0 评论

SPC很复杂？其实抓住8大判异原则，就能快速看懂过程稳定性

SPC控制图中的「判异原则」，本质上是一组用来识别非随机信号的规则。很多人看到某条规则被触发，就直接判断过程已经失控。更准确的理解是：规则被触发代表过程出现了值得调查的统计信号，现场还需要进一步确认是否真的存在特殊原因。

为什么控制限以内也可能出现异常？

控制图并不是只有「超出UCL或LCL」才算异常。一个过程即使所有点都落在控制限以内，如果连续出现偏向同一侧、持续上升、周期性波动等模式，也可能说明数据已经不再呈现随机状态。

这正是判异规则存在的原因。它们通过观察连续数据的排列方式，提高我们发现过程变化的敏感度。想先了解SPC基本逻辑，可以参考统计过程控制SPC。

常见规则包括：单点超过控制限；连续若干点集中在中心线同一侧；多个点落在同一侧的2σ区域之外；多个点落在同一侧的1σ区域之外；连续数据持续上升或下降；连续点交替上下波动；数据长期避开中心区域；以及数据长期集中在控制限附近等。

不同机构采用的规则组合可能略有差异，例如 Western Electric Rules 与 Nelson Rules 的数量和定义并不完全一致，所以企业在制定SPC程序时，应该明确自己采用哪一套规则，而不是把所有版本混在一起使用。

这是现场最容易犯的错误。控制图出现异常信号后，正确动作不是马上调整参数，而是调查当时发生了什么。例如设备换刀、原材料批次变化、人员换班、环境改变、测量方式变化，都可能形成特殊原因。

如果没有确认原因就频繁调机，反而可能人为增加过程波动。这也是SPC与普通「看数据」最大的差别：它要求管理者区分随机波动和特殊原因，而不是对每一次上下变化都作出反应。

控制图能够告诉我们「这里可能有事情发生」，却不会自动告诉我们原因是什么。真正有效的SPC，需要把统计信号与现场信息结合起来，再通过调查、验证和改善行动关闭问题。