欢迎来到【谈数说质】！在日常的六西格玛项目和质量改进中，控制图是我们定期监视过程、判断其是否在控制范围内的核心工具 。本指南详细解析了 Minitab 协助功能 在处理变量控制图时所采用的四项关键技术标准。为了在 检测敏感度 与 误报率 之间取得最佳平衡，系统重点审查数据的 正态性，特别是针对单值图（I-MR）进行数据变换建议。在稳定性检查方面，该软件精选了三项核心检验，以确保能高效识别均值偏移和分层现象，同时剔除了冗余的干扰指标。针对数据量的要求，研究表明约 100个观测值即可获得足够精确的控制限。此外，指南强调了排除 相关数据 的重要性，以防止因自相关导致的失效预警，从而确保质量监控过程的严谨与科学。

很多朋友在跑数据时，只看有没有点飘出控制限。但其实，Minitab “协助”工具的底层，统计学家们为了保证控制图既敏感又不乱报警，设定了非常严密的自动数据检查逻辑。

今天我们就来拆解这4大核心机制，让你彻底吃透变量控制图！👇

🔍 机制一：正态性 (Normality) 的“双标”

很多人以为控制图强依赖正态分布，其实得分情况：

• Xbar 控制图（子组≥2）：极其“皮实”！哪怕数据严重偏斜，误报率也不会显著增大（<2%）。

• I 控制图（单值，无子组）：非常敏感！非正态数据的误报率会飙升 4-5 倍 。

• 如何破局

如果单值数据极度非正态，Minitab 会提示执行 Anderson-Darling检验。若是右偏斜数据，还会建议使用最优 Box-Cox lambda 进行变换 。

🎯 机制二：稳定性 (Stability) 的精简艺术

为了评估稳定性，最多可以做8种检验。但全开的话，“假警报”满天飞!

为了平衡敏感度，Minitab 精选了最实用的3个 :

👉检验 1：找出距离中心线大于3个标准差的点，这是抓失控最必要的检验 。

👉检验 2：连续9点在中心线同侧。结合检验1，能用极少的子组数快速揪出均值的微小偏移。

👉检验 7：连续12-15个点紧紧贴在中心线（1个标准差内）。事出反常必有妖，这通常说明数据存在系统变异源（分层现象）。

📦 机制三：数据量 (Amount of Data) 的底线

做控制图到底需要多少数据才准确？少了抽样误差大，多了收集成本高。

• Minitab 经过海量模拟给出了黄金标准：100个观测值！。

• 只要总数达到100，几乎所有子组大小的误报率都能稳稳控制在 1% 左右的极低水平 。

💣 机制四：相关数据 (Correlated Data) 的暗坑

如果你的数据点之间存在自相关（比如机器连续运转带来的连带影响），控制图很容易失效。

• 哪怕只是中等水平的自相关（≥0.4），也会让误报率高到毫无意义。

• 为了防雷，当控制限外的数据点异常增多时，Minitab 会自动启动滞后1的自相关检验，帮你避开这个数据陷阱 。

点击左下角“阅读原文”即可免费查看此指南