R 控制图

R 控制图绘制每个子组的极差,以检查过程变异是否保持稳定,应先于 Xbar 控制图解读。适用于子组大小固定为 2 至 8 的连续数据;超过 8 时请使用 S 控制图。至少收集 25 个子组。标准差可用 Rbar/d2 估计(建议用于子组大小为 8 或更小时),也可用合并标准差估计。

最后审阅

核心要点

R 控制图(极差图)通过绘制每个子组的极差(最大值减最小值)来监控子组内变异随时间的变化,子组大小为 2 至 8 时与 Xbar 控制图配合使用。

本页内容
  1. 什么是 R 控制图?
  2. 何时使用 R 控制图?
  3. 正确使用 R 控制图的指南
  4. 替代方法:何时不宜使用 R 控制图
  5. R 控制图示例
  6. 如何创建 R 控制图

什么是 R 控制图?

R 控制图(极差图)通过绘制每个子组的极差(最大值与最小值之差)来监控子组内离散程度或变异随时间的变化。它总是与 Xbar 控制图配合使用,是检查过程变异是否保持稳定一致的主要工具。

Xbar 控制图告诉您过程均值位于何处,而 R 控制图告诉您每个样本内部的测量值离散程度有多大。二者结合可全面反映过程行为。

何时使用 R 控制图?

  • 当子组大小 介于 2 和 8 之间 时使用——对于小子组,极差是可靠而简单的变异度量。
  • 务必 与 Xbar 控制图配合 使用——R 控制图监控变异,而 Xbar 控制图监控过程均值。
  • 当数据为 连续数据,且子组按规则、明确的时间间隔收集时使用。
  • 当希望用 快速、易于计算 的方式度量组内变异而无需复杂计算时使用。

正确使用 R 控制图的指南

  • 务必 先解读 R 控制图,再解读 Xbar 控制图 ——如果变异不稳定,Xbar 控制限就不可信。
  • 保持子组大小 固定且一致 ——改变子组大小会使控制限失效。
  • 在建立控制限并得出结论之前,至少收集 25 个子组。
  • R 控制图的值为零是可以接受的,仅表示 子组内所有数值都相同 ——这不是错误。
  • 子组内的数据应 相互独立且近似服从正态分布,控制限才在统计上有效。

替代方法:何时不宜使用 R 控制图

  • 如果子组大小 大于 8,请改用 S 控制图 ——它对较大的子组在统计上更准确。
  • 如果数据是 没有子组的单个测量值,请使用 I-MR 控制图
  • 如果需要监控 组内变异和组间变异两者,请使用 I-MR-R/S(组间/组内)控制图
  • 如果响应为 计数型数据(缺陷数或比率),请使用 P、NP、C 或 U 控制图
  • 如果进行的是 短生产批次或混合零件类型,请使用 Z-MR 控制图

R 控制图示例

某汽车零部件工厂的一名质量工程师监控凸轮轴的长度。工程师每 30 分钟收集一次数据,子组大小为 5。他希望在控制图中查找特殊原因(如有)。1. 将 process mean 和 process stddev 留空,因为目前尚不知道。2. 启用全部 8 条 Nelson 规则

为此,工程师应用 R 控制图并执行以下步骤:

  1. 收集所需数据。
R- 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 R 控制图,请选择 Statistical module> Control Charts>R Chart。
  3.  在工具中输入数据及其他输入项,如下所示:
R- Chart — figure 2

5. 使用上述工具后,得到如下输出:

R- Chart — figure 3

如何创建 R 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 Charts >R Chart。
  3. 点击 R 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)到此处。
  5. 接下来,填写所需选项。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在 R 控制图的工具界面中,窗口分为两部分。

R- Chart — figure 4

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:

  • Subgroup Columns 可根据数据的结构选择 单列或多列。如果每个子组分布在多列中(每个测量位置一列),请选择所有这些列。如果所有测量值堆叠在一列中,请选择该单列,并另行定义子组大小。此处的选择直接决定图表如何对数据分组以计算子组均值。
  • 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:
  • Observations for a subgroup are in one row of columns ——每一行包含单个子组的所有测量值,分布在多列中。例如,第 1 行的五个测量值在五列中,代表子组 1。
  • 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。

此处选错排布方式会导致图表对数据的分组不正确,并产生无效的控制限。

  • Subgroup Size 仅在 所有观测值存储在同一列中时才需要。它告诉图表多少个连续的行构成一个子组。例如,如果子组大小为 5,图表会将第 1–5 行视为子组 1,第 6–10 行视为子组 2,依此类推。如果数据已经排列在多列中(每个测量值一列),则不需要此字段,因为子组大小由所选的列数决定。
  • Process sd: 是过程数据围绕均值的变异性或离散程度的度量。它表明过程中各个数据点与过程均值的差异有多大。如果留空,Zometric Statistical Software 将根据所提供的数据计算。
  • Sd estimation method: 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。
  • Rbar Sd estimation method: 根据各子组极差的平均值除以无偏化常数 d2 来估计过程标准差(Rbar/d2)。建议在子组大小为 8 或更小时使用此方法;对于更大的子组,合并标准差使用每个数据点,可给出更精确的估计。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。
  • 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、控制限和中心线显示的小数位数。增加小数位数可使读图更精确;减少小数位数则使图表简洁,更便于展示。请选择兼顾准确性与受众可读性的位数。
  • 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。
  • Additional CLs at Multiples of SD 1 在距中心线 ±1 个标准差 处添加一条额外的控制限线。这会在图上形成一个内侧边界区,便于应用 Western Electric 或 Nelson 规则来查找控制限内的异常模式,例如一连串点持续位于中心线的同一侧。
  • Additional CLs at Multiples of SD 2 在距中心线 ±2 个标准差 处添加一条额外的控制限线。这会在中心线与标准的 ±3 西格玛控制限之间形成一个中间预警区。落在 2 西格玛线与 3 西格玛线之间的点,可在某个点真正失控之前对过程偏移发出早期预警。
  • Define Stages (Historical Groups) with This Variable 允许使用分组变量将图表拆分为不同的阶段。每个阶段各自独立计算一组控制限。当发生已知的过程变化(例如新机器、过程改进或原材料变更),并希望在同一张图上比较该变化前后的过程性能时,这很有用。
  • X Scale 控制图表横轴的显示方式。可调整刻度以显示基于时间的标签、子组编号或自定义值。当子组对应特定的日期、班次或批次,并希望图表坐标轴反映该背景而不仅仅是连续编号时,这很有用,可使图表更易于阅读和展示。

常见问题

什么是 R 控制图?

R 控制图(极差图)通过绘制每个子组的极差(其最大值与最小值之差)来监控子组内离散程度随时间的变化。它总是与 Xbar 控制图配合使用:Xbar 控制图显示过程均值位于何处,R 控制图显示每个样本内部的测量值离散程度有多大。

什么情况下应使用 R 控制图而不是 S 控制图?

子组大小介于 2 和 8 之间时使用 R 控制图,此时极差是可靠而简单的变异度量。如果子组大小大于 8,请改用 S 控制图,因为它对较大的子组在统计上更准确。对于没有子组的单个测量值,请使用 I-MR 控制图。

为什么应先解读 R 控制图,再解读 Xbar 控制图?

Xbar 控制图的控制限取决于对组内变异的估计。如果 R 控制图显示变异不稳定,Xbar 控制限就不可信,因此务必先解读 R 控制图。保持子组大小固定,因为改变子组大小会使控制限失效。

R 控制图需要多少个子组?

在建立控制限并得出结论之前,至少收集 25 个子组。数据应为连续数据,按规则的间隔收集,且在子组内相互独立并近似服从正态分布,控制限才有效。极差为零是可以接受的,仅表示该子组内所有数值都相同。