测的数据好奇怪啊，和之前的预期完全不一样，改进前的数据显示比改进后的还要好，这不是开倒车了吗？该不会是发现新大陆了吧？在当今科技日新月异的背景下，虽然新事物层出不穷，但是，对于大多数人来说，发现一个新的领域或者新的理论，有如牛顿被苹果砸中一样，其概率恐怕比中彩票头奖还要低。
诚然，几乎天天有人中彩票头奖，而并不是天天能出现新领域。不要奢望自己能发现新的现象或者规律，脚踏实地一点考虑，最大可能应该还是自己在测量环节哪里搞错了。
可是，错在哪了呢？原因很多，有必要逐项排查。既有可能是前面定义阶段就错了，亦或者进行“人、机、料、法、环、测”分析的时候哪个环节疏漏了，也有可能错在抽样的合理性，倘若项目进展过程中层层把关，最大的可能是会出现在测量系统上。
这是一个真实的案例，某公司的六西格玛项目是降低细粉率，从3.4%降低到2.9%，使用的测量工具竟然是叉车电子称测细粉量。
数据是不会骗人的，测量系统有没有问题，也不需过多争辩，强大的minitab中的量具研究一试便知。
果不其然，可区分的类别数=1<5,测量系统分辨力不够，不足以支持开展这个六西格玛项目。
如果不是专业的检测或计量人员，直接考虑更换测量工具即可，大可不必深入研究每个因素对测量结果的影响。但是作为六西格玛项目组的绿带黑带人员，应该抱着科学的态度，认真分析项目的根本原因，关注测量系统的关键参数：检出限、定量限、误差以及误差的主要来源。
首先回顾仪器和分析方法的检出限和定量限（基本的概念就不赘述了，上网可查到详细解释）。实施六西格玛项目过程中，应注意定量限在数值上总应高于检出限，而且尽量不要让检测数据太接近这两个限值，在这些限值附近的数据可信度都要打折扣。
还有一项重要的指标——测量不确定度，通俗点说就是误差区间。要经过对样品的反复检测，统计数据，计算出不确定度的A类评定；再根据所使用的检测装备、试剂的校准证书、使用说明书以及常识经验等算出其不确定度的B类评定。不确定度的A类和B类评定合并后再赋予其统计学的扩展范围，最后才能计算出它的不确定度。这个不确定度是经过测量、溯源信息、建立数学和物理模型后得出的测量偏差，是科学而准确的。
如何使用测量的不确定度结果呢？请看下图，以下是测量结果及其不确定度相对于规定的技术规范限值所处位置的4种情况：
（a），测量结果和不确定度都落在规定的上下限内，为“合格”类；
（b）及（c），测量结果和不确定度范围都不完全在限值内，也不完全在限值外，对符合与否不能作出明确结论；
（d），不论是测量结果还是不确定度范围都超出规定的上下限，为“不合格”类。
举例来说，假如一个体温计检测人的体温的测量不确定度是（37±0.5）℃，而发热标准是37.3℃。那么用这个体温计检测到某人体温37.7℃，是否可以判定是发热呢？不一定。因为检测值可能的误差范围超过了判定标准，检测结果不完全可信，还需要进行多次检测或者更换其他体温计进行复检方可综合判定。
那么在线性范围内的数据是否都可信？答案也是否定的。不确定度是针对某个检测值的样品进行评定的，并不能反映线性范围内所有检测值的误差水平。例如，检测某个食品安全指标，国标的限量值是5.0ppm，某检测机构给出的校准曲线的线性范围是0.01—100ppm，为确保检测结果在限量值附近的检测结果更加准确，通常会选取5.0ppm左右的样品来做不确定度评定。
经检测，不确定度是（5.0±0.25）ppm。假如采用1.0ppm的样品来做不确定度评定呢？相应的偏差一定高于±0.25ppm。也就是说，线性范围内的检测误差是与样品的目标物质含量有关的，随着目标物质含量越低，检测的误差也就越大。假如检测某个样品的值是1.26ppm时，你可要小心了，因为误差的存在，它的真实值并不一定比之前检测到的1.0ppm的样品的目标物质含量更高。
我们在开展六西格玛项目时，应该以审慎的眼光去检视测量系统的每个环节。测量的数据是否是可信的？测量结果是否跨越了误差范围？当前的测量系统能否支持项目目标的顺利达成，都是需要认真对待的。
原文来源张驰咨询：未经作者同意，如有转发需要必须在文章中给出原文链接，否则必究！
联系客服
