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。但在现场出现这种情形是不多 的。
UCL
CL
LCL
情形 2：更经常地是控制图上点子突然出界，显示异常。这时必须查出异因，采取措施，加以消除。 控制图的作用是：及时告警。只在控制图上描点，是不可能起到预防作用的。必须强调要求现场第一线 的工程技术人员来推行 SPC ，把它作为日常工作的一部份，而质量管理人员则应该起到组织、协调、监 督、鉴定与当好领导参谋的作用。
状态Ⅰ：统计控制状态和技术控制状态同时达到，最理想；
状态Ⅱ：统计控制状态未达到，技术控制状态达到； 状态Ⅲ：统计控制状态达到，技术状态未达到； 状态Ⅳ：统计和技术控制状态均未达到，最不理想。
从上表看，从Ⅳ达到Ⅰ的途径有两条：Ⅳ Ⅱ Ⅰ或Ⅳ Ⅲ Ⅰ
① 从 CP 值上讲，应先达到Ⅲ，但有时为了达到更加经济，宁可保持在状态Ⅱ也是有的； ② 一般来讲，在生产的未道工序一般以保持状态Ⅰ为宜。 四、
分析用控制图和控制用控制图
1、控制用控制图的含义： 一道工序开始应用控制图时，几乎总不会恰巧处于稳态，也即总存在异因。
如果就以这种非 稳定状态下的参数来建立控制图，控制界限之间的间隔一定较宽，以这样的控制图来管理未 来，将会导致错误的结论。因此，一开始总需要将非稳定的过程调整到稳态，这就是分析用 控制图阶段。等到过程调整到稳态后，才能延长控制图的控制线作为控制用控制图，这就是 控制用控制图阶段。
2、分析用控制图
分析用控制图主要分析以下两个方面： ⑴所分析的过程是否处于统计控制状态？
⑵该过程的过程能力指数 Cp 是否满足要求？维尔达( S.L.Wierda )把过程能力指数满足要求 的状态称作技术稳态。 由于 Cp 值必须在稳态下计算，故须先将过程调整到统计稳态，然后再调整到技术控制状 态。（转附页 1）
分析用控制图的调整过程即是质量不断改进的过程。
UCL
CL
LCL
控制图。由于后者相当于生产中的立法，故由前者转为后者时应有正式交接手续。
进入日常管理后，关键是保持所确定的状态。经过一个阶段的使用后，可能又会出现新的异常，这
时应查出异因，采取必要措施，加以消除以恢复统计过程控制状态。
五、统计数据及其分类数据是统计技术的基础，学习统计技术首先要了解数据。
㈠数据的分类：
大体上可分为两类：计量型数据和计数型数据计量型数据是指那些作为连续量测得的质量特性值，如长度、重量、强度、化学成分、时间、电阻等。
计数型数据是指按个数数得的非连续性取值的质量的特性值，如元件的疵点数、统计抽样中的不合格判定数、审核中的不合格项数等可以用0、1、2⋯等阿拉伯数字一直数下去的数据。计数型数据还可进一步区分为计件数（如不合格数）和计点数（如疵点数）将这些数据换成比率后的数据也是计数数据。
两类数据的差别，决定了数据所反映的统计性质和数据处理的不同方法。例如：计量型数据属连续概率分布，最典型的是正态分布；而计数型数据属离散概率分布，最典型的是二项分布和泊松分布。
㈡统计数据的特性值
1、数据的位置特性值表示数据位置特性（中心趋向）的值有平均值、中位值、中值及众数等。
⑴ 平均值X 如果从整体中抽取一个样本，得到一批数据X1 X2 X3⋯⋯Xn 则样本平均值为
1
X = （X1 + X2+⋯+Xn ）
n
⑵ 中位值
有时为了减少计算，将数据X1 X2 X3⋯⋯Xn按大小次序排列，用居正中的那个数（当数据个数为奇数时）或中间两个数的平均值（当数据个数为偶数时），表示数据的整体平均水平。
⑶ 中值M
测定值中的最大值Xmax 与最小值Xmin 的平均值，用M 表示
X max X min
M=
2
⑷ 众数在用频数分布表表示测定值时，频数最多的是值即为众数。若测定值按区间作频数分布
时，频数最多的区间代表值（一般用区间中值）亦称众数。
2、数据的离散特性值仅有一个反映数据位置的特性值是不够的，还必须有一个反映数据离散程度变
即变异程度的特性值。经常使用的离散特性值，包括极差（R）、偏差平方和（S）、无偏方差
S2和标准偏
差s 等。
⑴ 极差（R ）
测定值中最大值Xmax 与最小值Xmin 之差称为极差，用R 表示，通常极差用于测定个数n 小于10 的场合。
⑵ 偏差平方和
各个测定值与平均值X 之差称为偏差，各测定值的偏差的平方和称偏差平方和，简称平方和，用S 表示。
n
S= （Xi－X ）i=1
⑶ 无偏方差
各个测定值的偏差平方和除以（n-1）后得的值为无偏方差（简称方差），用S2表示。n
S2
=S
=
1（Xi －X ）2 n1n1 i=1
2
方差S单位为测定值单位的平方。
⑷ 标准偏差s
2
方差S的平方根为标准偏差（简称标准差）用S 表示s= 1（Xi X ）2
n 1 i=1
标准偏差s 的单位为测定值单位
六、Cpk （过程能力指数）
1、Ca（Capability of accuracy ）制程准确度
从生产过程中所获得的资料其实际平均值（X ）与规格中心值（u）之间偏差的程度，称为准确
度。
C =实测中心值规格中心（X U）%
C a=规格容许差T /2%
Ca等级划分标准：
Ca之处置原则：
A 级：维持原则；
B 级：改进为 A 级；
C 级：立即检讨、改善；级：采取紧急措施，全面检讨，
必要时停止生产。
2、Cp（Capability of precison ）（制程精密度）
6
规格容许差 规格公差
Cp=
3S
以规格公差（ T ）与生产中所获得的 6 个估计实际标准差（ σ）其间相差的程度
只有规格上限：
Cp=
Su X
3
X SL 只有规格下限： Cp= X SL
3
(Cp)
3、 制程能力指数 Cpk ：综合 Ca 与 Cp 两值之指数 ⑴ Cpk 值计算公式 A ． 双边规格时
Cpk= ( 1- Ca )Cp B ．单边规格时
(Su X) (X SL)
Cpk=Min 33
⑵ 等级判定
Cpk 值愈大，品质愈佳，依 Cpk
值大小分为五级：
Cpk 之处置原则：
A* ：考虑管理的简单化或成本的降低方法； A ：维持原状 B ：改进为 A 级
C ：需全数选别并管理，改善制程
D ：进行品质改善，探求原因，需要采取紧急对策，并重新检讨规格。 Ca 、Cp 不良时的一般处理方
法
4、制程能力研究之应用
1、对设计单位提供基本资料；
2、分派工作到机器上；
3、用来验收全新或翻新调整过的设备；
4、选用合格的作业员；
5、设定生产线的机器；
6、根据规格公差设定设备的管制界限；
7、当制程能力超越公差时，决定最经济的作业水准；
8、找出最好的作业方法。
七、控制图（Control chart ）的作法：
㈠控制图的结构：
控制图（control chart）是对过程质量特性值进行测定记录、评估，从而监察过程是否处于控制状态的一种统计方法设计的图。图上有中心线（CL ，central line ）、上控制线（UCL ，upper control line）和下控制线（LCL ，lower control limit ），并有按时间顺序抽取的样本统计量数值的描点序列。UCL 与LCL 统称为控制线（control lines ）。若控制图中的描点落在UCL 与LCL 之外，或描点在UCL 现LCL 之间的排列不随机，则表明控制过程异常。控制图有一个很大的优点，即在图中所描绘的点子与控制界限相比较，从而能够直观地看到产品或服务的质量的变化。
㈡控制图的分类
1、计数型控制图
①不合格品率的P 控制图（样本容量不一定相同）；
②不合格品数的nP 控制图（相同样本容量）；
③不合格缺陷数的 C 控制图（相同样本容量）；
④单位不合格缺陷数的μ 控制图（样本容量不一定相同）。
2、计量型控制图
① X -R 控制图（均值和极差图）
② X -S 控制图（均值和标准差图）
③X-~R 控制图（中位数图）
④X-MR 控制图（单值和移动极差图）
㈢控制图的原理
1、3σ原则
当质量特性值的随机变量X 服从正态分布时，则X 落在U± 3σ范围内的概率是0.9973。根据小概率事件可以“忽略”的原则，可以认为，如果变量X 超出U ±3σ范围，则认为过程存在异常
变异（系统性变异）。
2、两类错误的概率
控制图是利用从总体中抽取的样本数值进行判断的，既然是抽样就可能存在风险，即产生错误或漏判错误的风险。
A．错判是虚发警报的错误，出称为第I类错误。在过程正常情况下，依然存在由于偶然原因造成点子超出上、下控制限以外的情况，从而造成将一个正常整体错判为不正常。不过这种情况
的概率很小，一般不会超出3‰，第I 类错误通常用α 表示。
B ．漏判是漏发警报的错误，也称第Ⅱ类错误。在过程存在异常变异时，如被监控的总体的均值
发生偏移或其标准发生改变，仍会有一部份数据的概率也很小，通常用β 表示。
3、控制图的设计思想
休哈特控制图的设计思想是：先确定第I 类错误α，而且将α取得很小（ 2.7‰~3‰）,以增加控制图使用者的信心。为控制第Ⅱ类错误β，则增加了对界限内点子趋势向判异规则，即：“界内点排列不随机判异”的原则。
4、过程异常判断
A 、对控制图的直观判断根据正态分布的特点，对过程是否存在异常大体有以下几种情况：
⑴ 多数点子在U± 1σ范围内（理论上是68%左右），小部份点子在U ±2σ与U±1σ 之间（理论
上是27%左右）而且点子呈随机排列，这是过程控制的理想状态。
⑵ 中心线一侧的点子明显比另一侧多（理论上是两侧的点子各占50% ），这时应考虑均值可能
产生偏移。
⑶ 较多的点子接近上下控制限，说明标准差已变大
⑷ 中心线一侧连续出现多个点子或点子连续上升（或下降）证明有因素干扰（点子连续在一侧称为
链，链的点子数称为链长，点子连续上升（或下降）称“倾向” 。
⑸ 点子按一定时间间隔呈周期性起伏变化，一般是由于工艺、环境等因素失控造成的结果。
A、点子累积接近控制限的情况应判异常；
B、点子呈链状排列，链子不少于7 时判异常；
C、点子呈倾向性排列，当有不少于7 点连续上升（或下降）倾向时判异常；
D、点子超出上下控制限判异常。
⑹ 八种典型判异准则
准则1：一点在 A 区之外。准则2：9点在 C 区或其外。
准则3：6 点递增或递减准则4：14 点上下交替
准则 5：3点中有 2点在 A 区。 准则 6：5点中有 4点在 B 区
一般而言，发生点子超越控制限情况都应视为异常，但如果过程一直稳定，在大量的点子中 有极个别点子超出界外，此时应结合过程特点具体分析。
5、 过程改进循环（见附页）
1 、 分析过程 当考虑进行过程改进时，必须对该过程有基本的了解，为了对过程有很好的理解应弄
清以下 问题：
a 本过程应做些什么？
B 会出现什么问题 ——本过程会有哪些变化？ ——我们已经知道本过程的什么变差？ ——哪些
参数受变差的影响大？
C 本过程正在做什么？ ——本过程是否在生产废品或需要返工的产品？ ——本过程生产的产品
是否处于统计过程控制状态之？ ——本过程是否有能力？ ——本过程是否可靠？
2、 维护（控制）过程 使过程维持在一定的能力水平上，采取有效的措施防止过程发生不希望的变
化。同时。了解 所希望的变化并使之保持稳定。
3、 改进过程 通过变差来改进过程，包括有目的向过程中引入变化并测量其效果更好地理解过程，使
变差
的普通原因进一步减小。
准则 7：15 点在 C 区中心线上下 准则 8： 8 点在中心线两侧，但无 1 点在 C 区中。
6、PDCA 循环统计制程控制中三大步骤每一步都有一个PDCA 循环，P是计划，D是执行，C是检查，
A 是行动，
其中计划阶段包括全员参与准备活动，调查可能的原因，确定因果关系，执行阶段就是采取预防和纠正措施，检查阶段就是改进的确认行动阶段就是保持成果并持续改进。
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。
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 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。 结论 SPC是一种基于数据分析的质量管理方法，可用于提高产品质量、降低生产成本和提高客户满意度。实施SPC要点是确保收集到正确和完整的数据，以及培养高素质的SPC人才。尽管可能会存在一些问题，但使用SPC可以帮助企业实现过程优化和质量提升，并提升竞争力。
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
统计过程控制（Statistical Process Control, SPC） 随着科技的发展，产品的制造过程日益复杂，对产品的质量要求日益提高，电子产品的不合格品率由过去的百分之一、千分之一降低到百万分之一（ppm），乃到十亿分之一（ppb），仅靠产品检验剔除不合格品，无法达到这样高的质量水平，经济上也不可行，必须对产品的制造过程加以控制，在生产的每一步骤实施控制。 为了实现对产品的制造过程加以控制，早在20世纪20年代休哈特就提出了过程控制理论以及控制过程的具体工具——控制图(control chart)。1931年休哈特出版了他的代表作：《加工产品质量的经济控制Economical Control of Quality of Manufactured Products》，这标志着统计过程控制时代的开始。 统计过程控制就是应用统计学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稳定水平，从而保证产品与服务符合规定的要求的一种技术。它包含两方面的内容：一是利用控制图分析过程的稳定性，对过程存在的异常因素进行预警；二是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。 统计控制图 1．控制图原理 导致质量特性波动的因素根据来源不同可分为人员（Man）、设备（Machin e）、原材料（Material）、工艺方法（Method）、测量（Measurement）和
环境（Environment）六个方面，简称5M1E。根据对产品质量的影响大小来分，可分为偶然因素（简称偶因，Common cause）与异常因素（简称异因，在国际标准和我国国家标准中称为可查明原因，Special cause, assignable cause）两类。偶因是过程固有的，始终存在，对质量的影响微小，但难以除去，如机器震动，环境温湿度的细微变化等。异因则非过程固有，有时存在，有时不存在，对质量影响大，但不难除去，例如配件磨损等。 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。异常波动则不然，它对质量的影响大，且可以通过采取恰当的措施加以消除，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。一旦发生异常波动，就应该尽快找出原因，采取措施加以消除。将质量波动区分为偶然波动与异常波动两类并分别采取不同的对待策略，这是休哈特的贡献。 偶然波动与异常波动都是产品质量的波动，如何能发现异常波动的存在呢？我们可以这样设想：假定在过程中，异常波动已经消除，只剩下偶然波动，这当然是正常波动。根据这种正常波动，应用统计学原理设计出控制图相应的控制界限，而当异常波动发生时，点子的排列就呈现不随机的状态，甚至落在界外。点子频频出界表明一定存在异常波动，控制图上的控制界限就是区分偶然波动与异常波动的科学界限。 根据上述，可以说休哈特控制图即常规控制图的实质是区分偶然因素与异常因素两类因素。
第五章统计过程控制 本章要点 ●过程能力指数概述； ●过程能力指数分析； ●控制图的分类程序和方法； ●控制图的分析。 第一节过程能力分析 一、过程能力 1．过程能力的概念 过程能力（process capability）或称之为工序能力是指处于稳定状态下的过程（或工序）实际的加工能力，它是衡量过程加工内在一致性的标准。 过程能力的测定一般是在成批生产状态下进行的，过程满足产品质量要求的能力主要表现在以下两个方面：①产品质量是否稳定；②产品质量精度是否足够。因此，当确认过程能力可以满足精度要求的条件下，它是以该过程产品质量特性值的变异或波动来表示。产品质量的变异可以用频数分布表、直方图、分布的定量值以及分布曲线来描述。在稳定生产状态下，影响过程能力的偶然因素的综合结果近似地服从正态分布。为了便于过程能力的量化，可以用3σ原理来确定其分布X围：当分布X围取为µ±3σ时，产品质量合格的概率可达99.73%接近于1。因此以±3σ，即6σ为标准来衡量过程的能力是具有足够的精确度和良好经济特性的。所以在实际计算中就用6σ的波动X围来定量描述过程能力。 记过程能力为B，则B=6σ。 2．影响过程能力的因素 在加工过程中影响过程能力的因素，主要有以下几个方面： （1）设备方面。如设备精度的稳定性，性能的可靠性，定位装置和传动装置的准确性，设备的冷却润滑的保护情况，动力供应的稳定程度等。 （2）工艺方面。如工艺流程的安排，过程之间的衔接，工艺方法、工艺装备、工艺参数、测量方法的选择，过程加工的指导文件，工艺卡、操作规X、作业指导书、过程质量分析表等。 （3）材料方面。如材料的成分，物理性能，化学性能处理方法，配套元器件的质量等。 （4）操作者方面。如操作人员的技术水平、熟练程度、质量意识、责任心等。 （5）环境方面。如生产现场的温度、湿度、噪音干扰、振动、照明、室内净化、现场污染程度等。 过程能力是上述5个方面因素的综合反映，但是在实际生产中，这5个因素对不同行业、不同企业、不同过程，及其对质量的影响程度有着明显的差别，起主要作用的因素称为主导因素。如对化工企业来说，一般设备、装置、工艺是主导因素。又如机械加工的铸造过程则主要因素一般是工艺过程和操作人员的技术水平，手工操作较多的冷加工、热处理及装配调试中的操作人员更为重要等等。这些因素对产品质量都起着主导作用，因而是主导性因素。 在生产过程中，随着企业的技术改造和管理的改善，以及产品质量要求的变化，主导性因素也会随着而变化的。如当设备问题解决了，可能工艺管理或其它方面又成为主导性因素；当工艺问题解决了，可能操作人员的水平、环境条件的要求又上升到主导因素等等。进行过程能力分析，就是要抓住影响过程能力的主导因素，采取措施，提高过程质量，保证产品质量达到要求。
统计过程控制（SPC） SPC是Statistical Process Control的简称统计过程控制 利用统计的方法来监控制程的状态，确定生产过程在管制的状态下，以降低产品品质的变异 SPC能解决之问题 1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。使制程稳定，能掌握品质、成本与交期。 2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。 3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。 4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。 5.改善的评估：制程能力可作为改善前後比较之指标。 利用管制图管制制程之程序 1.绘制「制造流程图」，并用特性要因图找出每一工作道次的制造因素（条件）及品质特性质。 2.制订操作标准。 3.实施标准的教育与训练。 4.进行制程能力解析，确定管制界限。 5.制订「品质管制方案」，包括抽样间隔、样本大小及管制界限。 6.制订管制图的研判、界限的确定与修订等程序。 7.绘制制程管制用管制图。 8.判定制程是否在管制状态（正常）。 9.如有异常现象则找出不正常原因并加以消除。 10.必要时修改操作标准（甚至於规格或公差）。
分析用管制图主要用以分析下列二点： (1)所分析的制(过)程是否处於统计稳定。 (2)该制程的制程能力指数(Process Capability Index)是否满足要求。 －控制图的作用： 1.在质量诊断方面，可以用来度量过程的稳定性，即过程是否处于统计控制状态； 2.在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候则需使过程保持相应的稳定状态； 3.在质量改进方面，可以用来确认某过程是否得到了改进。 应用步骤如下： 1.选择控制图拟控制的质量特性，如重量、不合格品数等； 2.选用合适的控制图种类； 3.确定样本容量和抽样间隔； 4.收集并记录至少20～25个样本的数据，或使用以前所记录的数据； 5.计算各个样本的统计量，如样本平均值、样本极差、样本标准差等； 6.计算各统计量的控制界限； 7.画控制图并标出各样本的统计量； 8.研究在控制线以外的点子和在控制线内排列有缺陷的点子以及标明异常（特殊）原因的状态； 9.决定下一步的行动。 应用控制图的常见错误： 1.在5M1E因素未加控制、工序处于不稳定状态时就使用控制图管理工作； 2.在工序能力不足时，即在CP＜1的情况下，就使用控制图管理工作；
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。 2.3 SPC在质量控制和质量保证中的应用 SPC在质量控制和质量保证上也具有很好的应用。在生产过程中对重要参数进行实时检测和监控可以确保产品始终处于一个稳定的状态，从而保证产品质量的稳定性。同时，当生产过程出现异常时，及时调整参数，避免次品的产生，防止质量风险进一步扩大。 三、SPC的关键要素 SPC包括以下几个关键要素： 1. SPC相关的统计术语和量测方法 在SPC中，有几个统计量的概念非常重要。首先是平均值和标准差。平均值是一组数据的数值总和除以数据的数量，反映了数据的集中趋势；标准差是数据离散程度的度量，它表示每个数据点与平均值的偏离程度。其次，过程能力指数（CPK）是评估生产过程稳定性的重要参数。它衡量了生产过程在给定规格范围内产生的产品数量与超
第六章统计过程控制 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。
统计过程控制 目录 统计过程控制的概念 统计过程的特点 SPC解决的两个基本问题 SPC理论的应用范围 SPC理论的作用 SPC—统计过程控制 统计过程控制的概念 统计过程控制（简称SPC)是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。它是过程控制的一部分,从内容上说主要是有两个方面:一是利用控制图分析过程的稳定性,对过程存在的异常因素进行预警;二是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。 统计过程的特点 它是一种预防性方法；强调全员参与；强调整个过程，重点在于P（Process）,即过程。 SPC解决的两个基本问题 一是过程运行状态是否稳定，可利用控制图这一统计工具进行测定； 二是过程能力是否充足，可通过过程能力分析来实现。 SPC理论的应用范围 加工过程、设计过程、管理过程、服务过程等 SPC理论的作用 1. 确保制程持续稳定、可预测。 2. 提高产品质量、生产能力、降低成本。 3. 为制程分析提供依据。 4. 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。SPC—统计过程控制 统计过程控制（简称SPC）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。它认为，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）；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，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。 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：可能需要消除过程中的系统性因素，也可能需要管理层的介入来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。 控制图是SPC中最重要的工具。目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性进行控制的控制图。 SPC源于上世纪二十年代，以美国Shewhart博士发明控制图为标志。自创立以来，即在工业和服务等行业得到推广应用，自上世纪五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起起到了至关重要的作用；上世纪八十年代以后，世界许
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。但在现场出现这种情形是不多 的。 UCL CL LCL
统计过程控制的基本原理 统计过程控制的基本原理 统计过程控制，即： Statistical Process Control，简称SPC。作为一种先进方法论，统计过程控制主要对制造流程进行测量、控制与品质改善。在此基础上产生的专门质量管理工具——SPC软件，也被广泛应用于制造业的质量改进中。下面是yjbys店铺为大家带来的关于统计过程控制的四个基本原理的知识，欢迎阅读。 传统的质量管理，主要是通过纸笔记录进行数据采集，企业负责人或者说质量主管主要靠“猜”。这种方法对人的经验过度依赖，非常不利于质量管理的效果。统计过程控制将在实时生产过程中获得的以产品或其他形式存在的质量参数绘制在事先确定好控制限的图表上，从而帮助企业对生产的过程进行实时的管控与分析，效果显著。下面文章将具体介绍统计过程控制的四个基本原理，帮助读者更好地学习、了解这种先进的质量管理方法。 一、统计过程控制原理之过程 所谓过程指的是共同工作以产生输出的供方、生产者、人、设备、材料、方法和环境以及使用输出的顾客之集合。过程的性能取决于供方和顾客之间的沟通、过程设计及实施的方式、动作和管理方式等。过程控制系统的其他部分只有它们在帮助整个系统保持良好的水平或提高整个过程的性能时才有用。 二、统计过程控制原理之有关性能的信息 通过分析过程输出可以获得许多与过程实际性能有关的'信息。但是与性能有关的最有用的信息还是以研究过程本质以及其内在的变化性中得到的。过程特性(如温度、循环时间、进给速率、缺勤、周转时间、延迟以中止的次数等)是我们关心的重点。我们要确定这些特性的目标值，从而使过程操作的生产率最高，然后我们要监测我们与目标值的距离是远还是近，如果得到信息并且正确地解释，就可以确定过程是在正常或非正常的方式下运行。若有必要可采取适当的措施来校正过程或刚产生的输出。若需要采取措施，就必须及时和准确，否则
Spc统计过程控制 第一部分 1、什幺是SPC？SPC 是三个英文单词的缩写（Statistical Process Control），即统计过程控制是应用统计方法对过程中的各个阶段进行监控，从而达到质量保证与质量改进的目的。在此可将统计学看成是从一系列数据中收集信息的工具，它是通过预防而不是通过检测来避免浪费。 SPC 的特点是：1.全系统的，要求全员参与，人人有责；2.强调用科学的方法来保证达到目的；3.SPC 强调全过程的预防为主；4.SPC 不仅用于生产过程，而且可用于服务过程和一切管理过程。 SPC 要点：1.SPC 是运用统计学方法将过程的输出量和预先设定的控制界限进行比较，并分辨出通常原因和异常原因，从而在生产过程中进行质量控制；2.SPC 是预防行为，可针对问题的纠正措施提供有效的资源配置；3.SPC 是一系列的“事前”方法，它不仅是检测，而且是通过系统的分析、使用收集的数据，并以过程能力为基础，来预测过程的发展趋势。2、SPC 的发展史与质量管理的进展20 世纪二三十年代，美国贝尔电话实验室的休哈特（W.A.Shewhart）博士首先提出过程控制的概念与实施过程控制的方法，并于1931 年出版了“加工产品品质的经济控制”（Economic Control of Quality of Manufactured Products）之后，SPC 应用于各种制造过程改善便从此展开。今天的SPC 与当年的休哈特方法并没有根本的区别。当时SPC 并不流行，二次世界大战后期，美国开始在军工部门推行休哈特的方法，但应用并不广泛。战后，美国成为当时工业强大的国家，于是统计过程控制方法在1950～1980 年这一阶段内逐渐从美国工业中消失。反之，在战后经济遭到严重破坏的日本，白废待兴，提出了以产品质量为根本来提高竞争力，所以到美国请了戴明等人到日本指导品质，将SPC 的概念引入日本。SPC 在戴明的指导下，功能发挥的很不错，从1950 年到1980 年，日本跃居世界质量和生产率方面的领先地位。日本人为了牢记戴明的功劳，就在日本设立了一年一度的品质界最高奖项-----戴明品质奖，后来美国和台湾等地也采用日本的方式，设立了一年一度的戴明奖。在日本强有力的竞争之下，SPC 在西方工业发达的国家复兴，西方工业发达国家纷纷加以推行并把SPC 列为高科技之一。如美国从80 年代起开始推行SPC，美国汽车工业、钢铁工业等许多行业都推行了SPC。20 世纪人类跨入了以加工机械化、经营规模化、资本垄断化为特征的工业化时代。在整整一个世纪中，质量管理的发展经历了生产后检测、生产中使用SPC、在生产前进行产品和过程控制三个阶段.3、SPC 的作用 过程控制是为了确保满足顾客的要求而对过程所执行的一套程序和经过计划的措 施，使用控制图等统计技术来分析过程或其输出，以便采取适当措施来达到并保持统计 控制状态从而提高过程能力。 SPC 的作用主要体现在如下几个方面： 3.1 单纯从SPC 理论上分析对企业的益处，它具有经济性、预警性，能合理的使用企业 的设备； 3.2 从制造过程（制程）上分析对制程的功效，通过分辨共同原因和特殊原因，找出最 大质量问题原因，以便于工作更有绩效；生产过程能力指数（CPK）可作为改善前后简 单比较的依据，作为生产过程检讨的共同语言；减少报表处理工作量，增加了分析数据 的真实性、科学性，从宏观到微观全面真实地了解质量状况；建立一个技术、生产、质 管三个与质量有直接管理部门的沟通的平台。 3.3SPC 有利于维护过程控制和过程的稳定性，加强产品的可靠性和可维护性 3.4 理想的运做SPC 可以达到的做用可以用3W2H 来描述：找出什幺时候会发生异常 （When）；找出发生什幺具体异常（What）；分析出异常的原因（Why）；得出解决异常的方法（How）；建立起预防方案（How）。4、SPC 的基本理论基础 在SPC 中，虽然任何统计方法都可以应用的，但最常用的是控制图理论。现在将 SPC 的理论要点简单介绍如下： 4.1 产品质量的统计观点 产品质量的统计观点是现代质量管理的基本观点之一。它包括两部分的内容：1.产 品质量具有变异性：在生产中，影响产品质量的因素按不同的来源分可分为人员、原材
统计过程控制的基本特点 统计过程控制是一种常用于生产过程中的质量管理方法，它可以帮 助生产企业监测生产过程中的质量状况，并且作出相应的调整，保证 产品达到一定的质量标准。统计过程控制具有以下的基本特点： 特点一：基于数据采集和分析 统计过程控制是一种数据驱动的质量管理方法，它通过采集生产过程 中的数据，分析数据，找出过程中存在的变异，进而识别生产过程中 的各种问题，并且采取措施进行调整。 特点二：依据统计方法分析数据 在统计过程控制中，各种统计方法被广泛运用，例如直方图、控制图、方差分析等等。这些方法可以帮助生产企业更好地理解生产过程中的 数据，并且从中识别出存在的问题，寻找控制过程的关键点。 特点三：建立规范的控制界限 在统计过程控制中，规范的控制界限是非常重要的。通过在控制界限 内对过程进行控制，能够保证生产的稳定性和可控性。同时，控制界 限的设定也需要考虑生产的实际情况和企业的实际需求。 特点四：强调预防性管理
统计过程控制强调预防性管理，即尽早识别存在的问题，并且采取措施进行调整，防止问题发展成为质量问题。通过加强预防性管理，生产企业可以在生产过程中避免不必要的资源浪费，提高生产效率，并且生产出更高质量的产品。 特点五：持续改进 持续改进是统计过程控制的一个核心理念。在生产过程中，生产企业应该不断地对生产过程进行监测和分析，并且进行不断的改进，以便进一步提高生产效率，提高产品质量，提高企业的市场竞争能力。 综上所述，统计过程控制是一种重要的质量管理方法，它通过采集数据、分析数据、设定控制界限、强调预防性管理以及持续改进，帮助生产企业提高生产效率，提高产品质量，增强企业的市场竞争能力。
第四章统计过程控制 第一节概述 一、过程控制的概念(了解) 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。 目的：为生产合格产品创造有利的生产条件和环境，从根本上预防和减少不合格品的产生。 主要内容： ⑴对过程进行分析并建立控制标准 分析影响过程质量因素，确定主要因素； 分析主要因素影响的方式和程度，明确主要因素的最佳方式； 确定关键过程和关键质量特性，建立管理点，编制全面的控制计划和文件。 ⑵对过程实施监控和评价 据不同的工艺特点采用不同的检测方式 利用监测信息进行预警和分析评价。 ⑶对过程进行维护和改进。 二、统计过程控制 1. 统计过程控制的产生(了解) 2. 统计过程控制的含义（掌握） 掌握以下内容： 术语：统计过程控制是应用统计技术对过程中的各个阶段进行监控和评估，建立并保持过程处于可接收的并稳定的水平，从而保证产品与服务符合规定要求的一种质量管理技术。 它是过程控制的一部份（一种方式）。 有两方面的内容：①利用控制图分析过程的稳定性，对过程存在的异常因素进行预警；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。 3.科学技术的发展，产品生产的不合格品率大幅度下降(了解) 百分之一千分之一百万分之一(ppm) 十亿分之一(ppb) 生产控制由原来的3σ控制6σ控制。 3σ控制: μ=M : P=0.27%; P=2700 ppm。 |μ-M|=1.5σ: P=6.6807%; P=66807 ppm。 6σ控制: μ=M : P=0.0000002%; P=0.02 ppm P=2 ppb。 |μ-M|=1.5σ: P=0.00043%; P=4.3 ppm。
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。 e)减小随机因素的影响需要对过程系统地改进。 典型的随机影响因素：原材料的成份和性能在范围内的微小差异；机器在规定范围的微小振动；温度、湿度的微小变化、操作方法、测量方法和测量仪器的微小差异等。 仅由随机因素引起的过程输出质量特性波动是固定波动。把只受随机因素影响的过程称为处于统计控制状态的过程，简称为受控状态或稳定状态。 4）系统因素：是那些正常的过程中并不存在，一旦存在则影响显著的；对波动的大小和作用方向一般具有倾向性或同期性；容易查明和控制的；在正常的过程中不允许存在的波动因素。 特点： a)并不经常存在于过程中； b)它们通常来自过程以外； c)相比随机因素而言，对过程波动有较大的影响； d)容易发现和隔离。 典型的系统原因有：原材料的成份和性能不符合规定的要求；机器设备带病运转；操作者违反操作规程；测量工具带系统性误差等。 如果过程受到了系统性因素的影响，我们称之为失控状态或不稳定状态。 5）波动产生的结果的可预测性： a)正常波动：也就是受控的过程，其输出质量特性的波动具有统计规律性，我们可以预测其产
统计过程控制 统计过程控制（简称SPC)是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。 统计过程控制是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。它是过程控制的一部分,从内容上说主要是有两个方面:一是利用控制图分析过程的稳定性,对过程存在的异常因素进行预警;二是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。 品管旧七大手法的应用 各种方法与达成目的的对应性 ● 管制图：判断制程是否正常 ● 推移图：将数据推移看其走趋 查表法：作为收集数据之用 检查表又称调查表，统计分析表等。检查表是QC七大手法中最简单也是使用得最多的手法。但或许正因为其简单而不受重视，所以检查表使用的过程中存在的问题不少。使用检查表的目的：系统地收集资料、积累信息、确认事实并可对数据进行粗略的整理和分析。也就是确认有与没有或者该做的是否完成（检查是否有遗漏）。 ● 层别法：将混合的数据层别开，以利比较 ● 直方图：观察因素分布状况(数据较多，可单独拎出)
直方图(Histogram)是频数直方图的简称。它是用一系列宽度相等、高度不等的长方形表示数据的图。长方形的宽度表示数据范围的间隔，长方形的高度表示在给定间隔内的数据数。 直方图的作用 (1)显示质量波动的状态； (2)较直观地传递有关过程质量状况的信息； (3)通过研究质量波动状况之后，就能掌握过程的状况，从而确定在什么地方集中力量进行质量改进工作。 ● 柏拉图：找出生要的项目 根据所搜集之数据，按不良原因、不良状况、不良发生位置等不同区分标准，以寻求占最大比率之原因，状况或位置的一种图形。柏拉图又叫排列图。它是将质量改进项目从最重要到最次要顺序排列而采用的一种图表。柏拉图由一个横坐标、两个纵坐标、几个按高低顺序（“其他”项例外）排列的矩形和一条累计百分比折线组成。 柏拉图（排列图）格式
统计过程控制（Statistical Process Control, SPC） 随着科技的发展，产品的制造过程日益复杂，对产品的质量要求日益提高，电子产品的不合格品率由过去的百分之一、千分之一降低到百万分之一（ppm），乃到十亿分之一（ppb），仅靠产品检验剔除不合格品，无法达到这样高的质量水平，经济上也不可行，必须对产品的制造过程加以控制，在生产的每一步骤实施控制。 为了实现对产品的制造过程加以控制，早在20世纪20年代休哈特就提出了过程控制理论以及控制过程的具体工具——控制图(control chart)。1931年休哈特出版了他的代表作：《加工产品质量的经济控制Economical Control of Quality of Manufactured Products》，这标志着统计过程控制时代的开始。 统计过程控制就是应用统计学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稳定水平，从而保证产品与服务符合规定的要求的一种技术。它包含两方面的内容：一是利用控制图分析过程的稳定性，对过程存在的异常因素进行预警；二是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。 统计控制图 1．控制图原理 导致质量特性波动的因素根据来源不同可分为人员（Man）、设备（Machine）、原材料（M aterial）、工艺方法（Method）、测量（Measurement）和环境（Environment）六个方面，简称5M1E。根据对产品质量的影响大小来分，可分为偶然因素（简称偶因，Common cause）与异常因素（简称异因，在国际标准和我国国家标准中称为可查明原因，Special cause, assignable cause）两类。偶因是过程固有的，始终存在，对质量的影响微小，但难以除去，如机器震动，环境温湿度的细微变化等。异因则非过程固有，有时存在，有时不存在，对质量影响大，但不难除去，例如配件磨损等。 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