案例：用分阶段控制图分析质量问题的原因

从事质量管理工作的人都知道，SPC统计过程控制图不仅可以帮助我们监控制程是否处于统计受控状态（控制用控制图），还能帮助我们分析制程中出现了哪一张潜在的异常，进而为我们解决问题提供启发。

但是，萃盈科技（QuAInS）质量大数据研究院的专家指出：传统控制图提供的这样的“启发”是相当有限的。比如，第1条判异准则虽然能够告诉我们有点超出了控制限，但控制图本身并不会告诉我们具体是什么原因导致的。从实际应用的角度出发，有可能是流程真的出现了异常，也有可能只是数据错误或者测量系统更换导致的，具体原因我们还要进一步的分析。又比如，“连续15点在C区内”的判异准则如果被违反，我们可以判断有可能是数据错误或者分层不够造成的（比如A流程的过程能力比B流程高得多，当前数据是A流程的，而控制限是根据A和B两个流程的数据混在一起而计算出的），但也仅此而已。

做过六西格玛或过程改进的人都知道，流程改进工作完成后，我们需要针对改进前和改进后的数据分别用控制图进行分析，以作为比较改进效果的一种手段，如下图：

萃盈科技(QuAInS)在实际应用中发现，如果我们能够充分利用这种方法，就能够帮助我们从一定程度上识别流程异常产生的原因，当然，我们需要同时收集一定的过程数据。

在上面的例子中，我们除了产品缺陷数的数据之外，还有Machine的信息，于是我们就可以在QuAInS系统中使用控制图来对比分析各个机器的缺陷数的SPC情况，以此我们就可以发现各个Machine的制程表现的相对优劣，在各个Machine的横向对比的过程中，我们能够更加有效地判断哪些机台表现比较好，哪些机台的表现比较差而需要进行检查或质量改进。