在六西格玛项目中，鱼骨图常用于识别问题的潜在原因，这些原因不一定都是正确的，也不一定对结果有显著影响。在改进过程中，我们只需要考虑那些对结果有显著影响的因素。因此，筛选和确认这些原因非常重要，这也是整个DMAIC项目的核心任务。
要知道哪些因素是主要原因，通常会先使用因果矩阵（Cause and Effect Matrix，简称C&E Matrix）和假设检验这两种方法。这些方法帮助团队系统地分析和验证各种潜在因素，以确定最终的关键原因，特别是假设检验往往是最重要，而又是最多工程师忽略的方法，如果主因没有经过验证，任何改善举措都会变得无意义。
因果关系矩阵（C&E Matrix）
我先讲讲因果关系矩阵，因果关系矩阵是一种用来定量评估各个原因对结果影响程度的工具，它可以帮助团队成员共同评价和比较不同原因的重要性和优先级，特别用于我们的过程有大量的相关因子的时候。
在使用C&E Matrix时，团队成员会基于每个原因对项目关键输出的影响程度、发生频率以及检测难度进行评分。这些评分后续被用来计算权重，从而确定哪些原因是主要的。
操作步骤：
列出所有潜在原因：这些原因可以直接从鱼骨图中获取。
定义评分标准：一般包括影响程度、发生频率、检测难度。
团队评分：团队成员基于个人经验和可用数据对每个原因进行评分。
计算权重：将各个评分加权求和，确定每个原因的综合分数。
选择主要原因：高分原因被视为最有可能的主要原因。
假设检验（Hypothesis Test）
因果关系矩阵只能作为一种消除关系不大的因子的方法，所以最重要一步还是使用假设检验方法。使用统计假设检验来验证这些原因与问题之间是否存在显著的关系。假设检验可以帮助确定因果关系的统计显著性，从而支持或反驳某一原因是主因的假设。
操作步骤：
制定假设：通常设立零假设（H0）和备择假设（H1）。零假设表示没有影响，备择假设表示有影响。
选择合适的统计检验：根据数据类型和分布，选择如t检验、ANOVA、卡方检验等。
收集数据：进行必要的数据收集，确保数据可靠性。
进行统计检验：计算p值，根据p值与预设的显著性水平（通常为0.05）比较，判断是否拒绝零假设。
做出结论：如果p值小于显著性水平，拒绝零假设，接受备择假设，认为该因素是主要原因。
通过结合因果矩阵和假设检验，团队可以更科学、系统地确定和验证问题的主要原因。这样的方法论不仅提高了问题解决的准确性，还加强了团队对解决方案的信心。
以上两种方法可以在六西格玛绿带或黑带课程中学到，所以如果要成为一个出色的质量工程师，学习六西格玛是所有质量工程师的一个重要里程碑。