SPC除了控制图、能力分析，还能怎么玩？ 04 快速寻找检测项之间的相关影响来调整参数优化检测结果

《SPC除了控制图、能力分析，还能怎么玩？》系列文章：

03 快速原因分析和如何利用不同的CPK来提高客户服务水平

02 用FFT寻找检测项目的隐藏的周期性

01 检测项目的时间序列分析

系列文章还有很多，记得关注，以获取系列文章推送

--开始--

从SPC数据中发现检测项目之间的关联，实现质量优化

一个成熟的SPC软件，往往积累了大量的检测项目数据。这些检测项目之间是否存在相互影响？如果我们调整某些工艺参数，能否进一步优化产品的检测结果？

这其实是SPC从过程监控、异常预警走向质量分析与优化的一个重要应用方向。

我们来看一个具体的例子。

一、传统SPC的应用场景

假设我们有一个搅拌罐，安装了一个数据采集器，实时采集罐内的温度和压力，并将数据传输到SPC系统中，用于控制图、过程能力分析、看板展示和异常告警。

搅拌罐后端还有一个数据采集器，实时采集产出品的透明度，同样传输到SPC系统进行分析和监控。

这样，我们就有了三个检测项目：

• 温度
• 压力
• 透明度

三个检测项目均每分钟采集一次数据。

假设透明度越大越好，我们希望通过调整工艺参数，提高最终产品的透明度。

将三个检测项目的数据按照时间对齐后，就可以得到类似下图的数据表格。

二、我们需要解决什么问题？

现在，我们希望了解温度和压力是否会影响透明度，以及这种影响是否存在时间上的滞后。

例如：

• 温度是否影响透明度？
• 压力是否影响透明度？
• 这种影响是即时发生的，还是存在滞后？
• 如果存在滞后，究竟是前1分钟、前2分钟，还是更长时间的温度和压力影响了当前的透明度？

如果使用Excel手工分析，工作量就会很大。

我们需要分别分析：

• 温度与透明度
• 压力与透明度
• 温度T-1与透明度
• 温度T-2与透明度
• 压力T-1与透明度
• 压力T-2与透明度
• ...

如果滞后时间可能更长，还需要继续分析T-3、T-4……

而且，Excel分析滞后关系时，通常还需要手工错行、调整数据，让不同时间点的数据一一对应，再进行相关分析。

当检测项目越来越多、需要分析的滞后期越来越长时，工作量就会迅速增加。如果需要分析大量可能存在关联的检测项目，单纯依靠人工操作，很难高效完成。

斌果SPC的设计思路，就是将这些重复的数据处理和相关分析工作自动化。

三、斌果SPC如何分析检测项目之间的关联？

1. 自动获取数据，自动进行时间对齐

直接从SPC系统中获取检测项目的数据，系统自动进行时间对齐，不需要再手工从Excel导出数据、错行和整理。

用户只需要设置需要分析的滞后范围。

例如，设置滞后范围为0～2，就会分析以下几种情况：

• 无滞后：温度T与透明度T
• 滞后1个时间单位：温度T-1与透明度T
• 滞后2个时间单位：温度T-2与透明度T

本例中，每个时间单位为1分钟。

2. 通过相关系数热力图，快速发现关联

完成计算后，系统生成相关系数热力图。

热力图中的相关系数可以帮助我们快速识别不同检测项目之间的关联。由于相关系数矩阵具有对称性，因此通常只需要查看其中一半即可。

在本例中，我们发现了3组相关系数大于0.95的关系：

• 温度与压力：相关系数大于0.95
• 温度T-1与压力T-1：相关系数大于0.95
• 温度T-2与压力T-2：相关系数大于0.95

这说明，在当前数据中，温度与压力之间存在很强的同步线性相关关系。

与此同时，我们还发现了另外两组相关系数大于0.95的关系：

• 温度T-2与透明度T：相关系数大于0.95
• 压力T-2与透明度T：相关系数大于0.95

很明显：

温度和压力与透明度之间可能存在很强的关联，而且这种关联可能存在约2分钟的时间滞后。

也就是说，我们不仅能发现哪些检测项目之间存在关联，还能进一步识别这种关联可能出现在哪个时间位置。

3. 找到关键关系，建立回归模型

既然温度和压力之间也存在很强的相关关系，那么在分析它们与透明度的关系时，就需要进一步判断是否有必要分别研究。

在本例中，我们的设备可以直接调节温度，因此选择重点分析：

温度T-2与透明度T。

系统已经计算了各组数据之间的相关系数，并将相关程度较高的关系优先展示。我们可以快速找到 temperature_lag2 ~ transparency这组关系。

进入对应的分析结果，可以看到散点图及线性回归方程：

y=0.0250x+0.0482

其中：

• (x)：前2分钟的温度
• (y)：当前时刻的透明度

从这个回归模型可以看出，在当前数据范围内，温度每升高1℃，模型预测的透明度平均增加约0.025。

更重要的是，这种关联并不是简单的同期关系，而是表现为温度与约2分钟后的透明度之间存在较强的线性关联。

这为我们进一步研究工艺参数与产品质量之间的关系，提供了一个明确的分析方向。

如果希望提高透明度，就可以结合设备的工艺条件，进一步评估调整温度是否有助于改善产品质量，并通过后续生产数据验证调整效果。

四、总结：让SPC数据不仅用于监控，还能用于质量优化

通过这个例子，我们可以看到，斌果SPC对检测项目之间的关联分析，具有两个明显的应用价值。

1. 适合大量检测项目的快速分析

自动获取SPC数据、自动进行时间对齐、批量计算不同滞后期的相关系数，可以显著减少人工导出数据、错行和重复分析的工作量。

当检测项目数量较多、需要探索的滞后期较长时，这种自动化分析的价值会更加明显。

2. 为质量优化提供分析依据

传统SPC主要用于过程监控、异常识别和过程能力分析。而通过检测项目之间的关联分析，我们还可以进一步探索工艺参数与产品质量之间的关系。

例如，哪些工艺参数可能影响最终质量？这种影响是否存在滞后？哪些参数值得优先研究？

这些问题都可以从已有的SPC数据中寻找线索。

当企业积累了大量连续的过程数据，SPC的价值就不应该仅仅停留在控制图和告警上。通过对数据进行更深入的分析，我们还可以从发现问题，进一步走向探索原因、验证改善和优化质量。