第六节 SPC的应用误区 误区五：控制图没有记录重大事项
要知道，控制图所反应的是“过程”的变化。生产的 过程输入的要素为5M1E（人、机、料、法、环、量）， 5M1E的任何变化都可能对生产出来的产品造成影响。换 句话说，如果产品的变差过大，那是由5M1E其中的一项 或多项变动所引起的。如果这些变动会引起产品平均值或 产品变差较大的变化，那么，这些变化就会在XBAR图或 R图上反映出来，我们也就可以从控制图上了解过程的变 动。发现有变异就是改善的契机，而改善的第一步就是分 析原因，那么，5M1E中的哪些方面发生了变化呢？我们 可以查找控制图中记录的重大事项，就可以明了。所以， 在使用控制图的时候，5M1E的任何变化，我们都要记录 在控制图中相应的时段上。
第六节 SPC的应用误区
误区四：初始能力研究与控制脱节 在完成初始能力研究后，如果我们认为过程是稳定的且 过程能力可接受，那么，就可以进入过程控制状态。过程控 制时，是先将控制限画在控制图中，然后依抽样的结果在控 制图上进行描点。那么，控制时控制图的控制限是怎么来的 呢？其实控制图中的控制限是通过初始能力研究得来的，也 就是说，初始能力研究成功后，控制限要延用下去，用于过 程控制。很多公司没能延用分析得来的控制限，这样，控制 图就不能表明过程是稳定与受控的，应用也就没有意义。
18 17 16 15 14 13 12 11 10 9 8 7 6 5
1 2 3 4 5
+3
点落在该区间的概率为99.7%
Average
-3
6 7 8 9 10
控制图的构成
纵坐标：数据（质量特性值或其统计量）
横坐标：按时间顺序抽样的样本编号 上虚线：上控制界限UCL 下虚线：下控制界限LCL 中实线：中心线CL
-6σ -5σ -4σ -3σ -2σ -1σ X +1σ +2σ +3σ +4σ +5σ +6σ
X LSL Cpl= 3
过程能力指数运用
Cpk值 Cpk≥1.67 1.33≤Cpk≤1.67 1≤Cpk≤1.33 0.67≤Cpk≤1 采取的措施 无缺点，可考虑降低成本 可维持现状 有缺点发生，可考虑改善措施 有明显的缺点，应采取措施予以改善
控制图判定规则
异常控制图
连续9个点在中心线的同一侧（P=0.0038） 连续6个点持续上升或下降（P=0.0027） 连续11个点至少有10个在中心线的同一侧（P=0.0057）
连续14个点至少有12个在中心线的同一侧
连续17个点至少有14个在中心线的同一侧 连续3个点至少2个位于±(2σ~ 3σ)范围内（P=0.0055） 连续7个点至少3个位于±(2σ~ 3σ)范围内 连续7个点至少6个位于±(1σ~ 3σ)范围内（P=0.0052） 连续5个点没有1个位于±(0σ~ 1σ)范围内（P=0.0032）
过程能力分析
控制图显示了一个过程是否受控，但客户需要的是 合格的产品 过程受控 ≠ 过程有足够的能力生产合格的产品 过程能力：是过程的声音和客户声音的对比

过程能力分析
能力指数的计算基于以下假设条件： 过程处于统计稳定状态 每个测量单值遵循正态分布 规格的上、下限是基于客户的要求 测量系统能力充分 如果理解幵满足了这些假设后，能力指数的数值越 大，潜在的客户满意度就越高。
统计过程控制定义
利用统计技术对过程中的各个阶段进行监控，
从而达到改进和保证产品质量的目的。
依据统计逻辑来判断过程是否正常以及应否
采取改善措施的一套控制系统。
SPC起源及发展





二十世纪二十年代，美国贝尔实验室（Bell Telephone Laboratory）成 立了以休哈特（W. A. Shewhart）博士为学术领导人的过程控制(Process Control)研究组。 1924年5月16日，休哈特（W. A. Shewhart）博士提出了过程控制理论以 及监控过程的工具—控制图（Control Chart），其中有关过程控制理论及 控制图标志着著名的SPC理论的诞生。 1931年，休哈特（W. A. Shewhart）博士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）。 1932年，英国邀请休哈特（W. A. Shewhart）博士到伦敦主讲统计质量控 制，将统计方法应用到工业方面。 1941-1942年，有关SPC的内容制定成美国标准。 1950年，戴明（W.E. Deming）博士将其引入日本。
ISO五大核心工具之
统计过程控制 （SPC）
统计过程控制定义
Statistical
Process Control Statistical-统计
数据通过计算得出有意义的情报
Process-过程
一组将输入转化为输出的相互关联或相互作用的活 动
Control-控制
通过掌握规律来预测未来发展幵实现预防
统计过程控制基本原理
控制图的设计原理
正态性假定 任何产品，其质量特性都存在一定程度的波动 当过程稳定或受控时，波动主要是由4M1E的微小变化 造成的随机误差 此时，质量特性值均服从或近似服从正态分布






统计过程控制基本原理
控制图的设计原理
选好质量特性
准确地测量出来
是两项重要的基础工作
SPC的相关概念
普通原因 随着时间的推移具有稳定性的可重复的分布过程中许 多变差的原因
人：一定的熟练度下的微小差异 机：一定的精度下的微小变化 料：一定的稳定性下的微小变化 法：一定的操作规范下的微小变化
所有微小 变化的集合
3σ准则 基于正态性假定，根据正态分布的概率性质可知
即质量特性值超出±3σ范围的可能性仅为0.27%
小概率原理 小概率原理即认为小概率事件不会发生 根据3σ准则，受控状态质量特性值不会超出± 3σ
控制图制作
μ+3σ
UCL
μ
μ-3σ 8 9 10 11
CL
LCL 时间t（R）
图3 控制图原理
控制图的构成
境：一定的环境条件下的微小变化
在普通原因影响下，过程的输出呈现稳定的分布，是
可预测的
SPC的相关概念
特殊原因 过程中偶然发生的某个环节的特殊变异
刀具崩刃
新的原材料
操作程序变更 气温骤降 ……
在特殊原因的影响下，过程的分布会改变，不可预测 位置（均值）改变 分布宽度（最小值与最大值之间的距离）改变 形状改变（偏斜）
Cpk≤0.67
存在严重的问题，应立即采取紧急措施予以改善
过程能力分析步骤


明确调查目的； 选择调查对象； 确定调查方法； 工序的标准化； 严格按照各项标准进行作业； 收集数据； 画直方图或分析用的控制图； 判断过程是否处于控制状态； 计算过程能力指数； 处理。
第六节 SPC的应用误区
控制图分类
按产品质量特性分类
计量型控制图 计数型控制图
按用途分类
分析用控制图
控制用控制图
控制图的构成
类别 计 量 值 控 制 图 名称 中位数－极差 控制图 均值－极差控 制图 均值－标准差 控制图 单值－移动极 差控制图 计 数 值 控 制 图 不合格品数控 制图 不合格品率控 制图 不合格数控制 图 单位不合格数 控制图 控制图符号 ～ x－R 特点 计算简便，但效果较差。 最常用，判断工序是否正常的效 果好，但计算工作量很大。 当样本容量>=10时使用，精度更 高，但计算更复杂。 简便省事，并能及时判断工序是 否处于稳定状态。缺点是不易发 现工序分布中心的变化。 较常用，计算简单，操作工人易 于理解。 计算量大，控制线凹凸不平。 较常用，计算简单，操作工人易 于理解。 计算量大，控制线凹凸不平。 适用场合 适用于产品批量较大的工序。
SPC的相关概念
制造过程的4种类型
1 类过程：该过程受统计控制且有能力满足要求，是可接受的
SPC 教材
2 类过程：是受控过程，但存在因普通原因造成的过大的、必须
减少的变差 3 类过程：符合要求，可接受，但不是受控过程，需要识别变差 的特殊原因幵消除 4 类过程：即不是受控过程又不可接受，必须减少变差的特殊原 因和普通原因 满足要求 受控 不受控

过程能力参数
Ca：过程准确度
Cp：过程精密度
Cpk：过程能力指数
标准值
过程能力参数计算
σ=

i 1
n
Xi X
n 1
2
規格下限 （LSL）
-1.5σ
+1.5σ
規格上限 （USL）
USL LSL Cp= 6 USL X Cpu= 3
Cpk=min{Cpu,Cpl}
第六节 SPC的应用误区
误区二：没有适宜的测量工具
。
计量型控制图需要用测量工具取得控制特性的 数值，控制图对测量系统有很高的要求。通常，我 们要求GR&R不大于10%，而在进行测量系统分析之前， 要事先确认测量仪器的分辨力，要求测量仪器具有 能够分辨出过程变差的十分之一到五分之一的精度， 方可用于过程的分析和控制。而很多公司勿略了这 一点，导致做出来的控制图没办法有效的应用,甚至 造成误导。
x－R
x－s x－RS
适用于产品批量较大的工序。பைடு நூலகம்
适用于产品批量较大的工序。 因各种原因（时间、费用等）每 次只能得到一个数据或希望尽快 发现并消除异常原因。
Pn
P c u
样本容量相等。