SPC 控制图实务与判异

是什么

SPC（Statistical Process Control，统计过程控制）是一套用统计方法监控过程变差的反馈系统。它把波动分成两类：

波动类型	来源	对策
普通原因（Common Cause）	过程固有的、随机的小变差	改系统（设备、材料、参数、设计）
特殊原因（Special Cause）	突发的、非随机的异常	立即查因、隔离、纠正

控制图的作用就是实时告诉你"现在发生的是哪一种"：点子在控制限内随机分布 = 只有普通原因，过程稳定；出现判异模式 = 有特殊原因介入，必须处理。

控制限 ≠ 规格限

这是最常见的误解：

概念	来源	含义
控制限（UCL/LCL）	由过程数据计算（通常 ±3σ）	过程"实际能力"的边界
规格限（USL/LSL）	客户/设计给定	产品"允许"的边界

• 控制限比规格限窄是正常的（过程有能力）；
• 若控制限比规格限还宽，说明过程能力不足，光靠 SPC 控制不住，要改过程；
• 不能把规格限画在控制图上当控制限用，那是在做"事后检验"，不是 SPC。

控制图选型

数据类型	子组	常用图
计量型（长度、重量、温度、推力）	2–9 件/组	X̄-R 图（均值-极差）
计量型	≥ 10 件/组	X̄-S 图（均值-标准差）
计量型	单件、慢速过程	I-MR 图（单值-移动极差）
计数型（不良率）	样本量可变	p 图 / np 图
计数型（缺陷数）	单位面积/台数	c 图 / u 图

选择原则：能测数值就用计量型（信息量大、灵敏度高）；只能判合格/不合格才用计数型。子组要同质——同一班次、同一批材料、同一台设备，不要把不同条件混进一个子组。

常见判异规则

以 ±3σ 控制图为例，以下模式提示特殊原因（不同体系有 4–8 条变体，选一套并写进控制计划）：

1. 1 点超出 3σ：明显异常，立即处理；
2. 连续 9 点在中心线同一侧：过程均值发生偏移；
3. 连续 6 点单调上升或下降：趋势（刀具磨损、药剂消耗、温度漂移）；
4. 连续 14 点上下交替：系统性交替（两台设备/两个工位交替产出）；
5. 连续 3 点中有 2 点落在 2σ 之外（同侧）：过程开始劣化；
6. 连续 5 点中有 4 点落在 1σ 之外（同侧）：同上，更早期预警；
7. 连续 15 点集中在 1σ 以内：变差异常小，可能是数据造假或分层错误；
8. 连续 8 点落在 1σ 之外（两侧）：变差过大，混合了不同分布。

规则不是越多越好：规则越多，误报警越多（第一类错误）。选 3–4 条适合本工序的，写清楚谁看、看了怎么办。

过程能力：Cp/Cpk 与 Pp/Ppk

指标	用哪个标准差	回答什么
Cp	组内变差（短期）	过程"潜在"能力（不考虑偏移）
Cpk	组内变差	考虑均值偏移后的实际能力（短期）
Pp	总体变差（长期）	过程"实际表现"（含换批、换班、漂移）
Ppk	总体变差	长期实际能力，客户通常看这个
Cmk	设备自身变差	设备能力（试产/验收用）

关系：Ppk ≤ Cpk，差距越大说明过程随时间漂移越明显（换型、换料、换人、环境）。只看 Cpk 会高估实际表现。

怎么做 / 关键点

1. 先有控制计划：哪个特性、用什么图、子组多大、多久抽一次、谁记录、异常怎么办。
2. 控制限来自稳定过程：先用 20–25 组数据确认过程受控，再冻结控制限；过程变更后重新评估。
3. 不要每次重算控制限：一重算，异常就被"吃"掉了。
4. 判异必须闭环：停线/隔离 → 查原因 → 纠正 → 验证 → 记录，缺一环就白做。
5. 测量系统先行：MSA（GRR）没做，控制图上的波动可能全是测量误差。
6. 数据要真实：抄数、编数会让控制图彻底失去意义。
7. 看趋势而不只看点：判异规则的价值在早期预警，等超 3σ 往往已经产生不良。

常见坑

• 把规格限当控制限：图上"没超线"其实是没超规格，过程早已失控。
• 控制限每月重算：异常模式被稀释，永远发现不了。
• 只画图不行动：报警了没人管，员工自然不再认真打点。
• 子组不同质：把三台设备的数据混一组，波动被人为放大。
• 样本量太小：2 件一组算不出有意义的能力指数。
• 能力指数用错：拿 Cpk 当长期能力向客户承诺，量产 Ppk 掉下来。
• 控制图当装饰：挂在墙上给审核看，实际没人用。