原标题：【公差的验收控制图】 过程稳定与控制图傻傻分不清
自版GMP实施，到现下也有近的时间了，大家做产品质量回顾也有近了，说起这个可恨可敬的质量回顾，大家用的最多的可能就是控制图，一张张图贴上去，高大上的样子……。
随着控制图系列国标的推出，让我们再回过头来看看GMP的要求，再来了解一下控制图，看看它的前世界今生，让他们各归其位吧。
首先，大家一谈到“控制图”，就只认识休哈特的“常规控制图”，殊不知，常规控制图，只是控制图家族中的一员，是老爷爷辈的控制图。而在这个大家族的工具箱中，有很多可供选择使用的控制图；如“验收控制图、累积和控制图、特殊控制图……自相关过程控制图”；我想一定会有人问，你这么说有依据吗(我们的习惯思路)？上图，如下图所示。
其次，每种工具都有它的长处和短处，没有哪一种工具是包打天下，全能的、通吃的；控制图的鼻祖休哈特在上世纪代，发明第一张控制图(国标中称其为常规控制图)时，制造业的制造精度远没有那么高；当然使用起来没发现什么问题，但随着时间的推移，科技的发展，常规控制图就碰到一些问题了，例如：
·场景1
某产品含量指标，药典标准是90%～110%，收集连续44批数据，用单值移动极差(I-MR)控制分析，得下图：
看右图有三个点超过上控制限UCL=101.403，表明过程不稳定；怎么办？去调查，事过境迁，调查起来劳神费力的，于是……
就会看到以下经常通行的神操作，下图所示：加上药典标准要求的规格限90%～110%，进行比较，于是可以得出“虽然有个别超出控制限，但离标准要求的规格限，还很远，产品是合格的……，结果可以接收”的结论，表面上皆大欢喜了，实际上从老板到各部门人员，心里都冒出一句“又扯蛋了！统计分析不过是数字游戏，纸上谈兵，没什么用！”( 这里特别说明一下，这种将规格限画到控制图中的操作是不允许的，这里只是为了便于说明才如此操作。)
那么，我们也来回顾一下，在产品质量回顾时，我们用的这个常规控制图工具，用对了吗？
1 如果使用常规控制图进行管控，因为它是基于过程的控制图，意味着使用者承诺：
1.1 组内变异是“恒定”；组间变异为统计下“零”；
1.2 只有过程稳定才能继续生产。因此，无论“人/机/料/法/环/测”中任何一个原因导致过程不稳定，都须解决后才能继续生产。
1.3 常规控制图的控制界限和公差无关，无论产品的质量特性值距离公差界限有多少的安全距离，只要控制图异常，就必须加以解决后才能继续生产。
2 常规控制图的使用，有其先决条件，不能数据拿来就做去图；先决条件和常存在的问题如下：
2.1 测量数据所用的，测量分析系统是否合格？这里并不仅仅指测量仪器的计量检定或校准的结果；计量检定或校准只解决准不准的问题，而精不精的问题，是测量分析系统所考虑和解决的。目前问题是有些计量的量称量都不包括使用量程。
2. 2 数据是否独立？样本的抽取是否是随机抽样，还是我们常常的随意抽样；我们可以用“运行图或游程检验”方法进行检验与判定。
2.3 数据是否正态？需对数据进行正态性检验，如不正态，不能马上就对数据进行转换，应调查问题，如考虑数据机理本身是否本就不正态？还有正态性检验方法的选择，是KD法还是RJ法。
3 从上面可以看到常规控制图的使用，不是那么容易的，在常规控制图中，过程的波动越小，得到的控制限就越窄；反之过程波动越大，那么得到控制限就越宽；在实际使用过程中，我们经常会碰到这样一些问题：生产时，设备、人员或物料发生一些小变化，数据点就会超过上下规格限了，如上面的场景1所示，但是，离标准要求的规格限还很远，这时候就很尴尬了，怎么办？
判异常？判不稳定？停产调查？老板要批死你吧，没办法，在控制图上划上规格限，一通各种花式解释，最终符合标准规定，过关。
·场景2
现在制造设备先进多了，有了很多能高速采集数据的功能，如左图对反应温度，也来做一下常规控制图分析，结果这种数据前后高度相关的数据(数据不独立)，超出上下控制限的点，成群结队！怎么办？如法炮制，将工艺的上下规格限划上？这样有什么意义？回过头来想一下，是不是工具有些问题？用的不对，还是工具不对？
正如前面所示新国家标准GB/T 17989.1－，实际上控制图是一族控制图，不仅仅是休哈特的常规控制图，还有其它的控制图，如下所示：
了解了以上两类控制图后，我们再研读一下GMP中第266条，对于产品质量回顾的要求：
“第二百六十六条应当按照操作规程，每年对所有生产的药品按品种进行产品质量回顾分析，以确认工艺稳定可靠，以及原辅料、成品现行质量标准的适用性，及时发现不良趋势，确定产品及工艺改进的方向。应当考虑以往回顾分析的历史数据，还应当对产品质量回顾分析的有效性进行自检。”
从以上要求中，我们看到要求的是“工艺稳定可靠”，而不是“过程稳定”，从GMP的通篇要求中，也都找不到“过程稳定”的要求。所以，我们如果选择使用控制图来分析问题时，我们不应当选择以关注和要求过程稳定的过程流常规控制图，而更应当选择以关注和要求给客户信心，满足符合规格限的公差流控制图，如验收图或彩虹图；正确的使用工具，了解这些工具的原理和使用条件是很重要的，避免简单粗暴的“拿来主义”，这样既可以避免那些神操作的错误，更重要的是，可以使问题暴露出来，才会有机会解决它。
谈到公差流控制图，就不能不提谢宁，他致力于改进工业问题解决的专门技术长达60多年，他最闻名于世的是“谢宁方法”。谢宁特别推崇“公差流”的理念，基于公差为基础的预控制图、验收图、彩虹图等。而为什么说公差流的验收图或彩虹图更适合我们，还需要从我们的特性指标Y的设计理念说起，公差流控制图是基于极值设计理念，而过程流的控制图是基于统计公差设计理念，这两类设计理念和相应的控制图其关系如下图所示：
极值设计理念是基于“门柱思想”，特性值只要落在两个门柱内，都得相同分数，都是合格的，可接受的；而统计公差理念是基于“敏感曲线思想”，是一个二次函数，特性值在目标位置(规格中心)的敏感度(损失)最低，特性值偏离目标的距离越远，敏感度(损失)越高。
在这两种设计理念下，最终的衡量指标是不一样的，极值设计理念下，衡量指标是“合格品率”；而统计公差理念下，衡量指标是“能力指数”CpK/PpK 。我们可以问问我们的研发设计部门，我们的特性指标，是什么理念？我想绝大多数情况下，只会是极值设计。我们再看看我们药典、GMP等各类法规要求，有几个要求用“能力指数”去衡量、去判定了？很少……。
那么如何使用这个在极值设计理念下的，公差流派的验收图或彩虹图呢？它是以上下公差限为基础，分别向内打折/内缩n倍标准差来实现的。它需要给定(可容忍的)不良率P，以及生产过程的变异估计(正态分布情况下，即生产过程的标准差σ)，对于双侧公差，如过程数据服从正态分布，根据“公差限加或减”n倍的标准差来设置警戒限，n的取值由(可容忍的)不良率p决定，如下图：
例如：纯化水的微生物限度规格限是0～100cfu/ml，即其公差为单侧小于等于100，假设超出公差(可容忍的)临界概率p=1%(即不合格品概率为1%，合格品百分数为1－1%＝99%)。
采用验收图，按可容忍的不合格品概率为1%计算，通过迭代计算(EXCEL中单变量求解)泊松分布的总体参数λ＝79.16；保守估计分别计算：
当λ＝78时，超出公差上限100，临界概率P＝0.00934
和λ＝79时，超出公差上限100，临界概率P＝0.01274
故，选择泊松分布的总体参数 λ＝78，做为纯化水验收图的警戒限；返回搜狐，查看更多
责任编辑：
