控制图:选哪一种、控制限怎么算、判异规则怎么落地
控制图:控制限不是规格限
这两条线来源不同、用途不同,画在同一张图上会同时造成漏报和误报。
控制图,是按时间顺序画出过程数据、并用由数据本身算出的中心线和上下控制限判断过程是否处于统计受控状态的图形工具,由休哈特在 20 世纪 20 年代提出,是统计过程控制(SPC)的核心方法。它回答的问题只有一个:现在看到的波动,是过程本身的正常波动,还是出现了需要追查的特殊原因。
UCL / LCL
由过程自身的历史数据算出来,反映这个过程在稳定状态下正常的波动范围。
它回答的问题是:这个点是正常波动,还是出了新情况。
USL / LSL
由设计要求或客户合同规定,跟你的过程能做到什么水平毫无关系。
它回答的问题是:这个产品能不能交付。
把规格限画到控制图上,会同时带来两个后果。
如果过程能力很好,规格限比控制限宽得多,那么过程已经明显失控、均值漂了一大截,点还在规格线之内,图上什么都看不出来,该报的没报。
反过来,如果过程能力不足,规格限比控制限还窄,那么大量正常波动的点会越过规格线,现场天天在追查根本不存在的异常,不该报的乱报。
控制图是用来判断过程稳不稳定的,判断产品合不合格用的是规格限和过程能力指数。两件事,两张图,不要混。
控制图:先看数据类型,再看子组大小
选错图型,后面的控制限和判异全都不成立。最右一列是在 iModel Stats 里的菜单位置。
| 数据类型 | 条件 | 用哪种图 | 说明 | iModel Stats 菜单 |
|---|---|---|---|---|
| 计量型 | 子组大小 = 1 | I-MR 单值与移动极差图 | 单件流、破坏性试验、低频检验用它。移动极差取相邻两点之差的绝对值 | |
| 计量型 | 子组大小 2 至 9 | X̄-R 均值与极差图 | 最常用的一种。极差计算简单,现场手工也能算 | |
| 计量型 | 子组大小 ≥ 10 | X̄-S 均值与标准差图 | 子组大时用标准差比极差更稳健,极差只用到最大最小两个点 | |
| 计数型 | 不合格品数,子组大小固定 | np 图 | 每次检验数量都一样时用它,纵轴直接是件数 | |
| 计数型 | 不合格品率,子组大小不固定 | p 图 | 每批数量不同时用它,控制限会随子组大小逐点变化 | |
| 计数型 | 缺陷数,检验单位固定 | c 图 | 一件产品上可能有多个缺陷时用这一类,而不是不合格品图 | |
| 计数型 | 单位缺陷数,检验单位不固定 | u 图 | 如每平方米疵点数、每千件缺陷数 |
一个常被忽略的区分:「不合格品」是按件判定合格与否,「缺陷」是数一件上有几处问题。一块板子上有三个焊点不良,按不合格品算是 1 件,按缺陷算是 3 个。两者用的图不同,不能混用。另外,子组很大(例如每批上千件)时,p 图和 u 图的控制限会变得很窄、几乎每个点都报警,这通常是数据过度离散,可以先用「P 控制图诊断」「U 控制图诊断」检查,再考虑改用 Laney P′、Laney U′ 图。
常用图型的控制限怎么算
用软件出图也建议看一遍,结果对不上时知道该查哪里。
一个容易对不上的细节:X̄-R 图里估计组内标准差有「R̄ / d2」和「合并标准差」两种方法,Minitab 与 iModel Stats 的 X̄-R 默认都用 R̄,X̄-S 默认用 S̄,可以在选项的「估计」里切换。和别人的结果差一点时,先查这一项。
A2、D3、D4 常数
X̄-R 图专用,按子组大小 n 取值。在数据科学平台里搭建时,建议做成小表接进流程按 n 关联。
| 子组大小 n | A2 | D3 | D4 |
|---|---|---|---|
| 2 | 1.880 | 0 | 3.267 |
| 3 | 1.023 | 0 | 2.574 |
| 4 | 0.729 | 0 | 2.282 |
| 5 | 0.577 | 0 | 2.114 |
| 6 | 0.483 | 0 | 2.004 |
| 7 | 0.419 | 0.076 | 1.924 |
| 8 | 0.373 | 0.136 | 1.864 |
| 9 | 0.337 | 0.184 | 1.816 |
| 10 | 0.308 | 0.223 | 1.777 |
这些是统计过程控制的标准表值,与上一章的 d2、c4 出自同一套体系,也可以查阅美国国家标准与技术研究院的工程统计手册。如果你的结果和别的软件对不上,先查子组是怎么分的,再查用的是哪一版公式,基本不会是常数的问题。
控制图:八条判异准则,以及为什么不要全开
把控制限之间的区域按 1σ 分成六个带,规则就是在描述点落在这些带里的模式。编号与 Minitab 和 iModel Stats 的「检验 1~8」一致。
1 点落在控制限之外建议开启
超出 3σ。最直接的异常信号,几乎所有场合都应该启用。
连续 9 点落在中心线同一侧建议开启
提示过程均值发生了持续偏移,虽然还没超限,但中心已经移动。
连续 6 点持续上升或持续下降建议开启
典型的趋势信号,常见于刀具磨损、模具损耗、溶液浓度衰减。
连续 14 点上下交替按需
规律性的锯齿,常见原因是两台设备或两个操作工轮流作业,或子组划分方式有问题。
连续 3 点中有 2 点落在同侧 2σ 以外按需
比规则 1 更灵敏,能更早发现偏移,但误报率也更高。
连续 5 点中有 4 点落在同侧 1σ 以外按需
中等程度偏移的信号,灵敏度介于规则 2 和规则 5 之间。
连续 15 点都在中心线两侧 1σ 以内按需
看起来「太好了」反而是异常。常见原因是数据被修饰、子组分层不当,或控制限本身算宽了。
连续 8 点在中心线两侧且无一点落在 1σ 以内按需
双峰分布的特征,提示数据里混了两个不同的过程,应当分层重画。
为什么不建议八条全开。每一条规则在过程完全正常时都有一定的误报概率。单独用规则 1,平均每 370 个点会有一次误报;八条同时启用,误报间隔会缩短到几十个点。
后果是现场每周都在追查不存在的异常,几次之后就没人再当回事了,控制图挂在墙上,但没有人相信它。先开 1、2、3 三条,运行一段时间看误报频率,再按需增加。规则 7 和规则 8 更适合作为定期复盘的诊断工具,而不是实时告警。
两种做法,看你要的是一张图还是一套机制
做项目分析、写改善报告,用菜单出图最快;要每天自动出图、超限告警,就得把计算搭成流程。
iModel Stats
菜单式统计软件,操作方式对标 Minitab。子组、单值、属性、时间加权、多变量与稀有事件控制图都在「统计 → 控制图」下,八条检验可逐条勾选,K 值可以修改。
适合:项目分析、改善前后对比、写报告。不能定时自动运行,目前只有 Windows 版本。
iModel 数据科学平台
没有现成的控制图节点,用基础节点组合实现:算控制限、画多系列折线、用滞后列写判异规则,封装成组件后可以复用。
适合:每天或每批自动出图、违规点自动发邮件,数据来自 MES、LIMS 等多个系统。可运行在麒麟、统信的 x86-64 版本上。
在 iModel Stats 里三步出一张 X̄-R 图
以最常用的 X̄-R 图为例,其他图型的对话框结构相同。
选图型,填数据列和子组
打开「统计 → 控制图 → 子组的变量控制图 → Xbar-R」,变量选测量值所在的列。每次固定抽同样个数的,填子组大小;每批个数不同的,改填「子组 ID 列」,例如批号或班次列。
在「检验」里勾选判异规则
对话框里的「检验」默认只勾检验 1。按上一节的建议,先勾选 1、2、3;需要时可以在「Xbar-R 选项」里修改每条检验的 K 值,例如把「连续 9 点同侧」改成连续 7 点。触发检验的点会在图上标出编号,会话窗口里列出是哪个子组、触发了哪条检验。
冻结控制限,或分阶段计算
控制限确定后,在「Xbar-R 选项」的「参数」里填历史均值和标准差,新数据只做判断、不再参与计算;也可以在「估计」里剔除已知有特殊原因的子组,剔除的子组仍会画在图上。工艺变更后,用「阶段」选一列标出改进前、改进后,每个阶段各自计算控制限,一张图上就能看出改善效果。
在数据科学平台里搭出可自动重跑的控制图
没有现成的控制图节点,但用基础节点组合完全可以实现,关键在第三步的做法。
关联常数表,算出三条线
按子组大小关联 A2/D3/D4,再做一次全局聚合得到 X̄ 与 R̄,用公式节点算出 UCL、CL、LCL 三个值。
把三条线作为常量列附加到数据上
这是关键的一步,也是很多人卡住的地方。不需要图表工具支持「参考线」功能:把 UCL、CL、LCL 分别加成三个新列,每一行都填同一个值,然后把这四列(测量值加三条线)一起画成多系列折线图。那三列因为取值恒定,自然呈现为三条水平直线。
这个做法在任何能画多系列折线图的工具里都成立,而且有额外好处:控制限跟着数据走,导出成表格时三条线的值也一并带着,便于交接和复核。
| 子组 | 均值 | UCL | CL | LCL |
|---|---|---|---|---|
| 第 1 组 | 10.24 | 10.61 | 10.18 | 9.75 |
| 第 2 组 | 10.09 | 10.61 | 10.18 | 9.75 |
| 第 3 组 | 10.67 | 10.61 | 10.18 | 9.75 |
| 第 4 组 | 10.31 | 10.61 | 10.18 | 9.75 |
注意 p 图是例外:它的控制限随子组大小逐点变化,所以那三列不是常量,而是按每行的 nᵢ 分别算出来的。画出来会是阶梯线而不是直线,这是正确的。
用滞后列实现判异规则
规则 1 最简单,一个条件判断就够。规则 2 和规则 3 需要看前后若干个点,做法是先生成滞后列,把前 1 点、前 2 点一直到前 8 点的值各取成一列,然后用规则节点写判断条件。
例如规则 2「连续 9 点同侧」,就是判断当前点与前 8 个点是否全部大于中心线,或全部小于中心线。规则 3「连续 6 点上升」,则是判断相邻差值是否连续 5 次为正。
输出违规点清单,而不只是一张图
图是给人看的,清单是给人跟进的。把触发了判异规则的点单独筛出来,带上时间、子组、触发了哪条规则,输出成表格或直接发邮件。这样质量工程师拿到的是一份待办,而不是一张要自己找问题的图。
封装成组件
把上面整段封装起来,对外暴露测量值列、子组列、图型选择和启用哪几条规则。之后换产品、换产线直接复用,口径由一处维护。
两种做法可以配合:先在 iModel Stats 里用历史数据确定并冻结控制限,再把这组控制限写进平台流程,每天只做判断和告警。
控制限不是每次都重算的
- 控制限应在过程受控期间确定,然后冻结。用一段确认稳定的历史数据算出 UCL、CL、LCL,之后新数据进来只做判断,不重新参与计算。在 iModel Stats 里,就是在「Xbar-R 选项」的「参数」里填入历史均值和标准差。
- 每次拿全部数据重算是常见错误。如果过程慢慢变坏,控制限会跟着一起变宽,永远不会报警,图表看起来一直正常,实际上过程已经退化了。这是自动化流程最容易写错的地方。
- 什么时候该重新计算:工艺发生了有意的变更、设备大修或更换、更换了供应商或原料规格,以及改善项目完成后确认新的稳定状态。这几种情况下要重新取一段数据、重新确定控制限,并在图上标注切换时点;在 iModel Stats 里可以用「阶段」直接画在同一张图上。
- 重算时要说明依据。把重算的原因、取数区间、新旧控制限一并记录下来。半年后有人问「为什么三月份控制限变了」,要答得上来。
- 初次建立控制限至少要 25 个子组。数据太少算出的控制限本身就不稳,后续判异会频繁误报。
控制图:本章要点一览
把本章的结论压成一张表,便于贴进作业指导书或培训材料。
| 控制限的来源 | 由过程数据算出,通常为中心线 ± 3σ;与规格限无关 |
|---|---|
| 计量型选图 | 子组为 1 用 I-MR;2 至 9 用 X̄-R;10 及以上用 X̄-S |
| 计数型选图 | 不合格品用 p 图或 np 图;缺陷数用 c 图或 u 图 |
| p 图控制限 | 随子组大小逐点变化,呈阶梯状 |
| 误报频率 | 只开规则 1 时,过程正常情况下平均约每 370 个点误报一次 |
| 建议启用的规则 | 先开检验 1、2、3,按误报情况再增加 |
| 初建控制限 | 至少 25 个子组;确定后冻结,工艺变更时重算并标注 |
| 落地工具 | 项目分析用 iModel Stats 菜单出图;自动监控用数据科学平台搭建流程 |
四个让控制图失效的做法
本章开头讲的那条。除此之外还有一种变体:规格限和控制限都画,但没有区分颜色和标注,现场分不清哪条是哪条,效果和只画规格限一样糟。
两台设备的产品画在同一张图上,均值不同会让图看起来变异很大,而且判异规则 8 会频繁触发。正确做法是分层,一台设备一张图。
连续生产的化工、冶金过程,相邻时间点的测量值天然高度相关。常规控制图假设数据点独立,用在这类过程上会大量误报。这类场景需要专门的方法,不在本章范围内。
最普遍也最致命的一种。控制图的价值在于触发响应,如果触发之后没有既定的处理流程和责任人,那它只是一张定期打印的纸。做法二第 5 步输出违规点清单,就是为了解决这一点。
六西格玛数据分析 · 本系列六章
- 数据从哪来、口径谁说了算
- 过程能力 Cp/Cpk 怎么算、怎么自动重算
- 控制图与判异规则怎么落到数据上当前章节
- 质量分析里怎么选假设检验方法
- 从几十个工艺参数里筛出关键因子
- 参数寻优:能做什么、不能做什么
不用等做新系统。拿本章第一节的标准去核对现有的控制图:那两条线是从数据算出来的,还是直接抄的规格限。想重新画一遍,可以把数据导进 iModel Stats,几分钟就能出一张带判异标记的图。
想了解数据科学平台怎么搭流程?可以先看iModel 数据分析教程,或到下载中心选择适合你的版本。

