控制图作成以后，我们会根据图上的趋势，判断过程是否可能有特殊原因（Special Cause）介入，使流程脱离原本的统计控制状态。
比较常见的判断方法就是 Nelson Rules，也就是大家常说的 SPC 八大判异规则。
不过，实际使用时有一个很重要的问题：这八条规则是不是应该全部开启？
答案是不一定。规则越多，控制图当然越敏感，但误报机会也会增加。因此，在了解八大原则之前，先要知道每一条规则到底在看什么。
一、任一点超出 3σ 控制界限
这是最基本、也是最常用的一条规则。
只要有一个数据点超过上控制界限 UCL 或下控制界限 LCL，也就是距离中心线超过 3σ，就应该调查是否有特殊原因出现。
例如设备突然异常、原材料改变、调机错误或测量问题，都可能造成这种明显偏离。
二、连续九点落在中心线同一侧
即使所有数据都没有超过控制界限，如果连续九点全部位于中心线同一侧，也可能代表过程平均值已经发生偏移。
例如原本过程平均值稳定在某个位置，但换了一批材料之后，整个过程开始稳定地偏高，这时就可能触发这一规则。
三、连续六点持续上升或下降
这条规则主要用来寻找趋势。
如果连续六个点一直上升，或者一直下降，就可能代表某个因素正在逐渐改变过程。
比较典型的例子是刀具磨损、设备温升、化学浓度变化，或者机器随着运行时间逐渐产生漂移。
四、连续十四点交替上升和下降
如果数据连续出现一高一低、一高一低的锯齿形变化，而且持续十四点，也值得调查。
这种情况有时表示过程受到周期性因素影响，例如两台机器轮流生产、两个操作员交替作业，或者系统存在过度调整的问题。
五、连续三点中有两点落在同一侧 2σ 之外
这条规则比单纯等待数据超过 3σ 更敏感。
虽然数据还没有超过控制界限，但如果连续三点中有两点已经进入同一侧距离中心线超过 2σ 的区域，就可能表示过程开始发生偏移。
它的优点是可以更早发现变化，但同时也会增加误报机会。
六、连续五点中有四点落在同一侧 1σ 之外
这条规则也是为了寻找较小但持续的过程偏移。
单独一个点超过 1σ 很普通，但如果连续五点中有四点都集中在中心线同一侧，并且超过 1σ，就不像单纯的随机波动。
这通常说明过程中心可能正在改变。
七、连续十五点全部落在中心线 ±1σ 以内
很多人第一次看到这条规则都会觉得奇怪：数据全部集中在中心线附近，不是很好吗？
其实不一定。
如果一个过程原本有一定程度的正常波动，但突然连续十五点都非常集中，说明过程的变异结构可能已经改变。
这可能是改善成功，也可能是数据分层、测量分辨率不足，或者取样方式发生变化。
所以，触发这一规则并不代表过程变差，而是提醒我们：过程可能变得和以前不一样了。
八、连续八点都落在 ±1σ 之外，并分布在中心线两侧
这条规则主要用来寻找混合分布或分层现象。
例如你把两台机器、两个供应商或者两个班次的数据放在同一张控制图中，就可能出现数据集中在中心线两边，却很少落在中间区域的情况。
这时问题可能不是某一个异常点，而是你实际上把两个不同的过程混在了一起。
SPC八大规则应该全部开启吗？
不一定。
最基本的通常是第一条，因为单点超过 3σ 是最经典的失控信号。如果特别担心过程平均值偏移，可以加入第二条；如果设备存在明显磨损或漂移，可以考虑第三条。
第四到第八条则更适合根据实际过程特点来决定是否使用。
如果软件里面八条规则全部开启，控制图会更加敏感，但也更容易不断出现报警。长期下来，现场人员可能产生「报警疲劳」，真正重要的信号反而容易被忽略。
所以，更合理的做法不是问：
「八条规则应该开哪几条？」
而是问：
「这个过程最可能发生什么类型的变化，我希望控制图帮我尽早发现什么？」
出现异常信号，不一定代表过程变差
这也是理解 SPC 很重要的一点。
控制图出现异常，只能说明当前的数据模式与原先稳定过程有所不同，并不代表产品一定变差。
有时候过程平均值偏移，是坏事；有时候标准差变大，也是坏事。但也有可能改善之后，数据明显变得更集中，反而触发了某些判异规则。
如果趋势变差，我们当然要调查特殊原因。
但如果趋势变好，同样值得研究。企业应该找出为什么会变好，并把成功方法标准化，变成新的正常状态。
所以我其实不太喜欢把这些规则单纯称为「判异规则」。
更准确地说，它们是在提醒我们：
过程可能发生了值得调查的变化。
SPC真正的价值，也不是把所有红点抓出来，而是帮助我们更早发现过程正在发生什么。
热门跟贴