spc 充其量是发现问题的工具------对 ILIKESPC 朋友的回答

很好的深入讨论

SPC 充其量是个发现问题的工具？
》从下文看，你说的SPC仅仅是简单的控制图。控制图的主要目的当然是发现问题，并及时报警的工具。
对不起，我应该说“控制图”，我说控制图充其量是个发现问题的工具的意思是：

答：
作为管理工作的工具，控制图除了告诉我们过程可能有问题之外还其他的信息告诉我们吗？如：问题的严重性如何？是不是到了不可接受的程度了？问题是从什么时候开始的？我们能以某个随机失控的点或某几个有流向的随机点或某几个有趋势的随机点为基础对过程进行调整和干预吗？如果能那么调整和干预的方向是什么？干预的力度需要多大？


管理控制的原理是非常简单的，从工序中抽样，将检测结果在控制图中描绘出来，如果在图中的点是落在依据工序的自然特性所确定的控制限内且不呈现出任何特殊的形态，则不需采取任何行动。如果控制图中的点落在依据工序的自然特性所确定的控制限外，则应采取某种行动。所采取的行动可能是对工序进行调整，也可能是确认导致问题的原因，然后消除这种原因。 但是，管理控制图的使用并非是如理论这样简单。
理论和实际当然是有差别的，我们做的和用的始终是工程的控制图，而不是纯粹的理论控制图。

答：
既然理论和实际有差距，是不是应该对方法加深的认识，认识其理论上的缺陷，才能正确指导应用。
既然实际过程与理论存在差异，是不是会存在误判或者是误导管理者。、


A．管理控制图中也绘出了“噪音”（各种误差）
无论何时我们进行抽样检验，即使工序是非常稳定的，每一个抽样检验的结果总是有差别(噪音)。如果仅仅观察控制图不可能直接确定噪音的存在，我们所看到的是在控制图中散布的点和连接点的线段，工序中的基本变化被它们掩盖起来。
你也太夸张了，噪音始终是存在的，我们称它为波动。但应该认识到波动分为comm cause带来的和special cause带来的，你说的噪音我的理解是comm cause带来的。它已经在control limmit的确定过程中包含在里面了。另外如果你是指测量误差，那么MSA的分析在控制图应用前确实是很必要的。

答：
我说的误差，不是指的是波动，任何过程都存在波动，有误差意思控制图中的每个点都是随机的，是不可控的，是不能直接作为判断依据的。可控的量是“水平”，对过程做判断应该已“水平”为依据。

B．管理控制限依赖于在实际中很难保持的理论性假定
管理控制限是基于中心分布定理计算的，即假定检验结果在中心值周围随机地变化并趋向于中心值。它实际上是假定每一个样本是从一个平均值不变的工序中抽取的。如果这一假定被打破，则控制限将变得太紧，将会导致过度的反应并使产品的质量降低。很不幸的是，在现代的工序中，这种假定常被打破。一般来说明，当生产过程中的配置改变(例如调整设备、更换原材料等)或批量改变时，这种假定均不能成立。而且当今大多数公司都在向着缩短生产过程的方向进步，这一问题就变得更加显著。
控制图的应用分为分析用和控制用两个阶段（或者说是offline和online两种）在控制用之前必须先分析证明是稳定的，然后才能开始控制阶段。其次我们是工程控制图，所以不需要和理论完全一模一样。如果在分析阶段是稳定的（比如24个点都在界内等（如果不在呢？这样的过程不需要分析和控制吗？））那么我们就近似认为是服从一个稳定的正态分布。而现代工序的复杂性是存在的，所以控制图技术也是需要发展的。而你列的因素（设备、更换原材料）正好可以通过控制图来发现它们的变化。当然如果你指的是微小变化，那么传统的控制图Xbar-R图可能不能很敏感地识别，但也仅仅是不敏感，并不是不能。现在控制图技术的提高只不过在敏感度上面下工夫比较多，但原理还是和传统的一样，技巧有提高罢了

答：
如果在分析阶段是稳定的（比如24个点都在界内等））----如果不在呢？这样的过程不需要分析和控制吗？
做了很多工作之后，才能对过程进行“可能”的判断，是不是缺少经济性，怎么能作为一种重复使用的管理工具。
实际上，我的意思是，如果当条件发生改变时，过程中很可能出现不只一个随机过程，那么我们怎么能用同一个随机过程对其分析


C．管理控制图不能对工序的实际水平进行估计
操作者倾向于直接使用抽样检验的结果作为对工序进行调整的依据，因而往往是依据检验中的误差或者一个随机量对工序进行调整，因而其结果是增加了工序的波动性、增加生产过程的消耗、降低了生产率并且导致产品质量的不稳定。
对于实时控制系统，操作者对只应对工序中持续的改变作出反应，但是管理控制图不能说明变化持续的期间，因而操作者无从知道导致改变的原因及如何对工序进行调整，其结果也往往是过度调整。
如果你在稳定分析阶段，做过独立性检查（这也是传统控制图应用的前提，而不仅仅只有正态分布一个条件），那么你就知道是否能使用控制图进行控制了。另外你可以参考戴明的红珠实验和漏斗实验来体会你的迷惑。很多情况下，过度调整是因为不相信控制图的基本原理带来的，他不区分comm cause和special cause都进行调整，所以会增加波动，引起过度调整。具体例子还可以参考QS9000的SPC手册的附录“过度调整

答：
请参考前面的回答
过度调整是因为不相信控制图的基本原理带来的----恰恰是因为其理论基础导致
D．管理控制图确定显著原因的功能是非常有限的
进行统计工序控制的驱动力是相信“统计工序控制”能确定导致工序发生变异的显著的原因，通过消除显著的问题可以极大地改善产品质量和提高生产率。
实际上，说比做要容易得多。对于一个现代的复杂生产过程，只是简单地观察控制图中的点是否落在控制限外及查看生产过程记录而确定导致变化的显著原因实际上是不可能的。通常可以列出成千上万种原因。
控制图在控制什么，这个问题很重要，必须在使用前清楚地回答自己。绝对不仅仅是产品的参数，还可以是过程中的任何环节，不管它是否有规格还是没有，只要通过QFD或DOE等工具确认是process的关键因素，而且符合控制图使用的前提条件，那么都可以进行使用。这里再强调一次，在进行控制前，一定要做稳定性分析。另外为了提高分析的效果，建议先使用FMEA等工具对过程进行分析，找出你要控制的对象的主要影响因素，这样在控制图阶段你就不会面对成千上万的可能性了。

答：
这里谈的控制图的敏感性问题

E．不适用于对小批量多品种工序的控制分析
某些工序的工序平均值经常发生改变，这种变化可能是供应商改变、生产不同品种和规格的产品、或者使用不同的工具等。
在这种情况下，则必须要使用移动控制限的控制图。使用管理控制图时，对于这种情况的处理要么是要求操作者定义间隔区间或者使用一个低效的算法。
这确实是一个问题，传统的工具确实需要改进，但我们也看到了很多的方法，比如minitab中的Z图等。

答：
还是基于正态分布的假定

F．对非正态分布问题的处理技术存在问题
为了克服现实中的非正态分布性问题，在管理控制分析中通常采用非正态拟合曲线。很不幸的是，所使用的技术是不可靠的。
不可靠指的是什么，我不是太理解。对稳定的分布，Xbar-R图可以帮助你解决这个问题啊。

答：
因为分析人员始终用一个假定的分布模型，去对过程进行分析，但是实际上这种假定在实际生产过程中往往是不能满足的

 质量专家们几乎每天都在说统计工序控制是何等地重要。我们并不想对这一事实展开争论，可是现实是潜在的收益往往不能实现，而且使用统计工序控制的费用往往超过所获得的利益。出现这一结果的原因不在统计工序控制本身，而是因为选择了一项不合适的工具
这确实是一个有趣的现象。质量成本都算不清楚的地方，你要它算收益好象很难吧。任何一个工具都不是万能的。你的参考数据有吗？使用统计控制的费用比收益大？
正确使用控制图技术才是问题的根本。

答：
这话很对，我提的问题是，大家要正确认识任何一种分析方法。