控制圖

控制圖（QRK）或簡稱“控制圖”，其中“圖表”實際上并不意味著“地圖”，而是“圖表”或“數據表”）用于質量管理以評估測試數據。目的是評估過程的時間質量穩定性（過程穩定性）。

如果過程發生顯著變化，控制圖會指示發生變化的方向（質量分散度增加和/或質量特征位置發生變化）。 為此，以圖形方式顯示統計樣本參數（例如質量特征的樣本平均值和樣本標準偏差）和警告、干預和公差限值。

控制圖是統計過程控制 (SPC) 優化生產和服務流程的重要工具。

基本上，根據要檢查的特性的類型，在變量特性控制圖和屬性特性控制圖之間進行區分。

變量特征控制圖包括：

• Urwertkarte
• 休哈特控制圖（根據 Walter A. Shewhart 的 ImR 控制圖）
• 前期控制圖（過程控制圖）和
• 驗收控制圖

過程控制圖是不以規定限值為依據的控制圖。 上、下警告限以及上、下干預限是根據現有過程數據計算的； 它們不反映公差范圍，僅反映用相應圖表監測的樣本參數的觀察頻率分布。 警告限值和行動限值會根據最新的過程數據定期重新計算。 在過程控制圖上收集的過程數據構成了過程能力研究的基礎，其中將觀察到的特性的頻率分布與公差范圍進行比較。

主要過程控制圖有：

控制圖也用于分析位置和散點。

驗收控制圖是一種控制圖，其中使用指定的公差限制計算干預和警告限制。 公差限值表示產品為了仍然可用而可能具有的最 大偏差。 使用驗收控制圖有悖于持續改進的原則。

控制圖中的限制由顏色或線寬突出顯示的水平線表示。 警告和干預限制之間存在區別，它們高于或低于定義為要控制的過程的最佳平均值。

兩個警戒限（±）和兩個干預限（±）與均值的距離相同，如果測量值分布服從高斯正態分布，則適用以下關系：

所示控制圖中的第十一個測量點（右起第五個）高于警告上限。 如果超過了干預限度，此時過程可能會失控。 然而，在大約 1000 個案例中，只有不到 3 個案例出于統計原因超過了干預限制（在上面定義的 3-sigma 范圍內），這并不一定意味著過程或其參數已經改變 ( 1 ? 0.997 3 = 0.002 7 {\displaystyle 1-0.9973=0.0027} )。 如果超出警告限值，則必須尋找過程中可能發生的意外變化，并且在必要時必須采取適當的補救措施，使過程恢復到正常狀態。 理想情況下，可以在過程失控和生產出可能有缺陷的零件之前對其進行糾正。

• 如果參數 z 落在警告限值內 (UWG < z < OWG)，則不承擔任何故障。
• 如果參數 z 出現在警告和干預限制之間（LEL < z ≤ LEL 或 OWG ≤ z < UEL），則懷疑存在故障。 因此，會立即抽取另一個隨機樣本。
• 如果參數超出干預限值（z ≤ LEL 或 z ≥ UEL），則懷疑有故障并采取措施。 必須采取哪些措施取決于關于要控制的過程的可用知識以及顯示的故障類型。

公差限值（上限 (UL) 和下限 (LLL)）基于過程控制圖未繪制，因為它們適用于單個特征值而不適用于控制圖上顯示的參數（樣本平均值、樣本范圍等）。

控制圖也是過程本身的一個指標。 在評估控制圖時，會區分隨機影響和系統影響。 隨機影響導致控制圖上的測試數據分散，它們是由影響因素（例如小的溫度波動或材料特性）引起的，應被視為正常的，始終存在的過程的一部分。系統性影響會導致控制圖上測試數據的緩慢變化或也導致突然、劇烈的過程變化；它們是由特殊的影響因素引起的，例如工具磨損或機器調整不當。

被檢零件測點的軌跡顯示了隨機抽樣零件的質量。 這允許得出有關零件總量質量的結論。

系統偏差受制于規律性。 這些規律可以從控制圖上的測量點的過程中推導出來。

當至少七個測量點顯示出在極限方向上幾乎呈線性增長時，我們就稱之為“趨勢”。 刀具磨損可能會急劇增加，這將很快導致超過干預或警告限制。

“模式”是非隨機曲線，例如，圍繞均值線的周期性“震蕩”。 這可能意味著溫度波動，這有時會導致生產中的零件變大，有時變小。

當 7 個繪制點高于或低于平均線時，我們稱之為通過（或“運行”）。 在這種情況下，過程均值可能發生了變化。 這可以例如指示工具刀片已損壞，現在正在使零件變大或變小。

因此，控制限值并不是潛在問題的唯 一指示； 還必須遵守測量點的布置。 如果超過 90% 的標繪點位于控制限之間區域的中間三分之一或少于 40% 的點位于該三分之一，則還可以假設可能存在系統（非隨機）影響。