SPC第三讲：有效使用控制图
主讲人：盈飞国际 罗平老师
记录人：中质盟 阿瑞斯
前言：我们以为的SPC
生产技术人员、质量检验人员收集生产、质检的数据，用Excel数据的分析功能，或Minitab软件、或JMP软件分析这些数据，绘制成图表。这就是SPC了吗？
绘出图形就是在做SPC吗？可是，如何收集数据，什么样的数据是需要的？这才是SPC中的难点。如何来组织数据，才是现实环节需要关注的问题。在本节课，你会学到如何使控制图对于过程的变化更敏感，以及使用控制图获得特定问题的答案。
本文约4800字，阅读时间为15分钟，如果关注控制图的判异原则，可以只阅读第三部分”失控准则“。
一.上节回顾
上节课我们学习了绘制控制图方法，用均值极差图。休哈特采用3Sigma，不仅是出于理论，更是考虑了经济效益。要寻找到犯第一类错误和第二类错误的平衡点。超出了3Sigma就是小概率事件。
当非正态分布时，数据也是稳健的。在控制图上没有置信区间的说法。休哈特控制图就是用来纠偏的。
二.关于“链”
1. 随机模式
正常情况下，控制图上描绘的点，只有普通原因造成的波动。所以点或者线条都是随机模式。
2. 简单链测试
简单链测试就和硬币一样，落在中心线上面或下面，各有50%的概率。
就像扔硬币一样，人头或字朝上，也各有50%的概率。如果只扔一次，很可能两次都是人头；扔两次，两次人头也正常；如果扔到七次、八次都是同样的结果，你就开始怀疑人生了，会想，是否有作弊、或人为因素。
扔硬币测试如果连续8点或更多点落在中心线同一侧，更会开始怀疑人生。将此案例投射到生产线上，往往找原因的成本很高，不像检查一枚硬币，很可能要停线检查。
连扔七次硬币，都是人头这里联想到郝广才老师在《今天》中讲述的故事。2004年3月11日，西班牙的马德里发生铁路连环大爆炸的恐怖袭击，造成九十一人死亡，两千零五十人受伤。西班牙警方从嫌疑犯留下的车子上找到一枚完整的指纹，确认该指纹来自美国俄勒冈州波特兰市一个叫布兰登·梅菲尔德的人。西班牙警方与美国FBI（联邦调查局）合作，迅速抓捕了布兰登——当地的一名小律师、也是爱国者导弹部队的退伍军人。
可奇怪的是，布兰登这几年一直都待在美国，也从来没有去过西班牙，更没有证据表明他与任何恐怖组织有过任何联系。难道指纹识别出错了吗？不可能，单指纹相同的概率为640亿分之一，全球人口才70几亿。要有错，就是布兰登的错。相符就是相符，FBI就不放人。
幸运的是，两个星期后，西班牙警方抓到了真正的凶手，在三名凶手中就有一个家伙的指纹和布兰登一模一样。直到此时，FBI才释放了布兰登，并向他道了歉。
这个故事就告诉我们，小概率事件（1/64000000000）也是存在的。
如何判断链？从中心线上面，一共有5个链。连续8个以上的点在一个链内，落在链的一侧，这就是小概率事件发生了。如果点压线，就从压线处开始数。
数链方法可能在其他地方有不同的数链方法。
为什么是连续8个点，因为1/128的概率出现硬币为同一面，可视为小概率事件。专业软件可以设置是连续4个、6个、8个点，在国标中定义为连续9个点在同一侧视为异常。
3. 复杂链测试
控制图上+/-2Sigma,软件对于目前讲到的链已经设置了程序。
连接3个点中有2个点落在中心线同一侧的一倍Sigma之外。连续5个点中有4个点落在中心线同一侧的一倍Sigma之外。这两个指标都是用来判断均值有无超出目标设置偏移的。
三. 失控准则
1. 四条准则
4个差异规则，最早戴明也是使用这4个。中国国标通行的8个准则也是从西部电子来的。根据生产经验判断，只要不随机的模式，都视为报警信号。
在欧洲的BMW使用盈飞的SPC软件，只激活了两条准则。也有客户全部激活的，导致全部报警，一天十几万条。使用的报警规则越多，误报几率就越大。因此，必须考虑一个度。作为一个标准，定位就是参考手册。判异规则不是随便用的。
2. 国标通行的8条准则
包括有连续9点的说法，也是从8点升级而来。千万不要把8条全部激活，特别是面对审核人员时。关键是看激活得是否合理，一条都没有也不行，要看出现异常后采取了哪些措施。
如果有专家一上来就指导我们要激活哪些准则，显然就不合理。根据业务经验，可以判断这个模式是否异常，但这些没法做到软件里，完全取决于制定者的业务能力。必须根据经验以及行业要求来慢慢积累。
举个例子，橡胶棒送到实验室检验，想用控制图检验一下，极差图的目的是操作人员的一致性。所有的失控点都是27号作业员造成的，都在中心线上侧。
发现异常该怎么办？这27号是否是正常的？采用什么方法找原因？
这时，不要直接去找操作人员谈话，对方往往不会承认。罗老师毕业之初在橡胶厂做QA，发现有人在测橡胶厚度时，把厚度仪稍微按下，就会使橡胶变软。这种测试数据已经明显偏离了正常值。因为那天操作人员有情绪，就把结果测量得非常离谱。如果测量错误要扣奖金的话，那他就更加打死都不承认。但是，数据已经显示出来，操作就是不一样。
3. 其他模式
下图为橡胶生产的挤出，是个自动调整的过程。测量人员手绘的均值图，前面是自动的，后边是手动的。下图是否有异常点？
整体看来，有个振荡的过程，由自动调整导致的。当质量主管发现后，就把自动调整关闭，改为人工调整，其后数据波动变小了，但是振荡仍然存在。是什么原因导致了振荡模式？这必须要去调查。计算机软件给不了答案。
大家在现实中可能工作较忙，没有机会手绘验证，仍然要把它当作提高自己分析技能的一项实力。
卷烟要锡纸包裹，裹得太紧就吸不动，太松则会吸得太快。下图是卷烟厂的锡纸外径控制图。我们发现一到丙班时，波动就变得很大。在已经十分明显的控制图提交给卷烟厂管理层后，企业高层看到该图，什么都没说，几乎也就到此为止了。可是，作为个人，不能作为不去提升能力的借口。不去做，永远都是很难的事情。
卷烟外径控制图四. 合理分组
1.均值图和极差图作用
作为质量主管，如何使用控制图？要增加控制图的敏感性。合理分组的原则，让组内波动小一些，是同一族的数据。
均值图的作用，每个均值点之间有变化，该变化是否可以作为报警信号，都基于子组内部的波动。其控制线基于极差图的控制线，根据子组内部波动制定的。均值图上的UCL和LCL是由内部波动决定的，不是由长期抽样几十个子组决定。子组内部波动决定了子组均值的变化范围。每90秒抽样一组，则25*90=2250s，即抽样时间长达37分钟。
极差图的作用，子组内部的波动在内部是否保持一致，即是否在它允许的范围内。譬如，1点钟抽取5个数，做一个极差；2点钟抽取5个数，再做一个极差；每个点都代表子组的波动，我们希望让这个点落在控制范围内。来解决子组内部的波动的一致性。如果按时序来看，则不同时间内的一致性；如果按操作人员来看，则不同人员的一致性。这完全与业务相关，要和想研究的东西结合。
三个员工操作的一致性可以从R图中甄别出。所以分组的重要性就体现于此。而实际生产中如果只想着先把图画出来，很可能就得不到想要的结果。
2. 一模四穴的注塑
所有图形都要基于业务背景。四个模穴在量产前要评价这个过程，关注的指标是厚度。首先，该如何分组？有不同模穴的分组——每一行的波动，有不同时间的波动——每一列的波动，还有既考虑不同模穴也考虑不同时间的第三种分组。
第一种组织方式，按墓穴来分。子组为4，按照这种方式，都是受控的。
第一种组织方法
第二种组织方法，按时间来分。子组大小为5，作业周期为子组内，每一小时取样一次。结果看到全是失控点，出现了振荡。都是第一个点超控制线。
第二种组织方法
红色圈出失控点为什么第一个控制图没有发现？因为到第二种组织方式，控制限变窄了。均值图上的控制限由什么决定的？由极差决定。第二种组织方式的极差是不同作业周期，第一种组织方式的极差是不同模穴，作业周期的变化更小，而不同模穴的差异更大。
第三种，按模穴来分，每个作业循环作为一个子组。更能直观地看出来。每一个模穴都有失控状态。
第三种组织方法
作为工程师或者主管，下一步要怎么做？先确定最后一种统计方式最好。既能看出失控问题，也能看出组织问题。优先寻找失控原因。
五. 做图之前需提问
1. 学会提问
譬如，五台车床属于平行关系，平衡阶段必须分开做。采集数据去证明数据变化不大，如果非要将其放在一个子组里面的话。
这些都有可能变成后期的波动源。要有计划地做头脑风暴，否则就是波动源。要考虑组内的波动源是什么？组间的波动源是什么？
2. 分组原则
原则1：子组一定是由讲究的，高度和长度一定不能在一起，时间间隔太长也不能视为同一类。
原则2：SPC的课会听到，过程稳定不代表生产合格品，子组内波动最小化，子组间波动最大化。为了保证子组内数据是同一组，就采用时间间隔更小的、物理上尽量靠近的。控制图要有一定敏感性，就不能太宽，起不到作用。
很多地方讲到这里就不往下讲了。子组内小有个度，如果内部波动太小，像高频数据，画出来的控制限就很窄。如果最小没有个度，是否没有变化是最好呢？那么就做单值图好了。R-bar是零，做控制图就没有意义。所以，对于每1us都有较大变化的高频传输信号，就不适于做SPC，连分组都不适用。
原则3：组间波动最大化。我要看变化合不合理，如果变化不明显，也无意义。如果绘制出的均值图全部集中在1Sigma范围内，根本不会报警。
原则4：噪音和信号。噪音是系统里带的、随机波动、普通原因造成的；信号是异常原因造成的波动。均值时是在消除噪音，而不是消除信号。平均是相对惰性的指标，把最大值的向下拉，最小值的向上拉，一平均就消掉了。系统原因造成的往往很复杂，不用去找。信号是很重要的。
原则5：数据的决策用途。要根据我们研究的方向来分组，对业务有帮助。如果无帮助，也就是画个美术作业而已。
原则6：要有个作业流程，否则可靠性得不到保证。
有些专家在讲解时，往往会举这种例子：某作业人员昨天晚上打麻将或者跟媳妇吵架，导致第二天操作生产设备时发生不正常，试图将异常的发生归因于人的心理变化。其实人都有这样一个心理，自己做得不好的地方，尽管心理可能承认，但不愿意表达出来。因此，如果将一些产品异常向心理原因去归因，那么往往是没有结果。
问题：
1. 有设备和班级，是否都要分开？
把平行的过程单独分开，A设备和B设备就要分开。而班组是个时序概念，A班和B班换班，看班组之间的差异，没有必要把班组分开出来。
2：数据链差异规则是否同时适用于R图和X-bar图？
所有的判异规则都可以适用于这两张图。
3. 一模多穴生产过程，如果SPC按每个穴位分开做，那么向客户提交的Cpk也是按每个穴位能力分开提交吗？
如果是客户要求，或者第三方审核，你可以只拿一个最稳定的给他看。审核时，如果审核员要求就把控制限画成公差限，除非有能力说服审核员，那么，你还是乖乖听着他的。做审核的不一定有你懂，可能连SPC手册都没看过。
4. 如果非正态的时候，像控制图是否可以继续用A2,D3,D4,B3,B4来计算控制图？
？？？
本节小结：
结合背景是对知识巩固的最好方法，没必要专门学一个软件。如果单位没有提供学6Sigma或者DOE的机会，自己买了书学习基本只能学到软件操作，往往没有权限去操作，就会忘掉其中的基本逻辑。因此，一定要在实践中运用。
