下载文档原格式
控制图一．前言:为使现场的质量状况达成目标，均须加以管理。
我们所说的“管理”作业,一般均用侦测产品的质量特性来判断“管理”作业是否正常。
而质量特性会随着时间产生显着高低的变化;那么到底高到何种程度或低至何种状态才算我们所说的异常故设定一合理的高低界限,作为我们分析现场制程状况是否在“管理”状态,即为控制图的基本根源。
控制图是于1924年由美国品管大师修哈特博士所发明。
而主要定义即是[一种以实际产品质量特性与依过去经验所研判的过程能力的控制界限比较,而以时间顺序表示出来的图形]。
二．控制图的基本特性:一般控制图纵轴均设定为产品的质量特性,而以过程变化的数据为刻度;横轴则为检测产品的群体代码或编号或年月日等,以时间别或制造先后别,依顺序点绘在图上。
在管制图上有三条笔直的横线,中间的一条为中心线(Central Line,CL),一般用蓝色的实线绘制；在上方的一条称为控制上限(Upper Control Limit,UCL)；在下方的称为控制下限(Lower Control Limit,LCL)。
对上、下控制界限的绘制,则一般均用红色的虚线表现,以表示可接受的变异范围;至于实际产品质量特性的点连线条则大都用黑色实线绘制。
控制状态:96 品管七大手法上控制界限(UCL)中心线(CL)下控制界限(LCL)三．控制图的原理:1.质量变异的形成原因:一般在制造的过程中,无论是多么精密的设备、环境,它的质量特性一定都会有变动,绝对无法做出完全一样的产品;而引起变动的原因可分为两种：一种为偶然(机遇)原因；一种为异常(非机遇)原因。
（1）偶然(机遇)原因(Chance causes)：不可避免的原因、非人为的原因、共同性原因、一般性原因,是属于控制状态的变异。
（2）异常(非机遇)原因(Assignable causes):可避免的原因、人为的原因、特殊性原因、局部性原因等,不可让其存在,必须追查原因,采取必要的行动,使过程恢复正常控制状态,否则会造成很大的损失。
控制图(control charts)又名：统计过程控制( statistical process control)方法演变：EQ \o(\s\up5(－),\s\do2(x))计量值控制图：⎺X－R控制图（又名均值极差控制图），⎺X－s控制图，单值控制图（又名X 控制图，X-R控制图，IX-MR控制图，XmR控制图，移动极差控制图），移动均值-移动极差控制图（又名MA-MR控制图），目标偏差控制图（又名差异控制图、偏差控制图、名义值偏差控制图），CUSUM（又名累计和控制图），EWMA（又名指数加权移动平均控制图），多元控制图（又名Hotelling T2控制图）。
计数值控制图：p控制图（又名不良品率控制图），np控制图，c控制图（又名缺陷数控制图），u控制图。
两种数据都适用的控制图：短期过程控制图（又名稳定控制图或者Z控制图），组控制图（又名多属性值控制图）。
概述控制图是一种对过程变异进行分析和控制的图形工具。
数据按时间顺序绘制在图上，控制图一般有一条代表均值的中心线，一条上控制限位于中心线上方，一条下控制限位于中心线下方，这些线是根据过程数据确定的。
通过当前数据和由历史数据计算所得的控制限的比较，我们可以判定当前过程变异是稳定的（受控制）还是不稳定的（不受控制，受到某个特定因素的干扰）。
控制图分为很多种，不同的过程、不同的数据，我们采用不同的控制图。
计量值数据的控制图经常是成对应用，其中常绘制在上方的一张控制图监测均值，或者说过程数据的分布中心，而绘制在下方的一张控制图监测极差，或者说分布的波动程度。
如果借助于练习打靶的例子来说明，那么均值就是靶子上射击集中的地方，极差是射击点的离散程度。
计量值数据要成对使用控制图，计数值数据则通常只使用一张控制图就足够了。
适用场合·当你希望控制当前过程，问题出现时能察觉并能对其采取补救措施时；·当你希望对过程输出的变化范围进行预测时：·当你判断一个过程是否稳定（处于统计受控状态）时；·当你分析过程变异来源是随机性（偶然事件）还是非随机性（过程本身固有）时；·当你决定怎样完成一个质量改进项目时——防止特殊问题的出现，或对过程进行基础性的改变。
控制图(control charts)又名：统计过程控制( statistical process control)方法演变：EQ \o(\s\up5(－),\s\do2(x))计量值控制图：⎺X－R控制图（又名均值极差控制图），⎺X－s控制图，单值控制图（又名X 控制图，X-R控制图，IX-MR控制图，XmR控制图，移动极差控制图），移动均值-移动极差控制图（又名MA-MR控制图），目标偏差控制图（又名差异控制图、偏差控制图、名义值偏差控制图），CUSUM（又名累计和控制图），EWMA（又名指数加权移动平均控制图），多元控制图（又名Hotelling T2控制图）。
计数值控制图：p控制图（又名不良品率控制图），np控制图，c控制图（又名缺陷数控制图），u控制图。
两种数据都适用的控制图：短期过程控制图（又名稳定控制图或者Z控制图），组控制图（又名多属性值控制图）。
概述控制图是一种对过程变异进行分析和控制的图形工具。
数据按时间顺序绘制在图上，控制图一般有一条代表均值的中心线，一条上控制限位于中心线上方，一条下控制限位于中心线下方，这些线是根据过程数据确定的。
通过当前数据和由历史数据计算所得的控制限的比较，我们可以判定当前过程变异是稳定的（受控制）还是不稳定的（不受控制，受到某个特定因素的干扰）。
控制图分为很多种，不同的过程、不同的数据，我们采用不同的控制图。
计量值数据的控制图经常是成对应用，其中常绘制在上方的一张控制图监测均值，或者说过程数据的分布中心，而绘制在下方的一张控制图监测极差，或者说分布的波动程度。
如果借助于练习打靶的例子来说明，那么均值就是靶子上射击集中的地方，极差是射击点的离散程度。
计量值数据要成对使用控制图，计数值数据则通常只使用一张控制图就足够了。
适用场合·当你希望控制当前过程，问题出现时能察觉并能对其采取补救措施时；·当你希望对过程输出的变化范围进行预测时：·当你判断一个过程是否稳定（处于统计受控状态）时；·当你分析过程变异来源是随机性（偶然事件）还是非随机性（过程本身固有）时；·当你决定怎样完成一个质量改进项目时——防止特殊问题的出现，或对过程进行基础性的改变。
控制图控制图就是对生产过程的关键质量特性值进行测定、记录、评估并监测过程是否处于控制状态的一种图形方法。
根据假设检验的原理构造一种图，用于监测生产过程是否处于控制状态。
它是统计质量管理的一种重要手段和工具。
英文control chart定义控制图又称为管制图。
第一张控制图诞生于1924年5月16日，由美国的贝尔电话实验所的休哈特（W.A.Shewhart)博士在首先提出管制图使用後，管制图就一直成控制图为科学管理的一个重要工具，特别方面成了一个不可或缺的管理工具。
它是一种有控制界限的图，用来区分引起的原因是偶然的还是系统的，可以提供系统原因存在的资讯，从而判断生产过於受控状态。
控制图按其用途可分为两类，一类是供分析用的控制图，用来控制生产过程中有关质量特性值的变化情况，看工序是否处於稳定受控状；再一类的控制图，主要用於发现生产过程是否出现了异常情况，以预防产生不合格品。
作用在生产过程中，产品质量由于受随机因素和系统因素的影响而产生变差；前者由大量微小的偶然因素叠加而成，后者则是由可辨识的、作用明显的原因所引起，经采取适当措施可以发现和排除。
当一生产过程仅受随机因素的影响，从而产品的质量特征的平均值和变差都基本保持稳定时,称之为处于控制状态。
此时,产品的质量特征是服从确定概率分布的随机变量，它的分布(或其中的未知参数)可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计。
分布确定以后，质量特征的数学模型随之确定。
为检验其后的生产过程是否也处于控制状态，就需要检验上述质量特征是否符合这种数学模型。
为此，每隔一定时间，在生产线上抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为生产过程正常，否则，就认为生产中出现某种系统性变化，或者说过程失去控制。
这时，就需要考虑采取包括停产检查在内的各种措施，以期查明原因并将其排除，以恢复正常生产，不使失控状态延续而发展下去。
通常应用最广的控制图是W.A.休哈特在1925年提出的，一般称之为休哈特控制图。
控制图控制图（Control Chart ）又称管理图、休哈特图，是一种将显著性统计原理应用于控制生产过程的图形方法。
控制图是区分过程中正常波动和一场波动，并判断过程是否处于控制状态的一种工具。
正常波动是由普通原因（偶然因素、随机因素）造成的，这些因素在生产过程中大量存在，对产品质量经常发生影响，但它造成的质量波动往往比较小，在生产过程中是允许存在的，如材料成分的微小变化、设备的轻微震动、刃具的正常磨损、夹具的弹性变型等；一场波动是由特殊原因（异常因素、系统因素造成的。
这些因素在生产过程中并不大量存在，对产品质量也不经常发生影响，一旦存在，它对产品质量的影响就比较显著，如机器设备带病运转，操作者违章操作等。
控制图的控制界限就是用来区分正常波动和异常波动的。
1、控制图的基本结构1）以随时间推移而变动着的样品号为横坐标，以质量特性值或其统计量为纵坐标； 2）三条具有统计意义的控制线：上控制线UCL 、中心线CL 、下控制线LCL ； 3）一条质量特性值或其统计量的波动曲线。
2、控制图原理的解释 第一种解释：“点出界就判异”小概率事件原理：小概率事件实际上不发生，若发生即判异常。
控制图就是统计假设检验的图上作业法。
第二种解释：“抓异因，弃偶因”控制限就是区分偶然波动与异常波动的科学界限。
休哈特控制图的实质就是区分偶然因素与异常因素的。
UCLLCL样本统计量数值x 或R14 15 16 17 18按用途分类1）分析用控制图——用于质量和过程分析，研究工序或设备状态；或者确定某一“未知的”工序是否处于控制状态；2）控制用控制图——用于实际的生产质量控制，可及时的发现生产异常情况；或者确定某一“已知的”工序是否处于控制状态。
4、R X -图的绘制1）确定控制对象（统计量）一般应选择技术上最重要的、能以数字表示的、容易测定并对过程易采取措施的、大家理解并同意的关键质量特性进行控制。
2）选择控制图对于计量数据而言，R X -控制图是最常用最基本的。
控制图
控制图又称管理图，是以控制图形式，判断和预报生产过程中质量状况是否发生波动的一种常用的质量控制统计方法。
控制图法是工序质量控制的主要手段，是一种动态的质量分析与控制的方法。
控制图不仅对判断质量稳定性、评定工艺过程质量状态以及发现和消除工艺过程的失控现象，预防废品发生有着重要作用，而且可以为质量评比提供依据。
控制图的纵坐标表示质量特性值，横坐标表示样本的编号，样本是按生产加工顺序进行编号，这与其他方法是完全不同的，样本的排序即是加工的过程。
图中CL叫中心线，是标准特性值；UCL是上控制线，LCL是下控制线。
把样品特性值绘到坐标系中，如果一组数据均在上下控制线内，且排序正常，则说明质量稳定。
否则，就是存在质量问题。
控制图是一种通过控制界限，对生产过程进行分析和控制的重要方法。
控制图主要用于工序质量诊断、工序质量控制、工序调查，还可用于正确制订工序质量标准和工序成本及质量成本的预测。
控制图的主要用途是判断生产过程是否处于稳定状态。
通常，控制图中用点子来反映生产过程的稳定程度。
如果生产过程处于控制状态，图中的点子就随机地分散在中心线的两侧附近，越接近上、下控制线，点子就越少。
具体地讲，当控制图同时满足下列两个条件时，可以认为生产过程处于稳定状态或控制状态，即点子没有超出控制界限；点子的排列没有
缺陷（异常）。
如果点子超出了控制界限，或虽未超出控制界限，但其排列出现缺陷（异常）时，可以判断生产过程受到了系统性因素的干扰，发生了异常变化。
测量过程的统计控制—控制图1、控制图的概念控制图（又称休哈特控制图）是对测量过程是否处于统计控制状态的一种图形记录。
它能判断并提供测量过程中是否存在异常因素的信息，以便于查明产生异常的原因，并采取措施使测量过程重新处于统计控制状态。
对于准确度较高及比较重要的测量过程，如有可能建议尽可能采用控制图对其测量过程进行连续和长期的统计控制。
2、核查装置测量结果除了会受到测量过程的影响外，还会受测量对象的影响，因此如果能找到一个比较稳定的核查装置并对其作连续的定期观测，则根据由定期观测结果计算得到的统计控制量（例如平均值，标准偏差，极差等）的变化情况可以推断出测量过程是否处于统计控制状态。
因此采用控制图方法来对测量过程进行统计控制的前提是具有一个量值稳定的核查装置。
3、控制图的分类根据控制对象的数据性质，即所采用的统计控制量来分类，在测量过程控制中常用的控制图有平均值—标准偏差控制图（x–s图）和平均值—极差控制图（x–R图）。
控制图通常均成对地使用，平均值控制图主要用于判断测量过程中是否受到不受控的系统效应的影响。
标准偏差控制图和极差控制图主要用于判断测量过程是否受到不受控的随机效应的影响。
标准偏差控制图比极差控制图具有更高的检出率，但由于标准偏差要求重复测量次数n≥10，对于某些测量过程可能难以实现。
而极差控制图一般要求n≥5，因此在测量过程考核中推荐采用平均值—标准偏差控制图，也可以采用平均值—极差控制图。
根据控制图的用途，可以分为分析用控制图和控制用控制图两类。
(1) 分析用控制图：用于对已经设计完成的测量过程或测量阶段进行分析，以评估测量过程是否稳定或处于受控状态。
(2) 控制用控制图：对于正在进行中的测量过程，可以在进行测量的同时进行过程控制，以确保测量过程处于稳定受控状态。
具体建立控制图时，应首先建立分析用控制图，确认过程处于稳定受控状态后，将分析用控制图的时间界限延长，于是分析用控制图就转化为控制用控制图。
控制图的基本知识介绍一、控制图的定义：1、控制图是用来表示一个过程特性的图象，图上标有根据此特性收集到的一些统计数据，和一条中心线及一条或两条控制线（或者说是由折线图及三条控制线所构成）。
2、分析和监控过程的工具，它有两个用途：一是用来判定一个过程是否一直受统计控制；二是帮助过程保持受控状态。
3、控制图是由美国贝尔试验室休哈特博士（Walter）在二十世纪二十年代发明，从此，美国及世界上其它国家广泛运用，特别是在日本得到了发展。
4、控制图是分类：计量型和计数型：✧计量型控制图是指所采用的数据是定量的数据，可直接测量并用来分析；✧计数型控制图指所用数据是可以用来记录和分析的定性数据，不可测量，通常以不合格或不合格的形式收集。
5、使用控制图所需了解的几个术语：1)过程：共同工作以产生输出的供方、生产者、人、设备、输入材料、方法和环境以及使用输出的顾客之集合。
2)变差：没有两件产品或特性是完全相同的，亦即过程的单个输出之间存在不可避免的差别，这种差别就称之谓变差；它分为两类：一类是普通原因引起的变差，即固有变差，用节来估计。
3)普通原因指的是造成随着时间的推移具有稳定的且可重复的分布过程中的许多变差的原因。
4)特殊原因指是造成不是始终作用于过程的变差，即当它们出现时将造成（整个）过程的分布改变。
5)受控：当过程仅存在普通原因引起的变差且不改变时，普通原因表现为一个稳定系统的偶然原因，过程的输出是可预测的，我们称之为“处于统计控制”、或有时简称为“受控”。
二、使用控制图：1、使用控制图来改进过程是一个重复的程序，多次重复收集、控制及分析几个基本步骤组成；1)按计划收集数据；2)利用数据可计算控制限；3)当过程受控时，控制限可用来解释过程能力；4)为了使过程在受控和能力的基础上得以改进，就必须识别变差的普通及特殊原因，并据此加以改进；5)当所有的特殊原因被消除后，过程在统计控制状态下运行，可继续使用控制图作为监控工具，也可计算过程能力。
控制图（Control Chart）又叫管制图，是对过程质量特性进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。
有三条平行于横轴的直线：中心线（CL，Central Line）、上控制线（UCL，Upper Control Line）和下控制线（LCL，Lower Control Line），并有按时间顺序抽取的样本统计量数值的描点序列。
UCL、CL、LCL统称为控制线（Control Line），通常控制界限设定在±3标准差的位置。
根据控制图使用目的不同，控制图可分为：分析用控制图和控制用控制图。
根据统计数据的类型不同，控制图可分为：计量控制图和计数控制图（包括计件控制图和计点控制图）。
计量型控制图平均数与极差控制图( -X-R Chart )平均数与标准差控制图( -X-S Chart )中位数与极差控制图( ~X-R Chart )个別值与移动极差控制图( X-Rm Chart )计数值控制图不良率控制图(P chart)不良数控制图(nP chart，又称np chart 或d chart)缺点数控制图(C chart)单位缺点数控制图(U chart) 控制图种类及应用场合控制图的分析与判定应用控制图的目的，就是要及时发现过程中出现的异常，判断异常的原则就是出现了“小概率事件”，为此，判断的准则有两类。
第一类：点子越出界限的概率为0.27% 。
准则1属于第一类。
第二类：点子虽在控制界限内，但是排列的形状有缺陷。
准则2-8属于第二类。
控制图八大判异准则（口诀）2/3A （连续3点中有2点在中心线同一侧的B区外<即A区内>）4/5C （连续5点中有4点在中心线同一侧的C区以外）6连串（连续6点递增或递减，即连成一串）8缺C （连续8点在中心线两侧，但没有一点在C区中）9单侧（连续9点落在中心线同一侧）14交替（连续14点相邻点上下交替）15全C （连续15点在C区中心线上下，即全部在C区内1界外（1点落在A区以外）▶ 2/3A （连续3点中有2点在中心线同一侧的B区外<即A区内>）判读：1、控制过严；2、材料品质有差异；3、检验设备或方法之大不相同；4、不同制程之资料绘于同一控制图上；5、不同品质材料混合使用。
控制图
1、概念
控制图又叫做管制图，是用于分析和判断工序是否处于稳定状态所使用的带有控制界限的一种工序管理图。
控制图是一种对过程质量加以测定、记录从而进行控制管理的一种用科学方法设计的图，图上有中心线（CL ）、上控制线（UCL ）、下控制线（LCL ），并有按时间顺序抽取的样本计量值的描点序列。
控制图主要用于：过程分析及过程控制。
图1表示了控制图的基本形状：
2
、原理
控制图的作图原理被称为“3σ原理”，或“千分之三法则”。
根据统计学可以知晓，如果过程受控，数据的分布将呈钟形正态分布，位于“μ±3σ”区域间的数据占据了总数据的99.73%，位于此区域之外的数据占据总数据的0.27%（约千分之三，上、下界限外各占0.135%），因此，在正常生产过程中，出现不良品的概率只有千分之三，所以我们一般将它忽略不计（认为不可能发生），如果一旦发生，就意味着出现了异常波动。
μ：中心线，记为CL ，用实线表示； μ+3σ：上界线，记为UCL ，用虚线表示； μ－3σ：下界线，记为LCL ，用虚线表示。
3、控制图的种类
①、计量值控制图：控制图所依据的数据均属于由量具实际测量而得。
A R Chart ）； B S Chart ）；
C Chart ）；
D 、单值控制图（X Chart ）；
②、计数值控制图：控制图所依据的数据均属于以计数值（如：不良品率、不良数、缺点数、件数等）。
A 、不良率控制图（P Chart ）；
质 量 特 性 数 据
B、不良数控制图（Pn Chart）；
C、缺点数控制图（C Chart）；
D、单位缺点数控制图（U Chart）。
4、控制图的用途
根据控制图在实际生产过程中的运用，可以将其分为分析用控制图、控制用控制图：
①、分析用控制图（先有数据，后有控制界限）：用于制程品质分析用，如：决定方针、制程解析、制程能力研究、制程管制之准备。
分析用控制图的主要目的是：（1）分析生产过程是否处于稳态。
若过程不处于稳态，则须调整过程，使之达到稳态（称为统计稳态）；（2）分析生产过程的工序能力是否满足技术要求。
若不满足，则须调整工序能力，使之满足（称为技术稳态）。
根据过程的统计稳态和技术稳态是否达到可以分为如下所示的四种情况：
表1 统计稳态与技术稳态矩阵
当过程达到我们所确定的状态后，才能将分析用控制图的控制线延长用作控制用控制图。
由于控制用控制图是生产过程中的一种方法，故在将分析用控制图转为控制用控制图时应有正式的交接手续。
在此之前，会应用到判稳准则，出现异常时还会应用到判异准则。
②、控制用控制图（先有控制界限，后有数据）：用于控制制程的品质，如有点子跑出界时，应立即采取相应的纠正措施。
控制用控制图的目的是使生产过程保持在确定的稳定状态。
在应用控制用控制图过程中，如发生异常，则应执行“20字方针”，使过程恢复原来的状态（参见第6条）。
5、控制图原理的2种解释
①、控制图原理的第1种解释：点出界出判异（小概率事件原理）
小概率事件原理：在一次实验中，小概率事件几乎不可能发生，若发生即判断异常。
在生产过程处理统计控制状态（稳态）时，点子出界的可能性只有千分之三，根据小概率事件原理，要发生点子出界的事件几乎是不可能的，因此，只要发现点子出界，就判定生产过程中出现了异波，发生了异常。
例：螺丝加工过程中，为了解螺丝的质量状况，从中抽取100个螺丝进行检查，量取螺丝的直径值（见表2），并将其用控制图作出（见图2）。
表2 螺丝直径值数据表
在以上数据中，各样本的标准偏差为0.26，平均值为10，由此可以得出控制图的控制线：UCL=μ+3σ≈10.78
CL=μ≈10.0
LCL=μ－3σ≈9.21
依据表2《螺丝直径值数据表》及控制限，作出控制图：
图2 螺丝直径控制图
②、控制图原理的第2种解释：
根据影响质量的因素不同，可将其分为人、机、料、法、环（即4M1E），但对影响质量大小的因素来看，可分为偶然因素（简称偶因）和异常因素（简称异因）。
另外的一种说法，将影响质量大小的因素分为一般原因与异常原因。
偶然因素：是始终存在的，对质量影响甚微，但难以消除。
如：机床开动时的轻微振动。
异然因素：是有时存在的，对质量影响较大，但不难去除。
如：车刀磨损、机床螺丝松动等。
由于生产过程的质量波动是由偶因、异因引起的，因此，将质量波动分为偶然波动、异常波动：偶然波动：由偶然因素造成的质量波动，简称偶波。
偶波是系统固有的，不可避免。
异常波动：由异常因素造成的质量波动，简称异波。
异波不是系统本身所具有的，有时会发生，只要采取有效措施，不难消除。
偶波与异波都是质量的波动，怎样才能发现异波的到来呢？经验和理论分析表明，如果生产过程中只存在偶因时，产品质量将形成某种典型分布，例如：在车制螺纹的例子中形成正态分布。
如果除去偶波之外还有异波，则产品质量的分布必将偏离原来的典型分布。
因此，根据典型分布是否偏离就能判断异波，即异因是否发生，而典型分布的偏离可由控制图检出。
在上面所车制螺纹的例子中，由于发生了车刀磨损的异因，螺丝直径的分布偏离了原来的正态分布而向上移动，于是点子超出上控制界线的概率大为增加，从而点子频频靠近控制界线，表明存在异波。
控制图上的控制界限就是区分偶波与异波的科学界限。
6、20字方针
为使控制图在使用过程中切实有效，必须执行如下“20字方针”：“查出异因，采取措施，保证消除，不再出现，纳入标准”。
下图表示了控制图的应用过程模型：
图3 控制图应用的过程模型
统计控制状态：过程中只存在偶因而不存在异因，这种状态称之为统计控制状态或稳定状态，简称稳态。
稳定工序：一道工序处于稳定状态称为稳定工序；
全稳生产线：道道工序都处于稳态称为全稳生产线。
7、控制图的两类错误
控制图用抽检的方式对生产过程进行控制，十分经济。
但是，既然是抽检，就会存在风险：
①、虚发警报的错误，也称为第Ⅰ类错误。
在生产过程正常的情况下，纯粹出于偶然原因点子出界。
发现这类错误通常记为α（阿尔法）。
第Ⅰ类错误造成的风险也通常被称为“生产方风险”。
②、漏发警报的错误，也称为第Ⅱ类错误。
在生产过程中存在异常因素，质量特性值存在异常，但
点子处于控制界限之内，如果抽到这样的产品，则将犯判断生产正常或漏发警报的错误。
这类错误通常记为β（贝塔）。
第Ⅱ错误也通常被称为“客户风险”。
注：上、下控制限不能与规格/公差相混淆，它们是不同的概念：规格是用来区分产品合格与不合格的，而控制图中的控制限是用于区分生产过程中的偶然波动与异常波动的（过程是否处于受控的稳定状态？）。
8、判异准则
判异准则用来判断过程是否存在异常因素，生产过程的质量波动是正常的还是异常的。
判异准则主要有两条：
判异准则1：点子出界（或在控制线上）就判断异常； 判异准则2：控制界限内的点子排列不随机就判断异常。
在“判异准则2”中，“点子排列不随机”是指点子的排列呈现某种规律，具体来说，可能会出现以下几种排列现象：
①、异常模式一 控制点屡屡接近控制界线（如图4）
A 、连续3点中，至少有2点接近控制界限；
B 、连续7点中，至少有2点接近控制界限；
C 、连续10点中，至少有4个点接近控制界限。
图4 异常模式一
②、异常模式二 链。
在控制线中心一侧连续出现的点叫做链，其点子数目称为链长。
链长不少于7时，判断点子为非随机排列，存在异常因素（如图5）。
图5 长为7点的链
③、异常模式三 间断链。
如果链较长，有个别点出现在中心线的另一侧，叫做间断链。
此种情况被视为点子非随机排列，判为异常。
CL UCL
LCL
CL UCL LCL
④、异常模式四 倾向。
点子逐渐上升或下降的状态称为倾向。
当有7个点连续上升或下降倾向时，判定点子为非随机排列，存在异常因素（如图7）。
⑤、异常模式五 点子集中在中心线附近（点子距离中心线在1σ以内）。
如连续15点位于中心线附近，判定点子为非随机排列，存在异常原因（如图8）。
⑥、异常模式六 点子呈现周期性变化（如图9）。
导致此现象的原因可能是：操作人员疲劳、原材料的发送有问题等。
图9 点子呈现周期性变化
在实际应用过程中，由于上述的判异准则过于复杂，所以将其进行简化成如下几条具体准则，以便于实际应用：
判异准则1：有点子超出控制线（或在控制线上）即视为异常； 判异准则2：连续7
点向上或向下视为异常； 判异准则3：连续7点在CL 以上或以下视为异常；
CL UCL LCL
CL UCL
LCL
CL
UCL LCL
CL UCL
LCL
判异准则4：正常情况下，大约有2/3的点位于上下控制限之间的中央1/3区域内，若不符合则视为异常。
9、判稳准则
判稳准则用来判断生产过程是否处于稳定状态，对于分析用控制图来说，过程处于稳定状态即意味着可将其控制限延长，转化为控制用控制图。
判稳准则1：连续25个点都在控制界限内；
判稳准则2：连续35个点至多1个点子落在控制界限外；
判稳准则3：连续100个点子至多2个点子落在控制界限外。
注：即使过程被判定为处于稳定状态，对于落在界外的点子也必须执行“20字方针”。
