统计制程控制
(Statistical Process Control)
目录
1. 统计制程操纵(SPC)的差不多概念
1.1 质量的差不多概念
1.2 统计制程操纵(SPC)是什么？
1.3 统计制程操纵(SPC)的起源与进展
2. 常用的统计方法
2.1 概率
2.2 统计特征数
2.3 正态分布（Normal Distribution）
2.4 中心趋向定律（Central Limit Theorem）
2.5正常状态的统计规律
2.6常规操纵图及其3σ界限
2.7变异的差不多概念
2.8数据的种类
2.9操纵图的种类
3. 计量值操纵图的制作及应用
3.1 选择计量值操纵图
3.2 数据收集
3.3 操纵界限的设定
3.4. 操纵界限的更新
3.5 操纵界限和规格的关系
4. 计数值操纵图的制作及应用
4.1 选择计数值操纵图
4.2 数据收集
4.3 操纵界限的设定
4.4 操纵界限的更新
5. 操纵图的分析
5.1 正常状态
5.2 异常现象
5.3 失控行动表
6. 制程能力的研究
6.1 制程能力研究的目的
6.2 制程能力指数的计算和分析
7. 操纵图与七工具的关系
7.1 七工具是什么？
7.2 统计分析表 Checksheet
7.3 分类法 Stratification
7.4 巴氏图 Pareto Analysis
7.5 直方图 Histogram / Barchart
7.6 因果图 Cause-and-Effect Diagram
7.7 散布图 Scattered Diagram
8. 附录
8.1 操纵图用途总表
8.2 操纵图的选择
8.3 操纵图工作纸
8.4 操纵图样本
8.5 实习题
1. 统计制程操纵(SPC)的差不多概念
1.1 质量的差不多概念
1.1.1 品质的定义
●卓越的程度
比较的意义：产品（功能、品质、安全、『级数』等）比较；
●品质水准
定量意义：技术评估；
●适合用途（Fitness for Use）
产品或服务，在满足特定需要的能力；
●满足顾客要求。
1.1.2 检查与品质
●「品质」并不是靠检查出来，而是靠生产出来的；
●检查只是把所制成的，与规格要求的，作一个比较；
●检查只能停止不合格品的流淌,但不能停止它的产生;
●检查本身都有品质问题,存在误检及漏检,尤其是复杂和大量的检查.
●检查需要格外的成本和时刻.
●假如产品在第一次便做得对，便可消除废料、翻工及减少顾客投诉；
1.1.3 品质与市场竞争能力
商品要达到畅销目的，通常要有三个必备的条件：-
1. 品质优良；
2. 价格合理；
3. 交货期准。
1.1.4 影向品质的因素
●人员（Man）；
●机器（Machine)；
●物料（Material）；
●方法（Method）；
●环境(Environment)
任何因素的变化都会导致产品或服务的变化,也即不同的品质.品质操纵的理念在于对生产过程的操纵,而不在于对结果的操纵.一致的输入和一致的过程导致一致的输出(产品).
1.2 统计制程操纵(SPC)是什么？
●统计制程操纵的英文名称是Statistical Process Control或简称为SPC。
●简单地讲确实是应用“统计”（Statistical）技术，去分析“制程”（Process）中的特性，
来“操纵”（Control）制程变异。
●SPC的目的确实是要操纵制程达到“受操纵的状态”(in Statistical Control)。
●SPC要紧集中在制程的操纵，因为制程是问题的根源。
它需要在制程中，加入定时的检查，以
达到尽早找出问题，来减少白费；
●SPC典形运用的工具就有品质操纵图，利用简单的图表来提供以下的数据：
- 质量改进
- 决定工序能力
- 产品规格的决定
- 生产制程的决定
●SPC是一个有效的工具，去不断地改善品质；
●SPC的最终目标在于做到“预防问题的发生”及“减少白费”。
1.3 统计制程操纵(SPC)的起源与进展
●1917年一次世界大战时,美军需短时刻预备军衣、鞋等物资,结果尺码比例按正态分布进行,差
不多吻合需要;
●1924年修华特博士(Dr. W.A. Shewhart)在贝尔试验室发明了品质操纵图；
●1939年修华特博士与戴明博士(Dr. Deming)合作写了一本『品质观点的统计方法』(Statistical
Method from the point of Quality Control)；
●第二次世界大战前后，英、美两国将品质操纵图的方法引进制造业，并应用于生产过程中；
●1950年日本的JUSE邀请了戴明博士到日本演讲，介绍了SQC的技术与观念；
●为了纪念戴明博士的贡献，JUSE于1951年成立了戴明奖；
●在1979年美国国家广播公司(NBC)制作了一部『日本能，为何我们不能』的影片，SQC的理论
与观念，便受到注意及被应用于制造程序中；
●SQC的理论是不足够的。
单是在发生问题后，才去解决问题，是一种白费，因此进而进展出SPC；
●美国汽车制造业，在ＱＳ９０００标准中对SPC的使用提出了自己的要求，推动了SPC的广泛
应用.
2. 常用的统计方法
2.1 概率
2.1.1 随机现象
在一定条件下，一件情况可能出现那个结果，也可能出现另一个结果，没有一定规律，呈现一种偶然性，这确实是随机现象了。
2.1.2 概率
●一件情况 A 在 n 次试验中出现的次数为 m ，情况 A 出现的频率等如m/n。
●随着试验次数 n 的增加，情况 A 出现的频率 m/n 就稳定在某个数值 p ；
●而 p 就被称为情况 A 的概率（即或然率），俗称机会率。
当 n 是无限大时，p = m/n 。
2.2 统计特征数
2.2.1 统计特征数的定义
任何由样本计算出来代表样本特征的数字，都称为统计特征数。
2.2.2 表示数据集中位置的数字
（Measure of Central Tendency）
_
●平均数 x (Mean)
●中位数 (Median)
●众数 (Mode)
2.2.3 表示数据离散程度的数字
（Measure of Dispersion）
●全距 R (Range)
●标准差 s (Standard Deviation)
2.3 正态分布（Normal Distribution）2.
3.1 正态分布图形
= 频率分布的平均值
= 频率分布的标准差
如收集数据时样本数目特不大，
_
x
s
2.3.2 正态分布的特点
●以 x = 这条直线为轴，正态分布是一个左右对称的。
●靠近出现概率较大；远离出现概率较细。
●分布曲线下的面积代表该段数值的出现机会。
曲线范围范围内面积μ+/-σ68.26% μ+/- 2σ95.45% μ+/- 3σ99.73% μ+/- 4σ６４ＰＰＭ全部范围100.00%
2.4 中心趋向定律（Central Limit Theorem）
2.4.1 样本数目与频率分布
●若于总体抽取样本，每样本中有 n 个个体，则该样本平均数不一定会相等于总体的平均数。
●若抽取多个样本，各样本的平均数将会构成另一正态分布如下图：
2.4.2 中心趋向定律（Central Limit Theorem）
●若总体分布并非正态分布，各样本的平均数会否构成另一正态分布？
●以拋掷骰子为例：
拋掷骰子的数目越多，骰子的平均数愈趋向正态分布。
一粒骰子
二粒骰子。