jiqi.xin
返回知识库
质量与工艺2026-11-13

SPC 控制图怎么看:8 种判异规则图解

控制图上有点超出控制限,到底算不算有问题?本文用一张表讲清 8 种判异规则,并说清控制限和规格限的区别、以及三种最常见的误判。

先看一个真实场景

产线质量工程师每天早上第一件事,是打开 SPC 系统看昨天的控制图。

图上有 40 个点,大部分在中心线附近晃,其中有一两个点靠近红色虚线。他心里犯嘀咕:

"这个点算不算异常?要不要停机?还是先观察?"

问工艺工程师,回答是"再看看";问主管,回答是"别大惊小怪"。

于是这张图就一直挂在墙上,没人真正用它做决策。

控制图不是画给客户看的,是画给"要判断该不该动手"的人看的。 看不懂判异规则,它就只是一张装饰画。


一、先搞清楚:控制图到底在解决什么问题

任何生产过程都有波动。波动分两类,这是 SPC 的全部逻辑起点:

波动类型中文叫法特征应对
普通原因随机波动一直存在、幅度小、无法归因到某个具体事件改系统(工艺/设备/设计)
特殊原因异常波动突然出现、幅度大、能归因到具体事件找到它、消除它

控制图的作用,就是帮你区分这两类波动。 落在控制限内 = 普通原因,别乱调;超出控制限或出现异常模式 = 特殊原因,必须查。

这里有个最常见的误解,必须先拆掉:

控制限 ≠ 规格限

控制限(UCL/LCL)规格限(USL/LSL)
谁来定过程自己算出来的(x̄ ± 3σ)客户/设计定的
回答什么过程稳不稳定产品合不合格
超了怎么办查特殊原因隔离、返工、报废

一个过程可以"很稳定"但"能力很差"——所有点都在控制限内,但整体偏出规格限,天天出不良品。这时候该改的是工艺中心值,不是去找异常点。

控制图看"稳不稳",Cpk 看"够不够",这两件事不能混。


二、读控制图之前,先确认三个前提

很多人一上来就看点,其实图本身可能是错的。先过这三关:

  1. 数据够不够:至少 20~25 组数据,才有统计意义。只有 8 个点算出来的控制限,会窄得离谱,到处"报警"。
  2. 控制限算得对不对:单值数据用 I-MR 图(σ = 移动极差均值 ÷ 1.128),分组数据用 X̄-R 图。用错模型,控制限就是错的。
  3. 数据有没有分层:两班次、两台设备、两批物料混在一张图里,算出来的 σ 会虚高,把真异常掩盖掉。

这三关不过,后面 8 条规则全是空谈。


三、8 种判异规则(核心)

下面这 8 条,是业界通行的判异准则(Nelson Rules)。别只记第 1 条——只知道"点出界"的人,会漏掉 80% 的早期异常。

规则判定条件它在告诉你什么常见根因
R11 点超出 3σ 控制限明显的特殊原因设备故障、错料、操作失误
R2连续 9 点在中心线同侧均值发生了偏移换批次、换刀具、参数被改
R3连续 6 点持续递增/递减存在单向漂移刀具磨损、设备老化、温漂
R4连续 14 点交替上下存在系统性交替两班次差异、双工位差异
R5连续 3 点中 2 点超出同侧 2σ偏移的早期信号同上,但更早发现
R6连续 5 点中 4 点超出同侧 1σ更早期的偏移信号同上,警觉性要求最高
R7连续 15 点都在 1σ 以内波动异常地小数据造假、分层不足、控制限算错
R8连续 8 点都在 1σ 以外(两侧)波动异常地大过程不稳定、多因素混杂

几条容易被忽略的重点

R5 和 R6 才是 SPC 的真正价值。 R1 是"事后报警"——不良已经产生了。R5/R6 是"事前预警"——过程刚开始偏,你还有机会拦住。只靠 R1 的工厂,本质上还是事后检验。

R7 反直觉,但很重要。 波动"太小"不是好事,往往是数据有问题:操作员知道要被考核,手工填了"漂亮数据";或者把两台设备的数据混算了,掩盖了真实波动。看到漂亮得不像话的控制图,先怀疑数据。

R3 最容易被误判成"正常"。 6 个点缓慢上升,每个点都在控制限内,看起来一切正常——但这是刀具磨损、催化剂衰减的典型信号,等它涨出控制限时,已经晚了。


四、竞品是怎么做的:四类 SPC 工具的取舍

如果你要落地 SPC,绕不开选工具。市面上大致四类,各有各的坑:

类型代表优势短板
专业统计软件Minitab统计功能最全,学术界/大厂标配贵、重、需要统计基础,一线工程师上手慢
表格手工Excel免费、灵活、人人会用手工算控制限易错、不能自动判异、无法留痕
商业 SPC 系统盈飞无限、太友等完整闭环,能对接 MES/设备采购周期长、成本高、实施重,小厂养不起
在线轻量工具各类在线 SPC打开即用、免费、上手快功能够用但不深,复杂分析要另找工具

选择逻辑不是"哪个功能最强",而是"谁来用、用多频繁"。

  • 质量部专职工程师、要做完整分析 → 专业软件或商业系统
  • 一线班组长、每天看几张图要快速判断 → 轻量工具就够,重工具反而没人用
  • 只是偶尔验证一个猜想 → 在线工具最快

行业里最普遍的浪费,是买了一套重系统,结果一线不用,最后沦为"应付审核的摆设"。 工具的选择标准应该是"用的人愿不愿意每天打开它"。


五、我的实战观察

在制造现场,SPC 落地失败通常不是因为"不会算",而是因为这三件事:

  1. 报警太多,最后全部忽略。 控制限算得太窄(数据不足就硬算),一天报几十次警,班组长很快学会"点掉它"。判异规则不是越多越好,是先保证不误报。
  2. 只做 R1,不做趋势判异。 只盯"出界点",等于放弃了 SPC 最有价值的部分——早期预警。
  3. 控制图和规格限混着用。 用规格限画控制图,所有点都"合格",图就失去了发现异常的能力。

这三点,本质上都是没搞清控制图是"过程监控工具",不是"产品检验工具"。


六、动手试一下

规则看懂了,最好的验证方式是拿一组数据跑一遍。

我做了个在线工具,把一批数据贴进去,它会自动:

  • 算出控制限(I-MR 法)和 Cpk
  • 标出所有异常点
  • 逐条告诉你触发了哪条判异规则

不用装软件,不用注册。

👉 在线 SPC 控制图工具 →

说明:在线工具目前实现了最常用的 5 条规则(R1/R2/R3/R5/R6),R4/R7/R8 属于更细的场景,可先用专业软件验证。工具支持 4 种典型场景(稳定 / 均值偏移 / 趋势漂移 / 单点超限),你可以直接切换看判异差异。


七、常见问题

Q:控制限内的点就一定合格吗? 不一定。控制限只管"过程稳不稳定",合不合格看规格限和 Cpk。过程稳定但 Cpk < 1.0 的情况很常见。

Q:Cpk 多少算合格? 行业通行标准:Cpk ≥ 1.33 算合格,≥ 1.67 算良好,< 1.0 说明过程能力严重不足。但这个标准要看行业和客户要求,汽车、医疗等要求更高。

Q:数据要多少组? 至少 20~25 组。少于这个数,控制限不可靠,宁可先攒数据也不要硬画。

Q:为什么我的控制图总是报警? 先查三件事:数据够不够、模型对不对(单值 vs 分组)、有没有分层。这三个问题不解决,报警是必然的。


本文是 jiqi.xin「面板/半导体制造数字化」系列的其中一篇。内容基于一线实践与公开资料整理,欢迎指正。

马上试一下

在线试一下:粘贴数据,自动出控制图 + 判异

打开工具