六西格玛方法论面临的最大批评之一是，整个系统可能建立在虚假数字之上。统计学家声称“六西格玛”这个名称具有误导性。原因如下：

每百万有 3.4 个缺陷或每十亿有 2 个缺陷

统计术语“六西格玛”实际上指的是每运行十亿次流程，就会出现2个缺陷。然而，现代实践者接受的六西格玛定义更容易理解，即每百万次缺陷3.4个。尽管即使达到每百万次缺陷3.4个的效率，流程的缺陷率也接近于零，因此可以忽略不计，但“6西格玛”这个统计名称具有误导性。每百万次缺陷3.4个的数值实际上对应于4.5个西格玛水平。其中的差异是由1.5个西格玛的偏移造成的。

长期 vs. 短期

1.5 西格玛转变背后的逻辑植根于实证研究。实证研究表明，流程在短期内的表现往往优于其在长期内的实际表现。这是因为短期内只需要处理正常的流程变异。然而，从长期来看，也会出现特殊的流程变异。这会导致流程在短期内达到 6 西格玛水平，但长期来看只能达到 4.5 西格玛水平。

长期动态平均变化

过程变异的长期变异可由以下两个原因之一造成：

• 过程平均值随时间的变化
• 过程的标准差随时间增加

由于上述任一原因，或两者兼而有之，导致流程未能达到六西格玛目标。这种现象被称为长期动态均值变异。

摩托罗拉的实证研究

现在，我们知道由于长期动态均值变异，六西格玛标准不满足要求。但是，我们如何知道需要从正态曲线的两侧各移除 1.5 个西格玛呢？这并非统计学上的现实，而只是行业惯例。

摩托罗拉是全球六西格玛方法论的先驱。他们对改进的流程进行了实证研究，并得出结论：1.5 西格玛的偏移是可以实现的。尽管许多统计学家认为 1.5 西格玛的偏移是武断的，但业界却倾向于效仿摩托罗拉的做法，将每百万缺陷数 3.4（即 4.5 西格玛）定义为 4.5 西格玛，这已成为业界广泛接受的六西格玛流程定义。