2. 混炼批次波动的统计表征

混炼批次波动不能只靠“这一车看起来差不多”来判断。要把波动说清楚，必须把每批次的检测结果变成可比较、可追踪的统计量。本节以一批实际生产语境下的示例数据为对象，说明如何用均值、极差、标准差、Cp/Cpk 量化波动，并完成 X-R 控制图的绘制与判异。以下数据均为教学示例，用于演示计算与判读方法，不代表任何具体工厂的实测结果。

一、先明确统计对象与数据口径

混炼批次波动通常围绕一个关键质量特性展开，例如门尼粘度 ML(1+4)100℃、300%定伸应力、拉伸强度或硬度。统计前必须先固定三件事：特性名称与单位、抽样方式（每批取几点、是否同部位）、子组大小 n。X-R 图要求按时间顺序分成若干子组，每个子组内取 n 个测量值（常用 n=4 或 n=5），子组内反映“批内波动”，子组间反映“批间波动”。若每批只测一个值，就只能做单值-移动极差图，不能直接套用 X-R 图。

示例设定：某胶料门尼粘度目标值 M=60，规格下限 LSL=54，上限 USL=66。连续抽取 10 个子组，每个子组 n=4，数据如下（单位：门尼值）：

二、四个统计量分别回答什么问题

均值 x̄反映批次中心位置，用来判断整体是否偏离目标。10 个子组均值的总平均 x̄̄ = 60.11，与目标 60 很接近，说明中心基本受控。极差 R是子组内最大值减最小值，反映批内离散程度，对异常敏感但只用了两个端点。标准差 s利用全部数据，比极差更稳健，适合描述批内波动大小。示例中第 1 子组 s≈0.75，第 4 子组 s≈0.34，说明同样均值接近时，批内均匀性差别可能很大。Cp/Cpk则把波动与规格联系起来：Cp 只看能力宽度，Cpk 还考虑中心偏移。

计算时先求平均极差 R̄ = (1.7+1.2+1.9+0.8+1.2+1.2+1.1+0.9+0.7+1.2)/10 = 1.19。用 R̄/d₂ 估计批内标准差（n=4 时 d₂=2.059），σ̂ = 1.19/2.059 ≈ 0.578。于是 Cp = (USL−LSL)/(6σ̂) = 12/(6×0.578) ≈ 3.46；Cpk = min[(66−60.11),(60.11−54)]/(3×0.578) ≈ min(5.89,6.11)/1.734 ≈ 3.40。数值较高说明相对规格而言过程能力充足，但这只是示例数据，真实评估必须用足够多的子组并确认过程稳定。

三、X-R 控制图的绘制与判异

X-R 图由上下两张图组成：上图为子组均值图，下图为极差图，横轴为子组序号，纵轴分别为 x̄ 和 R。控制限用 R̄ 和系数计算：均值图 UCL = x̄̄ + A₂R̄，LCL = x̄̄ − A₂R̄；极差图 UCL = D₄R̄，LCL = D₃R̄。n=4 时 A₂=0.729，D₄=2.282，D₃=0。代入得：均值图 UCL≈60.98，LCL≈59.24；极差图 UCL≈2.72，LCL=0。

把 10 个子组的 x̄ 与 R 依次点入图中，观察是否越限或呈现非随机模式。常用判异规则包括：1 点超出控制限；连续 7 点位于中心线同侧；连续 6 点递增或递减；连续 3 点中有 2 点落在同侧 2σ 以外。示例中第 8 子组均值 61.55 已超过 UCL 60.98，属于第 1 条判异，应优先排查该时段是否有换料、称量偏差、排胶温度异常或取样代表性不足。极差图未见越限，说明批内波动本身尚可，问题更可能出在批间中心漂移。

四、把统计结果落到排查动作上

统计表征的价值在于把“波动大”拆成可行动的方向。若均值图越限而极差图正常，优先查批间中心漂移：生胶批次差异、炭黑称量、油料温度、排胶门尼目标设定、取样时间点是否一致。若极差图越限或连续偏大，优先查批内均匀性：投料顺序、混炼时间、转子转速、冷却水温度、压砣压力是否稳定。若 Cp 足够而 Cpk 偏低，说明能力被中心偏移吃掉，应先校正中心再谈压缩波动。

完成一组数据的分析后，建议形成一张可复用的批次波动分析记录：记录特性、规格、子组大小、x̄̄、R̄、σ̂、Cp、Cpk、控制限、判异子组号及初步原因。这样下一批数据到来时，可以直接对比控制限与判异结果，而不是每次从零开始。需要强调的是，控制限应由稳定过程的数据建立，发现异常后应先剔除可查明原因的子组再重算，不能把异常点留在基线里反复使用。

综上，均值看中心、极差与标准差看离散、Cp/Cpk 看能力与偏移、X-R 图看时间顺序上的异常模式。四者配合，才能把混炼批次波动从“感觉不稳定”转化为可量化、可判异、可追踪的质控语言。