特殊控制图（17989.5）：非正态怎么办
一、先讲个真事
那批活是电机端盖，要控轴承位对基准的圆跳动，图纸要求不大于 0.05 mm，单侧公差。
徒弟按套路来：每小时测一件，走单值-移动极差图。数据算完，均值 0.0186，σ 估出来 0.0101，往公式里一套：
``` UCL = 0.0186 + 3 × 0.0101 = 0.0488 LCL = 0.0186 − 3 × 0.0101 = −0.0116 ```
下限是个负数。圆跳动是径向全跳动量，物理上最小就是 0，负的根本不存在。这条 LCL 画上去纯属占地方。
再看上限 0.0488，跟规格限 0.05 几乎贴脸。控制限跟规格限撞在一起，这图就废了一半——它没法在超差之前给你预警，等它报警，件基本也废了。
问题出在哪？我让他把那二十来个数画个直方图。一看就明白了：数据全挤在 0.008～0.022 这一段，右边拖着个长尾巴，偶尔冒出 0.035、0.045。典型的右偏分布，左边被 0 顶着，右边能拖多远拖多远。
这类特性在车间里一抓一把：形位公差（跳动、平面度、垂直度）、粗糙度、杂质含量、故障间隔时间、抗压强度、清洗后的残留物重量——凡是有个天然零下界、只能往一个方向"变坏"的量，多半都是偏态。
正在编制的 GB/T 17989.5《控制图 第5部分：特殊控制图》专门管这类"数据结构特殊"的情况，一口气给了十种特殊图，非正态数据控制图是其中一节。这里得说清楚：该部分目前是征求意见稿，不是正式发布版，用它的方法可以，写进程序文件引用条款号得慎重。
二、核心知识点拆解
2.1 非正态到底害在哪
常规控制图的 ±3σ，背后是"正态分布下 99.73% 的数据落在三倍标准差内"这个前提。数据一偏，这个 99.73% 就不成立了。
具体有两个害处。
一是虚警率失衡。 右偏分布的右尾比正态厚，本该 0.135% 的上侧超限概率可能变成 0.5% 甚至更高，图会莫名其妙地爱报警；左边呢，分布被 0 顶着，永远碰不到 LCL，下侧报警能力等于零。上边太吵，下边全聋。
二是控制限没有物理意义。 就像徒弟碰到的负 LCL。更隐蔽的情况是 LCL 虽然是正数，但小到过程根本不可能达到，同样是聋的。
我常打的比方：正态假设就像一件标准码的工装，大多数人穿着合身。可你让一个偏态数据穿上去，袖子短一截、腰身松一圈，还硬说是合身，那出问题就怪不得衣服了。
2.2 三条路，从省事到讲究
标准给的应对办法有三条，我按"落地难度"从低到高排。
路子一：增加子组大小，靠中心极限定理。
这是最省事的一招。原始数据再偏，只要把它们分组求平均，子组均值的分布会向正态靠拢，n 越大靠得越近。标准的建议是子组大小做到 10 以上，均值图就可以照常用：
``` 均值图（n ≥ 10）：UCL = x̄ + A₃·s̄，LCL = x̄ − A₃·s̄ ```
代价是每次得测十件以上。测量便宜、节拍快的场合值得，破坏性试验或者三坐标一件测五分钟的，就别想了。
路子二：做数据变换。
把偏态数据"掰直"再画图。常用的是 Box-Cox 变换和 Johnson 变换。
Box-Cox 的通式是这样：
``` y = (x^λ − 1) / λ （λ ≠ 0） y = ln(x) （λ = 0） ```
λ 由软件按极大似然搜出来。车间里有几个高频档位可以先试：λ=0.5 是开平方，对轻度右偏管用；λ=0 是取自然对数，对中重度右偏最常用；λ=−1 是取倒数，对付极端长尾。
变换之后，在 y 这个尺度上按普通单值图或 Xbar-R 图算限，再把控制限反变换回原始单位画在图上。反变换回来的限是不对称的——上限离中心远、下限离中心近，正好贴合偏态数据的形状。
路子三：直接用分位数构造非正态控制限。
不做变换，改用分布的实际分位数取代 ±3σ。思路是：正态的 ±3σ 对应的其实是 0.135% 和 99.865% 这两个分位点，那我就直接找出偏态分布（比如用皮尔逊曲线族拟合）在这两个概率下的分位数：
``` 均值不服从正态时： UCL = x̄ + z₀.₈₆₅ · s_average LCL = x̄ + z₀.₁₃₅ · s_average ```
这里的 z₀.₈₆₅ 和 z₀.₁₃₅ 分别是拟合分布 99.865% 与 0.135% 的分位数系数，后者是负值，所以两个式子都写作加号。这条路最讲究，出来的限最贴合真实分布，但得先把分布族识别对，一般要靠软件。
2.3 一个容易忽略的好消息：散布图不用改
很多人一听非正态就慌，以为整套图都要推倒重来。其实不是。
标准里写得很清楚，极差图和标准差图的公式保持不变：
``` 极差图：UCL = D₄·R̄，LCL = D₃·R̄ s 图： UCL = B₄·s̄，LCL = B₃·s̄ ```
需要动手术的只有均值图（或单值图）。原因也好理解：R 和 s 这类散布统计量本身的分布本来就是偏的，D₄、B₄ 这些系数在推导时就已经考虑了这一点，它们对底层分布的形状没那么敏感。
所以流程是：R 图 / s 图照旧先判散布是否受控，散布稳了，再去处理均值图的非正态问题。 顺序别搞反。
三、车间真实案例：圆跳动数据取对数走一遍
回到端盖的圆跳动。取十二个实测值（单位 mm），先看原始尺度，再看对数尺度。
| 序号 | 原始 x | MR(原始) | y = ln(x) | MR(对数) |
|---|---|---|---|---|
| 1 | 0.008 | — | −4.828 | — |
| 2 | 0.012 | 0.004 | −4.423 | 0.405 |
| 3 | 0.010 | 0.002 | −4.605 | 0.182 |
| 4 | 0.018 | 0.008 | −4.017 | 0.588 |
| 5 | 0.015 | 0.003 | −4.200 | 0.183 |
| 6 | 0.022 | 0.007 | −3.817 | 0.383 |
| 7 | 0.011 | 0.011 | −4.510 | 0.693 |
| 8 | 0.035 | 0.024 | −3.352 | 1.158 |
| 9 | 0.014 | 0.021 | −4.269 | 0.917 |
| 10 | 0.020 | 0.006 | −3.912 | 0.357 |
| 11 | 0.013 | 0.007 | −4.343 | 0.431 |
| 12 | 0.045 | 0.032 | −3.101 | 1.242 |
先算原始尺度这条错路。
``` x̄ = 0.223 / 12 = 0.01858 mm MR̄ = 0.125 / 11 = 0.01136 σ̂ = MR̄ / 1.128 = 0.01136 / 1.128 = 0.01007 UCL = 0.01858 + 3 × 0.01007 = 0.0488 mm LCL = 0.01858 − 3 × 0.01007 = −0.0116 mm ← 负数，作废 ```
上限 0.0488 离规格 0.05 只差 0.0012，等于没有预警空间；下限是负的，等于没有下限。这张图既不能预警，也判不出"跳动异常地小"这种可能提示测量出错的情况。
再走对数这条路。
``` ȳ = −49.377 / 12 = −4.1148 MR̄(y) = 6.539 / 11 = 0.5945 σ̂(y) = 0.5945 / 1.128 = 0.527 UCL(y) = −4.1148 + 3 × 0.527 = −2.534 LCL(y) = −4.1148 − 3 × 0.527 = −5.696 ```
在对数尺度上，这十二个 y 值全部落在 −5.696 到 −2.534 之间，最大的第 12 点 y = −3.101 离上限还有一段距离，过程受控。
把限反变换回原始单位：
``` UCL = e^(−2.534) = 0.0794 mm CL = e^(−4.1148) = 0.0163 mm （这是几何中位数，不是算术均值） LCL = e^(−5.696) = 0.0034 mm ```
对比一下两套限：
| LCL | CL | UCL | 是否可用 | |
|---|---|---|---|---|
| 原始尺度 3σ | −0.0116 | 0.0186 | 0.0488 | 下限无意义、上限贴规格 |
| 对数变换后反变换 | 0.0034 | 0.0163 | 0.0794 | 两端都有物理意义 |
新的限有三个明显的好处。
一，下限 0.0034 是正数，物理上说得通，真出现跳动小到 0.003 以下的件，反而要怀疑是不是量具没归零或者装夹没到位——这是原来那张图完全看不见的信息。
二，限不对称了。 中心线 0.0163 到上限有 0.0631，到下限只有 0.0129，上宽下窄，正好贴合右偏数据的形状。这才叫按身材裁衣。
三，上限 0.0794 大于规格 0.05。 有人会觉得"控制限比规格还宽，那不是失控了才报警吗"，这个理解要拧过来：控制限和规格限是两回事，控制限反映的是"过程自己能干成什么样"，规格限反映的是"客户要什么"。这里 UCL > USL 恰恰说明一件更严肃的事——这个过程的能力压根不够，稳定运行也会出超差件。 该做的是去改善过程能力（改进夹具、提高主轴精度），而不是在控制限上做文章。
后来我们做了两件事：夹具加了一道端面辅助支撑，把跳动的中位数从 0.0163 压到 0.010 附近，分布也收窄了；同时把这道特性的检测从每小时一件改成每两小时抽三件求均值，n 虽然还不到 10，但结合对数变换后已经够稳。
四、常见误区提醒
- 不做正态性检验，直接套 ±3σ。 这是所有问题的源头。上控制图之前花两分钟画个直方图、跑个正态性检验，成本极低。尤其是形位公差、粗糙度、含量、时间间隔这几类特性，默认就该怀疑它不正态。
- 看到 LCL 是负数，就直接改成 0 了事。 这是我见过最多的"土办法"。把 LCL 截断到 0，看着顺眼了，可下侧的判异能力依然是零，而且上侧那个偏高的虚警率一点没解决。截断是掩盖症状，不是治病。
- 变换之后忘了反变换，直接拿 y 值跟操作工讲。 你跟班长说"这个点的 ln 值是负三点一"，他能听懂才怪。限一定要反变换回原始单位画在图上，图上的纵轴还是毫米，操作工才用得起来。
- 以为非正态就得整套图重做。 前面说过，极差图和 s 图的公式不变。慌什么，先把 R 图画好，散布受控了，再回头收拾均值图。
- 把"控制限比规格限宽"当成好消息。 这说明过程能力不足，是个警报，不是喜讯。控制限管的是过程自己稳不稳，规格限管的是客户收不收，两者的关系反映的是能力问题，得靠改进过程来解决。
五、小结 & 互动提问
非正态不是什么疑难杂症，它只是提醒你：别用一套模板套所有数据。 三条路摆在那儿——加大子组最省事，做变换最常用，分位数法最贴合。选哪条，看你的测量成本和手上的软件。
关键是先意识到问题的存在。一张 LCL 是负数的控制图，挂在看板上一年，比没有图更糟糕，因为它让所有人误以为过程被管着。
互动提问：你手上那些形位公差、粗糙度、杂质含量的控制图，有几张的 LCL 是负数或者被人为截断成 0 的？挑一张，把数据取个对数重算一遍，看看反变换回来的限跟原来差多少？
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。