深度解读QC七大工具 · 控制图

写在前面

"任何过程都有波动——关键是你能否分得清：这是正常的波动，还是出了问题？"

控制图——QC七大工具中最具"过程监控"价值的工具。

前五期我们学了分析问题的工具，而控制图是实时监控过程的工具。它不是等你出了问题再分析，而是在过程即将出问题的时候就告诉你。

这就是控制图的核心价值：从"事后分析"到"事前预防"。

第一章：控制图的本质

1.1 什么是控制图

控制图（Control Chart） 是一种将过程数据随时间顺序绘制在图表上，并根据控制上下限判断过程是否处于统计受控状态的图形工具。

核心逻辑：
  任何过程都有波动，但波动有两种：
  
  ① 偶然波动（Common Cause / 普通原因）
     → 过程固有的随机波动，不可避免
     → 如：原材料微小变异、环境微小波动
  
  ② 异常波动（Special Cause / 特殊原因）
     → 可以找到具体原因的非随机波动
     → 如：刀具断裂、操作失误、材料批次变更

  控制图的作用：区分这两种波动。

1.2 控制图的三大要素

控制图由三条线构成：

  ── UCL（Upper Control Limit）控制上限
     μ + 3σ，正常波动的上边界

  ── CL（Center Line）中心线
     过程平均值 μ

  ── LCL（Lower Control Limit）控制下限
     μ - 3σ，正常波动的下边界

  数据点如果超出UCL或LCL → 过程出现了特殊原因 → 需要介入

1.3 控制图 vs 规格限

很多人搞混控制界限和规格界限，它们是不同的概念：

关键认知：
  过程受控 ≠ 产品合格
  产品合格 ≠ 过程受控

  控制图看的是"过程本身是否稳定"
  规格限看的是"产品是否满足要求"

1.4 控制图的三大作用

第二章：控制图的分类与选择

2.1 控制图的分类

控制图
  ├── 计量型控制图（数据是连续值）
  │   ├── X̄-R图（均值-极差图）：最常用
  │   ├── X̄-s图（均值-标准差图）：样本量大时
  │   └── 单值-移动极差图：样本量=1时
  │
  └── 计数型控制图（数据是离散值）
      ├── p图（不良率图）：样本量可变化
      ├── np图（不良数图）：样本量固定
      ├── c图（缺陷数图）：单位固定
      └── u图（单位缺陷数图）：单位可变化

2.2 如何选择控制图

选择控制图的步骤：

Step 1：数据是什么类型？
  ├── 连续数据（长度、重量、温度、压力）
  │   → 计量型控制图
  │   → 下一个问题：子组大小是多少？
  │     ├── n=1：单值-移动极差图（X-MR图）
  │     ├── 2≤n≤10：X̄-R图（均值-极差图）← 最常用
  │     └── n>10：X̄-s图（均值-标准差图）
  │
  └── 离散数据（合格/不合格、缺陷数）
      → 计数型控制图
      → 下一个问题：数据是"计件"还是"计点"？
        ├── 计件（不良品数/率）
        │   ├── 样本量固定 → np图（不良数图）
        │   └── 样本量变化 → p图（不良率图）
        │
        └── 计点（缺陷数/率）
            ├── 单位固定 → c图（缺陷数图）
            └── 单位变化 → u图（单位缺陷数图）

2.3 判稳准则（过程受控的判断）

判断过程受控的准则（四条）：

  准则1：没有点超出控制界限
  准则2：点的分布无明显趋势或周期性
  准则3：点随机分布在中心线两侧
  准则4：没有违反判异准则的特殊模式

2.4 判异准则（八大判异规则）

最常用的判异规则（Western Electric Rules）：

  📌 规则1：1个点超出UCL或LCL
    → 发生了明显异常，需要立即调查

  📌 规则2：连续3个点中有2个落在A区（2σ-3σ之间）
    → 过程均值开始偏移

  📌 规则3：连续5个点中有4个落在B区或以上（1σ-3σ之间）
    → 过程均值偏移趋势明显

  📌 规则4：连续8个点在中心线同一侧
    → 过程均值发生了变化

  📌 规则5：连续6个点呈上升或下降趋势
    → 存在趋势性因素（如刀具磨损）

  📌 规则6：连续14个点交替上下
    → 可能存在两个不同的过程交替

  📌 规则7：连续15个点在C区（±1σ内）
    → 可能数据被修改或过程异常稳定

  📌 规则8：连续8个点在中心线两侧但都不在C区
    → 可能存在分层混合

第三章：控制图的实战案例

案例1：X̄-R图——监控注塑产品重量

背景：某注塑车间生产塑料件，每天抽5件测量重量
目标是监控过程是否稳定

X̄-R图分析：
  → 第15个点，R图超出UCL（极差突然变大）
  → 调查发现：15号模具开始出现磨损
  → 更换模具后恢复正常

价值：在批量不良发生之前就发现了问题

案例2：单值-移动极差图——小批量监控

背景：某精密加工车间每天只有1-2件产品
无法使用X̄-R图（子组太小）

使用X-MR图（单值-移动极差图）：
  → MR图：连续3个点上升趋势
  → 调查发现：刀具在逐渐磨损
  → 提前更换刀具，避免批量超差

价值：在小批量生产中也能有效监控过程

案例3：p图——监控焊接不良率

背景：某SMT车间监控每日焊接不良率
每日产量不同（样本量变化）

使用p图（不良率图）：
  → 第8天点超出UCL
  → 控制界限随样本量变化而变化
  → 调查发现：当天有新员工上岗
  → 加强培训后恢复正常

价值：样本量变化时也能准确判断过程状态

案例4：c图——监控产品表面缺陷数

背景：某电镀车间监控产品表面缺陷数量
每件产品为一个单位

使用c图（缺陷数图）：
  → 连续5个点在中心线以上
  → 判异规则触发（连续点在同侧）
  → 调查发现：电镀液的浓度发生了变化
  → 调整电镀液配比后恢复

价值：发现均值偏移的早期信号

第四章：控制图的常见误区

误区1：把控制界限当规格界限

× 错误理解：
  "数据点都在控制限内 → 产品合格"

✓ 正确理解：
  控制限内只表示"过程稳定"
  产品是否合格要看规格限
  过程稳定但不合格 → 需要调整过程中心或减小变异

误区2：只看是否有超出点，不看模式

× 错误做法：
  只看有没有点超出控制界限
  没有超出 → "过程没问题"

✓ 正确做法：
  即使没有超出点，也要看模式
  连续上升/连续在同侧/周期性 → 都是异常信号

误区3：不了解过程状态就上控制图

× 错误做法：
  一开始就画控制图，直接用

✓ 正确做法：
  第一步：先用直方图了解分布
  第二步：先用层别法了解数据是否有分层
  第三步：过程稳定后再建立控制界限
  第四步：用控制图持续监控

误区4：控制界限不更新

× 错误做法：
  第一次计算的控制界限永远不变

✓ 正确做法：
  定期重新计算控制界限
  过程经过改进后，控制界限应该变窄
  控制界限反映了过程当前的真实能力

误区5：滥用控制图

× 错误做法：
  对任何数据都画控制图
  数据不够（少于20个子组）
  数据不是时间序列顺序

✓ 正确做法：
  控制图要求数据按时间顺序排列
  最少需要20-25个子组来建立控制界限
  数据必须来自同一个过程

第五章：控制图与其他工具的组合

5.1 控制图 + 直方图

组合使用的顺序：

  ① 收集数据
  ② 画直方图 → 了解分布形态（是否正态？）
  ③ 画控制图 → 判断过程是否受控
  ④ 计算CPK → 评估过程能力
  ⑤ 持续用控制图监控

5.2 控制图 + 层别法

当控制图出现异常时：

  第一步：控制图发现异常点
  第二步：用层别法按不同维度分层
  第三步：找出异常发生在哪个维度
  第四步：针对性改善

→ 控制图告诉你"出问题了"
→ 层别法告诉你"问题在哪"

5.3 控制图 + 柏拉图

组合使用：

  Step 1：用柏拉图找出"关键少数"问题类型
  Step 2：对关键问题类型建立控制图
  Step 3：实时监控关键问题的发生率变化
  Step 4：改善措施实施后，对比控制图变化

5.4 控制图 + 散点图

当控制图发现过程异常时：

  Step 1：控制图发现异常点或趋势
  Step 2：用散点图分析可疑变量与过程输出的关系
  Step 3：找到引起异常的变量
  Step 4：调整该变量，恢复过程稳定

第六章：控制图的进阶用法

6.1 改善前后控制图对比

改善前控制图：
  ── 点超出控制界限
  ── 存在趋势或周期性
  ── 过程不受控

改善后控制图：
  ── 所有点在控制界限内
  ── 点随机分布
  ── 控制界限明显变窄

→ 两张图并列对比 → 直观展示改善效果

6.2 短周期控制图

传统控制图需要较多数据
短周期控制图适用于小批量、多品种的生产环境

方法：
  ── 标准化数据（将不同产品的数据转换为Z值）
  ── 目标控制图（用偏差值画控制图）
  ── 预控图（少量数据即可判断）

6.3 数字时代的控制图

传统控制图的局限：
  ── 人工描点，滞后
  ── 手工判断，依赖经验
  ── 独立存在，不与其他系统联动

数字化控制图：
  ── 自动采集：MES/SCADA系统自动采集过程数据
  ── 自动描点：数据实时显示在控制图上
  ── 自动判异：系统自动检测八大判异规则
  ── 自动报警：异常时自动通知相关人员
  ── 自动分析：关联鱼骨图和散点图辅助根因分析

第七章：控制图的评价标准

总结：控制图的"道"与"术"

术（怎么用）：
  ── 选对控制图类型
  ── 正确计算控制界限
  ── 按时间顺序描点
  ── 用判异规则判断

道（为什么用）：
  ── 不是为了画一张"有控制线的图"
  ── 是为了"把事后分析变成事前预防"
  ── 是为了"在过程出问题之前就发现信号"

控制图最大的价值不是"监控"，而是"预判"。

等你发现批量不良的时候，损失已经发生了。 控制图是在第一个不良品产生之前就告诉你：过程出问题了。

这就是从"救火"到"防火"的转变。

文档版本：v1.0 生成日期：2026-05-03 作者：卓越质量智库

第7期： 控制图（Control Chart / 管制图）