一、控制图的基本概念
控制图（Control Chart）是质量管理中用于监控过程稳定性和识别异常变化的工具。它通过将过程数据与预设的控制界限进行比较，帮助管理者判断过程是否处于受控状态。控制图的核心思想是区分“普通原因”和“特殊原因”的变异，从而采取相应的改进措施。
控制图通常由中心线（CL）、上控制限（UCL）和下控制限（LCL）组成。中心线代表过程的平均值，而控制限则是基于统计学原理计算得出的，用于判断数据点是否超出正常范围。
二、数据收集与准备
1. 确定数据类型
在绘制控制图之前，首先需要明确数据的类型。常见的数据类型包括：
– 计量型数据：如长度、重量、时间等连续变量。
– 计数型数据：如缺陷数、不合格品数等离散变量。
2. 数据收集方法
数据收集应遵循以下原则：
– 代表性：样本应能反映过程的整体情况。
– 一致性：数据收集的时间、方法和条件应保持一致。
– 足够数量：通常需要至少20-25组数据才能绘制有效的控制图。
3. 数据整理
在收集到数据后，需进行整理和清洗，包括：
– 去除异常值：排除明显错误或异常的数据点。
– 分组处理：将数据按时间或批次分组，便于后续分析。
三、控制图的选择与应用
1. 计量型控制图
- Xbar-R图：适用于监控过程的均值和变异性。
- Xbar-S图：适用于样本量较大的情况。
- I-MR图：适用于单个数据点的监控。
2. 计数型控制图
- P图：用于监控不合格品率。
- NP图：用于监控不合格品数。
- C图：用于监控缺陷数。
- U图：用于监控单位缺陷数。
3. 选择依据
选择控制图时，需考虑以下因素：
– 数据类型：计量型或计数型。
– 样本量：样本量的大小影响控制图的选择。
– 过程特性：过程的稳定性和变异性。
四、计算控制界限
1. 计量型控制图的计算
以Xbar-R图为例：
– 中心线（CL）：Xbar图的中心线为各组均值的平均值，R图的中心线为各组极差的平均值。
– 控制限（UCL/LCL）：Xbar图的控制限为CL±A2×Rbar，R图的控制限为D4×Rbar和D3×Rbar，其中A2、D3、D4为常数，可从控制图系数表中查得。
2. 计数型控制图的计算
以P图为例：
– 中心线（CL）：为各组不合格品率的平均值。
– 控制限（UCL/LCL）：为CL±3×√(CL×(1-CL)/n)，其中n为样本量。
五、识别异常点及趋势分析
1. 异常点识别
控制图中的异常点通常表现为：
– 超出控制限：数据点超出UCL或LCL。
– 连续点在同一侧：如连续7个点在中心线同一侧。
– 趋势变化：如连续7个点呈上升或下降趋势。
2. 趋势分析
趋势分析有助于识别过程的潜在问题，常见的趋势包括：
– 周期性变化：如季节性波动。
– 逐步变化：如设备磨损导致的性能下降。
– 突变：如原材料更换导致的质量波动。
六、实际案例解析
案例背景
某制造企业生产一种精密零件，需监控其直径的稳定性。企业收集了25组数据，每组包含5个样本。
数据收集与整理
企业按批次收集了25组数据，每组5个样本，记录其直径值。数据整理后，计算了每组的均值和极差。
控制图选择
由于数据类型为计量型，且样本量为5，企业选择使用Xbar-R图进行监控。
计算控制界限
- Xbar图：CL=10.02mm，UCL=10.12mm，LCL=9.92mm。
- R图：CL=0.08mm，UCL=0.16mm，LCL=0mm。
异常点识别
在Xbar图中，第15组数据的均值超出UCL，表明该批次可能存在异常。进一步调查发现，该批次使用了不同供应商的原材料，导致直径偏大。
趋势分析
R图中，后10组数据的极差呈上升趋势，表明过程变异性增加。企业检查设备后发现，设备磨损严重，需进行维护。
改进措施
- 原材料管理：统一供应商，确保原材料一致性。
- 设备维护：定期检查设备，及时更换磨损部件。
- 过程监控：加强过程监控，及时发现并处理异常。
通过以上步骤，企业有效识别了过程中的问题，并采取了相应的改进措施，确保了产品质量的稳定性。
原创文章，作者：hiIT，如若转载，请注明出处：https://docs.ihr360.com/strategy/it_strategy/82000
