只会X̄-R图？产线上这10种

只会X̄-R图？产线上这10种情况，请果断换图

从MA-MR到量规检验(a,b)：一张速查表，把"换图"这件事一次讲透

导语 |"图也画了，报警也响了，可现场一查，过程明明是好的。"——这是很多质量人学完SPC之后最挫败的时刻。问题多半不在判异准则，而在你一开始就选错了图。X̄-R图不是万能钥匙，它有三个隐含前提；前提一破，图再标准也是自欺欺人。这一篇，我们把10种"非常规"控制图一次说清：什么情况换图、怎么换、换了之后坑在哪。文末附选图口诀，以及9月22-23日SPC公开班信息。

01 / 先说清楚：X̄-R图凭什么成立

休哈特控制图诞生快一百年了，至今仍是SPC的地基。但很多人忘了，它的推理起点是三个隐含假设——

①单一总体：数据来自同一台设备、同一批人、同一个规格；

②独立且近似正态：组内波动稳定，数据之间没有系统性关联；

③样本量与抽样频率固定：每组n不变，控制限才算得准。

产线越复杂，这三条越容易被打破：混线生产打破①；刀具磨损让数据整体漂移，打破②；小批量、多品种、样本量忽大忽小，打破③。前提一破，算出来的控制限本身就是错的，判异自然要么"报假警"，要么"漏报警"。

一句话总结：控制图报警不可信，先别急着调判异准则，回头看看三个前提还在不在。

02 / 速查表：10种情况，10张图

先对号入座，再逐个拆解。建议收藏这一段，下次换图先翻出来对照：

你的数据 / 过程有什么特征？ 该换什么图 单件测量、抽样频率低移动平均-移动极差（MA-MR）不同规格混线、规格漂移Z图（标准化）多台机器、多工人做同类品基于组的控制图每批只关心最大 / 最小极值控制图工具磨损、系统性漂移趋势控制图均值方差同步增大（如强度类）变异系数CV图数据不服从正态非正态数据控制图样本量逐批变化标准化p控制图缺陷严重度不同缺点（加权）控制图单件只需"过 / 不过"判定量规检验(a,b)控制图

03 · MA-MR图：单件测量、抽样频率低

▍典型场景
航空发动机叶片、大型锻件、单件模具、破坏性试验——每个零件都测，但样本量n=1，X̄-R图连组内极差都算不出来。

▍怎么画
把连续几次测量做滑动平均（比如MA3：每个点取最近3次测量的均值），同时对相邻两次测量的差值画移动极差MR。MA负责看趋势，MR负责盯短期波动。

— 坑在哪 —

MA本质是滤波，会"吃掉"突发异常——一个尖峰被3点平均摊薄后，可能再也越不过控制限。所以MA图必须和单值图（I图）配合使用，追查异常时永远以原始单值为准。

04 · Z图（标准化）：混线生产、规格漂移

▍典型场景
同一条产线今天做Φ10、明天做Φ12、后天做Φ15。如果按规格分别画图，每张图上只有寥寥几个点，什么都看不出。

▍怎么画
把每个测量值标准化：Z =（X − 目标值）÷ σ，σ取该规格的历史组内标准差。所有规格的Z值画到同一张图上，中心线为0，控制限固定在0±3——不同规格从此用同一把尺子说话。

— 坑在哪 —

σ必须来自受控的历史数据（如PPAP阶段或经MSA确认后的长期数据），σ算错，整张图全错。另外，不同规格之间的测量系统偏差要先剔除——否则你看到的可能是量具漂移，不是过程漂移。

05 · 基于组的控制图：多台机器、多工位、多工人

▍典型场景
注塑机一次出8个模腔，CNC一次装夹4个工位，几个工人轮班看同一道工序。你关心的不是"整个过程稳不稳"，而是"哪个腔、哪个工位、哪个人表现落后"。

▍怎么画
每个抽样时点，只把组内的最大值和最小值画上去（同时画极差）。点连成线之后，那条"长期霸占最大值"或"长期垫底"的线，对应的模腔或工位就是你要找的对象。

— 坑在哪 —

这种图抓的是群体里的"相对落后者"，不直接给出过程能力。定位到问题腔之后，还要回到单腔数据做常规分析，两步不能省。

06 · 极值控制图：只关心最大与最小

▍典型场景
有些质量特性天然只看边界——镀层的最薄点（防腐性能取决于最薄处）、轴颈的极限尺寸、焊缝的强度下限。均值再漂亮也没用，边界失守就是不合格。

▍怎么画
直接对每个批次的极值（最大值或最小值）作图，控制限基于极值自身的分布来计算——不是简单套用X̄±3σ的公式。

— 坑在哪 —

极值的统计特性与均值完全不同，控制限若照搬均值图的公式，会系统性偏移，出现大面积误报或漏报。需要用极值理论或历史极值数据来估计。

07 · 趋势控制图：工具磨损、系统性漂移

▍典型场景
刀具磨损是最典型的系统性漂移——加工尺寸随切削次数缓慢爬升，这是物理规律，不是异常。普通X̄图会在刀具寿命中后段反复报假警，逼着工人不停"调刀"，越调越乱。

▍怎么画
先用回归拟合出中心线的漂移轨迹（直线或曲线），让控制限随趋势倾斜；监控的是点相对趋势线的偏离，而不是相对水平线的偏离。趋势之外的突变（比如崩刃）照样报警——这才是趋势图真正要抓的东西。

— 坑在哪 —

趋势图的前提是漂移规律可预测。一旦更换刀具批次、材料批次，旧趋势线作废，必须重新拟合，否则等于拿旧地图走新路。

08 · 变异系数CV图：均值方差同步增大

▍典型场景
混凝土抗压强度、粘接剂剥离强度、注塑件拉伸强度——这类材料的均值越大，绝对波动通常也跟着变大，σ和μ是绑在一起走的。均值一变，σ图就"假报警"，其实相对稳定性根本没变。

▍怎么画
对每组的CV = s ÷ x̄作图，把"相对波动"单独拎出来监控。实操中常对CV做对数变换，让分布更稳定、控制限更可靠。

— 坑在哪 —

CV图只看相对波动，绝对水平超标它不管——即使均值涨到危险高值、波动比例不变，CV图也毫无反应。所以CV图必须和均值图配合使用，缺一不可。

09 · 非正态数据控制图：先变换，再画图

▍典型场景
表面粗糙度Ra、圆度误差——天然右偏、永远非负。硬套X̄图，下控制限可能算出负值（对非负特性显然荒谬），误报率也会失真。

▍怎么画
两条路——①数学变换：Box-Cox或Johnson变换，把数据"掰"成正态再作图；②直接换分布：用Weibull分布的位置-尺度参数构建控制图。换完之后，虚发警报率、检出力这些关键指标要按新分布重新核算。

— 坑在哪 —

变换之前先确认偏态不是测量系统造成的（比如对数响应的传感器）。另外变换后的控制限数值没法直接反推回原始单位，向产线解释时要提前换算好一张对照表。

10 · 标准化p控制图：样本量逐批变化

▍典型场景
产量波动大——今天500件、明天3500件。普通p图的控制限随n伸缩，图上是一圈"波浪形"控制限，点贴边没贴边的判读全凭主观。

▍怎么画
把每批不合格率标准化：Z =（p̂ − p₀）÷ √[p₀(1−p₀)/n]，然后画Z值图，控制限固定在±3。控制限变成直线，判读回归客观。

— 坑在哪 —

小批量批次的正态近似会失效（比如n很小且p₀很低时），Z值分布会"假瘦"，建议单独处理或合并统计。目标不合格率p₀也要定期回顾更新，别拿着三年前的p₀管今天的产线。

11 · 缺点（加权）控制图：缺陷轻重不同

▍典型场景
一块板上有A类缺陷（功能失效，扣10分）、B类缺陷（外观瑕疵，扣1分）、C类缺陷（轻微印痕，扣0.5分）。普通u图把三类缺陷一视同仁——"50个划痕"和"5个功能缺陷"在图上竟然一样严重，这显然不对。

▍怎么画
给每类缺陷乘上权重后求和（缺点数 = Σ 权重×缺陷数），对加权后的缺点数作图，控制限按加权分布重新推导。A类缺陷一抬头，图上立刻有反应。

— 坑在哪 —

权重怎么定是管理问题，不是统计问题。通行做法是按"返修成本×流出风险"分级，并写进文件固化，避免检验员主观抬分压分，让图失真。

12 · 量规检验(a,b)控制图：只有通与止

▍典型场景
快节奏产线上只配备通止规，检验结果只有"过 / 不过"两种。想把卡尺读数补出来不现实，SPC在这里眼看要断档。

▍怎么画
对每个样本量为n的组，记录合格数a、不合格数b，按二项分布直接构建(a,b)控制图。它和p图同源，但利用了规尺寸已知这一信息做统计设计，检出力比普通p图高出一截。

— 坑在哪 —

量规自身的磨损会先于过程变化污染数据。量规校准周期内要在图上做好标记，避免把量规漂移误判成过程漂移。

13 / 选图口诀：贴在工位上那种

单件低频用移动，混线漂移用Z图；
多腔多工看组内，只看边界画极值；
磨损漂移画趋势，均值方差同涨CV；
不正态先变换，样本变了p标准化；
缺陷分轻重加权算，只有通止(a,b)上。

口诀只是索引。真正选图之前，先回答两个问题：数据从哪来？波动机制是什么？答案清楚了，图自然就出来了。

14 / 写到最后

控制图从来不是"背公式画线"，而是对过程物理机制的翻译：磨损有磨损的语言，混线有混线的语法。

图选对了，判异准则才有意义；图选错了，后面全是在错误的地图上找路。

你所在的产线，这10种图里有几张正在"裸奔"？评论区聊聊你遇到过的数据怪脾气。下一篇我们挑其中一种，配上完整的案例数据，从原始记录一路画到判异结论。

公 开 课

新版SPC公开班

9月22-23日 · 2天集中授课

1：SPC统计基础刷新 + 常规控制图（X̄-R / X̄-s / I-MR / p / u）精讲

2：非常规控制图专题（MA-MR、Z图、趋势图、CV图）+ 过程能力CPK/PPK + 判异准则落地演练

适用对象：质量工程师、SQE、工艺工程师、生产主管

培训方式：线下/线上均可

开课地点与报名费用，请咨询课程顾问确认当期安排。

咨询 9.22-23 公开班 →

报名 / 课程详情有疑问？

公开班排期、企业内训定制，均可直接咨询。

点此咨询课程顾问