SPC控制图的原理、作用、类别以及使用范围全解

关键词：SPC,控制图,3σ原理,控制限

【SPC理论&实战攻略系列】——分为四部分：理论篇、策划篇、实施篇、分析及改进篇。

本篇将结合图表为您详细呈现SPC认知、起源&发展、作用&原理、类别&适用范围、判定规则等多维知识，帮助您在日常工作的应用及技能提升。

产品及工艺不都是有规格及公差吗，超过产品规格范围即为不合格？为何还要搞控制图？还要描点、连线、画图、分析及计算控制限，挺麻烦的！

企业导入SPC多年，但就是没有看到实际的成效……是不是没有用？

相信很多制造行业的同学，对于五大核心工具之一的SPC并不陌生，可能是熟悉并困惑着，例如上面两种常见疑问……今天我们就来对这一工具重新全面认识一下，看看有何“魅力”，让制造企业对其“爱之深、求之切”？

SPC认知 

统计过程控制(Statistical Process Control, 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。SPC是汽车行业质量管理体系（如QS9000、ISO/TS16949、IATF16949等）中的五大核心工具之一，也是汽车质量管理体系认证审核的重要环节。

SPC更是一种以预防为主的质量控制方法。它就是依据产品质量的统计观点，应用数理统计方法，对生产制造过程的数据加以收集、整理和分析，从而了解、预测和监控过程的运行状态和水平。SPC主要解决两个基本问题：一是过程运行状态是否稳定，二是过程能力是否充足。前者可利用控制图这种统计工具进行测定，后者可通过过程能力分析来实现。

基于以上SPC的基础概念，我们来看开头的两种常见问题：其实规格范围不能作为控制界限，它用以区分合格与不合格。控制界限则用以区分偶然波动与异常波动，两者完全是两码事。SPC代表统计过程控制，是事前预防的质质量统计工具及方法。

不幸的是，有很多公司却是将其应用于结果（完成品）上，而不是控制和分析过程特性；同时，也没有定期评估产品规格公差的合理性，甚至有些人员片面追求过程能力数据表面好看而放宽规格及公差的现象存在。还有很多企业制造过程中控制图使用的到不少，但就未见采取行动。

这里给大家看两张有意思的漫画，帮助了解控制图。

图1描述了规格管理的危险性，只有居于规格之中才是安全的，一旦越界（USL，LSL）就有被鳄鱼吃掉的危险，没有前兆及预警信息；图2描述了控制界限的益处，规格界限一般反映的是客户要求（VOC），由客户或设计部门给出。控制界限由过程实际数据（VOP）统计而来，一般严于规格界限，它可以提前预知过程中存在的隐患，以便采取相应的行动去应对，确保过程稳定。因此，可以免于被水中的鳄鱼吃掉的风险。

以往大家认为只有汽车行业（包含其供应链等）才有SPC要求，实际上在早期的ISO9001里面的“统计技术”里面就已经提及到了SPC。鉴于SPC在制造行业的重要作用，故一些高端客户，如MOTOROLA，DELL，HP，SUMSUNG等都有控制图及过程能力方面的使用要求。鉴于质量体系认证及客户要求，还有企业自身发展的需要，SPC的实际运用也逐渐被企业所重视。原则上，SPC应该用于质量特性或参数持续性的所有工艺流程，最好是大规模生产的领域；多数企业，SPC用于生产阶段，在强调预防的企业，在产品的开发设计阶段也会用到SPC。因此，SPC不仅仅是一种质量工具，更是一种统计过程控制和事前预防的质量管理方法。

控制图的起源及发展

工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量已成为一个突出问题。单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。

1924年，美国的休哈特博士提出将3sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。

休哈特控制图又称常规控制图，在1991年被ISO纳入国际标准，即ISO8258。我国在2001年发布了GB/T4901等同采用ISO8258。本文主要讲解的是常规控制图。控制图是贯彻预防原则的SPC的重要工具，是质量管理的七大工具之一。因此，在一些国家及企业得到了广泛的应用。

控制图的作用

▶现场人员了解过程变差并使之达到统计受控状态的有效工具。

▶有助于过程在质量和成本上持续地，可预测地保持下去。

▶对已达到统计受控的过程采取措施，不断减少普通原因变差，以达到提高质量、降低成本和提高生产率的改进目标。

▶为现场人员、支持人员、设计人员、顾客等提供有关过程性能的共同语言。

▶区分变差的特殊原因（又称异常原因）和普通原因（又称随机原因，系统原因或偶然原因），作为采取局部措施或对系统采取措施的依据。

控制图的原理

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用统计方法设计的图。图上有 中心线(CL，Central Line)、上控制限(UCL， Upper Control limit)和下控制限(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。若数据点落在两条控制界限之间且排列无缺陷，则表明生产过程正常，过程处于控制状态，否则表明生产条件发生异常，需要对过程采取措施，加强管理，使生产过程恢复正常。

3σ原理

控制图是以正态分布中的3σ原理为理论依据，中心线为平均值，上下控制界限为以平均值加减3σ的值，以判断过程是否有问题发生。若过程处于控制状态，则大约有的子组值将落在控制界限内。即1000次中平均有3次机会落到控制界限之外。如图3为控制图的形成过程。

小概率原理

是指小概率的事件一般不会发生。由3σ原理可知，数据点落在控制界限以外的概率只有。因此生产过程正常情况下，质量特性值是不会超过控制界限的，如果超出，则认为生产过程发生异常变化。控制图也其实就是统计假设检验的一种图上作业。在控制图每描一个点就是作一次假设检验。

中心极限定理

无论随即变量的共同分布是什么（离散分布或连续分布，正态分布或非正态分布），只要独立统计分布随机变量的个数n较大时，趋势总是趋向于正态分布。

控制图类别及适用范围

1.按产品质量的特性分类，控制图可分为计量值和计数值控制图，其中计数值包含计件及计点值控制图，具体见下图：

2.按控制图的用途来分，又可以分为分析用控制图和控制用控制图。

控制图的判定规则

一、于控制状态的判定。判定生产过程处于控制状态的标准可归纳为如下：

a.控制图上的点子不超过控制界限即在控制范围内。

b.控制图上的点子排列没有缺陷。

另外，在下述情况基本上也处于控制状态，并可以作为以后进行控制所遵循的依据：

1）   连续25点在控制线内；（注：此点就是当前就是控制图为何至少取样25组数据才有效的重要依据）

2）   连续35点最多有1点出界；连续100点最多有2点出界。

二、没有处于控制状态的判定。也就是判异规则。

当然，原则上符合控制状态标准的情形也可以作为判异的规则。实际运用中，由于行业

标准等方面的差异，还是有些不同，因此企业需要结合实际情况及外部的要求来定义自己所执行的规则。

《SPC参考手册》规定的控制图判定标准有如下内容：

1）控制图中有点超出控制界限；

2）多点分布在中心的一侧；

3）控制图上的各点有明显倾向性；

4）其他明显的非随机性图形。

在GB/T4091-2001idt ISO8258:1991（常规控制图）给出了8条判定规则，也就是Mintab 目前设定的计量值控制图判定规则。为了应用以下检验，将控制图等分为6个区，每个区宽1σ。这6个区的标号分别为A、B、C、C、B、A。两个A区，两个B区及两个C区都关于中心线对称。为方面记忆，整理如下：

1）1界外：1点落在A区外。

2）2/3A（连续3点中有2点在中心线同一侧的B区外，即A区内）。

3）4/5C（连续5点中有4点在中心线同一侧的C区外）。

4）6连串（连续6点递增或递减，即连成一串）。

5）8缺C（连续8点在中心线一侧，但没1点在C区中）。

6）9单侧（连续8点在中心线同一侧）。

7）14交替（连续14点相邻上下交替）。

8）15全C（连续15点在C区中心线上下，即全部在C区内）。