SPC有那么神秘嘛？

控制图的由来

所谓统计过程控制，是指为了贯彻预防原则，应用统计方法对过程中的各个阶段进行的评估和监控，建立并保持过程处于可接受且稳定的水平，从而保证产品与服务符合规定要求的一种技术。

1924年休哈特博士在美国贝尔实验室首次提出了质量控制图的概念，经过多年的发展，现在 ISO 9000 质量管理体系特别注重过程控制和统计技术的应用。SPC的主要表现形式是各种控制图和相应的过程能力分析。

控制图基础理论

导致质量产生变异的因素很多，根据因素对产品质量影响的大小和性质，可以将其分为两大类：特殊因素和随机因素。

特殊因素很多，如工艺过程的变动、刀具的过度磨损等，这些因素对产品质量的影响是显著的，在技术上容易识别并消除。随机因素也有很多，如温湿度的轻微变化、仪器的微小震动等，这些因素对产品质量的影响是细小的，在技术上不易识别，更不可能消除，但如果从根本上改变了过程，则这种波动会大幅减少。休哈特认为，可以以μ±3δ控制限建立控制图把特殊因素和随机因素区分开来。

控制图是对过程质量特性值进行测定、记录、评估和监测，以判断过程是否处于统计控制状态的一种用统计方法设计的图形。通常控制图的横轴总是时间，而其纵轴则可以有多种选择，例如可以是单值、小组均值、小组极差也可以是小组标准差等等。

实际上，控制图是统计量T的正态分布图在时域上的具体展示。对于服从或近似服从正态分布的统计量T，大约有99.73%的数据会落在上下控制限之内，数据点落在上下限之外的概率约为0.27%。根据假设检验的小概率原则，一旦有界限之外的数据点出现，就可判为异常点，即认为他们是特殊因素造成的过程变异。SPC控制图的基本原理如图所示：

同时根据控制图的分区定义，8条准则可以判断过程的异常：

（1）1点落在控制限之外。

（2）连续9点落在中心线同一侧。

（3）连续6点递增或递减。

（4）连续14点中相邻点升降交替。

（5）连续3点中有2点落在中心线同一侧的B区之外。

（6）连续5点中有4点落在中心线同一侧的C区之外。

（7）连续15点落在C区之内。

（8）连续8点落在中心线两侧，但无1点在C区之内。

统计学上可以证明，以上8种现象出现的概率大体都等于或接近于0.27%，小概率事件的发生导致我们判定为过程为异常。

控制图的类型

常用的控制图按数据类型分为两类：对于连续变量用计量控制图；对于离散变量用计数统计图。前者有单值—移动极差图（I－MR Chart）、均值－极差图（Xbar－R Chart）、均值－标准差图（Xbar—S Chart）；后者有不合格品率图（P Chart）、不合格品数图（NP Chart）、单位产品缺陷数图（ U Chart）和缺陷数图（C Chart）。