用统计方法改善火花塞系统制程能力
2019-08-14 22:09:36   来源：东方头条   

现在我们看下面一张连串图，特别画圈表示出来的部分，图的各点表示在汽车前后两次加油期间每加仑所跑的里数。各点的数字变化很大，有时接近平均值，有时高过平均值，有时低于平均值。在温暖气候下，每加仑平均可跑25里。连续9次加油后所开的里数，突然都落在平均值以下，即图上连续9点都在平均值之下。这是什么原因呢？如果连续2点或3点在平均值之上或之下，这是可以预期的，但连续9点却指出变异是出自特殊原因。（休哈特称之为assignable cause 非机遇原因，戴明称之为special cause特殊原因）

特殊原因有各种可能的解释，可能为所有可能原因中的一个或数个的组合，如天气寒冷（可能在山区行驶）、不同的油质量、短路程、不同的司机、负载较重、火花塞不良等。所有这些或其他可能的原因都被考虑之后，只剩火花塞是唯一的可能。换上新的火花塞之后，里程数即提升到原有水平。

里程数的回复是否代表火花塞为问题所在呢？我们不能确定。我们心中仅能建立某种直观感受，那便是在任何车辆上发生同样的事件系列时，我们将把火花塞列为可能的原因之一。

作为这个案例的延伸，拥有自己的汽车及卡车的公司，都保存着有关行车里程及购油加仑数的精确记录。我们可以善用这些数据，即可以将每位司机的记录作成一张简单的连串图，以便指出问题所在。这张图会令司机着迷，并为他及车主打开一个新视界。统计图可以协助我们侦测出系统以外的变异原因是否存在，但它不能找出确切的原因。

统计课程通常从研究及比较分布开始。课堂上或书本中，大多数未警告学生，如果以分析型研究为目的的（如改善制程），那么除非数据是在统计管制状态下产生的，否则分布及平均数、众数、标准差、卡方分布、t检验等工具的计算，对流程的改善并不管用。因此，审查数据的第一步，就是要观察数据是否在统计的管制状态下产生的。审查数据最容易的方法，是将其按照生产次序绘点，然后才能知道数据所形成的分布是否可利用。