SPC - 统计过程控制

📅 工具原理

SPC是一种借助统计方法对过程中的各个阶段进行监控，从而达到改进与保证质量目的的技术。其核心思想是通过区分过程的普通原因变异和特殊原因变异来判断过程是否处于受控状态。

基本概念

过程变异：任何过程都存在变异，变异无处不在且不可避免
普通原因变异：过程固有的、正常的变异来源，变异服从正态分布
特殊原因变异：异常的、可识别的变异来源，导致分布改变
受控状态：只有普通原因变异存在，过程输出稳定可预测
失控状态：存在特殊原因变异，过程输出不稳定、不可预测

SPC的核心价值

预防优于检测：SPC强调事前预防，而非事后检验
区分变异来源：帮助识别是调整工艺还是需要系统改进
实时监控：及时发现过程异常，避免大批量不良产生
持续改进：通过减少变异提升过程能力

📈 控制图原理

控制图是SPC的核心工具，由美国统计学家Walter Shewhart发明。控制图以中心线(CL)为中心，在中心线上下各有一条控制限(UCL/LCL)，用于判断过程是否受控。

控制图构成

控制限计算公式：

UCL（上限） = CL + 3σ
CL（中心线） = 过程均值 X̀
LCL（下限） = CL - 3σ

其中σ为过程标准差

控制图判异规则（8条判异准则）

规则编号	描述	图形特征	含义
规则1	1点落在控制限之外	点在UCL/LCL之外	严重异常，需立即处理
规则2	连续9点落在中心线同一侧	9点全在CL一侧	过程均值偏移
规则3	连续6点递增或递减	单边趋势	存在趋势变异
规则4	连续14点交替上下	锯齿状波动	存在周期性变异
规则5	连续3点中有2点落在2σ区域	靠近控制限	轻度异常
规则6	连续5点中有4点落在1σ区域	靠近中心线	变异减小，需关注
规则7	连续15点落在1σ区域	所有点接近CL	数据分层或标准差过小
规则8	连续8点落在1σ区域之外	点在CL两侧远离	变异增大

📉 常用控制图类型

X̄-R 图（均值-极差图）

适用于小批量、大样本场合，是最常用的计量值控制图。

X̄图（均值图）控制限：
UCL_X̄ = X̄̄ + A₂R̄
CL_X̄ = X̄̄
LCL_X̄ = X̄̄ - A₂R̄

R图（极差图）控制限：
UCL_R = D₄R̄
CL_R = R̄
LCL_R = D₃R̄

其中A₂, D₃, D₄为控制图系数，与子组大小n有关

X̄-R 图系数表

n(子组大小)	A₂	D₄	d₂
2	1.880	3.267	1.128
3	1.023	2.574	1.693
4	0.729	2.282	2.059
5	0.577	2.114	2.326
6	0.483	2.004	2.534

X-mR 图（单值-移动极差图）

适用于单件生产、检验成本高或测量周期长的场合。

X图（单值图）控制限：
UCL = X̄ + 3σ = X̄ + 3(R̄/d₂)
CL = X̄
LCL = X̄ - 3(R̄/d₂)

mR图（移动极差图）控制限：
UCL_mR = D₄R̄
CL_mR = R̄
LCL_mR = 0

其中移动极差 R_i = |X_i - X_i-1|

p图/np图（不合格品率控制图）

适用于计数数据，监控不合格品率。

p图控制限：
UCL_p = p̄ + 3√(p̄(1-p̄)/n)
CL_p = p̄
LCL_p = p̄ - 3√(p̄(1-p̄)/n)

其中p̄为平均不合格品率，n为子组大小

📊 控制图示例

X̄-R 控制图示例（加工直径mm）

UCL = 10.15 ▲ 上控制限

CL = 10.00 ● 中心线

样本值：9.95, 10.02, 10.01, 9.98, 10.03, 9.99, 10.00, 10.02, 9.97, 10.01...

LCL = 9.85 ▼ 下控制限

控制图分析判断

状态	判断依据	处理措施
正常受控	所有点均在控制限内，无趋势或模式	持续监控，记录数据
均值偏移	连续9点在CL一侧	查找特殊原因，调整工艺参数
趋势变异	连续6点上升或下降	检查设备磨损或材料批次变化
过程变异增大	点频繁接近UCL/LCL	查找变异来源，加强过程控制
超出控制限	1点或多样点在UCL/LCL之外	立即停产检查，消除异常原因

📁 应用案例

案例：数控车床加工轴径的SPC应用

监控对象：汽车发动机曲轴主轴颈直径，要求规格限10.00±0.05mm

数据采集：每班次抽取5件，测量记录，共采集25组数据

计算结果：

X̄̄ = 9.998mm（过程均值）
R̄ = 0.032mm（平均极差）
子组大小n = 5，查表得A₂ = 0.577，D₄ = 2.114

控制限计算：

X̄图：UCL = 9.998 + 0.577×0.032 = 10.016mm
X̄图：LCL = 9.998 - 0.577×0.032 = 9.980mm
R图：UCL = 2.114×0.032 = 0.068mm

监控结论：过程均值接近规格中心，控制限远窄于规格限，过程能力充足，可实现持续稳定生产。

⚠ 注意事项

🛑 实施要点

合理选择控制图：根据数据特性（计量/计数）和采样方式选择合适的控制图类型
正确确定子组：子组内应只有普通原因变异，子组间可存在特殊原因变异
足够的数据量：初始建立控制图时至少需要20-25组数据
及时更新控制限：当过程发生重大变化（如设备更换、工艺改进）时需重新计算
与规格限区分：控制限≠规格限，控制限反映过程自身能力

📝 常见误区

将规格限误当作控制限使用
子组划分不合理，导致组内变异包含特殊原因
只关注点是否超限，忽视趋势和模式的分析
控制限计算错误或系数使用不当
发现问题后未及时采取行动

💻 最佳实践

结合MSA确保测量系统可靠性
与CPK分析结合，全面评估过程能力
建立异常响应机制，明确处理流程和责任人
利用SPC软件实现自动数据采集和实时监控
定期评审控制图有效性，持续优化控制策略