SPC-02常因(普通)變異 vs. 異常(特殊)變異

一句話定義

過程中的變異分為兩類：常因(普通)變異（Common Causes）是系統固有的隨機波動，異常（特殊）變異（Special Causes）是外部干擾引起的可識別波動。區分兩者是正確行動的前提。

引言：為什么戴明的"漏斗實驗"揭示了質量管理的致命錯誤？

想象這樣一個場景：

你是一家汽車零部件廠的質量工程師。某天，你發現沖壓機生產的車門厚度出現了波動——有的25.0mm，有的25.05mm，有的24.98mm。

你會怎么做？

本能反應：立即停機，調整機器參數，讓厚度回到25.0mm。

但戴明告訴我們：這可能是一個致命錯誤。

戴明設計了一個著名的"漏斗實驗"：

實驗步驟1
將漏斗固定在目標位置上方

實驗步驟2
將小球扔下，小球會落在目標點附近（有隨機偏差）

實驗步驟3
如果每次落點偏離目標，你立即調整漏斗位置

實驗結果
落點的偏差越來越大，最終完全失控

為什么？
因為如果你對"隨機波動"進行人為干預，反而會引入新的異常變異，讓過程越來越不穩定。

這個實驗揭示了質量管理的根本法則：你必須先判斷變異的類型，才能決定是否采取行動。

核心邏輯：變異不是一回事 常因變異

定義：系統固有的隨機波動

來源：人、機、料、法、環的正常波動

行動策略：系統性改進

類比：系統的"噪音"
（如收音機的背景雜音）

異常變異

定義：外部干擾引起的特定波動

來源：特定事件或條件變化

行動策略：立即糾錯

類比：系統的"信號"
（如收音機收到特定的廣播）

本質區別對比表 變異類型 定義 來源 行動策略常因變異系統固有的隨機波動 人、機、料、法、環的正常波動 系統性改進異常變異外部干擾引起的特定波動 特定事件或條件變化 立即糾錯

記住：不同的變異類型需要不同的行動策略。
對"常因變異"進行"立即糾錯"，會讓你陷入"追逐隨機波動"的陷阱；
對"異常變異"進行"系統性改進"，會讓問題持續惡化。

控制圖如何區分兩種變異？ 控制圖的基本原理

核心原則：

控制界限（UCL/LCL）反映過程固有的波動（常因變異）。
如果數據點在控制界限內隨機分布 → 常因變異
如果數據點超出界限或呈現規律性模式 → 異常變異

案例教學：如何區分兩種變異？

原書案例

案例1：汽車沖壓件的兩種變異

某汽車沖壓廠生產車門，厚度規格是25±0.1mm。工程師分析數據后發現：

常因變異（占95%）

• 厚度在24.95-25.05mm之間隨機分布

• 分布規律符合正態分布（鐘形曲線）

• 來源：原材料厚度波動（±0.03mm）+ 機器精度（±0.02mm）

• 每周二下午3點后，厚度突然上升到25.08-25.12mm（超差！）

• 來源：新操作員換班時，沒有正確設置模具參數

• 常因變異→ 優化供應商材料規格和機器維護（系統性改進）

• 異常變異→ 培訓操作員和建立換班檢查清單（立即糾錯）

結果：廢品率從3%降至0.2%。

常因變異是"系統的噪音"，異常變異是"特定的信號"。不能把信號當成噪音來忍受，也不能把噪音當成信號來追殺。

行動策略：

• 常因變異（周一/周五低效）→ 優化會議安排（系統性改進）

• 異常變異（臨時會議）→ 設定"專注時段"，禁止打擾（立即糾錯）

結果：工作效率提升40%。

常因需要"系統性療法"，異常需要"外科手術"。

如何用控制圖區分兩種變異？

核心方法：控制圖 + 8項準則

控制圖的作用：

• 控制界限（UCL/LCL）反映過程固有的波動（常因變異）

• 如果數據點在控制界限內隨機分布 → 常因變異

• 如果數據點超出界限或呈現規律性模式 → 異常變異

警戒區：控制界限到中心線之間的區域（1σ-3σ）

實戰示例：如何判斷？

假設你的X-bar控制圖顯示：

場景A：常因變異

判斷：所有點子在控制界限內隨機分布 → 常因變異

行動：接受波動，啟動系統性改進項目（如優化供應商）

場景B：異常變異

判斷：連續6個點子上升（準則3）→ 異常變異

行動：立即調查（刀具磨損？溫度上升？），采取糾錯措施

執行SOP：如何建立你的變異診斷系統 SOP 1：收集基準數據

1. 連續采樣25-30個數據點

2. 確保過程處于"受控狀態"（無已知異常事件）

3. 繪制控制圖，計算控制界限（UCL/LCL）

1. 按設定頻率采樣（每小時/每天/每周）

2. 在控制圖上標注新數據點

3. 應用8項準則判斷

如果數據點在控制界限內隨機分布 → 常因變異

• 問：這是系統的常態嗎？能接受嗎？

• 如果不能接受 → 啟動系統性改進項目

如果數據點觸發8項準則 → 異常變異

• 問：這是什么時間發生的？有什么特殊事件？

• 立即調查特定原因（人、機、料、法、環）

• 采取糾錯措施，消除異常源

1. 記錄所有異常事件及原因

2. 每月復盤，識別高頻異常源

3. 將高頻異常變異納入系統性改進計劃

變異理論是所有質量管理的底層邏輯，適用于任何"穩定輸出"的場景。

行業 常因變異 異常變異 診斷工具制造業材料波動、機器精度 刀具磨損、操作員失誤 X-bar控制圖軟件正常流量波動 代碼bug、服務器故障 I-MR控制圖醫療正常生理波動 病理變化、藥物反應 體溫/血壓趨勢圖教育學員能力差異 教學方法失效、外部干擾 成績控制圖餐飲正常口味波動 食材變質、廚師失誤 客訴率控制圖金融正常市場波動 欺詐、系統故障 交易成功率控制圖 批判性視角：變異理論的局限性 ?? 需要注意的局限性

局限1：現實中常因和異常可能交織

某些"常因變異"可能源于多個未被識別的異常變異的疊加。

建議：定期進行"根本原因分析"，識別隱藏的異常源。

局限2：控制圖的判斷不是100%準確

存在"假陽性"（誤報）和"假陰性"（漏報）。

建議：結合專業判斷，不要完全依賴統計結果。

局限3：在高度自動化的系統中，"人為異常"減少

過程主要由機器控制，常因變異成為主要矛盾。

建議：重點監控系統性參數（溫度、壓力、流量）。

局限4：過度依賴統計判斷可能忽視客戶感知

有時即使數據在控制界限內，客戶仍不滿意。

建議：同時關注客戶反饋，不要讓數據掩蓋真實問題。

常見錯誤：這些做法你可能正在犯 ? 典型錯誤案例

錯誤1：對常因變異進行"立即糾錯"

場景：每次測量值偏離目標，立即調整機器。

后果：引入新的異常變異，過程越來越不穩定。

? 正確做法：接受常因變異，啟動系統性改進項目。

錯誤2：對異常變異進行"長期改進"

場景：發現批量不良，但決定"下個項目再改進"。

后果：問題持續惡化，批量性報廢。

? 正確做法：立即調查并消除異常源。

錯誤3：沒有建立基準控制界限

場景：憑經驗判斷"這是否正常"。

后果：主觀判斷，經常誤判。

? 正確做法：收集25-30個基準數據，建立控制界限。

錯誤4：忽視8項準則

場景：只看點子是否超限，忽視趨勢和模式。

后果：漏掉早期預警信號。

? 正確做法：完整應用8項準則。

觸發場景：什么時候你需要區分變異類型？

當你面對過程的波動時，不要急于行動，先問自己：

• 這個波動是系統的"噪音"還是特定的"信號"？

• 我有控制圖嗎？控制界限合理嗎？

• 我的行動是"立即糾錯"還是"系統性改進"？

"不要把信號當噪音來忍受，也不要把噪音當信號來追殺。"

記住三句話： 原則 內容1先診斷，再行動：用控制圖判斷變異類型2常因用系統療法：長期改進，消除系統固有的波動3異常用外科手術：立即糾錯，消除特定的干擾源 延伸閱讀

理解變異類型后，建議繼續學習以下知識點：

• 知識點#4：失控行動計劃（OCAP）——從警報到行動的閉環

• 知識點#5：Cpk vs. Ppk——如何量化過程能力

系統掌握統計過程控制，構建卓越質量管理體系

AIAG&VDA 新版SPC搶先預定，享超級優惠，掃碼咨詢

學員風采

版權聲明： 本微信公眾號（IATF16949）所推送文章中，部分來源于網絡。除非確實無法確認，我們都會注明作者和來源。部分文章推送時未能與原作者取得聯系。若涉及版權問題，煩請原作者聯系我們，我們會在 24 小時內刪除處理，謝謝！內容若有誤，歡迎批評指正

加群或咨詢課程具體內容

掃碼添加客服企業微信號咨詢

離開前，記得點個和?