![]()
SPC控制图建立在数理统计学的基础上，把统计学中的“发现异常”作为控制生产过程中的一种工具。因此，
“发现异常”成为SPC控制图的基础。它利用有效数据建立控制界限，一般分上控制限（UCL）和下控制限（LCL），上控制限通常设为控制中心线CL+3σ，σ为标准偏差，下控制限设为CL-3σ。如果该过程不受特殊原因影响，那么，得到的观测数据将不会超出控制界限。正态分布的图形如下：
正态分布的概率密度函数就可以得出：大概68%的测量数据会在μ-σ和μ+σ这个区间，大概95.5%的测量数据会在μ-2σ和μ+2σ这个区间，大概99.73%的测量数据会在μ-3σ和μ+3σ区间，还有最小的0.135%和最大的0.135%落在了μ-3σ和μ+3σ以外。判断异常波动既然是SPC控制图最重要的职能之一，那么根据什么判断异常，判异准则是什么？国际GB/T4091-2001《常规控制图》中规定了8种判异准则。
SPC的8种判异准则：
1.1个点落在A区以外
2.连续9个点落在中心线的同一侧
3.连续6个点递增或递减
4.连续14个点中相邻点交替上下
5.连续3个点中有2个点落在中心线同一侧的B区以外
6.连续5个点中有4个点落在中心线同一侧的C区以外
7.连续15个点落在中心线两侧的C区以内
8.连续8个点落在中心线两侧且无一在C区内
对判异的处置原则：查明原因，采取措施，加以消除，不再出现，纳入标准。为了应用这些准则，将SPC控制图分为6个区域，每个区宽1σ，分别标识为A、B、C、C、B、A。需要指明的是这些判异准则主要适用于X图和单值X图，且假定质量特性X服从正态分布。
判异准则1：一个点落在A区以外。异常原因：计算错误、测量错误、原材料不合格、设备故障等。
判异准则2：连续9个点落在中心线的同一侧。异常原因：同判异准则1。
判异准则3：连续6个点递增或递减。异常原因：工具逐渐磨损、维修逐渐变坏，从而使参数随着时间而变化。
判异准则4：连续14个点中相邻点交替上下。异常原因：轮流使用两台设备或由两位操作人员轮流操作导致数据分层不够。
判异准则5：连续3个点中有2个点落在中心线同一侧的B区以外。异常原因：过程的参数u发生了变化。
判异准则6：连续5个点中有4个点落在中心线同一侧的C区以外。异常原因：同判异准则5。
判异准则7：连续15个点落在中心线两侧的C区以内。异常原因：数据虚假、计算错误、数据分层不够。
判异准则8：连续8个点落在中心线两侧且无一在C区内。异常原因：数据分层不够。
标签：
