SPC统计过程控制怎么做？六西格玛日常质量监控的落地方法

核心结论

SPC（Statistical Process Control，统计过程控制）是六西格玛Control阶段的核心工具，也是企业日常质量管理中最实用的统计方法。它的目标不是检验出不合格品，而是在过程失控之前发出预警，让问题不发生。

SPC的核心理念：区分两种变异

任何过程的输出都有波动，但波动的来源不同：

普通原因（Common Cause）：过程固有的随机波动，无法消除，只能减小。比如设备精度极限、环境微小变化、材料批次间正常差异。

特殊原因（Special Cause）：可识别的异常因素，可以消除。比如操作员换班未调机、来料混料、设备突然故障。

SPC控制图的作用就是：用统计边界区分这两种变异，特殊原因出现时及时报警。

控制图的完整实施流程

第一步：确定监控对象

选择与客户要求直接相关的关键特性（CTQ）。不要什么都监控，优先选缺陷率高、客户投诉多、返工成本大的指标。

第二步：确定抽样策略

• 抽样频率：初期每班或每小时，稳定后每天或每周
• 样本量：X̄-R图通常每批5件，I-MR图单件连续抽样
• 抽样方法：随机抽样，避免人为挑选

第三步：收集基线数据

至少收集20-25组数据（约100个样本点），计算中心线（CL）、上控制限（UCL）、下控制限（LCL）。

控制限公式（X̄-R图）：

• UCL = X̄̄ + A₂ × R̄
• LCL = X̄̄ - A₂ × R̄
• CL = X̄̄

其中A₂是常数（n=5时A₂=0.577），X̄̄是所有 subgroup 均值的均值，R̄是所有 subgroup 极差的均值。

第四步：绘制控制图并判异

把数据点描在图上，用八大判异规则检查是否失控。

第五步：调查特殊原因

发现失控信号后，立即调查当时的人、机、料、法、环有什么变化。记录原因和处理措施。

第六步：持续监控与优化

过程改进后，重新计算控制限。定期评审控制图的有效性，调整抽样频率。

控制图类型选择速查

| 数据类型 | 样本量 | 推荐控制图 | 应用场景 |

|---------|--------|-----------|---------|

| 计量型 | 2-10 | X̄-R图 | 零件尺寸、重量、强度 |

| 计量型 | >10 | X̄-S图 | 大样本检验 |

| 计量型 | 1 | I-MR图 | 单件生产、化学反应批次 |

| 计数型（不合格品数） | 固定 | np图 | 每批100件检不良数 |

| 计数型（不合格品率） | 不固定 | p图 | 各批数量不同 |

| 计数型（缺陷数） | 固定 | c图 | 每片芯片缺陷数 |

| 计数型（单位缺陷数） | 不固定 | u图 | 各样本面积不同 |

实际案例：注塑件尺寸监控

某注塑件关键尺寸目标值50.00mm，规格限±0.10mm。建立X̄-R图：

• 每2小时抽5件测量
• 25组数据后计算：X̄̄=50.02，R̄=0.08
• UCL = 50.02 + 0.577×0.08 = 50.07
• LCL = 50.02 - 0.577×0.08 = 49.97

第26批数据：X̄=50.12，超出UCL。调查发现该批次模具温度传感器故障，实际温度比设定高15°C。修复传感器后恢复监控。

SPC成功的关键因素

• 测量系统可靠：R&R>30%时，控制图误报率高，先解决测量问题
• 反应计划明确：发现失控后谁去调查、多长时间反馈、什么情况下停线，必须书面规定
• 不要过度调整：普通原因波动不需要调整参数，频繁调整反而增大波动（ tampering 效应）
• 分层分析：同一控制图上数据来自不同设备、不同班次，可能掩盖问题，建议分层建图
• 持续培训：操作员要理解"为什么描点""出界意味着什么"，而不是机械执行

常见错误

• 规格限当控制限：规格限是客户要求，控制限是过程统计边界，混用会导致错误判断
• 失控就调参数：先调查特殊原因，确认是系统性问题再调整
• 控制限永远不更新：过程改进后，旧控制限太宽，失去敏感性
• 只画图不分析：控制图是预警工具，不是装饰品，出界必须行动

学习建议

SPC是六西格玛绿带和黑带都需要熟练掌握的工具，也是企业推行六西格玛最容易落地的切入点。建议从X̄-R图开始，选一个实际CTQ指标，完整走一遍建图→监控→判异→调查→改进的流程。

众智商学院六西格玛绿带课程1580元、黑带1980元，SPC和控制图是Control阶段的实操重点。冯老师电话18610089571。