汤姆是一位汽车工程师，一个上小学二年级8岁男孩的父亲他们的家庭生活会有什么不同吗？

其实汤姆和其他父亲也没什么区别，当然每个父亲都关心自己的孩子，尤其关心孩子的身体健康和安全，这不，父亲正为孩子上学路上可能发生的情况苦思苦想呢。

汤姆想到了孩子上学路上可能会贪玩，因而上学迟到，被老师处罚，因而耽误学习（汤姆认为发生的可能性较大，他选择发生度O=5或6）；也想到了路上有一个马路需要孩子横穿过去，发生交通事故的可能性也有，当然不是很大（汤姆认为发生度O=3或4）。当然还有其他可能发生的事情，但发生的可能性都非常小（汤姆认为发生度O=1或2），所以不再考虑。接着汤姆分析，上学迟到是一件风险不是很大的事情，仅仅影响学习而已，他将风险系数确定为S=4或5，而发生交通事故的确是个大问题，父亲将风险系数确定为S=9或10。

接下来汤姆开始寻找对策，如何不让上述情况发生或一旦发生后损失最小，当然最好的办法是父亲每天送孩子上学，可是汤姆因为工作原因做不到这样，最后汤姆想出了办法，他每天写一个纸条让孩子交给老师签字，这样汤姆就可以监控孩子每天是否按时到学校（汤姆认为探测度非常高，确定D=3或4）；汤姆为孩子选择了一条可以不横穿马路的上学路径，从而使发生的可能性降的很低（汤姆确定新的发生度为O=1）。孩子不解地问父亲为什么这样做？汤姆神秘地告诉孩子他的这种方法是汽车行业非常流行的潜在失效模式及后果分析（英文简称FMEA），孩子不以为然，但还是按照父亲的办法执行了。

汤姆还关心的是孩子的学习成绩，因为没有时间照顾孩子，便为孩子每次考试成绩做了曲线图（汤姆告诉孩子这叫X-R控制图，是统计过程控制SPC的一种），孩子不明白，问父亲这图有什么用，汤姆告诉孩子可以用来监控学习成绩的变化，以便及早做出预防，比如：有超出控制限的点或连续几点上升或下降，都需要作出分析，找原因。孩子笑了，问父亲："如果连着上升不就说明成绩变好了吗，还分析什么"？汤姆严肃地告诉孩子，即使连续上升也要分析，分析的目的是找出变好的原因，以便形成标准并加以巩固，孩子似懂非懂地点点头。

孩子的课外活动也是汤姆所关心的，有一次学校让每个孩子做5个手工制品参加竞赛，学校给了制作标准，要求周五上交。孩子做好了一个，并要继续做下去，却被汤姆制止了，他告诉孩子先别急着继续做，明天先拿这个给老师检查一下，合格后再继续做后面的4个，孩子笑话父亲太小心谨慎了，父亲同样严肃地告诉孩子，这叫做产品和过程批准（英文简称PPAP），小心使得万年船。孩子按父亲的教导去做了，果然孩子的作品获得了成功，而同班的却有几名同学因作品不合格被取消了参赛资格，这次孩子终于开始佩服父亲了。

期末到了，小汤姆因为在各方面的出色表现被老师表扬，当老师和同学要求小汤姆说一说成功的经验时，小汤姆本想把父亲教他的什么FMEA，SPC，PPAP好好宣传一番，可由于兴奋，竟然一点也想不起来，最后只好说：“因为我爸是个汽车工程师”。 收起阅读 »

1924年休哈特质控图推出以来一直成为质控系统的基本工具，其实张公绪先生在上世纪80年代提出选控图补充质控图的不足，本论坛鲜见论述选控图工具。
但有化工行业网友发现其数据分布非正态而困惑，所以笔者认为推荐张公绪《两种质量诊断理论及应用》很有必要，即研究选控图理论。
张氏认为如前后两工序不独立（多工序更复杂），需建立前后工序两张质控图（总质量）和后工序选控图（分质量），用3图联合应用判断是否有系统性变异。每张图有正常和异常两种状态，排列组合共有8种组合可能性，由于前后工序不独立时，前后因子有相关关系或函数关系，所以其中一半可能误判（非两类统计失误概念）或漏判。
用休哈特思想认为只需前后工序都用质控图，可从源头到全程控制质量？但不一定！
比如在非独立两工序中，前后质控图均正常，实际下工序分质量可能异常会遗漏。原因是上工序与下工序其质量方向相反叠加，而抵消了下工序质量异常的信息，后工序质控图呈正常状态的错觉。
收起阅读 »

序:
此文源于此贴:  http://www3.6sq.net/cdb/viewthread.php?tid=9637
未来对贴子的提练和总结将是我们的一个发展方向，我希望有更多朋友参加进来，提高自已帮助别人.我仅仅以此文给大家一个思路，参照。我们的原创大赛还在继续进行，欢迎各路英雄参加，奖品在等着你.

周日上午都想写此内容，但忙忙一天一直没有静下来，23:00发现任务仍未完成
转了几个网站看看反对派的评价，他们总是给我们动力. 我们唯有努力，用行动来反击!  6SQ永远不是下载站! 听取楼下朋友的意见，已于8.24修改，正式发表

某公司QA工程师Vitia先生今天收到海外一个客户的电话，内容如下：
“Vitia,今天整理你们资料的时候，发现一个很严重的事情，你们6月份提供的产品，6月17日，某项特性均值6.8，6月18日，相同特性均值在4.7。请贵公司注意一下。”
VIA收到这个投诉后，把这一信息反馈给他主管的时候，他的主管很疑惑的说
“很好啊，他们要求是2min，我们达到最差都到了4.7，简直无理取闹嘛”

另外一个工程师W也发表了他的看法:"如果SPEC是2MIN,而实际达到4.7~6，那么有必要进行SPC控制吗？我认为控制的意义不大，除非提高SPEC。另外也要考虑一下控制的成本。"

Vitia对主管的回答和M工程师的回答都不太满意， 觉的主管的回答太不负责了，M工程师的看法有些道理，但又好像有些问题在里面。就此他请教了企业内部的H咨询师. Vitia对H咨询师讲完这个故事后说:" 我认为这个老外的精神可佳，他的品质意识比我们强. 另外，是不是我们对产品品质不应该仅仅停留在SPEC上面?  我们应怎样做?"
H咨询师认真的与Vitia探讨这个问题:" 1，首先来说，老外的精神确实值的我们学习，他的精神可贵之处在于他的负责的态度，及时反馈异常信息提醒供方改善。2,老外并不是品质意识比我们强，而是他们的对数据的认识比我们更深刻。特性均值从6.8变成4.7意味着异常的出现，并不是无理取闹.

Vitia又问道:"但我们主管认为SPEC是2min，现在是4.7，我们的特性均值远远好于SPEC, 产品是满足客户需求的啊"
H咨询师回答说:"没错，产品是目前满足客户需求的，从表面上看起来也远远大于SPEC，好像没有理由需要进行改善分析. 为什么会导致这样的误解?

我们现在从两个方面来看:“1,我们对数据不理解. 知道SPC控制图吧? SPC的控制界线是根据历史数据计算出来的，打个比方，如果历史数据计算出我们的产品特性均值为6.8,然后会根据3sigma计算出控制界线.这个控制界线与SPEC是无关的，这在SPC的应用中很重要  特性均值由6.8变为4.7有2.1的波动，从经验来看是危险的，可能有异常已经发生,如果不及时发现和处理异常，产品就有可能会超出规格.

2,我们对数据处理方法不恰当。为什么现在我们不能更直观的来判定这是否危险? 这与数据的处理方法有关，如果只用普通的记录表方法是不能直观的体现出数据的波动是否正常，只能靠一些简单方法或经验来判.,对这些数据更好的方法是用SPC控制图来记录他们.如果我们用SPC来记录这些数据，计算出它的控制界线，我们就很容易的判定这个4.7数据是否超出控制界线或违反判定原则,对数据的判定更准确更科学。W工程师认为目标的质量水准远远大于规格，应用SPC控制图没有必要，这种观点是错误的。SPC对于这种有足够的工序能力的工序的控制是非常有效的，相反当工序能力不足时(Cpk<1)应用SPC控制图起不到什么效果。另外如果我们自已建立了SPC体系，就不用等到客户来反馈异常的数据信息，自已就可以及早发现异常问题，并进行改善了。”

Vitia说：“我对SPC也早有了解，但我还有一个问题，如果我们的产品特性一直很好，我们为什么不直接免检?这样可以节约检验成本.”

H咨询师答道:“你这个问题提的很好，对过程的控制并不是用SPC就好，如果产品的特性足够好，我们是可以免检的,但这是对产品的品质已经非常了解的情况下做出的决定。通常情况下我们应用spc进行控制，根据我们的spc控制图的记录,如果我们的产品特性长期都比较稳定，我们可以渐渐的减少抽样的频率,以节约成本，最终可以考虑免检。这项决策一定要建立在对过去的长期的监控数据记录上. 并且每隔一定的时间要重新研究一下过程的能力表现（比如二个月）以验证过程是否保持稳定，如果发现过程能力有下降趋势就得及时找出原因，采取措施”

Vitia与H咨询师愉快的交流了看法，最后认为有必要在公司里进一步推行SPC和统计技术. 收起阅读 »

天气: 晴朗心情: 高兴常用的控制图相关公式及表格
见图