深度解读QC七大工具 · 层别法

写在前面

"数据是不会说谎的，但只看汇总数据的人，可能会被自己骗了。"

层别法——QC七大手法中最被低估的一件武器。

它不复杂：就是把数据按照不同维度分开来看。 但它最致命的是：如果你不分层，你看到的结论可能完全是错的。

这就是"辛普森悖论"（Simpson's Paradox）——总体呈现的趋势，在每一个分层中完全相反。

第一章：层别法的本质

1.1 什么是层别法

层别法（Stratification），也叫分层法，是QC七大手法中最基础也最容易被忽略的工具之一。

它的核心思想非常简单：把收集到的数据按照不同的来源、特性、条件等维度进行分类（分层），再分别进行分析。

数学本质：
  将总体分解为若干互不重叠的子集（层），
  在每个子集内分别分析，
  然后将子集的分析结果与总体分析结果进行对比验证。

1.2 为什么要分层——辛普森悖论

让我们看一个经典例子：

某工厂两个班组的良品率数据：

         A班组        B班组       合计
  ┌───────────────────────────────────
  检验数 │ 100         50          150
  不良数 │ 10           5           15
  不良率 │ 10.0%       10.0%       10.0%

→ 两个班组的不良率都是10%，看起来完全一样。

但如果按产品型号分层看呢？

按产品型号分层：

         A班组                B班组
  ┌───────────────────────────────────────
  产品X │ 检验90 不良6(6.7%)   检验20 不良2(10.0%)
  产品Y │ 检验10 不良4(40.0%)  检验30 不良3(10.0%)

→ 分层后真相：
  产品X：A班组6.7% < B班组10.0% → A更好
  产品Y：A班组40.0% > B班组10.0% → B更好

→ 实际上两个班组各有优劣，而不是"都一样"！

这就是层别法的力量——同一组数据，分不分开看，结论完全不同。

1.3 层别法的三大作用

第二章：层别法的常用维度

2.1 经典分层维度

4M1E分层法（人机料法环）：
  ── Man（人）：按操作工、班次、技能等级
  ── Machine（机）：按设备编号、产线、工装
  ── Material（料）：按供应商、批次、材料型号
  ── Method（法）：按工艺参数、作业方法、SOP版本
  ── Environment（环）：按温区、季节、洁净度等级

2.2 时间维度分层

时间分层：
  ── 按班次：白班 vs 夜班
  ── 按时段：每小时/每班/每天/每周/每月
  ── 按季节：不同季节的差异
  ── 按周期：月初 vs 月末

2.3 产品/客户维度分层

产品相关：
  ── 按产品型号
  ── 按生产批次
  ── 按产品线

客户相关：
  ── 按客户类型
  ── 按区域市场
  ── 按销售渠道

2.4 分层维度的选择原则

选择分层维度的原则：
  
  原则1：相关性
    → 选择与问题最可能相关的维度
    → 如：尺寸超差→按设备分层；外观不良→按班次分层
  
  原则2：可测量
    → 该维度的数据能够准确获取
    → 不是"我觉得"，而是"数据有"
  
  原则3：可行动
    → 分层后发现差异→能对应采取行动
    → 如：按供应商分层→能更换/约谈供应商
  
  原则4：从粗到细
    → 先大维度分层，再细维度深入
    → 如：先按产线→再按设备→再按操作工

第三章：层别法的操作流程（标准5步法）

Step 1 —— 明确分析目的

先问自己三个问题：
  ① 我要解决什么问题？
  ② 我认为问题可能和什么因素有关？
  ③ 我有什么数据可以用？

Step 2 —— 确定分层维度

根据分析目的确定1-3个分层维度
  → 最常用：按"人机料法环"先分一层
  → 复杂情况：多维度交叉分层

Step 3 —— 收集并整理数据

数据收集注意事项：
  ── 确保数据完整性（不缺失关键字段）
  ── 确保数据准确性（不包含错误记录）
  ── 确保样本量充足（每层至少30个样本）
  ── 保留原始数据（方便回溯验证）

Step 4 —— 分层对比分析

分析方法：
  ── 表格对比：分层统计表（最基础）
  ── 图形对比：分层柏拉图/分层直方图
  ── 统计检验：卡方检验（判断差异是否显著）
  ── 交叉分析：多个维度交叉分层

Step 5 —— 得出结论并行动

结论验证：
  ── 分层后的差异是否显著？
  ── 差异是否有实际意义？
  ── 结论是否可重复验证？

行动计划：
  ── 针对差异层制定改善措施
  ── 改善后重新收集数据验证

第四章：层别法的实战案例

案例1：制造业——按设备分层

背景：某机加工车间的不良率连续3个月上升
汇总数据：不良率2.8%

第一步：按设备编号分层
  设备        检验数    不良数    不良率
  CNC-01      2000      82        4.1%  ← 明显偏高
  CNC-02      2000      48        2.4%
  CNC-03      2000      38        1.9%
  
第二步：对CNC-01深入分析
  → 发现该设备主轴轴承磨损
  → 预防性维保记录显示：上次保养已超过6个月
  
行动：
  ── 立即更换主轴轴承
  ── 调整该设备的保养周期从12个月改为6个月
  ── 之后两个月不良率降至1.8%

案例2：制造业——按供应商分层

背景：某电子厂来料不良率偏高
汇总数据：来料不良率1.5%

按供应商分层：
  供应商    检验批次    不良批次    不良率
  供应商A     120         6          5.0%  ← 明显偏高
  供应商B     150         1          0.7%
  供应商C     180         2          1.1%

按不良类型再分层（供应商A）：
  不良类型      批次
  尺寸超差       3     ← 为主
  表面氧化       2
  包装破损       1

行动：
  ── 与供应商A沟通，发现其模具已使用超过寿命
  ── 要求供应商A更换模具，加强出厂检验
  ── 后续批次不良率降至1.2%

案例3：服务业——按时间段分层

背景：某餐厅的客诉率上升
汇总数据：客诉率3.5%

按时段分层：
  时段      客流量    客诉数    客诉率
  午餐(11-14)   3000       150      5.0%  ← 明显偏高
  下午茶(14-17) 1500        30      2.0%
  晚餐(17-21)   2500        75      3.0%

对午餐时段深入分析：
  按菜品分层：
    菜品        销量    客诉    客诉率
    招牌牛肉面   800      65      8.1%  ← 关键
    红烧排骨饭   600      40      6.7%
    其他         1600     45      2.8%

行动：
  ── 检查招牌牛肉面的原材料和烹饪工艺
  ── 发现牛肉供应商更换导致口感变化
  ── 恢复原供应商，客诉率降至3.0%

案例4：按班次分层

背景：某注塑车间产品缩水缺陷增多
汇总数据：缩水不良率4.2%

按班次分层：
  班次    检验数    不良数    不良率
  白班     5000       120      2.4%
  夜班     5000       300      6.0%  ← 明显偏高

按操作工再分层（夜班）：
  操作工    检验数    不良数    不良率
  张某       1500       25       1.7%
  李某       2000      180       9.0%  ← 关键
  王某       1500       95       6.3%

行动：
  ── 观察李某操作，发现未按SOP要求预热模具
  ── 再培训+考核认证，后续不良率降至2.8%

第五章：层别法的常见误区

误区1：分层维度选择错误

× 错误：凭感觉选维度，没有依据
  → 如：不良率上升→"按颜色分"

✓ 正确：根据工艺知识和数据分析选维度
  → 如：不良率上升→"按设备分"（尺寸问题通常和设备有关）

误区2：分层过细，样本不足

× 错误：分成20多层，每层只有几个样本
  → 统计学上无意义

✓ 正确：每层至少30个样本
  → 如果某层样本太少，合并到相邻层或"其他"

误区3：只分一层就下结论

× 错误：分了一层，发现差异→直接下结论

✓ 正确：分层分析应该由粗到细
  → 第一层：按产线 → 发现A线问题大
  → 第二层：按设备 → 发现A线2号机问题大
  → 第三层：按操作工 → 发现夜班操作工是根因

误区4：忽略了"交互作用"

× 错误：认为每个分层维度是独立的

✓ 正确：考虑维度之间的交互作用
  → 如：A设备的白班不良率低，夜班不良率高
  → 说明"设备×班次"存在交互作用
  → 需要交叉分层分析

第六章：层别法与其他工具的组合

6.1 层别法 + 柏拉图

最佳搭档：
  先用层别法找到问题所在的维度
  再用柏拉图聚焦该维度的关键少数

示例：
  第一步：按产线分层 → 发现A线不良率最高
  第二步：对A线的所有不良类型画柏拉图
  第三步：找到A线的关键少数 → 焊接缺陷
  第四步：针对焊接缺陷分析根因

6.2 层别法 + 鱼骨图

组合使用：
  第一步：鱼骨图列出所有可能的原因维度
  第二步：将最重要的维度用层别法验证
  第三步：数据验证哪个维度确实有差异
  第四步：对有差异的维度深入分析

→ 鱼骨图提供"假设"
→ 层别法提供"验证"

6.3 层别法 + 直方图

组合使用：
  按不同维度分层后，分别画直方图
  比较各层直方图的：
  ├── 中心位置（均值）是否不同
  ├── 离散程度（标准差）是否不同
  └── 分布形状是否不同

6.4 层别法 + 控制图

组合使用：
  第一步：画整体控制图 → 判断过程是否受控
  第二步：如果出现异常点 → 按维度分层
  第三步：重新画各层的控制图
  第四步：找出哪一层的过程发生了变化

第七章：层别法的评价标准

总结：层别法的"道"与"术"

术（怎么分）：
  ── 明确目的再分层
  ── 按4M1E选维度
  ── 从粗到细逐层深入
  ── 交叉分析验证

道（为什么分）：
  ── 不是把数据拆开来看
  ── 是为了"不让汇总数据骗了你"
  ── 是为了"精准定位问题的真实源头"

层别法最大的价值不是"把数据拆开"，而是"让你看到本来看不到的东西"。

一个没有使用层别法的质量工程师，就像戴着墨镜在黑夜中找东西——你看到了一个大致的轮廓，但永远看不清真正的细节。

而层别法，就是给你那盏灯。

文档版本：v1.0 生成日期：2026-05-03 作者：卓越质量智库

第2期： 层别法（Stratification / 分层法）