工具详解｜SPC统计过程控制，一文全讲通

推荐阅读：五大工具之PPAP(生产件批准程序)全面理解

SPC是品质管理过程中非常重要的一个工具，它不是一个概念而是一种方法理论。SPC最初用于制造业，在制造业中，它可以大大减少由于返工和报废而造成的浪费，可以用于任何具有可测量输出的流程，SPC现在也广泛应用于服务行业和医疗领域。

扫码添加客服

免费领取SPC手册（第二版）

本篇文章分享了SPC的作用、常用计数数据SPC分析——P图制作流程、控制图异常判定方法，以及我们应该如何运用SPC帮助企业改善品质。

SPC：统计过程控制

什么是SPC？

SPC即统计过程控制，控制对象为产品特性或过程特性，通过数据识别过程异常。

产品特性，主要通过原材料、半成品、成品表现出来，直接体现在输出上，如矿浆浓度、H+和Cu+含量。

过程特性，主要通过人、设备、工装、工艺参数、环境表现出来，如PH、合成温度，过程特性直接影响输出的结果。

SPC的作用？

预防作用：

通过过去和现在的数据分析，识别到特殊原因，从而起到预警作用，减少因过程异常导致的损失。控制图有上下控制线，如果有异常的点，即使没有超过规格线，我们还是要预警，以减少损失。因为如果超过规格线再来预警就太迟了，那时候，大量的不良品已经产生了。

比较作用：

可以比较白晚班哪个班品质稳定、几个机台中哪个品质更稳，以及哪个改善方案更好等。

识别过程产生变异的原因：

这个要具体看是普通原因还是特殊原因造成的。如果是普通原因，根据结果有些是可接受的；相反，如果是特殊原因，那就说明过程有大问题，必须改善不可。例如，从控制图看，没有任何异常的点，但CPK就是小于1.33，这种情况就要进行分析了，看是不是要采取系统措施，如更换设备、更换材料、变更生产场地等。

如何运用SPC帮助企业改善品质

在批量生产前，我们就要评估过程能力是否充足，不充足就不能转量产。主要是避免量产后出现批量不良，导致频繁变更，从而影响公司信誉及交货。

在量产时，通过SPC提前预警，在出现不良前进行及时改善调整，避免品质事故、减少品质不良、降低品质成本。

UCL/CL/LCL

通过控制图，可以帮助我们针对品质问题进行原因分析，找到失效的主要缘由，并对普通原因与特殊原因加以区别，以避免改善的盲目性。

QC七大手法

常用计数数据SPC分析——P图制作流程

第一步：确定要进行不良率控制的机种或不良性质、测量工具、统计频率。如PCB导通不良率P图，一天统计一次。某某机种不良率P图，这个是所有不良性质P图。

第二步：制作P图表一般用三张纸：第一张收集数据，第二张绘制P图，第三张注明变更、异常、原因分析及对策。

第三步：检测并计算不良率，并在图上描点。

第四步：得到100个数据后，计算控制线。

第五步：删除异常的点，得到真正的控制线。

第六步：把控制线带入下张控制图，先描上控制线。

第七步：检测、描述、预警、原因及对策分析。

第八步：得到100个数据后，重新计算控制线。

控制图异常判定方法

样本点落在管制界限之外

控制点异常判定图（1）

连续7点在同侧的C区或C区之外

控制点异常判定图（2）

测量结果单边的影响组装，风险极大，不能接受。出现这种情况必须进行原因分析、停止生产、采取对策。3.连续6点以上持续地上升或下降。

连续6点以上持续地上升或下降

控制点异常判定图（3）

可能出现螺丝松动等异常，必须停机，检讨原因。

连续14点交互一升一降

一般会产生这样的疑问，这么整齐的数据会不会有假？

相连3点中有2点在同侧的A区或A区之外

控制点异常判定图（4）

控制点异常判定图（5）

相连5点中有4点在同侧的B区或B区之外

控制点异常判定图（6）

连续15点在中心线上下两侧的C区

点异常判定图（7）

过程能力太好，还是要检讨一下数据是否真实、测量系统是否异常。

有8点在中心线之两侧，但C区并无点子。

控制点异常判定图（8）

常规判定异常的方法主要有本章第二节中的4.1～4.4和4.7这五种，其他方法一般很少用到。