过程变异性：普通原因与特殊原因、变异的来源、过程稳定性的概念

做批量验证和SPC，第一件事就是搞明白：为什么你的过程总是在“抖”？
有人跟我说“机器新、参数稳，应该很一致啊”，结果一拉数据，照样有波动。
这就是本章要聊的核心——变异性。不搞懂它，后面所有控制图、判稳规则都是空中楼阁。

1. 变异是过程的“本能”

任何过程，不管多精密，都存在变异。你想想看，同一台注塑机、同一个模具、同一个操作员，连续打出来的一百个零件，重量能完全一样吗？不可能。差别可能只有0.01克，但就是有。

我十年前在一条SMT贴片线上遇到过一件事：两台完全一样的贴片机，贴着同样的PCB，某一天其中一台的焊点高度突然波动变大。操作员说“机器没动过啊”。后来发现，是那台机器的一把飞达滚轮磨损了——这就是变异，它不打招呼就来了。

2. 普通原因 vs 特殊原因——休哈特的黄金二分法

休哈特博士把过程变异分成两类，这个分类是SPC的基石。说白了：

• 普通原因（Common Cause）：过程自身固有、大量微小因素叠加的结果。比如原材料的微小批次波动、环境温湿度的缓慢漂移、操作员手速的自然差异。这些变异始终存在，且长期稳定在一个范围内。
• 特殊原因（Special Cause）：外界偶发的、可归因的异常。比如刀具突然崩刃、操作员换了一个新手、供电电压骤降。这类变异间歇出现，一旦出现就会让过程偏离常态。

我个人的习惯是：拿到一组数据，先不急着算控制限，而是看看有没有“一眼就能看出不对劲”的点。如果有，多半是特殊原因；如果没有，大概率只剩普通原因。

3. 变异的来源——你的过程藏着多少“暗流”？

要管理变异性，就得知道它从哪来。我把来源归纳为六个维度，你对照自己的过程看看：

• 人（Man）：操作熟练度、疲劳程度、工作习惯差异。同一个作业指导书，不同人做出来的数据可能不同。
• 机（Machine）：设备精度、磨损、振动、老化。
• 料（Material）：供应商批次差异、存储时间、含水量等。
• 法（Method）：工艺参数、换型流程、测量方法。
• 环（Environment）：温度、湿度、洁净度、电磁干扰。
• 测（Measurement）：量具本身的不确定度、测量人员手法差异。

这里有个关键认知：并非所有来源都需要你操心。普通原因的贡献通常很“均匀”，你很难单独找出是哪个细微因素在作怪。但特殊原因往往对应某个具体来源，比如“3号工位下午2点突然超差”，大概率是那把刀该换了。

4. 过程稳定性——到底什么样才算“稳”？

过程稳定性（也叫统计受控状态），就是过程只受普通原因影响，没有特殊原因干扰。换句话说，过程的输出服从一个固定的分布，均值和标准差都稳定。

我记得在带教一个汽车零部件厂的项目时，对方的质量经理说：“我们的尺寸合格率99.5%，还不够稳吗？”我说：“合格率高不代表过程稳。可能今天均值偏上，明天偏下，只是刚好都在公差内。一旦过程波动方向变了，就可能一夜之间不良率飙升。” - 后来我们用控制图一画，果然，均值在游走——这是伪稳定。

怎么判断过程是否稳定？控控制图的判稳规则，简单说三点：

1. 所有点都在控制限以内（没有越界点）；
2. 点的分布是随机的，没有明显的上升、下降、周期等模式；
3. 不考虑具体数值，只看“模式”——比如连续7点单侧、连续9点同侧、连续3点中有2点靠近控制限等，都是特殊原因的“信号”。

你也许会觉得：这么多规则，记不住啊。我的经验是：先学会看“越界”和“长串同侧”这两个最敏感的，其他模式遇到了再查表。不要一开始就背八条判异规则，容易晕。

5. 一张图说清变异与稳定

下面这张图，我把刚才讲的核心逻辑串起来了。你可以把它当作本章的“思维导图”：

看懂这张图你就明白了：你的控制图如果只有左侧那些“绿点”（普通原因），过程就是稳定的；一旦出现右侧“红点”（特殊原因），就必须停下来查。很多人把精力花在消除普通原因的微小波动上，得不偿失——真正的敌人是那些“偷偷跑进来”的特殊原因。

6. 一点实战建议

最后，给你两个可立即上手的动作：

1. 拉一张控制图，先用肉眼扫描有没有“明显离群的点”或“连续同侧超过7个”。不需要复杂计算，这是第一道筛选。
2. 建立“特殊原因记录卡”：每次发现特殊原因，记录下来什么时间、什么工位、可能原因、怎么解决的。三个月后，你会发现自己过程里最脆弱的环节在哪里。

我记得有一次在客户现场，他们“查了三个月都没找到为什么每天下午3点后尺寸变差”。后来翻记录卡才发现，每天下午2:45换班，新操作员上来第一件事就是调参数——是培训不到位。这个案例让我一直保留着记录特殊原因的习惯。你也不妨试试。