SPC过程控制方法与实战要点

SPC·QUALITYCONTROLSPC统计过程控制过程预防·统计受控·持续改进2026课程导览01变异与受控建立统计过程控制认知基础02控制图原理三线结构与两类变异区分03判异规则八大准则识别失控信号04图型选择计量型与计数型控制图05落地实战实施步骤与能力评估01变异与受控过程稳定了，才能谈能力过程变异是质量的源头任何重复性生产过程，输出质量特性值都不可能每次完全相同，这种差异即过程变异。变异不可避免，过程变异是质量控制的源头两类变异，性质不同变异来源分类普通原因变异：过程固有、随机的微小波动，由机器轻微振动、环境温湿度变化等细微因素累积而成，系统稳定且可预测。特殊原因变异：由可识别因素引起，如原材料批次不良、机器故障、操作失误或新员工上岗，通常波幅较大，导致过程失控。SPC的核心使命统计过程控制用统计方法区分两类变异，及时识别并消除特殊原因，使过程维持在仅受随机因素影响的受控状态。先分清变异性质，后续控制与改进才有方向。从事后检验转向过程预防把监控前移到制程本身，实时盯住关键特性数据，在缺陷产生之前发出预警。检验是事后算账，控制是事前设防质量管理的核心命题“检验是事后算账，控制是事前设防”——从源头预防，才是质量管理的根本。从“事后把关”到“过程预防”事后检验的局限生产完成后再挑次品，废品损失已经发生，只能回答“已经发生了什么”。SPC的转向把监控前移到制程本身，实时盯住关键特性数据，在缺陷产生之前发出预警，回答“正在发生什么、会不会发生”。历史与地位1924年休哈特在贝尔实验室创立控制图法，让统计质量管理从理论走向实践；这一“从产品到过程”的视角转换，使SPC成为

IATF16949

的强制要求，奠定质量预防的基础地位。02控制图原理控制限是过程的自然界限，不是规格要求三线结构划定自然界限三条线，两个边界三线构成CL/UCL/LCL中心线（CL）代表过程平均值上控制限（UCL）平均值加3个标准差下控制限（LCL）平均值减3个标准差统计依据受控的正态过程中，点落在

μ±3σ

之外的概率约

0.27%约

99.73%

的点应随机分布在控制限内控制限≠规格限控制限过程实际波动范围，由数据计算得出规格限产品设计合格范围，由客户或设计规定控制图是假设检验的可视化，数据说话的边界就在三线之间。03判异规则报警是信号，不是结论八大判异准则识别失控信号（上）控制图分A、B、C三区，每区宽1σ，判异依据数据点分布规律。前四条聚焦点出界与系统性模式，是现场判异的基础。小结：掌握前四条准则，即可识别过程失控中的偶发与系统性问题，为后续排查奠定基础。四大判异准则要点准则一~准则四准则一：点出界1个点落在A区以外（3σ控制限外），最灵敏但约15%–20%可能是假报警，先排除测量或记录错误。准则二：链连续9个点落在中心线同一侧，表明过程均值偏移。准则三：趋势连续6个点递增或递减，提示系统性趋势，常见于刀具磨损或维护水平下降。准则四：交替连续14个点相邻交替上下，多源于轮流使用两台设备或两位操作员，数据分层不够。八大判异准则识别失控信号（下）使用建议：准则一必须启用；其余准则按实际生产过程特性选择，通常选用1至3条

即可。靠近控制限的异常05准则五：2/3点B区以外连续3点中2点落在中心线同侧B区以外（2σ–3σ），提示过程参数μ发生变化06准则六：4/5点C区以外连续5点中4点落在中心线同侧C区以外，同样指向均值变动分布形态的异常07准则七：15点均在C区以内连续15点落在中心线两侧C区以内，波动过小提示数据不真实、计算错误或分层不够08准则八：8点无一落入C区连续8点在中心线两侧但无一落入C区，说明标准差过大或两台设备数据混杂04图型选择选对图，才能看对趋势计量型控制图监控连续变量控制图选择，核心看样本量。中位数图随计算机普及，使用已减少。Xbar-R图最常用均值图监控中心偏移极差图监控离散变化2至10子组大小适用样本量较小（n<10）样本量大用Xbar-S图标准差代替极差效率提高效率适用n>10单件生产用I-MR图n=1子组只有一个数据化工流程适用场景自动化检测适用场景中位数图现状使用已减少原因计算机普及计数型控制图监控离散变量适用场景：合格与否、缺陷数等离散数据图型分布基础监控对象适用条件P图二项分布不合格品率样本量可变化NP图二项分布不合格品数样本量固定，控制限直线型C图泊松分布缺陷数样本量固定，缺陷可重复出现U图泊松分布缺陷密度检验单位数不固定，如化工、涂料、纺织选择关键——明确数据类型与样本量特性，让图型匹配过程真实结构。05落地实战从检验到控制，从控制到预防六步实施让SPC落地“六步闭环，环环相扣”01选特性→确定关键工序节点与关键质量特性，优先选择影响产品的主要参数02评测量→做GageR&R评估，确保重复性和再现性满足要求03建控制图→采集至少25组历史数据，分层抽样覆盖不同班次、设备与操作员04日监控→每日检查控制图，异常时启动判异分析05追根因→用4M1E追溯人、机、料、法、环因素06提能力→对能力不足的工序重点优化，定期复测验证效果“数据不可靠，控制图只是画线而已”用Cp与Cpk衡量过程能力前提：先受控，再谈能力——过程未稳定时，任何能力指数都无意义能力指数Cp潜在能力公式Cp=(USL−LSL)/(6σ)，只看波动宽度与规格限的比值，假设均值与规格中心重合Cpk实际能力公式Cpk=Min[(USL−μ)/(3σ),(μ−LSL)/(3σ)]，同时纳入中心偏移与波动幅度，更贴近真实表现判断基准与定位Cpk>1.33：过程能力充足Cpk偏低：即使稳定也可能出不合格品，从减小变异或调整中心入手Pp/Ppk定位：计算方式类似但用样本标准差，多用于短期或初始能力研究；长期稳定运行后以Cp、Cpk为评价基准实战案例与常见误区案例闭环：从失控到受控“报警是信号，不是结论”先判异、再查因、再决策，才能让统计过程控制真正防患于未然。案例闭环：从失控到受控问题：3.7V电芯电压极差超50mV→客户要求20mV以内诊断：Xbar-R图R图频繁超限→按班次、设备分层锁定C班次与#3化成柜对策：温度均匀性改造与标准化作业培训电压极差48mV→18mV过程能力Cpk0.85→