Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
BS 5701——用定性（属性）数据进行质量控制与绩效改进指南标准系列
Guide to Quality Control and Performance Improvement Using Qualitative (Attribute) Data（英国标准 BS 5701 系列，2003 版全四部分）
📊 BS 5701 是英国标准学会（BSI）制定的用定性（属性）数据进行质量控制与绩效改进的指南系列，由 Technical Committee SS/4（统计过程控制）负责编制，委员会成员涵盖 BAE Systems、英国皇家统计学会、国家物理实验室、英国质量保证学会、通用家电公司、量具与工具制造商协会等机构。该系列于 2003 年 10 月 31 日发布，取代并整合了早期 BS 5701:1980 与 BS 2564:1955（二者均已废止），分四个分部系统阐述属性控制图（attribute control charts）在商业、工业、商业服务与公共服务中的应用价值、基本方法、特殊情形处理与泊松/二项检验。第 1 分部侧重业务价值与案例，第 2 分部给出 c、u、p、np 四类标准属性图的构造与使用，第 3 分部处理小均值、可变样本量等特殊情形的技术对策，第 4 分部为扫描补充版本，是一套面向实践、以图像化控制图为核心的统计过程控制工具。
💡 属性数据即”是/否、合格/不合格、存在/缺失、成功/失败”类计数数据。BS 5701 的精髓在于：用简单直观的 c、u、p、np 图监控这类数据，几乎不需要复杂统计知识，即可及时发现过程的异常波动并推动改进。
一、标准系列构成与适用范围 📌
BS 5701 的属性数据范围很广，既可以是最上层的业务汇总数据，例如利润率百分比、顾客投诉率、准时交付率，也可以是细致的运行数据，例如员工缺勤率、设备停机次数、产品不良数以及具体的过程参数与产品/服务特征。这些数据既可以按”是/否、合格/不合格、存在/缺失、成功/失败”的序列方式表达，也可以表达为汇总度量（如事件计数与比例）。对于连续测量数据的控制图，BS 5701 指引使用者参考 BS 5702-1。下表汇总了四个分部的构成：
| 分部 | 年份 | 主题 | 主要定位 |
|---|---|---|---|
| BS 5701-1 | 2003 | 属性图在商业、工业、商业服务与公共服务中的用途与价值（Uses and value of attribute charts） | 业务效益、过程聚焦、六西格玛关系与典型案例研究 |
| BS 5701-2 | 2003 | 标准属性图监控、控制与改进的基本方法（Fundamentals of standard attribute charting） | c/u/p/np 图构造与使用、控制限公式与示例图 |
| BS 5701-3 | 2003 | 属性图技术方面：特殊情形处理（Technical aspects of attribute charting） | 标准控制限局限、泊松/二项检验、专门设计控制图 |
| BS 5701-4 | 2003 | 系列补充分部（扫描版） | 系列补充内容，依据公开领域知识概括 |
⚠️ 本系列中 BS 5701-4 为扫描版本，文中相关表述依据该标准领域的公开知识概括说明；同时，凡涉及”是否适用某分部”的判断，均应以 BSI 官方发布版本的适用范围条款为准。
二、属性图的用途与价值（Part 1）💼
Part 1 以实践、以非统计为主的方式，展示属性图在业务中的效益、通用性与实用性，重点包括以下内容：
- 数据分类：图 1 给出不同类别的数据划分；图 2 给出”过程控制、能力估计与改进”的先后次序，说明应先使过程受控，再评估能力，最后实施改进。
- 业务过程聚焦与管理：第 5 章以基本过程模型（图 4）说明任何业务都是由若干集成化多阶段过程构成的，例如视频光盘压制过程的物流能力与首次运行能力计算（图 7、图 8）。
- 辅助技术：第 6 章介绍帕累托图（油漆过程缺陷示例，图 9）、过程因果图（制动盘铸件裂纹示例，图 10）等支持性工具，帮助定位过程问题的主要来源。
- 六西格玛关系：第 7 章说明属性图与六西格玛计划之间的关系；表 2 给出西格玛值、每百万机会不合格数（DPMO）与百分产率之间的对应关系，方便将属性图结果纳入六西格玛度量体系。
- 典型案例研究：第 8 章以服装生产线（裤子生产线）为案例，展示首次合格率曲线（图 11）、按工序与按操作者的帕累托分析（图 12、图 13），并逐人分析绱侧缝、挽裤袢、装机口、合裆、封门襟等工序的缺陷频次（图 14～图 24），附录 A 给出案例基础数据。
此外，表 1 给出适用于不同业务的典型可测量特征清单，例如利润、产量、交付、投诉、安全记录等经济与运营指标，为使用者选取监控对象提供参考。
✅ Part 1 的核心方法论启示：先画过程模型，再按过程分层，用帕累托聚焦少数关键贡献者，用因果图深挖根因，最后用属性图持续监控——这正是”监控-分析-改进”的完整链路。
三、标准属性图基本方法（Part 2）📈
Part 2 介绍四类标准属性控制图的构造与使用，并给出控制限公式（附录 B）与示例图（附录 A）。四类标准图的监控对象与用途如下表所示：
| 控制图 | 监控对象 | 典型用途举例 |
|---|---|---|
| c 图 | 单位产品缺陷数（计点数据，样本大小固定） | 事故数、订单数、缺陷数 |
| u 图 | 单位平均缺陷率（样本大小可变） | 每单位、每卷、每批缺陷 |
| p 图 | 不合格品率（计数比例，样本大小可变） | 不良率、不合格率 |
| np 图 | 不合格品数（样本大小固定） | 固定样本量下的不合格数 |
第 5 章说明了标准控制图的构造与使用步骤，包括中心线与控制限的确定、基于规范样本图的建立、控制限的延伸（图 4）、性能显著变化的判读（图 5）、样本大小变化时控制限的调整（图 7、图 8）以及多特征控制图（图 9）的运用。对于计数数据，Part 2 还以帕累托图建立行动优先次序（图 10），并以 np 图与 p 图监控不合格品数与不合格品率，图 14 展示了过程平均值突然偏移的典型图样。附录 A 提供规范化的属性控制图样张，附录 B 汇总各图控制限的计算公式（表 B.1），作为建立控制图的直接依据。
🚨 控制限的常规计算默认数据近似服从泊松或二项分布：当过程均值很小或样本量差异很大时，常规控制限可能失真，此时应按 Part 3 采用泊松/二项检验或专门设计的控制图，不要机械套用 3σ 公式。
四、特殊情形处理（Part 3）🔬
Part 3 针对标准控制限在特殊情形下的局限给出对策，并介绍专门设计的控制图：
- 分布形状变化：图 1 说明随着均值的改变，泊松/二项分布的形状如何变化；图 2 给出计数数据控制限选择的流程图。
- 常规与泊松控制限的差异：表 1 说明行动控制限计算方法对均值取值的影响；表 2、表 3 对比常规与基于泊松的控制限数值差异，例如事故 c 图与每单订单 c 图的差异（图 3、图 4）。
- 专门设计控制图：第 6 章介绍通用 u 图（如螺柱螺纹的通用 u 图，图 14）、缺点数（demerits）属性图（表 7 给出建立公式）与标准化控制图（表 5 给出绘图数据）。
- 测量数据情形的属性图：第 7 章说明当原始数据为可测量数据但按类别归组时如何选择合适控制图（图 15），并给出双向属性控制图及其过程诊断方法（图 16a、图 16b）。
- 附录：附录 A 给出泊松与二项检验（含方差比临界值表），附录 B 给出基于泊松的控制限计算方法。
该分部还以织物疵点数据为例（图 8、图 9 为织物疵点直方图与运行图）说明通过运行图观察显著改进后进行持续监控的过程。
五、工程实践应用建议 🛠️
- 🔍 选图：先判断数据类型（计点/计件、样本大小是否固定），再按 Part 3 图 2 流程图选择 c、u、p 或 np 图。
- 🔧 建立基线：用受控状态下的历史数据计算中心线与控制限，作为后续监控基准，并保留规范样张作为比对依据。
- 📊 过程诊断：控制图出界或趋势异常时，先用帕累托图锁定主要贡献工序或人员，再用因果图深挖根因（Part 1 方法）。
- 📋 持续改进：将属性图与六西格玛、精益管理结合，按 DPMO 与产率换算，形成”监控-分析-改进-再监控”闭环，并将改进结果纳入新的控制限。
✅ 落地建议：将 BS 5701 方法嵌入日常质量会议：每周更新属性图，超限即触发根因分析，月度汇总帕累托与改进项目清单，使数据驱动改进成为组织惯例而非一次性项目。
六、常见问题解答 ❓
❓ 问：属性图与计量型控制图有何区别？
答：属性图用于”是/否、合格/不合格、计数”类定性数据（c/u/p/np 图），计量型控制图用于连续测量数据（X-R、X-s 图等）；BS 5701 专门针对前者，计量数据控制图请参考 BS 5702-1。
答：属性图用于”是/否、合格/不合格、计数”类定性数据（c/u/p/np 图），计量型控制图用于连续测量数据（X-R、X-s 图等）；BS 5701 专门针对前者，计量数据控制图请参考 BS 5702-1。
❓ 问：c 图与 u 图如何选择？
答：当各检验单元大小一致时用 c 图（直接计缺陷数）；当检验单元大小可变时用 u 图（统计单位平均缺陷率），否则控制限会失真，判读结果也会出现偏差。
答：当各检验单元大小一致时用 c 图（直接计缺陷数）；当检验单元大小可变时用 u 图（统计单位平均缺陷率），否则控制限会失真，判读结果也会出现偏差。
❓ 问：过程均值很小时怎么办？
答：均值很小时正态近似不再可靠，泊松近似更优。应按 Part 3 采用泊松检验与基于泊松的控制限，避免误报警或漏报警。
答：均值很小时正态近似不再可靠，泊松近似更优。应按 Part 3 采用泊松检验与基于泊松的控制限，避免误报警或漏报警。
🔍 问：属性图能用于服务业与管理指标吗？
答：能。Part 1 明确指出属性数据可涵盖利润百分比、缺勤率、投诉次数、准时交付率等业务与服务指标，适用范围远超制造业，同样适用于公共部门与社会服务。
答：能。Part 1 明确指出属性数据可涵盖利润百分比、缺勤率、投诉次数、准时交付率等业务与服务指标，适用范围远超制造业，同样适用于公共部门与社会服务。
❓ 问：如何与六西格玛衔接？
答：Part 1 第 7 章与表 2 给出了西格玛值、每百万机会不合格数与百分产率的换算关系，可将属性图测得的不合格水平直接换算为西格玛水平，纳入企业六西格玛度量与报告体系。
答：Part 1 第 7 章与表 2 给出了西格玛值、每百万机会不合格数与百分产率的换算关系，可将属性图测得的不合格水平直接换算为西格玛水平，纳入企业六西格玛度量与报告体系。
