我们最近与内华达州斯帕克斯市松下公司的数据科学团队合作进行了质量演示，其中包括控制图表自相关数据的方式。
Panasonic 在其连续生产线中进行了自相关（大滞后 1 相关）的测量。 这些类型的数据的模式与标准过程行为图表中的预期不一致，并且控制限制往往太窄，导致许多错误警报。 Panasonic 数据的这个问题让 6 sigma 团队蒙上了一层黑眼——数据科学经理 Dan Lund。
在演示中，我展示了时间序列模型的残差图表（残差图）并使用时间序列预测的置信带来查看特殊原因变化的证据。 我没有展示，但提到了使用 Wheeler 的建议，即使用样本相关系数来缩放置信限 Rbar/d2(1-r^2)（统计过程控制中的高级主题，第 12 章）。
我的近期建议：
在控制图生成器中包含计算 Wheeler 调整置信限的选项。
长期建议：
开发一个可以直接生成残差运行、CUSUM 或 EWMA 图表的平台。
如果它对业务案例有帮助，我相信我们可以让 Dan Lund 再次通过电话详细解释正确绘制自相关过程数据图表为 Panasonic 带来的好处。
谢谢！！
我上传了一个加载项到文件交换，它使用 lag1 相关系数扩大了 IMR 图表中的控制限制。
针对自相关调整的 IMR 图控制限制
这应该在短期内适用于像 Panasonic 这样具有表现出自相关过程的客户。
