SPC统计过程控制的发展及应用

SPC的定义及应用范围什么是SPC？SPC（统计过程控制）指的是一种通过统计方法来监控和控制过程的质量的方法。

它旨在通过分析过程中的数据，以便更好地了解和理解过程的变异性，并采取适当的措施来控制和改进过程的稳定性和能力。

SPC是一种基于数据的方法，它使用统计技术来分析过程中的变异，并通过控制图和其他工具来监控过程的表现。

通过及时识别和解决问题，SPC可以帮助组织提高质量、降低成本，并提高客户满意度。

SPC的应用范围SPC可以应用于各种类型的过程和行业。

无论是制造业还是服务业，SPC都可以用来监控和改进过程的稳定性和能力。

以下是一些常见的应用范围：制造业在制造业中，SPC可以用来监控和控制生产过程中的关键参数。

通过采集和分析实时数据，可以及时发现过程中的异常和变异，并采取相应的纠正措施，以确保产品的一致性和质量。

SPC可以应用于各种制造领域，如汽车制造、电子制造、医疗设备制造等。

例如，在汽车制造中，SPC可以用来监控关键指标，如车身尺寸、涂装厚度等，以确保生产出符合规格的汽车。

服务业尽管SPC最初是为制造业设计的，但它同样适用于服务业。

在服务业中，过程的稳定性和能力同样重要。

通过收集客户反馈和关键指标数据，可以使用SPC来监控和改进服务过程。

例如，在酒店业中，可以使用SPC来检测房间清洁时间、客户满意度等指标，以确保提供高质量的服务。

在银行业中，SPC可以应用于监控关键指标，如服务等待时间、客户投诉率等，以提高客户满意度。

医疗在医疗行业中，SPC可以用于监控和改进各种过程，如手术过程、药品配制过程等。

通过收集和分析相关数据，可以及时发现问题并采取适当的措施，以确保病人的安全和满意度。

SPC在医疗行业中的应用可以帮助医院提供更高质量的医疗服务，减少手术错误和药物错误等。

总结SPC是一种通过统计方法来监控和控制过程质量的方法。

它适用于各种类型的过程和行业，包括制造业、服务业和医疗行业。

通过采集和分析数据，SPC可以帮助组织提高过程的稳定性和能力，从而提高质量、降低成本，并提高客户满意度。

统计过程控制（SPC）：提升制程稳定性在制造业中，制程稳定性是一个至关重要的概念。

不论是生产电子产品、制造机械零件还是生产食品，保持生产过程的稳定性对产品质量和成本控制都至关重要。

统计过程控制（SPC）是一种有效的方法，用来监控和改进生产过程，提升制程稳定性。

什么是统计过程控制（SPC）？统计过程控制（SPC）是一种基于统计方法的质量管理工具，旨在通过监控生产过程中的关键变量，减少变异性，实现生产过程的稳定性。

SPC可以帮助厂商识别并消除造成产品缺陷的根本原因，提高产品质量，降低生产成本，增强市场竞争力。

SPC的原理及应用SPC的基本原理是通过收集和分析生产过程中的数据来了解生产过程的特征和变异性，从而判断生产是否处于受控状态。

通过统计技术，可以找出生产过程中的特殊原因变异和普通原因变异，进而采取相应的控制措施。

SPC的应用范围非常广泛，可以适用于各个行业的生产过程控制。

比如，在汽车制造业，通过对关键工艺参数进行实时监控，可以避免生产出次品车辆；在食品加工业，利用SPC可以确保产品符合质量标准，保障食品安全。

SPC的主要工具和技术SPC主要包含以下几种工具和技术：1.控制图：控制图是SPC的核心工具之一，用来监控生产过程中的变异性。

常见的控制图有X-bar图、R图、P图等，通过控制图可以及时发现异常情况。

2.过程能力分析：通过过程能力分析，可以评估生产过程是否稳定，并确定是否满足产品质量标准。

3.假设检验：假设检验用于判断生产过程中的参数变化是否具有统计显著性，帮助厂商做出正确的决策。

SPC的好处采用统计过程控制（SPC）可以带来诸多好处：1.提升产品质量：SPC可以实时监控生产过程，及时发现问题并及时纠正，确保产品质量稳定。

2.降低生产成本：通过降低废品率和提高生产效率，可以有效降低生产成本。

3.增强市场竞争力：生产出质量稳定的产品，可以提高客户满意度，增强企业在市场上的竞争力。

总结统计过程控制（SPC）是一种重要的质量管理工具，能够帮助企业提升制程稳定性，实现持续改进。

统计过程控制（SPC）的三个发展阶段SPC迄今已经受了三个进展阶段，即SPC（Statistical Process Control，统计过程掌握）阶段、SPCD（Statistical Process Control and Diagnosis，统计过程掌握与诊断）阶段与SPCDA（Statistical Process Control，Diagnosis and Adjustment，统计过程掌握、诊断与调整）阶段。

（一）SPC阶段SPC是美国休哈特博士在20世纪二三十年月所制造的理论，它能科学地区分诞生产过程中产品质量的偶然波动与特别波动，从而对过程的特别准时告警，以便人们实行措施，消退特别，恢复过程的稳定。

这就是所谓质量掌握。

这一理论直到20世纪80年月，依旧是过程掌握实施的重要指导。

（二）SPCD阶段SPCD即统计过程掌握与诊断。

SPC虽然能对过程的特别进行告警，但是它并不能告知是什么特别，发生于何处，也不能进行诊断。

1982年张公绪教授提出了新型掌握图——选控图系列，为SPCD理论的进展奠定了基础。

1982年，张公绪提出两种质量诊断理论，突破了传统的美国休哈特质量掌握理论，开拓了统计质量诊断的新方向。

从今SPC上升为SPCD，SPCD是SPC的进一步进展，也是SPC的其次个进展阶段。

1994年，张公绪教授与其同学郑慧英博士提出多元逐步诊断理论，解决了西方国家的诊断理论需要同时诊断全部变量从而第一种错误的概率α比较大的问题。

1996年张公绪提出了两种质量多元逐步诊断理论（也称为两种T2图的逐步诊断理论）解决了多工序、多指标系统的MSPC与MSPCD（多元质量掌握与诊断）问题。

1998年，张公绪又将上述理论进一步改进，这是多元诊断理论的一个突破，不但使得多元掌握与诊断大为简化，而且很多的多元诊断问题由此得以解决。

目前SPCD已进入有用性阶段，我国仍旧居于领先地位，在SPC 与SPCD的理论与实践方面做出了应有的贡献，形成我国的SPC与SPCD学派。

统计过程控制spc实用指南书籍一、SPC概述。

1. 定义与目的。

- 统计过程控制（SPC）是一种利用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的目的的技术。

它强调预防为主，通过对过程数据的收集、分析，及时发现过程中的变异，在生产不合格品之前就采取措施进行调整。

例如，在汽车制造过程中，通过SPC对发动机装配线上各个关键工序的尺寸、扭矩等参数进行监控，确保发动机的质量稳定性。

2. 历史发展。

- SPC的发展可以追溯到20世纪20年代，由休哈特（Walter A. Shewhart）博士提出控制图的概念开始。

休哈特认识到工业生产过程中存在两种变异：随机变异和可查明原因的变异。

他的控制图为区分这两种变异提供了有效的工具。

随着时间的推移，SPC不断发展，从最初应用于制造业，逐渐扩展到服务业等其他领域。

3. 适用范围。

- SPC适用于各种重复性的生产和服务过程。

在制造业中，如电子元件生产、机械加工等，它可以监控产品的尺寸、性能等质量特性。

在服务业方面，例如银行处理客户业务的等待时间、餐厅的服务效率等也可以运用SPC进行管理。

只要是存在可测量的过程输出并且希望对过程进行有效控制的情况，SPC都能发挥作用。

二、SPC的基本工具。

1. 控制图。

- 类型。

- 最常见的控制图有均值 - 极差控制图（¯X-R图）、均值 - 标准差控制图（¯X-S图）、单值 - 移动极差控制图（X - MR图）等。

- ¯X-R图适用于样本量较小（通常n = 2 - 10）的情况，它通过监控样本均值和极差来判断过程是否稳定。

例如，在小批量生产的精密零件加工车间，对零件的直径进行抽样检测，就可以使用¯X-R图。

- ¯X-S图则更适合样本量较大（n>10）的情况，因为当样本量较大时，标准差的估计比极差更有效。

在大规模的电子芯片生产过程中，对芯片的某项电气性能指标进行监控时，可能会采用¯X-S图。

SPC统计过程控制的发展史关键词：SPC,统计过程控制导语：1924年5月16日，休哈特提出世界上第一张控制图—p图，随着这张控制图以及其中有关过程控制理论的提出，标志着著名的SPC理论的诞生。

二十世纪二十年代，美国贝尔实验室（Bell Telephone Laboratory）成立两个小组，以休哈特（W. A. Shewhart）博士为学术领导人的过程控制(Process Control)研究组，以道奇（H. F. Dodge）为学术领导人的产品控制（Production Control）研究组。

其中，休哈特研究组经过研究，提出了过程控制理论以及监控过程的工具—控制图（Control Chart）。

这就是SPC统计过程控制的萌生阶段。

世界上第一张控制图1924年5月16日，休哈特提出世界上第一张控制图—p图，随着这张控制图以及其中有关过程控制理论的提出，标志着著名的SPC理论的诞生。

1931年休哈特对其理论进行了总结，写出了一本划时代的名著《产品制造质量的经济控制》（Economic Control of Quality of Manufactured Productions）。

这本著作可以称得上一代名著，因为在他出版半个世纪以后的八十年代仍能在美国再版，由此可见其学术价值。

控制图在英国及日本的历史英国在1932年，邀请休哈特博士到伦敦，主讲统计品质管制，而提高了英国人将统计方法应用到工业方面之气氛。

1950年控制图被引进到日本。

同年日本规格协会成立了品质管制委员会，制定了相关的JIS标准。

继休哈特控制图之后的其他控制图在休哈特提出他的控制图（我们称之为“休哈特控制图” ）之后，又有人陆续提出数十种控制图，其中比较重要的有如下几种：累积和控制图（CUSUM，Cumulative Sum Control Chart）：它可以将一系列点子的微弱信息累积起来，所以对过程的小变动灵敏。

指数加权移动平均控制图（EWMA，Exponentially Weighted Moving Average Control Chart）：它最早由罗伯茨（S. W. Roberts）在1959年提出。

SPC统计过程控制技术SPC是指统计过程控制（Statistical Process Control）技术，它是一种采用统计方法来监控和控制生产过程的质量管理工具。

SPC技术通过对过程数据进行统计分析，能够帮助企业发现生产过程中的特殊因素，及时采取措施以避免或减少产品质量问题的发生。

本文将介绍SPC技术的原理、方法和应用。

SPC技术的原理是建立在统计学基础上的。

它利用统计学中的均值、标准差、概率分布等概念和方法，对生产过程中的各种因素进行统计分析，从而了解过程的变异情况。

通过对过程数据的采集和分析，SPC技术可以判断过程稳定性，确定过程能否满足质量要求，并通过控制图等图表形式展示分析结果，帮助生产人员进行决策和改进。

SPC技术主要包括过程能力分析、控制图分析和统计抽样等方法。

过程能力分析是通过统计计算和分析得到的数值指标，评估生产过程是否具备满足产品质量要求的能力。

常用的指标包括过程能力指数（Cp、Cpk）和过程潜力指数（Pp、Ppk）等。

控制图分析是通过绘制控制图来监控过程的稳定性和变异情况，包括过程平均水平的控制图（X̄图）、过程离散程度的控制图（R图、S图）和过程离散程度和平均水平的同时控制图（X̄-R图、X̄-S图）等。

统计抽样是根据统计学原理和抽样方法，通过对样本数据的分析来判断整个过程的质量水平，包括构造抽样方案、抽样样本量的确定和样本数据的分析等。

SPC技术的应用范围广泛。

它适用于各类生产过程中的质量控制和改进，无论是制造业还是服务业。

在制造业中，SPC技术可以应用于各种工艺过程的控制，如冶金、电子、化工等。

在服务业中，SPC技术可以应用于流程控制和质量改进，如银行、保险、医疗等。

此外，SPC技术还可以应用于产品设计阶段的质量控制和改进，通过对设计方案的统计模拟和优化，提高产品的质量性能。

SPC技术的应用有助于提高产品的质量水平和生产的经济效益。

首先，SPC技术可以帮助企业监控生产过程的稳定性，及时发现并消除影响产品质量的变异因素，提高产品的合格率和一致性。

SPC的应用与推行步骤简介统计过程控制（Statistical Process Control，SPC）是一种常用的质量管理方法，旨在通过统计分析来监测和控制生产过程中的变异性，确保产品和服务的质量达到设定的标准。

本文将介绍SPC的应用领域和推行步骤，帮助读者理解并成功运用SPC。

SPC的应用领域SPC可以应用于各种生产和服务领域，以控制质量和改进过程。

以下是几个常见的SPC应用领域：1.制造工业：SPC可用于监测关键工艺参数、控制变量、防止次品率等，以确保产品质量稳定。

2.医疗保健：SPC可用于监测病人的生命体征、医疗器械的性能，提高医疗服务的质量和安全性。

3.金融服务：SPC可用于监测交易数据、风险指标等，预测金融市场的变化和风险。

4.软件开发：SPC可用于监测软件开发过程中的缺陷和错误率，帮助提高软件质量。

5.零售业：SPC可用于监测销售数据、库存状况等，及时发现问题并采取措施。

SPC的推行步骤要成功推行SPC，需要遵循以下步骤：1. 确定目标和目的在推行SPC之前，需要明确目标和目的。

例如，是为了控制产品质量、减少生产过程中的浪费、提供稳定的服务等。

确立清晰的目标和目的，可以让业务团队有明确的方向和动力。

2. 识别关键变量和测量指标确定需要监控和控制的关键变量和测量指标。

这些变量和指标应与产品质量和过程的关键要素密切相关。

通过分析历史数据和经验知识，识别关键变量和测量指标可以帮助我们更好地理解生产过程中的关键要素。

3. 收集和分析数据收集所需的数据并进行分析。

可以通过各种数据收集方法，包括手动记录、自动收集、传感器等。

分析数据可以使用统计方法，例如计算平均值、标准差、过程能力指数等，以获取有关过程稳定性和性能的洞察。

4. 确定过程能力和控制限根据数据分析的结果，评估过程的能力，并确定控制限。

过程能力指数可以帮助判断是否需要改进过程，而控制限可以用于监测过程稳定性。

通常，控制限采用正负三倍标准差的方法，即上限和下限分别为平均值加减三倍标准差。

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。

统计过程控制（SPC）在制造业中的应用案例分析统计过程控制（SPC）是一种常用于制造业中的质量管理方法，通过对过程中的关键参数进行监测与控制，确保产品质量稳定可靠。

本文将以一家汽车零部件制造企业的案例为例，分析SPC在制造业中的应用。

该企业是一家专业生产汽车引擎活塞的制造商，其产品质量直接关系到汽车发动机的性能和寿命。

为了保证引擎活塞的质量，在生产过程中，该企业采用了SPC方法来监控关键参数，及时调整生产过程，提高产品质量。

首先，在SPC的实施过程中，该企业明确定义了关键参数，并建立了相应的控制图。

在引擎活塞的生产过程中，关键参数包括活塞直径、活塞高度、活塞内孔直径等。

通过在生产线上设置检测装置和传感器，实时监测这些参数，并将数据输入到SPC软件中进行分析和控制。

接下来，该企业使用SPC软件对收集到的数据进行统计分析。

通过统计分析，可以了解到每个关键参数的平均值、标准差、极差等信息，以及其变化趋势。

通过对这些数据进行分析，可以判断生产过程的稳定性和一致性。

当关键参数超出了控制界限，即超出了产品质量的上下限时，SPC软件会自动发出警报，提醒相关人员进行相应的调整和控制。

此外，SPC软件还可以生成各种控制图，如X-bar控制图、R控制图和P控制图等。

这些控制图可以直观地显示出生产过程的稳定性和变异性。

通过观察和分析控制图的规律，可以判断生产过程是否受到特殊因素的影响，如材料变化、设备故障或人为误操作等。

当发现特殊因素时，及时采取纠正措施，以确保产品质量稳定。

此外，SPC软件还可以进行过程能力分析，通过分析过程能力指标（Cp、Cpk）等参数，评估生产过程的稳定性和能力。

通过这些分析，可以确定生产过程是否满足质量要求，并及时调整和优化生产过程，以提高产品质量和生产效率。

在该企业的实践中，SPC方法的应用取得了显著的效果。

通过SPC的实时监控和调整，引擎活塞的关键参数稳定在设计要求的范围内，产品质量得到了有效控制。

SPC的技术原理和应用步骤（统计过程控制）SPC即统计过程控制（Statistical Process Control）。

SPC是美国美国贝尔实验室休哈特(Shewhart)博士首先应用正态分布特性于生产过程中的管理，目前已成为生产过程中控制稳定产出的主要工具之一，在生产型企业中应用的非常广泛。

SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。

在生产过程中，产品的质量特征值的波动是不可避免的。

它是由4M1E，即人、机器、材料、方法和环境等基本因素的波动综合影响所致。

波动分为两种：正常波动和异常波动，或称为偶然误差和系统误差。

正常波动是偶然性原因（不可避免因素）造成的。

它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。

异常波动是由系统原因（异常因素）造成的，它对产品质量影响很大，但能够采取措施避免和消除。

过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。

一、SPC技术原理统计过程控制（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。

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，随机误差具有一定的分布规律，当过程受控时没有系统误差，根据中心极限定理，这些随机误差的总和，即总体质量特性服从正态分布N（μ，σ2）。

正态分布的特征直观看就是大多数值集中在以μ为中心位置，越往边缘个体数越少。

在正态分布正负3σ范围内，即样品特征值出现在（μ-3σ，μ+3σ）中的概率为99.73%，即超出正负3σ范围发生概率仅为0.27%。

质量控制中的统计过程控制技术与应用质量控制是现代工业生产不可或缺的一部分，合理的质量控制可以有效的提高产品质量、降低生产成本、增强竞争力。

而统计过程控制技术（SPC）作为质量控制中的一种重要方法，可以通过对生产过程中某一特定指标进行实时监控和控制，实现对质量过程的持续监控和改善。

一、SPC的基本概念和原理统计过程控制是一种基于统计学方法的质量控制方法。

SPC的理论基础在于统计方法中的正态分布和中心极限定理。

通过对生产过程中某一特定指标的实时监控，SPC可以帮助企业实现对质量过程的监控和控制，从而帮助企业提高产品质量，降低生产成本。

SPC的基本原理是以控制图为基础，通过收集过程数据，建立有效的控制上限和下限线，对过程进行实时监控和控制，当过程落在控制上限和下限线之间时，认为过程处于可控状态，否则认为过程处于不可控状态，需要进行进一步研究和控制。

二、SPC的应用场景SPC在生产过程中的应用非常广泛，可以适用于各种不同的生产场景。

下面列举几个典型的应用场景。

1.瓶颈工序控制在制造工艺过程中，通常存在一些关键生产环节，这些环节通常被称为瓶颈工序。

在这些瓶颈工序中，质量控制尤为重要，因为这些环节的效率和产品的质量直接影响到整个生产过程的效率和质量。

SPC 可以帮助企业实时监控这些瓶颈工序，并对其进行控制，从而提高过程效率和产品质量。

2.常规过程控制在任何生产环节中，都存在着一些常规的生产过程，这些常规过程通常采用流水线生产方式，相对于瓶颈工序而言，这些生产环节的控制相对简单。

SPC可以帮助企业实现对这些常规的生产过程的监控和控制，从而降低生产成本，提高生产效率。

3.新产品开发和试制阶段在新产品的开发和试制阶段，需要对生产过程进行有效的控制和监控，以确保产品的质量和效率。

SPC可以帮助企业在新产品开发和试制阶段进行实时监控和控制，从而提高产品的质量和效率。

三、SPC的应用效果SPC的应用可以帮助企业实现以下目标：1.提高产品质量SPC可以帮助企业进行实时的质量监控和控制，对产品质量进行持续改善，提高产品的合格率和稳定性。

/SPC培训之SPC控制图的基本原理和作用SPC培训之统计过程控制又叫SPC，是应用统计技术分析过程中的品质特性，从而达到控制过程变异的目的。

SPC的最终目标在于“预防问题的发生”及减少浪费。

一、SPC的起源与发展1、1924年修哈特博士在贝尔实验室发明了品质控制图。

2、1939年修哈特与戴明合写了《品质观点的统计方法》。

3、二战后英美两国将品质控制图方法引入制造业，并应用于生产过程。

4、1956年，戴明到日本演讲，介绍了SQC的技术与观念。

5、SQC是在发生问题后才去解决，是一种纠正措施，浪费较大，所以发展出SPC。

6、美国汽车制造商福特、通用等公司亦对SPC很重视，SPC得以广泛应用。

7、1SO9000体系亦注重过程控制和统计技术的应用，有专门要素要求。

二、SPC控制图的基本原理1、SPC控制图按3Sigma原理来设置控制界限。

SPC的控制界限设在X±3Sigma的位置上。

在过程正常的情况下，大约有99.73%的数据会落在上、下控制限之内。

所以观察控制图的数据位置，就能了解过程情况有无改变。

2、使用控制图的基本步骤。

①收集数据。

收集被研究的产品或过程特性的数据，并将其转换成可画到控制图上的形式，这些数据可能是一个零件尺寸的实测值、一匹布上的缺陷数、记账的错误数目等。

②控制。

利用数据计算试验控制限，将其画在图上作为分析指南，控制限不是规范值或目标值，而是对基于过程的自然变化的把握。

画好后比较数据与控制限来确定变差是否稳定，是否仅由普通原因引起。

如明显存在变差的特殊原因，应对过程进行研究，从而进一步确定影响它的是什么原因，在采取措施后，再进一步收集数据，如有必要可重新计算控制限，若还出现特殊原因，则继续采取措施。

③分析及改进。

当所有特殊原因被消除后，过程在统计控制状态下运行，可继续使用控制图作为监控工具，也可计算过程能力。

如由于普通原因造成的误差过大，则过程不能生产出始终如一的符合顾客要求的产品。