统计过程控制

01

真实变化对正常噪声

整个领域都建立在一次重新框定之上。在 SPC 之前，人们对每一次起落都做出反应——糟糕的一天的数字会 触发一阵手忙脚乱去「修」点什么，即便其实什么都没变。休哈特的洞见是：一个稳定的过程仍然会 变化，而把那种固有的变异当作信号来反应——瞎调——通常把过程弄得更糟、 而非更好。SPC 的工作是划出一条有原则的线：这么多抖动是正常的，别去动它；那个是一个真正的 信号，去调查它。

02

常因对特因

那个奠基性的区分——而且可以说是运营分析里最有用的单一想法：

• 常因变异——一个稳定过程自然、固有的抖动。许多微小的、无处不在的影响（条件、材料、 时机上的细微差别）。它在范围上是可预测的，即便任何单个值不是，而它不值得去追——这就是这个过程本来的样子。
• 特因变异——一个不寻常的、可归因的原因：真有什么变了（一个新供应商、一件 坏掉的工具、一次过程变更）。这产生一个落在正常范围之外的值（或模式），而它确实值得调查——有一个真实的原因可找。

一个只表现出常因变异的过程是受控的（稳定且可预测）；一个有特因变异的过程是失控的（有要采取行动的东西）。SPC 的全部机制，都是为了可靠地把这两者分开——好让你只在 真有要行动的东西时才行动。

03

控制图

把这一切落地的工具是控制图：随时间画出这个指标，配上三条参考线——一条在过程平均值处的中心线，以及标出正常变异边界的上、下控制限（UCL/LCL）。

只要点在界限内毫无规律地跳来跳去，过程就是受控的——那只是常因噪声，正确的行动是无。当一个 点越过一条界限，那就是一个值得调查的特因信号。这张图把一个模糊的「那看起来偏高」变成一条有原则、 可重复的决策规则。

04

为什么是三西格玛？

控制限按惯例设在中心线加减过程的三个标准差处：

为什么是三？这是一个深思熟虑的成本取舍，而认识到这一点是用好 SPC 的关键。对于 大致呈钟形的数据，只有约 0.3% 的点会偶然落在 ±3σ 之外——所以一次越界很可能是一个真实的 信号，而非运气。把界限设得更紧（±2σ），你会更早捕捉到真实的偏移，但你也会得到多得多的假警报——而对那些做出反应（瞎调）会浪费力气并使过程失稳。

05

单次越界之外的信号

一个落在界限之外的点是显而易见的信号——但一个过程可能以没有任何单个点能捕捉的方式漂移。西部电气规则（以及纳尔逊的）增加了一些模式，即便每个点都在界限之内，也会 标记出一个特因：

• 连续好几个点全都在中心线同一侧的一连串（过程已经偏移）。
• 点稳定地向上或向下行进的一个趋势（逐渐的漂移）。
• 太多点聚集在远离中心之处，或其他非随机的模式。

贯穿始终的逻辑都一样：一个稳定的过程在中心周围应当看起来随机。任何非随机的模式——一连串、一个趋势、一个周期——都是某种系统性东西的指纹，即一个特因，甚至在 一个点越界之前。SPC 既是关于发现结构，也是关于发现离群值。

06

针对小而慢的偏移的图

经典的 休哈特图只用当前的点，这使它非常擅长捕捉大的突然偏移，却迟于注意到 一个小的持续漂移。为此，有两种图使用历史：

• CUSUM（累积和）——累加偏离目标的运行中偏差，于是即便一个小的、一致的偏倚也会累加成 一个清晰的信号。
• EWMA（指数加权移动平均）——一个强调近期点的加权平均（与时间序列同样的平滑想法），对逐渐的移动敏感。

两者都被调来捕捉休哈特图会错过的慢漂移——你为你所担心的那种变化挑选图。（还有针对不同 数据的图类型：测量值用 X-bar/R 图，比例用 p 图。）

07

它在我工作中的体现

08

60 秒回顾

常因/特因的框架、±3σ 控制图、西部电气规则，以及用于小偏移的 CUSUM/EWMA，反映了当前的 SPC 参考 文献以及质量课程。