一、SPC 是什么？是看透波动的 “火眼金睛”

统计过程控制（SPC），运用统计技术监控过程波动，通过主动管理让生产过程保持稳定。

首先，我们需要确定的是，波动是固有存在的。

没有两个东西是完全一样的

过程随着时间会发生变化

量化过程波动的大小是改进过程的一个关键的步骤；

理解造成波动的原因能帮助我们决定采取什么措施能改善过程。

过程中永远都会存在波动；

我们可以做的是：让波动最小化，同时围绕在Target附近！

两种不同的波动：偶然波动和异常波动。

偶然波动也叫随机波动，是生产过程中客观存在、无法避免的 “正常噪音”。

就像机器的微小振动、原材料的细微差异、环境温度的轻微变化，这些因素众多且影响相互抵消，最终让产品质量围绕某个平均值小幅波动。

当过程只有偶然波动时，生产是稳定、可预测的。

而异常波动则是由特定原因导致的 “突发状况”，比如机器调试不合格、原材料批次缺陷、操作人员违规操作等。

这种波动会让产品质量大幅偏离标准，且一经查明原因，就能通过针对性措施解决。

很多管理者误把偶然波动当成异常波动来干预，又把异常波动的改善归功于无效管理，本质上就是没理解SPC的这两个波动类型。

二、控制图：SPC 的核心工具，让波动可视化

1924年，美国的休哈特（W.A.Sheuhart）首先提出用控制图进行工序控制，起到直接控制生产过程，稳定生产过程的质量达到预防为主的目的。

因其用法简单且效果显著，人人能用，到处可用，遂成为实施品质管制不可缺少的主要工具，当时称为(Statistical Quality Control)。

这种图表以时间或样本组为横轴，以质量特性值为纵轴，包含三条关键线：中心线（CL）、上控制限（UCL）和下控制限（LCL）。

休哈特这么说：在一切制造过程中所呈现出的波动有两个分量。

第一个分量是过程内部引起的稳定分量（即偶然波动/随机因素 Common Cause）；

第二个分量是可查明原因的间断波动（即异常波动/特殊因素 Special Cause）。

那些可查明原因的波动可以用有效的方法加以识别，并可被剔除，但偶然波动是不会消失的，除非改变基本过程来减少它。

基于3sigma限的控制图可以把偶然波动与异常波动区分开来。

控制图的原理源于正态分布：在稳定过程中，99.73% 的数据会落在中心线 ±3σ 的范围内，这就是上、下控制限的由来。

一旦数据超出控制限，或是界内点排列不随机（比如连续 9 点在中心线一侧、6 点持续上升等），就说明过程出现了异常波动，需要立即排查原因。

根据数据类型，控制图主要分为两大类，适配不同生产场景：

计量型数据控制图：适用于可精确测量的质量指标，比如尺寸、重量、时间等，常用的有 X - R 图、X - S 图、I - MR 图。

像加工轴棒的直径监测，就适合用 X - R 控制图。

计数型数据控制图：适用于计数统计的质量指标，比如不合格品数、缺陷点数等，常用的有 p 图、np 图、c 图、u 图。比如监测芯片的不良率，可用 p 图或 np 图；统计手机外壳的瑕疵数，适合用 c 图。

这些控制图就像生产过程的 “体检报告”，让原本抽象的数据波动变得直观可见，避免了凭经验、凭感觉的盲目管理。

三、SPC 的真正价值：从 “事后补救” 到 “事前预防”

在质量管理中，很多企业陷入 “头痛医头、脚痛医脚” 的困境，产品不合格了才去追查原因，不仅造成大量浪费，还严重影响交付。

而 SPC 的核心价值，在于实现质量管理从 “事后补救” 向 “事前预防” 的转变。

通过控制图的持续监控，我们能在异常波动刚出现苗头时就及时预警，把质量问题消灭在萌芽状态。

同时，SPC 还能助力过程能力提升：当控制图显示过程稳定后，可通过分析数据优化生产流程，减少偶然波动，让产品质量更贴近目标值。

自习人课堂「备考四件套」，

添加六六老师：zixiren666

用专业和陪伴，助你成为一个理论与实战兼备的六西格玛绿带或黑带！