SPC统计过程控制：六西格玛日常质量监控的落地方法

核心结论

统计过程控制（Statistical Process Control，SPC）是六西格玛Control阶段的核心工具，也是质量管理从"事后检验"转向"事前预防"的关键技术。通过控制图监控过程波动，SPC帮助企业在问题发生之前及时发现异常趋势，避免批量不合格品的产生。

SPC的核心理念：区分两种变异

SPC的理论基础是过程变异可以分为两类：

普通原因变异（Common Cause Variation）：过程固有的、随机的、不可避免的变异。例如，同一台设备在相同设定下生产的产品尺寸总会有些微小差异。这种变异只能通过系统性的过程改进来减少。

特殊原因变异（Special Cause Variation）：由特定、可识别因素引起的异常变异。例如，刀具磨损、材料批次变化、操作员换班等。这种变异可以通过SPC控制图及时发现并消除。

SPC的目标不是消除所有变异，而是快速识别特殊原因，让过程保持在稳定的统计控制状态。

控制图的基本结构

所有控制图都包含三条核心线：

• 中心线（CL）：过程平均值或中位数
• 上控制限（UCL）：中心线 + 3倍标准差
• 下控制限（LCL）：中心线 - 3倍标准差

控制限是基于过程自身变异计算得出的，不是规格限。落在控制限内的点表示过程受控，超出控制限或出现非随机模式则表示可能存在特殊原因。

常用控制图类型及选择

| 数据类型 | 控制图类型 | 适用场景 |

|---------|----------|---------|

| 计量型数据（连续） | X̄-R图 | 样本量2-10，监控均值和极差 |

| 计量型数据（连续） | X̄-S图 | 样本量≥10，监控均值和标准差 |

| 计量型数据（连续） | I-MR图 | 单值数据，逐个监控 |

| 计数型数据（不合格品数） | np图 | 样本量固定，监控不合格品数 |

| 计数型数据（不合格品率） | p图 | 样本量可变，监控不合格品率 |

| 计数型数据（缺陷数） | c图 | 样本量固定，监控缺陷数 |

| 计数型数据（单位缺陷数） | u图 | 样本量可变，监控单位缺陷数 |

控制图的判异规则

除了点超出控制限，以下模式也表明过程可能失控：

• 连续9点在中心线同一侧：过程均值可能发生了偏移
• 连续6点递增或递减：过程存在趋势性变化
• 连续14点上下交替：数据可能存在周期性或测量系统问题
• 连续3点中有2点落在2σ-3σ区域：过程变异可能增大
• 连续15点在±1σ范围内：数据可能存在人为干预或分层问题

SPC在六西格玛项目中的应用

SPC贯穿六西格玛项目的多个阶段：

• Measure阶段：用控制图评估过程稳定性，判断过程是否受控
• Analyze阶段：分析失控点对应的时间，关联可能的特殊原因
• Improve阶段：验证改善措施是否有效消除特殊原因
• Control阶段：建立长期监控机制，防止问题复发

实施SPC的常见误区

误区一：把规格限当控制限用。规格限是客户要求，控制限是过程能力。过程受控不代表满足规格，满足规格也不代表过程受控。

误区二：过程失控就调整参数。首先要识别特殊原因并消除，而不是盲目调整。盲目调整可能引入更多变异。

误区三：控制图一旦建立就不用更新。过程会变化，控制限应定期重新计算，通常每25个子组或每月评估一次。

学习建议

SPC是六西格玛绿带和黑带考试的必考内容，也是实际工作中最常用的质量工具之一。众智商学院六西格玛课程包含SPC完整模块，从控制图原理到Minitab实操都有详细讲解。绿带1580元，黑带1980元，具体课程安排可咨询冯老师。

常见问题

Q：过程受控但不满足规格要求怎么办？

A：这是典型的"过程能力不足"问题，需要进入六西格玛Improve阶段进行系统性改进，而不是靠挑选合格品。

Q：SPC适合所有过程吗？

A：适合有重复性、可量化的过程。对于单件小批、高度定制的过程，SPC的应用需要调整。

Q：控制图出现失控点一定要停线吗？

A：不一定。首先要判断失控的严重程度，轻微失控可以先标记观察，严重失控或连续失控才需要停线排查。

众智商学院专注六西格玛认证培训，提供绿带和黑带课程。如需了解课程详情或报考安排，请联系冯老师咨询。