质量指标总览：常见指标分类与选用原则

做批次质控，第一步不是定阈值，而是搞清楚：我们到底该看哪个指标？

我见过不少团队，一上来就盯着不良率猛算，结果发现过程明明很稳，不良率却忽高忽低——后来才明白，那只是抽样波动，不是真问题。指标选错了，后面所有分析都是白搭。

这一节，我把这么多年摸爬滚打见过的、用过的指标归了归类，再聊聊怎么选。你想想看，指标就像尺子，量长度用卡尺，量温度用热电偶，乱用肯定不对。

指标的三条腿：过程、结果、能力

我个人习惯先把指标分成三大类。不是拍脑袋分的，是按它们在质控闭环里扮演的角色：看过程是否受控、看结果是否达标、看能力是否够用。

类别	典型指标	核心关注点	适用场景
过程指标	均值控制图、极差控制图、移动极差	过程是否稳定，有没有特殊原因变异	日常监控、异常预警
结果指标	不合格率（p）、缺陷数（c）、单位缺陷数（u）	批次最终质量是否合格	出货判定、客户汇报
能力指标	Cp、Cpk、Pp、Ppk	过程在公差范围内的潜在表现	工艺验证、供应商审核

这三类指标不是互斥的，我更愿意把它们看成不同层级的“透镜”。你在现场巡检，看控制图就够了；到了月度质量报告，客户问的是PPM；做工艺改进，Cpk才是硬通货。

细分类：常见指标家族

上面是大类，实际工作中我常遇到下面这些具体指标。按统计量再分一分，心里更有数。

1. 位置类指标

• 样本均值（\(\bar{x}\)）：最常用的中心位置估计。注意，批次质控里样本量不能太小，否则均值对异常不敏感。
• 中位数：对异常值鲁棒，小样本时偶尔用。我个人习惯在自动化产线上用中位数控制图，因为计算快，而且抗干扰。
• 众数：很少直接用，除非你想找最常见的缺陷类型。

2. 离散度类指标

• 极差（R）：简单粗暴，但效率低。n=2~5时用，样本大了极差会漏信息。
• 标准差（s或σ）：最精确，但计算稍麻烦。现代系统里不成问题。
• 移动极差（MR）：单个测量值的批次，或者连续生产过程，用这个组合均值控制图。

3. 合格率/缺陷类指标

• 不合格品率（p）：计数型的核心。注意需要二项分布假设，样本大小要够。
• 缺陷数（c）：适合Poisson分布，比如一个批次里的表面瑕疵数。
• 单位缺陷数（u）：规格不一样时用，比如不同面积的PCB板，缺陷数除以面积归一化。

4. 能力指数类

• Cp / Cpk：过程在稳态下的能力，短期。要求控制图显示受控。
• Pp / Ppk：长期性能指数，包含所有变异。供应商经常用这个，因为不需要过程受控。
• σ水平（Z）：六西格玛里常用，Z=3对应93.3%良率，Z=6对应99.99966%。

选用原则：怎么挑合适的指标？

指标分类是死的，选才是活的。我总结了四条原则，你对照着用，基本不会跑偏。

1. 匹配控制目标：监控过程稳定性，就选控制图相关的指标；判断批次是否合格，就用p、c等；评估工艺能力，上Cpk。别拿Cpk去监控日常波动，那不是它的活。
2. 数据特性说了算：连续数据（长度、重量）用均值-极差控制图；计数数据（好坏、缺陷数）用p或c控制图。有的人硬把连续数据分成“合格/不合格”再用p图，信息损失太大，我不建议。
3. 样本大小灵活应对：子组样本n=2~5时，极差法够用；n≥10时建议用s图；单件测量用移动极差。没考虑样本容量就套公式，结果可能虚高或虚低。
4. 业务理解优先：指标再漂亮，如果业务部门不认，就是废纸。比如客户合同里写的是PPM，你汇报Cpk，人家不买账。先对齐规则，再谈技术。

指标分类与选用逻辑图

我把上面的内容画成一张总览图，方便你记忆。核心就是从数据出发，先分数据类型，再选对应大类，最后结合业务定具体指标。

图里的路径就是我的日常操作：拿到数据先看是连续还是计数，然后根据样本大小选控制图；等过程稳定了，再算能力指数。最后一步，一定要跟业务对齐：客户要PPM？那Cpk再好看也得转换成PPM。

避坑指南：三个我踩过的坑

指标选择不难，但容易掉坑。我把自己犯过的错列出来，你别再走一遍。

• 坑一：用能力指数监控日常。曾经有同事每天算一次Cpk，过程一波动就报警，搞得现场很紧张。其实Cpk是长期稳定后的能力表征，日波动看控制图就够了。能力指数不适合高频慢跑。
• 坑二：忽略数据独立性。有的批次数据是连续的，比如灌装量，前后相关性强。这时用常规p图会漏报，应该用自相关控制图或预白化处理。我在饮料产线上吃过这个亏，后来加了滞后图才抓到。
• 坑三：指标太多，没重点。一张报表放十来个指标，看上去全面，实际没人看。我建议每个批次只选3~5个核心指标，其余作为辅助。控制目的明确，团队才执行得到位。