统计过程控制简介

合集下载

统计过程控制和基本概念

操作者 B
操作者 A
再现性
操作者 C
测量系统变差
量具稳定性
量具稳定性是同一测量系统在不同时间测量同一零件时至少两组测量值的总变差。
稳定性
时间 2
时间 1
测量系统变差
量具线性量具线性是在量具预期的工作范围内，偏差值的差值。
真实值(基准值)
真实值(基准值)
精确度较好( 偏差较小)
制程管制系统
绩效报告
成品改善
制程中对策人员设备材料
成
品
方法环境
制程管制系统
1. 制程 : 制程乃指人员, 设备, 材料, 方法及环境的输入, 经由一定的整理程序而得到输出的结果, 一般称之成品. 成品经观察, 量测或测试可衡量其绩效. SPC所管制的制程必须符合连续性原則.
2. 绩效报告 : 从衡量成品得到有关制程绩效的资料, 由此提供制程的管制对策或改善成品.
件. 5. 改善的评估: 流程能力可作为改善前后比较的对比指标.
基本统计概念
统计学(Statistics)
收集、整理、展示、分析、解析统计资料
由样本(sample)推论母体/群体(population)
能在不确定情况下作决策
是一门科学方法、决策工具

推论
抽样
基本统计概念
直方图分布
正常型
直方图分布
偏向型
造成这样分布的原因
直方图分布
孤岛型
图（c）图中高峰偏向一侧是对超出标准的偏差进行翻修或是加工习惯造成的偏向分布（如孔加工時往往偏小）。
图（d）在远离分布中心一方另有一小直方图，这表示有某种异常。如由于测量不当所造成的极端值，或是变换加工条件而造成的。

统计过程控制(SPC)

统计过程控制（SPC）
第一节统计过程控制概述
一、过程控制的基本概念
为实现产品生产过程质量而进行的有组织、有系统的过程管理活动
主要内容
（1）对过程进行分析并建立控制标准（2）对过程进行监控和评价（3）对过程进行维护和改进
二、统计过程控制应用统计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。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。-可接受性
2 K T/ 2 T
（0<K<1）
K: μ对M的偏移度，ε=|M-μ|
T 则：C pK 1 K C p 1 K 6
其中：ε——μ与公差中心M偏移量 T——公差带宽 T=TU—TL
（四）Cp和Cpk的比较与说明 Cp—— 反映过程加工的一致性，即 “质量能力”
或
1 5 n P P
P0 ：给定标准值 P ：未给定标准值 2. 计算样本不合格品率
3. 算P图的控制限
P 1 P UCLP P 3 n
CLP P
P1 P LCLP P 3 n
4. 样本不合格品率描点 5. 判稳/判异
6. 关于样本量ni的说明（ 1 ）若样本量 n 大小相等，则 P 图控制限为两条直线。（ 2 ）若样本量 ni 不全相等，则 P 图控制限呈凹凸状。
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

统计过程控制概述

我们必须在失败中寻找胜利，在绝望中寻求希望
•
9、
。上午4时14 分39秒上午4 时14分0 4:14:39 20.11.3 0
控制图应用
步骤三、计算R图控制线
UCLR R 3 R D4 R CLR R R LCLR R 3 R D3 R
控制图应用
步骤四、计算图控制线 X
UCLX X 3 X X A2 R CLX X X LCLX X 3 X X A2 R
控制图应用
步骤五、作R图 a、根据控制线作图 b、数据描点，判稳 c、不稳定则控制过程，回步骤二
贯彻预防原则应用统计技术保持过程稳定保证产品质量
SPC的特点
强调全员参与强调统计方法强调过程、体系
二、控制图原理
控制图原理
控制图的结构：
样
UCL
本
统计
CL
量
数据
LCL
控制图
控制图原理
过程变差偶然因素
过程固有波动随机对质量影响小
异常因素
非过程固有对质量影响大
质量波动
•
1、
功的路。20.11.3020.11.30Monday, November 30, 2020
成功源于不懈的努力，人生最大的敌人是自己怯懦
•
2、
。0 4:14:39 04:14:3 904:141 1/30/2 020 4:14:39 AM
每天只看目标，别老想障碍
•
3、
。20.1 1.3004: 14:390 4:14Nov -2030-Nov-20
控制图判异准则：
国标GB/T 4091－2001
UCL A B
CL C C B

统计过程控制

统计过程控制(SPC)统计过程控制(Statistical Process Control,缩写为SPC)是由美国休哈特博士于上世20年代提出的，自第二次世界大战后，SPC已逐渐成为西方工业国家进行在线质量控制的基本方法。

根据SPC理论，产品质量特性的波动是出现质量问题的根源，质量波动具有统计规律性，通过控制图可以发现异常，通过过程控制与诊断理论（SPCD）可以找出异常的原因并予以排除。

常用的休哈特控制图有均值－极差（x-R）控制图，均值－标准差（x-S）控制图，中位数－极差（x-R）控制图，单值－移动极差（x-Rs）控制图，不合格品率（P）控制图，不合格品数（Pn）控制图，缺陷数（C）控制图，单位缺陷数（u）控制图等。

SPC方法是保持生产线稳定，减少质量波动的有力工具。

近年来，SPC方法获得进一步发展，例如波音公司为了贯彻健壮设计思想，推出了一套新的供应商质量保证规范Dl 9000，主要的变化是要求建立先进的质量体系(Advanced Quality System，缩写为AQS)。

AQS体系将田口的质量损失的概念纳入到生产制造阶段的质量管理之中，提出了一整套与健壮设计相适应的生产制造质量控制要求。

AQS体系首先要求确定生产制造阶段产品的关键特性，对这些关键特性及其所涉及的零部件，要求开展工艺健壮设计，以便确定健壮的工艺。

在生产制造中要建立对关键特性的监控措施，除了应用SPC的常规控制图外，AQS给出了三种小批量控制图即单值移动极差控制图、目标控制图和比例控制图，两种改进的控制图即移动平均控制图和几何移动平均控制图，另外还有提高控制图监控灵敏度的一些措施。

根据监控情况和实际需要，改进工艺参数或改进工艺设计，纠正引起质量波动的任何人机料法环的因素，从而实现质量的连续改进。

统计过程控制简本

）等。
03
CATALOGUE
统计过程控制实施步骤
明确目标与范围
确定控制对象
明确需要控制的产品或过程特性，以及相应的质量标准和要求。
制定控制计划
根据产品或过程特性，制定相应的统计过程控制计划，包括采样方案、控制图类型、异常处理流程等。
数据收集与整理
采集数据
按照控制计划的要求，定时或定量地采集需要控制的产品或过程特性的数据。
应用领域与意义
应用领域
SPC可应用于制造业的各个领域，如机械加工、电子制造、汽车制造、航空航天等。同时，也可应用于服务业、医疗、教育等非制造领域的过程控制。
意义
通过实施SPC，企业可以及时发现并消除生产过程中的异常因素，确保产品质量稳定可靠；降低生产成本，提高生产效率；提升企业市场竞争力，实现可持续发展。同时，SPC还有助于推动企业质量管理水平的提升，促进企业整体管理水平的提高。
正态分布与3σ原则
正态分布
在影响产品质量的众多因素中，当随机因素占主导地位时，产品质量特性往往服从正态分布。正态分布具有钟型曲线特点，其概率密度函数关于均值对称。
3σ原则
正态分布的一个重要性质是，约有99.73%的数据分布在均值的三倍标准差（3σ）范围内。因此，在实际应用中，通常将均值加减三倍标准差作为控制界限，超出此范围的数据视为异常值。
目的
提高产品质量、降低生产成本、提升生产效率，最终实现企业经济效益的提升。
发展历程及现状
发展历程
SPC起源于20世纪初的工业革命时期，随着生产规模的扩大和产品质量要求的提高，逐渐发展成为一门独立的学科。经历了手工绘图、机械化、自动化等发展阶段，目前正向智能化、大数据等方向发展。

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

统计过程控制统计过程控制（SPC）是一种基于数据分析的质量管理方法，旨在通过对过程的监测与控制，实现生产过程中的连续改进。

这种方法可以帮助提高产品质量，降低生产成本，提高客户满意度。

以下是SPC的简介、使用方法、益处以及实现过程中可能存在的问题。

简介SPC的理念是“控制过程而不是修理产品”，它的核心是把质量管理的重点从检查和纠正缺陷转移到控制过程。

SPC主要应用于制造业，但也适用于服务业和医疗行业等其他领域。

通过数据收集、分析和监控，SPC可以帮助企业了解其生产过程并制定相应的改进计划，从而实现生产效率和产品质量的提高。

使用方法SPC主要包括数据的收集和分析两个阶段。

数据的收集通常是由受训人员通过抽样等方式获取，然后数据会被汇总到一个控制图表中。

控制图表是SPC最基本的工具，它可以反映生产过程中数据的变化情况，通过样本数据的变化来判断是否存在特殊因素，以及是否需要采取相应的措施来防止这些因素的再次出现。

在数据分析阶段，SPC通常使用各种统计方法来分析数据的规律性和变动性，从而确定过程的性能是否符合要求。

如果发现过程出现特殊的变化，就需要针对这些问题采取相应的措施。

然后，通过监控过程的稳定性和性能，来确保所采取的措施有效。

益处SPC的主要益处是提高质量和降低成本。

由于SPC持续地跟踪和分析数据，可以及时发现问题，并采取相应的措施。

这减少了产品缺陷率和因此而导致的重新工作或返工数量。

此外，SPC还可以提高生产效率，因为它可以减少生产中的浪费和停机时间，并优化制造工艺。

此外，SPC还可以增加生产过程的可持续性，使过程更加稳定，从而提高客户满意度。

实现过程中可能存在的问题尽管SPC被广泛运用于生产领域，但在实施过程中仍然存在一些问题。

例如，如果质量数据不正确或不完整，则无法有效地检测和纠正问题。

确保收集到正确和完整的数据非常重要。

另一个问题是寻找和培养高素质的SPC人才。

虽然有许多SPC工具和软件可以帮助质量控制人员更好地应用SPC，但必须确保员工已经得到了适当的培训，以确保他们理解SPC的基本概念和运用方法。

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.

统计过程控制

1、统计过程控制（SPC）包含两方面：①利用控制图分析过程的稳定性；②计算过程能力指数，对过程质量进行评价。

主要工具就是控制图。

2、SPC发源于美国。

休哈特《加工产品质量的经济控制》标志着过程控制的开始。

3、统计过程诊断（SPD）是20世纪80年代发展起来的。

4、世界上第一张控制图是美国休哈特在1924年提出来的不合格率（p）控制图5、小概率事件原理：小概率事件在一次实验中几乎不可能发生，若发生判断为异常。

6、控制图是用于监控过程质量是否处于统计控制过程的图7、常规控制图包括中心线、控制限、描点序列。

控制限的作用就是区分偶然波动与异常波动。

8、偶因是过程固有的，始终存在的，对质量的影响微小，但难以除去。

异因不是过程国有的，有时存在，有时不存在，对质量影响打，但不难除去。

9、过程处于统计状态控制时，只有偶因，而无异因产生的变异；点子落在控制限外的概率很小。

10、为控制产品不合格数，可选用的控制图有p图和np图11、为控制产品有瑕疵数，可选用的控制图有c图和u图12、根据5M1E内容，当人、机、料、法、测、环任何一个变动时，控制限需重新制定。

一、常规控制图的分类及应用场合：计数值控制图包括计件值和计点值控制图二、图（国标规定先作R图）计算步骤：1、取预备数据①取20~25个子组②子组大小一般为4或5，过程稳定性好的话，子组间隔可以扩大。

③同一子组的数据必须在同样的生产条件下取得，故要求在短间隔内来取。

2、计算各个子组的平均是和极差3、计算样本总均值与平均样本极差4、计算图控制限、5、将子组中的预备数据（）在R图中打点，判稳。

若稳进行步骤6；若不稳，除去可查明原因后转入步骤3，即重新计算与6、将子组中的预备数据（）在图中打点，判稳。

若稳进行步骤；若不稳，除去可查明原因后转入步骤3，即重新计算与7、计算过程能力指数并检验其是否满足技术要求若过程能力指数满足技术要求，则转入步骤8；若过程能力指数不满足技术要求，则需调整过程直至满足技术要求为止；8、延长的控制线，作控制用控制图，进行日常管理。

统计过程控制技术

统计过程控制技术一、概述或基础上世纪三十年代，美国休哈特博士提出统计过程控制的概念。

统计过程控制（SPC）：指用统计学的方法和技术对过程进行分析和控制。

统计过程控制技术：可以用于过程分析与控制的数理统计技术与方法，是识别和控制过程波动的科学方法。

在生产实践中，即使操作者、机器、原材料、加工方法、测量手段、生产环境等到条件相同，生产出来一批产品的质量特性的实际值并不完全一样，总是存在差异，这就是质量特性的波动。

1、关注点：波动的程度、波动的趋势、波动的原因、波动的不利影响、波动是可接受、是否要求采取波动控制的措施、采取什么样的波动控制措施等等。

2、为什么：从顾客的角度来说，他们希望所获得的产品或服务与他们的期望或要求之间差异越小越好。

也就是说，他们希望相对于其要求的目标值来说，波动越小越好。

质量特性实际值一旦偏离目标值就会对顾客造成损失；质量特性越远离目标值，对顾客造成的损失就越大，顾客的损失是与质量特性实际值与目标值之差的平方成正比。

3、传统控制方法：对过程输出质量特性按照合格/不合格进行检验，把不合格的产品挑出来，对它们进行分析和处理。

不再关心那些落在规范限或公差限内的合格产品，则出现产品特性波动大，产品的适配性差，在装配和调试过程中将要花费更多的时间和资源；甚者，还将引起产品性能、可靠性和使用寿命的降低。

4、波动分为：正常、异常两种波动。

1）正常波动：由随机因素（又称为普通因素）影响而引起的波动。

2）异常波动：由系统性因素（又称特殊因素）影响而引起的波动。

3）随机因素：那些随时随地影响过程的、微小的、在技术上很难根本消除和或消除其影响要花费很大的经济代价的、在过程中允许存在的波动影响因素。

特点：a)在过程中时刻存在着，对过程波动的影响力随时变化。

b)这类因素一般复杂繁多，要列举出所有的因素很困难。

c)所有随机因素的共同作用导致了过程的总波动。

d)很难通过对过程的控制来减小或消除随机因素的影响。

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。

统计过程控制简介※

偶因引起质量的偶然波动，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。
3、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。 ②所谓控制都要以某个标准作为基准，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就是以统计控制状态（稳态）作为基准的。 ③推行SPC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。
6、常规控制图的分类及使用场合常规控制图的分类
分布
控制图代号
X
控制图名称
均值-极差控制图均值-标准差控制图中位数-极差控制图单值-移动极差控制图不合格品率控制图不合格品数控制图单位不合格数控制图不合格数控制图
-R
-s
正态分布（计量值）
X
Me-R X-Rs p
二项分布（计件值）
np u
④X-Rs控制图。多用于下列场合：对每个产品都进行检验，采用自动化检查和测量的场合；取样费时、昂贵的场合；化工等样品均匀的场合。由于它不像前三种控制图那样取得较多的信息，所以它检出过程变化的灵敏度也要差一些。
⑤p控制图。用于控制对象为不合格品率或合格品率等计数值质量指标的场合。这里需要注意的是，在根据多种检查项目综合起来确定不合格品率的情况，当控制图显示异常后难以找出异常的原因。因此，使用p图时应选择重要的检查项目作为判断不合格品的依据。P图常用于控制不合格品率、交货延迟率、缺勤率，差错率等。

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(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 (SPC)
使用统计学方法分析过程，以便对其进行监视、控制和改进。

目标是造就稳定、一致的过程，从而产生尽可能少的缺陷。

Minitab 提供若干 SPC 工具，包括：
·控制图–跟踪一段时间内的统计量，以检测是否存在特殊原因变异。

·能力分析–确定过程是否有能力；即满足规格限制并产生“良好”部件
SPC 的中心思想是控制变异，从而避免产品缺陷。

在任何过程中都有两种变异：常见原因和特殊原因。

常见原因指导致任何过程中产生合乎规律的变异的原因。

特殊原因是指通常（或有意）不是过程的一部分的异常事件。

尽管任何过程中都会自然发生一定程度的常见原因变异，但确定并尝试消除变异的特殊原因非常重要。

例如，您为一家生产球轴承的公司工作，且要减少缺陷数。

通过使用如 pareto 控制图和因果图等质量工具，您确定了球轴承粗糙程度具有最高缺陷率。

在开始寻找改进过程的方法之前，必须确定过程是否稳定；也就是说，是否只有常见原因变异。

每小时检验五个样本，共进行两天，然后生成 xbar 控制图。

有两个点在控制限之外。

您需要找出发生这种情况的原因，并消除此变异的原因。

完成之后，就可以继续使用统计过程控制工具改进过程，然后在做出改进后监视过程。

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SPC--培训

最常用，判断工序是否异常的效适用于产品批量较大而
量
制图
果好，但计算工作量大
且稳定正常的工序。
值中位数—极差
计算简便，但效果较差些，便于
控制
控制图两极控制图
L—S
现场使用
一张图可同时控制均值和方差，计算简单，使用方便
图单值—移动极 X—Rs 简便省事，并能及时判断工序是因各种原因每次只能得
C （Control）控制: 事物的发展和变化保持稳定
统计过程控制（SPC）定义:
是一种使用诸如控制图等统计技术来分析制造过程，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制造过程能力的质量统控计过制程控制方SPC法--培训。
一、统计过程控制简介
起源与发展
休哈特博士在贝尔实验室发明了控制图
差控制图
否处于稳定状态。缺点是不易发到一个数据或希望尽快
现工序分布中心的变化。
发现并消除异常原因
计不合格品数控
pn
数
制图
值不合格品率控
p
控
制图
制缺陷数控制图
C
图单位缺陷数控
U
制图
较常用，计算简单，操作工人易于理解
计算量大，管理界限凹凸不平
样本容量相等样本容量可以不等
较常用，计算简单，操作工人易于理解，使用简便
——《6 Sigma管理法追求卓越的阶梯》
统计过程控制SPC--培训
一、统计过程控制简介
统计过程控制（SPC）:
Statistical Process Control 的英文简称
S （Statistical）统计: 以统计学的方法分析数据
P （Process）过程: 有输入-输出的一系列的活动