控制图上的数据点没有超过控制限，就代表制程一定稳定吗？
答案是不一定。
数据点没有越过控制限，只能说明暂时没有出现特别极端的波动。制程中的持续偏移、缓慢趋势、周期变化或异常排列，往往会在数据超出控制限之前，提前留下痕迹。
因此，看控制图不能只盯着数据点有没有「出界」，还要观察它们的排列方式是否符合随机波动的特征。
优思学院今天为大家介绍SPC控制图中常用的八项尼尔森判异规则。尼尔森规则是在经典西部电气规则的基础上进一步扩展而成，可以帮助我们识别制程偏移、趋势、周期性变化及其他非随机现象。
SPC规则一：一个点超出三个标准差
当一个数据点落在平均值正负三个标准差以外，也就是超过控制上限或控制下限时，说明发生这种波动的随机概率非常低。
这通常代表制程可能受到某个特殊原因影响，例如设备故障、原材料异常、操作条件改变或量测错误，需要及时展开调查。
SPC规则二：连续九个点位于平均值同一侧
如果连续九个数据点全部落在中心线的上方或下方，即使它们没有超过控制限，也可能说明制程中心已经发生偏移。
例如，设备参数被重新设定、原材料批次发生变化，或者作业方法有所调整，都可能使制程平均水平长期偏向某一侧。
SPC规则三：连续六个点持续上升或下降
连续六个数据点依次上升或依次下降，表示制程可能出现持续发展的趋势。
这种现象可能与刀具磨损、设备温度变化、原材料逐渐消耗或环境条件改变有关。如果没有及时处理，数据最终可能越过控制限，甚至造成大量不合格品。
SPC规则四：连续十四个点交替升降
如果连续十四个点呈现一升一降、反复交替的排列方式，说明这种波动可能并非完全随机。
这种情况常见于人员或自动控制系统对制程进行过度调整。每当数据稍微偏高就向下调整，稍微偏低又向上调整，结果反而使制程持续来回摆动。
SPC规则五：连续三个点中有两个超过两个标准差
在连续三个数据点中，如果有两个点位于平均值同一侧，并且落在两个标准差以外，说明制程可能已经出现较明显的偏移。
这些点虽然仍处于控制限以内，但已经非常接近控制界限，因此值得现场人员提高警觉。
SPC规则六：连续五个点中有四个超过一个标准差
在连续五个数据点中，如果有四个点落在平均值同一侧，并且超过一个标准差，代表制程可能存在持续而轻微的偏移。
单独观察其中一个点，可能看不出明显异常；但多个点集中出现在同一区域，便构成了值得调查的非随机模式。
SPC规则七：连续十五个点集中在一个标准差以内
如果连续十五个数据点全部集中在平均值正负一个标准差以内，看起来似乎非常稳定，实际上却可能「稳定得不太正常」。
这种过度集中的现象可能来自数据分层、量测设备分辨率不足、样本抽取方式不当，或者数据经过人为筛选。也有可能是计算控制限时混入了不同制程或不同条件的数据，导致控制限被拉得过宽。
SPC规则八：连续八个点避开中心区域
如果连续八个数据点分布在平均值两侧，却全部落在正负一个标准差以外，代表数据持续避开中心线附近。
这种排列通常不会由随机波动自然形成，可能说明数据来自两个不同的制程、两台不同的设备、两组操作人员，或者两个交替出现的生产条件。
触发判异规则，不等于立即调整制程
尼尔森规则的作用是发出统计警号，而不是直接替我们判定根本原因。
控制图触发某项规则，并不代表产品一定不合格，也不代表设备必须立即调整。产品是否合格要看规格限；制程是否稳定，则要看控制限和数据的非随机模式，两者不能混为一谈。
比较恰当的处理方式，是结合现场情况、制程知识和统计分析，确认是否真的存在特殊原因。如果没有找到明确证据便频繁调整设备，反而可能增加制程波动，形成过度控制。
一张控制图真正有价值的地方，不只是告诉我们数据有没有超过控制限，更重要的是帮助我们及早发现制程正在发生的变化。
想继续学习品质管理、SPC、六西格玛及精益管理知识，欢迎关注优思学院，也可以了解优思学院的精益管理CLMP课程、六西格玛绿带CSSGB课程及六西格玛黑带CSSBB课程，系统提升数据分析与制程改善能力。
