帮助深入理解控制图的几个特殊的思考方向。

:lol: 控制图大家几乎没有几个人不知道的，但是人们总习惯于被误导反而忘记了控制图的原理。试试从几个角度思考可以帮助我们思考一下SPC存在本身的原理，所谓万变不离其中，理解透彻用起来就高度不一样，错误就会少犯。

连续性变量和离散性变量所适用的一般的管制图大家差不多都知道了，那你试着想想以下的问题：
1.如果连续性变量不服从正态分布但是具有随机性该如何进行？
你一定会说BOX-COX转换，是吧？ 我希望是了解抽样的过程，先排除因为数据选取，样本子组，系统特殊原因等造成的问题。否则需要进行修正和重新抽样。

2.如果抽样分组没有问题，怎么办？
应该了解变量的原理和状态，如果证明确实符合另一种分布，比如威布尔，GAMMA分布，就应该用符合改种分布的非正态控制图。

3.如果不确定倒底算什么分布，怎么办？
这次可以尝试BOX-COX转换，用转换后的控制线根据转换函数的反函数倒推测量值的控制界限。

4.可是如果BOX-COX转换仍然不能成正态，怎么办？
那就用％控制图，根据秩检验的原理，计算排序1％和99％的界限

但是要考虑的是，你在使用SPC时的灵敏性有没有问题？

离散型数据的类似问题也可以FOLLOW上述思路。

换一个角度思考：

1.如果连续性变量不随机如何进行？
首先看看是不是抽样或分组以及数据的来源有问题。

2.如果数据没有问题，怎么办？
我们通常会用EWMA或CUSUM以及时间序列图等工具来监控

3.如果用EWMA等来监控数据，我们会利用历史数据分不同权重来确定上下限，但是你会发现过去的点很多都出界，这是异常吗？怎么办？
后面的思路就由各位自己思考吧！呵呵！:lol: