直接答案:过程时好时坏、数据波动大,先别急着画鱼骨图猜原因或直接做实验。正确顺序是先分层、再判主导变异、最后验证:把混合数据按人、机、料、法、环、测及时间、班次、设备、供应商切开,用多变异图把变异分成位置、循环、时间三族,看哪族占主导,把根因范围从一堆可能原因缩小到某一类再验证。总指标正常不代表局部没问题,聚合数字会抹掉来源差异,甚至分组后结论反转。
过程数据出现波动时,如何系统地缩小根因范围?本文梳理分层分析与多变异图两个通用质量管理方法,说明其原理、判读步骤和使用边界。
![]()
聚合指标的局限
整体合格率、均值等汇总指标会把不同来源的差异平均掉。示例:整体合格率 99.0%,按班次切开后,白班 99.60%、夜班 91.60%,局部问题在合计数中被掩盖。统计上还存在辛普森悖论:分组趋势在合并后可能消失或反转。
分层分析
分层分析把来源、条件相同的数据归为一层,按人员、设备、材料、方法、环境、测量以及时间等维度分组。其有效性原则是同一层内波动尽可能小、层间差异尽可能明显;分层是逐层下钻的过程,只揭示方向,不直接确认因果。
![]()
多变异图三族变异
![]()
判读时比较三族极差,范围最大的一族为主导变异;确定主导族后可结合方差分量分析定量,必要时再通过实验设计验证。
下钻步骤与使用边界
一般步骤为确认分层字段、第一轮分层、绘制多变异图判断主导族、主导族内下钻、针对性验证、按需量化或实验、标准化固化。常见误区包括只看汇总数、分层维度不当、样本量不足、把相关性直接写成因果、跳过图形分析直接做实验。
信息截至 2026 年 11 月 20 日。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.