常规统计控制图8项判异准则

控制图判异准则
要想记住控制图判异八大准则且忘不了，跟大家分享一套口诀，绝对好使！！
★1A外、23B、45C、66D(递)、8无C(7)、15在C区、9(酒)醉躺一边、上吐下泻快14(要死)★
备注：控制图判异准则：
准则1：1个点子落在A区以外（点子越出控制界限）
准则2：连续9点落在中心线同一侧
准则3：连续6点递增或递减
准则4：连续14点中相邻点子总是上下交替
准则5：连续3点中有2点落在中心线同一侧B区以外准则6：连续5点中有4点子落在中心线同一侧C区以外
准则7：连续15点落在中心线同两侧C区之内
准则8：连续8点落在中心线两侧且无1点在C区中。

本人因记性差，对八大判异准则总记不下，所以就想到用把内容精简提练后，编成顺口溜。

这样好记一些，再也不会忘记了。

大家提提意见，觉得怎么样？
控制图八大判异准则－精简顺口溜版口决：（就三句，很简单吧！只要记住以下兰色部分的三句话就行了，不过第一次要对照下面附件中的图看才明白。

）
23456，AC连串串（连增或连减）；
81 514，缺C全C交替转；
9单侧，一点在外。

控制图八大判异准则提练（口决、图片对应项目）：
1、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>）
2、4/5C（连续5点中有4点在中心线同一侧的C区以外）
3、6连串（连续6点递增或递减，即连成一串）
4、8缺C（连续8点在中心线两侧，但没有一点在C区中）
5、9单侧（连续9点落在中心线同一侧）
6、14交替（连续14点相邻点上下交替）
7、15全C（连续15点在C区中心线上下，即全部在C区内）
8、1界外（1点落在A区以外）
解说：
23456，AC连串串（连增或连减）；
---2/3、4/5、6分别对应A、C、连串串；即2/3A；4/5C；6连串。

81514，缺C全C交替转
---8、15、14分别对应缺C、全C、交替转；即8缺C；15全C；14上下交替。

9单侧，一点在外
---9点在同一侧；一点出A区外。

各位看完成如果觉得还有点用处请给点鼓励！
[本帖最后由 waywang2006 于 2007-5-23 22:06 编辑]
控制图八大判异准则.JPG(45.26 KB, 下载次数: 1048)。

8张图直观讲解SPC八大判异原则（燃爆质量圈）当我们要求供应商使用SPC进行过程控制的时候，必然会涉及到的一个问题就是8大判异原则。

也就是说，管制图中出现下面的8种点位分布的时候，我们就认为过程出现了特殊原因，我们必须找出点位分布异常的特殊原因，将其消除，从而提前遏制不良品的产生。

作为SQE，你有没有被供应商问及，为啥这8种分布叫做异常分布？今天就从统计学角度，跟大家解释一下，我们通常所说的8大判异原则为啥能够判异，其暗示的潜在异常原因是什么！首先所有SQE必须要清醒地认识：异常的出现就是小概率事件产生了！首先给大家解释下正态分布的概率比例，见下图：在这张图上，请大家忽略SQE供应商质量平台的logo和名称，专注地记住左A，左B，左C，右C，右B，右A这6个分区；同时在ABC分区的下方都有一个相同颜色的小数：0.023，0.136，0.341(这是样本点出现在相应分区的概率，查表可得，有兴趣，大家可以自己去查表，我们在本文结束的时候有表哦)好，接下来，我给大家一一解释8大判异入选异常判断准则的缘由：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>）解释：0.023的平方=0.00529，就是说抽1000数据，才会出现6次这样的情况，小概率事件产生了，肯定有特殊原因导致！原因：一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。

4/5C（连续5点中有4点在中心线同一侧的C区以外）解释：(0.136 0.023)的4次方=0.000639，就是说这种情况出现的概率是千分之六，小概率事件产生了，肯定有特殊原因导致！原因：一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。

6连串（连续6点递增或递减，即连成一串）解释：规律分布，必有异因！原因：刀具模具等工具的磨损，维护保养水平降低，操作工的技能越来越熟练。

【SPC 8种波动】SPC 8种波动的检验标准是什么？导语：SPC 8种波动，即八种判断异常的检验准则，每一种检验准则代表一种异常现象，应用SPC 控制图进行过程评估与监控，首先应掌握此八种波动检验模式《常规控制图》国家标准GB/T4091——2001明确给出了变差的可查明原因的八种波动模式，那么SPC 8种波动的检验标准是什么？下面我们将做详细介绍：图示：SPC 8种波动的检验标准是什么？SPC控制图检验1：1个点落在A区以外检验1给出了对控制图的基本解释：点出界就判异。

当过程处于统计控制状态时，点子落在控制限内的概率为99.73%，落在控制限外的概率为1-99.73%=0.27%。

检验1可以对过程中的单个失控做出反应，如计算、测量误差、原材料不合格、设备故障等。

SPC控制图检验2：连续9点落在中心线同一侧当过程处于统计控制状态时，连续9点落在中心线同一侧的概率为P（连续9点落在中心线同一侧）=2*（0.5）9=0.003906=0.3906%即虚发报警的概率为0.3906%，第一类错误的概率为α=0.3906%。

在SPC控制图中心线同一侧连续出现的点成为链，链可能位于中心线的上测也可能位于中心线的下侧。

注意：连必须由“连续”出现的点子构成。

链中包含的点子数目成为链长。

链长≥9，判断出现了异常。

连续9点落在中心线同一侧”判断出现异常的一个重要原因是：模式2的α=0.3906%与“点出界就判异”的模式1的α=0.27%最接近。

出现检验2此种模式，主要是过程平均值减小的缘故。

SPC控制图检验3：连续6点递增或递减当过程处于统计控制状态时，连续6点递增或递减的概率为P（连续6点递增或递减）=0.2733%即须发报警的概率为0.2733%，第一类错误的概率为α=0.2733%。

点子逐点上升或下降的状态称为倾向或趋势。

注意，递减的下降倾向，后面的点子一定要低于或等于前面的点子，否则倾向中断，需要重新计算。

控制图判定异常情况的主要原理控制图通常要考察数据的位置、分布和排列情况来判断过程是否继续保持稳定或抑发生异常。

控制图判定异常情况的设计，是统计学家根据概率原理设计的，有充分的科学依据。

控制图判定异常通常都能找到可查明的原因，以便考虑采取措施。

为避免对异常情况判定的盲目性，此将判断的原理作初步分析。

控制图判定异常情况的主要原理是：1，“小概率事件实际上不发生”，如果概率很小的事发生了那就要分析原因了，小概率“小”到多少呢，要具体分析，一般说发生概率在0.01%以下，就应考虑了。

2，计量值一般服从正态分布的随机规律，其主要是：（1）在平均值两边随机分布，各占约50%，表现了强烈的对称性；（2）±1西格玛区间分布占68%，即有约2/3的值应在±1西格玛区间内，表现了相对集中性；（3）±2西格玛区间分布占95%，即在±2西格玛区间外的值约不到5%；（4）±3西格玛区间外的值只有不到0.3%，也就是“小概率”，几乎不应发生；3，其他破坏随机分布的情形。

如相当多的值连续上升的情况等等。

控制图判定异常情况的主要情况有：1，点子出了控制界限。

稳定合格的控制图，控制界限在规格范围里面，凡在控制界限内的点都在规格范围内，解决了合格性的问题。

如果点子出了控制界限，稳定性出了问题；如果点子甚至出了规格范围，那就是合格性出了问题。

点子出控制界限的概率是不到0.3%，如果时不时就出界，就破坏了正态分布的规律，判定异常就无疑了。

但如果是偶而出界，例如：35个点以上有一个出界，100点有两个出界，1/35=2.8%，2/100=2.0%，和0.3%差异不到一个数量级，那就有可能是正常现象（特别是出界不多的情形），具体问题要具体分析。

2，而要解决其稳定性，主要是通过观察点子的分布和排列情况来判断。

如果分布和排列情况发生了异常的变化，也就是其稳定性受到破坏，也就要发出警告。

一般说分布和排列情况发生的异常有下列几种情况：（将以中心线为对称的上下控制线均匀分为6个小区（一个小区相当于1 s），以中心线为对称的两个小区分别称C，B，A区，靠着中心线两边的小区称C区，稍外的两区称B区，最外的两区称A区。