六西格玛图形工具—运行图的几个P值怎么看?

运行图（Run Chart）的主要功能

在测量阶段了解数据随时间的变化情况，特别是当子组大小不为1的时候，观察样本随时间的变化趋势，并辅助计算过程能力

在测量、分析、控制阶段可以用来了解数据随时间变化是否随机

运行图的几个P值有的大于0.05，有的小于0.05应该怎么看？

只要任何一个检验结论是拒绝原假设，则我们的结论就是拒绝原假设。

运行图的基本概念

以中位数上下发生的总运行次数为基础检验数据随机性

在此检验中，运行是位于中位数同一侧的一个或多个连续的点。如果这些点用一条线连接起来，则运行在该线穿过中位数时结束，新的运行从下一个标绘点开始。

以向上或向下（增加或减少）运行次数为基础检验数据随机性

在此检验中，运行是相同方向的一个或多个连续的点。每当数据序列中出现方向（上升或下降）变化时，一个新的运行即开始

运行图四种非随机模式

聚类模式—指在中位数线同一侧聚集了过多的连续数据点，此时关于中位数的运行数目较少。

聚类可能是因为特殊原因导致的变异，例如测量问题、批次之间存在较大差异、或从差别较大的过程抽样等

混合模式—指过多的数据点在中位数线的上下两侧交替，此时关于中位数的运行数目较多。

混合通常表示数据可能来自两个不同总体或两个在不同水平运行的过程

趋势模式—指数据点出现连续上升或连续下降的现象，此时关于向上或向下的运行个数较少，每个运行中所包含的点子个数较多。

趋势通常表示过程结果有逐渐增大或减小的趋势 ，警告过程可能即将失控，它可能由下列因素导致：工具磨损、设备的某些设定值随时间的变化等

振动模式—指数据点交替上升或下降，此时关于向上或向下的运行个数较多，每个运行中所包含的点子个数较少。

振动通常表示过程结果有忽大忽小的趋势，表明过程受到某些特殊因素影响

运行图随机性诊断原则

对于这四种非随机模式，软件会计算出对应的P值。其中任何一个P 值<α（显著性水平，通常取0.05），就说明对应的非随机模式出现在数据中，即数据随时间变化出现了非随机波动，应对其进行原因分析。

简单来说

只要出现任何一个P小于0.05，即可认为不随机。

运行图示例

如上图所示，检验聚类性的近似P值=0.022小于0.05，

说明在该组数据中出现了聚类模式（即图中红圈圈住的数据点）

数据出现非随机波动！

同学们现在会看运行图是否随机了吗？