T² – 广义方差控制图
T² - 广义方差控制图监控每个零件上一起测量的两个或更多相关特性,子组大小相等且大于变量个数。T² 控制图标示在考虑相关性的前提下偏离过程中心较远的子组均值;|S| 控制图标示联合离散程度的增大。它假定数据服从多元正态分布且各子组相互独立,支持 Phase 1 或 Phase 2 控制限,并给出汇总表和特殊原因表。
最后审阅
核心要点
T² - 广义方差控制图以子组方式监控两个或更多相关特性:T² 控制图检测均值向量的偏移,广义方差控制图检测联合离散程度的增大。
用途
T² – 广义方差控制图在一页上以子组方式监控每个零件上一起测量的两个或更多相关特性。Hotelling T² 控制图考察在考虑变量间相关性的情况下,子组的均值向量是否已偏离过程中心。广义方差控制图考察这些变量的联合离散程度是否增大。当各特性相互关联地变化时(例如车削零件的直径和长度),请使用它,而不是为每个特性分别绘制 Xbar 和 R 控制图。
主要功能
- 针对同一份子组数据,上下排列 T² 控制图和广义方差 (|S|) 控制图。
- 变量数不限(两个或更多),子组大小相等,且大于变量个数。
- 按所选误报率设定 T² 控制限(默认 0.0027,相当于 3σ)。
- Phase 1(控制限取自数据)或 Phase 2(控制限取自历史均值向量和协方差矩阵)。
- 仅根据所选子组估计参数,并支持行子集和 x 轴标签列。
- 每张控制图均有汇总表和特殊原因表。
统计方法
数据包含 p 个变量,在 m 个子组中各测量 n 个零件。对每个子组,工具计算均值向量 x̄ⱼ 和样本协方差矩阵 Sⱼ。在 Phase 1 中,过程协方差为合并矩阵 S̄(即各 Sⱼ 的平均值),过程中心为各子组均值的总均值 x̿。每个子组的统计量为 T²ⱼ = n·(x̄ⱼ − x̿)′ S̄⁻¹ (x̄ⱼ − x̿),即其均值到中心的马氏距离的平方,再乘以 n。控制上限为 UCL = p(m − 1)(n − 1) / (mn − m − p + 1) × F(1 − α; p, mn − m − p + 1),下限为 0,中心线为同一分布的中位数 p(m − 1)(n − 1) / (mn − m − p + 1) × F(0.5; p, mn − m − p + 1),与 Minitab 相同。使用历史均值向量和协方差矩阵(Phase 2)时,它们取代 x̿ 和 S̄,UCL 和中心线则为 χ² 分位数 χ²(1 − α; p) 和 χ²(0.5; p)。
广义方差控制图绘制每个子组协方差矩阵的行列式 |Sⱼ|,它是所有变量联合离散程度的单个数值。取 Σ̂ = |S̄|(或历史协方差矩阵的行列式),以及常数 b₁ = Π(n − i) / (n − 1)ᵖ 和 b₂ = Π(n − i) × [Π(n − i + 2) − Π(n − i)] / (n − 1)²ᵖ(i 取 1 到 p),则控制限为 CL = b₁Σ̂,UCL = Σ̂(b₁ + K√b₂),LCL = max(0, Σ̂(b₁ − K√b₂)),K 默认为 3(Montgomery 的 3σ 控制限)。
在两张控制图上,只有超出控制限的点才是信号;判异规则不适用于这些偏态统计量。T² 信号表明子组均值已偏离,但不会指出是哪个变量发生了变动:请将该子组的各均值与其他子组比较。该方法假定各变量服从多元正态分布,且各子组相互独立。Phase 1 控制限包含任何失控的子组,因此在消除可查明原因之后,应剔除这些子组重新计算。
输入字段和选项
字段 | 说明 |
Variables | 必填。两个或更多数值型列,即每个零件上测量的相关特性。 |
Subgroup indicator | 必填。给出每一行所属子组的列。所有子组的大小必须相同,均为 n,且 n 必须大于变量个数。 |
Alpha (T² false alarm rate) | 默认为 0.0027;范围 0.0001 至 0.5。仅设定 T² 的 UCL。 |
Check Rule 1 (Generalized Variance) / K for Rule 1 (Generalized Variance) | 默认勾选,K = 3。取消勾选后,超出广义方差控制限的点不会被标记。K 设定广义方差控制限的宽度,以 |S| 的标准差个数计。T² 控制限由 Alpha 设定。 |
X scale | 可选列,用于标注横轴。 |
Historical mean vector (T²) | 可选,每个变量一个值。仅用于 T² 控制图,且只能与历史协方差矩阵一起使用(Phase 2)。 |
Historical covariance matrix | 可选的 p × p 矩阵,行之间以“;”分隔,值之间以“,”或空格分隔,例如 4.0,1.2;1.2,3.0。广义方差控制图单独使用它,T² 控制图则将其与均值向量一起使用。 |
Include or Exclude / Specify which rows | 默认为所有行,也可包含或排除给定的行号(例如 4 7 11:14)。 |
Specify subgroups to estimate parameters (mean vector & covariance matrix) / Subgroups | 估计中心和合并协方差时,选择 Omit(默认)或 Use 所列子组(例如 14:15);所有子组仍会绘制在图上。 |

图 1 — 示例的选项:Diameter_mm、Weight_g 和 Length_mm,每个子组四个零件,alpha 0.0027,Phase 1。
输出说明
- T² Chart — 每个子组的 T² 及中心线(T² 的中位数)、UCL 和 LCL = 0;高于 UCL 的点为红色。
- T² summary table — Variables、p(变量数)、m(所用子组数)、n(子组大小)、Alpha、Center Line(T² 的中位数)、UCL 和 Phase(1 为自行估计,2 为已知基线)。
- Generalized Variance Chart — 每个子组的 |S| 及 CL、UCL 和 LCL。
- Generalized variance summary table — Variables、p、m、n、常数 b1 和 b2、CL、LCL、UCL 和 Phase。
- 每张控制图的 Nelson's Rules 表 — 高于 UCL 的子组,或 No special causes found。
- 通过 Download 导出 PDF。

图 2 — 子组 14 和 15 远高于 T² 的 UCL 16.1623,而所有 |S| 均低于广义方差的 UCL 1.943。
计算示例
对一个精密车削零件检查三个相关尺寸:直径、重量和长度。15 个子组中每组取四个零件。直径与长度强相关(r = 0.83),因此三张单独的 Xbar 控制图无法公平地评判各子组。Variables = Diameter_mm、Weight_g 和 Length_mm,Subgroup indicator = Subgroup,Alpha = 0.0027,不使用历史值。
T² 控制图的 UCL 为 16.1623,中心线为 2.348。子组 1 至 13 的 T² 在 0.58 至 10.99 之间,但子组 14 和 15 分别达到 149.8 和 138.7,被标记。其均值说明了原因:直径为 29.07 和 29.89 mm,而此前约为 24.4 至 25.3 mm;长度为 13.73 和 14.35 mm,而此前约为 11.3 至 12.2 mm;子组 14 的重量也偏轻,为 55.9 g。广义方差控制图的 CL 为 0.1943,UCL 为 1.943;最大的 |S| 为子组 14 的 0.877,因此联合离散程度的增大尚不足以发出信号。
这是过程中心的偏移,而不是过程变得更不稳定:团队应查找子组 14 之前的设置或刀具变更,而不是查找额外变异的来源。为了从稳定期获得控制限,分析人员在 Subgroups 中输入 14:15 并选择 Omit。T² 的 UCL 变为 16.5221(m = 13),子组 14 和 15 仍发出信号。广义方差控制限收紧为 CL 0.09013 和 UCL 0.9013,子组 14 的 0.877 现在刚好低于 UCL:值得关注,但仍不是信号。
常见问题
何时应使用 T² 控制图而不是单独的 Xbar 控制图?
当同一零件上测量的两个或更多特性一起变化时(例如车削零件的直径和长度),使用 T² 控制图。单独的 Xbar 和 R 控制图忽略了相关性,无法公平地评判各子组;T² 控制图在考虑相关性的前提下,度量每个子组均值到过程中心的距离。
广义方差控制图显示什么?
广义方差控制图绘制每个子组协方差矩阵的行列式 |S|,它是所有变量联合离散程度的单个数值。高于其控制上限的点表明联合离散程度已增大。相比之下,T² 信号表明子组的均值向量已偏离过程中心。
T² 广义方差控制图有哪些要求?
需要两个或更多数值型变量和一个子组指示列。所有子组的大小必须相同,且该大小必须大于变量个数。该方法假定各变量服从多元正态分布,且各子组相互独立。只有超出控制限的点才是信号;判异规则不适用。
出现 T² 信号后应怎么做?
T² 信号表明子组均值已偏离,但不会指出是哪个变量发生了变动,因此应将该子组的各均值与其他子组比较。Phase 1 控制限包含任何失控的子组,因此在消除可查明原因之后,应在参数估计中剔除这些子组重新计算。
