4. 质量数据探索性分析
在完成数据接入与清洗之后，质量数据分群与批次对比工程进入第一个真正“看数据”的阶段——探索性分析。它的目标不是立刻给出结论，而是用一组相互配合的图形与统计量，把数据的形状、变量之间的牵连、批次之间的差异以及时间上的走向暴露出来，从而把“哪里可能有问题”变成可验证的线索。本节围绕四类动作展开：分布诊断、相关性分析、批次间初步差异可视化、趋势识别与问题线索发现。
一、分布诊断：先看形状，再看位置与离散
分布诊断回答三个问题：数据集中在哪、离散多大、形状是否异常。对连续型质量特性（如轴径、抗拉强度、厚度），建议同时看直方图、箱线图与关键分位数。以某注塑件关键尺寸为例，规格为 20.00±0.10 mm，抽取 200 件样本，计算得到均值 20.03 mm、标准差 0.028 mm、中位数 20.02 mm、P1=19.96 mm、P99=20.11 mm。均值略高于中位数，直方图右尾略长，提示可能存在轻微右偏。
判断偏态与峰度时，可用偏度系数与峰度系数辅助：偏度绝对值大于 1 通常认为明显偏斜；峰度显著大于 0 提示尖峰或重尾。若直方图出现双峰，往往意味着数据中混入了两个不同总体，例如两台设备、两批原料或两个班次，这正是后续分群的直接线索。分布诊断还要关注“离群点”与“物理边界”：若某尺寸出现负值或超过材料极限，应优先怀疑测量或录入错误，而不是直接当作过程波动。
二、相关性分析：识别变量之间的牵连
相关性分析用于判断两个或多个质量特性之间是否存在同向或反向变化。对连续变量，常用 Pearson 相关系数 r（线性关系）与 Spearman 秩相关系数 ρ（单调关系）。r 的取值在 -1 到 1 之间，绝对值越接近 1 关系越强。例如某工艺中，熔体温度与制品收缩率计算得 r=-0.72，说明温度升高时收缩率趋于下降；而保压压力与重量计算得 r=0.81，说明压力升高时重量趋于增加。
但相关系数不等于因果，也不等于可预测。分析时要注意三点：第一，先画散点图，避免被少数离群点拉高或拉低 r；第二，区分“相关”与“共因”，例如两者都随环境温度变化而同步变化；第三，对多变量场景，可用相关矩阵热力图快速扫描，再对强相关变量对做进一步回归或分层分析。若发现某两个变量高度相关，后续建模时应考虑共线性，避免重复解释同一份信息。
三、批次间初步差异可视化：把“批次”当作第一分层变量
批次对比是质量数据分群的核心场景。初步差异可视化常用分组箱线图、分组小提琴图、均值-极差图以及批次均值点图。以三个批次 A、B、C 的抗拉强度为例（示例数据）：A 批均值 512 MPa、标准差 9 MPa；B 批均值 498 MPa、标准差 14 MPa；C 批均值 505 MPa、标准差 6 MPa。分组箱线图会直观显示 B 批中位数偏低且离散更大，C 批最稳定。
仅看均值容易漏掉“均值相同但分布不同”的情况，因此建议同时输出批次的分位数表与离散指标。若某批次标准差明显偏大，优先排查设备参数漂移、换料或人员操作差异；若某批次均值整体偏移，优先排查原料批次、模具磨损或环境条件。批次差异可视化还应标注规格上下限，让“差异是否影响合格判定”一目了然。
四、趋势识别：把时间维度纳入判断
趋势识别关注质量特性随时间的变化方向与速率。常用手段包括时间序列折线图、移动平均、指数平滑与控制图。以某产线连续 30 天的过程均值监控为例，前 15 天均值稳定在 20.02 mm 附近，第 16 天起缓慢上升，第 25 天达到 20.07 mm，接近规格上限 20.10 mm。此时即使单点未超限，连续 7 点递增也构成“趋势异常”信号，应提前干预。
趋势识别要区分三类变化：随机波动、周期性波动与趋势性漂移。随机波动通常落在控制限内且无规律；周期性波动与班次、换模、环境温度相关；趋势性漂移往往指向刀具磨损、催化剂衰减或设备老化。建议在图上同时标注换料、换模、维修等事件，便于把“变化点”与“操作事件”对齐。
五、问题线索发现：从图形到可验证假设
探索性分析的最终产出不是一堆图，而是一组可验证的问题线索。每条线索应包含：现象描述、涉及变量、涉及批次或时间段、初步怀疑方向、验证方式。例如“B 批抗拉强度均值偏低 14 MPa 且标准差偏大”，可转化为假设“B 批原料含水率偏高导致强度下降”，验证方式是调取 B 批原料检验记录并做分组对比。再如“熔体温度与收缩率 r=-0.72”，可转化为“温度每升高 5℃，收缩率约下降 0.02%”的量化假设，再用回归验证。
把上述四类动作串起来，就形成了一条从“看数据”到“找线索”的完整路径：分布诊断发现形状异常，相关性分析发现变量牵连，批次差异可视化发现分层结构，趋势识别发现时间漂移，最终汇聚成问题线索池，再回到工艺、设备、原料、人员、环境五个方向逐一验证。下一阶段的分群建模与批次对比，正是建立在这些线索之上的。