过程稳态：控制图要达到的终极目标
一、先说结论
统计受控状态（俗称稳态），指的是过程里只剩下普通原因变差，没有特殊原因作祟。它的判据只有一条：控制图上连续足够长的一段，不出现任何判异信号。
注意这个定义里，从头到尾没提"合格"两个字。
稳态说的是可预测性——我能说出明天这台机器做出来的零件，会落在哪个范围里、以什么形状分布。合格说的是符合性——做出来的东西在不在图纸公差里。
一个过程可以稳定但不合格（稳稳当当地做废品），也可以合格但不稳定（今天靠运气过关，明天不知道）。只有先稳，"合格"才是可持续的；不稳的合格，是赌来的。
所以控制图的终极目标不是"保证合格"，是"把过程做到可预测"。可预测了，才谈得上算能力、定基准、做改进。
二、核心知识点拆解
2.1 稳定与合格：四个象限
把"稳不稳"和"有没有能力"交叉一下，车间里的过程都能对号入座：
| 有能力（Cpk 够） | 没能力（Cpk 不够） | |
|---|---|---|
| 稳定 | 理想状态：产出可预测且合格，只需日常维持 | 稳定地做次品：变差太大，得改设备/工艺，光调机没用 |
| 不稳定 | 靠运气：现在合格，随时可能翻车，Cpk 算出来也不可信 | 最糟：又乱又差，先找特殊原因，别急着算能力 |
第二象限（稳定但没能力）最需要区分清楚：这时候的问题是普通原因太大，而普通原因属于"系统的问题"，得靠管理层动资源去改——换设备、改工装、改工艺参数。 让操作工天天调机，一点用没有，反而会把 σ 调大（第 15 篇算过账）。
第三象限（不稳但当前合格）最容易麻痹人。开头那位工程师报的"99.8% 合格率"，就在这个格子里：眼下数字好看，可过程随时可能跳一下。审核员开不符合项，开的就是这个。
顺序永远是：先稳定，再评能力，最后谈改进。 过程不稳的时候算出来的 Cpk 是个没有意义的数——因为它假设分布是固定的，而你的分布正在变（模块一第 07 篇聊过这事）。
2.2 怎么证明达到了稳态
不是拍脑袋说"我看着挺稳"，得走流程：
第一步，攒数据。 至少 20~25 个子组（合计 100 件以上）。少于 20 组，算出来的控制限本身波动很大，站不住。
第二步，算初始限。 按 x̄̄ ± A₂·R̄ 算出试用控制限。
第三步，判异 + 迭代剔除。 用判异准则过一遍。有出界点，先去查原因：
- 查实了特殊原因并已消除（比如换错料、对刀失误）→ 剔除该子组，用剩下的数据重算控制限；
- 查不出原因 → 不许剔除，这个点代表的波动是你过程的真实一部分。
重算之后再判一遍，可能又冒出新的出界点（因为限收窄了），继续迭代，直到全部点都在限内且无其他判异模式。
第四步，确认并冻结。 这套限就成了后续生产的正式控制限，写进控制计划。
第五步，定期回看。 过程有已知改变（换模、改参数、换设备）时重算（第 19 篇细讲）；没改变就别乱动。
2.3 稳态之后：普通原因的持续改进
达到稳态，不是终点，是起跑线。
稳态意味着变差全部来自普通原因，而普通原因是系统固有的。想把 σ 再压下去，操作工层面基本无能为力，得动系统：
- 设备：主轴精度、导轨间隙、夹具刚性
- 工艺：切削参数、冷却方式、工序合并或拆分
- 材料：来料一致性、供应商减少
- 测量：量具分辨力、GRR 改善（测量变差也是过程变差的一部分）
戴明有个广为流传的判断：过程中大部分问题（通常说 85% 左右）源自系统，只有小部分归于操作者个人。所以稳态之后的改进，主责在管理层，不在一线。这话在车间里说出来，往往能解开很多"为什么天天骂工人却不见好转"的心结。
- 第一段"阶段 A：混乱期"——点子大幅跳动，多个点出界（红圈），控制限很宽，旁注"σ＝0.041，Cp＝0.65，月均判异 9 次"；
- 第二段"阶段 B：稳态期"——消除特殊原因后，控制限收窄，点子在限内随机散布无模式，旁注"σ＝0.025，Cp＝1.07，月均判异 1 次"；
- 第三段"阶段 C：改进期"——控制限进一步收窄（台阶式下移的两条限），点子更密集，旁注"σ＝0.018，Cp＝1.48"。
底部一条箭头贯穿三段，标"消除特殊原因 → 达到可预测 → 削减普通原因"。深蓝画点线，金橙画控制限台阶，第一段用红色标异常点。图注："稳态是起跑线，不是终点"。
三、车间真实案例：25 个子组，迭代两轮定出稳态限
某铝合金压铸件，监控壁厚，规格 10.00 ± 0.08 mm，n＝5，每小时 1 组，连续攒了 25 组。
第一轮：算试用限
- 25 组总均值 x̄̄₁ ＝ 10.0150 mm
- 25 组平均极差 R̄₁ ＝ 0.0620 mm
- n＝5：A₂＝0.577，D₄＝2.114，D₃＝0，d₂＝2.326
- Xbar 图：UCL ＝ 10.0150 + 0.577×0.0620 ＝ 10.0150 + 0.0358 ＝ 10.0508
- Xbar 图：LCL ＝ 10.0150 − 0.0358 ＝ 9.9792
- R 图：UCL_R ＝ 2.114 × 0.0620 ＝ 0.1311，LCL_R ＝ 0
判异结果：第 7 组 x̄ ＝ 10.058、第 19 组 x̄ ＝ 10.052，两点超 UCL。R 图全部受控。
查因：第 7 组对应换料后首批，保温炉温度未回稳；第 19 组对应中途更换了顶针，模具型腔状态短时变化。两条都查实、都已消除。→ 允许剔除。
第二轮：重算
- 剩余 23 组总均值 x̄̄₂ ＝ (25×10.0150 − 10.058 − 10.052) / 23 ＝ (250.375 − 20.110) / 23 ＝ 230.265 / 23 ＝ 10.0115 mm
- 剩余 23 组平均极差 R̄₂ ＝ 0.0580 mm（剔除的两组极差偏大，拉低了平均）
- Xbar 图：UCL ＝ 10.0115 + 0.577×0.0580 ＝ 10.0115 + 0.0335 ＝ 10.0450
- Xbar 图：LCL ＝ 10.0115 − 0.0335 ＝ 9.9780
- R 图：UCL_R ＝ 2.114 × 0.0580 ＝ 0.1226
再判一遍：23 个点全部落在新限内，无 9 点同侧、无 6 点趋势、无贴限链。判定：达到统计受控状态。
接着评能力（这时候算才有意义）：
- σ̂ ＝ R̄₂ / d₂ ＝ 0.0580 / 2.326 ＝ 0.02494 mm
- 公差 T ＝ 10.08 − 9.92 ＝ 0.16 mm
- Cp ＝ T / 6σ̂ ＝ 0.16 / (6×0.02494) ＝ 0.16 / 0.1496 ＝ 1.07
- 上偏：(USL − x̄̄₂) / 3σ̂ ＝ (10.08 − 10.0115) / 0.0748 ＝ 0.0685/0.0748 ＝ 0.916
- 下偏：(x̄̄₂ − LSL) / 3σ̂ ＝ (10.0115 − 9.92) / 0.0748 ＝ 0.0915/0.0748 ＝ 1.223
- Cpk ＝ min(0.916, 1.223) ＝ 0.92
结论落到第二象限：稳定，但能力不足（客户要求 Cpk ≥ 1.33）。
改进方向也就清楚了：Cp ＝ 1.07 说明散布本身就偏大，光把中心调正（Cpk 顶多提到 1.07）也够不着 1.33。所以两件事得一起干——一是把 x̄̄ 从 10.0115 往 10.00 拉正，二是把 σ 从 0.0249 压到 0.0200 以下。
他们后来做的：优化保温炉温控（把换料后的温度波动压住）＋ 缩短模具冷却水路的响应时间。三个月后复评，σ̂ ＝ 0.0180，Cp ＝ 0.16/0.108 ＝ 1.48，Cpk ＝ 1.41，达标。
注意这个顺序：先靠判异消除特殊原因拿到稳态 → 再算能力发现散布不够 → 然后动系统削减普通原因。 一步都不能跳。
四、常见误区提醒
- 拿合格率当稳定性证据。 99.8% 的合格率，完全可能来自一个正在漂移、随时翻车的过程。 合格率是结果指标，稳定性是过程指标；审核员要看的是控制图上有没有判异模式，不是你的良率报表。
- 过程还在报警就急着算 Cpk。 不稳定的过程，分布本身在变，算出来的 Cpk 没有预测意义，今天 1.5 明天 0.9 都正常。PPAP 里提交这种 Cpk，属于典型的技术性造假，被追问时根本站不住。
- 为了让图"达到稳态"，把碍眼的点删掉。 剔除的唯一合法理由是：查实了特殊原因，且该原因已被消除。 查不出原因就删点，等于把控制限人为收窄，后面天天误报，最后还是自己受罪。审核时对不上原始记录，那更是大问题。
五、小结 & 互动提问
稳态 ＝ 只剩普通原因 ＝ 输出可预测。它靠"连续 20~25 组无判异信号"来证明，靠"查实原因才剔点"的纪律来保证。
拿到稳态之后，路才刚开始：算能力，看是不是够；不够，就去动系统削减普通原因。控制图管稳定，能力指数管好坏，改进项目管进步——三件事各司其职，别混着谈。
互动提问：你手上最近一次提交给客户的 Cpk 报告，当时那批数据的控制图上，有没有判异信号？如果有，那份报告的数字，你自己信几分？
如需配套互动练习、培训课件或软件试用，可搜索「东方大易」或访问大易官网 www.eastdayi.com（苏州东方大易管理咨询有限公司，电话 0512-65561989）联系客服获取。