T 控制图(事件间隔时间)

T 控制图通过绘制相继发生之间的时间,而不是每个区间的计数,来监控稀有事件。它对非负的间隔拟合指数分布(默认)或威布尔分布;中心线为拟合的中位数,控制限为其第 0.135 和第 99.865 百分位数。Nelson 规则 1 至 4 标出特殊原因。输出为图、拟合摘要和特殊原因点。

最后审阅

核心要点

T 控制图是用于稀有事件的控制图,绘制相继发生之间的时间,其控制限来自拟合的指数分布或威布尔分布,比 c 控制图或 u 控制图更灵敏。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

T 控制图通过绘制相继发生之间的时间(或其他连续度量)来监控稀有事件,而不是像 c 控制图或 u 控制图那样统计每个固定区间内的事件数。当事件稀少时,大多数固定区间的计数为零,c/u 控制图会变得不灵敏——T 控制图则直接对每个新的间隔做出反应,因此对潜在事件发生率的真实变化灵敏得多。

主要功能

  • 直接绘制非负的事件间隔时间数据,可选择底层分布(指数分布或威布尔分布),而不是假定为正态分布。
  • 对拟合的图应用完整的 Nelson 规则特殊原因检测(4 条可配置规则)。
  • 行的包含/排除,以及单独的“估计参数所用”子组选择器,因此可以在稳定的历史时期上确定控制限基线,同时绘制后续各点以供比较。
  • 可配置的 X 轴刻度,用于标注时间轴。

统计方法

稀有事件的事件间隔时间数据通常右偏,用正态分布难以很好地建模,因此 T 控制图通过最大似然法对事件间隔时间序列拟合指数分布或威布尔分布(默认为指数分布,它是恒定、无记忆的失效/事件发生率的标准模型)。

中心线为拟合分布的中位数(其第 50 百分位数),控制限为其第 0.135 和第 99.865 百分位数:LCL = max(0, dist.ppf(0.00135)),UCL = dist.ppf(0.99865)——这与 ±3σ 正态控制图所包含的尾部概率相同,只是应用于拟合的非正态分布自身的分位数函数,这是对偏态数据设定控制限在统计上正确的方法,而不是在未变换的尺度上直接使用均值 ± 3σ。

随后,Nelson 规则(特殊原因检测)按本软件其他控制图的方式,对照拟合的控制限进行评估,标出超出控制限的点(规则 1)、中心线一侧的连串(规则 2)、持续的趋势(规则 3)和交替模式(规则 4)。

输入字段和选项

字段

说明

Time between events

必填。相继稀有事件之间的非负时间(或其他连续度量)列,按时间顺序排列。

Fit distribution

Exponential(默认)或 Weibull——对事件间隔时间序列拟合的分布。

Check Rule 1–4 / K for Rule 1–4

四条 Nelson 特殊原因规则,每条均可独立开关(默认 K = 3、9、6、14)。

X scale

可选的时间轴自定义标注。

Include or Exclude / Specify which rows / Row numbers

控制绘制哪些行。

Specify subgroups to estimate parameters / Subgroups

可选,限定用于拟合分布和设定控制限的行,而仍绘制所有行——适用于在已知稳定的时期上确定基线。

 

t-chart-inputs


图 1 — 25 个故障间隔时间(小时)粘贴到 C1 中,Time between events 设为 C1,Fit distribution = Exponential。

 

输出说明

  • T Chart plot——按时间顺序排列的事件间隔时间序列,带有来自拟合分布的 UCL、中心线和 LCL。
  • Fit summary table——所拟合的分布、中心线、LCL 和 UCL。
  • Nelson's Rules / Potential Special Cause Points——检查了哪些规则,以及哪些点(如有)违反了这些规则。
  • 通过 Download as PDF 导出 PDF。
t-chart-output


图 2 — T Chart 输出:拟合的控制限、绘制的事件间隔时间序列,以及拟合分布/中心线/UCL/LCL 摘要表。

 

计算示例

某工厂跟踪包装线上与安全相关的设备故障,记录相继故障之间的小时数(25 个相继间隔,列 C1)。在 Fit distribution = Exponential 的情况下,工具对这些间隔拟合指数模型(Center Line ≈ 31.7,UCL ≈ 302.6,LCL ≈ 0.06),并绘制全部 25 个间隔——这使人能立即直观地判断故障率是否在加快(相继间隔向控制下限缩短),远早于累积足够多的故障、从而能在传统的基于计数的图上做出反应的时候。

常见问题

何时应使用 T 控制图而不是 c 控制图或 u 控制图?

当事件稀少时使用 T 控制图。事件稀少时,大多数固定区间的计数为零,c 或 u 控制图会变得不灵敏。T 控制图绘制相继事件之间的时间,并直接对每个新的间隔做出反应,因此对潜在事件发生率的真实变化更灵敏。

T 控制图的控制限如何计算?

通过最大似然法对事件间隔时间数据拟合指数分布或威布尔分布。中心线为拟合的中位数,控制限为该分布的第 0.135 和第 99.865 百分位数,与正负 3 西格玛正态控制图所包含的尾部概率相同,且下限不低于零。

为什么 T 控制图不假定正态分布?

稀有事件的事件间隔时间数据通常右偏,用正态分布难以很好地建模。对于偏态数据,根据拟合分布自身的分位数设定控制限,比在未变换的尺度上使用均值加减 3 西格玛更为合适。默认为指数分布,因为它是恒定事件发生率的标准模型。

如何解读 T 控制图?

图中的点是按时间顺序排列的相继事件之间的间隔。间隔向控制下限缩短,表明事件发生率在上升,例如故障在加快。Nelson 规则将超出控制限的点、中心线一侧的连串、持续的趋势和交替模式标出为潜在的特殊原因。