Phương pháp luận quản lý chất lượng Six Sigma

1. Tổng quan

Định nghĩa: Six Sigma là một phương pháp luận đổi mới quản lý dựa trên dữ liệu (data-driven), đo lường và phân tích một cách thống kê sự biến động (variation) vốn có trong một quy trình để loại bỏ nguyên nhân của nó, nhằm đạt mức chất lượng 3,4 lỗi trên một triệu cơ hội (DPMO, Defects Per Million Opportunities).

Six Sigma ra đời tại Motorola ở Hoa Kỳ vào giữa thập niên 1980. Vào thời điểm đó, ngành chế tạo của Hoa Kỳ đang mất thị phần vào tay các doanh nghiệp Nhật Bản vốn dẫn đầu với năng lực cạnh tranh chất lượng áp đảo, và các kỹ sư của Motorola là Bill Smith và Mikel Harry đã xuất phát từ nhận thức rằng "lỗi không phải là thứ cần sàng lọc bằng kiểm tra, mà là thứ không nên tạo ra ngay từ đầu bằng cách giảm biến động của quy trình". Trong khi quản lý chất lượng toàn diện (TQM) trước đó dừng lại ở mệnh đề rằng "chất lượng là quan trọng" và trôi theo hướng định tính, kiểu chiến dịch, thì Six Sigma khác biệt một cách căn bản ở chỗ quy đổi mọi vấn đề chất lượng thành con số thống kê và liên kết trực tiếp với kết quả tài chính (khoản tiết kiệm).

Bước ngoặt quyết định khiến phương pháp luận này lan rộng toàn cầu là việc Jack Welch của General Electric (GE) chọn nó làm chiến lược cốt lõi toàn công ty vào năm 1995. GE đã gắn Six Sigma với hệ thống thăng tiến và khen thưởng, định hình nó thành ngôn ngữ của quản lý, sau đó nó lan rộng nhanh chóng vượt ra ngoài chế tạo sang các lĩnh vực dịch vụ như tài chính, y tế, khu vực công và phát triển phần mềm. Ngày nay Six Sigma được hiểu không phải là một kỹ thuật thống kê đơn thuần, mà là một khung đổi mới quản lý toàn diện kết hợp một lộ trình giải quyết vấn đề có cấu trúc gọi là DMAIC, một hệ thống đào tạo chuyên gia dựa trên đai (Belt), và sự bảo trợ mạnh mẽ từ cấp lãnh đạo (top-down). Bài luận này trình bày các nguyên lý thống kê và năng lực quy trình của Six Sigma, lộ trình cải tiến DMAIC và cơ cấu triển khai tổ chức, sự so sánh với TQM và Lean, cùng các xu hướng mới nhất trong kỷ nguyên phần mềm và AI và các điểm cần cân nhắc từ góc nhìn của Kỹ sư chuyên nghiệp.

2. Nguyên lý thống kê và cấu trúc tổng thể

2.1 Ý nghĩa của biến động (variation) và mức sigma

Điểm xuất phát của Six Sigma là nhận thức thống kê rằng "biến động tồn tại trong mọi quy trình". Kích thước của một sản phẩm, thời gian xử lý của một dịch vụ, hay độ trễ phản hồi của một giao dịch luôn phân tán quanh một giá trị trung bình (μ) dù công việc có được thực hiện giống hệt đến đâu, và độ lớn của sự phân tán đó được đo bằng độ lệch chuẩn (σ). Khi gọi khoảng mà khách hàng dung sai là giới hạn đặc tả trên (USL) và giới hạn đặc tả dưới (LSL), thì mức sigma (sigma level) chính là khoảng cách từ giá trị trung bình đến giới hạn đặc tả gần nhất được biểu diễn dưới dạng bội số của độ lệch chuẩn.

Trực giác cốt lõi ở đây là nâng cao chất lượng có nghĩa là "căn trung bình vào tâm đặc tả (centering) và giảm biến động σ (để các giới hạn đặc tả nằm xa trung bình thêm nhiều σ hơn), qua đó hạ thấp xác suất phần đuôi của phân phối rơi ra ngoài đặc tả". Tức là Six Sigma biểu thị một trạng thái mà phân phối hẹp và căn tâm đến mức sáu độ lệch chuẩn vừa khít giữa trung bình và mỗi giới hạn đặc tả ở cả hai phía, và khi đó lỗi (vượt đặc tả) trở nên cực kỳ hiếm về mặt thống kê. Trong thực tế, quy tắc kinh nghiệm của Motorola rằng trung bình quy trình dịch chuyển nhẹ ±1,5σ trong dài hạn (shift & drift) được phản ánh, nên con số "Six Sigma = 3,4 DPMO" là một giá trị thận trọng giả định sự dịch chuyển 1,5σ này.

Khi xem tỷ lệ lỗi theo từng mức sigma bằng con số, hiệu quả của cải tiến hiện ra một cách kịch tính.

Mức sigma	DPMO (phản ánh dịch chuyển 1,5σ)	Hiệu suất (Yield)	Ý nghĩa trực giác
1σ	691.462	30,9%	Thực tế không kiểm soát được
2σ	308.538	69,1%	Mức sơ khởi
3σ	66.807	93,3%	Mức "đạt" truyền thống
4σ	6.210	99,38%	Trung bình ngành
5σ	233	99,977%	Doanh nghiệp xuất sắc
6σ	3,4	99,99966%	Mức hàng đầu thế giới

Như bảng cho thấy, con đường từ 3σ đến 6σ không chỉ là cải thiện con số về hiệu suất từ 93% lên 99,99966%, mà là một bước nhảy về chất giảm lỗi khoảng 20.000 lần (66.807 → 3,4). Một ví dụ thường được dẫn ra — rằng mức 3σ tương ứng với "hàng nghìn bưu phẩm thất lạc mỗi giờ" còn mức 6σ tương ứng với "một bưu phẩm sau vài năm" — minh họa tốt quy mô của sự khác biệt này.

2.2 Sơ đồ cấu trúc tổng thể của Six Sigma

flowchart TB
  subgraph DRIVER["Động lực thúc đẩy"]
    MGMT["Sự bảo trợ của lãnh đạo(Top-down)"]
    VOC["Tiếng nói khách hàng(VOC)"]
    BIZ["Kết quả tài chính(giảm COPQ)"]
  end
  subgraph CORE["Hệ thống cốt lõi"]
    STAT["Quản lý biến động thống kê(σ)"]
    DMAIC["Lộ trình cải tiến DMAIC"]
    BELT["Nhân lực theo đai(MBB/BB/GB)"]
  end
  subgraph OUT["Đầu ra"]
    QUALITY["Mức chất lượng 3,4 DPMO"]
    CTQ["Đáp ứng CTQ(đặc tính trọng yếu)"]
    CULTURE["Văn hóa dựa trên dữ liệu"]
  end
  MGMT --> DMAIC
  VOC --> CTQ
  BIZ --> DMAIC
  STAT --> DMAIC
  BELT --> DMAIC
  DMAIC --> QUALITY
  DMAIC --> CTQ
  DMAIC --> CULTURE

Như hình cho thấy, Six Sigma gồm ba tầng: (1) các động lực thúc đẩy là sự bảo trợ của lãnh đạo, Tiếng nói khách hàng (VOC) và kết quả tài chính; (2) động cơ thực thi cốt lõi gồm quản lý biến động thống kê, lộ trình DMAIC và hệ thống nhân lực theo đai; và (3) các đầu ra gồm mức chất lượng, việc đáp ứng CTQ và văn hóa dựa trên dữ liệu. Quá trình chuyển dịch Tiếng nói khách hàng (VOC) thành các đặc tính trọng yếu đối với chất lượng (CTQ, Critical To Quality) có thể đo lường được là đặc biệt quan trọng, bởi nếu thiếu bước này thì "chất lượng mà khách hàng cảm nhận" và "chỉ số mà nội bộ quản lý" sẽ lệch nhau, khiến cải tiến quay vòng vô ích.

2.3 Chỉ số năng lực quy trình — Cp và Cpk

Các chỉ số tiêu biểu để đo mức sigma trong thực tế là chỉ số năng lực quy trình (Process Capability Index) Cp và Cpk. Cp là năng lực tiềm năng chỉ ra bề rộng đặc tả gấp bao nhiêu lần độ phân tán của quy trình, định nghĩa là Cp = (USL - LSL) / 6σ, còn Cpk là năng lực thực tế phản ánh cả mức độ lệch tâm của trung bình so với điểm giữa đặc tả, định nghĩa là Cpk = min[(USL - μ)/3σ, (μ - LSL)/3σ]. Lý do hai chỉ số được dùng cùng nhau là dù Cp có lớn đến đâu (độ phân tán có nhỏ đến đâu), nếu trung bình lệch về một phía thì lỗi vẫn phát sinh, nên phải xem "bề rộng (Cp)" và "vị trí (Cpk)" một cách tách biệt.

Lấy ví dụ cụ thể, nếu đặc tả của một chi tiết là 9,7 ~ 10,3mm (USL=10,3, LSL=9,7) và quy trình có trung bình μ=10,0mm, độ lệch chuẩn σ=0,05mm, thì Cp = (10,3-9,7)/(6×0,05) = 0,6/0,3 = 2,0, và vì trung bình nằm chính tâm nên Cpk = 2,0, đáp ứng mức Six Sigma (Cp=2,0, và Cpk từ 1,5 trở lên khi căn tâm). Nếu trung bình lệch sang 10,1mm, Cpk = min[(10,3-10,1)/0,15, (10,1-9,7)/0,15] = min[1,33, 2,67] = 1,33, nên dù độ phân tán (Cp) không đổi, chất lượng thực tế suy giảm xuống mức 4σ. Ví dụ này cho thấy "giảm biến động (cải thiện Cp)" và "căn tâm (cải thiện Cpk)" là hai nhiệm vụ cải tiến khác nhau, và đó là lý do giai đoạn Improve của DMAIC xử lý hai nhiệm vụ này một cách tách biệt.

3. Lộ trình cải tiến DMAIC

3.1 Sơ đồ chi tiết quy trình DMAIC

flowchart LR
  D["Define(Xác định)<br/>vấn đề, mục tiêu, phạm vi, CTQ"] --> M["Measure(Đo lường)<br/>Y hiện tại, thu thập dữ liệu, MSA"]
  M --> A["Analyze(Phân tích)<br/>xác định Xs chủ chốt, kiểm định giả thuyết"]
  A --> I["Improve(Cải tiến)<br/>tìm điều kiện tối ưu, DOE, thử nghiệm"]
  I --> C["Control(Kiểm soát)<br/>biểu đồ kiểm soát, chuẩn hóa, giám sát"]
  C -.->|tái diễn hoặc vấn đề mới| D
  A -.->|nguyên nhân gốc chưa đủ| M

DMAIC là một lộ trình cải tiến quy trình hiện hữu gồm năm giai đoạn Define-Measure-Analyze-Improve-Control, đặc trưng bởi việc mỗi giai đoạn phải vượt qua một cửa kiểm tra (tollgate) trước khi tiến sang giai đoạn kế tiếp. Đây là cơ chế ngăn việc nhảy vọt tới kết luận bằng trực giác mà không có dữ liệu, và buộc tuân theo chuỗi logic "hiện tượng → nguyên nhân → biện pháp".

A. Define (Xác định) quy định rõ vấn đề và mục tiêu cần giải quyết từ góc nhìn khách hàng và kinh doanh. Nó chuyển dịch VOC thành CTQ, ấn định phạm vi, tiến độ và hiệu quả tài chính kỳ vọng qua một hiến chương dự án (charter), và vẽ ranh giới của quy trình mục tiêu bằng sơ đồ SIPOC (Nhà cung cấp-Đầu vào-Quy trình-Đầu ra-Khách hàng). Nếu giai đoạn này sơ sài, nó dẫn đến thất bại kiểu "giải một cách tinh vi vấn đề sai", nên việc bảo đảm sự phù hợp chiến lược của đề án thông qua phê duyệt của champion và lãnh đạo là cốt lõi.

B. Measure (Đo lường) định lượng mức chất lượng hiện tại (biến đầu ra Y) bằng dữ liệu. Trên hết, phân tích hệ thống đo lường (MSA, Gage R&R) nhằm kiểm chứng độ tin cậy của chính hệ thống đo phải được thực hiện trước, vì nếu sai số của thiết bị đo lớn thì mọi phân tích về sau đều bị méo mó. Nó tính năng lực quy trình hiện tại (Cp, Cpk, mức sigma) để thiết lập đường cơ sở (baseline) và cố định mục tiêu cải tiến bằng con số định lượng.

C. Analyze (Phân tích) xác định một cách thống kê các biến nguyên nhân chủ chốt (Xs) ảnh hưởng đến Y. Sau khi liệt kê đầy đủ các nguyên nhân tiềm ẩn bằng sơ đồ xương cá (fishbone), nó thu hẹp dần "nguyên nhân thật" bằng dữ liệu qua phân tích tương quan, phân tích hồi quy, kiểm định giả thuyết (t-test, ANOVA) và biểu đồ kiểm soát. Việc thiết lập quan hệ Y = f(X) ở đây là xương sống thống kê của DMAIC, và nếu nguyên nhân gốc chưa được chứng minh đầy đủ thì quay về Measure.

D. Improve (Cải tiến) tìm các điều kiện tối ưu của các X chủ chốt đã xác định để thực sự giảm biến động hoặc dịch chuyển trung bình. Nó khám phá tổ hợp tối ưu một cách hiệu quả bằng thiết kế thực nghiệm (DOE, Design of Experiments), thay đổi đồng thời nhiều yếu tố, và xác nhận cải tiến sau khi kiểm tra trước các tác dụng phụ qua áp dụng thử nghiệm và FMEA (phân tích tác động của dạng hỏng).

E. Control (Kiểm soát) điều tiết để hiệu quả cải tiến được duy trì theo thời gian. Nó giám sát quy trình liên tục bằng biểu đồ kiểm soát (Control Chart) của kiểm soát quy trình thống kê (SPC), thể chế hóa cải tiến bằng tiêu chuẩn công việc và Kế hoạch kiểm soát (Control Plan), và chỉ định người phụ trách cùng quy trình ứng phó để ngăn "trượt về trạng thái cũ (back-sliding)". Nếu thiếu giai đoạn này, cải tiến kết thúc như một sự kiện nhất thời, nên Six Sigma chuyển cải tiến thành tài sản thông qua Control.

3.2 DMADV (DFSS) — lộ trình thiết kế mới

Khi thiết kế một sản phẩm hoặc dịch vụ mới "ở mức Six Sigma ngay từ đầu" thay vì một quy trình hiện hữu, người ta dùng DMADV (Define-Measure-Analyze-Design-Verify), gọi là DFSS (Design For Six Sigma). Trong khi DMAIC "loại bỏ lỗi trong một quy trình đã tồn tại", DMADV khác về định hướng ở chỗ "bịt kín chính khả năng phát sinh lỗi bằng thiết kế", mang ý nghĩa chiến lược là hạ chi phí chất lượng một cách phòng ngừa tại điểm thượng nguồn nhất (thiết kế).

4. Cơ cấu triển khai tổ chức và các trường hợp áp dụng

Một thế mạnh độc đáo của Six Sigma nằm ở cơ cấu vai trò rõ ràng ví chuyên môn với hệ thống đai của võ thuật. Champion, với tư cách lãnh đạo, chịu trách nhiệm chọn đề án và nguồn lực; Master Black Belt (MBB), với tư cách chuyên gia phương pháp luận, đảm nhiệm đào tạo và cố vấn; Black Belt (BB) là trưởng dự án toàn thời gian; còn Green Belt (GB) thực hiện các đề án nhỏ song song với công việc thường nhật.

Vai trò	Trách nhiệm cốt lõi	Mức độ tham gia
Champion	Chọn đề án, phân bổ nguồn lực, dỡ bỏ trở ngại	Song song quản lý
Master Black Belt (MBB)	Truyền thụ phương pháp, đào tạo BB, chuẩn hóa toàn công ty	Toàn thời gian
Black Belt (BB)	Dẫn dắt dự án, phân tích thống kê, tạo kết quả	Toàn thời gian
Green Belt (GB)	Thực hiện đề án nhỏ dựa trên công việc thường nhật	Song song công việc

Lý do cơ cấu này hiệu quả là nó nội hóa cải tiến chất lượng không phải là "việc của phòng chất lượng" mà là một lộ trình nghề nghiệp (career path) cho toàn tổ chức. Như một trường hợp thực tế, Motorola, nơi sáng tạo ra Six Sigma, được biết đến rộng rãi là đã đạt khoản tiết kiệm chi phí lũy kế quy mô khoảng 16 tỷ USD trong khoảng 20 năm sau khi áp dụng, và GE báo cáo kết quả tài chính quy mô hàng tỷ USD trong vài năm sau khi áp dụng toàn công ty vào năm 1995 (dựa trên công bố của doanh nghiệp, nên lưu ý phạm vi tính toán). Tại Hàn Quốc, các tập đoàn lớn như Samsung và LG cũng đã áp dụng Six Sigma làm công cụ đổi mới quản lý vào cuối thập niên 1990 và dùng nó để cải thiện hiệu suất chế tạo và chất lượng dịch vụ, sau đó lan sang đổi mới quy trình ở khu vực tài chính và công.

5. So sánh — TQM · Six Sigma · Lean Six Sigma

Six Sigma nằm trong dòng dõi của quản lý chất lượng nhưng khác về định hướng so với các kỹ thuật tiền nhiệm. Nếu quản lý chất lượng toàn diện (TQM) là một phong trào định tính nhấn mạnh văn hóa và triết lý "toàn viên tham gia và cải tiến liên tục", thì Six Sigma bù đắp các giới hạn của nó bằng sự chặt chẽ thống kê, liên kết với kết quả tài chính, và triển khai top-down theo đơn vị dự án. Mặt khác, Lean của Toyota tập trung vào "loại bỏ lãng phí (muda) và dòng chảy (flow)/tốc độ", đứng trong quan hệ bổ sung lẫn nhau với "loại bỏ biến động" của Six Sigma.

Phân loại	TQM	Six Sigma	Lean
Mục tiêu cốt lõi	Cải tiến chất lượng liên tục, thỏa mãn khách hàng	Giảm thiểu biến động (σ), loại bỏ lỗi	Loại bỏ lãng phí, tốc độ dòng chảy
Cách tiếp cận	Định tính, văn hóa, toàn viên tham gia	Định lượng, thống kê, theo dự án	Định lượng, tốc độ, hiện trường (Gemba)
Công cụ tiêu biểu	7 công cụ QC, nhóm chất lượng	DMAIC, DOE, SPC	VSM, Kanban, 5S, JIT
Phương thức triển khai	Bottom-up, tiệm tiến	Top-down, tập trung	Lấy hiện trường làm trung tâm, cải tiến tức thời

Lý do căn bản khiến khác biệt nảy sinh là "bản chất của vấn đề chất lượng" mà mỗi kỹ thuật giả định là khác nhau. Với các vấn đề có biến động lớn và nguyên nhân đan xen phức tạp, Six Sigma, vốn tách nguyên nhân một cách thống kê, là hữu hiệu; với các vấn đề mà quy trình chậm, nhiều tồn kho và chờ đợi, Lean, vốn cải thiện dòng chảy, là hữu hiệu. Do đó, trong thực tế Lean Six Sigma, kết hợp hai cách tiếp cận, đã trở thành chuẩn mực trên thực tế, vận hành sao cho Lean làm dòng chảy nhanh lên còn Six Sigma loại bỏ chính xác phần biến động còn lại.

6. Chuyên sâu — Six Sigma trong kỷ nguyên phần mềm và số hóa

Gần đây Six Sigma đang mở rộng phạm vi vượt ra ngoài hiện trường chế tạo sang phát triển phần mềm và vận hành số. Trước hết, trong lĩnh vực chất lượng phần mềm, người ta dùng cách tiếp cận đặt mật độ lỗi (số lỗi trên mỗi KLOC), tỷ lệ loại bỏ lỗi qua rà soát và tỷ lệ tái phát sự cố làm CTQ, và liên kết các mức trưởng thành 4 và 5 của CMMI (quản lý định lượng và tối ưu hóa) với kiểm soát quy trình thống kê của Six Sigma. Chẳng hạn, dữ liệu lỗi từ rà soát mã và phân tích tĩnh được giám sát bằng biểu đồ kiểm soát, và phân tích hồi quy xác định quan hệ giữa "độ phức tạp (X) và lỗi (Y)" để định thứ tự ưu tiên tái cấu trúc.

Thứ hai, sự kết hợp với DevOps và SRE đang được chú ý. Lấy các chỉ số DORA như tỷ lệ triển khai thất bại, thời gian dẫn thay đổi và thời gian phục hồi trung bình (MTTR) làm đối tượng của giai đoạn Measure và Analyze trong DMAIC, các nỗ lực giảm biến động của đường ống CI/CD một cách thống kê đang gia tăng, và điều này gắn một cách tự nhiên với khái niệm "ngân sách lỗi (error budget)". Thứ ba, giai đoạn phân tích đang được nâng cao thông qua sự hội tụ với AI và dữ liệu lớn. Vượt qua kiểm định giả thuyết dựa trên mẫu của quá khứ, "Six Sigma dựa trên khoa học dữ liệu" thu thập và học từ toàn bộ dữ liệu quy trình theo thời gian thực để dự đoán dấu hiệu bất thường (quản lý chất lượng tiên đoán) và tự động khám phá các yếu tố nguyên nhân đa biến bằng học máy đang lan rộng ở cả chế tạo và dịch vụ. Tuy nhiên, trong quá trình này tầm quan trọng của chất lượng dữ liệu và phân tích hệ thống đo lường (MSA) lại tăng lên, bởi một mô hình học từ dữ liệu không đáng tin cậy có nguy cơ thể chế hóa những cải tiến sai lầm thay vì giảm biến động.

7. Các điểm cân nhắc và hàm ý

Từ góc nhìn của Kỹ sư chuyên nghiệp, việc áp dụng và vận hành Six Sigma phải cân nhắc một cách tổng hợp những điều sau.

Thứ nhất, việc chọn đề án và sự phù hợp chiến lược quyết định thành bại. Vì Six Sigma tiêu tốn nhiều nguồn lực, champion phải chọn lọc các đề án có hiệu quả tài chính và đóng góp chiến lược lớn, và trước hết phải phán định liệu đó có phải là vấn đề có thể xử lý một cách thống kê (đo được và lặp lại) hay không — nó có thể không phù hợp với các đề án đổi mới mà bản chất là sáng tạo và khám phá.

Thứ hai, chất lượng dữ liệu và độ tin cậy của đo lường là điều kiện tiên quyết. Nếu không kiểm soát sai số đo trước bằng MSA (Gage R&R) thì mọi phân tích về sau đều bị méo mó, nên nguyên tắc "không đo được thì không cải tiến được" phải được định hình thành văn hóa tổ chức.

Thứ ba, phải cảnh giác với sự cứng nhắc và quan liêu hóa của phương pháp luận. Nếu các cửa kiểm tra tollgate của DMAIC trôi vào tài liệu hóa quá mức và hình thức chủ nghĩa, chúng có thể xung đột với tốc độ của Agile và Lean Startup, nên cần một sự cân bằng phân biệt loại nhẹ (đề án GB) với loại nặng (đề án BB) theo quy mô đề án và duy trì dòng chảy bằng Lean Six Sigma.

Thứ tư, quản trị và đầu tư nhân lực cho tính bền vững là mấu chốt. Nếu thiếu việc chuẩn hóa ở giai đoạn Control, việc đào tạo liên tục nhân lực đai và sự bảo trợ bền bỉ của lãnh đạo, thì kết quả chỉ dừng ở tính nhất thời — phải liên kết kết quả với hệ thống khen thưởng và nghề nghiệp để chuyển cải tiến thành tài sản của tổ chức.

Thứ năm, sự liên kết với chuyển đổi số là hướng đi tương lai. Thông qua toàn bộ dữ liệu từ cảm biến IoT, quản lý chất lượng tiên đoán dựa trên MLOps, và sự kết hợp với các chỉ số DevOps, cần tiến hóa từ kiểu kiểm tra hậu kỳ sang kiểu dự đoán thời gian thực, nhưng phải bảo đảm đồng thời tính giải thích được của mô hình AI và quản trị dữ liệu thì mới duy trì được độ tin cậy thống kê.

Tài liệu tham khảo

American Society for Quality (ASQ), "What is Six Sigma?", https://asq.org/quality-resources/six-sigma
iSixSigma, "The Sigma Level & DPMO Table", https://www.isixsigma.com/dictionary/dpmo-defects-per-million-opportunities/
NIST/SEMATECH e-Handbook of Statistical Methods, "Process Capability (Cp, Cpk)", https://www.itl.nist.gov/div898/handbook/pmc/section1/pmc16.htm

Tóm tắt một câu: Six Sigma là một đổi mới quản lý dựa trên dữ liệu đo lường và loại bỏ biến động quy trình (σ) một cách thống kê nhằm đạt 3,4 lỗi trên một triệu cơ hội (3,4 DPMO), mở rộng từ chế tạo sang phần mềm, DevOps và quản lý chất lượng AI quanh các trục là lộ trình DMAIC, hệ thống nhân lực theo đai và sự bảo trợ của lãnh đạo.