均值图是统计过程控制（SPC）中的核心工具，用于监控生产过程或服务流程的中心趋势是否稳定，MSA（测量系统分析）则确保数据收集的可靠性，两者结合能有效识别过程变异，以下是制作MSA均值图的详细步骤，从数据准备到结果解读，帮助您系统掌握这一方法。

明确目标与前提条件

制作MSA均值图的核心目标是验证测量系统的重复性与再现性（GR&R），确保数据波动主要源于过程本身而非测量误差，在开始前需确认：

1. 测量系统稳定：通过极差图或标准差图监控测量人员的重复性，确保无异常波动。
2. 样本选择合理：选取10个代表过程全范围的样本，覆盖规格上下限及中间区域，确保样本特性分布均匀。
3. 人员与设备准备：指定23名测量人员（操作员），使用校准合格的同一设备，避免引入外部干扰。

数据收集：重复性与再现性设计

数据收集是MSA均值图的基础,需遵循“随机化、盲测”原则，避免主观偏差，具体步骤如下：

确定测量方案

采用“交叉分组”设计：每位操作员对所有样本重复测量23次（通常建议3次），确保数据覆盖“人员×样本×重复性”的组合，3名操作员、10个样本、3次重复，共需收集90个数据点。

执行测量

• 随机化顺序：打乱样本与测量顺序，避免操作员因习惯性操作导致数据偏差。
• 盲测原则：操作员不知晓样本的“真实值”或历史数据，仅按规程完成测量。
• 记录完整：详细记录每个数据点的操作员、样本编号、测量值及时间戳，确保可追溯性。

计算均值与极差：基础统计量

收集数据后,需计算不同维度的统计量，为均值图提供输入。

计算样本总均值（(\bar{\bar{X}})）

对所有测量数据求总平均,反映过程整体的中心水平，公式为：
[ \bar{\bar{X}} = \frac{\sum{i=1}^{n} \sum{j=1}^{m} \sum{k=1}^{r} X{ijk}}{n \times m \times r} ]
(n)为样本数，(m)为操作员数，(r)为重复测量次数，(X_{ijk})为第(i)个样本、第(j)名操作员、第(k)次测量的值。

计算操作员均值（(\bar{X}_{\text{操作员}})）

对每位操作员的所有测量值求平均,反映不同操作员的测量一致性，操作员1的均值为：
[ \bar{X}{\text{操作员1}} = \frac{\sum{i=1}^{n} \sum{k=1}^{r} X{i1k}}{n \times r} ]

计算样本均值（(\bar{X}_{\text{样本}})）

对每个样本的所有测量值（跨操作员和重复次数）求平均，反映样本本身的特性，公式为：
[ \bar{X}{\text{样本}i} = \frac{\sum{j=1}^{m} \sum{k=1}^{r} X{ijk}}{m \times r} ]

计算极差（R）

• 样本极差（(R_{\text{样本}})）：每个样本的最大测量值与最小值之差，反映样本内变异。
• 操作员极差（(R_{\text{操作员}})）：每位操作员对同一样本多次测量的极差平均值，反映重复性误差。

绘制均值图：核心步骤

均值图以“样本”为横坐标，“测量均值”为纵坐标，通过控制限判断测量系统稳定性。

确定中心线（CL）

中心线通常为所有样本的总均值(\bar{\bar{X}})，反映过程中心。

计算控制限

控制限基于样本间的变异计算,公式为：
[ \text{上控制限（UCL）} = \bar{\bar{X}} + A_2 \times \bar{R} ]
[ \text{下控制限（LCL）} = \bar{\bar{X}} A2 \times \bar{R} ]
(\bar{R})为所有样本极差的平均值（(\bar{R} = \frac{\sum R{\text{样本}}}{n})），(A_2)为控制限系数，与重复测量次数(r)相关（可通过SPC控制限系数表查询，如(r=3)时，(A_2=1.023)）。

绘制图形

• 横坐标：样本编号（1至(n)），按样本特性值从小到大排列。
• 纵坐标：测量均值（(\bar{X}_{\text{样本}})）及操作员均值（可选，用于观察操作员差异）。
• 绘制控制限：用虚线标注UCL、CL、LCL，确保清晰可见。
• 标注数据点：将每个样本的均值用圆点标记，连接各点形成折线，观察趋势。

结果分析与解读

均值图通过数据点分布判断测量系统是否可接受,关键分析点包括：

控制限内稳定性

• 理想状态：95%以上的数据点在控制限内，且无规律性波动（如连续7点上升、周期性变化）。
• 异常处理：若数据点超出控制限，需排查测量误差（如设备漂移、操作员失误）或样本特性异常。

操作员一致性

若每位操作员的均值点在图上随机分布（无系统性高低差异），说明操作员间再现性良好；若呈现明显分组（如操作员1的均值普遍高于操作员2），需加强操作规程培训。

样本区分能力

不同样本的均值点应呈现有序排列（如样本1均值<样本2均值<…<样本10均值），若样本均值交叉重叠，说明测量系统无法有效区分样本差异，需改进测量精度。

MSA均值图的应用与改进

通过均值图分析后,可结合GR&R结果评估测量系统：

• GR&R<10%：测量系统可接受，均值图可直接用于过程监控。
• 10%≤GR&R≤30%：测量系统可接受但需改进，可通过均值图识别具体变异来源（如重复性或再现性）。
• GR&R>30%：测量系统不可接受，需更换设备或重新培训人员后重新分析。

相关问答FAQs

Q1：MSA均值图与极差图有何区别？
A1：MSA均值图主要用于监控测量系统的“中心趋势稳定性”，以样本均值为纵坐标，判断过程均值是否受测量人员或设备影响；极差图则监控“变异稳定性”，以极差为纵坐标，反映重复性误差的大小，两者需结合使用，共同评估测量系统的重复性与再现性。

Q2：如果均值图中出现多个数据点超出控制限，如何处理？
A2：首先检查数据收集过程是否存在错误（如记录失误、设备未校准）；若数据无误，需分析变异来源：若所有操作员对同一样本的均值均超限，可能源于样本特性异常或测量系统偏倚；若仅个别操作员或个别样本超限，需针对性培训操作员或重新测量样本，确保数据真实可靠。