Xbar 控制图

Xbar 控制图(也称子组均值控制图)是一种监控各子组平均值(均值)随时间变化的控制图。每个描点代表在某一时间点所取的一小组测量值的平均值,便于发现过程中心的偏移或趋势。

最后审阅

核心要点

Xbar 控制图(也称子组均值控制图)是一种监控各子组平均值(均值)随时间变化的控制图。

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

什么是 Xbar 控制图?

Xbar 控制图(也称子组均值控制图)是一种监控 各子组平均值(均值)随时间变化的控制图。每个描点代表在某一时间点所取的一小组测量值的平均值,便于发现过程中心的偏移或趋势。

它是质量监控中应用最广泛的控制图之一,因为它只关注 过程平均值是否保持在目标上,与变异相互独立,变异由配套的 R 图或 S 图监控。

何时使用 Xbar 控制图?

  • 当数据为 连续型(如尺寸、重量、温度、压力等测量值)时使用
  • 当测量值按固定时间间隔以 2 个或以上的子组 收集时使用
  • 当希望检测 过程均值 随时间的偏移时使用
  • 对于子组大小为 2 到 8的情形,与 R 图 配对使用,以同时监控变异
  • 对于子组大小 大于 8的情形,与 S 图 配对使用,以更精确地监控变异
  • 对于没有子组的 单个测量值,请使用 I-MR 控制图 代替

正确使用 Xbar 控制图的指南

  • 在整个研究期间,子组大小应保持 一致 ——子组大小变化会影响控制限的计算,使控制图不可靠
  • 在对过程稳定性得出任何结论之前,应收集 至少 25 个子组 的数据
  • 每个子组应是一个 合理的、同质的样本 ——避免在单个子组内混入来自不同机器、操作员或班次的数据
  • 务必 将 Xbar 图与 R 图或 S 图配对使用 ——仅凭 Xbar 图无法判断过程变异是否稳定
  • 在解读 Xbar 图之前,务必 先检查 R 图或 S 图 ——如果变异失控,Xbar 控制限就不可靠
  • 子组内的数据应 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 Xbar 控制图

  • 如果数据是 没有子组的单个测量值,请使用 I-MR 控制图 代替
  • 如果子组大小 不一致或无法标准化,请考虑使用 I-MR 控制图 以获得更可靠的结果
  • 如果监控的是 不合格品率或缺陷数,请使用 P 控制图、NP 控制图、C 控制图或 U 控制图 代替
  • 如果数据 严重偏离正态,请先应用 Box-Cox 变换,再使用 Xbar 控制图
  • 如果在同一过程上进行 短生产批次或混合零件类型 的生产,请使用 Z-MR 控制图 代替
  • 如果只想监控 变异而不跟踪均值,请使用 R 图或 S 图 单独监控

Xbar 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是否存在特殊原因。1. 将过程均值和过程标准差留空,因为目前尚不清楚。2. 启用全部 8 条 Nelson 规则。操作步骤如下:

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

5. 使用上述工具后,得到如下输出:

XBar Chart — figure 3

如何生成 Xbar 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 >Xbar Chart。
  3. 点击 Xbar 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。

Xbar 控制图的工具界面分为两部分。

XBar 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。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(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控制图如何对数据分组以计算子组平均值。
  • 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全部测量值,分布在多列中。例如,第 1 行的五列中有五个测量值,代表子组 1。
    • All observations for a chart are in one column ——所有测量值纵向堆叠在单列中,并使用子组大小字段定义每个子组包含多少行。

      在此选择错误的排布方式,会导致控制图对数据分组错误,并产生无效的控制限。

  • Subgroup Size 仅当 所有观测值存放在单列中时才需要。它告诉控制图多少个连续的行构成一个子组。例如,如果子组大小为 5,控制图会将第 1–5 行视为子组 1,第 6–10 行视为子组 2,依此类推。如果数据已按多列排列(每个测量值一列),则不需要此字段,因为子组大小由所选列数确定。
  • Process mean: 它是一个过程中一组测量值或观测值的平均值。它代表过程数据随时间的集中趋势,是过程性能的关键指标。如未提供,Zometric Statistical Software 将根据所提供的数据计算中心线。
  • Process sd: 它是衡量过程数据围绕均值的变异性或离散程度的指标,反映过程中各数据点与过程平均值的差异大小。如果留空,Zometric Statistical Software 将根据所提供的数据进行计算。
  • Sd estimation method: 为计算提供两种选择。选择 Rbar 估计法或合并标准差法会改变结果。
      • Rbar Sd estimation method: Rbar 表示各子组内极差的平均值。Rbar 法是一种广泛使用的标准差估计方法,对于子组大小为 2 到 8 的情形尤为有效。
      • Pooled Sd estimation method:  合并标准差是各子组方差的加权平均,较大的子组对总体估计的影响更大。当过程稳定时,该方法能提供更准确的标准差估计。
  • Use unbiasing constants for pooled sd: 仅当使用 Pooled Stdev 方法估计 Stdev 时,此选项才适用。
  • 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面更简洁,便于展示。请选择在准确性与可读性之间对受众而言较为平衡的位数。
  • 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,因此是检测失控情形的公认工具。为提高灵敏度、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果。
  • Check Rule 2: K points in a row on same side of center line: 检验 2 用于检测过程中心位置或变异的变化。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。该检验专门查找连续多个数据点的数值持续上升或持续下降的较长序列,这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,过程中的变异模式应是随机的。但是,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 用于识别可能被错误解读为控制良好的变异模式。该检验可发现过宽的控制限,这通常由数据分层造成。数据分层是指每个子组内部存在系统性的变异来源,导致控制限看上去比实际应有的更宽。
  • 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,各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 处增加一条额外的控制限线。这会在图上形成一个内侧边界区,有助于应用 Western Electric 或 Nelson 规则来查找控制限内的异常模式,例如连续多个点一直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 处增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,可以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 可使用分组变量将控制图拆分为不同的阶段。每个阶段独立计算各自的控制限。当已知发生过过程变更(例如新机器、过程改进或原材料变化),并希望在同一张图上比较变更前后的过程性能时,这很有用。
  • X Scale 控制图水平轴的显示方式。可以调整刻度,以显示基于时间的标签、子组序号或自定义值。当子组对应特定日期、班次或批次,并且希望图的坐标轴反映该背景而不只是顺序编号时,这很有用,可使图更易于阅读和展示。

常见问题

什么是 Xbar 控制图?

Xbar 控制图也称子组均值控制图,是一种监控各子组平均值随时间变化的控制图。每个点是某一时间所取一小组测量值的均值,便于发现过程中心的偏移或趋势。变异由配套的 R 图或 S 图单独监控。

何时应将 R 图或 S 图与 Xbar 控制图配合使用?

务必将 Xbar 控制图与监控变异的图配对使用。子组大小为 2 到 8 时,与 R 图配对;子组大小大于 8 时,与 S 图配对,以更精确地监控变异。请先检查 R 图或 S 图,因为如果变异失控,Xbar 控制限就不可靠。

Xbar 控制图需要多少个子组?

在对过程稳定性得出结论之前,应收集至少 25 个子组。保持子组大小一致,使用合理的、同质的子组,不要混入不同的机器、操作员或班次,并且子组内的数据应近似正态,控制限才有效。

何时不应使用 Xbar 控制图?

对于没有子组的单个测量值,或子组大小无法标准化时,请使用 I-MR 控制图。对于不合格品或缺陷数,请使用 P、NP、C 或 U 控制图;对于短生产批次或混合零件类型,请使用 Z-MR 控制图;如果数据严重偏离正态,可先考虑 Box-Cox 变换。