SPC统计过程控制介绍
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）是一种用于管理和优化生产过程的方法，它的目的是通过使用统计工具来分析生产过程中的数据，从而控制和改进产品质量。
SPC强调预防原则，即通过预防措施来减少产品缺陷和不良情况的发生，而不是在出现问题后再进行纠正。
SPC的基本概念包括控制图、过程能力指数、规格界限等。
控制图是SPC的核心工具，它用于监控生产过程中的关键变量，并根据统计原理判断生产过程是否处于控制状态。
控制图通常由均值-标准差控制图和极差控制图两种类型组成。
过程能力指数是指生产过程满足产品规格要求的程度，它通常被用来评估生产过程的能力，以便进行改进。
规格界限则是根据产品要求和客户要求设定的界限，用于确定产品是否合格。
SPC的实施方法包括以下几个步骤：1.选择关键变量：首先需要选择需要监控的关键变量，例如产品尺寸、材料特性等。
2.设计控制图：根据选定的关键变量，设计适合的控制图，并确定控制界限。
3.收集数据：按照一定的时间间隔收集生产过程中的数据，并对数据进行记录和整理。
4.分析数据：根据控制图的规则，判断生产过程是否处于控制状态，并找出异常点。
5.采取措施：根据分析结果，采取适当的措施来改进生产过程，例如调整工艺参数、更换设备等。
6.监控和反馈：持续监控生产过程，并及时反馈相关信息，以确保生产过程的质量和稳定性。
SPC的优势在于它可以及时发现生产过程中的异常情况，从而采取措施防止问题的扩大。
此外，SPC还可以提高生产过程的稳定性和产品质量的一致性，减少浪费和成本。
未来，SPC将会在更多的领域得到应用和发展，例如智能制造、医疗保健、金融服务等行业。
总之，SPC是一种有效的过程管理和优化工具，可以帮助企业提高产品质量和生产效率。
学习和掌握SPC技能对于从事质量管理、生产管理、工艺优化等工作的专业人士来说是非常重要的。
统计过程控制(SPC)
11
控制图的选择
控制图的选定
计量值 数据性质
计数值
平均值
“n”=10~25 “n”是否较大
n≧1 样本大小 n≧2
Cl的性质
中位数 “n”=2~5
“n”=1
不良数
缺陷数
不良数或
缺陷数
不一定
一定
“n”是否一定
单位大小 是否一定 不一定 一定
X-s 图
X-R 图
X-R
X-Rm “p”
图
图图
“np” “c”
数据类别: 计数值数据：只以缺陷数和个数表示，不能连续取值的数据 计量值数据：以产品本身的特性来表示，可以连续取值的数据
2
两种变异
普通性（特定性）变异：不易避免的原因(普通 原因）造成的变异，如操作人员的熟练程度的 差异、设备精度与保养好坏的差异、同批原材 料本身的差异
特殊性（偶尔性）变异：可以避免也必须避免 的原因（特殊原因）造成的变异，如不同原材料 之间的差异、设备故障
“u”
图图
图
12
案例1（控制图的选择）
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用什么图
13
答案1
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用控制图 均值极差控制图
通常用来消除变差的普通原因 几乎总是要求管理措施，以便纠正 大约可纠正85%的过程问题
8
控制图的目的
控制图和一般的统计图不同，因其不仅能 将数值以曲线表示出来，以观其变异之趋 势，且能显示变异系属于机遇性或非机遇 性，以指示某种现象是否正常，而采取适 当之措施。
统计过程控制(SPC)
足公司管理需求作用。
6.2 统计学基本概念
6.2.1 统计学基础
母体指某家特定工厂所生
产的商品。
母体的子集代替研究母体
的每一笔资料，称做样本。
以某种经验设计实验所搜
集的样本叫做资料。
图6-4 统计学原理
利用推论统计学方法，将资料中的数据建模，计算它的机率并且做出对于母
常常是不经济的。
如果目前的产品不能满足顾客的要求，则有必要将所有的产品进行分类，
报废不合格品或返工。这种状态将持续到对过程采取必要的校正措施并验证，或
持续到产品更改为止。
在统计质量控制（SQC－Statistical Quality Control）过程中，引起质量波
动的原因主要来自六个方面（5M1E）：
体的推论。
这个推论可能以对/错问题的答案所呈现（假设检定），对数字特征量的估
计，对未来观察的预测，对关联性的预测（相关性），或是将关系模型化。
在统计学中，其基本要素包括：
1. 母体与样本的关系
母体和样本的概念不是固定不便的，随着研究的不同，母体和样本也会有所
不同。
2. 指标与标志的区别
指标是说明总体特征；而标志是说明总体单位特征的。标志可以分为不能用
以下几个阶段：
第一阶段：
SPC--统计过程控制，可判断过程的异常，及时告警；不能告知此异常是什
么因素引起的。
第二阶段：
SPCD--统计过程控制与诊断，SPCD既有告警功能，又有诊断功能。
第三阶段：
SPCDA--统计过程控制、诊断与调整，它能控制产品质量、发现异常并诊
断导致异常的原因、自动进行调整。
SPC-统计过程控制介绍
4
SPC常用术语解释
名称 平均值 （X） 一组测量值的均值 一个子组、样本或总体中最大与最小值之差 用于代表标准差的希腊字母 过程输出的分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的 量度，用希腊字母σ或字母s（用于样本标准差）表示。 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， 它表现为随机过程变差的一部分。 一种间断性的，不可预计的，不稳定的变差根源。有时被称为可查明原因，它 存在的信号是：存在超过控制限的点或存在在控制限之内的链或其它非随机性 的图形。 解释
6
福特(Ford)马自达(Mazda)案例
Mazda
Ford
7
生产检验与控制的演化
最终产品检验 公差控制： 过程控制： 规范控制（Specification Control） 统计控制 （Statistical Control）
8
质量管理的基本原則
INPUT
PROCESS
OUTPUT
针对过程的重要控制 参数和原材料所做的 才是SPC 原料 PROCESS 測量 結果
针对产品所做的 仍只是在做SQC
12
预防或容忍?
人
机 法
环 测量 测量
好 結果
原料
PROCESS
不好
不要等产品做出来后再去看它好不好 而是在制造的时候就要把它制造好
13
SPC的作用
确保制程持续稳定、可预测。 提高产品质量、生产能力、降低成本。 为制程分析提供依据。 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。
UCL CL LCL
3 σ 3 σ
33
控制图的使用
控制图的判读 使用控制图注意事项
统计过程控制(SPC)
（三） x R 控制图的操作步骤
1. 确定控制对象（统计量） 2. 收集k组预备数据（一般K=25；每组数
据个数n ≥ 2;遵循合理子组原则） 3. 计算每一个样本的均值 X i 与极差 Ri 。 4. 计算 X与R 5. 计算R图控制限并作图 6. 用各样本点绘在图中，判断状态。
分析过程若失控或异常，找出原因， 进行纠正，防止再发生。
7. 计算 X 图控制限并作图，判断状态。 8. 计算过程能力指数验证是否符合要求 9. 延长控制限，作控制用控制图，进行日
常管理
四、 X S 图（掌握） 五、X-Rs图（了解）
六、Me-R图（了解）
七、P控制图
（一）P控制图的控制状态
P 常数
n
n
ˆp p di / ni
i1 i1
（二）P控制图的统计基础为二项分布，其
内容 （1）利用控制图分析过程的稳定性，对
过程存在的异常原因进行预警；
（2）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。
三、统计过程控制的特点 是一种预防性的方法 贯彻预防原则是现代质量管理的核心 强调全员参与
SPC的涵义
为了贯彻预防原则，应用统计技术对 过程各阶段评估和监控，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 品与服务符合规定的要求的一种质量管理 技术。
过程能力指数 过程性能指数
CP
TU TL 6ˆ ST
PP
TU TL 6ˆ LT
其中 ˆ St —— 短期波动的标准差估计，在稳态
下计算
ˆ St
R d2
或
S C4
ˆ Lt —— 长期波动的标准差估计，在实
际情况下计算 ˆ Lt S
SPC统计过程控制-详解
二二、CPK——应用用范围
应用用范围：
初始能力力力分析：是为了了摸清过程能力力力状况，以便便在必要时 采取措施，使过程能力力力满足足生生产要求，（新产品在批量量生生 产前，即产品和过程确认阶段，需对控制计划所要求的特 殊特性进行行行过程能力力力研究，以评价生生产过程是否已准备就 绪）；
偶 存在，对产品质量量经常发生生影响，但它 因 所造成的质量量特性值波动往往比比较小小。
有些情况下这些质量量波动在生生产过程中 是允许存在的
异 异常波动：由特殊原因引起的产品质量量
因
波动。这些特殊原因在生生产过程中并非非 大大量量存在，通常表现为周期性或突然地
对质量量产生生影响，一一旦存在，它对产品
SPC——定义：
使用用诸如控制图等统计技术来分析制造过程或其输出，以 便便采取适当的措施，为达到并保持统计控制状态从而而提高高或改 进制造过程能力力力
SPC就是利利用用统计方方法:
1.分析过程的输出并指出其特性. 2.使过程在统计控制情况下成功地进行行行和维持. 3.有系统地减少该过程主要输出特性的变异.
日日常能力力力评价：是进行行行过程能力力力复查主要是为了了掌握过程 能力力力变化情况，以便便采取措施保持或提高高过程能力力力；
二二、CPK——子子组内变差与子子组间变差
子子组内变差和过程总变差：
....... .
....... .
....... .
....... .
值
值
20
20 子子
15 组
子子
内
一一、变差的——概念
变差就是质量量的波动 过程的单个输出所不不可避免的差异 变差是有害的，是不不可避免的，他是工工业界的 通病
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。
统计过程控制SPC简介
陈瑞泉
18
均值和极差图（Χ – R图）
B.3在控制图上作出平均值和极差控制界限的控制 线。将平均极差和过程均值画成水平实线，各控制 界限画成水平虚线，把线标上记号。
陈瑞泉
19
陈瑞泉
20
变差：普通原因和特殊原因
陈瑞泉
21
导致变差的普通原因与特殊原因
过程与产品的特性存在大量的波动源。把这些波动源分成两 类是很自然的，即普通原因波动和特殊原因波动。普通原因波动 是过程内在的波动，而且除非改变过程或产品的设计极难消除， 许多很小的波动源导致这类波动的产生。特殊原因是指那些异常 因素，是非随机的，相对较少，在时间与效果上产生不可预料并 且相对较大的波动。
统计过程控制 (SPC)
Statistical Process Control
陈瑞泉
1
陈瑞泉
关于正态分布
正态分布（Normal Distribution） 是计量型变量数据控制图的基础，
呈连续的、对称的、钟形频率分布。当 一组测量数据服从正态分布时，不同百 分比的数据落在不同的标准差区间内，这 些百分数是控制界限或控制图分析的基础。
第二章 控制图
控制图能够被用来监测和评价一个过程。有两种 类型的控制图，一种为计量型数据控制图，另一种为 计数型数据控制图，过程本身将决定使用哪种类型的 控制图。如果取自于过程的数据是离散型的（例如： 通过/不通过，可接受/不可接受），则使用计数型数据 控制图（如p 图、np 图、c 图、u图） 。如果取自于 过程的数据是连续型的（例如：直径、长度）则使用 计量型数据控制图（如均值和极差图、均值和标准差 图、中位数和极差图、单值和移动极差图）。
控制图的益处
合理使用，控制图能够： 供操作者使用以对过程进行持续的控制。 有助于过程表现一致并可预测。 使过程达到：
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。
统计过程控制(SPC)
5-41
[例]设有某工序的上公差TU为0.2190, 下公差TL为0.1250,现场抽查的数据如 下表,其图如下图1.由图1可见,工序失控, 经过执行20字方针后,重新做图得到休 整后的图2.由图2可见,工序已经达到稳 态.故现在可对过程能力进行评价.
5-42
子组序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0.06 0.0086 0.0227 0.0135
0.01 5-43
0.22
0.21
UCL=0.2
133
0.2
平均值
0.19
X =0.19
0.18
状态III
状态IV（最不理想） 状态IV达到I的途径： ► IVIII ► IVIIII
调整过程即质量不断 改进过程
5-28
在控制状态下〔异因 消除,只有偶因〕
时间
下公差限
大小
上公差限
〔偶因的变异 减少〕
时间
在控制状态下,但工程 能力不足 〔偶因的变异太大〕
5-29
〔二〕控制用控制图 ► 当过程达到了我们所确定的状态后, 才能将分析用控制图的控制线延长作为控 制用控制图,应有正式交接手续. ► 判异准则 判稳准则 ► 进入日常管理后,关键是保持所确 定的状态.
偶然波动：偶因引起质量的波动 ,简称偶波；
异常波动：异因引起质量的 波动,简称异波. 5-16
2.控制图的第二种解释 假定现在异波均已消除,只剩下偶波,则此偶波的波动将
是最小波动,即正常波动.根据这正常波动,应用统计学 原理设计出控制图相应的控制界限,当异常波动发生 时,点子就会落在界外.因此点子频频出界就表明异波 存在. 控制图上的控制界限就是区分偶波与异波的科学界限.
SPC知识介绍统计过程控制
什么是 SPC?对于质量分析和改进而言，判断产品质量是否受控，统计过程控制（SPC）是一种基于数据分析的相当科学的方法。
SPC知识介绍统计过程控制（Statistical Process Control），简称SPC，是一种借助数理统计方法的过程控制工具。
在企业的质量控制中，可应用SPC对质量数据进行统计、分析从而区分出生产过程中产品质量的正常波动与异常波动，以便对过程的异常及时提出预警，提醒管理人员采取措施消除异常，恢复过程的稳定性，从而提高产品的质量。
在制造过程中，统计过程控制（SPC）是作为数据测量和控制的行业标准而被普遍应用的方法之一。
记件型数值（测量）是在当产品被生产出来的时候就被记录的数据。
这些数据稍后会被绘制在已经做好控制限的图表上。
控制限是由过程能力决定的，相类似的，公差限则是由客户的需求所确定的。
落在控制限范围内部的数据表示每一步操作都是按照预想的方式进行的。
任何在控制限内部的数据波动大部分是由所谓的正常原因导致的—自然波动被认为是正常过程的一部分。
如果数据落在控制限范围之外，则象征某种特殊原因作为波动的主要原因出现在生产过程中，此时则需要对生产中的某环节进行改变来解决问题，并防止缺陷产品的出现。
实时SPC可以让您:◇降低产品差异性&减少废料◇科学的改进生产力状况◇降低成本◇揭示隐藏的过程特性◇及时应对过程变化◇在车间现场进行实时决策如何评价实时SPC解决方案的投资回报要对您的SPC投资回报做评估，首先需要确定您工厂中造成浪费和低效率的主要环节部分。
一般造成浪费的部分包括废料、返工、过度检查、低效数据采集、设备/过程加工能力弱、纸质文档记录以及低效生产线等。
您可以通过以下问题来衡量一个SPC解决方案的好坏：◇您明确知晓您的质量管理成本吗？◇您当前的数据确实用来进行过程改进吗，还是仅仅是字面上的数据而已？◇是否在正确的位置采集了正确的数据？◇决策是否基于那些真实的数据？◇您能够轻易的指出质量问题的原因吗？◇您是否知道该在什么时间对您的设备进行预防性维护？◇您能够准确预测产出结果吗？QFD质量功能展开QFD(Quality Function Deployment)是把顾客或市场的要求转化为设计要求、零部件特性、工艺要求、生产要求的多层次演绎分析方法，它体现了以市场为导向，以顾客要求为产品开发唯一依据的指导思想。
SPC统计过程控制技术
SPC统计过程控制技术SPC是指统计过程控制（Statistical Process Control）技术，它是一种采用统计方法来监控和控制生产过程的质量管理工具。
SPC技术通过对过程数据进行统计分析，能够帮助企业发现生产过程中的特殊因素，及时采取措施以避免或减少产品质量问题的发生。
本文将介绍SPC技术的原理、方法和应用。
SPC技术的原理是建立在统计学基础上的。
它利用统计学中的均值、标准差、概率分布等概念和方法，对生产过程中的各种因素进行统计分析，从而了解过程的变异情况。
通过对过程数据的采集和分析，SPC技术可以判断过程稳定性，确定过程能否满足质量要求，并通过控制图等图表形式展示分析结果，帮助生产人员进行决策和改进。
SPC技术主要包括过程能力分析、控制图分析和统计抽样等方法。
过程能力分析是通过统计计算和分析得到的数值指标，评估生产过程是否具备满足产品质量要求的能力。
常用的指标包括过程能力指数（Cp、Cpk）和过程潜力指数（Pp、Ppk）等。
控制图分析是通过绘制控制图来监控过程的稳定性和变异情况，包括过程平均水平的控制图（X̄图）、过程离散程度的控制图（R图、S图）和过程离散程度和平均水平的同时控制图（X̄-R图、X̄-S图）等。
统计抽样是根据统计学原理和抽样方法，通过对样本数据的分析来判断整个过程的质量水平，包括构造抽样方案、抽样样本量的确定和样本数据的分析等。
SPC技术的应用范围广泛。
它适用于各类生产过程中的质量控制和改进，无论是制造业还是服务业。
在制造业中，SPC技术可以应用于各种工艺过程的控制，如冶金、电子、化工等。
在服务业中，SPC技术可以应用于流程控制和质量改进，如银行、保险、医疗等。
此外，SPC技术还可以应用于产品设计阶段的质量控制和改进，通过对设计方案的统计模拟和优化，提高产品的质量性能。
SPC技术的应用有助于提高产品的质量水平和生产的经济效益。
首先，SPC技术可以帮助企业监控生产过程的稳定性，及时发现并消除影响产品质量的变异因素，提高产品的合格率和一致性。
SPC(统计过程控制)：基本概念及在质量管理中的作用介绍
SPC（统计过程控制）：基本概念及在质量管理中的作用介绍一、SPC概述SPC(Statistical Process Control, 统计过程控制)是用于控制生产过程稳定性、提高产品质量的一种管理工具。
它是一种基于统计原理的质量控制技术，通过对质量数据进行分析并处理，帮助生产部门发现异常情况，及时进行纠正和改进。
SPC的主要作用是通过对生产的各项指标进行监控，及时发现异常情况并予以解决，达到减少产品次品率、提高生产效率的目的。
1.1 SPC的定义和发展历程统计过程控制(SPC)是由美国生产者联盟（APQC）制定的标准，是指在生产、服务等等过程中，使用一系列统计方法，对生产过程各项指标进行定量分析、监控，以便及时发现问题并采取纠正和预防措施，以提高质量、提高效率和降低成本。
自20世纪75年以来，SPC 已广为应用于各种制造和服务行业，被广泛认可和推广。
1.2 SPC的基本原理和方法SPC的基本原理是通过收集和分析生产过程中的数据，判断过程是否处于正常状态，如果出现异常情况则采取行动控制，达到稳定生产并控制品质的目的。
其基本方法有控制图、质量测量、过程分析、数据收集和统计方法等。
二、SPC在质量管理中的作用2.1 SPC在质量管理体系中的地位与作用SPC在现代企业的质量管理中处于非常重要的地位，其作用几乎贯穿了整个质量管理体系。
首先，质量管理的核心目标是实现全过程质量控制，SPC可以有效的实现这一目标。
其次，SPC可以帮助企业实现质量的持续改进，提高产品的稳定性和一致性，为企业提供坚实的基础。
再次，SPC可以为企业的产品质量提供科学的依据，使企业在市场竞争中更具有说服力。
2.2 SPC在改进质量管理性能方面的作用SPC对于改进质量管理性能具有很好的作用。
通过对生产过程的监控，SPC可以发现不稳定的因素和不良的趋势，为及时采取行动提供依据。
此外，通过对数据的分析，进一步提高了质量管理的效益，不断完善生产过程，并持续不断地提高产品质量。
SPC统计过程控制
SPC统计过程控制一．SPC统计过程控制概论产品质量的统计观点认为，过程质量在各种影响因素的制约下，呈现波动（变异性），但过程质量的波动并非漫无边际，在一定范围内，过程质量的波动呈现统计规律性。
SPC(Statistical process Control)统计过程控制，就是根据过程质量的统计规律性这一原则，利用统计技术对过程的各个阶段进行监控，从而达到保证产品质量的目的。
SPC中的统计技术泛指任何可以应用的数理统计方法。
一般而言，主要是指控制图的应用。
二．控制图定义控制图（control chart）,又称管制图、休哈特图。
是美国休哈特博士于1924年发明的。
控制图是区分过程中的异常波动和正常波动，并判断过程是否处于控制状态的一种工具。
三．控制图原理过程处于统计控制状态时（也即受控状态），产品总体的质量特性数据的分布一般服从正态分布，即X~N（μ，б2）（注：μ——过程均值，б——过程标准差）。
质量特性值落在μ±3б范围内的概率约为99.73%,落在μ±3б以外的概率只有0.27%,因此可用μ±3б作为上下控制界限,以质量特性数据是否超越这一上下界限以及数据的排列情况来判断过程是否处于受控状态,这就是控制图原理若计叫心线为CL，上控制限为UCL，下控制限为LCL，则有CL=μUCL=μ+3бLCL=μ-3б控制图的基本形式如下图所示UCLCLLCL四．控制图的种类1按照用途分（1）分析用控制图分析用控制图主要用来分析：a过程是否处于统计稳态b过程能力是否适宜。
如发现异常（过程失控或过程能力不足），则应找出原因，采取措施，使过程达到稳定。
过程处于稳态后，才可将分析用控制图的控制线延长作为控制用控制图。
（2）控制（管理）用控制图。
控制用控制图由分析用控制图转化而来。
它用于使过程保持稳态，预防不合格的产生。
控制用控制图的应用规则：按规定的取样方法获得数据，通过打点观察，控制异常原因的出现——当点子分布出现异常，说明工序质量不稳定，此时应及时找出原因，消除异常因素，使工序恢复到正常的控制状态。
超详细SPC统计过程控制讲解
漏发错误（纳伪错误）:过程已异常，
但仍会有部分产品质量特性值的数值 大小位于控制界限内，若抽样样本特 性值数值在该范围，则将不合格总体
造成不合格、废品，增 加损失。
判为合格。
根据使两种错误造成的总损失最小的原则来确定UCl和lCl二者之间的最优间隔 距离。从经济质量管理的角度分析验证，休哈特提出的当上下控制界限之间最 优间隔距离为6σ时，两类错误造成的总损失最小，即α=0.0027。
b lCl a
判异准则2：连续9点落在中心线一 侧。第一类错误概率：α0=2*（ 0.9973/2) 9=0.0038
UCl a b
XC C b
lCl a
UCl a
b
X
判异准则3：连续6点递增或递减。
C XC
第一类错误概率：
α0=(2/6!)*(0.009973)6=0.0027
b a
lCl
基础知识
常工序 产品批量较大,稳定正
常工序 每次只能得一个数据,
见效快
样本含量可以不等
样本含量相等
样本含量可以不等
样本含量相等
一、创先争优工作开展情况 计量型控制图
控制图的分类——按目的分
分析用控制图： a)分析过程是否处于统计控制状态，或称统计稳态？ b)判断过程的过程能力是否满足要求？
控制用控制图： 当过程达到了所要求的状态后，将分析用控制图的控制线延
X X X
一、创先争优工作开展情况
基础知识
九、控制图的判异
判异准则4：连续14点中相邻点上下 交替。第一类错误概率：α0=0.0027
UCl a b
XC C
b
lCl a
判异准则5：连续3点中有2点落在中心 线同一侧b区外。第一类错误概率：
SPC-统计过程控制
SPC-统计过程控制1.什么是SPC（统计过程控制）？SPC应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
优点：适用于对大批量产品质量的控制(P7)缺陷：发现质量有失控，但不能判断为什么失控，需要与其他控制手段结合（如鱼骨图，SW1H等）分析。
2.SPC的作用是什么？1.对过程做出可靠的评估（对单个特性具有99.72%的合格率）2.确定过程的统计过程界限，判断过程是否失控和过程是否有能力3.为过程提供一个早期的报警系统，及时监控过程的情况以防止废品的发生4.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了大量的检测和验证工作3.怎么实现SPC？步骤一、确定过程流程图步骤二、识别特殊特性步骤三、初始确定人员、工装设备、原材料、参数（人机料法环）步骤四、收集数据（试生产），要求：客观，真实，25组数据以上（按时间先后顺序，不能调换），时间跨度覆盖一天的数据变化步骤五、通过均值极差控制图（X一-R控制图）、单值移动极差控制图（X-Rm控制图）计算出上控制限和下控制限步骤六、分析均值极差控制图的数据点，识别并标注特殊原因，重新计算控制界限控制状态的标准为：1.点超控制界限，极大概率有问题2.连续7点上升/下降/中心线的同一侧3.正产情况下，显著多余2/3的点集中在中心1/3区域步骤七、计算CPK/PPK,并分析、提高过程能力，对修改的过程控制图再分析步骤八、当初始过程稳定并可接受时，转入量产的过程控制阶段，此时所计算的上控制限、下控制限作为控制基准延长使用控制界限的重新计算：控制图使用一段时间后，生产过程有了变化（加工工艺改变、刀具改变、设备改变、技术革新、管理改革），应重新收集最近期间的数据，以重新计算控制界限并作出新的控制图。
SPC-统计过程控制
SPC-统计过程控制
SPC基本概念 SPC实施步骤 SPC工具和技术 SPC应用案例 SPC未来发展与挑战
contents
目 录
01
SPC基本概念
统计过程控制（SPC）是一种应用统计学的方法，通过对生产过程中的各个阶段进行数据收集、分析和控制，以实现过程稳定、减少变异和优化性能的管理手段。
SPC的核心在于利用统计技术对生产过程中的关键特性进行监控和预测，及时发现异常并采取相应措施，确保生产过程的稳定和产品质量的可靠。
判断标准
过程能力指数还可以作为改进生产过程的依据，帮助企业优化生产工艺和流程。
改进依据
过程能力指数
综合评估
过程性能指数是对生产过程整体性能的综合评估，考虑了生产过程中的所有影响因素。
比较分析
通过比较不同时间段或不同生产条件下的过程性能指数，可以对生产过程进行全面的比较和分析。
持续改进
过程性能指数可以作为持续改进生产过程的依据，帮助企业不断提升生产效率和产品质量。
选择适宜的控制图
确定控制界限
根据历史数据和行业标准，制定适合的控制界限，确保过程处于受控状态。
验证控制界限
在实际生产过程中验证控制界限的适用性和有效性，根据实际情况进行调整。
制定控制界限
数据的收集与处理
建立数据收集系统
确保数据收集的准确性和及时性，建立有效的数据记录和存储系统。
数据处理与分析
对收集到的数据进行处理、分析和解释，识别异常波动和趋势，为后续的决策提供依据。
SPC在持续改进中的作用
THANKS FOR
WATCHING
感谢您的观看
02
SPC实施步骤
选择对产品或服务的质量、性能等有关键影响的参数作为控制对象，确保这些参数在控制范围内。
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。
- 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)。
单值 — 移动极差控制图
离散
二项分布
不合格品率控制图 不合格品数控制图
计件值
泊松分布
单位不合格数控制图 不合格数控制图
简记 X-R X-S X-R X-MR
p np u c
类型
计 量 型
计 数 型
2.3.1 计量型控制图
绘制控制图的步骤（以均值图为例）
1，收集数据：至少25组,组内连续,组间跨度；
15
2.3.3 识别过程特殊原因的八大准则
准则1： 一个点超出3个标准偏差之外；
上公差
3
UCL
2
CL
2 3
上公差
x
LCL
2.3.3 识别过程特殊原因的八大准则
准则2： 连续 7个点在中心线同一侧；
上公差
3
2
CL
UCL
x
2
3
LCL
上公差
2.3.3 识别过程特殊原因的八大准则
准则3：连续6个点递增或递减；
上公差
3
x
UCL
2
CL
2 3
上公差
x
LCL
2.3.3 识别过程特殊原因的八大准则
准则4：连续14个点上下交替;
上公差
3 2
CL
2 3
上公差
UCL
x
LCL
2.3.3 识别过程特殊原因的八大准则
准则5： 2/3的点距中心线超过2个标准差(同一侧)；
1，用统计技术统计过程或输出的各种特性(参数)； 2，绘制容易理解和判断异常的控制图； 3，根据控制图中观察到的趋势和异常状况采取适当的措施来
达到并保持统计过程稳定状态。
6
2.3 控制图 - 基本概念
第1组
第2组
均值:
极差:
X(X 1X 2 X m )/m R = 最大值 – 最小值
中位数:
1、开篇导入
汽车行业的五大手册：
SPC， FMEA，APQP，PPAP，MSA
SPC
1
1、开篇导入
1.2 学习目标
1,全面了解SPC 的知识结构和基本理念; 2, 如何选择、绘制和判断控制图的类型； 3，过程能力的计算。
2
2、主体内容
2.1 SPC的历史发展及背景 汽车行业发展史伴随质量管理发展史：
制线。（原因分析）
直径
上公差
下公差 时间
10
8:00 8:15 8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:30 10:45 11:00
2.3.1 计量型控制图
常用控制图分类
数据特征
分布
控制图
均值 — 极差控制图
连续
正态分布
均值 — 标准差控制图 中值 — 极差控制图
2，计算各子组的均值： 各组均值的均值：
标准偏差：
X(x1x2 xm )/m
n
X X /n
i
p S
n (xi x)2 i n1
计算中心控制线，上下控制线并在图中划出； 3，按时间描点； 4，按标准判断控制图。
2.3.1
特性值
3 2
2 3
计量型控制图 - 绘制均值图
3 2
CL
2 3
上公差
UCL
x
LCL
2.3.3 识别过程特殊原因的八大准则
准则8：连续8个点距中心线距离大于1个标准差(任一侧)
上公差
3 2
CL
UCL
x
2
3
LCL
上公差
2.3.4 八种控制图的选择
确定被研 究特性是 否为计量
4
2.2.1 统计过程控制的模型
过程的声音
人 机 料 法 环
输入
统计方法 我们工作的方式/
资源的融合
过程/系统 顾客的呼声
5
反馈的过程控 制系统模型
产品/服务 输出
顾客
识别不断变化 的需求和期望
2.2.2 统计过程控制定义
定义: 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。
上公差
中心线
UCL
CL X
上控制线
CL
UCL X3p
LCL 下公差
下控制线
LCLX3p
13
时间
2.3.2 4种常用计数型控制图
数据特征
分布
控制图
连续
正态分布
均值 — 极差控制图 均值 — 标准差控制图 中值 — 极差控制图 单值 — 移动极差控制图
离散 (关心产品的合格率)
不合格品率控制图 二项分布
不合格品数控制图
计件值 (关心缺陷出现次数)
单位不合格数控制图 泊松分布
不合格数控制图
案例演示计数型控制图
简记 X-R X-S X-R X-MR
p np u c
类型
计 量 型
计 数 型
2.3.3 控制图的判断标准
识别过程特殊原因的八大准则
1： 一个点超出3个标准偏差之外； 2： 连续 7个点在中心线同一侧； 3： 连续6个点递增或递减； 4： 连续14个点上下交替; 5: 2/3的点距中心线超过2个标准差（同一侧）； 6: 4/5的点距中心线超过1个标准差（同一侧）； 7： 连续15个点在中心线1个标准差内（任一侧）； 8： 连续8个点距中心线的距离大于1个标准差(任一侧)。
上公差
3
UCL
2
x
CL
2
3
LCL
上公差
2.3.3 识别过程特殊原因的八大准则
准则6： 4/5的点距中心线超过1个标准差(同一侧)；
上公差
3
2
CL
UCL
x
2
3
LCL
上公差
2.3.3 识别过程特殊原因的八大准则
准则7：连续15个点在中心线1个标准差内(任一侧)；
上公差
或
X ~Xm/2
X ~XmXm1
2
2
标准差:
p S
n (xi x)2 i n1
7
2.3 控制图 - 基本概念
正态分布
p S
n (xi x)2 i n1
Y轴
X
x轴
68%
95%
99.7%
公差范围
2.3 控制图
数据的类型
质量是检 验出来的QC
质量是设计 出来的TQC
SPC
预测过程输 出分布
质量是制造 出来的QA
质量是预防 出来的TQM
3
2.1 SPC的历史发展及背景
1924年，休哈特绘制第一张控制图，工业的质量控制开 始采用统计方法。
二战后，戴明将SPC控制图带到日本并推广。
八十年代以后，全世界纷纷推广应用SPC。并在ISO9000 以及QS9000中提出应用SPC方法的要求。
计
产
品
定
连续
量 型
/过
量
程 质 量
离 散
计 数 值
计 数
特
性
定Байду номын сангаас
性
型 计件值
9
2.3.1 计量型控制图
案例： OP40车销涡轮轴外径,浮动轴承配合面直径要求尺寸
￠20±0.03,一年后发现每天不良率上升至8%;这时侯很难找
到原因,大家都很困惑。
休哈特博士来到现场
绘制SPC控制图，发现连续工作1小时45分后直径开始超出控