前言：QC七大手法的控制图是包含了很多数学统计的原理在其中，以至于在实际生产质量过程中，大家不愿意是使用，或者说用得不好，或者喊着口号说我们要使用控制图，实操时又觉得控制图碍事。今天和大家分享一下控制图的相关知识。
一.源头
提到控制图，大家第一时间就会想到一个人，休哈特－统计质量控制之父。
1891.3.18出生于美国伊利诺伊州的新坎墩；
1917年获得加利福利亚大学伯克利分享物理学博士；
1918－1924西方电气公司工程师
1924.5.16向上级备忘录提出建议使用《控制图》
自此控制图的概念诞生了，随着不断推广发展，控制图带来的从制造过程中提前预防的质量理念推动着质量的发展，质量也从质量检验阶段进入统计控制阶段。
二.概念
控制图是对过程质量特性进行测定、记录，再利用数理的方式进行评估，从而判定过程是否处于控制状态的一种用统计方法设计的图。
图中有三条平行与横坐标的直线：中心线－CL，上控制线－UCL，下控制线－LCL，并有按照一定抽样频次对样本统计量进行描点，通常控制界限设定在±3西格玛。
三.控制图的分类
按照使用目的：
分析用控制图：在项目开发阶段经常会使用到，通过控制图来判定过程是否达到稳态，是否可以转入批量生产。
控制用控制图：一般用于量产阶段，整个生产过程已经处于稳定的状态，用来对生产过程监控，及时发现异常，采取措施，防止批量不合格的产生。
按照数据类型的不同：
计量型控制图：这里的量指的是量值，有具体数值的，比如说：孔的直径、抗拉强度、试剂的浓度等，可以连续的数值。主要有以下几种：
均值－极差图（xBar－R图）：最常用、使用范围最广、计算R值简单，适用于产品批量大且正常、稳定的工序。
均值－标准差图（xBar－S图）：常用、判定工序是否正常的效果最好，但计算S的工作量大，适用产品批量大且正常、稳定的工序。
中位数－极差图（X－R图）：计算简单、宜现场使用，但提供信息少、检出能力差；适用于产品批量大且生产正常、稳定的工序。
单值－移动极差图（X－MR图）：简答省事、能够及时判别工序是否处于稳定状态，缺点是不易发现工序分布中心的变化。适用场所：因各种原因，或时间或成本，每次只能得到一个数据或尽快发现并消除异常。
计数型控制图：这里的数指个数、点数等，不合格的数量、单位缺陷点数等。主要包括以下几种：
不合格数控制图（np图）：较常用、作业人员易于掌握，样本含量较大。这个要求样本含量相等。
不合格率控制图（p图）：样本量较大，且计算量较大，控制线也会出现凹凸不平，检出能力与样本容量有官。样本含量可以不一样。
缺陷数控制图（C图）：较常用，计算简洁，作业人员易于掌握，要求样本量大。这个要求样本含量相等。
单位缺陷控制图（U图）计算量大，控制曲线凹凸不平，检出能力与样本容量n有关。样本含量可以不一样。
四.控制图判异准则
准则1：一个点落在A区以外。可能原因：计算错误、测量错误、原材料不合格、设备故障、新人操作、检验方法或标准变化等。
准则2：连续9点落在中心线的同一侧。可能原因：同准则1.
准则3：连续6点递增或递减。可能原因：工具逐渐磨损、维修逐渐变坏，从而使参数随着时间而变化。类似于直方图中的平顶型。
准则4：连续14点中相邻点交替上下。可能原因：轮流使用两台设备或者两位作业人员或者两个班次操作导致数据分层不够。类似于直方图中的双峰型。
准则5：连续3点中有2点落在中心线同一侧的B区以外。可能原因：过程参数发生变化。
准则6：连续5点中有4点落在中心线同一侧的C区以外。可能一u暗隐：同判异准则5
准则7：连续15个点落在中心线两侧C区以内。可能原因：数据虚假、计算错误、数据分层不够。
准则8：连续8个点落在中心线两侧且无一在C区。可能原因：数据分层不够（没有按照模穴分，没有按照班次分）。
更多质量咨询关注微信公众号Quality之谈
