先啰嗦两句，在质量管理七大原则中，讲究询证决策，说人话就是“说话办事得有证据”。

质量数据便是可以很好的辅助决策的客观依据。但简单粗糙未经整理的原生态数据显然是没办法完成它这个使命的。所以如何整理质量数据进而清晰准确表达质量信息，可以说是质量人的一项基本生存技能。

而数据整理和表达的一个经典模型，便是直方图。

一、直方图是什么

直方图用一系列宽度相等、高度不等的长方形来表示数据，其宽度代表组距，高度代表指定组距内的数据数（频数）。

它由英国拥有诸多头衔的天才学者卡尔卡尔·皮尔逊（Karl Pearson，1857—1936，右边这个帅男人，英国著名统计学家、应用数学家、历史学家、哲学家、伦理学家、民俗学家、宗教学家、优生学家、头骨测量专家……名号比龙妈还多……）提出，并由在日本质量学者总结纳入经典QC七大工具中。

直方图可使我们比较容易直接看到数据的分布形状、离散程度和位置状况：

• 观察数据分布的类型，分析是否服从正态分布，有无异常；
• 判断数据分布范围是否满足规格范围的要求；
• 与产品规格界限做比较，判断分布中心是否偏离规格中心，以确定是否需要调整及调整量；

但需要注意的是，虽然在过程能力分析中，我们常常利用直方图整理数据用以分析其分布状态，但有时根据观测数据所绘制的直方图呈非正态的异常分布。这说明过程已出现了异常。在这种状态下，是不能计算过程能力指数的，必须先排查异常原因，予以排查纠正后，再重新收集数据并分析。

为什么不能计算，因为不受控了啊，计算Cp/Cpk的前提是过程处于统计受控状态。