直方图画完没人看？——五步判读法，让数据分布替你说话
一、开篇：会画图的人多，会看图的人少
某机加工车间，质量工程师每月把关键尺寸的测量数据做成直方图，归档了事。一次客户审核，审核员指着图上两个"山峰"问：这是什么情况？没人答得上来。会后一查，两台加工中心在混批生产，A 设备对中偏上、B 设备对中偏下，两种分布叠在一起，就成了双峰。
直方图是 QC 七大工具里最常用的一个，Excel 一键就能画。但画图只是开始，判读才是价值所在。同一张直方图，会看的人能提前发现混批、偏移、波动恶化；不会看的人，只是把数据换了一种形式存起来。本文给你一套五步判读法，看完就能用。
二、第一步：看形态——分布的形状就是过程的状态
直方图第一眼先看整体形状，不同形态对应不同"病情"：
- 钟形（中间高、两边对称）：过程处于正常状态，没有特殊因素干扰。
- 偏态（一边拖长尾）：常见于有单边筛选或控制限位的过程，比如内孔加工后全检挑除小尺寸件，分布就会向一侧截断。
- 双峰（两个峰）：说明两个总体混在一起，优先怀疑设备、班次、模具或物料批次。
- 孤岛（主体旁一个小峰）：混入了少量异常数据，往往是换刀、停机重启、来料异常造成的。
- 平顶（顶部扁平）：多个均值接近的总体叠加，或刀具持续缓慢磨损。
开篇那个案例就是典型的双峰：不是过程"偶尔不好"，而是两个过程被当成一个过程在管。看到双峰，第一反应应该是分层——按设备、按班次把数据拆开重画。
三、第二步：看位置——分布中心与规格限的相对关系
形态正常不等于过程合格，还要把分布和规格限放在一起看。在直方图上画出上下规格线，看分布中心落在哪里：
- 中心居中、两侧离规格线都有余量：位置健康，暂不需要调中心。
- 中心明显偏向一侧：过程输出整体偏移，需要调整工艺参数把中心拉回。
- 中心虽未超限但贴近一侧规格线：看着合格，实际风险很高，参数一波动就会出超差，要尽早调整。
- 分布已经越过规格线：正在产出不良，立即停机处置，再谈调整。
判断位置只看一件事：分布的中心和规格的中心是否重合。很多车间只盯"合格率"，忽略了中心偏移这个"慢性病"——今天不出不良，明天波动一来就批量超差。
四、第三步：看离散——分布宽度与规格宽度的比值
第三步看直方图的"胖瘦"：把分布宽度和上下规格线之间的宽度比一比。
- 分布宽度远小于规格宽度：过程一致性很好，能力富余。
- 分布宽度接近规格宽度：看着合格，其实容错空间已经很小，任何波动放大都会顶到规格线。
- 分布宽度超过规格宽度：即使中心完全居中，两头也必然出不良，问题不在位置，在波动本身。
位置和离散是两个独立维度，要组合着看：中心好、离散大，是"波动失控"；离散好、中心偏，是"调整不当"。只调中心不降波动，或只降波动不调中心，都治不好病。这一步的结论直接决定下一步动作是"调参数"还是"管波动"。
五、第四步：确认数据可信——样本量与组距先过关
形态、位置、离散都看了，还要回头确认这张图本身靠不靠谱。两个最常见的坑：
一是样本量不够。直方图至少要有 50 个数据，最好 100 个以上；只有二三十个点画出来的形状是随机抖动，双峰、偏态都可能是假象。二是组距不当。组数一般取 5～15 组，组距太大，细节全被抹平；组距太小，图形锯齿状，看不出趋势。
另外，数据必须来自同一条件下的连续时段。今天测一批、下周再测一批拼在一起，混入不同状态的数据，画出来就是"四不像"。判读之前先问一句：这组数据是怎么来的？来源说不清，后面全白看。
六、第五步：定行动——判读的终点是下一步动作
五步判读最后要落到行动上，输出一个明确结论：
- 形态异常（双峰、孤岛）→ 先分层、查混批与异常事件，别急着分析参数。
- 位置偏移 → 调整中心，验证后重新取样确认。
- 离散过大 → 从人机料法环里找波动源，标准化作业、设备维护优先。
- 形态位置都正常 → 过程处于受控状态，可进入控制图做持续监控，或进一步评估过程能力。
直方图是一张"静态照片"，拍的是过去一段时间的过程状态；它告诉你"哪里不对劲"，但不告诉你"正在发生什么"。判读完异常，后续要用控制图盯动态、用能力指数定量——五步判读是把直方图从"归档图表"变成"管理工具"的第一步。
直方图的价值不在画，而在判读：看形态、看位置、看离散、验数据、定行动，五步走完才算看完。
知识编号：5.2.4
版本：v20260820
作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。