很多正在备考六西格玛绿带、黑带的同学，学到 SPC 控制图判异时都会有同一个疑问：

控制图上的点，到底怎样才算异常？

现场也常出现一种误解：只要产品尺寸还落在规格限（USL/LSL）内，控制图上的点怎么摆都算正常。

这把"产品合不合格"和"过程稳不稳"混为一谈——判异看的是控制限（UCL/LCL），不是规格限。

一、边界：判异在做什么

判异规则是识别"非随机模式"的工具；

它只回答"过程有没有特殊原因"，不回答"产品合不合格"。

控制图有 8 条判异准则，全都围绕控制限来定义。

要厘清它们，先要认识控制图上的分区。

二、控制图分区：判异的空间坐标

把控制限到中心线之间的区域，按 ±1σ、±2σ、±3σ 切成 C、B、A 三个区（每侧）：

C 区：中心线 ±1σ

B 区：±1σ 到 ±2σ

A 区：±2σ 到 ±3σ（即控制限本身）

判异准则就是基于"点落在哪个区、连续多少个"来定义的。

三、判异的前提

判异不是拿到控制图就逐点比对，先要确认三件事：

控制图已经建立，控制限基于足够子组（一般 ≥ 25 子组）算出；

控制限是过程自身的 ±3σ，是 SPC 内部判据，与规格限没有计算关系；

单点出界对应的误判概率 α ≈ 0.27%（正态假设下点落在 ±3σ 外的概率）。

四、准则判定细则

准则 1：任意一点落在 A 区之外（即超出 UCL 或 LCL）。

最直观，对应特殊原因，优先级最高。

准则 2：连续 9 点落在中心线同一侧。

即便没有点出界，连续 9 点偏在一边，提示过程均值可能已发生偏移。

准则 3：连续 6 点持续递增或递减（趋势）。

提示渐变型原因，如刀具磨损、设备老化、人员熟练度变化。

准则 4：连续 14 点中相邻点上下交替。

常因数据分层不当——例如两台设备、两个班次的数据混在一起画在同一张图上，呈现出人为的"锯齿"。

准则 5：连续 3 点中，有 2 点落在中心线同一侧的 B 区之外（即 ±2σ 之外）。

提示该侧散布增大或均值偏移，比准则 1 更早预警。

准则 6：连续 5 点中，有 4 点落在中心线同一侧的 C 区之外（即 ±1σ 之外）。

比准则 5 更敏感地提示偏移。注意两条都要求"同一侧"，不能跨中心线统计。

准则 7：连续 15 点落在中心线两侧的 C 区之内（±1σ 内）。

过于集中反而不正常，提示分层问题（如量具分辨力不足、数据被修约）或过程被"过度控制"。

准则 8：连续 8 点落在中心线两侧，且无一落在 C 区之内（都在 ±1σ 外）。

例如原料切换、工艺更改后未分层，数据来自两个不同的分布。

自习人课堂有学员分享了一个八大判异原则口诀

完整口诀为：1A外，23B，45C，66D，8无C，9醉趟一边，上吐下泻14，15C。

课后练习题：

(单选题)用X-bar控制图对过程进行控制，一般来说，下述哪种情况发生的可能性最大( )

A.连续6点递减

B.连续5点中有4点落在中心线一侧的C区以外

C.连续14点相邻上下交替

D.连续8点在中心线同一侧之内

解析：

选项A，连续6点递减就是口诀里的66D，符合。

选项B，连续5点中有4点落在中心线一侧的C区以外就是口诀里的45C，符合。

选项C，连续14点相邻上下交替就是口诀里的上吐下泻14，符合。

选项D，连续8点在中心线同一侧之内，这其实是口诀里的9醉躺一边，很明显八大判异原则里本来应该9个点躺一边

现在只有8个点躺一边，所以他比八大判异原则里描述的情况更容易发生

所以这道题选D

自习人课堂整理了一份六西格玛学习资料包，有知识点框架、公式整理、考点总结和备考资料，

适合质量、生产、工艺、设备工程师系统学习，

正在备考2027年六西格玛绿带和备考2027年六西格玛黑带的同学

可以找六六老师zixiren888免费领取