X-bar R 控制图 | 过程监控与质量分析 | Lattice

当您需要监控生产过程是否稳定，并及时发现异常波动时，请使用 X-bar R 控制图。它通过分析子组均值和极差，帮助您区分常规变异与异常原因，从而在质量问题发生前及时采取行动，确保每一批次的产品都符合质量标准。

实现过程的动态监控

X-bar R 控制图将过程监控拆分为均值与极差两个维度。X-bar 图负责监控过程的中心趋势，通过均值线观察是否存在偏移；而 R 图则通过极差监控过程的离散程度。这种双图结构能确保即使均值保持稳定，我们也能够捕捉到波动幅度的细微增长。

该方法采用 NIST 标准化的常数表，确保控制限的计算具备高度的确定性。系统会自动识别子组划分，无论是通过列名指定还是按序列切分，都能有效剔除噪声，专注于工艺水平的评估。

基于 Nelson 规则的预警机制

为了捕捉潜在的质量隐患，我们集成了 Nelson 8 规则。这些规则不仅关注单点越界，更通过识别连 9 点同侧、连 6 点单调等模式，提前预警由趋势性因素（如刀具磨损）或周期性因素导致的潜在失控风险。

一旦监测到违反规则的行为，Lattice 会通过 out_of_control_concern 旗标提醒您。此时系统将不再建议进行后续的能力评估，以防止错误的统计推断干扰质量决策。

确保数据的科学性与合规性

为了防止分析偏差，系统内置了 Anderson-Darling 正态性检验。如果数据严重背离正态分布，该方法会触发 non_normal_concern 提示，因为 X-bar R 控制图的假设依赖于正态性。在这种情况下，我们建议先评估数据分布或考虑转换方案。

同时，为了保证统计推断的稳健性，系统会监测子组数量。当子组样本不足 25 组时，将通过 low_subgroups_concern 进行提醒，确保您获得的控制限具备足够的统计学置信度。