统计过程控制的几种常用方法
SPC统计的基本方法
SPC统计的基本方法引言SPC（Statistical Process Control）统计过程控制是一种利用统计方法来监控和控制过程稳定性和一致性的管理方法。
它可以帮助组织识别过程中的异常和变异，并采取相应的措施来提高过程的质量和效率。
本文将介绍SPC统计的基本方法，包括控制图的构建、样本采集和数据分析等方面。
1. 控制图的构建控制图是SPC统计过程控制的核心工具，它以时间为横轴，以过程的关键指标为纵轴，用来观察过程的变化情况和异常情况。
控制图通常分为以下两种类型：1.1. 均值控制图均值控制图主要用于监控过程的平均值是否稳定。
常用的均值控制图包括X-Bar控制图和R控制图。
其中，X-Bar控制图用来监控样本均值的变化情况，R控制图用来监控样本范围的变化情况。
1.2. 变差控制图变差控制图主要用于监控过程的变异是否稳定。
常用的变差控制图包括S控制图和P控制图。
其中，S控制图用来监控样本标准差的变化情况，P控制图用来监控不良品率的变化情况。
2. 样本采集样本采集是SPC统计过程控制的重要环节，正确的样本采集方法可以保证统计数据的准确性和可靠性。
以下是一些常见的样本采集方法：2.1. 简单随机抽样简单随机抽样是指从总体中随机地选取一定数量的样本进行测量和分析。
这种方法可以保证样本的代表性，从而得到准确和可靠的统计结果。
2.2. 分层抽样分层抽样是将总体按照某些特征进行划分，然后在每个层次内分别进行随机抽样。
这种方法能够保证各层次的样本数量平衡，从而提高统计结果的准确性。
2.3. 故障抽样故障抽样是指在发生异常或故障时及时采集样本进行分析。
这种方法可以帮助组织及时发现和解决问题，从而避免对产品质量和生产效率的影响。
3. 数据分析数据分析是SPC统计过程控制的关键步骤，通过对采集到的数据进行分析可以帮助组织了解过程的稳定性和一致性情况。
以下是一些常用的数据分析方法：3.1. 均值分析通过计算均值和标准差等统计指标，对过程的平均水平和稳定性进行分析。
SPC_8种判异准则
SPC_8种判异准则SPC（Statistical Process Control，统计过程控制）是一种通过统计分析来监控和控制过程稳定性的方法。
在SPC中，判异准则用来判断过程是否处于控制状态，即过程是否稳定。
下面介绍SPC中常用的8种判异准则：1.点在控制界限之外：该判异准则是最常用的准则之一、该准则要求观察点的数值超出了控制限范围，即超出了正常的变异范围。
2.达到连续规则：该准则要求连续9个点落在同一侧的控制线上，即在过程的一侧出现异常。
这种异常模式可能显示出其中一种迁移或持续的趋势。
3.前后规则：该准则要求连续6个点在同一侧的控制线上，在随后的6个点中至少有4个点处于另一侧的控制线上。
这种模式可能显示出不稳定的变异。
4.背靠背规则：该准则要求连续6个点在同一侧的控制线上，并且其中至少有3个点与前面的连续6个点在同一侧。
这种模式可能表明过程正发生变化。
5.平均值规则：该准则要求连续两个样本的平均值落在中心线的同一侧，并且超出了控制限的2个标准差。
这种模式可能表示过程均值的变化。
6.趋势规则：该准则要求观察点有连续的5个点递增或递减。
这种模式可能表示着其中一种持续的变化趋势。
7.群体间隔规则：该准则要求同一样本的两个连续点间隔超过2个标准差。
这种模式可能表示出样本的变异与正常变异模式不同。
8.确认规则：当其他判异准则发出异常信号时，可以使用该准则进行确认。
该准则要求出现连续超过10个点都没有异常信号时，可以认为其他判异准则出现异常是真实的。
这些判异准则提供了一种可靠的方法来检测和判断过程是否处于控制状态。
通过使用这些准则，可以及时识别并纠正过程中的异常，保证产品质量的稳定性和一致性。
同时，SPC中还可以根据不同的需求和情况，灵活调整和应用这些判异准则，以适应不同的生产环境和过程变异特点。
SPC统计-计数型数据
SPC统计-计数型数据1. 简介SPC〔统计过程控制〕是一种统计方法，用于监测和控制过程的变异性。
计数型数据是SPC中常见的一种类型，它是指对一个过程中发生的事件进行计数或计量的数据。
在生产过程中，计数型数据常用于统计质量缺陷、产品故障等信息。
2. SPC统计-计数型数据的目的SPC统计-计数型数据的目的在于通过对计数型数据进行统计分析，了解和控制过程的变异性，从而实现生产过程的质量控制和改良。
3. SPC统计-计数型数据的方法SPC统计-计数型数据常用的方法有以下几种：3.1 控制图控制图是SPC统计-计数型数据中最常用的图表之一，通过绘制计数型数据的变化趋势以及控制限，可以及时发现过程的异常变异，并进行相应的调整和改良。
常见的控制图包括：•P图：用于统计不良事件的比例的控制图。
P图将观察时间分为假设干子组，然后统计每个子组内不良事件发生的比例，并计算上下控制限，以判断过程是否处于控制状态。
•C图：用于统计不良事件的数量的控制图。
C图将观察时间分为假设干子组，然后统计每个子组内不良事件的数量，并计算上下控制限，以判断过程是否处于控制状态。
•U图：用于统计不良事件的单位数的控制图。
U图将观察时间分为假设干子组，然后统计每个子组内不良事件的单位数〔如每个产品的不良事件数量〕，并计算上下控制限，以判断过程是否处于控制状态。
3.2 过程能力指数过程能力指数用于衡量过程的稳定性和一致性，是SPC统计-计数型数据评估过程能力的重要工具。
常见的过程能力指数有：•Cp指数：Cp指数用于评估过程的一致性，它比拟过程的控制限与规格限的距离。
Cp指数越大，说明过程越稳定，一致性越好。
•Cpk指数：Cpk指数用于评估过程的稳定性和一致性，考虑了过程的中心位置。
Cpk指数越大，说明过程的稳定性和一致性越好。
•Pp指数：Pp指数用于评估过程的一致性，考虑了样本大小的影响。
Pp指数越大，说明过程越稳定，一致性越好。
•Ppk指数：Ppk指数用于评估过程的稳定性和一致性，考虑了过程的中心位置和样本大小的影响。
SPC的基础知识与数据整理
SPC的基础知识与数据整理引言SPC（统计过程控制）是一种用于监控和控制过程的统计方法。
它通过收集一系列的数据并进行分析，以确定过程是否处于控制状态，并采取相应的措施保持过程稳定。
在本文中，我们将介绍SPC的基础知识和数据整理方法。
SPC的基础知识SPC的核心思想是通过采集过程中的样本数据，分析其变异情况，以判断过程是否处于控制状态。
基于不同的过程类型，SPC通常使用控制图来可视化过程的变异情况。
常用的控制图包括X-Bar图、R图和S图等。
X-Bar图X-Bar图是一种用于监控过程均值的控制图。
它基于过程中收集到的样本数据，计算每个样本的均值，并绘制在图表上。
通过观察X-Bar 图，我们可以判断过程均值是否稳定。
R图R图是一种用于监控过程变异性的控制图。
它基于过程中收集到的样本数据，计算每个样本的极差（最大值与最小值之差），并绘制在图表上。
通过观察R图，我们可以判断过程的变异性是否稳定。
S图S图是一种用于监控过程变异性的控制图。
它基于过程中收集到的样本数据，计算每个样本的标准差，并绘制在图表上。
通过观察S图，我们可以判断过程的变异性是否稳定。
数据整理方法数据整理是SPC的一个重要步骤，它涉及收集样本数据、记录数据、计算统计量和绘制控制图等过程。
下面我们将介绍一些常用的数据整理方法。
数据收集在进行数据收集之前，需要确定采集数据的时间间隔和样本容量。
通常，采集数据的时间间隔应保证能够捕捉到过程的变化。
样本容量的确定应根据具体情况和要求进行。
数据记录数据记录是指将收集到的数据记录下来，以备后续分析使用。
可以使用电子表格软件（如Excel）或统计软件（如SPSS）等工具来记录数据。
统计量计算在进行SPC分析之前，需要计算一些统计量，如样本均值、样本标准差等。
这些统计量的计算可通过公式或统计软件完成。
控制图绘制控制图的绘制是用于直观地观察过程变异情况的重要步骤。
可以使用统计软件或绘图软件（如R语言）来绘制控制图。
SPC统计过程控制
SPC统计过程控制SPC（Statistical Process Control，统计过程控制）是一种基于统计原理和数据分析方法的质量管理工具，用于监控和控制生产过程中的变异性，以确保产品或服务的质量。
SPC是由质量概念的先驱沃尔特·A·谢温（Walter A. Shewhart）在20世纪20年代初首次引入的。
它的目的是通过使用统计技术来分析生产过程中的数据，从而减少产品或服务的变异性，提高整体质量水平。
SPC的基本原理是通过统计分析来了解生产过程中的变异性，以便及时采取措施来纠正和调整生产过程。
它主要包括以下步骤：1.确定控制指标：选择适当的指标来监控生产过程的变异性。
常用的指标包括尺寸、重量、硬度等。
2.收集数据：根据预定的采样计划和频率，定期收集生产过程中的数据。
数据可以通过各种手段收集，如直接测量、抽样检验等。
3.绘制控制图：使用统计方法将收集到的数据绘制成控制图。
控制图是一种图表，它显示了一个或多个过程指标的变化情况，以及上下限范围。
通过观察控制图，人们可以判断生产过程是否处于控制状态，是否存在异常情况。
4.分析控制图：根据控制图上的变化趋势和模式，进行统计分析，以确定生产过程的绩效。
常用的统计分析方法包括均值、标准差、极差等。
5.制定改进措施：根据分析的结果，确定需要改进的方面，并制定相应的措施。
改进措施可以包括修改生产过程参数、调整设备、培训员工等。
6.监控和调整：持续监控生产过程，并根据需要进行调整，以确保控制图保持在预定的限制范围内。
SPC的优势在于它能够提供实时和持续的监控生产过程的能力。
通过采集数据和绘制控制图，生产者可以及时发现生产过程中的变异，并采取措施进行纠正。
这样可以防止不良品的产生，并提高产品或服务的一致性和质量。
此外，SPC还具有以下几点优势：1.提高生产效率：通过控制和减少生产过程中的变异性，SPC可以提高生产效率。
它能够帮助生产者发现并消除生产过程中的浪费和不必要的变动，从而提高生产效率和资源利用率。
理解SPC统计图表的解读
理解SPC统计图表的解读SPC（统计过程控制）是一种质量管理方法，旨在监控和控制过程中的变异性。
在SPC中，统计图表被广泛使用来帮助我们理解和解读过程中发生的变化。
本文将介绍几种常见的SPC统计图表，并解读它们的意义和应用。
1. 控制图控制图是SPC统计图表中最常见的一种。
它用来监控过程中的变异性，并判断过程是否处于控制状态。
常用的控制图包括X-bar图、R图和S图。
X-bar图X-bar图是用来监控过程平均值变化的控制图。
在图表上，我们可以看到一条中心线，代表过程的平均值，以及上下两条控制限，用于判断过程平均值是否处于控制状态。
解读X-bar图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的平均值保持稳定；•若数据点在控制限之外，可能表示过程平均值发生了变化，需要进一步分析原因。
R图R图用来监控过程的变异性，即数据点之间的离散程度。
R图展示了一条上控制限、下控制限和一条平均线，用于判断过程的变异性是否在可接受的范围内。
解读R图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的变异性保持稳定；•若数据点在控制限之外，可能表示过程的变异性超出了可接受的范围，需要进一步分析原因。
S图S图也是用来监控过程的变异性，与R图类似，但S图使用样本标准差来度量数据点之间的离散程度。
解读S图时，我们需要注意以下几点：•若数据点在控制限内波动，表示过程的变异性保持稳定；•若数据点在控制限之外，可能表示过程的变异性超出了可接受的范围，需要进一步分析原因。
2. 度量图度量图是SPC统计图表中用于度量过程能力的工具。
它帮助我们评估过程在规定限制范围内的表现，并判断过程能否满足要求。
常见的度量图包括直方图和正态概率图。
直方图直方图是一种以柱状表示数据分布情况的图表。
它可以帮助我们了解数据的分布形态和集中程度。
解读直方图时，我们需要注意以下几点：•若数据呈现类似正态分布的形态，表示过程的性能较好；•若数据呈现偏态或多峰分布的形态，可能需要进一步分析导致该现象的原因。
SPC常用公式和参数
SPC常用公式和参数SPC（Statistical Process Control，统计过程控制）是一种通过收集和分析数据，对过程进行统计学监控的方法。
它可以帮助企业实时监控生产过程的稳定性和一致性，并通过识别和纠正异常，改善产品质量和生产效率。
SPC常用的公式和参数包括：1. 均值（Mean）：均值是一组数据的平均值，用于描述数据的中心趋势。
计算公式为：均值= Σ数据值 / 数据个数。
2. 范围（Range）：范围是一组数据的最大值与最小值之间的差异，用于描述数据的离散程度。
计算公式为：范围 = 最大值 - 最小值。
3. 方差（Variance）：方差是一组数据与其均值之间的差异的平方和的平均数，用于描述数据的波动程度。
计算公式为：方差= Σ(数据值- 均值)² / 数据个数。
4. 标准差（Standard Deviation）：标准差是方差的算术平方根，用于描述数据的离散程度。
计算公式为：标准差= √方差。
5.Cp指数：Cp指数是过程能力指数，用于评估过程的稳定性，即过程的变异范围是否在产品规格范围内。
计算公式为：Cp=(规格上限-规格下限)/(6*标准差)。
6. Cpk指数：Cpk指数是过程能力指数的修正值，考虑了过程中离规格上下限最远的数据点，用于评估过程的能力。
计算公式为：Cpk =min[(规格上限 - 均值) / (3 * 标准差), (均值 - 规格下限) / (3 * 标准差)]。
7. 控制限（Control Limits）：控制限是一组上限和下限，用于判断过程数据是否正常。
常用的控制限包括平均数控制限（X控制限）和范围控制限（R控制限），计算公式为：X控制限 = 均值± 3 * 标准差，R控制限 = D4 * 范围平均数。
8. 过程能力指数（Process Capability Index）：过程能力指数用于评估过程的能力是否满足产品规格要求，常用的指数包括Cp、Cpk和Cpm。
SPC所有公式详细解释及分析
SPC所有公式详细解释及分析SPC（统计过程控制）是一种用于监控和控制过程变异的统计方法。
在SPC中，有许多公式用于计算统计量和确定控制界限，以帮助检测异常和评估过程的稳定性。
本文将详细解释和分析一些常见的SPC公式。
1. 平均值（Mean）：平均值是样本数据的算术平均值。
计算平均值的公式是将所有观测值相加，然后除以观测值的个数。
平均值可以用来了解过程的中心位置。
2. 范围（Range）：范围表示样本数据的最大值和最小值之间的差异。
计算范围的公式是将样本数据的最大值减去最小值。
范围主要用于检测过程变异的大小。
3. 方差（Variance）：方差用于测量样本数据的离散程度。
计算方差的公式是将每个观测值与平均值的差异平方后相加，并除以观测值的个数减1、方差越大，表示过程的波动性越大。
4. 标准差（Standard Deviation）：标准差是方差的平方根，用于衡量过程数据的离散程度。
标准差可以用来判断过程的稳定性和控制界限的设定。
标准差越大，表示过程的变异性越大。
5. 控制图界限（Control Limits）：控制图界限是用来判断过程是否处于统计控制的范围内。
常用的控制图包括X-bar图和R图。
在X-bar图中，控制界限由平均值加减3倍标准差计算得到。
在R图中，控制界限由平均范围的加减2.66倍平均范围的标准差计算得到。
如果一个点超出了控制界限，则表示该点可能是异常值或过程发生了变化。
6. 过程能力指数（Process Capability Index）：过程能力指数用来衡量过程在规格限制内产生产品的能力。
常用的过程能力指数包括Cp、Cpk、Pp和Ppk。
Cp和Pp表示过程的潜在能力，只考虑过程的平均值和规格限制的距离；Cpk和Ppk表示过程的实际能力，同时考虑过程的变异性。
7. 规格上限与规格下限（Specification Limits）：规格上限和规格下限是产品或过程的设计要求。
当产品或过程的测量值超出规格限制时，表示产品或过程不符合设计要求，可能需要调整或改进。
统计过程控制的几种常用方法
统计过程控制的⼏种常⽤⽅法统计过程控制1、统计过程控制的基本知识1.1统计过程控制的基本概念统计过程控制（Stastistical Process Control简称SPC）是为了贯彻预防原则，应⽤统计⽅法对过程中的各个阶段进⾏评估和监控，建⽴并保持过程处于可接受的并且稳定的⽔平，从⽽保证产品与服务符合规定要求的⼀种技术。
SPC中的主要⼯具是控制图。
因此，要想推⾏SPC必须对控制图有⼀定深⼊的了解，否则就不可能通过SPC取得真正的实效。
对于来⾃现场的助理质量⼯程师⽽⾔，主要要求他们当好质量⼯程师的助⼿：（1）在现场能够较熟练地建⽴控制图；（2）在⽣产过程中对于控制图能够初步加以使⽤和判断；（3）能够针对出现的问题提出初步的解决措施。
⼤量实践证明，为了达到上述⽬的，单纯了解控制图理论公式的推导是⾏不通的，主要是需要掌握控制图的基本思路与基本概念，懂得各项操作的作⽤及其物理意义，并伴随以必要的练习与实践⽅能奏效。
1.2统计过程控制的作⽤（1）要想搞好质量管理⾸先应该明确下列两点：①贯彻预防原则是现代质量管理的核⼼与精髓。
②质量管理学科有⼀个⼗分重要的特点，即对于质量管理所提出的原则、⽅针、⽬标都要科学措施与科学⽅法来保证他们的实现。
这体现了质量管理学科的科学性。
为了保证预防原则的实现，20世纪20年代美国贝尔电话实验室成⽴了两个研究质量的课题组，⼀为过程控制组，学术领导⼈为休哈特；另⼀为产品控制组，学术领导⼈为道奇。
其后，休哈特提出了过程控制理论以及控制过程的具体⼯具——控制图。
道奇与罗⽶格则提出了抽样检验理论和抽样检验表。
这两个研究组的研究成果影响深远，在他们之后，虽然有数以千记的论⽂出现，但⾄今仍未能脱其左右。
休哈特与道奇是统计质量控制（SQC）奠基⼈。
1931年休哈特出版了他的代表作《加⼯产品质量的经济控制》这标志着统计过程控制时代的开始。
（2）“21世纪是质量的世纪”。
美国著名质量管理专家朱兰早在1994年的美国质量管理年会上即提出此论断，若⼲年来得到越来越多的⼈的认同。
SPC统计与质量数据基本知识
SPC统计与质量数据基本知识引言SPC（统计过程控制）是一种在质量管理中使用的统计方法，通过对数据的收集、分析和控制，帮助组织实现产品和过程的稳定性和一致性。
本文将介绍SPC统计与质量数据的基本知识，并提供一些常用的SPC统计技术和质量数据分析方法。
一、质量数据的类型质量数据主要分为离散型和连续型两种类型。
离散型数据是指只能取有限个或无穷个可数值的数据，如产品的合格与否、产品的缺陷数等。
连续型数据是指可以在一定范围内取任意值的数据，如产品的长度、重量等。
二、SPC统计方法SPC统计方法主要包括以下几个方面：1. 数据采集数据采集是SPC的第一步，通过对相关数据的收集，可以了解到产品或过程的状态和性能。
数据采集可以通过人工记录、仪器测量等方式进行。
2. 数据分析数据分析是SPC的核心部分，通过对采集到的数据进行统计分析，可以获得关于产品或过程的各种信息。
常见的数据分析方法包括均值、标准差、极差、直方图、控制图等。
•均值是一组数据的平均值，可用于判断数据的集中趋势。
•标准差是一组数据的离散程度的度量，可用于判断数据的稳定性和一致性。
•极差是一组数据中最大值与最小值之间的差异，可用于判断数据的变异性。
•直方图是用来表示数据分布情况的图形，可用于判断数据的偏态性和峰态性。
•控制图是用来监控过程稳定性和一致性的图表，常用于判断过程是否处于统计控制中。
3. 过程改进与控制通过对数据分析的结果，可以找到存在的问题和改进的方向，并采取相应的措施进行改进和控制。
过程改进与控制需要持续进行，以确保产品和过程的稳定性和一致性。
三、常用的SPC统计技术1. 控制图控制图是SPC中最常用的统计工具之一，用于监控过程的稳定性和一致性。
常见的控制图有以下几种：•均值控制图：用于监控过程的平均值是否处于统计控制范围内。
•范围控制图：用于监控过程的变异性是否处于统计控制范围内。
•P图：用于监控不良品的比例是否处于统计控制范围内。
三sigema原则
三sigema原则三sigma原则，又称为统计过程控制原则，是一种常用于质量管理的方法。
它的基本原理是通过统计分析，将过程的变异性控制在一定范围内，以确保产品或服务的质量稳定。
三sigma原则是基于正态分布的概率统计理论。
在正态分布中，大约68.27%的数据位于均值加减1个标准差的范围内，约95.45%的数据位于均值加减2个标准差的范围内，约99.73%的数据位于均值加减3个标准差的范围内。
根据这个规律，当一个过程的数据集中在均值附近时，大部分的数据点应位于均值加减3个标准差的范围内。
三sigma原则可以用于检测过程是否处于控制状态。
当一个过程的数据点超出了均值加减3个标准差的范围时，就意味着这个过程发生了特殊的变异，可能存在问题。
此时，质量管理人员需要对这个过程进行调整和改进，以确保产品或服务的质量稳定。
三sigma原则可以应用于各个领域，例如制造业、服务业、医疗保健等。
在制造业中，三sigma原则可以用于监控生产线的质量情况，及时发现并解决生产过程中的问题，避免次品的产生。
在服务业中，三sigma原则可以用于监控服务流程的质量，提高服务的准确性和效率。
在医疗保健领域，三sigma原则可以用于监控医疗流程的质量，确保患者得到准确、安全的医疗服务。
三sigma原则的应用需要收集和分析大量的数据。
质量管理人员可以通过对数据的统计分析，了解过程的变异性，并判断过程是否处于控制状态。
在实际应用中，通常会使用控制图来展示数据的变化趋势，以便及时发现和解决问题。
除了用于过程控制，三sigma原则还可以用于质量改进。
当一个过程已经处于控制状态时，质量管理人员可以通过分析数据，找到改进的方向和目标，进一步提高产品或服务的质量。
通过持续的改进，可以不断降低质量变异性，提高质量水平。
三sigma原则是一种常用的质量管理方法，通过统计分析，控制过程的变异性，确保产品或服务的质量稳定。
它可以应用于各个领域，帮助质量管理人员监控过程的质量，及时发现和解决问题，并进行持续改进。
统计工序控制 即SPC(Statistical Process Control)
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
5.改善的评估：制程能力可作为改善前後比较之指标。
利用管制图管制制程之程序
1.绘制「制造流程图」，并用特性要因图找出每一工作道次的制造因素（条件）及品质特性质。
特殊原因
一种间断性的，不可预计的，不稳定的变差来源。有时被称为可查明原因，存在它的信号是：存在超过控制线的点或存在在控制线之内的链或其他非随机性的情形。
普通原因
造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过的操作者使用
? 有助于过程在质量上和成本上能持续的、可预测的保持下去
? 使过程达到：
? 更高的质量
? 更低的单件成本
? 更高的有效能力
? 为讨论过程的性能提供共同的语言
? 区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南
造的产品
-评估人员、设备、材料与工作方法的适当性
-根据规格公差设定设备的管制界限
-决定最经济的作业方式
过程控制和过程能力
◎目标:过程控制系统目标,是对影响过程的措
施作出经济合理的决定, 避免过度控制
与控制不足
◎过程能力讨论:必需注意二个观念
○由造成变差的普通原因来确定
在实际应用中,当各组容量与其平均值相差不超过正负25%时,可用平均样本容量( )来计算控制限.
在什么条件下分析阶段确定的控制限可以转入控制阶段使用：
? 控制图是受控的
? 过程能力能够满足生产要求
质量管理体系中的统计过程控制
质量管理体系中的统计过程控制质量管理体系是组织内用于确保产品和服务质量的一套规范和流程。
统计过程控制（Statistical Process Control，简称SPC）是质量管理体系中的一项重要方法，通过对过程中产生的数据进行统计分析，以实现质量控制和质量改进的目标。
本文将介绍质量管理体系中的统计过程控制的原理、方法和应用。
一、统计过程控制原理统计过程控制是基于统计学原理的一种质量控制方法，其核心思想是通过对过程中产生的数据进行分析和判断，来判断过程是否处于可控状态。
其主要原理包括以下几个方面：1. 随机变异性：在质量管理体系中，过程中的变异性可分为两种：随机变异和非随机变异。
统计过程控制主要关注随机变异，即过程中由于偶然原因引起的变异性，而不是由于非随机因素引起的变异性。
2. 稳态和非稳态：在统计过程控制中，过程的稳态是指过程在统计上呈现稳定的状态，即过程的平均值和变异性在一定范围内波动。
而非稳态则表示过程处于不稳定的状态，即平均值或变异性有大幅度变化。
3. 控制限：统计过程控制中使用的控制限是通过统计方法计算得出的，用于判断过程处于稳态还是非稳态状态。
常用的控制限有控制上限（Upper Control Limit，简称UCL）和控制下限（Lower Control Limit，简称LCL）。
二、统计过程控制方法统计过程控制方法主要包括以下几个方面：1. 过程可视化：通过绘制控制图（Control Chart）来展示过程中的数据变化情况。
控制图通常包括平均值图（X-Bar Chart）、范围图（R-Chart）、P图（P-Chart）和C图（C-Chart）等。
2. 采样和测量：在统计过程控制中，需要对过程中产生的数据进行采样和测量。
合适的采样方法和有效的测量手段可以确保数据的准确性和可靠性。
3. 数据分析：通过对采样数据进行统计分析，计算出控制上限和控制下限，并绘制控制图。
同时，还可以利用统计方法分析过程中的变异性，找出产生变异性的原因，并采取相应的改进措施。
质量控制中的统计过程控制方法
质量控制中的统计过程控制方法在现代生产与制造领域，质量控制无疑是一个至关重要的环节。
为了确保产品或服务的质量达到标准要求，质量控制必须采用一系列有效的方法和手段。
其中，统计过程控制方法是一种被广泛应用的方法，以其全面、科学的数据分析方式，帮助企业实现质量的稳定和持续改进。
一、统计过程控制方法的定义统计过程控制（Statistical Process Control，简称SPC）是一种通过对生产过程中的关键指标进行监控和统计分析，从而判断过程是否处于可控状态、是否符合标准要求的质量管理方法。
其核心在于通过收集、整理并分析过程数据，以便对潜在的质量问题进行预警和控制，从而避免缺陷品的产生。
二、统计过程控制方法的基本原理1. 参数控制图参数控制图是SPC最为常用的工具之一，它基于样本数据的收集和分析来对过程的稳定性进行判断。
通常，参数控制图包括均值图和极差图。
在均值图中，通过绘制样本平均值的变化情况，判断过程是否可控，是否存在特殊因素的干扰；而在极差图中，通过绘制样本极差的变化情况，反映了过程的稳定性和一致性，有助于及时发现异常变化。
2. 过程能力分析过程能力分析是通过统计过程的实际输出结果与设定的规格限制进行比较，评估过程是否具备满足规格要求的能力。
在过程能力分析中，常用的指标是Cp、Cpk和Pp等，它们分别用于衡量过程的潜在能力和实际能力。
通过对这些指标的计算和分析，可以进一步确定是否需要采取措施来提高过程的稳定性和一致性。
三、统计过程控制方法的应用领域统计过程控制方法广泛应用于各个生产与制造领域，尤其是对于重复性高、量大、周期长的生产过程，其作用更为显著。
1. 制造业在制造业中，通过SPC方法可以实时监测生产线上的各项指标，及时发现并纠正潜在的质量问题，以确保产品符合质量标准。
同时，也可以通过分析数据，找出生产过程中的瓶颈，进而实现生产效率的提升和成本的控制。
2. 服务业SPC方法在服务业中同样发挥重要作用，特别是对于与客户需求直接相关的服务过程。
统计过程控制
统计过程控制（Statistical Process Control, SPC）随着科技的发展，产品的制造过程日益复杂，对产品的质量要求日益提高，电子产品的不合格品率由过去的百分之一、千分之一降低到百万分之一（ppm），乃到十亿分之一（ppb），仅靠产品检验剔除不合格品，无法达到这样高的质量水平，经济上也不可行，必须对产品的制造过程加以控制，在生产的每一步骤实施控制。
为了实现对产品的制造过程加以控制，早在20世纪20年代休哈特就提出了过程控制理论以及控制过程的具体工具——控制图(controlchart)。
1931年休哈特出版了他的代表作：《加工产品质量的经济控制Economical Control of Quality of Manufactured Products》，这标志着统计过程控制时代的开始。
统计过程控制就是应用统计学技术对过程中的各个阶段进行评估和监控，建立并保持过程处于可接受的稳定水平，从而保证产品与服务符合规定的要求的一种技术。
它包含两方面的内容：一是利用控制图分析过程的稳定性，对过程存在的异常因素进行预警；二是计算过程能力指数分析稳定的过程能力满足技术要求的程度，对过程质量进行评价。
统计控制图1．控制图原理导致质量特性波动的因素根据来源不同可分为人员（Man）、设备（Machine）、原材料（M aterial）、工艺方法（Method）、测量（Measurement）和环境（Environment）六个方面，简称5M1E。
根据对产品质量的影响大小来分，可分为偶然因素（简称偶因，Commoncause）与异常因素（简称异因，在国际标准和我国国家标准中称为可查明原因，Special cause, assignablecause）两类。
偶因是过程固有的，始终存在，对质量的影响微小，但难以除去，如机器震动，环境温湿度的细微变化等。
异因则非过程固有，有时存在，有时不存在，对质量影响大，但不难除去，例如配件磨损等。
统计过程控制(SPC)
5、SPC怎样起作用
SPC将制造过程的测量数据变成可视图。通过
读图工人可以辩别出制程是否是受控的，制程 是否在规格范围之内生产，所有这些在制程发
生时及时避免错误而不是等到事后才纠正。
6、SPC能解决的过程问题
➢ 经济性 ➢ 预警性/时效性 ➢ 分辨普通原因与特殊原因 ➢ 善用机器设备 ➢ 改善的评估
二、控制图
• 1、什么是控制图 • 2、控制图基本原理 • 3、控制图是如何贯彻预防原则的 • 4、控制图常用术语 • 5、控制图的分类 • 6、控制图的选用原则 • 7、控制图的判定规则 • 8、应用控制图需要考虑的一些问题
1、什么是控制图
控制图是对制程质量特性值进行测定、记录、 评估，从而监察制程是否处于控制状态的一种用 统计方法设计的图。图上有中心线、上控制限和 下控制限，并有按时间顺序抽取的样本统计量数 值的描点序列。若控制图中的描点落在UCL与LCL 之外或描点在UCL与LCL之间的排列不随机，则表 明过程异常。控制图有一个很大的优点，即通过 将图中的点子与相应的控制界限相比较，可以具 体看见产品或服务质量的变化。
（3） Xmed-R控制图（中位数-极差控制图） Xmed -控制图检出力较差，但计算较为简单
（4）X-Rm控制图（个别值-移动极差控制图） 品质数据不能合理分组时使用，如液体浓度
• 计数值控制图
• (1) P控制图(不良率控制图) • 用来侦查或控制生产批中不良件数的小数比或百分
比,样本大小n可以不同。 • (2)np控制图(不良数控制图) • 用来侦查一个生产批中的实际不良数量(而不是与样
(2)品质变异因素的分类及其不同的对待策略
机遇原因之变机遇原因，其个别 之变异极为微小
３．几个较代表性之机遇原因如下： （１）原料之微小变异 （２）机械之微小掁动 （３）仪器测定时不十分精确之作 法
详细全面的SPC详解
详细全面的SPC详解SPC（Statistical Process Control，统计过程控制）是一种以数据为基础，通过统计分析手段对生产过程进行监控和改善，以提升产品质量和生产效率的管理方法。
它广泛应用于制造业、服务业、医疗健康等领域，是质量管理和六西格玛等理论的核心组成部分。
监控生产过程：SPC通过对生产过程中的数据进行分析，可以实时监控生产过程，及时发现异常情况，避免不良品的产生，提高产品质量。
预防性控制：SPC通过分析生产过程中的数据，可以找出潜在的问题和风险，提前采取措施进行预防性控制，避免问题的发生。
优化生产流程：SPC可以帮助企业优化生产流程，提高生产效率。
通过对生产过程的数据进行分析，可以找出瓶颈环节，针对性地进行改进。
降低成本：通过SPC的监控和优化，企业可以降低废品率，减少返工和维修成本。
同时，提高生产效率也可以降低生产成本。
提高客户满意度：SPC可以帮助企业提高产品质量和服务水平，从而提高客户满意度。
这对于企业的长期发展至关重要。
制定计划：明确SPC实施的目标、范围、时间安排等。
数据采集：收集与生产过程相关的数据，包括原材料、设备、工艺参数、产品质量等信息。
数据分析：运用统计分析方法对采集到的数据进行处理和分析，找出潜在的问题和风险。
制定措施：根据数据分析结果，制定相应的措施进行改进和优化。
实施改进：将制定的措施付诸实践，对生产过程进行改进和优化。
监控效果：对改进后的生产过程进行监控，评估改进效果是否达到预期目标。
持续改进：在实施过程中不断总结经验，持续改进和提高。
控制图：用于实时监控生产过程中的数据变化，及时发现异常情况。
控制图包括均值-极差图、均值-标准差图、中位数-极差图等。
因果图：用于分析生产过程中各因素之间的因果关系，找出潜在的问题和风险。
流程图：用于描述生产过程中的各个步骤和环节，帮助企业优化生产流程。
直方图：用于展示数据的分布情况，帮助企业了解生产过程中的数据特征和规律。
统计过程控制质量参数的定性分析常用方法的介绍
Σ 23.928 4.786
UCLR=D4R=2.114*12.4=26.21 (n=5时, D4=2.114)
X
R
S
CLR=R=12.4；
LCLR=D3R= — （自然下限 ）
(n=5时，D3=0)
UCLRx=X+A2R=162.6+0.577*12.4=169.75 （n=5时，A2=0.577，）
2.97
3 160 159 167 153 155 794 158.8 14.0 29.2 5.40
4 153 165 162 165 167 812 162.4 14.0 30.8 5.55
5 164 158 162 172 168 824 164.8 14.0 29.2 5.40
Σ 812.8 62.0 162.6 12.4
CLx= 162.6 ；
LCLRx=X-A2R=162.6-0.577*12.4=155.45（判稳）
极差控制图
UCLR=26.21 CLR=12.4 LCLR=0.000
极差均值控制图
01 2 3 4 5 6 UCLx=169.75 CLx=162.6 LCLx=155.45
01 2 3 4 5 6
2 166 170 162 166 164 828 165.6 8.0
8.8
2.97
3 160 159 167 153 155 794 158.8 14.0 29.2 5.40
4 153 165 162 165 167 812 162.4 14.0 30.8 5.55
5 164 158 162 172 168 824 164.8 14.0 29.2 5.40
X R及X—S的制作与CP值及CPK值的计算（实例介绍1）
统计过程控制中Z值的计算与分析
统计过程控制中Z值的计算与分析统计过程控制中的Z值计算与分析是一种常见的统计方法，用于评估和控制一个过程的性能。
Z值计算的基础是正态分布的理论，通过计算样本的平均值与标准偏差来确定过程的性能是否达到标准要求。
下面是关于Z值计算与分析的详细介绍。
在统计过程控制中，假设一个过程的输出符合正态分布。
通过收集样本数据并计算其平均值和标准偏差，可以确定过程的性能。
Z值（也称为标准分数）是指一个观测值与平均值之间的差异，以标准差的单位来度量。
Z值的计算公式如下：Z=(X-μ)/σ其中，Z表示标准分数，X表示观测值，μ表示平均值，σ表示标准偏差。
通过计算每个样本的Z值，并将其与一个预先设置的阈值进行比较，可以确定过程是否正常运行。
如果Z值超过了阈值范围，就意味着过程存在异常或者超出了预定的控制限，需要采取相应的措施来调整过程。
Z值的分析可以提供一些重要的信息。
首先，Z值可以告诉我们一个过程的中心性能。
通常情况下，一个过程的Z值应接近于0，表示过程的中心值与目标值相近。
如果Z值显著偏离于0，就表明过程存在偏差或者漂移，需要进行调整。
其次，Z值还可以告诉我们一个过程的稳定性。
如果Z值较小且稳定，就表示过程运行稳定，处于控制状态；如果Z值较大或者不稳定，就表示过程存在变化或者波动，需要进行进一步的调查和改进。
Z值的分析还可以帮助我们识别过程中的特殊原因变异和常因变异。
特殊原因变异是指由于一些特殊因素引起的可辨识的异常值，例如机器故障、操作错误等；常因变异是指由于正常因素引起的正常波动，例如材料批次变化、环境温度变化等。
通过分析Z值，我们可以确定出现异常值的具体原因，并采取相应的措施来修正。
在进行Z值分析时，需要注意以下几个方面。
首先，样本大小要足够大，以确保结果的准确性和可靠性。
通常情况下，样本大小应大于30，但具体的要求可以根据具体情况来确定。
其次，选择合适的阈值来判断过程是否正常运行。
阈值的选择应综合考虑过程的要求、可靠性和成本等因素。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计过程控制1、统计过程控制的基本知识1.1统计过程控制的基本概念统计过程控制（Stastistical Process Control简称SPC）是为了贯彻预防原则，应用统计方法对过程中的各个阶段进行评估和监控，建立并保持过程处于可接受的并且稳定的水平，从而保证产品与服务符合规定要求的一种技术。
SPC中的主要工具是控制图。
因此，要想推行SPC必须对控制图有一定深入的了解，否则就不可能通过SPC取得真正的实效。
对于来自现场的助理质量工程师而言，主要要求他们当好质量工程师的助手：（1）在现场能够较熟练地建立控制图；（2）在生产过程中对于控制图能够初步加以使用和判断；（3）能够针对出现的问题提出初步的解决措施。
大量实践证明，为了达到上述目的，单纯了解控制图理论公式的推导是行不通的，主要是需要掌握控制图的基本思路与基本概念，懂得各项操作的作用及其物理意义，并伴随以必要的练习与实践方能奏效。
1.2统计过程控制的作用（1）要想搞好质量管理首先应该明确下列两点：①贯彻预防原则是现代质量管理的核心与精髓。
②质量管理学科有一个十分重要的特点，即对于质量管理所提出的原则、方针、目标都要科学措施与科学方法来保证他们的实现。
这体现了质量管理学科的科学性。
为了保证预防原则的实现，20世纪20年代美国贝尔电话实验室成立了两个研究质量的课题组，一为过程控制组，学术领导人为休哈特；另一为产品控制组，学术领导人为道奇。
其后，休哈特提出了过程控制理论以及控制过程的具体工具——控制图。
道奇与罗米格则提出了抽样检验理论和抽样检验表。
这两个研究组的研究成果影响深远，在他们之后，虽然有数以千记的论文出现，但至今仍未能脱其左右。
休哈特与道奇是统计质量控制（SQC）奠基人。
1931年休哈特出版了他的代表作《加工产品质量的经济控制》这标志着统计过程控制时代的开始。
（2）“21世纪是质量的世纪”。
美国著名质量管理专家朱兰早在1994年的美国质量管理年会上即提出此论断，若干年来得到越来越多的人的认同。
朱兰提出这样的论断是有其科学背景的。
要想在市场上立于不败之地，就要生产出世界级质量的产品，这就需要采用先进的技术科学与先进的管理科学。
一般说来，先进的技术科学可以改进与提高产品质量指标的绝对值，而先进的质量科学则可以在现有条件下将其波动调整到最小。
这就好比一辆摩拖车的两个轮子，两者缺一不可，推行SPC等质量科学就是贯彻先进的科学管理。
（3）西方工业发达国家来华加工定货，一般都要求加工企业在生产线推行SPC，如未推行就认为该企业的产品质量没有保证，拒绝定货。
现在，此风愈演愈烈，甚至一些发展中国家也提出上述要求。
我国加入世贸组织（WTO）后，可以预计在国际市场中的竞争将更加激烈，从而各个企业对质量科学的需求将会更加迫切。
1.3统计过程控制的特点（1）与全面质量管理相同，强调全员参加，而不是依靠少数质量管理人员；（2）强调应用统计方法来保证预防原则的实现，而不是只停留在口头上或书面上的空头保证；（3）SPC不是用来解决个别工序采用什么控制图的问题，SPC强调从整个过程、整个体系出发来解决问题。
SPC的重点就在于“P（Process，过程）”。
1.4统计过程诊断SPC可以判断过程的异常，及时警告。
但早期的SPC不能判断此异常是什么因素引起的，发生于何处，即不能进行诊断。
而在现场迫切需要解决诊断问题，否则即使要想纠正异常也无从下手。
故现场与理论都迫切需要将SPC加以发展，现代SPC已包含了此部分内容，也即统计过程诊断（Statistical Process Diagnosis,简称SPD）。
SPD不但具有早期SPC告警进行控制的功能，而且具有诊断功能，故SPD是现代SPC 理论的发展和重要组成部分。
SPD就是利用统计技术对过程中的各个阶段进行监控与诊断，从而达到缩短诊断异常的时间、以便迅速采取纠正措施、减少损失、保证产品质量的目的。
SPD是20世纪80年代发展起来的。
2、常规控制图2.1常规控制图的构造控制图是对过程质量特性值进行测定、记录、评估和监察过程是否处于统计控制状态的一种用统计方法设计的图。
图上有用实线绘制的中心线（CL，Central Line）、用虚线绘制的上控制限（UCL,Upper control Limit）和下控制线（LCL,Lower Control Limit），图中并有按时间顺序抽取的样本统计量数值的描点序列，各点之间用直线段相连，以便看出点子的变化趋势。
UCL、CL与LCL统称为控制线（Control Lines），它们是互相平行的。
若控制图中的描点落在UCL与LCL之外或描点在UCL与LCL之间的排列不随机，则表明过程异常。
世界上第一张控制图是美国休哈特在1924年5月16日提出的不合格品率（p）控制图。
本章将主要讨论常规控制图，也称休哈特控制图。
（见下图）2.2控制图的重要特性控制图的重要特性体现在下列各点：（1）控制图是贯彻预防原则的SPC的重要工具，控制图可用以直接控制与诊断过程，故为质量管理七个工具的重要组成部分。
（2）1984年日本名古屋工业大学调查了200家日本各行各业的中小型工厂，结果发现平均每家工厂采用137张控制图。
这个数字对于推行SPC与SPD有一定的参考意义。
（3）当然，有些大型企业应用控制图的张数是很多的，例如美国柯达彩色胶卷公司有5000职工，一共应用了35000张控制图。
（4）我们不追求控制图张数的多少，但可以说，工厂中使用控制图的张数在某种意义上反映了管理现代化的程度。
2.3控制图的形成及控制图原理解释2.3.1控制图的形成将通常的正态分布图转个方向，使自变量增加的方向垂直向上，并将u、u﹢3σ和u－3σ分别标为CL、UCL和LCL，这样就得到一张控制图。
UCL为上控制线，CL为中心线，LCL 为下控制线。
2.3.2控制图原理的第一种解释为了控制加工螺钉的质量，设每隔1小时随机抽取一个车好的螺丝，测量其直径，将结果描点，并用直线段将点子连起来，以便观察点子的变化趋势。
如前3个点子都在控制界限内，但第4个点子却超出了UCL，为了醒目，把它用小圆圈圈起来，表示第4个螺丝的直径过分粗了，应引起注意。
现在对这第4个点子应作什么判断呢？摆在我们面前有两种可能性：（1）若过程正常，即分布不变，则出现这种点子超过UCL的概率只有1‰左右。
（2）若过程异常，譬如设异常原因为车刀磨损，则随着车刀的磨损，加工的螺丝会逐渐变粗，u逐渐变大，于是分布曲线上移，发生这种情况的可能性很大，其概率可能为1‰的几十至几百倍。
现在第4个点子已经超出UCL，问在上述1、2两种情形中，应该判断是哪种情形造成的？由于情形2发生的可能性要比情形1大几十、几百倍，故我们合乎逻辑地认为上述异常是由情形2造成的。
于是，得出点出界就判异的结论。
用数学语言来说，这就是小概率事件原理：小概率事件在一次试验中几乎不可能发生，若发生即判断异常。
2.3.3控制图原理的第二种解释现在换个角度来研究一下控制图原理。
根据来源的不同，影响质量的原因（因素）可分为人、机、料、法、环五个方面。
但从对产品质量的影响大小来分，可分为偶然因素与异常因素两类。
偶因是过程固有的，始终存在，对质量的影响微小，但难以除去，例如机床开动时的轻微振动等。
异因则非过程固有，有时存在，有时不存在，对质量影响大，但不难除去，例如车刀磨损等。
偶因引起质量偶然波动，异因引起质量的异常波动。
偶然波动是不可避免的，但对质量的影响一般不大。
异常波动则不然，它对质量的影响大，且采取措施不难消除，故在过程中异常波动及造成异常波动的异因是我们注意的对象，一旦发生，就应该尽快找出，采取措施加以消除。
将质量波动区分为偶然波动与异常波动两类并分别采取不同的对待策略，这是休哈特的贡献。
偶然波动与异常波动都是产品质量的波动，如何能发现异常波动的到来呢？假定现在异常波动均已消除，只剩下偶然波动，则此偶然波动的波动将是正常波动。
以此波动作为基础，若过程中异常波动发生，则此异常波动叠加于正常偶然波动上后所产生的波动一定会比原来的最小偶然波动大为增加，从而在控制图上会造成点子频频出界，故可由此判断过程已经发生异常的变化。
控制图上的控制限就是区分偶然波动与异常波动的科学界限。
根据上述，可以说常规控制图的实质是区分偶然因素与异常因素两类因素。
2.4控制图的作用按下述情形分别考虑：情形1：应用控制图对生产过程进行监控，如出现（下图所示）上升倾向，显然过程有问题，故异因刚一露头，即可发现，于是可及时采取措施加以消除，这当然是预防。
但在现场出现这种情形是不多的。
控制图点子形成倾向情形2：更经常地是控制图上点子无任何预兆，突然出界，显示异常。
这时应查出异因，采取措施，加以消除。
控制图的作用是及时警告。
只在控制图上描描点子，当然是不可能起到预防作用的。
必须强调要求现场第一线的工程技术人员推行SPC，把它作为日常工作的一部分，而质量管理人员则应该起到组织、协调、监督、鉴定与当好领导参谋的作用。
2.5统计控制状态（1）统计控制状态也称稳态，即过程中只有偶因而无异因产生的变异的状态。
统计控制状态是生产追求的目标，因为在统计控制状态下，有下列几大好处：①对产品的质量有完全的把握（通常，控制图的控制界限都在规范界限之内，故至少有99.73%的产品是合格品）。
②生产也是最经济的（偶因和异因都可以造成不合格品，但由偶因造成的不合格品极少，在3σ控制原则下平均只有2.7‰左右，主要是由异因造成）。
故在统计控制状态下所产生的不合格品最少，生产最经济。
③在统计控制状态下，过程的变异最小。
（2）所谓控制都要以某个标准为基准，一旦偏离了这个基准，就要尽快加以纠正，使之保持这个基准。
SPC（统计过程控制）就是以统计控制状态（稳态）作为基准的，对于SPC与SPD而言，这是一个非常重要的基本概念。
在现场，很多单位都未搞清楚这一点。
（3）推行SPC为什么能够保证实现全过程的预防？一道工序达到统计控制状态称为稳定工序，道道工序都达到统计控制状态称为全稳生产线，SPC所以能够保证实现全过程的预防，依靠的就是全稳生产线。
2.6 3σ原则在控制图上，上控制限UCL与下控制限LCL之间的距离应该是多少才最合适呢？休哈特提出它们与中心线的距离为3σ时是较好的。
实际经验证明，在不少情况，上述3σ原则是接近最优的，根据3σ原则，中心线与上、下控制线的公式为：UCL=u+3σCL=uLCL=u-3σ式中u、σ为总体参数。
具体应用时需要下列两个步骤：（1）具体化。
式中的u与σ都是泛指常规控制图的各个情况的，需要针对具体情况加以确定。
例如，若欲控制过程的不合格品率p，则式中的u与σ成为：up 与σp，即统计量p的u与σ。
（2）对总体参数进行估计。