短周期小批量控制图：多品种少批量必学
一、先讲个真事
做液压接头的一家小厂，一台数控车床，接的都是多品种小批量的活。今天上午干 M10 的接头体，下午换 M16，明天可能是 G1/2。每个品种少则二三十件，多的也就八十件。
质量员挺敬业，按教科书来：一个品种一张 Xbar-R 图。结果一个月下来，图夹子里三十多张图，每张上面五六个点。常规控制图建议至少攒 25 个子组才算得出像样的控制限，这点数据连门槛的四分之一都不到，限是拍脑袋填的，判异准则一条都用不上。
更要命的是管理成本。三十多张图挂在看板上，操作工根本不看，换个品种还得找对应的那张。这活干到最后就是走形式。
我拿因果图跟他们一起捋了一遍：这五个品种，用的是同一台机床、同一套夹具、同一个操作工、同一种测量方式，材料也都是 45 钢。变的是标称尺寸，不变的是加工过程。 那凭什么要把它们拆成五张图？
GB/T 17989.8-2022《生产过程质量控制统计方法 控制图 第8部分：短周期小批量的控制方法》（修改采用 ISO 7870-8:2017）给的答案，就一句话：把"产品导向"改成"过程导向"。 不同标称值的产品，其实来自同一个过程，那就把它们的偏差放到同一张图上，把一段段短活拼成一条长过程来监控。
标准里举的例子更夸张：某厂 360 个"特性×设备×材料"的组合，归组之后只用 3 组就能监测完。数据从稀疏变密集，统计功效一下就起来了。
二、核心知识点拆解
2.1 核心招式：打偏差，不打原始值
常规图打的是 X 本身，短周期图打的是 X 减去目标值 T。
M10 那批目标是 φ10.00，实测 10.02，打 +0.02；M16 那批目标 φ16.00，实测 15.98，打 −0.02。两个完全不同的品种，在偏差这个尺度上就说同一种语言了。
进一步，如果不同品种的散布还不一样（薄壁件抖、厚壁件稳），那就再除以各自的 R̄m 做标准化：
``` 可变目标图打点： X − T 通用图打点： z = (X − T) / R̄m ```
R̄m 是该品种的平均移动极差，来自事前信息。除完之后打出来的是无量纲的 z，任何品种、任何单位，都能落在同一张图上。
这里有个前提得说死：用这套方法，必须先对过程的目标值 T 和散布（σ 或 R̄m）有可靠的事前信息，历史数据也好、先验知识也罢。手里啥都没有就想画短周期图，那是无米之炊。
另外，本部分标准限定的是子组大小为 1（每次只测一件）的计量型特性。子组大于 1 的情况，标准明说了要另寻专家指导，别硬套。
2.2 四种图，两个问题就能选定
标准第 4 章给了两张决策树，我把它压缩成两个问题：
问题一：不同品种的过程散布，是相似还是相异？ 相似（大家 σ 差不多）→ 用可变目标系列，打 X−T，保留原始量纲。 相异（各品种 σ 明显不同）→ 用通用系列，打 (X−T)/R̄m，标准化。
问题二：你更怕突变，还是更想看趋势？ 怕突变、要快响应 → 打单值。 看趋势、要平滑 → 打移动平均。
两个问题交叉，就是四种图：
| 打点数据 | 单值/MA 限 | MR 图限 | 中心线 | |
|---|---|---|---|---|
| 可变目标 单值-MR | X − T | ±2.66·R̄m | UCL=3.27·R̄m | 0 / R̄m |
| 可变目标 MA-MR | 相邻 (X−T) 平均 | ±1.88·R̄m | UCL=3.27·R̄m | 0 / R̄m |
| 通用 单值-MR | (X−T)/R̄m | ±2.66 | UCL=3.27 | 0 / 1 |
| 通用 MA-MR | 相邻 (X−T)/R̄m 平均 | ±1.88 | UCL=3.27 | 0 / 1 |
口诀：散布同不同，定"可变/通用"；突变还是趋势，定"单值/移动平均"。
留意后两行：通用图的控制限是常数，±2.66、±1.88、3.27，跟测量单位、产品标称统统无关。一张空白模板打印一沓，什么活都能往上打，管理成本降到最低。代价是操作工看着 z = −1 没什么直觉，不知道这到底差了几个丝，必要时可以在旁边加注原始偏差。
2.3 那三个常数是哪来的
2.66、1.88、3.27 这三个数，很多人背下来却不知道出处。其实全部来自子组大小 n=2 的常规控制图因子表：
``` 单值图： 3σ/(d₂·√n)，n=2 时 = 3 / 1.128 = 2.66 移动平均图：A₂(2) = 1.88 移动极差图：D₄(2) = 3.27，LCL = D₃(2) = 0 R̄m 与 σ 的换算：R̄m = d₂(2) × σ = 1.128 σ ```
为什么都是 n=2？因为移动极差取的是相邻两个数据之差，本质上等价于子组大小为 2 的极差。一切因子就都回到 n=2 那一列了。
记住这三个数加上 R̄m = 1.128σ，你拿张方格纸就能手工搭出任何一张短周期图。标准附录 A 还直接给了四张可复印的空白表格模板，跟四种图一一对应，表头留了"产品／目标／R̄m"的登记栏。
2.4 别忘了两个准备动作
标准第 5 章的"准备程序"，实际落地时比画图本身更花工夫。
准备一：相似过程分组。 把可能来自同一过程的特性归组，防止把明显不同的过程塞进一张图导致频繁虚警。做法是用因果图列出"过程 vs 差异因素"（工具、材料、标称、公差、设备、测量过程、环境），再判断哪些差异显著、哪些可以靠标准化抵消。分组不是一次性的，用着用着虚警变多，就得回头重新分组，所以每个测量值都要记好特性元数据。
准备二：初始设置接受检验。 换产之后只测了三五件，怎么判断"这次对刀有没有对准"？标准给了个简单统计量：
``` u = (X̄ − T) / s （X̄ 为样本均值，s 为样本标准差，n ≥ 3） ```
算出来跟标准表 4 的临界值比，超了就说明设置偏了，得重新对刀再开工。多品种小批量最大的质量风险就在换产设置这一刻，这一关把住了，后面的图才有意义。
三、车间真实案例：三个品种共用一张图
拿标准示例的数据结构来演一遍，正好对应我们那台数控车的场景。三个品种，目标值和散布都不同——目标不同、散布也不同，那就选"通用"系列；这活怕的是换产设置错、突然撞刀，要快响应——选"单值"。所以定：通用的单值-移动极差控制图。
事前信息：
| 品种 | 目标值 T | 平均移动极差 R̄m |
|---|---|---|
| A（小接头） | 10 | 3 |
| B（大接头） | 40 | 3 |
| C（异形件） | 30 | 2 |
控制限直接查常数，不用算：单值图 CL=0、UCL=+2.66、LCL=−2.66；移动极差图 CL=1、UCL=3.27、LCL=0。
十四个实测数据，按生产顺序标准化：
| 序号 | 品种 | 实测 X | T | R̄m | z = (X−T)/R̄m | MR |
|---|---|---|---|---|---|---|
| 1 | A | 10 | 10 | 3 | 0 | — |
| 2 | A | 9 | 10 | 3 | −0.33 | 0.33 |
| 3 | A | 11 | 10 | 3 | +0.33 | 0.66 |
| 4 | A | 10 | 10 | 3 | 0 | 0.33 |
| 5 | A | 10 | 10 | 3 | 0 | 0 |
| 6 | A | 9 | 10 | 3 | −0.33 | 0.33 |
| 7 | A | 10 | 10 | 3 | 0 | 0.33 |
| 8 | B | 37 | 40 | 3 | −1.00 | 1.00 |
| 9 | B | 39 | 40 | 3 | −0.33 | 0.67 |
| 10 | B | 43 | 40 | 3 | +1.00 | 1.33 |
| 11 | B | 40 | 40 | 3 | 0 | 1.00 |
| 12 | C | 32 | 30 | 2 | +1.00 | 1.00 |
| 13 | C | 30 | 30 | 2 | 0 | 1.00 |
| 14 | C | 29 | 30 | 2 | −0.50 | 0.50 |
手算几个关键点。
第 8 点是换产后的第一件，品种从 A 跳到 B：(37 − 40) / 3 = −1.00。注意这里，原始值从 10 一下跳到 37，要是打原始值，图早就飞出天际了；打标准化偏差，它安安稳稳落在 −1.00。
第 10 点：(43 − 40) / 3 = +1.00。第 12 点又换到品种 C，R̄m 变成 2：(32 − 30) / 2 = +1.00。同样是 +1.00，一个代表偏了 3 个单位，一个代表偏了 2 个单位——标准化之后，"严重程度"才是可比的。
移动极差算的是相邻两个 z 之差的绝对值。第 10 点的 MR = |1.00 − (−0.33)| = 1.33，是全场最大，离 UCL = 3.27 还远。
判读结果：十四个 z 全部落在 ±2.66 内，十三个 MR 全部低于 3.27，过程受控。三个品种、十四件活，用一张图就说清楚了。
要是当初按品种分三张图：A 有 7 个点、B 有 4 个点、C 只有 3 个点。B 和 C 那两张图，控制限根本没法算，画出来纯属自欺欺人。
顺带说一句，如果这批活关注的是缓慢趋势而不是突变（比如刀具连续磨损），把同一列 z 做相邻移动平均，换成通用 MA-MR 图，限收窄到 ±1.88，对趋势更敏感。数据一样，换个打点方式，图的性格就变了。
四、常见误区提醒
- 不做分组就把所有品种一股脑塞进一张图。 这是最常见也最致命的错。标准第 5 章那一大段"相似过程分组"不是走过场——把散布、材料、设备明显不同的特性混在一起，虚警会多到你怀疑人生。 老老实实画因果图，把差异因素捋清楚，该分几组分几组。那个 360 降到 3 的例子，前提是先做了严谨的分组分析。
- 拿"分子组大小>1"的活硬套本标准。 GB/T 17989.8 的适用范围写得很清楚：子组大小被限制为 1。你要是每批能测五件想画 Xbar，那不在这一部分的射程内，标准原文的建议是寻求专家指导。
- 没有事前信息就开画。 T 和 R̄m 必须来自可靠的历史数据或先验知识。新品种第一次上机，手里没有 R̄m，那就先按类似件的 R̄m 暂用，同时尽快积累数据修正。拿一个瞎猜的 R̄m 去除，算出来的 z 全是假的。
- 忽略换产设置检验。 多品种小批量的活，八成的质量问题出在换产那一刻。只画运行中的控制图、不做设置接受检验（u = (X̄−T)/s），等于把最危险的环节漏掉了。三五件就能判的事，别偷这个懒。
- 通用图的 z 值直接当尺寸汇报。 z = −1 不是"小了 1 mm"，它是"偏了一个 R̄m"。跟客户或者上级汇报的时候，务必换算回原始偏差，不然容易闹误会。
五、小结 & 互动提问
短周期小批量控制图的精髓，说白了就六个字：打偏差，不打值。 产品在变，过程没变，那就让图跟着过程走。子组只能测一件、每批就那么几十个、品种天天换——这三条占两条，你就该把常规图收起来，换这套家伙什。
四种图的选择也不复杂：散布相似不相似决定横着走哪一支，怕突变还是看趋势决定竖着走哪一支。三个常数 2.66、1.88、3.27 记牢，方格纸都能画。
互动提问：你车间里现在挂着多少张点数不到十个的"僵尸控制图"？把它们的加工设备、材料、测量方式列一列，你觉得最多能归并成几组？
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。