接触过六西格玛的朋友都知道，六西格玛在某种程度上可以看成是一个分析解决问题的工具集成箱，里面包含着各种思维、逻辑和数据分析的工具。按照复杂程度，粗略汇总，如下表：
本文，列举一个实际案例来说明简单工具如何解决不简单的问题。
“散点图和一元线性回归”对很多人来说应该非常熟悉，但它在不同的场合却有着其独特的应用。
举例：制定新特性的新规格
最近，实验室针对EVA这个原材料的交联度测量开发了一种新的物理方法（差示扫描量热法DSC），该方法相对原先的化学测量（二甲苯萃取法），操作更安全，简便，耗用时间也仅为原先的1/3，可大大缓解排队等候的问题。但问题来了，既然是新的方法，那么其对应的规格范围该怎么确定呢？依据物理原理似乎不行，而且也没有现成的标准可参考。
这时候，聪明的你可能想到，为何不利用这简单的回归分析来协助我们间接地制定规格呢？因为是破坏性测量，需要取用30个样品进行分割（每个样品分成2个相邻的小样，当成同1个），然后分别使用这两种方法进行测量并记录数据，经过简单分析，得到如下的图示和结果（图中的虚线根据置信度略微做了调整）：
该图就是一个简单的带有95%预测区间（绿线区间）的回归分析所对应的拟合线图（相当于带有回归线的散点图），Y轴对应的红色虚线区间是化学法（二甲苯萃取法）目前的规格范围【800，1150】，那么结合预测区间就很容易绘制出对应X轴的物理法（差示扫描量热法DSC）的规格范围了，也就是X轴上的红色虚线区间【210，238】；也就是说，这个物理法的规格范围可以确保95%的单个产品测量值如果在这个区域内，那么必然能满足化学法的规格。
这算得上一种根据已有规格制定新的规格的巧妙的可参考方法之一吧。
所有的工具方法毕竟只是一种器，用与不用，用到什么程度境界，则在于自身的修炼了。数据图形化分析这手艺，不仅有科学的严谨性，更兼艺术的灵活性，正所谓：应用之妙，存乎一心。
