SPC统计过程控制

一、控制图原理

1.1 什么是SPC

SPC（Statistical Process Control）是一种通过收集和分析过程数据来监控和改进过程质量的方法。它基于统计原理，帮助区分过程中的正常波动和异常波动。

1.2 控制图的基本思想

3σ原则：在正态分布中，99.73%的数据会落在±3σ范围内
控制限：基于历史数据计算，代表过程的自然波动范围
规格限：客户或设计要求的允许范围

1.3 控制图的组成

中心线（CL, Center Line）：通常是均值
上控制限（UCL, Upper Control Limit）
下控制限（LCL, Lower Control Limit）
数据点按时间顺序排列

二、X-bar R图（均值-极差图）

2.1 适用场景

适用于连续型数据，每次抽样多个样本（通常2-5个），需要同时监控过程均值和波动。

2.2 控制限计算公式

X-bar图（均值图）：
CL = X̄̄ （所有子组均值的平均值）
UCL = X̄̄ + A₂ × R̄
LCL = X̄̄ - A₂ × R̄

R图（极差图）：
CL = R̄ （所有子组极差的平均值）
UCL = D₄ × R̄
LCL = D₃ × R̄

2.3 常用系数表

样本量n	A₂	D₄
2	1.880	3.267
3	1.023	2.574
4	0.729	2.282
5	0.577	2.114
6	0.483	2.004

三、X-mR图（单值-移动极差图）

3.1 适用场景

适用于连续型数据，但每次只能获得一个样本，或抽样成本高、检验时间长的情况。

3.2 控制限计算公式

X图（单值图）：
CL = X̄ （所有单值的平均值）
UCL = X̄ + 2.66 × mR̄
LCL = X̄ - 2.66 × mR̄

mR图（移动极差图）：
CL = mR̄ （移动极差的平均值）
UCL = 3.267 × mR̄
LCL = 0

四、P图（不合格品率图）

4.1 适用场景

适用于计数型数据，监控不合格品率，样本量可以变化。

4.2 控制限计算公式

CL = p̄ （平均不合格品率）
UCL = p̄ + 3 × √[p̄(1-p̄)/n]
LCL = p̄ - 3 × √[p̄(1-p̄)/n]

五、C图（缺陷数图）

5.1 适用场景

适用于计数型数据，监控单位产品上的缺陷数，样本量固定。

5.2 控制限计算公式

CL = c̄ （平均缺陷数）
UCL = c̄ + 3 × √c̄
LCL = c̄ - 3 × √c̄

六、控制限计算

6.1 计算步骤

收集历史数据（建议至少25个子组）
计算每个子组的统计量（均值、极差等）
计算中心线（各子组统计量的平均值）
根据控制图类型和样本量，查找系数
计算UCL和LCL
绘制控制图，检查是否有异常点
如有异常点，查明原因并剔除，重新计算控制限

6.2 注意事项

控制限应基于稳定过程的数据计算
不要轻易调整控制限
当过程发生显著变化时，重新计算控制限
控制限≠规格限，两者不可混淆

七、异常判断规则（Western Electric Rules）

7.1 规则1：任何一点超出±3σ

表明过程发生了重大变化，需要立即调查。

7.2 规则2：连续9点在中心线同侧

表明过程均值可能发生了漂移。

7.3 规则3：连续6点递增或递减

表明过程有趋势性变化。

7.4 规则4：连续14点交替上下

表明可能存在分层或过度调整。

7.5 规则5：连续3点中有2点在同一侧的±2σ之外

表明过程波动可能增大。

7.6 规则6：连续5点中有4点在同一侧的±1σ之外

表明过程可能发生了变化。

7.7 规则7：连续15点在±1σ范围内

表明过程波动异常小，可能是数据造假或分层。

7.8 规则8：连续8点在±1σ范围之外（两侧都有）

表明过程可能存在分层。

八、实施步骤

8.1 准备阶段

确定需要监控的关键质量特性（CTQ）
选择合适的控制图类型
制定数据收集计划（抽样频率、样本量）
培训相关人员

8.2 分析用控制图阶段

收集数据
计算控制限
分析过程是否受控
如不受控，找出原因并改进
确保过程稳定且满足要求

8.3 控制用控制图阶段

将分析用控制图的控制限延长作为控制用控制图
按计划收集数据并打点
应用异常判断规则监控过程
发现异常及时采取措施
定期评审控制图的有效性

8.4 持续改进

定期评审SPC实施效果
识别改进机会
更新控制限（当过程发生显著变化时）
将SPC与其他质量工具结合使用

📊 SPC统计过程控制