子组切错了，控制图满屏假信号——合理子组与取样策略五步法
一、图天天报警，停线查下去却什么都没有
某注塑企业的一款壳体关键尺寸上了 X̄-R 控制图，质控看上去很严格：每班把当班生产的零件挑 5 件送去量测，凑成一个子组录入。
图运行三个月，一个怪现象出现了——控制图每周要报四五次异常，现场按报警去查模具、查料、查参数，绝大多数时候查不出问题；而某天尺寸真的开始漂移时，那张图反倒安安静静，直到整批不良流到装配线才被发现。
质量经理把原始记录调出来，问题出在最基础的一步：那 5 件样品并不是连续生产的零件，而是班组下班前从当班不同时段、不同机台上"挑"出来的凑数样。一个子组里，同时装着上午用 1 号模、下午用 2 号模、中途还换过一批料的零件。这样的数据画出来的控制限又宽又歪，既容易误报，也会漏报。
控制图失效的原因很多，最容易被忽略也最致命的一条，就是子组划分与取样策略错了。工具本身没有问题，是喂给它的数据组织形式错了。
二、合理子组到底"合"的是什么
要理解合理子组（rational subgrouping），先记住统计过程控制的立论基础：过程变差分两类。
- 组内变差：同一子组内部的差异，代表普通原因，是日常必然存在的偶然波动；
- 组间变差：子组与子组之间的差异，代表特殊原因，如换班、换模、换料、参数调整、设备磨损。
控制图管的正是这两者的分工：用组内变差估出控制限的宽度，再用子组点的位置变化去发现组间变差。所以合理子组只有一条原则——尽量让一个子组里的数据只承载普通原因，把特殊原因留给组与组之间去表现。
一旦这条原则被打破，会出现两种后果。子组内混进了换模、换料的差异，组内变差被人为放大，控制限随之变宽，真正的异常被宽限掩盖，表现为漏报；反过来，若某个子组恰好抽在异常时段的边缘，组内极差虚小，控制限过窄，就会出现频繁误报。误报消耗现场的信任，漏报消耗客户的信任，两者都指向同一个根因。
判断方式很直接：拿到一段数据，先问自己——这一组里的零件，是不是在尽可能短的时间内、同一台设备、同一副模具、同一批料、同一个操作者、同一套参数下连续做出的？六个"同一"里只要有一个不成立，这个子组就不合格。
三、五步法：从变化源到取样计划
第一步：先列变化源清单。 把这道工序上所有能引起特性变化的因素列出来：班次、设备、模具工装、材料批号、参数设定、操作者、环境温度。这份清单决定了子组的"切法"。以注塑为例，同一副模具、同一批料、同一班次内连续生产的零件，才算同一条件；换一次模，就该视作一个新的条件。
第二步：按时间顺序连续切组。 子组内取连续生产的零件，n 取 4～5 件最常见。不要把不同时段、不同机台的零件凑成一组。如果一条线上多台设备并行，正确做法不是混在一起画一张图，而是按机台分别出图，或把机台作为层别变量先分层，再各自判断过程是否受控。
第三步：定样本容量。 n 太小（比如 n=2），组内变差估计不稳，控制限抖动大；n 太大（到 10 以上），组内的慢漂移会被平均掉，灵敏度反而钝化。经验区间是 4～5。对于节拍长、自动在线测量的场合，用单值-移动极差图（I-MR），此时"合理性"由移动极差和取样间隔共同保证，而不是靠凑一个子组。
第四步：定取样频率。 频率要匹配两件事：过程变化有多快，漏检成本有多高。原则是在两次取样之间，过程不应该发生无从察觉的变化。换型、换料、换班、设备维修后必须立即加抽一组；夜班、新员工、开停机等高风险时段加密；过程稳定后可以适当放宽，但不取消。频率不是越密越好，密到无人执行，等于没有。
第五步：做一次分组验算。 数据落图后先看平均极差 R̄ 和极差图的形状。如果 R̄ 明显偏大、极差图上频繁出现贴近上限的点，第一嫌疑不是过程本身变差，而是子组里混了不同条件；反过来，如果控制限窄得离谱、报警过于频繁，也要回头查分组。分组对了，控制限才有意义，判异规则才有价值。
四、四种最常见的切错方式
- 凑数分组。 下班前把当班的零件随手挑几件凑成一组，或按"产量够一组就录"的方式补数据。这是最普遍的一种，后患也最大——控制限从此失去物理含义。
- 跨班、跨批合并。 把两个班次、两批料的零件合进同一个子组，组内变差被人为放大，特殊原因被提前"消化"掉。
- 按工单或检验批判组。 工单、检验批是管理单元，不等于合理子组。一个检验批横跨几天生产时，按批分组相当于把整段时间的漂移都塞进了组内。
- 子组过大。 为了"数据更充分"把 n 凑到十几件，组内极差被平均，灵敏度大幅下降，同时给现场增加难以承受的测量负担。
五、把原则落成三句话
第一，先分清这道工序上什么条件会变，再决定组怎么切；第二，一个子组只装同一条件下的连续件，特殊原因留给组间去表现；第三，取样频率服务于"能及时发现变化"，换型、换料、换班后必须加抽。
控制图不是把数据填进模板就完事的工具，它的分辨率由分组方式决定。组切对了，图才看得见真问题。
控制图的分辨率由分组方式决定，组切对了，图才看得见真问题。
知识编号：6.3.1
版本：v20260914
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。