식스 시그마 분석

DMAIC는 식스 시그마 프로젝트를 수행하는 데 사용되는 구조화된 문제 해결 방법론이다. 이는 프로세스 개선을 위한 5단계(Define, Measure, Analyze, Improve, Control)의 과학적 접근법을 제공하며, 각 단계는 명확한 목표와 산출물을 가진다.

첫 번째 단계인 정의(Define) 단계에서는 프로젝트의 범위, 목표, 고객 요구사항(CTQ)을 명확히 한다. 프로젝트 헌장을 작성하고 핵심 프로세스를 식별하며, 프로젝트 성공을 위한 이해관계자와 자원을 확보한다. 두 번째 측정(Measure) 단계에서는 현재 프로세스의 성능을 정량적으로 평가한다. 데이터 수집 계획을 수립하고, 프로세스의 현 수준(예: 시그마 수준, DPMO)을 측정하여 기준선을 설정한다.

세 번째 분석(Analyze) 단계에서는 수집된 데이터를 분석하여 프로세스 문제의 근본 원인을 규명한다. 통계적 공정 관리(SPC) 도구와 가설 검정 등을 활용하여 변동의 원인을 찾아낸다. 네 번째 개선(Improve) 단계에서는 분석 결과를 바탕으로 해결책을 창의적으로 도출하고, 실험 계획법(DOE) 등을 통해 최적안을 검증 및 선택한다. 마지막 관리(Control) 단계에서는 개선된 프로세스를 표준화하고, 통제 계획을 수립하여 지속적인 모니터링을 통해 성과를 유지한다. 이 단계에서는 통제도와 같은 통계적 공정 관리(SPC) 도구가 핵심적으로 활용된다.

식스 시그마의 핵심 철학은 감정이나 직관이 아닌, 측정 가능한 데이터와 사실에 기반하여 의사결정을 내리는 것이다. 이는 프로세스의 성능을 객관적으로 평가하고, 문제의 근본 원인을 식별하며, 개선 효과를 정량적으로 검증하는 토대를 제공한다. 데이터 중심 접근은 의견 충돈을 줄이고, 논의를 객관적인 증거의 영역으로 이끌어 합리적인 결론에 도달하도록 돕는다.

이를 구현하기 위해 식스 시그마는 다양한 통계적 도구와 기법을 활용한다. 예를 들어, 기술 통계를 통해 데이터의 분포와 경향성을 파악하고, 가설 검정을 통해 변수 간의 관계나 개선 전후의 차이가 통계적으로 유의미한지 판단한다. 상관 분석과 회귀 분석은 결과에 영향을 미치는 핵심 인자를 규명하는 데 사용된다. 모든 분석은 궁극적으로 프로세스의 변동성을 줄이고 평균을 목표치에 맞추는 데 목적을 둔다.

데이터 중심 의사결정 프로세스는 일반적으로 다음과 같은 단계를 따른다.

이러한 체계적인 접근은 식스 시그마 프로젝트가 단순한 문제 해결을 넘어, 조직에 지속 가능한 데이터 기반 의사결정 문화를 정착시키는 데 기여한다.

식스 시그마의 핵심 철학은 모든 개선 활동의 출발점과 종착점을 고객에게 두는 것이다. 이는 단순히 내부 공정 효율을 높이는 것을 넘어, 궁극적으로 고객이 인지하는 가치와 만족도를 극대화하는 데 목표를 둔다. 따라서 프로세스 개선은 고객의 요구 사항(CTQ, Critical to Quality)을 명확히 식별하고 정의하는 것에서 시작한다.

고객 중심 접근의 첫 단계는 목소리(Voice of the Customer, VOC)를 체계적으로 수집하고 분석하는 것이다. 이는 설문조사, 인터뷰, 불만 데이터 분석 등을 통해 고객이 무엇을 중요하게 생각하는지, 공정의 어떤 특성이 고객 만족에 직접적으로 영향을 미치는지를 파악하는 과정이다. 수집된 정보는 품질 기능 전개(QFD)나 CTQ 매트릭스와 같은 도구를 사용하여 정량화되고, 구체적인 프로젝트 목표와 성과 측정 지표로 전환된다.

이 접근법은 내부적으로는 효율적이지만 고객에게는 무가치한 활동, 즉 낭비(Muda)를 제거하는 데 초점을 맞춘다. 예를 들어, 검사 시간을 단축하는 개선은 내부 비용을 줄일 수 있지만, 고객이 더 빠른 배송이나 더 높은 제품 신뢰성을 원한다면 이는 간접적인 해결책에 불과할 수 있다. 식스 시그마는 공정의 출력이 고객의 CTQ와 어떻게 연결되는지를 지속적으로 추적하고, 궁극적으로 결함을 줄이고 품질을 향상시켜 고객 충성도를 높이는 것을 목표로 한다.

통계적 공정 관리(SPC)는 식스 시그마 방법론에서 공정의 변동성을 모니터링하고 관리하기 위해 사용되는 핵심 통계 도구이다. 이 기법은 공정이 통계적으로 관리되고 있는 상태인지를 판단하고, 특별 원인에 의한 변동을 탐지하여 사전에 조치를 취할 수 있도록 돕는다. SPC의 주요 목표는 공정의 안정성을 확보하고 예측 가능하게 만드는 것이다.

SPC의 핵심 요소는 관리도이다. 관리도는 시간에 따른 공정 데이터의 추이를 그래픽으로 보여주며, 중심선(CL), 상한 관리 한계(UCL), 하한 관리 한계(LCL)로 구성된다. 데이터 점들이 관리 한계 내에서 무작위하게 분포하면 공정이 통계적 관리 상태에 있는 것으로 판단한다. 반면, 점들이 관리 한계를 벗어나거나 특정 패턴(예: 연속 상승 또는 하강, 중심선 근처에 점이 없음)을 보이면 공정에 특별 원인이 개입되었다는 신호로 해석하여 원인을 조사하고 시정한다.

SPC를 효과적으로 적용하기 위해서는 적절한 데이터 수집 계획이 선행되어야 한다. 일반적으로 부분군 샘플링을 통해 데이터를 수집하며, 관리도의 종류는 관리하려는 데이터의 특성(계량형 데이터인지 계수형 데이터인지)에 따라 선택한다. 대표적인 관리도로는 Xbar-R 관리도, p 관리도, u 관리도 등이 있다. 이 도구들을 활용하면 공정의 변동이 허용 범위 내에 있는지 지속적으로 확인할 수 있어, 불량품 생산을 사전에 방지하고 공정 능력을 향상시키는 데 기여한다[4].

실험 계획법(DOE, Design of Experiments)은 식스 시그마 프로젝트에서 공정이나 제품의 성능에 영향을 미치는 핵심 인자들을 식별하고 최적 조건을 찾기 위해 사용되는 체계적인 통계적 방법이다. 이 기법은 하나의 결과 변수(예: 수율, 강도, 반응 시간)에 여러 입력 변수(예: 온도, 압력, 원료 비율)가 복합적으로 미치는 영향을 효율적으로 분석한다. 단순히 한 번에 하나의 인자만 변화시키는 전통적인 방법과 달리, DOE는 여러 인자를 동시에 변화시켜 실험 횟수를 줄이면서도 인자 간의 상호작용 효과까지 파악할 수 있게 한다.

DOE의 일반적인 실행 단계는 실험 목표 설정, 실험에 사용할 인자와 수준의 선정, 적절한 실험 설계(예: 완전 요인 설계, 부분 요인 설계, 반응 표면 설계) 선택, 실험 실행, 데이터 수집, 그리고 분산 분석(ANOVA)이나 회귀 분석을 통한 통계적 분석으로 구성된다. 분석 결과는 각 인자의 주효과와 인자 간 상호작용의 통계적 유의성을 평가하고, 최적의 공정 조건을 예측하는 데 활용된다.

이 기법은 DMAIC 방법론의 '분석(Analyze)' 및 '개선(Improve)' 단계에서 핵심 도구로 적용된다. 예를 들어, 제품 불량률을 줄이기 위해 원인으로 추정되는 여러 공정 변수들(가열 시간, 촉매 농도, 교반 속도)을 DOE를 통해 체계적으로 테스트함으로써, 가장 영향력 있는 변수와 그 최적 설정값을 과학적으로 규명할 수 있다. 이를 통해 공정의 변동성을 줄이고 시그마 수준을 향상시키는 근거 기반의 개선이 가능해진다.

실패 모드 및 영향 분석(FMEA)은 시스템, 설계, 공정 또는 서비스에서 발생할 수 있는 잠재적 실패 모드를 사전에 식별하고, 그 원인과 영향을 평가하며, 위험을 줄이기 위한 예방 조치의 우선순위를 결정하는 체계적인 방법론이다. 이 기법은 식스 시그마의 DMAIC 단계, 특히 '분석(Analyze)'과 '개선(Improve)' 단계에서 결함의 근본 원인을 찾고 잠재적 문제를 사전에 차단하기 위해 널리 활용된다.

FMEA는 일반적으로 다음과 같은 구성 요소를 바탕으로 수행된다. 각 실패 모드는 발생 가능성(발생도), 발견 가능성(검출도), 그리고 실패가 발생했을 때의 영향 심각도(중요도)의 세 가지 기준으로 평가된다. 이 세 가지 요소에 등급(예: 1-10점)을 부여하여 곱한 값을 위험 우선순위 지수(RPN)로 계산한다. RPN 값이 높을수록 해당 실패 모드에 대한 즉각적인 개선 조치가 필요함을 의미한다.

FMEA 실행은 프로세스 단계나 부품별로 가능한 모든 실패 모드를 브레인스토밍하고, 각각에 대한 원인과 영향을 분석하는 것으로 시작한다. 이후 팀은 계산된 RPN을 기준으로 개선 활동의 초점을 맞출 영역을 선정한다. 개선 조치(예: 공정 변경, 추가 검사 도입, 설계 수정)를 마련하고 실행한 후에는 FMEA를 재평가하여 RPN이 감소했는지 확인한다. 이를 통해 예방적 품질 관리를 실현하고, 비용이 많이 드는 사후 수정보다는 문제 예방에 자원을 투입할 수 있다.

식스 시그마 벨트 체계는 조직 내에서 식스 시그마 방법론을 구현하고 지속하기 위해 설계된 계층적 교육 및 자격 인증 시스템이다. 이 체계는 다양한 숙련도 수준을 가진 인력으로 구성된 프로젝트 팀을 운영하는 데 핵심적인 역할을 한다. 벨트 등급은 일반적으로 마샬 아츠의 승급 체계에서 유래한 명칭을 사용하며, 각 등급은 특정한 역할, 책임, 역량을 정의한다.

주요 벨트 등급은 다음과 같다.

이 체계는 조직이 식스 시그마 문화를 체계적으로 정착시키는 데 기여한다. 예를 들어, 그린 벨트는 자신의 부서 내에서 직접 프로젝트를 수행하는 핵심 실행 주체이며, 블랙 벨트는 전담 리더로서 여러 프로젝트를 동시에 관리하고 통계적 분석에 대한 깊은 전문성을 발휘한다. 최상위의 마스터 블랙 벨트는 조직의 최고 경영진과 협력하여 전략적 방향을 설정하고 모든 식스 시그마 활동의 품질을 보장한다.

벨트 체계의 효과성은 적절한 프로젝트에 적합한 숙련도의 인력을 배치하는 데 있다. 이를 통해 문제 해결 역량이 조직 전체에 골고루 분산되고, 지식과 경험이 체계적으로 전수된다. 많은 기업들이 벨트 인증을 위해 공식적인 교육 과정, 시험, 그리고 실제 프로젝트 완수를 요구하는 성과 중심의 인증 기준을 적용한다.

프로젝트 선정은 식스 시그마 프로그램의 성패를 좌우하는 핵심적인 출발점이다. 올바른 프로젝트를 선택하지 못하면, 이후의 모든 분석과 개선 노력이 큰 성과를 내지 못할 위험이 있다. 따라서 프로젝트는 조직의 전략적 목표와 직접적으로 연결되어야 하며, 명확한 재무적 이익(비용 절감 또는 매출 증대)을 창출할 가능성이 높아야 한다. 또한 프로젝트의 범위는 너무 크지도 작지도 않게 적절히 정의되어, DMAIC 방법론의 단계를 통해 3~6개월 내에 완료 가능한 수준이어야 한다.

프로젝트 후보는 일반적으로 고객 불만, 높은 불량률, 공정 병목 현상, 과도한 낭비(재작업, 대기 시간 등) 등에서 도출된다. 선정 과정에서는 잠재적 영향도(비용, 품질, 납기, 고객 만족도), 성공 가능성(자원 가용성, 기술적 복잡도), 그리고 조직의 전략적 중요도를 종합적으로 평가한다. 흔히 사용되는 도구로는 실패 모드 및 영향 분석(FMEA)의 위험 우선순위 수치(RPN)나 투자 수익률(ROI) 계산, 그리고 의사결정 매트릭스 등이 있다.

프로젝트가 선정되면, CTQ(Critical-to-Quality) 나무와 같은 기법을 활용하여 고객의 요구사항을 구체적인 공정 측정 항목으로 전환한다. 이후 프로젝트 정의서(Project Charter)를 작성하여 프로젝트의 공식적인 출발점을 마련한다. 프로젝트 정의서에는 다음 내용이 명시된다.

이렇게 완성된 프로젝트 정의서는 프로젝트 스폰서와 이해관계자들의 승인을 받아야 하며, 이후 DMAIC 방법론의 첫 단계인 'Define(정의)' 단계에서 더욱 상세히 구체화된다.

시그마 수준은 식스 시그마 프로세스의 성능을 정량적으로 나타내는 핵심 척도이다. 이는 프로세스가 얼마나 많은 결함을 발생시키는지를 통계적으로 측정한 값으로, 수치가 높을수록 결함 발생 가능성이 낮고 프로세스의 능력이 뛰어남을 의미한다. 시그마 수준은 일반적으로 공정 평균으로부터 허용 공차 한계까지의 거리를 표준 편차 단위로 표현한다.

시그마 수준을 계산하는 기본 공식은 다음과 같다. 먼저 단위당 결함 수(DPU) 또는 백만 기회당 결함 수(DPMO)를 구한다. 이후 정규 분포 표를 사용하여 DPMO 값을 누적 분포 함수의 역함수로 변환하여 시그마 수준을 도출한다. 계산 시 일반적으로 공정 평균이 1.5 시그마만큼 이동한다는 장기 공정 변동을 고려한 시그마 수준을 사용한다[7]. 예를 들어, DPMO가 3.4인 경우, 이는 4.5 시그마 수준에 해당하며, 여기에 1.5 시그마의 이동을 고려하면 6 시그마 수준으로 간주한다.

다음은 DPMO와 대략적인 장기 시그마 수준의 관계를 보여주는 표이다.

시그마 수준 계산은 단순한 성과 측정을 넘어 프로세스 개선의 목표치를 설정하고, 개선 활동의 효과를 평가하는 데 필수적이다. 이를 통해 조직은 객관적인 데이터에 기반하여 자원을 집중해야 할 핵심 공정을 식별하고, 개선 전후의 성과를 정확히 비교할 수 있다.

결함률은 식스 시그마 프로젝트의 성과를 정량화하는 핵심 지표다. 이는 공정이나 제품에서 발생하는 오류나 불량의 빈도를 측정하여, 현재 수준을 평가하고 개선 목표를 설정하는 데 사용된다. 주요 지표로는 단위당 결함수(DPU)와 백만 기회당 결함수(DPMO)가 있다.

단위당 결함수(DPU)는 검사 또는 생산된 한 단위(예: 하나의 제품, 한 건의 서비스 처리)당 평균적으로 발견된 결함의 수를 나타낸다. 계산식은 총 결함 수를 총 단위 수로 나누는 것이다. 예를 들어, 1,000개의 부품을 생산하는 과정에서 50개의 결함이 발견되었다면 DPU는 0.05가 된다. 이 지표는 공정 전반의 평균 결함 발생 수준을 파악하는 데 유용하지만, 한 단위에 여러 개의 결함이 집중될 수 있다는 점을 고려해야 한다.

백만 기회당 결함수(DPMO)는 결함이 발생할 수 있는 기회의 수를 고려하여 공정의 복잡성을 반영한 정규화된 지표다. 계산은 먼저 단위당 결함 기회 수(한 단위에서 결함이 발생할 수 있는 검사 포인트의 수)를 정의한 후, (DPU / 단위당 결함 기회 수) * 1,000,000 공식을 적용한다. 예를 들어, 한 개의 완제품에 결함 기회가 10곳 있고 DPU가 0.05라면 DPMO는 (0.05 / 10) * 1,000,000 = 5,000이 된다. DPMO는 서로 다른 복잡도의 공정이나 제품 라인 간 성과를 비교하는 표준 척도로 널리 사용된다.

이들 지표는 시그마 수준으로 변환될 수 있다. DPMO 값을 미리 정의된 표준 정규 분포 테이블에 대입하거나 공식을 통해 시그마 수준을 구할 수 있다. 예를 들어, 3.4 DPMO는 식스 시그마 수준(장기 공정 능력을 고려한)에 해당한다. 따라서 DPU와 DPMO는 단순한 결함 측정을 넘어, 공정 능력을 평가하고 궁극적인 목표인 식스 시그마 달성을 위한 진행 상황을 추적하는 데 필수적이다.

식스 시그마는 제조업에서 기원한 품질 관리 방법론으로, 생산 공정의 변동성을 최소화하고 결함을 근본적으로 제거하는 데 초점을 맞춘다. 제조 현장에서는 원자재 투입부터 최종 제품 출하까지의 모든 단계에서 발생할 수 있는 결함률을 측정하고, 통계적 공정 관리(SPC)와 같은 도구를 활용하여 공정 능력을 지속적으로 모니터링한다. 이를 통해 생산 라인의 안정성을 확보하고, 불량품 발생을 사전에 예방하여 원가 절감과 생산성 향상을 동시에 달성한다.

전형적인 적용 사례로는 반도체나 자동차 부품과 같은 정밀 제조 공정이 있다. 예를 들어, DMAIC 방법론의 '측정' 단계에서 특정 부품의 치수 불량을 주요 결함으로 규명한 후, '분석' 단계에서 원인을 특정 공정의 온도 변동으로 파악할 수 있다. 이후 '개선' 단계에서 실험 계획법(DOE)을 통해 최적의 온도 조건을 찾아 공정을 재설계하면, 결함률을 획기적으로 낮출 수 있다.

제조업에서의 성과는 주로 DPMO(백만 기회당 결함 수)와 시그마 수준으로 정량화된다. 초기 3 시그마 수준(약 66,800 DPMO)의 공정을 4 시그마(약 6,210 DPMO) 또는 그 이상으로 향상시키는 것이 일반적인 목표다. 이는 다음과 같은 구체적 성과로 이어진다.

이러한 접근 방식은 단순히 검출된 불량품을 수리하는 것이 아니라, 불량이 발생하는 근본 원인을 찾아 공정 자체를 변경함으로써 지속 가능한 품질 개선을 가능하게 한다. 결과적으로 제조업에서는 공정 능력 지수(Cp, Cpk)가 향상되고, 제품 수명 주기 전반에 걸쳐 품질 비용이 절감된다.

식스 시그마는 제조업에서 탄생했지만, 그 원리와 방법론은 서비스업의 복잡하고 무형적인 프로세스를 개선하는 데에도 효과적으로 적용된다. 서비스 프로세스는 종종 가변성이 높고, 고객과의 직접적인 상호작용이 많으며, 결과물이 무형적이기 때문에 결함을 정의하고 측정하는 것이 더 어렵다. 따라서 서비스업에서의 식스 시그마 적용은 결함을 '고객 요구사항을 충족시키지 못하는 서비스 제공의 실패'로 재정의하고, 이를 측정 가능한 지표로 전환하는 데서 시작한다.

주요 적용 분야는 금융 서비스, 통신, 의료 서비스, 유통, 호텔 경영 등이다. 예를 들어, 은행에서는 대출 승인 처리 시간의 변동성을 줄이거나, 콜센터에서는 고객 문의 해결율을 높이는 프로젝트가 진행된다. 의료 분야에서는 환자 대기 시간 단축이나 진료 오류 감소, 호텔에서는 체크인 프로세스 개선이나 객실 청소 품질 균일화 등이 대표적인 적용 사례이다. 성공적인 적용을 위해서는 서비스 제공 과정을 세부 단계로 매핑한 서비스 블루프린트를 작성하고, 각 단계에서 발생할 수 있는 실패 지점을 식별하는 것이 중요하다.

서비스업에서의 성과는 주로 처리 시간, 정확도, 고객 만족도와 같은 지표로 측정된다. 결함률을 계산할 때는 DPMO 대신 서비스 거래 건당 오류(Errors Per Transaction)나 고객 접점당 오류(Errors Per Opportunity) 같은 맞춤형 지표를 사용하기도 한다. 데이터 수집은 종종 고객 관계 관리(CRM) 시스템, 고객 설문조사, 직원 피드백 등을 통해 이루어진다. 서비스 프로세스 개선은 종종 직원의 업무 수행 방식과 직접적으로 연관되므로, 변화 관리와 직원 교육이 성패를 좌우하는 핵심 요소가 된다.

서비스업에서 식스 시그마를 도입할 때의 주요 과제는 프로세스의 무형성과 인간 상호작용의 변동성을 정량화하는 것이다. 또한, 제조업에 비해 데이터 수집 시스템이 미비한 경우가 많아, 초기 단계에서 신뢰할 수 있는 데이터 인프라를 구축하는 데 투자가 필요하다. 그러나 이러한 장벽을 넘어 성공적으로 구현되면, 서비스 품질의 일관성과 효율성을 극적으로 높여 고객 충성도와 수익성 개선에 직접적인 기여를 한다.

린 식스 시그마는 식스 시그마의 데이터 중심 분석 및 통계적 방법론과 린 생산 시스템의 낭비 제거 및 흐름 개선 원칙을 통합한 경영 혁신 방법론이다. 두 접근법의 시너지 효과를 극대화하여 프로세스의 속도와 품질을 동시에 향상시키는 것을 목표로 한다.

린 생산 시스템은 7대 낭비[9]를 제거하여 효율성을 높이는 데 초점을 맞추지만, 때로는 근본 원인 분석에 대한 체계적인 방법이 부족할 수 있다. 반면, 식스 시그마는 DMAIC 방법론을 통해 변동을 줄이고 결함을 제거하는 데 강점을 지니지만, 프로세스 속도나 자원 효율성에 대한 직접적인 개선은 상대적으로 약하다. 린 식스 시그마는 이 두 가지의 단점을 상호 보완한다. 즉, 린의 도구로 낭비를 식별하고 제거한 후, 식스 시그마의 통계적 분석 도구를 적용하여 프로세스 변동의 근본 원인을 찾아 제거함으로써 지속 가능한 개선을 달성한다.

구현은 일반적으로 DMAIC 프레임워크 내에서 린의 원칙과 도구를 통합하는 방식으로 이루어진다. 예를 들어, 실험 계획법(DOE)을 적용하기 전에 가치 흐름 맵을 작성하여 전체 프로세스의 낭비를 시각화하고 제거할 수 있다. 주요 성과 지표도 결함률 감소(DPMO)와 사이클 타임 단축, 재고 수준 감소 등 양쪽 모두를 포괄적으로 측정한다.

이 통합 방법론은 제조업을 넘어 헬스케어, 금융, 물류 등 다양한 서비스 산업에서도 광범위하게 적용되어, 비용 절감과 고객 만족도 향상이라는 두 마리 토끼를 잡는 데 기여한다.

전사적 품질 관리(TQM)는 조직의 모든 구성원이 지속적인 개선을 통해 고객 만족을 달성하는 데 참여하는 포괄적인 관리 철학이다. 이 접근법은 제품과 서비스의 품질을 모든 업무 프로세스의 핵심 요소로 간주하며, 단기적 성과보다는 장기적 성공과 문화적 변화에 중점을 둔다. TQM의 성공은 최고 경영층의 강력한 리더십과 헌신, 그리고 모든 부서와 직원의 적극적인 참여에 달려 있다.

TQM은 주로 데밍 사이클(Plan-Do-Check-Act)과 같은 지속적 개선 도구, 품질 서클 활동, 그리고 공급자와의 협력 관계 구축을 활용한다. 핵심 원칙에는 고객 중심, 전 직원의 참여, 프로세스 중심, 통합적 시스템 접근, 전략적 및 체계적 접근, 지속적 개선, 사실에 기반한 의사결정, 그리고 의사소통이 포함된다[10]. 이는 품질 문제를 해결하는 데 있어 개별 부서의 책임이 아닌 조직 전체의 공동 책임을 강조한다.

TQM과 식스 시그마는 상호 보완적 관계에 있다. TQM이 품질 향상을 위한 문화적 토대와 철학을 제공한다면, 식스 시그마는 그 목표를 달성하기 위한 강력한 데이터 중심의 문제 해결 방법론을 제시한다. 따라서 많은 조직은 TQM의 포괄적인 철학 안에 식스 시그마의 정밀한 기법을 통합하여 운영하며, 이를 통해 지속 가능한 경쟁 우위를 확보하려고 한다.