Sunrise Blog
字号：大 中 小
问题Cpk或Ppk的时候，往往会提到产生变差的各种原因，在统计过程控制中往往把把产生变差的原因分为普通原因和特殊原因。
我们对过程的结果，也就是对产品的特性加以测量，确定产品的质量。过程结果（产品）的某一个特性（譬如尺寸、强度等）通常用Y来表示。这个特性会受到过程输入（人、机、料、法、环、测量）的特性以及相互作用的影响。这些是引起前面过程结果的原因，也叫因素。通常用X来表示。我们分析问题或者建立过程确保产量的时候，要分析和控制好这些原因。为了有效控制，往往把原因分为普通原因和特殊原因。普通原因引起变差是一种波动。是在一个稳定的过程中由未知的各种因素引起的，其输出数据围绕平均值随机分布的一种波动。普通原因引起变差可以用来测量过程的潜在的能力，或者把该过程的特殊原因清除后过程的性能将是什么样。因此，可以用它来测量过程的。普通原因引起的变差也叫随机变差random variation,噪音 noise,不能加以控制的变差noncontrollable variation,试样内的变差within-group variation, 或者固有变差inherent variation。举例来说，对过程结果影响很小的那些单个因素X。Common cause variability is a source of variation caused by unknown factors that result in a steady but random distribution of output around the average of the data. Common cause variation is a measure of the process's potential, or how well the process can perform when special cause variation is removed. Therefore, it is a measure of the process technology. Common cause variation is also called random variation, noise, noncontrollable variation, within-group variation, or inherent variation. Example: Many X's with a small impact.不同于普通原因引起变差，特殊原因引起的变差是可知的各种因素，这些因素产生非随机的数据分布。也叫非期望的exceptional或者可归咎的assignable变差。举例来说，对过程结果影响很大的那些单个因素X。
Unlike common cause variability, special cause variation is caused by known factors that result in a non-random distribution of output. Also referred to as "exceptional" or "assignable" variation. Example: Few X's with big impact.特殊原因引起变差是由于特定的因素，譬如条件或过程输入的某些参数引起过程输出结果。这些变差的原因素可以直接加以确定的，然后能加以消除的，它是过程控制的时候需要加以测量的一种因素。
Special cause variation is a shift in output caused by a specific factor such as environmental conditions or process input parameters. It can be accounted for directly and potentially removed and is a measure of process control.
从以上可见：1、当过程只有普通原因引起变差的时候，过程是受控制的。可以预测的。也就可以知道过程的能力是多少。就是六个西格玛（标准差）。2、当过程稳定后，只有普通原因引起变差起作用。您要想从中识别出什么原因起多大作用，是没有加以确定的。如果您的过程组成因素（也就是系统）不改变，提高过程能力是不可能的。擅自变动过程中固有因素的话，通常过程的结果会越来越差。通常应当识别主要的普通原因。确定这些过程中普通原因的参数，加以控制在规定的范围内。那么，过程结果就只有普通原因引起变差，可以达到控制过程的目的了。3、特殊原因不是过程固有的因素，或者固有因素超出前面规定范围，引起的变差。是可加以确定的。也是需要加以控制的。控制好这些特殊原因，也就起到了预防和控制的作用。
附加说明：
1、任何正确都是相对的，没有绝对的。我们讨论这个问题的前提就是相对的。把原因分为普通原因引起的变差和特殊原因引起的变差就是相对的。在相对里面就有绝对真理。譬如，纯水在一个大气压下加温到沸点的温度定义为摄时100度。那么，这就是相对中的绝对了。实际生活中不可能有绝对的纯水和绝对的一个大气压，绝对的……。但这不等于我们不要去探求这些因素之间的相互关系。我们探求的目的是为了让我们生活得更好。不是为了探求而探求。
2、如果普通原因引起变差可加以区别出来，针对该原因采取措施提高过程能力的话，这不是普通原因，而是特殊原因，可归咎的原因了。因为您能确定该原因了。那就不能再称它为普通原因了。3、如果我们通过主动改变系统中固有因素，提高系统的能力的话，这就不是现在这个系统的普通原因，而是改变系统固有原因提高体系能力。这是持续改进应当做的。
3、控制图是最好的识别两类不同原因的工具。有人问，我们如何来确定问题的原因是由于普通原因引起还是特殊原因引起的？我认为最好的方法是利用控制图。包括计量型和计数型控制图。需要认真学习统计过程控制的有关知识，懂得如何利用控制来来判定什么类型的原因。4、两类错误。当然，也必须注意，以上做法也是相对的，不是绝对的。因为，我们知道在统计学中存在着第一类错误和第二类错误。所谓& && && & a）第一类措施是指客观上是正确的，正常的，而我们根据数据把它确定为不正确，不正常；或者说，过程中只有普通原因引起变异，我们判定有特殊原因了；在管理上，这叫过度干涉，瞎指挥。& && && & b）第二类错误是了不正常，或者说有了特殊原因，我们根据数据没有办法确定有问题，认为还是正常的，没有问题。就是应当调整过程的时候，应当查查问题的时候，不去查。在管理上，这叫控制不足，失控。5、3西格玛原则。根据以上可见，工作中不犯措施是不可能的。譬如说，见到数据落在六个西格玛外了，只是现象。不是本质。不要肯定有特殊原因，要具体分析后初步确定，再针对假定的特殊原因，采取错误。验证是否正确。如果，没有预期结果，可能原因没有查对。或者就没有特殊原因。犯了第一类措施。我们搞质量管理的人，就是做好这两类措施发生概念之和为最小。根据实践证明，当质量水平达到3西格玛的时候，这两个措施的概率之和为最小。这就是质量管理中有名的3西格玛原则。控制图就利用这原则，来确定上下各3个西格玛作为上下控制极限。当过程稳定，只有普通原因引起变异的时候，过程数据分布是正（常状）态的。我们可以计算得到这个西格玛。确定上下控制极限。当数据落在这6个西格玛范围外面的时候，我们就要注意，可能发生特殊原因了。或者，在上下控制极限内数据不是随机分布，也可能有特殊原因了。
6、3西格玛以外的各种情况。& && && & a）2西格玛原则。重要的行业控制图上，可能会用2个西格玛来确定控制极限。也就是把第一类错误发生概率有意容许大一些。当数据超过这个范围，就分析是否有特殊原因。如果分析不出来，再看看。无非是浪费一些精力而已。这样做保险。& && && & b）如果用4个西格玛原则如何？反过来，我们把4个西格玛作为控制极限。那么，犯第一类错误的概率小了，但是，犯第二类措施的概率增大了。也就是当过程发生了特殊原因，控制图上显示还是没有问题。& && && & c）过程不稳定的情况。如果我们的过程不稳定，可以说，经常发生特殊原因引起的变异，过程也就完全失控。事故必然发生，重大事故必然发生。因为，系统有问题。
7、应当根据顾客要求来判定是否需要降低普通原因引起的变差，提高过程能力指数Cpk。当降低到一定程度，譬如Cpk等大于2的时候，可以把精力放在其他需要改进的过程了。
8、公差要求不是根据过程能力来确定的，应当根据顾客要求转化而来的。如果发现过程能力指数充分满足要求，通常做法是降低过程的成本费用，不会去提高公差要求的。来“改进设计”。反过来，当设计提出要求超过过程能力，这样的设计是需要改进的。9、当我们讨论过程是否受控的时候，也就是过程是否稳定的时候，是指当过程只有普通原因引起变差的时候是受控的概念。根本不联系公差要求的。不考虑合格不合格的。如果你总是把不合格作为过程失控的标志，这是概念上没有搞清楚什么叫统计过程受控的缘故。
10、利用公差80%来控制的是产品，是所谓的内控标准，因为测量系统变差的存在，这种方法在很多企业有在使用，目的是为了保护客户，当然也保护了自己。是检验把关的做法，如果过程不稳定，没有受控的话，没有任何预防作用。实际上也没有达到控制的目的。没有检查到的产品是否合格？没有根据的。
11、当公差范围大于控制极限的情况下，落入控制极限范围内的数据肯定是合格的；如果，公差范围小于控制极限的情况下，那么就不一定了。12、如果数据都落在控制极限范围内，又符合判定原则，那么，应当认为过程是稳定的。也就是只有普通原因存在。当然，这也是相对的结论，也不是绝对的。
13、当控制图的控制极限范围小于公差范围的话，就是Cpk比较大。当数据落在控制极限外，过程发现有可能存在特殊原因，这时候，产品仍然合格。这样就起到了预防作用。
function open_phone(e) {
var context = document.title.replace(/%/g, '％');
var url = document.location.
open("/ishare.do?m=t&u=" + encodeURIComponent(url) + "&t=" + encodeURIComponent(context) + "&sid=70cd6ed4a0");
！觉得精彩就顶一下，顶的多了，文章将出现在更重要的位置上。
大 名:&&[]&&[注册成为和讯用户]
(不填写则显示为匿名者)
(您的网址，可以不填)
请根据下图中的字符输入验证码：
(您的评论将有可能审核后才能发表)
已成功添加“”到
请不要超过6个字当前位置： &
特殊原因的英文
英文翻译cause specificspecial causespecific cause&&&& peculia ...&&&& mast ...&&&&but for income&&&&but-for income&&&&but-for income&&&&sadm&&&& master sheet
原因和结果 成功的原因 reaso ...&&&& exceptional
特殊儿童 特殊教育
...&&&&forfor&&&&frustration event&&&&since because as&&&&root&&&&causes&&&&reason&&&&responsible for&&&&no reason&&&&as a result of&&&& reasonfor&&&&causa&&&& causative&&&&law of causality&&&& etiology&&&&the reason is ..&&&&what accounts for&&&&cause for rejection
例句与用法No particular reason , it ' s just what i do没有特殊原因，我就是这么做了呗。 Use ordered patterns unless you have specific reason not to除非有特殊原因，否则应使用有序范式Taxi back due to special reason滑回，因特殊原因。 Bahlul wanted to contact certain notables of persia for reasons of his own巴鲁因特殊原因想接触波斯的一些名人显贵。 Loading all of the stored objects could be an overhead for no particular reason如果没有特殊原因的话，装入所有的存储对象是一种开销。 Finance risk and financial fragility - the special causes and control of chinese finanlial fragility兼论我国金融脆弱性的特殊原因及控制对策If the proportion is less than 50 % owing to special reasons , it must be approved by the tax authority由于特殊原因，提取比例低于50的，须经税务机关批准。 " mother , " replied the young man , " you have especial reasons for telling me to conciliate that man .“妈， ”那阿尔贝回答， “你要我向那个人妥协，难道有特殊原因的吗？ ” If there is any changes on the above holiday arrangement in the next year , we will inform you in advance如在明年因特殊原因需要对上述休假时间做出调整，我们将届时通知大家。 I am happy to look at preliminary drafts of papers , but except for unusual circumstances , i do not accept rewrites我很乐意阅读你们的报告初稿，但除非有特殊原因，否则我不收重写稿。 更多例句：&&1&&&&&&&&&&
相邻词汇热门词汇
特殊原因的英文翻译，特殊原因英文怎么说，怎么用英语翻译特殊原因，特殊原因的英文意思，发音，例句，用法和解释由查查在线词典提供，版权所有违者必究。
&&&&&&&&&&&&&&&&
Copyright &
(京ICP备号)
All rights reserved&您好！ 欢迎
日志用户版块群组帖子
因特殊原因,终止下载......
UID：126181
在线时间25小时
土币1威望431原创币0
&[ 此帖被lhwen在 00:39重新编辑 ]
UID：126181
在线时间25小时
土币1威望431原创币0
.....................................[ 此帖被lhwen在 11:50重新编辑 ]
UID：18714
在线时间511小时
土币8553威望2228原创币0
这个还有不用安装的绿色版？给个邮箱
走自己的路，让别人坐车去
UID：126181
在线时间25小时
土币1威望431原创币0
上传之前,说明一下详细的用法.&1、解压之后,双击geol或者是geon图标，就可以转换成中文，可能需要多试几次。&2、在计算前，会弹出一个提示：“该plaxis项目已被一个更新的plaxis版本生成，导致读取文件错误”。这个从目前使用过程中，没有影响到计算的正确性。可以不去理会。
UID：32897
在线时间1496小时
土币432538威望3839原创币0
等待上传，嘿嘿
UID：126181
在线时间25小时
土币1威望431原创币0
一共13个分卷
UID：126181
在线时间25小时
土币1威望431原创币0
第二个分卷
UID：126181
在线时间25小时
土币1威望431原创币0
第三个分卷
UID：126181
在线时间25小时
土币1威望431原创币0
第四个分卷
在线时间1004小时
土币9威望11340原创币0
呵呵！收下试试看吧！感谢分享！！&&下载后，让江民杀毒软件删除了很多文件？？[ 此帖被www-06-02 14:48重新编辑 ]
UID：126181
在线时间25小时
土币1威望431原创币0
第五个分卷
UID：126181
在线时间25小时
土币1威望431原创币0
第六个分卷
访问内容超出本站范围，不能确定是否安全
限100 字节
温馨提示：欢迎交流讨论，请勿纯表情、纯引用!
您目前还是游客，请
&回复后跳转到最后一页
联系方式：& &客服部: & &
服务热线：0
& && & 在线客服:
∮岩土在线∮
Total 0.093707(s) query 7, Time now is:05-11 01:09, Gzip enabled查看: 11087|回复: 94
什么叫普通原因和特殊原因
本帖最后由 hnwang 于
21:49 编辑
& && &讨论质量问题的时候，往往会提到产生变差的各种原因，在统计过程控制中往往把把产生变差的原因分为普通原因和特殊原因。从网站上下载关于这两个名词的说明，供参考。
& && &我们对过程的结果，也就是对产品的特性加以测量，确定产品的质量。过程结果（产品）的某一个特性（譬如尺寸、强度等）通常用Y来表示。这个特性会受到过程输入（人、机、料、法、环、测量）的特性以及相互作用的影响。这些是引起前面过程结果的原因，也叫因素。通常用X来表示。我们分析问题或者建立过程确保产品质量的时候，要分析和控制好这些原因。为了有效控制，往往把原因分为普通原因和特殊原因。
& && &普通原因引起变差是一种波动。是在一个稳定的过程中由未知的各种因素引起的，其输出数据围绕平均值随机分布的一种波动。普通原因引起变差可以用来测量过程的潜在的能力，或者把该过程的特殊原因清除后过程的性能将是什么样。因此，可以用它来测量过程的技术。普通原因引起的变差也叫随机变差random variation,噪音 noise,不能加以控制的变差noncontrollable variation,试样内的变差within-group variation, 或者固有变差inherent variation。举例来说，对过程结果影响很小的那些单个因素X。
Common cause variability is a source of variation caused by unknown factors that result in a steady but random distribution of output around the average of the data. Common cause variation is a measure of the process's potential, or how well the process can perform when special cause variation is removed. Therefore, it is a measure of the process technology. Common cause variation is also called random variation, noise, noncontrollable variation, within-group variation, or inherent variation. Example: Many X's with a small impact.
& && &不同于普通原因引起变差，特殊原因引起的变差是可知的各种因素，这些因素产生非随机的数据分布。也叫非期望的exceptional或者可归咎的assignable变差。举例来说，对过程结果影响很大的那些单个因素X。
Unlike common cause variability, special cause variation is caused by known factors that result in a non-random distribution of output. Also referred to as &exceptional& or &assignable& variation. Example: Few X's with big impact.
& && &特殊原因引起变差是由于特定的因素，譬如环境条件或过程输入的某些参数引起过程输出结果。这些变差的原因素可以直接加以确定的，然后能加以消除的，它是过程控制的时候需要加以测量的一种因素。
Special cause variation is a shift in output caused by a specific factor such as environmental conditions or process input parameters. It can be accounted for directly and potentially removed and is a measure of process control.
& && &从以上可见：
& && &1、当过程只有普通原因引起变差的时候，过程是受控制的。可以预测的。也就可以知道过程的能力是多少。就是六个西格玛（标准差）。
& && &2、当过程稳定后，只有普通原因引起变差起作用。您要想从中识别出什么原因起多大作用，是没有办法加以确定的。如果您的过程组成因素（也就是系统）不改变，提高过程能力是不可能的。擅自变动过程中固有因素的话，通常过程的结果会越来越差。通常应当识别主要的普通原因。确定这些过程中普通原因的参数，加以控制在规定的范围内。那么，过程结果就只有普通原因引起变差，可以达到控制过程的目的了。
& && &3、特殊原因不是过程固有的因素，或者固有因素超出前面规定范围，引起的变差。是可加以确定的。也是需要加以控制的。控制好这些特殊原因，也就起到了预防和控制的作用。
& && &以上个人观点，仅供参考。如果有不对，请指正。
本帖最后由 zhl1982zx 于
21:03 编辑
谢谢您的补充。这样类似的话太多了。
真正理解普通原因和特殊原因不是那么容易的。理解是一会事，应用更是一回事。就拿MIL-STD-105E为什么要转变采用MIL-STD-1916就是一个例子。好在大家一起来讨论。
如何识别两类原因
本帖最后由 hnwang 于
16:11 编辑
& && &1、控制图是最好的识别两类不同原因的工具。有人问，我们如何来确定问题的原因是由于普通原因引起还是特殊原因引起的？我认为最好的方法是利用控制图。包括计量型和计数型控制图。需要认真学习统计过程控制的有关知识，懂得如何利用控制来来判定什么类型的原因。
& && &2、两类错误。当然，也必须注意，以上做法也是相对的，不是绝对的。因为，我们知道在统计学中存在着第一类错误和第二类错误。所谓
& && && & a）第一类措施是指客观上是正确的，正常的，而我们根据数据把它确定为不正确，不正常；或者说，过程中只有普通原因引起变异，我们判定有特殊原因了；在管理上，这叫过度干涉，瞎指挥。
& && && & b）第二类错误是了不正常，或者说有了特殊原因，我们根据数据没有办法确定有问题，认为还是正常的，没有问题。就是应当调整过程的时候，应当查查问题的时候，不去查。在管理上，这叫控制不足，失控。
& && &3、3西格玛原则。根据以上可见，工作中不犯措施是不可能的。譬如说，见到数据落在六个西格玛外了，只是现象。不是本质。不要肯定有特殊原因，要具体分析后初步确定，如果初步确定可能是特殊原因，再针对可能的特殊原因，采取措施。验证是否正确。如果验证结果没有达到预期结果，可能原因没有查对。或者根本就不是特殊原因。犯了第一类措施。我们搞质量管理的人，就是做好这两类措施发生概念之和为最小。根据实践证明，当质量水平达到3西格玛的时候，这两个措施的概率之和为最小。这就是质量管理中有名的3西格玛原则。控制图就利用这原则，来确定上下各3个西格玛作为上下控制极限。当过程稳定，只有普通原因引起变异的时候，过程数据分布是正（常状）态的。我们可以计算得到这个西格玛。确定上下控制极限。当数据落在这6个西格玛范围外面的时候，我们就要注意，可能发生特殊原因了。或者，在上下控制极限内数据不是随机分布，也可能有特殊原因了。
& && &4、3西格玛以外的各种情况。
& && && & a）2西格玛原则。重要的行业控制图上，可能会用2个西格玛来确定控制极限。也就是把第一类错误发生概率有意容许大一些。当数据超过这个范围，就分析是否有特殊原因。如果分析不出来，再看看。无非是浪费一些精力而已。这样做保险。
& && && & b）如果用4个西格玛原则如何？反过来，我们把4个西格玛作为控制极限。那么，犯第一类错误的概率小了，但是，犯第二类措施的概率增大了。也就是当过程发生了特殊原因，控制图上显示还是没有问题。
& && && & c）过程不稳定的情况。如果我们的过程不稳定，可以说，经常发生特殊原因引起的变异，过程也就完全失控。事故必然发生，重大事故必然发生。因为，系统有问题。
& && &以上个人观点，仅供参考。
謝謝王老師的解釋，很清晰。
谢谢您的回音和鼓励。
控制图的判异规则有很多，但CQE教材中判异规则和AIAG的SPC建议的判异规则有很大的不同，原因在SPC第二版中已经做过说明，您提到一类错误和二类错误，何不顺便介绍一下“平均运行长度”呢，相信对大家实际运用会有帮助。
控制图的判别异常的准则是很多，根据自己的对产品重要性、工艺水平、以往的数据来确定的。我这里，也谈到2西格玛原则就是医药工业中有所采用的。各个组织应当自己来确定。只能通过实践，积累数据后确定的。关于“平均运行长度”，如果您能介绍一下不是很好吗？
支持王老师！
SPC 需要学习的太多，慢慢来
是啊！知识是无止境的，要好好学习，充实自己。
学习了，赞一个。。。
我坚强地认为，要少谈理论，多谈实践。
注意：只有理解了的东西才是自己的。
1 特殊原因：人、机、料、法、环、测的重大变化。
2 普通原因：除了1外的所有过程因素。
& && &1、正确的理论也是客观存在。不管您是否理解，用正确的理论可以指导实践，获得成功。
& && &2、不通过实践是不可能真正理解正确的理论的。也只有等到碰得头破血流以后，才能回头的人是不理智的人。
请教wang老师，经过不断的改善如果我的制程能力很好，如cpk=2甚至更高，我可否不再变更管制界限或者把管制界限定在cpk=2的时候计算出来的管制界限？减小型一误差
& && &应当根据顾客要求来判定是否需要降低普通原因引起的变差，提高过程能力指数Cpk。当降低到一定程度，譬如Cpk等大于2的时候，可以把精力放在其他需要改进的过程了。
& && &不知道您说的 “ 减小型一误差”是什么意思？
& && &以上仅供参考。
谢谢王老师的指导，学习了！
大好了，你大专了，黄老师
谢谢鼓励。我姓王。
Cpk=2只是显示过程能力很强，但实际过程能力不见得就强。
过程能力的大小是客观存在的，不是计算出来的（只是我们需要时，就得计算）。
一种好的做法是，当你通过控制图判断过程稳定并且计算得到较高的Cpk时，你可以对公差提出异议，如果你有产品设计责任，就改变公差，若没有产品设计责任，就确定一个合适的控制（操作）界限。方法是，假设使Cpk=1.33（具体按需要），反过来计算出公差即可。换言之，SPC对过程不仅具有控制和预防的作用，而且可以为设计改进提供信息输入。
& && &1、“Cpk=2只是显示过程能力很强，但实际过程能力不见得就强”。不理解，什么叫显示过程能力和实际过程能力？你的意思是说，计算得到的不一定准确就这样说就是了。请问，如何知道实际的过程能力？
& && &2、请问，设计公差是根据什么来确定的？难道是根据过程能力反过来按照Cpk-1.33来确定的？
& && &3、请问控制界限是如何确定的？你说，“若没有产品设计责任，就确定一个合适的控制（操作）界限。方法是，假设使Cpk=1.33（具体按需要），反过来计算出公差”。这个公差就是控制界限吗？
1、“Cpk=2只是显示过程能力很强，但实际过程能力不见得就强”。不理解，什么叫显示过程能力和实际过程能力？你的意思是说，计算得到的不一定准确就这样说就是了。请问，如何知道实际的过程能力？
我说过我们都是凡人，也许我们永远也不知道某过程的真实的实际能力，就象我们现在还不敢肯定是否有飞碟一样。
不过，实际的过程能力可以通过计算近似地得到，那需要控制好SPC应用的“测量系统”。
& &&& 2、请问，设计公差是根据什么来确定的？难道是根据过程能力反过来按照Cpk-1.33来确定的？
请不要歪曲我的表达，我是说可以通过计算反过来提供设计改进的信息输入。
& && &3、请问控制界限是如何确定的？你说，“若没有产品设计责任，就确定一个合适的控制（操作）界限。方法是，假设使Cpk=1.33（具体按需要），反过来计算出公差”。这个公差就是控制界限吗？
控制界限是计算获得的。这个公差可以作为制定控制界限的参考，控制界限的确定属于过程设计范围，可以通过计算反过来提供设计改进的信息输入。
& && &1、第一个问题，在哲学上，就是世界是不可知的，又是可知的统一。任何真理都是相对的，要有无数相对真理才组成决定真理。现实中还是应当认定计算得到过程能力指数的作为工作中衡量过程能力的依据。通过实践，必要时，再调整。我们搞质量的，就当解决实际问题，达到使顾客满意目的。
& && &2、关于控制界限和公差，我还是没有理解你的意思。您说，“控制界限是计算获得的。这个公差可以作为制定控制界限的参考”。计算和确定控制界限的时候为什么要参考公差？这个公差是指产品规格中的公差，还是其他什么公差？“可以通过计算反过来提供设计改进的信息输入”这里又指什么设计？
需要说明一点：
我说的控制界限不是控制图中的控制限，而是实际中间工序的结果。
如某产品直径要求30±1，工序中若计算显示实现该尺寸的能力很强，可以通过计算反过来得到一个特性值，可能是30±0.8，进行控制。
这种控制方法我在好多单位见到。问起来，回答是利用公差值的80%作为控制界限。再问他们，什么是过程稳定？什么是过程能力 ？不能回答，这样做法是错误的。
“利用公差值的80%作为控制界限，这样做法是错误的。”
控制界限是实际加工的零件测量后计算出来的，它是加工零件的实际水平。用它和规格限比较才能了解加工水平能否符合要求，及CPK是多少，......。
& && &这是检查产品是否符合要求，不能检查过程是否稳定。稳定和合格是两个不同的概念。
有采用压缩公差的界限进行管理的方法，但不是用来管理控制图，而是管理制造规格。
本帖最后由 hnwang 于
15:56 编辑
& && &有采用压缩公差的界限进行管理的方法，但不是用来管理控制图，而是管理制造规格。
& && &这只是对过程结果检验把关的做法，不是对过程本身进行监视和测量，利用统计过程控制的方法，起不了预防的作用。
我还有一个意思：
若组织有产品设计责任，若过程稳定后计算显示的过程能力很大，如2.0以上，可以利用设定1.33的指数值反计算出公差值，从而考虑作为改进设计的依据或输入。
& & &&楼上的观点是前面观点的进一步说明。
& && &1、公差要求不是根据过程能力来确定的，应当根据顾客要求转化而来的。如果发现过程能力指数充分满足要求，通常做法是降低过程的成本费用，不会去提高公差要求的。来“改进设计”。反过来，当设计提出要求超过过程能力，这样的设计是需要改进的。
& && &2、联系前面，您是否利用公差来控制过程？譬如，用80%公差来控制过程。这是没有理解什么是统计过程控制的概念。当我们讨论过程是否受控的时候，也就是过程是否稳定的时候，是指当过程只有普通原因引起变差的时候是受控的概念。根本不联系公差要求的。不考虑合格不合格的。你总是把不合格作为过程失控的标志，这是概念上没有搞清楚什么叫统计过程受控的缘故。
& && &以上仅供参考。
1.事实上是大部分设计人员不具备此能力（QFD会用的设计人员估计不到二成，王老师不妨多讲些这方面的知识），所以有些企业的设计人员会不给规格给供应商打样，打样回来后组装成成品再测试OK，测试OK再根据样品的数据制订规格。这种情况，在我的以往工作中见过多次。
2.利用公差80%来控制的是产品，是所谓的内控标准，因为测量系统变差的存在，这种方法在很多企业有在使用，目的是为了保护客户，当然也保护了自己。
& && &1、要讲的内容实在太多了。慢慢来吧。
& && &2、利用公差80%来控制的是产品，是所谓的内控标准，因为测量系统变差的存在，这种方法在很多企业有在使用，目的是为了保护客户，当然也保护了自己。是检验把关的做法，如果过程不稳定，没有受控的话，没有任何预防作用。实际上也没有达到控制的目的。没有检查到的产品是否合格？没有根据的。
结合主题，赞成王老师的说法，只是中国能把SPC运用得很好，能做到预防的企业实在是太少了。
& && &因为，很多人不知道这是一个很好的工具。什么叫坐井观天，总认为自己搞得不错，没有见到别人已经大大超过我们了，还在那里自以为是的人不少。这就是为什么提倡学习型社会的道理。人不学习是不会进步的。
& && &这就是为什么检验把关做法流行的原因。
请问WANG老师：测量值在控制界限内，只能证明被测量零件是符合规格值的，不能说明稳定与否；是否还要按控制图的判异原则去分辨，如果符合8个原则才能算过程稳定，可以这样理解吗？
请问WANG老师：测量值在控制界限内，只能证明被测量零件是符合规格值的，不能说明稳定与否；是否还要按控制图的判异原则去分辨，如果符合8个原则才能算过程稳定，可以这样理解吗？
　　1、“测量值在控制界限内，只能证明被测量零件是符合规格值的”，这话说明您对控制极限和公差（合格范围）的概念没有搞清楚。当公差范围大于控制极限的情况下，落入控制极限范围内的数据肯定是合格的；如果，公差范围小于控制极限的情况下，那么就不一定了。
　　２、如果数据都落在控制极限范围内，又符合判定原则，那么，应当认为过程是稳定的。也就是只有普通原因存在。当然，这也是相对的结论，也不是绝对的。
　　以上供参考。
赞成王老师的！控制图控制界限的设定严于公差的话，可以直接判定为该产品不合格。我们就要去寻找去发生异常的原因，还有是不是在接下来一段时间内会定点定时出现。
　　当控制图的控制极限范围小于公差范围的话，就是Cpk比较大。当数据落在控制极限外，过程发现有可能存在特殊原因，这时候，产品仍然合格。这样就起到了预防作用。可以见帖子
看了很多关于&普通原因和特殊原因&讨论的贴子,还是很迷糊啊!都是讲一些难易理解的理论性的东西.能不能举一些简单易懂的例子来说明下。
& && &每天从家到办公室坐公交上班，所花费时间是近似于一个正态分布曲线。影响的因素有路途远近、公交车子质量、天气、马路状况、司机水平、路上会遇到各种情况，红灯车等。这些都是普通原因。这些都在变化的。有时候好，有时候差。但是，好和差可以抵消。平均20分钟。长的，可能是30分钟，最快15分钟。结果如果某天交通管制（绕路、堵车）、马路断裂、路途中发生车祸等是特殊原因。
谢谢王老师！你看了你上面的贴子，好像是明白了一些，但是结合公司制程来说又不怎么清楚了。感觉很难界定。
我坚强地认为，要少谈理论，多谈实践。
注意：只有理解了的东西才是自己的。
1 特殊原因：人、机、料、法、环、测的重大变化。
2 普通原因：除了1外的所有过程因素。
icanzixun 发表于
除了1外还有哪些呀？人、机、料、法、环、测从这个六个方面好像把一切都概括进行了。不懂，感觉很界定特殊原因与普通原因。
除了1外还有哪些呀？人、机、料、法、环、测从这个六个方面好像把一切都概括进行了。不懂，感觉很界定特殊原因与普通原因。
adiy 发表于
& && &人、机、料、法、环、测这是原因发生的六个方面。每个方面本身的原因中可能存在普通原因，也可能存在特殊原因。只有当人、机、料、法、环、测这六个方面中只存在普通原因的时候，过程是受控制的，是稳定的。人、机、料、法、环、测中任何一个方面都有可能发生特殊原因。这个时候，过程失控了。如果识别这两个原因，说难也难。说容易也容易。看您对过程控制理论的理解是否到位。如果要真正运用好，没有三年功夫是不行的。这是日本质量专家回答别人说的。现在科学发达了，可能少一些时间也可以理解了。我搞了那么多年，自己还没有认为已经搞清楚了。还有很多问题。这是正常的。但是，运用这样的概念，解决问题是很有体会的。
谢谢！王老师的解说。渐渐明白了一些。
谢谢！王老师的解说。渐渐明白了一些。
adiy 发表于
利用公差值的80%作为控制界限----適用於初始研究,
利用公差值的80%作为控制界限----適用於初始研究,
davianren 发表于
& && &没有根据的说法。过程不稳定，这样的结果是没有意思的。初始研究可以用PPK，要求大等于1.67。
Powered by