控制图系数表分享
控制图系数表是统计过程控制（SPC）中的核心工具。它的主要作用是提供一组标准化的常数，帮助我们根据子组样本容量（n）快速计算出控制图的控制限（上控制限UCL、下控制限LCL），而无需进行复杂的数学推导。
简单来说，控制图的理论基础是正态分布，但在实际生产中，我们不可能知道总体的真实标准差（σ）。因此，我们需要通过样本数据来估算它。
控制图系数表就解决了“如何用样本数据估算总体参数并设定合理控制限”的问题。
以下是控制图系数表的几个核心作用详解：
1. 计算控制限
这是系数表最主要的作用。不同用途的控制图，计算控制限的公式不同，因此需要的系数也不同。
常见的控制图及所用系数如下：
均值-极差控制图（Xˉ−RXˉ−R 图）：
用于监控计量型数据（如尺寸、重量、时间）。
XˉXˉ 图（均值图）控制限：
UCL=Xˉˉ+A2RˉUCL=Xˉˉ+A2Rˉ
LCL=Xˉˉ−A2RˉLCL=Xˉˉ−A2Rˉ
作用： 这里的系数 A2A2 用于将平均极差（RˉRˉ）转换为均值的标准偏差估计值，从而画出均值的控制界限。
RR 图（极差图）控制限：
UCL=D4RˉUCL=D4Rˉ
LCL=D3RˉLCL=D3Rˉ
作用： 系数 D3D3 和 D4D4 用于确定极差的波动范围是否受控。
均值-标准差控制图（Xˉ−sXˉ−s 图）：
当子组样本量较大（通常 n>10n>10）或使用计算机时，用标准差（s）代替极差（R）会更精确。
XˉXˉ 图控制限： UCL/LCL=Xˉˉ±A3sˉUCL/LCL=Xˉˉ±A3sˉ
ss 图控制限： UCL=B4sˉUCL=B4sˉ，LCL=B3sˉLCL=B3sˉ
单值-移动极差控制图（I−MRI−MR 图）：
用于每次只能采集一个样本，或过程变化缓慢的情况。
单值图（II 图）控制限： UCL/LCL=Xˉ±E2MR‾UCL/LCL=Xˉ±E2MR
2. 修正总体标准差的无偏估计
在统计学中，用样本的极差（R）或标准差（s）来估计总体的标准差（σ）时，如果样本量很小，估计量是有偏的。也就是说，直接用样本极差的平均值（RˉRˉ）除以某个系数，才能得到总体标准差的无偏估计。
公式为：
σ^=Rˉd2σ^=d2Rˉ
或者
σ^=sˉc4σ^=c4sˉ
作用： 系数 d2d2 和 c4c4 充当了“校正因子”的角色。它们消除了样本量大小带来的偏差，让我们能基于手头有限的数据，相对准确地推断出整个生产过程的真实波动水平。
3. 判断过程能力（Cp,CpkCp,Cpk）
在计算过程能力指数（如 Cp,CpkCp,Cpk）时，需要用到过程总变异（σ）。
正如上面提到的，σ^=Rˉ/d2σ^=Rˉ/d2 或 σ^=sˉ/c4σ^=sˉ/c4。如果不使用 d2d2 进行修正，计算出的过程能力指数将是错误的，可能导致对生产过程能力的误判。
4. 保证控制图绘制的准确性
不同的样本容量（n），对应的系数值是不同的。
当 n=2n=2 时，D3=0D3=0，D4=3.267D4=3.267。
当 n=5n=5 时，D3=0D3=0，D4=2.114D4=2.114。
当 n=7n=7 时，D3=0.076D3=0.076，D4=1.924D4=1.924。
作用： 系数表提供了这些根据数理统计推导出的精确数值，确保无论你每次抽几个样本（比如抽3个、5个还是10个），画出的控制限都是统计意义上有效的，不会因为样本量的变化而导致控制限过宽或过窄。
可以把控制图系数表理解为一个“翻译器”或“校准器”。它将日常容易测量和计算的数据（如平均值 XˉXˉ、极差 RR、标准差 ss），通过系数（如 A2,D4,d2A2,D4,d2）的校准，翻译成能够代表总体分布的控制界限，帮助我们区分过程中的正常波动（偶然原因）和异常波动（特殊原因）。
_b9b0b7.png)
_6cf02d.png)
_6d4f93.png)
_77267e.png)
