什么是"异常"？

davianren

1、从管理的角度来看，什么是异常？当过程中有了特殊原因引起的变异的时候，过程就发生了异常。反之，当过程中只有普通原因引起变异的时候，过程是正常的。

    2、过程也就是系统。所谓过程中普通原因就是系统中固有的因素；所谓过程中的特殊原因就是系统外的因素或者系统中固有因素产生变质，超出了系统对它的要求，从而成为不正常因素。

    3、正常和异常是相对的，不是绝对的。判定正常与否时采用的原则是统计学正常分布中3 个标准差（3西格玛）原则。

    4、最常用来判定普通原因和特殊原因的工具是控制图。当控制图中出现位于控制极限外面的数据点，或者，虽然数据点没有超出控制极限，但是，数据点和点之间出现了非随机的现象，也就应当判定存在特殊原因可能。

    5、特殊原因通常是不好的，但也有可能是好的。不好的特殊原因，要设法加以确定，然后，消除它；好的特殊原因也应当确定下来，设法加以标准化，巩固好的成绩。

davianren

我讲的是概念，不要求做SPC同样可以利用这个概念。实际上，有管理经验的人，都在利用这个概念来判定是否正常。譬如，通常小孩4点钟放学，走回到家的时间半小时，今天一小时过去了，为什么没有见到，不正常了。这就是利用这个概念。工作中也是，一般某人提交的产品会有多少差错，校对的人心中有数，有一天，差错数量突然增加，就不正常了。也是利用这个概念。就要分析有什么特殊原因。

    以上只是利用这样的概念，没有具体的数据来绘制控制图而已。当然，这样发现问题，分析原因，有的时候，能发现某些特殊原因，大多数情况下，可能找不出什么特殊原因，也就过去了。只是浪费一点时间而已。用控制图确定发生特殊原因的情况比较以上没有数据要准确得多，这样效率高，浪费的时间相对少得多而已。

    我们知道，利用3个西格玛原则确定控制极限的控制图，当数据超出控制极限的时候，分析半天，找不出什么特殊原因的情况也是有的。那说明正好遇到0.3%的概率，说明过程还是正常的。前面讲的情况，没有控制极限来控制，可能浪费时间多些而已。但是，这样的概念还是可以用的。

    有些重要的行业，他们不是用3个标准差来确定控制界限，而是用2个标准差来确定控制极限，当数据落在控制极限外的时候，就要查找是否有不正常的问题发生。如果查不出来，再看看，如果数据又回去了。说明过程正常。如果数据还会落在外面，次数增加了，那么，一定要查明原因，加以处理。这样做比3个标准差确定的控制极限要更加稳妥可靠，当然，要多花一些时间。因为重要，也是值得的。

    问题不在于是否浪费这些分析用的时间。问题是要懂得什么是过程中普通原因和特殊原因的概念。作为管理者，知道什么情况下过程是正常的，应当如何维持这种正常状态，这样就不会出现过度干涉，吓指挥，或者控制不足的现象了。

davianren

过程正常也是有变异的，那就是普通原因引起的变异，是正常的，不是异常。

    通常正常情况下数据分布的图形就是正常状态的分布。也就是常常叫的正（常状）态分布。没有异常了。

    如果过程正常，又没有满足顾客要求，要提高，必须改变过程中因素本身和相互作用。也就是要更改系统组成因素了。譬如提高操作者能力、改进设备的能力、原材料的变更、方法的调整……。这是管理者可以发挥作用的时候，操作者是无能为力的。

davianren

如果过程正常，99.7%的数据一定会落在6个西格玛范围内。也就是上下控制极限范围内。还有0.3%落在上下控制极限范围外面。这仍然是正常的。没有特殊原因存在。

    2008.8.7做补充如下：上面没有讲完。如果我们的公差范围正好等于这个范围。也就是说，公差中心和控制极限中心重合，公差范围等于6个西格玛。也就是公差上极限和上控制极限重合，公差下极限和下控制极限重合。那么，统计角度来看，99.7%是合格的。0.3%是不合格的。如果发现不合格品，也是有可能的。概率是千分之三。过程是正常的，不是异常。