一直被忽视的：测量精度对控制图异常判定的影响

质量优势

提到SPC控制图，大家都非常熟悉，其中最常用的当属X bar R控制图了。确定了控制限后，我们将收集到的数据用X bar R图来监控。



然后依据各种的异常判定条件来判定是否工艺或者产品出现了异常，以便及时采取措施，下图就是Minitab内置的X bar R图异常检验条件。



然而，在控制图的使用过程中，很容易被忽视的就是数据精度（数据精确到小数点后几位）对控制图异常判定的影响。有很多的异常其实并不是工艺或者产品出了问题，而是所收集的数据精度不够导致的。

数据精度对结果的影响


接下来我通过一个非常简单的例子来演示数据的精度如何对控制图的异常判定产生显著影响。

正常情况 - 数据精确到小数点后三位


收集到的数据精确到小数点后三位，其数据表及对应的X bar R控制图如下，图形显示过程稳定，表现良好。



精度下降 - 数据精确到小数点后两位

仍然是完全相同的测量对象，将测量精度由小数点后三位降为小数点后两位，收集的数据及绘制的X bar R图如下，控制图显示异常点频频，处于一个不稳定的状态。



数据的精度变化使得一个稳定的过程变得看上去不稳定。


为什么会出现这种现象？

测量精度与对象不匹配。从上面两张图我们都能看到X bar的水平都在0.136至0.144的范围内，其波动幅度为0.008，而在第二张图中的测量精度为0.01，不足以衡量测量对象。

精度不足将导致数据的极端化，而数据的极端化将压缩控制限的范围。以上面的极差图（R图）为例，精度的不足将使得很多数据之间的微小差异被忽略，极差变为0，从而导致极差的控制限变得比实际低，极差从0.0181变为了0.0102。



如何解决这个问题？

• 提升测量精度，最简单的做法就是把精度精确到小数点后多一位，如果当前的测量系统做不到，那就要考虑更换测量系统了。要是想知道更严谨的做法，请参考之前写过的一篇文章。
  MSA：眼见不一定为真，你的数据收集系统也会“骗”你！
  
• 样本的取样有问题。SPC的目的是监控组间差异，如果取样不当，各个数据之间只有组内差异，那么也会出现上面这个情况。例如，取样间隔时间非常短，在很短的时间内取了很多样，这些样本数据之间的差异就可能非常小，此时就不是测量精度的问题了。
  
  
  

测量精度与样本取样是SPC控制中非常容易出现问题的地方，当我们准备用SPC图当作问题分析的第一步时，有必要先检查我们的数据，以避免被错误的数据引导至不正确的方向。

关注“质量优势”，关注原创质量文章

wh_zxy1993

要想真正的改进，必须一步一个脚印，要有足够的资源来支持-----公司领导方向很重要。
很多公司表面喊质量第一，但获利不好时，各种成本节省，原物料随便换，哪个便宜用谁的;或者为了提升获利不断换便宜的材料。这样的企业就不在少数吧？

质量优势

谢谢大家的关注，很多朋友已经看出来了那种误报的SPC是之前没做MSA，但目前很多企业的质量管理现状是有些时候只知其一不知其二，这个例子给大家应用SPC提供一些借鉴。

z272939302

楼主说的很对，测量精度对控制图异常是影响很大的。但事实上，很多企业直接做SPC，都不知道做SPC前要把做MSA，cgk,cmk等，只是单纯的为了应付客户。

李星星

谢谢分享！

shinenina

为什么对比的两张图片看不到

shinenina

能看到了 不好意思 ，SPC 前没有很好的做MSA 吧 ，说明MSA 还是很有必要滴

叶平

谢谢分享。。。

海上钢琴师

budinlong

学习了

nikolaa-chen

很多公司做的控制图就是纯粹为了给人家看，自己调整数据出来的

panyinan

谢谢分享