4. 控制图类型选择与食品场景匹配

控制图选型是SPC落地中最容易出错、也最影响后续判断的一步。选错图型，不是“图不好看”，而是会把正常波动误判为异常，或把真实异常淹没在错误的控制限里。选型的核心只有两个问题：我要监控的是计量型数据还是计数型数据？每次取样的子组大小是否固定、是否大于1？把这两个问题回答清楚，七种常用控制图的归属就基本确定了。

一、先分清计量型与计数型

计量型数据是“量出来的”，如水分含量、净含量、pH值、菌落总数对数值、酸度、硬度，带有连续数值和单位，信息量大，通常子组样本量较小就能灵敏发现偏移。计数型数据是“数出来的”，如不合格品数、不合格品率、每袋瑕疵点数、每平方米异物数，本质是“合格/不合格”或“缺陷个数”的统计，需要较大样本量才有足够检出力。

计量型对应四张图：Xbar-R、Xbar-S、I-MR，以及它们的变体；计数型对应四张图：p、np、c、u。注意Xbar-R与Xbar-S是“子组均值+子组内变异”两张图配对使用，I-MR是“单值+移动极差”配对使用，实际使用时必须成对看，不能只看均值图。

二、七种图型的适用条件

几个易混点需要特别强调。第一，Xbar-R与Xbar-S的分界不是绝对的9和10，工程上常以n=8~10为过渡区，n≤8用R图更简便，n≥10用S图更有效，因为大子组时极差R只用了首尾两个数据，浪费了中间信息。第二，I-MR适用于“每批只能得到一个测量值”的场合，比如破坏性检测、混合样检测、批次级指标，此时用移动极差MR来估计批间波动。第三，p图与np图的区别只在样本量是否固定：样本量固定用np更直观（直接看不合格品数），样本量变化必须用p图，否则控制限会失真。第四，c图要求检验单元大小一致，u图允许单元大小变化，按“单位缺陷数”折算。

三、食品QC检测项目与图型匹配案例

以一家乳制品工厂的日常监控为例，可以形成如下匹配逻辑：净含量每批抽5袋，属于计量型、子组n=5，选Xbar-R，同时看均值是否偏移和袋间差异是否变大；水分含量每班抽12个样，n=12，选Xbar-S；酸度每釜只取1个混合样，n=1，选I-MR；封口不良率每日抽检量随产量波动，选p图；若固定每批抽100袋统计漏气数，则用np图；菌落总数按每块标准平皿计数，检验单元固定，用c图；包装袋表面异物按不同规格袋面积折算，用u图。

再看一个容易踩坑的例子：某企业用Xbar-R监控每批只取1个样的菌落总数，把单值当成子组均值，R图无法计算，控制限完全错误。正确做法是改用I-MR，用相邻批次差值构造移动极差。另一个常见错误是样本量从50变到200仍用np图，导致控制限偏窄、频繁报警，应改为p图。

四、选型后的落地要点

确定图型后，还要落实三件事。其一，明确子组划分逻辑：同一子组内的样品应来自“同一生产条件”，如同一批次、同一班次、同一锅，这样R图或S图反映的才是短时波动，均值图反映的是过程中心偏移。其二，确定合理的抽样频率与样本量：计量型子组n=5、每小时一次是常见起点；计数型要保证每个子组期望不合格数不少于5，否则p图、np图的正态近似不成立，应改用精确方法或增大样本。其三，控制限必须基于稳定过程的数据计算，先剔除已知异常点，再重新计算，不能把异常数据直接纳入基线。

最后要强调，图型选择服务于监控目的。若关注的是“批与批之间是否稳定”，I-MR更合适；若关注“批内一致性”，Xbar-R或Xbar-S更敏感；若关注“整体不良水平”，p图更直观；若关注“缺陷密集程度”，c图或u图更贴切。把检测项目的数据结构、抽样方式和监控目的三者对齐，控制图才真正成为食品QC的判断工具，而不是一张贴在墙上的曲线。