步骤 1：检查 R 控制图以确定过程变异是否受控制
在解释 Xbar 控制图之前，请检查 R 控制图以确定过程变异是否受控制。如果 R 控制图不受控制，则 Xbar 控制图上的控制限不准确。
R 控制图标绘子组极差。如果子组大小恒定，则 R 控制图上的中心线是子组极差的平均值。如果子组大小有变化，则中心线的值取决于子组大小，因为较大的子组往往具有较大的极差。R 控制图上的控制限设置在中心线上方和下方距离 3 个标准差的位置，它们显示子组极差中预期的变异量。
红点指示至少在一个特殊原因检验中失败且不受控制的子组。如果同一个点在多个检验中失败，则会用最小的检验编号标记该点，以免图形过于拥挤。如果控制图显示了失控点，请调查这些点。
失控点可能会影响过程参数的估计值并防止控制限真正代表您的过程。如果失控点是由特殊原因导致的，请考虑在计算中省略这些点。 有关更多信息，请转到指定如何估计 Xbar-R 控制图 的参数。
R 控制图（底部控制图）上的所有点都受控制。
步骤 2：检查 Xbar 控制图以确定过程均值是否受控制
Xbar 控制图标绘每个子组内测量值的平均值。中心线是所有子组平均值的平均值。Xbar 控制图上的控制限设置在中心线上方和下方距离 3 个标准差的位置，它们显示子组平均值中预期的变异量。
红点指示至少在一个特殊原因检验中失败且不受控制的子组。如果同一个点在多个检验中失败，则会用最小的检验编号标记该点，以免图形过于拥挤。如果控制图显示了失控点，请调查这些点。
失控点可能会影响过程参数的估计值并防止控制限真正代表您的过程。如果失控点是由特殊原因导致的，请考虑在计算中省略这些点。 有关更多信息，请转到指定如何估计 Xbar-R 控制图 的参数。
在这些结果中，R 控制图处于稳定状态，因此它适合于解释 Xbar 控制图。请查看上面的控制图。Xbar 控制图上有一个点不受控制。子组 13 在检验 1 中失败。当您将指针放在红点上时，可查看有关子组的更多信息。
步骤 3：确定在每个检验中失败的点
调查未通过特殊原因检验的任何子组。默认情况下，Minita 仅执行检验 1，即检验位于控制限外部的点。但是，如果您执行额外的检验，点可能无法通过多个检验。输出结果会确切地显示有哪些点未通过每个检验，如此处所示。
注意
当同时使用多个检验时，控制图的敏感度也会增加。但是，误警报率也会增加，这可能会使您对检验结果做出不必要的反应。
有关每个检验及其使用时间的更多信息，请转到在控制图中使用特殊原因检验。
