📚 课程目录第2章 SPC数据采集与质量特征

2. SPC数据采集与质量特征

SPC控制图能否真正发挥作用，取决于一个常被低估的前提：进入控制图的数据本身是否可信、是否满足统计假设。控制图算法再正确，如果采集到的数据混入了不同工艺条件、不同班次、不同设备的产品，或者把计量型数据错误地按计数型处理，得到的控制限和判异结论都会失真。本节围绕数据采集这条主线，讲清数据类型、合理子组、抽样策略、采集表设计以及现场常见错误。

一、计量型数据与计数型数据

计量型数据是连续测量得到的数值，如轴径 25.012 mm、温度 186.4 ℃、电阻 10.03 kΩ、拉力 312.5 N。它保留了完整的量值信息，既能反映均值位置，也能反映波动大小，因此对过程偏移的灵敏度最高。计量型数据通常配合 X̄-R 图、X̄-s 图、I-MR 图使用，子组容量一般取 4～5 个（X̄-R）或 5～10 个（X̄-s）。

计数型数据是按“合格/不合格”“有/无缺陷”判定的离散数据，分为计件型（不合格品数，如 200 件中 7 件不合格）和计点型（缺陷数，如每台产品表面 3 个划痕）。计数型数据采集成本低、判定快，但信息量少，需要更大的样本量才能获得同等灵敏度，通常配合 p 图、np 图、c 图、u 图使用。选择原则是：能测量就不要只判定，能用计量型就不要退化为计数型；只有当特性无法量化（如外观色差、装配到位与否）或全检成本过高时，才使用计数型。

二、合理子组：控制图的统计基石

合理子组的核心思想是：组内只包含普通原因引起的随机波动，组间才允许存在我们希望检出的特殊原因。如果组内混入了不同班次、不同设备、不同批次的产品，组内变异被人为放大，R 值偏大，控制限被撑宽，真实的过程偏移反而检不出来；反之，如果组间取样过于集中，特殊原因无法体现，控制图会长期“假稳定”。

构造合理子组要回答一个问题：什么条件下生产出来的产品，才算是“同一过程”的产物？通常按“同一设备、同一班次、同一操作员、同一批原材料、连续生产”来界定组内同质性。例如某注塑工序监控产品重量，规定每 30 min 从机台连续取 5 模产品作为一个子组，这 5 件来自同一模温、同一料筒状态，组内同质；而不同时间点的子组之间跨越了模温漂移、换料等潜在变化，正是控制图要捕捉的对象。子组容量 n 与抽样频率需要权衡：n 越大越容易检出小偏移，但单次测量成本和“组内同质”的维持难度也越大。

三、抽样策略：频率、容量与方式

抽样频率应保证在两次抽样之间，过程即使发生偏移也能被及时发现。常用做法是按时间定间隔（如每 30 min、每 2 h）或按产量定间隔（如每 500 件、每 1000 件）。当过程能力较低或历史波动较大时，应缩短间隔；过程稳定且能力充足时可适当放宽，但不宜超过一个班次。

抽样方式上，随机抽样能代表整体，但可能漏掉短时突发异常；连续抽样（在同一时间点连续取 n 件）能反映瞬时波动，是 X̄-R 图的常用方式；分层抽样则按设备、班次、批次分别取样，用于识别层间差异。实际中常把连续抽样与分层结合：每个班次内连续取子组，班次之间形成分层对比。

四、数据采集表设计

采集表是数据质量的“第一道闸门”。设计时应遵循四条原则：现场可手写、字段可追溯、异常可记录、录入可校验。一张可用的采集表至少包含：日期与时间、班次、设备编号、操作员、产品名称与批次、特性名称、规格上下限（USL/LSL）、子组内各测量值、量具编号、异常备注。规格限必须印在表上，避免事后凭记忆补填；量具编号用于追溯测量系统；异常备注栏用于记录换料、调机、停电等事件，这些信息在后续判异和原因分析时价值极高。

下面给出一份可直接参考的采集表字段示例（示例参数，非实测数据）：

日期: 2024-06-12   班次: 白班   设备: INJ-03   操作员: 张伟
产品: 外壳A   批次: B240612-2   特性: 重量(g)   USL=52.0  LSL=48.0
量具: 电子秤 SC-07（校准有效期 2024-09-01）

时间     1      2      3      4      5     均值    极差   备注
08:30  50.1   49.8   50.3   49.9   50.0   50.02   0.5
09:00  50.2   50.0   49.7   50.1   49.9   49.98   0.5
09:30  50.4   50.6   50.3   50.5   50.2   50.40   0.4   换料
10:00  50.3   50.5   50.4   50.6   50.4   50.44   0.3

录入时应对均值、极差做自动计算与范围校验，例如极差为负或均值超出规格限时立即提示，防止手误进入控制图。

五、常见采集错误与现场案例

现场最常见的错误有五类：一是混组，把不同班次或不同机台的产品放进同一子组，导致 R 值虚高、控制限过宽；二是选择性取样，只取外观好、尺寸稳定的产品，掩盖真实波动；三是量具未校准或分辨力不足，测量值本身不可信；四是数据类型误用，把本可测量的尺寸只记成“合格/不合格”，损失信息量；五是记录不完整，缺少时间、批次、异常备注，判异后无法追溯原因。

案例：某冲压车间监控零件厚度，操作员为图方便，每天上午把前一天三个班次的产品各取 2 件凑成一个 n=6 的子组。结果 R 值长期偏大，X̄-R 图控制限明显宽于实际过程波动，一次真实的模具磨损导致的缓慢上升被“淹没”在宽控制限内，直到客户投诉才发现。整改措施是按班次分别取样、每 2 h 连续取 5 件，并重新计算控制限，异常随即被 X̄ 图的连续上升趋势判出。

采集环节的自检清单：子组内是否同设备、同班次、同批次？抽样间隔是否覆盖了过程可能变化的时间尺度？量具是否在校准有效期内且分辨力满足 1/10 原则？规格限、异常备注是否当场填写？数据类型是否与控制图类型匹配？

把数据采集做扎实，后续的控制限计算、判异规则和过程能力分析才有意义。数据源头的同质性、可追溯性和完整性，是 SPC 从“画图”走向“管过程”的分水岭。