4. 节拍异常的表征与分类

在节拍异常诊断中，最先要解决的问题不是“为什么异常”，而是“这属于哪一类异常”。同一段产线数据，可能同时包含正常的随机波动、缓慢的设备劣化、一次性的停线冲击，以及由排班或物料批次引起的周期性延迟。如果一开始就把它们混在一起看，后续的因果分析几乎必然走偏。因此，本节的核心任务是把节拍时间序列转化为可比较、可分类的表征量，并借助控制图、移动极差和简单统计量完成初步归类。

一、四类典型异常模式的表征

从工程诊断角度，节拍异常通常可归纳为四种基本模式，它们各自对应不同的统计特征和物理成因。

周期波动表现为节拍围绕均值上下交替，波动幅度相对稳定，自相关函数在特定滞后阶数出现峰值。典型成因包括多工位交替作业、双班次节奏差异、供料批次切换等。其关键表征量是波动周期 T 和峰谷差 ΔC。

趋势漂移表现为节拍均值随时间缓慢单调上升或下降，短期内相邻点差异不大，但长期累积变化显著。常见于刀具磨损、传送带张力衰减、操作员疲劳等渐进过程。关键表征量是漂移斜率 k（秒/件或秒/小时）和累计偏移量。

突变表现为某一时刻节拍均值发生阶跃式跳变，前后两段各自相对稳定，但水平不同。典型成因是换型、设备故障修复后参数未复原、工位人员更换等。关键表征量是跳变时刻 t₀ 和跳变幅度 Δμ。

周期性延迟是周期波动的一种特殊形式，表现为每隔固定件数或固定时间出现一次明显高于基线的延迟尖峰，尖峰之间节拍基本正常。常见于定期点检、周期性补料、每 N 件抽检等。关键表征量是延迟间隔 N 和尖峰超限量。

二、控制图与移动极差：把“看起来异常”变成“统计上异常”

仅凭肉眼观察曲线容易把正常波动误判为异常。工程上常用单值-移动极差控制图（I-MR 图）来建立判断基线。设节拍序列为 C₁, C₂, …, Cₙ，移动极差定义为相邻两件节拍之差的绝对值：MRᵢ = |Cᵢ − Cᵢ₋₁|。单值图的中心线 CL 取样本均值 C̄，移动极差图的中心线取 MR̄。

以某装配工位连续 20 件的节拍数据为例（单位：秒）：42.1, 41.8, 42.5, 41.9, 42.3, 42.0, 41.7, 42.4, 42.2, 41.6, 42.6, 42.1, 41.9, 42.3, 42.0, 41.8, 42.5, 42.2, 41.7, 42.4。计算得 C̄ ≈ 42.1 s，MR̄ ≈ 0.62 s。按常用系数，单值图控制限为 C̄ ± 2.66·MR̄，即约 40.45 s 至 43.75 s；移动极差图上控制限为 3.267·MR̄ ≈ 2.03 s。若某点超出单值控制限，或移动极差连续多点偏高，即可判定为统计异常，而非正常随机波动。

需要强调的是，控制图只能回答“是否异常”，不能直接回答“属于哪一类”。分类还需要结合游程检验、自相关和分段均值比较。

三、简单统计量驱动的初步分类规则

在获得控制图判异结果后，可用以下统计量组合完成初步分类。设序列长度为 n，均值为 μ，标准差为 σ，一阶自相关系数为 ρ₁，分段均值差为 Δseg。

实际诊断时，建议按“先控制图判异、再统计量分类、后物理验证”的顺序推进。例如，若 I-MR 图显示第 11 点超出上控制限，同时移动极差在该点附近骤增，而分段均值差 Δseg 达到 3σ 以上，则可初步归为突变；随后应核查该时刻是否发生换型或参数调整。若控制图未超限但游程数明显偏少、斜率 k 持续为正，则应归为趋势漂移，优先检查磨损类渐进因素。

四、分类结果如何支撑后续诊断

完成初步分类后，诊断方向会大幅收窄。周期波动应优先排查排班、供料和工位交替逻辑；趋势漂移应优先检查磨损、温漂和疲劳因素；突变应回溯换型记录、维修日志和参数变更；周期性延迟则应核对点检计划、补料周期和抽检频次。分类不是终点，而是把无限可能的因果空间压缩到有限假设集的关键一步。只有分类准确，后续的根因定位才不至于在错误方向上反复试错。

最后需要提醒：控制图和统计量给出的是“疑似类别”，最终分类仍需结合现场记录和工艺知识确认。统计异常不等于物理故障，但统计正常也不等于没有隐患——趋势漂移在早期往往尚未触发控制限，却已经具备明确的工程意义。因此，建议将控制图判异与斜率监控并行使用，对渐进类异常保持更高敏感度。