上周三下午,测绘实训室,最后一节课。一个学生举着千分尺过来问我:老师,这零件量了五遍,五个数,我写哪个?
我没回答。反问他——这五遍,是拆了重新装夹量的,还是夹在台钳上一直量的?
他愣在那儿。
数字不撒谎,量法会
质量数据统计这门课,很多人以为难点在公式。真不是。门槛在前面那一步:你根本不知道自己在测什么。量具的重复性、再现性,装夹方式,车间的温度,操作者的手劲——这些东西不进任何公式,可它们决定公式算出来的结果有没有意义。
所以我把测量系统分析挪到了课程很靠前的位置。以前压在过程能力分析后面讲,学生算完Cp、Cpk,兴冲冲拿给我看,我问他那台千分尺的GR&R做过没有,答不上来。一组不可信的数据,套上再精致的统计工具,也只是把噪声加工得更体面一点。
课上我反复念叨一句话:先解决“敢不敢用”,再解决“怎么算”。

我把假设检验的推导砍掉了
课时是硬的。讲得深,就得讲得少。每排一次课表,这个取舍都要重做一遍。
我的取舍是:分布函数的推导,压缩;t检验、F检验的手算,压到“看得懂结果”的程度就停。省下来的时间给两块——抽样方案怎么定,以及数据从哪来、怎么记、记漏了什么。
理由挺朴素。学生毕业进厂,不管做设计还是做工艺,日常真正用到的不是推公式的手艺,是判断力:这批数据能不能拿来支撑一个结论?抽几个够?昨天那台设备和今天这台,能不能画在同一张图上比?

控制图那一章我改了讲法。不再先讲均值、再讲极差、最后列出判异准则。反过来:先甩一张已经跑废的图,让学生自己找“它从哪个点开始不对劲”。找不出来,再回头补准则。先有痛点,再给工具,这样才记得住。
有个学生课后跟我说,他以前把控制图当成一门画图课。查表、描点、连线、交作业。我就问他:你们车间那台磨床,更可能先出问题的是哪一条准则?他答不上来。那一刻我明白,他脑子里那张图和我脑子里那张图,不是一张图。
那组太整齐的数据
上学期我改了一次任务书。让学生从自己设计的一根轴出发,自己挑关键特性,自己做测量计划,去车间收一组真实数据,回来算能力指数,写一页结论。
交上来有一组,整齐得不像话。小数点后两位几乎不抖。
我没发火,没点名。把那页纸投影出来,问全班:这组数看着舒服吗?底下有人笑。舒服。太舒服了。真实的测量数据是脏的,带毛刺的,偶尔会突然跳一下。
编数据这件事,骂没用。根子上,他把“测量”当成了整个设计作业的收尾动作,交差用的。而不是设计的一部分。

后来任务书里加了一条:不要求交数据表,要求交一页“我测错了什么”——哪次装夹返工了,哪个读数自己都不信。承认自己乱了,比假装自己没错,容易得多。加完这条,编数据的明显少了。
那张记录表,我改过好几版

早期版本特别标准:序号、测量值、结论。干干净净三列。
问题就出在“结论”那一列。学生为了让结论好看,手会不自觉地往小数点前面挪一挪。这是人的本能,跟品德没关系。
后来我把结论列删了,换成三样:测具编号、环境温度(车间没控就写“未控”)、异常备注。数据表变成了过程记录表。再加一列,让填表的人自己给每个数标一下“信、半信、不信”。
有点意思。标“不信”的那几个点,后来往往真的就是算出异常的那几个。学生自己其实是知道的。只是在此之前,没人问过他。
绕了一大圈,还是想回到设计。公差怎么定出来的?凭经验,查手册,还是从一批真实加工数据里反推?学生画尺寸链的时候,很少想到链条末端站着一台具体的机床和一个人。质量数据统计要做的,就是让他们看见这个末端。
我现在越来越觉得,这门课教的不是统计。教的是一种说话方式——你说这个尺寸没问题,证据是什么,证据够不够硬,换个人能不能照你的方法再验一遍。
这话学生不太爱听。可等他们真的站在车间里,被人当面问“你凭什么这么说”的时候,大概会想起来。