质量控制（QC）七大手法之层别法：被忽视的黄金基本功

去年在宁波一家汽配厂，我看到质量部的工程师们对着柏拉图挠头。缺陷集中在那几个老问题——毛刺、尺寸超差——可原因分析鱼骨图一画再画，措施也上了，效果就是打摆子。怎么回事呢？直到我随手拿起他们的日报表，按班次、机台、材料批次重新分了一下数据……豁然开朗。夜班的不良率比白班高出近三成。这里头的门道，就是今天要聊的——层别法。

说实话，QC七大手法里头，层别法最不起眼。查检表还能拿张纸比划比划，柏拉图一出柱状图就显专业，可层别呢？没“图”没真相，常被当成统计前的杂务，一带而过。但如果你问我，这七样兵器哪一样是內功心法，我必选层别。它不是耍花枪，而是逼你从混沌里看出结构来。

层别到底“别”的是什么？

简单说，就是把数据按不同的角度切开看。比如按时间（班次、星期）、按人员（新老手、班组）、按设备（机台号、模具腔号）、按原料（供应商、批次）、按工艺参数（温度、压力档位）……就跟切菜一样，横切竖切花纹完全不同。可现实中，大多数人只按一个维度分——顶多加上时间序列——就像只从正面看一座山，以为它就是个三角，其实侧面还有陡崖呢。

有一回做注塑件缩水分析，几个工程师吵成一团。调机师傅咬定是保压时间不够，工艺员怀疑模温波动，物料部门觉得这批ABS料有猫腻。大家都有道理，单看各自拉的数据——工艺曲线正常，来料检验合格——这下僵住了。我让他们把所有缩水品集中，按模腔号、生产时段、材料干燥温度三个维度重新层别。结果发现：只发生在3号模腔，且集中在上午开机前20分钟以及下午换料后的5模以内。再查，3号模腔的冷却水路有一小段结垢，模具升温后热膨胀恰巧封住了微漏，所以中间时段没事；而换料时干燥桶温度会瞬间掉下来几度，回温前那几模正好撞上枪口。瞧，不层别，这些相互纠缠的因子根本浮不出水面。

什么时候用层别？怎么用出花来？

这问题就像问“什么时候该呼吸”。答案是——但凡拿到数据，先别急着画图，先想层别。尤其是下面这几种状况：

数据分布奇奇怪怪，像一锅粥，平均值没有代表意义；
做了改善，但效果忽好忽坏，鬼影一样；
柏拉图上的“其他”项高得离谱，说明分类太粗；
散布图呈团状，看不出相关性——很可能没把不同条件分开看。

用层别法，最忌的是“想当然”。很多新手一上来就按已知的“人机料法环”去套，结果维度太多，切得稀碎反而看不见主要矛盾。我的做法是：先做开放式观察，再到聚焦式假设。比如刚接手一个陌生工序，我会先不做声，到现场抄几天原始记录，然后按时间画推移图（这算简易层别），如果发现每逢周一或下雨天就异常，那就重点深挖这些时段的操作记录、温湿度……找准一个突破口猛扎下去。

现在有些MES系统自带钻取分析功能，点几下就能按任意字段层别出图表，简直不要太爽。但毛病也在这——太容易，反而让人懒于思考。层别的灵魂不在操作，在你提的那个问：“如果换个角度看，会不会藏着别的故事？”

问：我们公司检验数据都是按天汇总的，层别是不是没意义了？

答：千万别！“按天”本身就是一种粗糙的层别。如果某天的不良率跳点了，那天的数据就是宝藏。你应该立刻把这天所有产品的原始检验值调出来，重新按班次、产线、甚至操作者分层。✅ 哪怕是手工记录，也值得花这个时间。我曾经从一张揉烂的交接班记录里，发现夜班质检员量具用错了——白天班组长没发现，就是因为报表只有总数。聚合数据是层别的死敌，切记。

问：层别到什么程度才算够？维度太多反而糊涂了。

答：好问题。直觉上，层别到你能清晰说出“在某种特定条件下，XX不良显著高/低”就算成功。如果几个维度层别后还是乱，把结果还给柏拉图——这时候分层柏拉图会非常漂亮，马上凸显关键少数。另外，别轻视“二阶层别”，比如“机台+班次”组合，往往比单独分机台或分班次更能定位。💡 建议先用特性要因图（鱼骨图）梳理可能因子，再挑最可疑的两三个维度做组合层别，这样效率高，不会迷失在数据的沼泽里。

层别法与其他手法的默契

七大手法不是孤岛。层别几乎是所有手法的前置动作，也是一种思维习惯。画鱼骨图时，如果大骨下面没按不同条件细化，那图就是摆设。查检表在设计时如果不规划分层项目（比如按缺陷位置、发生时段设计记录格），后面想层别都没数据。散布图就更不用说了，不按层别着色，一堆点看着像银河系，啥也看不出来。所以不少人学QC手法，单个都会用，连起来就掉链子——因为没把层别当粘合剂。

我见过最可惜的情况：质量月报做得无比精美，推移图、柏拉图、管制图一样不落，可数据源全是“大混合”——不同客户、不同产品系列甚至不同产线的数据搅在一起。这样的报表，除了应付审核，毫无管理价值。简直是在给数字做防腐处理，活活把信号变成噪音。正确的做法应该是设计分层报表模板，逼迫使用者在记录那一刻就分类。好文化要落到表单上，不然都是喊口号。

对了，提到管制图，也离不了层别。做制程能力分析前，如果不先把不同条件的数据层别清楚，算出来的Ppk就是个大锅饭——看似达标，实则个别条件已严重失控。去年帮一家连接器厂诊断，他们CPK一直卡在1.1上不去，我要求按镀金槽号层别，才发现其中一槽的钯镍厚度波动是另外三槽的三倍，根源是药水循环不均。修好之后，整体CPK直接跃到1.6。你看，层别能救活一个工艺。

回到一开始那个汽配厂的故事。后来我们不但用层别找出夜班问题——新人多、照明度不足导致量测偏差——还顺手用查检表规范了交接班的点检项，用柏拉图量化了照明改善需求，用散布图分析了照度与测量误差的关系。但一切的起点，无非是换个角度看那堆旧数据。层别，真的被低估太久了。

下次当你面对一团麻的质量数据，先别叹气，也别急着开会。坐下来，泡杯茶，对数据轻声说：来，我们换种方式重新认识一下。你猜会怎样？