我们经常看到人们认为结果不理想的情况。W. Edwards Deming 的经典著作《走出危机》中下列文字描述了各种奇怪现象：
“在一家汽车制造公司，某个员工区的工作是每月对销售额进行预测。员工要考虑很多种信息。对预测值和实际销售额进行逐月比较，看预测值是高还是低。下一个月的过程将根据比较结果向上或向下调整方法。读者可能会注意到，这些人正在做的是确保他们的方法永远得不到改进。”（第 331 到 332 页）。
无论问题出在销售额、诊疗室等待时间还是铜锭重量上，我们的客户都希望解决结果不理想问题。但是，如果不了解问题是由特殊事件引起，还是产生该问题的过程所固有的，这些解决措施不会有任何效果，而且往往会使情况变得更糟。控制图帮助人们确定是否通过以下两种方式之一解决结果不理想问题：
1. 特殊原因 — 对影响单个结果的问题进行修复控制图确定系统是否受控。如果系统受控，则测量内容的散布范围和中心是可预测的。一定不要将“可预测”与“好”混为一谈。但是，只有在知道系统可预测之后，才能知道要做出什么样的改变，系统才能改进。当系统受控时，图表上的变异来自共同原因。（使用控制图时会假设您可以信任您的测量值，您或许已经全面了解测量系统分析。如果不了解，请查看关于测量系统分析。）
控制图确定系统是否受控。如果系统受控，则测量内容的散布范围和中心是可预测的。一定不要将“可预测”与“好”混为一谈。但是，只有在知道系统可预测之后，才能知道要做出什么样的改变，系统才能改进。当系统受控时，图表上的变异来自共同原因。（使用控制图时会假设您可以信任您的测量值，您或许已经全面了解测量系统分析。如果不了解，请查看关于测量系统分析。）
让我们看一个简单的示例。以下数据显示呼叫中心未接听电话的比例。下面是未接听电话的比例与时间序列的关系图：
有些人在查看数据后可能会发现，最高点超过了 12%。他们会说，几乎每 8 个来电中就有 1 个未接听电话，这个比例高得令人无法接受，我们必须找出相关原因。但这样是徒劳的。
让我们改用控制图来查看这些数据。按照以下步骤亲自制作图表：
1. 在 Minitab® Statistical Software 中，打开 https://support.minitab.com/zh-cn/datasets/control-charts-data-sets/unanswered-calls-data/ 中的数据集
2. 选择统计 > 控制图 >属性控制图 > P。
3. 在变量中，输入“未接听电话次数”
4. 在子组大小中，输入“总通话次数”
5. 单击确定。
所得到的图表显示各个子组的以下比例：
该控制图显示所有的点都在控制限内。此系统中发生的一切都是可预测的。在可预测的系统中，通过调查导致任何一个点变高或变低的原因，几乎什么结论也得不到。这里的未接电话问题是由共同原因造成的。任何改进，如果不解决始终影响过程的因素，往往都是徒劳的。
下面是另一个案例的示例。以下数据显示子组中凸轮轴的平均长度，每个子组由 5 个凸轮轴组成。这些凸轮轴来自 3 台不同的机器。以下线条图上显示的是均值：
最显著的点是机器 3 的两个高值。亟需调查这些点，但我们可以从控制图中获得更多信息。按照以下步骤亲自制作图表：
1. 在 Minitab® Statistical Software 中，打开 https://support.minitab.com/zh-cn/datasets/control-charts-data-sets/camshaft-length-data/ 中的数据集
2. 选择统计 > 控制图 > 子组的变量控制图 > Xbar-R。
3. 对于观测值，输入“机器 1”-“机器 3”
4. 在子组大小中，输入“子组 ID”
5. 单击确定。
这里，我们将关注机器 3 和机器 1 的图表。对于机器 3，我们看到了预期的结果 — 两个高点超过了控制上限。因为这两个点不受控，说明这些子组有可能受一个特殊原因的影响。我们可以回过头来看看针对这些子组发生的事件，并尝试防止再次发生相同情况。这样做之后，整个过程的可预测性应当会提高。
在线条图上，更难意识到机器 1 也不受控。
对于机器 1，子组 8 低于控制下限。值得注意的是，在子组 9 中机器 3 的值更低，但这个点受控，因为机器 3 比机器 1 的变异性大 — 可能是因为特殊原因。我们还将需要调查并解决机器 1 的特殊原因。我们需要确保过程可预测，才能开始对机器 1 或 3 进行整体过程改进。如果机器是不可预测的，那么我们甚至不知道所看到的任何变化是由于过程变更，还是由于过程中出现了意外情况！
控制图指示过程是否受控。如果过程不受控，则需要解决对过程造成间歇性影响的特殊原因。这些特殊原因一旦得到解决，过程应当会受控而且其行为具有可预测性。但是，只有在过程受控之后，才能开始对整个过程进行变更，并且知道所看到的变更是来自您正在进行的更改，而不是因为过程中固有的不可预测性。如果您想要知道某个过程是否需要修复或者能否改进，则将需要一个控制图。