多变异图（Multi-Vari Chart）实战：定位位置、周期与时间变异

9 小时之前

搞质量的人

1 分钟

当过程数据出现波动时，平均值和标准差只能告诉我们“波动有多大”，却未必说明“波动从哪里来”。多变异图（Multi-Vari Chart）是一种面向现场的探索性分析工具：它把同一产品或过程中的多个测量值按位置、周期与时间分组，以图形方式比较三类变异的相对大小，从而帮助团队决定后续应优先调查模具、设备循环、班次、原料批次，还是更长期的环境与漂移因素。

多变异图特别适合改善项目的测量与分析阶段。它不是显著性检验，也不能单独证明因果关系；它的价值在于用较少而结构化的数据，把杂乱的波动转化为可验证的假设。

Table of Contents

一、什么是多变异图

多变异图通常把观测值分成三个层级：

位置内变异（positional variation）：同一件产品、同一时点或同一循环内，不同位置之间的差异，例如板材左中右、圆周多个角度、模具不同型腔。
周期间变异（cyclical variation）：相邻生产循环、连续工件或短时间子组之间的差异，例如同一班次内每隔十件抽一个样本。
时间间变异（temporal variation）：班次、日期、原料批次或较长时间窗口之间的变化。

图上常以点表示测量值，以线段连接同一层级的数据，并标出子组均值。哪一层的垂直跨度最大，通常就提示哪一类变异更值得优先调查。但“最大跨度”只是筛选线索，后续仍需用过程知识、重复测量、方差分析或试验设计验证。

二、方法基础：总变异如何分解

可以把一个测量值写成简化的分层模型：

Y_ijk = μ + T_i + C_j(i) + P_k(ij) + ε_ijk

其中，μ 是总体中心；T 表示时间层效应；C 表示嵌套在时间层中的周期效应；P 表示嵌套在周期中的位置效应；ε 是未解释的随机误差。这个表达式并不意味着看图就能精确估计各方差分量，而是提醒我们：数据必须保留层级与采样顺序，否则不同来源会混在一起。

现场初筛可计算三个简单跨度指标：

位置跨度：每个周期内最大值减最小值，记为 R_P；
周期跨度：同一时间块内各周期均值的最大值减最小值，记为 R_C；
时间跨度：各时间块总均值的最大值减最小值，记为 R_T。

若 R_P持续最大，应优先检查几何位置、型腔、温度场或夹具；若 R_C较大，关注设备循环、上料、刀具与短周期控制；若 R_T较大，则关注班次、批次、环境、换线和渐进漂移。不要把这些极差直接当成方差贡献率，它们会受样本量和异常值影响。

三、什么时候适合使用

多变异图适用于连续型响应，如尺寸、重量、扭矩、膜厚、温度或强度。典型场景包括：同一零件不同位置差异明显；多腔模具怀疑型腔效应；同一设备连续循环不稳定；白班与夜班结果不同；以及团队尚未确定应把昂贵的验证资源投向何处。

使用前有三个前提。第一，测量系统必须足够可信，至少确认量具分辨力、重复性和操作方法不会淹没过程信号。第二，采样结构必须代表真实过程，不能为了方便只拿同一箱、同一时点的数据。第三，记录采样顺序与层级标识，避免事后无法区分周期和时间。

四、制造业案例：三腔注塑件重量波动

以下为教学用的假设案例，不代表真实企业数据。某工厂发现三腔注塑件重量波动。团队在三个不同时段采样，每个时段连续观察三个成型周期，每个周期分别测量 A、B、C 三个型腔的制品重量。

绘图后发现：在多数周期中，B 腔始终偏重、C 腔始终偏轻，三个型腔之间的垂直跨度明显大于相邻周期均值和三个时段均值之间的跨度。由此形成的优先假设不是“操作员波动”，而是位置内变异占主导，可能与浇口、流道平衡、型腔温度或局部磨损有关。

团队随后做两项验证：一是交换可互换的温度传感器或测量位置，排除测量偏差；二是在受控条件下检查各腔压力与充填特征。只有当验证结果重复出现，才能把图形线索升级为因果判断。若改善后型腔差异收窄，还应继续观察周期与时间层，防止原先被大位置差异遮蔽的次要变异浮现。

五、实施步骤

明确响应变量。选择与客户或过程风险直接相关的连续指标，并定义单位、测量位置和判定方向。
设计三层采样。先定义“位置”“周期”“时间”分别对应什么。通常每层至少安排多个水平，重点是取得平衡、可追溯的数据，而非盲目追求大量样本。
稳定测量方法。统一量具、测量顺序和操作；必要时先完成测量系统分析。
保持自然顺序。按实际生产顺序采样，并记录换料、换班、停机等事件。
绘图并比较跨度。先看同一周期内位置差，再看同一时间块内周期均值差，最后看时间块均值差，同时标记异常点和过程事件。
提出机制假设。把主导模式映射到可能的物理机制、设备参数、材料特性或管理条件。
验证而非直接定案。用分层抽样复现、方差分量分析、假设检验或 DOE 验证关键因素。
改善后重复绘图。比较各层跨度是否缩小，并用控制图确认改善后的稳定性。

六、如何判读常见图形模式

1. 同一周期内线段很长

表示位置差异突出。多腔模具可检查型腔；涂布或电镀可检查横向厚度；机加工可检查夹具、刀具路径和测量位置。若各位置的高低次序长期一致，固定位置效应的可能性更高。

2. 位置线段较短，但周期均值上下跳动

表示短周期因素更可疑，例如上料一致性、夹紧状态、设备热循环、刀具积屑或控制回路振荡。此时可同步记录设备参数，寻找与均值跳动相同节奏的信号。

3. 一个时段整体高于另一个时段

表示长期或分段因素可能存在，例如原料批次、班次、环境温湿度、开机升温、维护前后或校准漂移。应检查变化点是否与实际事件一致。

4. 三层都很大且结构不稳定

先检查数据定义、测量系统和采样一致性。若这些无误，过程可能同时受多个交互因素影响，单靠多变异图不足以分离机制，需要更正式的建模或试验。

七、常见误区

把最长线段当作贡献率。极差是直观指标，不等同于方差百分比。
忽略测量系统。位置差可能来自测量姿势或量具，而非产品。
层级定义含糊。把批次叫作周期、把不同设备混成位置，会导致错误解释。
样本只覆盖方便时段。这会低估时间变异，也可能漏掉换班、换料和升温阶段。
从相关直接跳到原因。图形只能生成假设，纠正措施前必须验证。
只看平均值。平均值接近不代表位置差异小；相反方向的偏差可能相互抵消。

结语

多变异图的核心不是画出复杂图表，而是用正确的分层采样回答一个朴素问题：波动主要发生在同一件产品的不同位置、相邻生产周期，还是更长的时间尺度？它把现场经验与统计思维连接起来，帮助团队避免平均数掩盖结构，也避免一开始就进行成本高昂、范围过大的试验。把它作为“假设生成器”，再配合测量系统分析、ANOVA、DOE 与控制图，才能形成从发现线索到验证改善的完整证据链。