用正太分布模型来预估产品缺陷不良率的问题

在公司碰到的问题，期待楼下回复
 
客户让我们统计某产品过溅度工艺后表面漏铜的缺陷率，欲控制此产品出现此缺陷（产品表面漏铜）的几率在5sigma水准（DPPM 232,考虑1.5sigma偏移）
我们的产线实际统计到此缺陷实际检验出来的不良率在2300 Dppm（0.23%）左右，但客户还是指示我们去收集100片漏铜的产品去量测它们漏铜的长度，我们卡长度超过2.5um即为次品，所以收集到这100片产品100笔长度数据，用这100笔数据在mintab里以正太分布模型去做制程能力分析，算得长度<2.5  不良在（32%），  <4 不良在(17%) ， <5不良在 (10%)  ， <9 不良在（0.023%  近232 Dppm 5sigma水准）
 
问题来了： 1.客户欲放宽规格，将该产品漏铜缺陷release到 5sigma水准，（232Dppm），通过收集的漏铜产品正太分布估算需放宽到<9 才能达到232 Dppm，这样告诉客户放宽到<9即可 对吗？（注意实际我们收集的这100片漏铜产品并没有涵盖整个漏铜的制程区间，因为还有大量没有漏铜的产品，即漏铜长度为0，但我们没量，）
                 2.我自己是不认同上面的算法的，我的想法是这样的，实际我们现在漏铜的检验不良率在 2300Dppm (0.23%),距离客户所要求放宽到5sigma水准 232Dppm(0.023%) 还差10 倍，上面用不同的规格预估不良率 *实际缺陷检验的不良率  即 放宽到 <5 um, 预估的不良 10% * 实际长期检验的不良 0.23% =0.023%（230Dppm）即为客户要求放宽到5sigma水准要求，楼下怎么看，其实我还是拿不准的。
 
不要提正不正太的问题，这里假设生态.