为什么用多变异分析？
当质量问题反复出现时——报废、返工、某个尺寸漂移超差——通常的做法是头脑风暴：列出所有可能的原因，再把最受怀疑的几个逐一试验。可疑原因多达几十个，这可能要花上好几个月，而且很多试验做完，问题依旧。
多变异分析从两个简单的事实出发。变异很少平均分布在各个原因上：通常一个原因的影响远超其余原因。而且，每个原因都会在数据中留下特定的模式——例如，它可能在零件内部起作用，可能在零件与零件之间起作用，也可能随时间起作用。
所以，与其一次试验一个原因，不如直接测量过程正在生产的零件，一次排除一整族原因。如果变异来自小时与小时之间，那么任何只在单个零件内部起作用的因素都不可能是主要原因——这些可疑原因不用做一次试验，就能从清单上划掉。
- 几十个 清单上的可能原因
- 1个 变异所在的变异族多变异分析
- 几个 该变异族中的可疑原因
- 1个 经试验证实的主导原因
多变异分析在问题解决中的位置
多变异分析本身并不能解决问题——它告诉您该往哪里找。在渐进式搜索中，每一步都会缩小范围，直到只剩下一个原因。谢宁（Shainin）把这个主导原因称为Red X®。在六西格玛项目中，同样的分析属于DMAIC的分析（Analyze）阶段。
定义问题
把投诉转化为一个可测量的输出（谢宁称之为Green Y®），并确认量具能够分辨出差异。
找到变异的来源 多变异分析
进行多变异分析，找出贡献了大部分变异的变异族。
缩小范围
在该变异族内，比较最好和最差的零件，看看它们有何不同。
证实原因
用试验来确认：反复引入和去除可疑原因，观察问题是否随之出现和消失。
纠正并保持成果
为该原因设定合适的公差或控制措施，并验证改进效果。
常见的变异族
下面是最常见的三个变异族。根据过程的不同，研究可以把它们进一步细分，或增加其他变异族——例如机器间、型腔间或操作员间的变异。多变异图把它们并排呈现出来，最大的那一个便一目了然。
零件内变异
单个零件上的变化——从一端到另一端、从一侧到另一侧、沿圆周方向。
示例：机加工轴的锥度或圆度误差。
零件间变异
连续生产的零件之间的差异，或不同型腔、夹具、设备之间的差异。
示例：某个模具型腔的表现与其他型腔不同。
时间间变异
不同小时、班次或批次之间的偏移。
示例：设备升温过程中某个尺寸逐渐漂移。
多变异分析怎么做
不需要专用设备，也不用做试验——只需按计划对正在运行的过程进行抽样。
选定一个被测特性
即能反映问题的那个特性，以及能分辨出差异的量具。
在每个零件上测量多个位置
在几个连续生产的零件上测量，这样零件内和零件间的变异都能显现出来。
随时间重复
跨越不同小时、班次或批次重复测量——其间不要调整过程。
作图并比较
把所有读数画在同一张图上。波动范围最大的变异族，就是原因所在。
多变异图怎么看
比较线段的长短、零件之间的跳动和小时之间的偏移。波动范围最大的地方，就是原因所在。
零件内变异线段很长，而且每次都是同一个位置在最上面——原因作用于零件本身。
零件间变异线段很短，但零件与零件之间跳动很大——原因随生产周期而变化。
时间间变异每个小时都处在各自的水平上——原因随时间变化，比如设备逐渐升温。
案例研究
已知的移位，未知的模式
一家发动机制造商因凸轮位置超差而不断报废凸轮轴。一次渐进式多变异分析——在工艺的多个节点测量凸轮位置——表明主要变化发生在淬火工序。厂里早就知道凸轮会在这道工序移位。但没有人知道，这种移位遵循可预测的非随机模式：每次移位的量和方向都相同。于是重新编写了凸轮磨床的程序，对这一移位进行补偿。多变异分析显示了原因在哪里，移位的模式则指明了如何抵消它。
56万美元每年减少的报废损失
5000美元实施成本
多变异图常见问题
多变异图有什么用？
用来看出哪个变异族——例如零件内、零件间或时间间——对问题的贡献最大，这样调查就能从正确的地方入手，而不是从一长串猜测开始。
什么时候该做多变异分析？
当某个被测特性波动过大、原因又不明时——尤其是怀疑过很多原因、却一个也没有得到证实的慢性问题。它针对正在运行的过程进行，因此无需停产，也无需先设计试验。
多变异图是谁发明的？
伦纳德·塞德（Leonard Seder）于1950年发表了多变异图。多里安·谢宁（Dorian Shainin）在其寻找变异主导原因的方法中，把它作为早期步骤之一；他把这个主导原因称为Red X®。
它和试验设计（DOE）有什么区别？
试验设计是有意改变因子来测量其影响，因此您必须事先知道要试验哪些因子。多变异分析只观察正在运行的过程，并告诉您该关注哪一族原因。先做多变异分析：之后如果还需要做试验，规模也会更小、目标更明确。
多变异分析属于六西格玛吗？
是的。在六西格玛项目中，它用于DMAIC的分析（Analyze）阶段，在做任何试验设计之前先缩小可能原因的范围。在谢宁的Red X®方法中，它是最早的步骤之一：告诉您应该在哪个变异族中寻找原因。
它和多变量统计是一回事吗？
不是。多变异图有时也被译作“多变量图”，但它不是多变量统计（multivariate analysis）。尽管名称相近，多变异图只是针对单个被测特性的简单图形化研究，而多变量统计是同时分析多个变量的一类统计方法。
多变异图能显示根本原因吗？
单靠它不能。它显示的是原因在哪里——也就是哪个变异族承载了变异。之后通过缩小范围和确认试验，才能查明原因是什么。
需要多少数据？
要足以看到过程最好和最差的状态。常用的经验法则是：在3～5个连续零件上，每个零件取2～5个读数，并在多个时段重复，直到研究覆盖通常变化范围的大部分。
可以用合格/不合格数据吗？
多变异图需要测量值——尺寸、力、流量、温度等。对于只能判定合格/不合格的缺陷，应先找到缺陷背后可测量的特性，或者改用其他策略。
可以用哪些软件？
Shainin WRXT（Web Red X® Tracker）是谢宁Red X®培训配套的Web应用，内置多变异图功能。如需开通，请咨询专家。通用统计软件也能绘制多变异图：Minitab（Stat > Quality Tools > Multi-Vari Chart，中文界面中称为“多变异图”）和JMP（称为“变异性图”）。小规模的研究用电子表格就可以。软件只负责画图；真正找到原因的是抽样计划。
资料来源：Leonard A. Seder，“Diagnosis with Diagrams”，Industrial Quality Control（1950）；Multi-vari chart（英文），维基百科。
遇到无法解释的变异？
谢宁的Red X®专家帮助制造商找到主导原因，并彻底解决问题。