在可靠性设计中，有一个从功能图->边界图->p图->FMEA的完整设另计流程。P图能方便于设计FMEA，两者的作用基本一致的，我的理解是P图比FMEA更形象，更有利于产品设计（P图 即参数图，Parameter Diagram）。以后在做PFMEA的过程中，亦可参考功能图->边界图->p图->FMEA的流程；比如要求图->过程图->p图->PFMEA。在汽车行业中P图用于描述工程系统或过程 。应用工程师需要确定能使系统获得期望输出的物理输入，以及由于能量转移导致的、客户认定的不期望的输出。此外，应该辨认那些可能会干扰或削弱期望输出或可用来改善输出的参数。从理论上讲，这似乎很容易做到，但实际应用中常常感觉比较难。这篇文章试图通过提供规范化定义来明确区分。P图应被更广泛应用于产品的健壮性和可靠性领域。所以首先介绍一下这些术语。在质量方面的健壮性是指某产品或工艺的功能不会受到参数变化的影响。工程上的挑战是如何使得系统在有噪音影响的情况下其理想功能变化不大。更高的目标是使系统在名义目标附近执行理想功能，同时副作用最小；从而最大限度地减少对理想的功能（提高健壮性）变化的收益必须兼顾的成本。健壮性（robustness）可以被描述为系统所执行的功能与对它的需求功能之间的距离。能力与需求之间的这种分离是健壮性的一个标准，也可以描述为与故障模式的距离。
健壮性并不一定意味着设计是昂贵的、冗余的或过份设计的。当系统有一个大的响应差异，即系统对于某种差异源（噪声）的影响十分敏感时，该系统也称为非稳健的。信噪比（田口使用的SAN比例）是一种已知的对健壮性的衡量，它用来定义设计的最优参数设定。可靠性可以被定义为一个系统在规定的时间，里程数或周期内，在噪声存在的情况下完成预定功能的概率。它还要考虑客户期望系统达到或超过预期的功能，并且在系统或车辆指定的寿命内能够满足规定的功能，如对于主系统的变速箱或发动机要求的十年或150,000英里。对于像刹车片、雨刷、火花塞或轮胎等易磨损部件应用更短的时间或里程。至关重要的是，此系统与客户相关的使用情况必须是已知的，并要融合到设计之中。可靠性衡量值如下：- 制造过程的MTBF(Mean Time Between Failure)- 机器的MTTF (Mean Time To Failure)在创建P图（图1）之前，团队应该首先用边界图（图2）描述系统。这对于描述哪些部件属于该系统和它们之间的连接关系、甚至是各部件在系统边界外它们与系统之间的相互作用不可缺少的。通过定义系统边界，工程的范围和责任会被明确划分。因此，P图应该由设计者、客户发布工程师和供应商发布工程师组成的团队来共同构建。他们必须有完整的授权在边界内改变设计参数（控制因素），以提高系统性能。一个包含核心工程人员、质量人员、制造和测试人员的支持团体，可在有请求时帮助团队[1][2][3][5]。输入可能来自多个方面，例如客户冲动、周围的系统或环境等，它们可能直接导致系统的响应。这些输入应该由测量范围和尺度（变化数据）来指定，描述完成系统功能所需的能量来源。如果想实现一个转移功能，这些信号是输入变量(X)，应该转化为理想的响应(Y),见图3。输入信号不应该是描述性的属性数据，如“好或坏”、“通过或失效”，或二进制数据（0或1），因为与功能描述相关的变化的能量不可能是这些值。下面是一些输入信号的特征举例：理想响应可描述为各种输入信号在能量转移下，系统主要的满足设计意图的功能输出。它可以描述为转移功能函数的有用的功能结果。另外，它也可以是一个系统或质量目标。在现实世界中，能量转移和与之伴随的响应会或多或少地受干扰噪声因素的影响。对每一个响应应该用一个带国际单位的可测量的范围表示。由于能量转移，大部分单位会从原始的度量单位转换（例如用N表示的输入信号和用Nm描述的响应信号）。一个理想的响应应该包含系统在传递它的理想响应或任何属性数据时不可避免的效率损失。下面是汽车行业一些理想响应的举例：从最佳实践角度，避免使用以下的表达来描述理想响应：达芬奇是已知的首位表明没有永动机的科学家，自他去世后没有人可以否认该点，见图4。所以作为一个符合逻辑的结论，很明显一个闭环的汽车系统必须伴随效率和能量的损失。工程师的一个主要任务就是减少这种损失，但是，损失不能被完全避免。因此，在p图中应该考虑这些无用但正常的系统输出，将它们作为能量转移的固有损失。典型地例子是废气、摩擦、热、振动和排放。该类包含所有从工程观点和客户角度所不期望的系统输出。客户抱怨可能来自于人类感官的五个方面，包括触觉、听觉、嗅觉、视觉和味觉。如果关于前四个方面的任何一个超出了客户的接受极限（例如系统工作但操作很吃力），客户就会抱怨。换句话说，系统可能运作良好，但有一些副作用。例如空调可以给车辆内部降温，但会产生难闻的气味。导致这些副作用的潜在因素可能来自周遭的噪声干扰，它会使系统薄弱。这些缺陷必须能检测出或加以解决，或者至少通过对控制因素的最佳调整将其减少到一个较低水平。不期望的副作用应该在相应的潜在功能故障模式的D-FMEA-列中作为潜在影响列出。不期望的副作用不应该与D-FMEA中确定的故障模式相混淆，因为所有的FMEA故障模式都与功能描述相关，从而两者有相同的物理单位，而副作用用不同的SI单位。典型的不期望的副作用如泄漏、过热、空转不平滑、不寻常的噪音、风噪声、吱嘎声、难以操作、漏水、刹车噪音或难闻的气味。在系统边界内的可由责任工程团队修改的设计参数可以作为控制因素。它们是设计项目，能直接影响系统输出，能按等级划分为离散的或连续的值W。这些因素可以被调整，使它对成本、资源和技术影响的最小化。这些因素是可调的，工程师可以利用它们来提高系统的健壮性。通常情况下，试验设计可以产生最优的控制因素水平。控制因素也可以看作潜在的设计项目来检查D-FMEA中的潜在原因。统计过程控制，过程结束测试和开发阶段的设计测试不应该被视为控制因素。控制因素的典型例子有：- 轴的直径，单位mm
- 表面涂层厚度，PM
- 形状和形状公差
- 弹性极限或屈服点
- 螺纹几何尺寸
- 刚度N/mm
- 密度kg/dm3；g/cm3
- 钢的硬度，HV, HR,不可避免的接口、条件和使用都会扰动或影响系统的理想功能，它们称为噪声干扰因素。噪声干扰因素反映了在真实世界中产品的不理想的使用。在更高的层次上，它们被划分为内在的（能力、强度）和外部的（需求、应力）噪声干扰。内部的噪声干扰表现为生产上的个体不同和时间上的时时不同。外部噪声干扰是客户使用、外部环境或系统间的相互作用。责任工程师必须知悉这些相关的干扰因素因为它们可能对设计有很大的影响。通常因为太昂贵、太复杂或其它不可能的情况，控制它们非常不容易。然而，它们是产生副作用的最主要的来源。对于一个经验设计的高效的测试，噪声干扰因素必须要加以评估，并优先考虑，且指定使用范围和物理场SI单位，这样以来，可以建立一个在此范围内的能反映的噪声大小和系统的响应的测试。个体差异是在批量生产中由干扰噪声导致的不可避免的系统差异。很明显，它不是工程图或技术说明中的公差变化。部件和制造过程的差异影响最终产品外场的性能。然而，设计工程师不能控制任何的产品差异。只有过程/制造工程师可以试图通过优化过程参数将过程差异减少到一个可接受的界限。要选择进行测试的合理零件，推荐在最好情况和最坏情况下（尾部测试）选择明确的公差。值得一提的是个体差异不考虑在给定的工程说明界限外的任何部件。即所谓的不适用部件。下面是个体差异的例子：随时间或英里数的变化是设备组件或材料正常的退化，可以导致性能极限或最坏情况下系统功能的损失。该类噪声干扰的例子如：腐蚀、疲劳、磨损、物理的退化，如有机/无机老化、随着时间/里程/工作周期的推移材料杂质的形成，如在发动机油或在生产过程中的化学品如洗涤槽、磷酸滴等、挥发性物质随着时间推移的损失，如汽车仪表板的增塑剂或低分子量聚合物组分，熵的无序影响，如音频或录音录像磁带磁性的损失，橡胶零件的胶老化或密封老化，聚合物由于紫外线辐射分解或橡胶钢件粘接力的损失。客户使用和占空比考虑客户在产品使用寿命期内对产品所做的任何事情。它考虑对系统的任何可预见的误用。但是，用户使用和占空比不考虑真正的滥用（例如：向发动机加水而不是加油）。客户的使用情况和占空比的实例如下：- 使用不同公司的燃料
- 有不同的驾驶者驾驶
- 不同发动机润滑剂或冷却剂
- 不遵守维修周期- 市场配件的使用情况
- 防滑链或辅助启动装置的使用
- 汽车用拖车或铁路运输
- 配件包（如自行车架，滑雪箱）的使用环境预定义了所有可预见的系统必须考虑的工作和操作条件。外部环境的典型例子有：系统间的交互作用考虑汽车内任何已知的系统与受其影响的周遭系统，如图2。相互作用可以由直接接触或连接产生，或由接近或包周边配件等产生。它们还可以从周边系统的副作用的产生。系统间相互作用的典型例子是热、底盘或发动机的振动、悬挂的联接、运动和力、滚子的限制力、转向系的联接、运动及动力、电气干扰、电源对电气系统的电压以及电磁干扰。从作者的观点看，P图有几种可能性可以作为正确的质量工具以支持工程工作。它们可用于下列的主要应用，见图5：在健壮性和可靠性研究中选取的健壮性更好的设计。在此，P图提供了现有的控制因素，可用于系统调整以优化功能输出，即使有干扰因素的存在。更进一步的质量工具如健壮性清单，可靠性验证矩阵等，在这篇文章不涉及这些工具。作为支持设计FMEA工作的补充文件。由于定义的控制因素可能是潜在的故障触发机制，它可以导致整个系统的崩溃。噪声干扰因素可能导致缺陷或崩溃，而失效是由于抵抗干扰的稳定性差造成的，而不是由干扰因素本身造成的（如一个单元可能会因为它的热稳定性差而失效）。如果使用与FMEA方法（QS - 9000）相关的功能，在潜在原因列中可以发现使用控制因素和抵抗噪声的健壮性。重要的是对控制因素的值和规格的严格审查。如果在开发新系统时应用六西格玛流程设计，它是一个描述系统必不可少的要素，它用数学传递函数描述系统。这些数学方程描述输入信号（X）向理想的响应（Y）的转移。p图在开始定义方程前首先产生重要的值。有几种用数学方程来描述系统的方法。一个经验设计研究的结果是基于经验结果的传递函数。此功能可以用来做任何与系统行为有关的预测。另外一种创建传递函数的方法是用机械和电气规律描述任何物理输出。如图3所示，这类方程系统依赖于一个以上的变量，它会造成复杂的方程式。为了降低这种复杂性，有必要进行一些前期测试以确定重大的噪声干扰及确定其优先次序。在大多数情况下这将导致相关的管理参数数量的减少。在启动传递函数前，往往不知道相关的噪声范围。正因为如此，如果获取了新系统的知识，传递函数必须逐步开发和现实。在任何问题的根本原因是未知的情况下，和在个人不可能解决一个复杂的任务的情况下，启动全局的8D可能会有所帮助。P图将噪声干扰融合到分析中，可为寻找潜在根原因的头脑风暴会议提供支持[4]。P 图是完美的质量管理工具，用来展示一个用户所在的真实世界中的明确的工程系统的理解。其应用的可能性是多方面的。它们记录系统的工程知识，不断更新，用来维持一个“可汲取的经验数据库”，以供将来使用；它的发展将会必然产生健壮性更好、客户满意度更高优质产品。关于“错误状态”的结束语，而这往往是在使用P 图时发现的。在这方面的错误状态用于定义任何不期望的输出，如图6。本文试图将错误状态区分为固有的损失和主要是检测和客户认定的不良的副作用。这样做的目的是因为工程师的首要任务是消除这些副作用，但潜在损失应该在指定的范围内可以接受，因此作为一个正常的系统行为出现。
