Evidence项目中的XmR控制图实现方案

背景介绍

在数据分析领域，XmR控制图是一种用于监控过程稳定性的重要工具。Evidence项目作为一个数据可视化平台，用户提出了原生支持XmR图表的需求。XmR图表能够帮助用户区分时间序列数据中的常规变异和特殊变异，是质量控制和过程监控中的关键工具。

技术实现方案

目前Evidence项目中尚未原生支持XmR图表，但社区成员已经探索出了一套基于现有组件的实现方案。该方案主要分为三个核心部分：

1. 数据计算层

实现XmR图表需要先计算几个关键指标：

1. 平均值计算：对原始数据列求平均值
2. 移动极差计算：计算相邻数据点的绝对差值
3. 平均移动极差：对移动极差序列求平均值和标准差

这些计算通过SQL查询实现，为后续图表绘制提供基础数据。

2. 中间数据处理

计算结果需要在JavaScript中进行处理和传递：

var_avg = average[0].avg_num1;
var_diff = avg_moving_range[0].avg_diff;

这些变量将用于确定控制图的中心线和控制限。

3. 可视化呈现

使用Evidence现有的LineChart组件结合ReferenceLine来构建XmR图表：

• X图：显示原始数据点，包含中心线(红色)和上下控制限(蓝色)
• MR图：显示移动极差，包含中心线(红色)和上控制限(蓝色)

优化方向

当前实现方案虽然可行，但存在几个可以改进的方面：

1. 计算逻辑封装：将SQL和JS计算逻辑封装到组件内部，简化用户使用
2. 增强规则检测：实现常见的控制图规则检测，如：
   • 连续8点在中心线同一侧
   • 3/4点超出警戒限
   • 超出控制限的点
3. 交互功能：添加分隔线支持，使图表能清晰显示不同阶段的数据
4. 简化API：目标是将复杂实现简化为直观的组件调用方式

理想实现形态

理想的XmR图表组件应该提供简洁的API，例如：

<XmrChart
  data={my_data}
  x="x"
  y="value"
  dividers={periods}
  controlLines={limits} />

这种实现方式将大大降低用户的使用门槛，使过程监控分析更加便捷。

技术挑战

实现这一目标面临的主要技术挑战包括：

1. 如何在组件内部高效执行必要的SQL计算
2. 如何动态检测和标记违反控制规则的数据点
3. 如何保持组件性能同时提供丰富的可视化选项

Evidence项目团队正在考虑利用组件内SQL执行的新模式来解决这些挑战，这将为原生XmR图表支持奠定基础。