Statistical Process Control
SPC
统计过程控制Statistical Process Control什么是SPC统计过程控制？S (Statistical): 运用统计性资料和分析技法（如控制图）P (Process) : 确认Process引起变动的原因和能力状态C(Control) :为达成Process目标，维持和持续改进过程的管理活动。
SPC强调预防，防患於未然是SPC的宗旨实施SPC的目的：（过程分布的最小化）对过程作出可靠的评估；确定过程的统计控制界限，判断过程是否失控和过程是否有能力；为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生；减少对常规检验的依赖性，定时的观察以及系统的测量方法替代大量的检测和验证工作在线监控异常预警系统分析持续改进对待变差：规范控制的风险对待变差：过程控制原理过程控制•传统的过程控制即对产品和过程特性进行检验。
预防与检测•检测——容忍浪费•预防——避免浪费评判型检验SQC和下游检验源头检验SPC常用术语解释样本的目的我们的期望……均值不能代表总体特征计量型控制图Variables Data Control Chart直方图用于检查样本数据的形状和分布情况。
直方图将样本值划分为许多称为区间的间隔。
条形表示落于每个区间内的观测值的数量（频率）。
制作流程1.收集数据2.计算组数：组数＝样本数的平方根3.计算全距：由全体数据中找出最大值与最小值之差。
4.决定组距：为便于计算平均数与标准差,组距常取2、5、10的倍数。
组距= 全距/ 组数5.决定各组之上下组界：最小一组下组界= 最小值- 测定值之最小位数/2最小一组上组界= 下组界+ 组距6.决定组中点7.制作次数分布表8.制作直方图直方图:数据表•(例)有一机械厂，为了解制品外径尺寸之变化，由产品抽取100个样本测定其外径，测定结果如下表，试作次数分配表。
直方图:组距\组数\组界直方图:次数分配表每件产品的尺寸与别的都不同正态分布N（μ，σ）的概率特性正态分布概率3σ原理统计风险•第I类错误：把处于统计控制状态下的生产工序误判为处于非统计控制状态，称为第I类错误。
第6章统计过程控制
《质量管理统计技术》
第6章 统计过程控制
6.1统计过程控制简介
• 6.1.2控制图的分类 •1 • 根据使用的目的的不同，控制图可分为：
– 分析用控制图； – 控制用控制图两类。 • 2．按质量特性值的类型及其统计量划分 • 按质量特性值分，控制图可分为： – 计量值控制图； – 计数值控制图。
第6章 统计过程控制
过程控制
受控 （消除了特殊原因）
时间
范围 不受控
（存在特殊原因）
《质量管理统计技术》
第6章 统计过程控制
3．控制图原理的第三种解释
• 稳态，也称统计控制状态，即过程中只有偶因，没有异因的状 态，是生产过程控制所追求目标。控制图上的控制界限就是区
分偶然波动与异常波动的科学界限.
Manufactured Products ． D ． Van Nostrand ＆ Co ． ，
Inc．－1931）。该部著作的出版标志着质量管理发展史 上统计质量管理时代的开始。
《质量管理统计技术》
第6章 统计过程控制
6.1统计过程控制简介
•6.1.1控制图的产生
•在第二次世界大战后期，美国开始在军工部门推行休哈特 的统计过程控制方法。
• 消除“特殊原因”造成的质量波动，往往只需要对影响 质量的人、机、料、法、环等诸因素的状态进行调整， 现场工程技术人员或管理人员，甚至于操作者都有权力 和能力去采取措施解决，故称其为局部措施。
《质量管理统计技术》
第6章 统计过程控制
6.1统计过程控制简介
• 减小“偶然原因”造成的质量波动，往往需要对人、机、 料、法、环等诸因素进行系统的改造，如更换高精度的 加工设备、模具，改变现有的加工工艺等等。往往需要 大量的资金投入，或涉及重大的工艺变革，需要进行可 行性分析，并经高层领导批准后才能实施。对现场工艺 技术人员和管理人员而言，既无能力也无权利去解决， 因此称其为系统措施。
SPC统计过程控制
SPC统计过程控制SPC（Statistical Process Control）是一种质量管理工具，用于监控和控制生产过程中的变异性。
它利用统计分析方法，通过收集和分析数据，帮助企业了解生产过程中的变异情况，并及时采取控制措施以提高产品质量。
SPC统计过程控制方法可以帮助企业发现生产过程中的异常情况，并避免生产不良品。
它通过收集生产过程中的数据，并利用统计方法分析这些数据，确定生产过程中的变异性是否在可接受范围内。
如果变异性超出了可接受范围，SPC可以及时发出警示，并帮助企业找出问题的根源，采取相应的改进措施。
这样可以减少生产过程中的变异性，提高产品质量。
1.确定要监控的关键质量特性：企业首先需要明确要监控的关键质量特性，即对产品质量影响最大的特性。
这些特性可以是尺寸、重量、外观等。
确定了要监控的质量特性后，企业就可以采集相关数据进行分析。
2.收集数据：企业需要收集与关键质量特性相关的数据。
这些数据可以通过自动化设备、传感器或手工记录等方式收集。
数据的收集应该有一定的随机性，以反映生产过程的真实情况。
3.统计分析：通过对收集到的数据进行统计分析，企业可以了解生产过程的变异性情况。
常用的统计方法包括均值、标准差、范围等。
统计分析可以帮助企业判断生产过程中的变异性是否在可接受范围内。
4.建立控制界限：根据统计分析的结果，企业可以确定变异性的上下界限，即控制界限。
通过设定控制界限，企业可以及时发现生产过程中的异常情况，并采取相应的纠正措施。
通常，控制界限可以分为警示界限和动作界限。
当数据超出警示界限时，企业需要注意生产过程的变化，可能需要进行调整。
当数据超出动作界限时，企业需要立即采取措施纠正问题。
5.监控生产过程：在设定好控制界限后，企业需要定期监控生产过程中的数据，并与控制界限进行比较。
如果数据超出了控制界限，企业需要及时采取措施进行调整。
这样可以保证生产过程的稳定性，并避免生产过程中的异常情况。
不一样的五大工具——SPC篇
不一样的五大工具——SPC篇导读五大手册太有名了。
有名到不知道它们，都不好意思说自己是在汽车行业混的。
虽说不是强制性要求，可并不妨碍各大主机厂对它们的推崇，进行影响着整个汽车行业。
不过，名气大了，就显得有些“高冷”，很多朋友在学习五大手册的时候总觉得有些高深难懂。
终于，小唐老师忍不住要对它们“下手”了。
“下手”之前，我们还是来认识一下它们。
毕竟，江湖中人讲究不杀无名之辈，而何况，这一个个都是响当当的人物。
它们分别是：APQP产品质量先期策划FMEA潜在失效模式及后果分析MSA测量系统分析SPC统计过程控制PPAP生产件批准程序这些“人物”，光从名字看就知道不好相与，还一下子来了五个。
在分头击破之前，我们先来看看它们之间的关系。
都说汽车结构复杂，涉及到的零件多。
其实，先不说整车，单车上的某些零件就复杂得让人崩溃。
发动机结构示意图对于复杂的事物，小唐老师联想到了那句名言——罗马不是一天建成的，相信对于汽车上复杂的零部件也是！那么问题来了，有朋友可能要问了，那么汽车上的简单零件该怎么办呢？——那就假装自己也很复杂吧：）既然很复杂，不是一天就能搞定的。
那么，在长长的开发（建造）过程中，总不能就像小学生写寒假作业一样，前面时间猛玩，猛high，最后两天不睡觉狂写吧！我们是不是得安排个小计划？这个小计划就是传说中的APQP——产品质量先期策划。
APQP的五个阶段对于复杂的事物，我们很难把精力放在复杂事物的所有方面，这时候，抓“重点”就显得很有必要，而FMEA正是告诉我们哪些是重点（严重度、发生度、探测度），以及打算怎么更好地去控制重点（建议措施）。
重点抓出来了，怎么让这个重点（比如某特性）不出纰漏是我们接下来要考虑的问题。
SPC的目的很简单，就是看生产过程容不容易出纰漏，尽量少的生产出不良品。
而MSA的关注点则在“眼睛”，去看检验的“眼睛”是否够雪亮，能不能将生产出的不良品发现出来。
就这样，有计划（APQP）、有重点（FMEA）、生产出不合格品少（SPC）、生产出不合格品也能发现（MSA）的过程，是我们想到的过程，如果都能达到，那就同意开足马力干吧（PPAP）。
SPC管理办法
SPC管理办法SPC管理办法背景介绍SPC（Statistical Process Control），即统计过程控制，是一种利用统计方法监控和控制产品质量的方法。
通过采集和分析过程中的数据，SPC管理办法可以匡助创造商实时检测和纠正生产过程中的问题，从而提高产品的质量和一致性。
目的和范围SPC管理办法的目的是确保生产过程中产品质量的稳定性和一致性，并及时发现和纠正生产过程中的异常情况。
本办法适合于所有需要进行质量控制的生产流程，包括但不限于创造业、加工业和服务业。
核心原则实时监控SPC管理办法的核心原则之一是实时监控生产过程中的关键指标。
通过采集数据并及时分析，可以实时了解生产过程的情况，发现任何异常情况，并采取相应的纠正措施。
统计分析SPC管理办法通过统计分析方法来处理生产过程中的数据。
通过采集数据并进行统计分析，可以确定过程中的变异和趋势，从而判断过程是否处于控制状态，以及是否需要采取纠正措施。
过程改进SPC管理办法旨在持续改进生产过程和产品质量。
通过分析数据，发现生产过程中的问题，并采取相应的改进措施，可以不断提高产品质量，降低不良品率，提高生产效率。
SPC管理步骤步骤一：定义关键指标在SPC管理中，首先需要确定关键指标，并建立相应的测量方法和测量频率。
关键指标应该能够直接反映产品质量的情况，并与客户需求相符合。
步骤二：数据采集采集关键指标的数据，包括样本数量、样本频率、样本来源等。
数据应具备准确性、可靠性和可重复性，可以通过自动采集设备、人工抽样等方式进行数据采集。
步骤三：数据分析对采集到的数据进行统计分析，计算各项指标的均值、标准差、过程能力等。
通过控制图等方法可视化分析结果，判断过程是否处于控制状态，并识别异常情况。
步骤四：过程控制根据数据分析结果，判断过程是否处于控制状态，如果存在异常情况，则需要采取相应的纠正措施，以恢复过程的稳定性和一致性。
步骤五：持续改进SPC管理办法强调持续改进的重要性。
统计过程控制(SPC)—培训教材(第二版)
过程设计 和开发
产品和 过程确定
反馈、评定 和纠正措施
样件制作
试生产
批量生产
7、“过程分析（乌龟图）”在统计过程控制（SPC）中的运用： 过程分析（乌龟图）审核工作表
使用什么方式进行 ⑤
（材料/设备/装置）
填写机器（包括试验设备），材 料，计算机系统，过程中所使用
的软件等的详细说明
由谁进行？ ⑥
（能力/技能/知识/培训）
2、统计过程控制（SPC）的定义： 使用诸如控制图等统计技术来分析制造过程或
其输出，以便采取适当的措施，为达到并保持统计 控制状态从而提高或改进制造过程能力。
3、 ISO/TS 16949：2002体系对 SPC 的要求：
ISO 9001：2000质量管理体系—要求 8 测量、分析和改进 8.1 总则
铸造不良情况检查表
项目 地点
日期 废品数 不良分类
欠铸 冷隔 小砂眼 粘砂 其他 合计
铸造质量不良 质检科
1月 2月
224 258
240 256
151 165
75
80
14
18
704 777
收集人 XXX 日期
记录人 XXX 班次
2000年1月-6月
3月 4月 5月
356 353 332
283 272 245
统计过程控制
Statistical Process Control （SPC）
一、统计过程控制（SPC）概述
1、统计过程控制（SPC）的概念： 指 Statistical Process Control （统计过
程控制）的英文简称。 S （ Statistical ） 统计 P （ Process ） 过程 C （ Control ） 控制
STATISTICAL PROCESS CONTROL
ST ATISTICAL PROCESS CONTROL(統計制程控制)一.簡介及原理:統計製程控制(SPC),主要對過程變量的控制.其基本原則為3SIGMA原理,以過程平均值±3SIGMA為過程控制上下限.它為美國貝爾電話實驗室修華特博士(W ALTERA)于1924年提出.SPC是利用管制圖進行制程控制的.利用控制圖可以科學的方法加以管制,並研究製程的變異是机遇原因或非机遇原因,适時采取對策措施.二.SPC的作用:1.SPC是產品和過程變化的一個判斷標准2.可改善產品和過程性能3.獲得產品程序或規格改變的信息4.确定過程能力指數5.找出或查出產品和過程變化的原因6.監視產品和過程的變化趨勢7.建立或改變檢驗方法,技術或程序的依据8.節約成本9.過程性能文件化10.更好地确認實際產品或過程的頻率分布三.SPC應用的益處:11.節約制造成本12.標准趨于准确13.過程更加穩定14.控制規格更加真實15.減少檢查頻度16.減少問題出現的頻度17.改善與提高客戶滿意度18.可較可靠的測出過程實際能力19.改善產品質量20.減少出貨周期四.管制圖的實施循環1.在制程中,定時定量隨机抽取樣本2.量測樣本3.將結果繪制于管制圖上.4.判別有無工程异常或偶發性事故.5.對偶發性事故或工程异常采取措施.*找原因*改善,對策*防止再發根本對策.五.管制圖的分類管制圖可分為計數類和計量類.1.計量值管制圖用于產品特性可測量的,如長度,重量,面積,濕度,時間等連續性數值的數据.其分類有:X(BAR)-R:平均值与全距管制圖X(~)-R:中位數与全距管制圖X-Rm:個別值與全距移動管制圖X(BAR)-δ:平均值與標准差管制圖.其中X(BAR)-R管制圖使用最多.2.計數值管制圖用于非可量化的產品特性,如不良數,缺點數等間斷性數据.分類有:P-CHART:不良率管制圖Pn-CHART:不良數管制圖C-CHART:缺點數管制圖U-CHART:單位缺點數管制圖.其中P-CHART應用較廣.六.應用舉例.(一).X(BAR)-R管制圖X(BAR)主要管制組間(不同組)的平均值變化.R主要管制各組內(同一組樣品)的范圍變化.1.管制界限的計算.X(BAR)圖X(BAR)=X1+X2+ (X)X(BAR)=(ΣXn)/N中心線(CL)=X(BAR)上限(UCL)=X(BAR)+A2R下限(LCL)=X(BAR)-A2RR圖上限(UCL)=D4R下限(LCL)= D3R注:X(BAR)-R圖系數表.2.管制圖的作法.1).收集最近與製程相似的數据約100個.2).依据時間或群体區分排列.3).對數据分組.,以2~6個數据為一組.(以n表示數据數;以K表示組數;剔除異常數)4).將數据計入表內.5)計算X(BAR).6)計算全距R.7).計算總平均值X(BAR).8).計算全距平均值R.9).計算管制界限值.10)划出管制界限.11).打上點記號.(界限內的點以.表示,界限外以×表示).12).計入其他事項.13).檢查: *製程是否在界限內; *檢討制程能力.(二).P-CHART1.P管制圖可用在產品不良比率,人員缺勤比率的控制.2.P管制圖的作法1)先收集近期產品數据,分組並計算不良比率.P=Pn/n=不良個數/總檢驗數2)計算平均不良比率P=ΣPn/Σn=總不良數/總檢驗數3)計算管制線中心線CL=P上管制線UCL=P+3√P(1-P)/n下管制線LCL=P-3√P(1-P)/n3.管制過程P管制圖如有點超過界限,應進一步分析製程,追查原因,采取措施.。
SPC(Statistical Process Control,统计制程控制)
SPCSPC（Statistical Process Control，統計製程控制）什麼是SPCSPC即英文“Statistical Process Control”之縮寫,意為“統計製程控制” SPC或稱統計過程式控制制。
SPC主要是指應用統計分析技術對生產過程進行實時監控，科學的區分出生產過程中產品質量的隨機波動與異常波動，從而對生產過程的異常趨勢提出預警，以便生產管理人員及時採取措施，消除異常，恢復過程的穩定，從而達到提高和控制質量的目的。
在生產過程中，產品的加工尺寸的波動是不可避免的。
它是由人、機器、材料、方法和環境等基本因素的波動影響所致。
波動分為兩種：正常波動和異常波動。
正常波動是偶然性原因（不可避免因素）造成的。
它對產品質量影響較小，在技術上難以消除，在經濟上也不值得消除。
異常波動是由系統原因（異常因素）造成的。
它對產品質量影響很大，但能夠採取措施避免和消除。
過程式控制制的目的就是消除、避免異常波動，使過程處於正常波動狀態。
SPC起源與發展SPC的基本原理和方法是上世紀30年代由Shewhart博士為了有效地對生產過程中產品質量進行監測控制而提出的，至今已有70多年的歷史。
自創立以來，它就在工業和服務等行業得到了推廣和使用。
二戰時期美國將其制定為戰時質量管理標準，為保證軍工產品的質量和及時交付起到了重要作用。
戰後的日本從1950-1980年在工業界廣泛推廣和應用SPC，使日本躍居世界產品質量和生產率的領先地位，以至於美國著名的質量管理專家Berger教授也曾說：日本成功的基石之一就是SPC。
從上世紀80年代起，SPC在許多工業發達國家復興，世界很多大公司也紛紛在自己內部積極推廣和應用SPC。
雖然，SPC是從產品的質量監控開始的，但經過70多年實踐和發展，尤其是與電腦技術的緊密結合，其原理和方法現已廣泛應用於設計、銷售、服務、管理等過程。
3σ原理簡介當過程僅僅有正常變異時，過程的質量特性是呈現正態分佈的，其分佈狀態如下：休哈特建議用界限±3σ來控制過程，就是說，在10000個產品中不超過27個不合格品出現，就認為改生產過程是正常的，若達到27個以上，就認為過程失控。
SPC-(Statistical Process control)统计过程控制
计量型数据控制图的绘制与应用：
A. 收集数据 A.1 选择子组大小、频率和数据 a. 子组大小 所有的子组样本的容量应保持恒定， 一般为 4~5 件连续生产的产品的组合； b. 子组频率 应当在适当的时间收集足够的子组，这样子组才能反映潜在的变 化； c. 子组数的大小 一般情况下，包含 100 或更多单值读数的 25 或更多个的子组可 以很好地用来检验稳定性。 A.2 建立控制图及记录原始数据 A.3 计算每个子组的均值（ X）和极差（ R） X ＝（X 1 + X 2 + … + Xn）／n Ｒ＝Ｘ最大值－Ｘ最小值
-3-
Statistical Process control
此时将有不可预测方式影响输出。 生产过程控制就是要清除系统性因素（特殊原因） 。
第四节 局部措施和对系统采取措施
局部措施： 系统措施： 针对特殊原因由直接操作人采取适当纠正措施。 此时大约可纠正 15%的过程问题。 解决变差的普通原因，由管理人员来采取措施。 此时大约可纠正 85%的过程问题。
特 性 产品
一 般 关 键 KPCS
安全、法规
配合、功能
一 般 过程 关 键 KCC S
一般特性：只要是合格就可以； 关键特性：不仅仅合格，还要尽可能接近目标值。
检验分类： � 计数型：检验时仅分为合格、不合格； � 计量型：检验时可确定值的大小。
NO:LLC-ts05
-2-
Statistical Process control
Ｃ.2 识别并标注特殊原因
Ｃ.3 重新计算控制极限
D. 过程能力解释
＾ D.1 计算过程的标准偏差 ＾ d2 =σR/ σ = R/ R/d d R/d
2 计算过程能力 D. D.2 Cp =（USL – LSL）/（＾ 6σR/ d2 ） R/d2 注：仅限于公差中心与过程中心重合。 SL：规范界限 当 Cp < 1 能力不合格； 当 Cp > 1 能力合格；
SPC过程能力控制
SPC过程能力控制SPC（Statistical Process Control）过程能力控制是一种用来评估和控制生产过程稳定性和一致性的统计方法。
它是质量管理领域一个重要的工具，可帮助企业监测生产过程并及时发现异常情况，以便采取相应的控制措施，确保产品符合规格要求并提供稳定可靠的质量。
SPC的核心思想是以统计学为基础，通过数据收集、分析和解释来判断生产过程是否稳定，并根据这些数据采取适当的控制措施。
它主要包括以下几个步骤：1.数据收集和整理：SPC需要收集产品质量数据，包括尺寸、重量、颜色等等。
这些数据需要按照一定的时间间隔进行收集，并以图表或表格的形式整理出来。
2.数据分析：收集到的数据需要经过统计分析，常用的方法包括平均值、标准差、直方图、散点图等。
通过分析数据，我们可以了解产品质量的分布情况，是否存在异常情况等。
3.控制限制计算：SPC通过计算控制限制来判断生产过程的稳定性。
控制限制是利用统计学理论计算出来的，有助于判断数据是否超出了正常变异范围。
4. 控制图绘制：控制图是SPC最常用的工具之一，它能直观地展示数据的变化趋势。
常用的控制图有X-bar图、R图、S图等。
控制图上会标出中心线、上下控制限以及警戒线，当数据点超出控制限时，表示生产过程出现异常情况，需要进行调整和改进。
5. 过程能力评估：SPC还可以评估生产过程的能力，即判断产品是否在规格要求范围内。
常用的评估指标包括Cp、Cpk等，它们可以帮助企业了解生产过程是否稳定，并且能否满足客户需求。
SPC的优势在于能够及时发现生产过程中的异常情况，并帮助企业采取相应的控制措施。
它可以减少废品和报废品的产生，提高生产效率和产品质量稳定性。
同时，SPC还可以提高员工参与质量控制的意识，增强企业的竞争力。
然而，要实施SPC过程能力控制也存在一些挑战和难点。
首先，数据的收集和整理需要耗费时间和人力成本，因此企业需要建立一套良好的数据收集和分析机制，并培养相关员工的能力。
统计过程控制
SPC(Statistical Process Control)统计过程控制一、统计过程控制的基本概念⒈ 统计的概念统计（ Statistical ，简称 S ）：有目的地收集数据、整理数据、并使用相应的方法制图，列表与分析数据 的过程。
⒉ 过程 （Process ，简称 P ） ：在 ISO9000：2000 版中，过程的定义是一组将输入转化为输出的相互关联和相互作用的活动。
⒊ 控制（ Control ，简称 C ）： 所谓控制就是通过对图表与数据的分析研究，对过程的异常采取相应的措施进行监控的一种持续改进 的活动。
⒋ 统计过程控制（ SPC ）的涵义：统计过程控制（ Statistical Process Control ，简称 SPC ）是为了贯彻预防原则，应用统计技术对过程中的 各个阶段进行评估与监察，建立并保持过程处于可接受的并稳定的水平，从而保证产品和服务符合 规定的要求的一种技术。
统计技术涉及数理统计的许多分支，但 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。
⒌ SPC 的特点：① 强调全员参与，而不是只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；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）。
⒍ SPC 的常用工具：① Cpk ：工程能力指数 ② QC 旧七大手法 ③ 管制图、控制图的形成原理 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， 将μ、μ+3σ和μ-3σ 分别标为 CL 、 UCL 、和 LCL ，这样就得到了一张控制图。
三、控制图在贯彻预防原则中的作用按下述情形分别讨论 :情形 1：应用控制图对生产过程进行监控，如出现图中的点子上升趋势，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。
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
统计过程控制统计过程控制（SPC，Statistical Process Control）是一种借助数理统计方法的过程控制工具。
它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
统计过程控制认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）。
此时，过程特性一般服从稳定的随机分布。
而当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。
由于过程波动具有统计规律性，失控时，过程分布将发生改变。
统计过程控制可以分为三个步骤：1. 模型建立阶段，这个阶段是在没有因素影响的情况之下抽取数据，分析数据进行统计，从而在此基础上建立模型。
2. 模型评估阶段，对所建立的模型进行系统分析评估，在比较的过程中来判断是否存在故障。
3. 如果在评估阶段出现故障，就要分析产生故障的原因，找到故障发生的来源，及时采取措施予以解决，从而确保产品的质量。
实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施，如消除过程中的系统性因素或减小过程的随机波动以满足过程能力的需求。
第二步则是用控制图对过程进行监控。
统计过程控制在发展过程中滋生出两种不同的方法，分别是统计质量控制和统计性能监控。
统计质量控制重点在于控制生产过程中的质量，确保产品符合规定的质量标准。
而统计性能监控则更侧重于监控过程的性能，以及时发现并预防可能出现的问题。
总的来说，统计过程控制是一种有效的质量管理工具，它可以帮助企业及时发现并解决生产过程中的质量问题，提高产品质量和生产效率，从而提升企业的竞争力。
统计过程控制Statistical Process Control
正态分布
常态分配
10
常态分配
μ±Kσ μ±0.67σ
μ±1σ μ±1.96σ
μ±2σ μ±2.58σ
μ±3σ
在内之概率 50.00% 68.26% 95.00% 95.45% 99.00% 99.73%
9
在外之概率 50.00% 31.74% 5.00% 4.55% 1.00% 0.27%
控制界限的构成
requirements!!!—被BOSS训斥的痛苦!!!
控制线管理的益处
LSL LCL Very Centered UCL USL
Spec
SPC定义
SPC
统计过程控制（SPC）是一种借助数理统计方法的过程控 制工具。它对生产过程进行分析评价，根据反馈信息及时 发现系统性因素出现的征兆，并采取措施消除其影响，使 过程维持在仅受随机性因素影响的受控状态，以达到控制 质量的目的。当过程仅受随机因素影响时，过程处于统计 控制状态（简称受控状态）；当过程中存在系统因素的影 响时，过程处于统计失控状态（简称失控状态）。由于过 程波动具有统计规律性，当过程受控时，过程特性一般服 从稳定的随机分布；而失控时，过程分布将发生改变。 SPC正是利用过程波动的统计规律性对过程进行分析控制 的。因而，它强调过程在受控和有能力的状态下运行，从 而使产品和服务稳定地满足顾客的要求
建立可解决 问题之系统
确认关键 过程及特性
导入ＳＰＣ进行关键 过程及特性之控制
检讨过程能力 符合规格程序
足够
持续进行过程 改进计划
提报及执行 不 足 过程改善计划
18
控制图的应用
决定控制项目 决定控制标准 决定抽样方法 选用控制图的格式 记入控制界限 绘点、实施
统计工序控制即SPC（StatisticalProcessControl）
统计工序控制即SPC（StatisticalProcessControl）SPC(质量管理与控制)统计工序控制即SPC（Statistical Process Control）。
它是利用统计方法对过程中的各个阶段进行控制，从而达到改进与保证质量的目的。
SPC强调以全过程的预防为主。
SPC能解决之问题1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。
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。
2.制订操作标准。
3.实施标准的教育与训练。
4.进行制程能力解析，确定管制界限。
5.制订「品质管制方案」，包括抽样间隔、样本大小及管制界限。
6.制订管制图的研判、界限的确定与修订等程序。
7.绘制制程管制用管制图。
8.判定制程是否在管制状态（正常）。
9.如有异常现象则找出不正常原因并加以消除。
10.必要时修改操作标准（甚至於规格或公差）。
分析用管制图主要用以分析下列二点：(1)所分析的制(过)程是否处於统计稳定。
(2)该制程的制程能力指数(Process Capability Index)是否满足要求。
－控制图的作用：1.在质量诊断方面，可以用来度量过程的稳定性，即过程是否处于统计控制状态；2.在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候则需使过程保持相应的稳定状态；3.在质量改进方面，可以用来确认某过程是否得到了改进。
应用步骤如下：1.选择控制图拟控制的质量特性，如重量、不合格品数等；2.选用合适的控制图种类；3.确定样本容量和抽样间隔；4.收集并记录至少20～ 25个样本的数据，或使用以前所记录的数据；5.计算各个样本的统计量，如样本平均值、样本极差、样本标准差等；6.计算各统计量的控制界限；7.画控制图并标出各样本的统计量；8.研究在控制线以外的点子和在控制线内排列有缺陷的点子以及标明异常（特殊）原因的状态；9.决定下一步的行动。
Statistical Process Control统计过程控制
41
控制图
42
控制图
什么是控制图？ 控制图是对过程质量加以测定、记录从
而进行控制管理的一种用科学方法设计的 图。
UCL CL LCL
43
控制图
控制图的应用
是
独立 处理
正常 否 调整
过程的声音（测量）
过程
44
○○○ 客
交付
户
基本概念
控制图中包括三条线
控制上限(UCL) 中心线(CL) 控制下限(LCL)
UCL CL LCL
45
控制图的种类
数据：是能够客观地反映事实的资料和数 字
数据的质量特性值分为：
计量值 可以用量具、仪表等进行测量而得出的连续性 数值，可以出现小数。
计数值 不能用量具、仪表来度量的非连续性的正整数 值。
46
控制图的种类
计量型数据的控制图 Xbar-R图（均值－极差图） Xbar-S图（均值－标准差图） X-MR图（单值－移动极差图）
受控 1类 2类
不受控 3类 4类
38
过程控制和过程能力
1类（符合要求，受控）
是理想状况。为持续改进可能需要进一步减少 变差。
2类（不符合要求，受控）
存在过大的普通原因变差。 短期内，进行100％检测以保障客户不受影响。 必须进行持续改进找出并消除普通原因的影响。
39
过程控制和过程能力
3类（符合要求，不受控）
R＝Xmax－Xmin
11
统计基本概念
x() 算术平均数（arithmetic mean）
n
fi xi
x i1 n
12
基本统计概念
Md 中位数（median）
SPC统计过程控制非常经典
SPC统计过程控制非常经典1. 引言SPC〔Statistical Process Control，统计过程控制〕是一种用于监控和控制过程稳定性的管理工具，它基于统计学原理，通过收集和分析数据来判断过程是否处于控制状态。
SPC广泛应用于制造业和效劳业，有助于提高质量，降低本钱，提升效率。
本文将介绍SPC的背景和根本原理，以及一些非常经典的应用案例。
2. SPC的根本原理SPC的根本原理是基于统计学的质量管理方法，主要包括以下几个方面：2.1 过程稳定性的判断SPC通过对过程数据的收集和分析，判断过程是否处于稳定状态。
常用的判断方法包括控制图分析、极差分析、方差分析等。
如果过程数据符合正态分布，并且满足一些特定的规律性变化，那么可以认为过程是稳定的。
2.2 过程能力的评估过程能力是指过程在规定的工艺参数范围内，以及在满足质量要求的前提下，能够生产出合格产品的能力。
SPC通过收集和分析过程数据，评估过程的能力，判断过程是否能够满足产品质量的要求。
常用的评估方法包括过程能力指数〔Cp〕、过程能力指数偏差〔Cpk〕等。
2.3 过程改良和优化SPC不仅可以用于过程监控，还可以用于过程改良和优化。
通过分析过程数据，找出导致过程变异的原因，采取相应的改良措施，提高过程稳定性和能力，降低产品不合格率。
3. 统计过程控制的经典案例3.1 西格玛制西格玛制是SPC的一个重要方法，它是由Motorola公司首先提出并广泛应用于制造业的。
西格玛制通过将质量目标和过程能力联系起来，以统计学的方法对制程进行优化。
3.2 控制图法控制图法是SPC的核心方法之一，它通过绘制控制图来监控过程的稳定性。
控制图是一种简单直观的质量管理工具，可以通过分析过程数据的变化情况，判断过程是否处于控制状态。
常用的控制图有均值图、极差图、方差图等。
3.3 六西格玛六西格玛是一种基于SPC和质量管理的方法论，它通过收集和分析数据，找出导致质量问题的根本原因，并采取相应的改良措施，以到达质量的稳定和持续改良。