SPC認知
統計過程控制(Statistical Process Control, 簡稱SPC)是一種藉助數理統計方法的過程控制工具。它對生產過程進行分析評價，根據反饋信息及時發現系統性因素出現的徵兆，並採取措施消除其影響，使過程維持在僅受隨機性因素影響的受控狀態，以達到控制質量的目的。SPC是汽車行業質量管理體系（如QS9000、ISO/TS16949、IATF16949等）中的五大核心工具之一，也是汽車質量管理體系認證審核的重要環節。
SPC更是一種以預防為主的質量控制方法。它就是依據產品質量的統計觀點，應用數理統計方法，對生產製造過程的數據加以收集、整理和分析，從而瞭解、預測和監控過程的運行狀態和水平。SPC主要解決兩個基本問題：一是過程運行狀態是否穩定，二是過程能力是否充足。前者可利用控制圖這種統計工具進行測定，後者可通過過程能力分析來實現。
或許有人會問，我們的產品及工藝不都是有規格及公差嗎，超過產品規格範圍即為不合格？為何還要搞控制圖？還要描點、連線、畫圖、分析及計算控制限，挺麻煩的！其實規格範圍不能作為控制界限，它用以區分合格與不合格。控制界限則用以區分偶然波動與異常波動，兩者完全是兩碼事。SPC代表統計過程控制，是事前預防的質質量統計工具及方法。不幸的是，有很多公司卻是將其應用於結果（完成品）上，而不是控制和分析過程特性；同時，也沒有定期評估產品規格公差的合理性，甚至有些人員片面追求過程能力數據表面好看而放寬規格及公差的現象存在。還有很多企業製造過程中控制圖使用的到不少，但就未見採取行動。無怪乎大家抱怨說，我們企業導入SPC好多年了，但就是沒有看到實際的成效。
還是先來欣賞下面的漫畫吧，有助我們對控制圖的瞭解。圖1描述了規格管理的危險性，只有居於規格之中才是安全的，一旦越界（USL，LSL）就有被鱷魚吃掉的危險，沒有前兆及預警信息；圖2描述了控制界限的益處，規格界限一般反映的是客戶要求（VOC），由客戶或設計部門給出。控制界限由過程實際數據（VOP）統計而來，一般嚴於規格界限，它可以提前預知過程中存在的隱患，以便採取相應的行動去應對，確保過程穩定。因此，可以免於被水中的鱷魚吃掉的風險。
以往大家認為只有汽車行業（包含其供應鏈等）才有SPC要求，實際上在早期的ISO9001裡面的“統計技術”裡面就已經提及到了SPC。鑑於SPC在製造行業的重要作用，故一些高端客戶，如MOTOROLA，DELL，HP，SUMSUNG等都有控制圖及過程能力方面的使用要求。鑑於質量體系認證及客戶要求，還有企業自身發展的需要，SPC的實際運用也逐漸被企業所重視。原則上，SPC應該用於質量特性或參數持續性的所有工藝流程，最好是大規模生產的領域；多數企業，SPC用於生產階段，在強調預防的企業，在產品的開發設計階段也會用到SPC。因此，SPC不僅僅是一種質量工具，更是一種統計過程控制和事前預防的質量管理方法。
控制圖的起源及發展
工業革命以後， 隨著生產力的進一步發展，大規模生產的形成，如何控制大批量產品質量已成為一個突出問題。單純依靠事後檢驗的質量控制方法已不能適應當時經濟發展的要求，必須改進質量管理方式。於是，英、美等國開始著手研究用統計方法代替事後檢驗的質量控制方法。
1924年，美國的休哈特博士提出將3sigma原理運用於生產過程當中，並發表了著名的“控制圖法”，對過程變量進行控制，為統計質量管理奠定了理論和方法基礎。
休哈特控制圖又稱常規控制圖，在1991年被ISO納入國際標準，即ISO8258。我國在2001年發佈了GB/T4901等同採用ISO8258。本文主要講解的是常規控制圖。控制圖是貫徹預防原則的SPC的重要工具，是質量管理的七大工具之一。因此，在一些國家及企業得到了廣泛的應用。
控制圖的作用
1. 現場人員瞭解過程變差並使之達到統計受控狀態的有效工具。
2. 有助於過程在質量和成本上持續地，可預測地保持下去。
3. 對已達到統計受控的過程採取措施，不斷減少普通原因變差，以達到提高質量、降低成本和提高生產率的改進目標。
4. 為現場人員、支持人員、設計人員、顧客等提供有關過程性能的共同語言。
5. 區分變差的特殊原因（又稱異常原因）和普通原因（又稱隨機原因，系統原因或偶然原因），作為採取局部措施或對系統採取措施的依據。
控制圖的原理
控制圖(Control Chart)是對過程質量特性值進行測定、記錄、評估，從而監察過程是否處於控制狀態的一種用統計方法設計的圖。圖上有 中心線(CL，Central Line)、上控制限(UCL， Upper Control limit)和下控制限(LCL，Lower Control limit)，並有按時間順序抽取的樣本統計量數值的描點序列。若數據點落在兩條控制界限之間且排列無缺陷，則表明生產過程正常，過程處於控制狀態，否則表明生產條件發生異常，需要對過程採取措施，加強管理，使生產過程恢復正常。
1.3σ原理：控制圖是以正態分佈中的3σ原理為理論依據，中心線為平均值，上下控制界限為以平均值加減3σ的值，以判斷過程是否有問題發生。若過程處於控制狀態，則大約有99.73%的子組值將落在控制界限內。即1000次中平均有3次機會落到控制界限之外。如圖3為控制圖的形成過程。
2.小概率原理：是指小概率的事件一般不會發生。由3σ原理可知，數據點落在控制界限以外的概率只有0.27%。因此生產過程正常情況下，質量特性值是不會超過控制界限的，如果超出，則認為生產過程發生異常變化。控制圖也其實就是統計假設檢驗的一種圖上作業。在控制圖每描一個點就是作一次假設檢驗。
3.中心極限定理：無論隨即變量的共同分佈是什麼（離散分佈或連續分佈，正態分佈或非正態分佈），只要獨立統計分佈隨機變量的個數n較大時，趨勢總是趨向於正態分佈。
控制圖類別及適用範圍
1. 按產品質量的特性分類，控制圖可分為計量值和計數值控制圖，其中計數值包含計件及計點值控制圖，具體見圖4：
控制圖名稱
控制圖代號
適用範圍
分佈
均值-極差控制圖
－R
這是常用最基本的控制圖，它的控制對象為長度、重量、純度、時間和生產量等計量值的場合。適用於n≤10的情況，精度尚可，使用方便。
正態分佈（計量值）
均值-標準差控制圖
－S
子組樣本容量較大，因此更有效的體現變差，檢出能力高；當n≥10時，S圖代替R圖。計算複雜，適用於計算機或科學計算器能簡單按程序計算出S的情況下；精度最高，計算量大。
中位-數極差控制圖
Me-R
適用於n=3-5個（奇數最佳），利用各組之中位數代替組之平均數，計算較簡單，故可由現場領班或操作員執行，但中位數分配之寬度較X分配為寬，對不正常檢出力較差。
單值-移動極差控制圖
-Rs
與均值-極差控制圖的作用類似；不需要多個測量值或樣本是均勻的（如濃度）；因費用或時間的關係，過程只有一個測量值（如破壞性實驗）；用自動化檢查，對產品進行全檢時；精度較差，計算量小。
不合格品率控制圖
P
樣本容量n大小不定時，對產品合格與否的控制圖；當P較小，n足夠大時，該分佈趨向於正常分佈。
二項分佈（計件值）
不合格品數控制圖
NP
樣本容量n恆定；當n≥5時，近似服從正態分佈。
單位不合格數控制圖
U
適用於樣本大小一定或樣本大小。各組所含缺點個數1-5個為佳。
泊松分佈（計點值）
不合格數控制圖
C
適用於少數的缺點，不致使產品成為廢品。各組所含缺點個數1-5個為佳。
圖4
2. 按控制圖的用途來分，又可以分為分析用控制圖和控制用控制圖。
控制圖的判定規則
1. 處於控制狀態的判定。判定生產過程處於控制狀態的標準可歸納為如下：
a.控制圖上的點子不超過控制界限即在控制範圍內。
b.控制圖上的點子排列沒有缺陷。
另外，在下述情況基本上也處於控制狀態，並可以作為以後進行控制所遵循的依據：
1） 連續25點在控制線內；（注：此點就是當前就是控制圖為何至少取樣25組數據才有效的重要依據）
2） 連續35點最多有1點出界；連續100點最多有2點出界。
2. 沒有處於控制狀態的判定。也就是判異規則。
當然，原則上符合控制狀態標準的情形也可以作為判異的規則。實際運用中，由於行業
標準等方面的差異，還是有些不同，因此企業需要結合實際情況及外部的要求來定義自己所執行的規則。
《SPC參考手冊》規定的控制圖判定標準有如下內容：
1）控制圖中有點超出控制界限；
2）多點分佈在中心的一側；
3）控制圖上的各點有明顯傾向性；
4）其他明顯的非隨機性圖形。
在GB/T4091-2001idt ISO8258:1991（常規控制圖）給出了8條判定規則，也就是Mintab 目前設定的計量值控制圖判定規則。為了應用以下檢驗，將控制圖等分為6個區，每個區寬1σ。這6個區的標號分別為A、B、C、C、B、A。兩個A區，兩個B區及兩個C區都關於中心線對稱。為方面記憶，整理如下：
1）1界外：1點落在A區外。
2）2/3A（連續3點中有2點在中心線同一側的B區外，即A區內）。
3）4/5C（連續5點中有4點在中心線同一側的C區外）。
4）6連串（連續6點遞增或遞減，即連成一串）。
5）8缺C（連續8點在中心線一側，但沒1點在C區中）。
6）9單側（連續8點在中心線同一側）。
7）14交替（連續14點相鄰上下交替）。
8）15全C（連續15點在C區中心線上下，即全部在C區內）。
文章分享者：SGS專家團 汪志強老師
閱讀更多 SGS管理學院 的文章
