I-MR-R/S(组间/组内)控制图

I-MR-R/S(组间/组内)控制图是一种由三部分组成的控制图,同时监控过程变异的三个来源:随时间变化的子组均值(I 图)、相邻子组均值之间的变异(MR 图),以及每个子组内部的变异(R 图或 S 图)。

最后审阅

核心要点

I-MR-R/S(组间/组内)控制图是一种由三部分组成的控制图,监控过程变异的三个来源:随时间变化的子组均值、子组均值之间的变异,以及每个子组内部的变异。

本页内容
  1. 什么是 I-MR-R/S(组间/组内)控制图?
  2. 何时使用 I-MR-R/S(组间/组内)控制图?
  3. 正确使用 I-MR-R/S(组间/组内)控制图的指南
  4. 替代方法:何时不宜使用 I-MR-R/S(组间/组内)控制图
  5. I-MR-R/S(组间/组内)控制图示例
  6. 如何生成 I-MR-R/S(组间/组内)控制图?

什么是 I-MR-R/S(组间/组内)控制图?

I-MR-R/S(组间/组内)控制图是一种由三部分组成的控制图,同时监控过程变异的三个来源:随时间变化的子组均值(I 图)、相邻子组均值之间的变异(MR 图),以及每个子组内部的变异(R 图或 S 图)。

它专为以下情形而设计:测量按子组进行,但子组本身 很少收集或间隔很长,例如每班一次、每天一次或每批一次。在这些情形下,必须分别跟踪并比较组间变异和组内变异。

简要定义:一种三合一控制图,将两类不同的变异分开并加以监控:每个样本内部测量值的离散程度,以及样本均值从一个时间段到下一个时间段的漂移程度。

何时使用 I-MR-R/S(组间/组内)控制图?

  • 当子组 很少收集(例如每班、每天或每批一次),且需要区分组内变异和组间变异时使用。
  • 当预期 组内变异和组间变异不同 时使用,例如同一批内的测量值相近,但各批之间存在差异。
  • 当标准 Xbar-R 控制图 无法区分这两种变异来源,且控制限相对于实际过程行为显得过紧或过宽时使用。
  • 用于 子组大小为 2 或更大 的情形,图中的 R/S 部分监控组内离散程度。

正确使用 I-MR-R/S(组间/组内)控制图的指南

  • 应 先解读 R 图或 S 图,确认组内变异稳定,再解读另外两张图。
  • 其中 MR 图监控组间变异,此处出现信号表示过程均值在各时间段之间漂移。
  • 至少收集 20 至 25 个子组,以便为三个图表组成部分都建立可靠的控制限。
  • 确保子组的形成 合理且一致,子组内的测量值应代表相同的过程条件。
  • 如果组内变异相对于组间变异非常小,应 调查过程中是否存在系统性的批间差异,将其作为根本原因。

替代方法:何时不宜使用 I-MR-R/S(组间/组内)控制图

  • 如果子组 收集频繁且预期变异来源没有差异,请使用更简单的 Xbar-R 或 Xbar-S 控制图
  • 如果数据由 没有子组的单个测量值构成,请使用 I-MR 控制图
  • 如果无需分离变异来源,只想监控过程均值,请使用 Xbar 控制图
  • 如果数据为 计数型,请使用合适的计数型控制图,例如 P、NP、C 或 U 控制图

I-MR-R/S(组间/组内)控制图示例

某塑料制造公司的一名质量工程师负责注塑成型过程。该过程使用一台机器,通过一个模具同时生产五个零件。为评估该过程,工程师收集了 20 个子组的数据,每个子组由五个零件组成。工程师既评估每个子组内部的变异(比较同一批次生产的零件),也评估子组之间的变异(比较不同批次)。工程师创建 I-MR-R/S 控制图来监控注塑成型过程。步骤如下:

  1. 收集所需数据。
I-MR R/S(Between/Within) chart — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2. 要找到 I-MR-R/S(组间/组内)控制图,请选择 Statistical module> Control Chart > I-MR R/S(Between/Within) chart。
  3. 在工具中输入数据及其他输入项,如下所示:
I-MR R/S(Between/Within) chart — figure 2

5. 使用上述工具后,得到如下输出:

I-MR R/S(Between/Within) chart — figure 3I-MR R/S(Between/Within) chart — figure 4I-MR R/S(Between/Within) chart — figure 5I-MR R/S(Between/Within) chart — figure 6

如何生成 I-MR-R/S(组间/组内)控制图?

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Control Chart > I-MR R/S(Between/Within) chart。
  3. 点击 I-MR R/S(Between/Within) chart,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V);也可以使用 Load Example 选项加载示例数据。
  5. 接下来,将各列映射到相应参数。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在 I-MR-R/S(组间/组内)控制图的工具界面中,窗口分为两部分。

I-MR R/S(Between/Within) chart — figure 7

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。数据可手动输入,也可从 Excel 表格中完整复制(Ctrl+C)并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

Load File: 用于直接加载 Excel 数据。

右侧提供以下选项:

  • Choose Column 选择包含测量数据的列。如果数据分布在多列中,可按 Ctrl 或 Command + 点击一次选择多列。
  • Observations: 此设置定义数据在工作表中的实际排布方式。请选择与您的数据结构相符的选项:
  • All observations for a chart are in one column ——所有测量值纵向堆叠在同一列中,子组大小字段用于定义每个子组包含多少行。
  • Subgroup Size Column: 仅当所有观测值在同一列中时才需要。该列告诉图表哪些行属于哪个子组,例如,包含 1,1,1,2,2,2 这样的值的列,会将数据分为大小为 3 的子组。此字段与 Subgroup Size Number 必须填写其一,不能两者都填。
  • Subgroup Size Number: 如果所有子组大小相同,请输入一个固定数字。例如,输入 5 表示每连续 5 行构成一个子组。当整个数据中子组大小一致时,请使用此项代替 Subgroup Size Column。
  • Process mean: 是过程中一组测量值或观测值的平均值。它表示过程数据随时间变化的集中趋势,是过程性能的关键指标。如果未提供,Zometric Statistical Software 将根据所提供的数据计算中心线。
  • Standard Deviation Between Subgroup: 可选。如果已知或有历史确定的组间变异值,请在此输入。提供该值后,它将取代根据数据计算的估计值,当您有来自先前研究的、特征明确的基线时,这很有用。
  • Standard Deviation Within Subgroup: 可选。同样,如果已知组内变异的标准差,请在此输入。提供该值可防止图表根据当前数据重新估计组内离散程度,确保与您既定的过程基线保持一致。
  • SD Estimation method for Between subgroup: 这为用户提供两种计算选择。选择平均移动极差或中位数移动极差作为估计方法,会改变结果。
    • Average moving range Sd estimation method: 计算数据集中相邻值之间的差,然后取这些差的平均值。
    • Median moving range Sd estimation method: MMR 通过取相邻数据点之间移动极差的中位数计算得出。
  • SD Estimation method for Within subgroup: 这为用户提供两种计算选择。选择 Rbar 或合并标准差方法作为估计方法,会改变结果。
      • Pooled Sd estimation method:  合并标准差是各子组方差的加权平均,子组越大,对总体估计的影响越大。当过程稳定时,此方法可对标准差给出更准确的估计。
      • Rbar Sd estimation method: Rbar 表示各子组内极差的平均值。Rbar 方法是应用广泛的标准差估计方法,对大小为 2 至 8 的子组尤其有效。
      • Sbar Sd estimation method: 通过对所有子组的标准差求平均并应用统计校正因子来估计过程标准差。建议在 子组大小大于 8时使用此方法,因为它利用了每个子组中的所有数据点,比基于极差的方法能得到更准确、更可靠的控制限。
  • Length Moving Range: 定义用多少个连续的子组均值来计算每个移动极差值。默认值为 2,即每个移动极差是两个相邻子组均值之差的绝对值。增大该值会使估计更平滑,但会降低对短期偏移的灵敏度。
  • Use unbiasing constants for pooled sd: 此选项仅在使用 Pooled Stdev 方法估计 Stdev 时适用。
  • Show Decimals: 控制图上描点值和控制限显示的小数位数。默认值为 3,足以满足大多数工业和质量应用的精度要求。请根据数据的测量精度和阅读图表的受众进行调整。
  • Check Rule 1: 1 point > K Stdev from center line: 检验 1 对于识别明显偏离其他子组的子组至关重要,是检测失控情形的公认工具。若要提高灵敏度、检测过程中较小的偏移,可将检验 2 与检验 1 结合使用,从而增强控制图的效力。
  • Check Rule 2: K points in a row on same side of center line: 检验 2 用于检测过程中心或变异的变化。在监控过程的小幅偏移时,可将检验 2 与检验 1 结合使用,以提高控制图的灵敏度。
  • Check Rule 3: K points in a row, all increasing or all decreasing: 检验 3 用于识别过程中的趋势。该检验专门查找一长串连续的数据点持续上升或持续下降的情形,表明过程行为中可能存在潜在趋势。
  • Check Rule 4: K points in a row, alternating up and down: 检验 4 用于识别过程中的系统性变异。理想情况下,过程的变异模式应是随机的。然而,如果某个点未通过检验 4,则可能表明变异并非随机,而是遵循某种可预测的模式。
  • Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): 检验 5 用于检测过程中的小幅偏移。
  • Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):检验 6 用于检测过程中的小幅偏移。
  • Check Rule 7: K points in a row within 1 standard deviation of center line (either side):检验 7 用于识别可能被误认为受控良好的变异模式。该检验可检测过宽的控制限,这通常由分层数据造成。当每个子组内存在系统性的变异来源,导致控制限看起来比应有的更宽时,就会出现分层数据。
  • Check Rule 8: K points in a row > 1 standard deviation from center line (either side):检验 8 用于检测混合模式。在混合模式中,点倾向于远离中心线,而落在控制限附近。

常见问题

什么是 I-MR-R/S(组间/组内)控制图?

它是一种由三部分组成的控制图,同时监控过程变异的三个来源:I 图上随时间变化的子组均值、MR 图上相邻子组均值之间的变异,以及 R 图或 S 图上每个子组内部的变异。它将每个样本内部测量值的离散程度与样本均值在各时间段之间的漂移程度区分开来。

什么情况下应使用组间/组内控制图而不是 Xbar-R 控制图?

当子组很少收集(例如每班、每天或每批一次),且预期组内变异和组间变异不同(例如同一批内的零件相近但各批之间有差异)时使用。当标准 Xbar-R 控制图给出的控制限相对于实际过程行为显得过紧或过宽时,它同样有帮助。

如何解读 I-MR-R/S 组间/组内控制图?

先解读 R 图或 S 图,确认组内变异稳定,再解读另外两张图。MR 图上出现信号表示过程均值在各时间段之间漂移。如果组内变异相对于组间变异非常小,应调查系统性的批间差异。

组间/组内控制图需要多少个子组?

至少收集 20 至 25 个子组,以便为三个图表组成部分都建立可靠的控制限,且子组大小为 2 或更大。子组应合理且一致地形成,使子组内的测量值代表相同的过程条件。示例使用了来自单模具注塑机的 20 个子组,每组五个零件。