SPC 控制图：概述、何时使用以及如何创建

---

20 世纪 20 年代，贝尔实验室的沃尔特·休哈特博士提出了统计过程控制 (SPC) 的概念。W·爱德华兹·戴明博士对其进行了详细阐述，并在二战后将其引入日本工业。随着日本企业的早期成功，统计过程控制现已在全球各组织中被采用，作为通过最小化过程差异来提高产品质量的基本方法。

休哈特博士发现了过程变异的两个来源——固有的过程变异，在一段时间内是稳定的，以及可识别的或不可控的变异，在一段时间内是不稳定的——系统外部特定事件的结果。戴明博士将偶然变异重新命名为普通原因变异，而将可识别变异重新命名为特殊原因变异。

基于他对多种类型过程数据以及统计和概率原理的了解，休哈特博士开发了控制图来显示随时间推移的数据，并检测普通原因和特殊原因变异。

什么是 SPC 控制图？

统计过程控制系统 (SPC) 是一种基于统计的方法，用于控制制造过程或程序。SPC 工具和技术可以监控过程行为、检测内部系统的故障并为生产问题制定解决方案。

SPC 控制图用于分析过程如何演变。所有过程数据都按时间顺序显示。SPC 控制图的三个基本组成部分是平均值的中心线 (CL)、下控制限 (LCL)（下控制单元）和上控制限 (UCL)（上控制单元）。

为什么离散度如此重要？

我们经常关注平均值，但了解离散度对于工业过程管理至关重要。考虑以下两个示例：

• 如果你将一只脚放在一桶冰水中（33°F）中，另一只脚放在一桶沸水中（127°F）中，你会感觉还好（80°F），但不会很舒服！

• 如果你被要求穿过一条河，并被告知正常水深为 3 英尺，你应该了解更多信息。如果告诉你范围是从 0 到 15 英尺，你应该重新考虑你的行程。

什么是控制限？

SPC 控制图的控制限是中心线上方和下方的标准差。如果数据点在控制限内（普通原因变异），则过程处于受控状态。如果在这些控制单元之外发现数据点，则过程失控（特殊原因变异）。

在创建 SPC 控制图的早期阶段，最好手动绘制数据点。一旦你理解了公式及其含义，就可以使用统计工具来更新它们。各种检验用于检测“失控”变异。Nelson 检验和 Western Electric 检验是最常见的两种。

为什么 SPC 控制图有助于质量控制？

SPC 控制图是基本的质量控制工具，在精益制造和六西格玛活动中发挥着至关重要的作用。管理图表可以以各种方式使用，但在车间中，它们用于分析、控制和确保生产操作的均匀性。通过管理操作，操作员可以限制可能导致低质量产品的重大过程变化。

SPC 控制图如何工作？

SPC 控制图需要跨职能的组织承诺。以下是创建优秀的 SPC 控制图的分步指南：

步骤 1：选择合适的测量方法

第一步是选择收集变量数据还是属性数据。只要可行，都应使用变量数据，因为它提供更高质量的信息。确定要收集的数据后，可以选择适合您数据类型对应的控制图。

步骤 2：确定数据收集和绘图的周期

由于 SPC 控制图分析随时间推移的数据变化，因此在收集和绘制数据时必须牢记频率和周期。例如，每周或每隔一周创建一张 SPC 控制图，可以帮助你了解你的过程是否可靠并不断改进，或者能否按时满足质量要求。

步骤 3：创建控制单元

生成 SPC 控制图的下一步是定义控制单元。以下是计算控制单元的方法：

• 估计样本数据的标准差 (σ)

• 计算 UCL：

$$\mathrm{UCL \:=\: 平均值 \:+ \:3 \:x\: σ}$$

• 计算 LCL：

$$\mathrm{LCL \:=\: 平均值 \:- \:3 \:x\: σ}$$

步骤 4：绘制数据点并识别失控数据点

在建立控制限后，将数据点绘制在 SPC 控制图上。绘制数据点后，你可以开始识别模式。识别这些模式对于确定异常原因的根本原因至关重要。其中一些模式取决于特定的“区域”。

步骤 5：校正失控数据点

标记图表控制边界之外的任何数据点，并探究其原因。记录研究的内容、导致其失控的原因以及采取的控制措施。可以使用纠正措施矩阵来指定责任并设置目标日期以跟踪已完成的活动。

步骤 6：计算 Cp 和 Cpk

下一步是计算 Cp（能力）和 Cpk（性能），以查看过程是否可以满足规范。

步骤 7：监控过程

最后一步是持续监控过程并更新 SPC 控制图。定期过程监控可以提供主动响应，而不是反应性响应，这些响应可能为时已晚或成本过高。

结论

SPC 控制图是任何精益六西格玛项目的绝佳起点。因此，了解这些统计控制图对于控制过程至关重要。