SPC - 统计过程控制

统计过程控制(Statistical Process Control)是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。

利用统计的方法来监控过程的状态，确定生产过程在管制的状态下，以降低产品品质的变异。

统计过程控制(简称SPC)是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。它认为，当过程仅受随机因素影响时，过程处于统计控制状态(简称受控状态);当过程中存在系统因素的影响时，过程处于统计失控状态(简称失控状态)。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布;而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。

实施SPC的过程一般分为两大步骤:首先用SPC工具对过程进行分析，如绘制分析用控制图等;根据分析结果采取必要措施:可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。第二步则是用控制图对过程进行监控。

控制图是SPC中最重要的工具。目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图;对多重质量特性进行控制的控制图。

1924年休哈特(W.A.Shewhart)博士绘制了第一张的SPC控制图，并于1931年出版了《加工产品品质的经济控制》(Economic Control of Quality of Manufactured Products)之后，SPC应用于各种制造过程改善便就此展开。

SPC是一种用来分析数据的科学方法，并且利用分析结果来解决实际的问题。只要问题能以数字表示，就可以应用SPC来分析。一般收集的资料都会有变动的现象，将这些数据画在图上，抽样值在某个范围中上下变动，为何会有这些波动发生?其原因可能是原料、设备、气压、操作员生理、心理不同所造成。而SPC的基本原理如下:

1. 被量测出的产品品质特性均是由于某些偶然因素所造成的结果。

2. 某些"偶然因素下的一致现象"，是任何制造和检验的架构下所固有的。

3. 在这固有之"一致现象"的状态下的变动将无法找到原因。

4. 在该状态外的变动原因，则是可被发现而加以改正的。

由此可知，休哈特博士将影响产品品质的变异分为不可归咎变异和可归咎变异两类因素:

·不可归咎变异因素是在过程中随时都会影响到产品。

·可归咎变异因素则是在某种特定条件下的过程中才会影响到产品。

如果某一过程只受到不可归咎变异因素影响，则该过程称为稳定过程，即是产品品质特性的变异是在可预测的统计控制范围之内;另一方面，如果某一过程同时被不可归咎与可归咎两个变异因素所影响，则该过程是不稳定的，此时产品品质特性的变异将无法以统计方法来预测。SPC图(SPC Charts)正是为了判断过程是否稳定，或是区分过程究竟是被不可归咎变异因素或可归咎变异因素所影响的一种统计技术。

全员参与，而不仅仅是依靠少数质量管理人员;

强调使用统计学的方法来保证预防原则的实现;

SPC不是用来解决个别工序采用什么控制图的问题，SPC强调从整个过程、整个体系出发来解决问题。

能判断整个过程的异常，及时报警。

工程准确度 ( Capability of Accuracy )

必须首先确定管制项目的标准值。

设定管制项目标准值的目的，就是希望以该值制造出来的各种产品的实际值，能以该标准值中心，成左右对称的常态分配，而制造时也应以标准值为目标。工程准确度(Ca)评价目的就在于衡量制程平均与标准的一致程度，有时工程准确度指数又称为正确度指数。

实施SPC分为两个阶段，一是分析阶段，二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。

分析阶段的主要目的在于:

1.      使过程处于统计稳态;

2.      使过程能力足够。

分析阶段首先要进行的工作是生产准备，即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。生产准备完成后就可以进行，注意一定要确保生产是在影响生产的各要素无异常的情况下进行;然后就可以用生产过程收集的数据计算控制界限，做成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则必须寻找原因，进行改进，并重新准备生产及分析。直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入SPC监控阶段。

监控阶段的主要工作是使用控制用控制图进行监控。此时控制图的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，必须寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。

在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并且在必要时会重复进行这样从分析到监控的过程。

经过近70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。概括来讲，SPC的发展呈现如下特点:

(1).分析功能强大，辅助决策作用明显 在众多企业的实践基础上发展出繁多的统计方法和分析工具，应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析，在这一过程中SPC的辅助决策功能越来越得到强化;

(2).体现全面质量管理思想 随着全面质量管理思想的普及，SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程、售后服务及产品使用等各个环节的质量控制，强调全过程的预防与控制;

(3).与计算机网络技术紧密结合 现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点，这都要求可快速处理不同来源的数据并做到最大程度的资源共享。适应这种需要，SPC与计算机技术尤其是网络技术的结合越来越紧密。

1.关于控制、过程、统计

2.特性及其分类

3.统计学基础

4.过程的理解与过程控制

5.波动及波动的原因

6.局部措施和系统措施

1.正态分布简介

2.统计控制状态及两种错误

3.过程控制和过程能力

4.过程改进循环

实施SPC的主要统计工具就是控制图。控制图是一种图形方法，它给出表征过程当前状态的样本序列的信息，并将这些信息与考虑了过程固有变异后所建立的控制限进行对比。

控制图法首先用来帮助评估一个过程是否已达到、或继续保持在具有适当规定水平的统计控制状态，然后用来帮助在生产过程中，通过保持连续的产品质量记录，来获得并保持对重要产品或服务的特性的控制与高度一致性。应用控制图并仔细分析控制图。可以更好地了解和改进过程，即实现企业的SPC过程管控。

控制图分类

根据控制图使用目的的不同，控制图可分为:分析用控制图和控制用控制图。根据统计数据的类型不同，控制图可分为:计量控制图和计数控制图(包括计件控制图和计点控制图)。它们分别适用于不同的生产过程。每类又可细分为具体的控制图，最初主要包含七种基本图表。

计量型控制图包括:

* IX-MR(单值移动极差图)

* Xbar-R(均值极差图)

* Xbar-s(均值标准差图)

计数型控制图包括:

* P(用于可变样本量的不合格品率)

* Np(用于固定样本量的不合格品数)

* u(用于可变样本量的单位缺陷数)

* c(用于固定样本量的缺陷数

6.控制图的选择

五、建立计量型控制图的步骤和计算方法

1.均值和极差图

2.均值和标准差图

3.中位数和极差图

4.单值和移动极差图

六、计数型控制图与过程能力指数

1.过程能力解释前提

2.过程能力的计算

3.过程能力指数

4.过程绩效指数

七、过程判异规则

以下是常用的八项判异准则:

1、一点落在A区以外;

2、连续9点落在中心线同一侧;

3、连续6点递增或递减;

4、连续14点相邻点上下交替;

5、连续3点有2点落在中心线同一侧的B区以外;

6、连续5点中有4点落在中心线同一侧的C区以外;

7、连续15点在C区中心线上下;

8、连续8点在中心线两侧且无一在C区内。

1、前言─SPC的由来、发展和基本要求

2、识别关键控制点

3、数据变异的衡量和分析·直方图

4、数据的动态变异·控制图

4.1、随机波动与异常波动

4.2、ISO 8258:1991《休哈特控制图》(Control Chart)要点

4.3、常规控制图的类型和实例

s 控制图的结构和概念解释

s 控制图类型和用途

1) X平均与极差图(均值-极差控制图、均值-标准差控制图、中位数-极差控制图、单值-移动极差控制图)

s 结构和应用流程

s 举例

2) I和MR控制图

s 结构和应用流程

s 举例

3) 离散U、C、P、NP控制图

s 结构和应用流程

s 举例

s 如何收集数据

s 采样及数据收集

s 设定和维持控制界限

4.4、控制图制订和使用中的若干实际问题

4.5、现代控制图技术案例

5、过程能力与过程性能(Process Capability / Performance)分析以及相应的指数CPK、PPK的应用

6、过程能力/性能的保证和提高---查找原因采取纠正/预防措施的逻辑推理工具

s 5M1E要素

s 分层法与排列图

s 用于因果关系和逻辑关系分析的非数字资料方法工具:因果图、系统图与"5Why分析表"、关联图、故障树分析(FTA)、过程决策程序图(PDPC)法

7、如何实现有效的SPC现场控制

s 受控的标准

s 流程失控的表现

s 失控的现场应对

s 练习制作控制图进行失控分析

s SPC实施中现场"看得见管理"应用的直观显示图表

8、SPC的效果评估的方法

s 显著性检验

s 统计抽样检验

9、回归分析

s 一元线性回归分析

s曲线回归

s 双列相关分析

10、方差分析

s 方差分析的基本概念及其应用

s 方差分析在MSA(测量系统分析)中的应用

s 多重比较:q检验

11、试验设计(Design of Experiment, DOE)--介绍正交试验设计

12、SPC项目的开展(SPC在QCC/QIT、6Sigma项目活动中的应用)

1、关键流程的确定

2、稳定工艺过程

3、过程能力的测定和分析

4、确定控制标准

5、选择和建立控制图

6、制定反馈行动计划

7、MSA测量系统分析

8、SPC应用的有效性评估

9、SPC应用的团队活动

10、案例分析及实施疑难探讨

一、原因分析 目前我们国内许多企业也开始逐步认识和推广SPC，但并没有达到预期的效果，为什么呢?究其原因，主要可以分为以下几点:

1、企业对SPC缺乏足够的全面了解

2、企业对实施SPC的前期准备工作重视不够

3、未能有效地总结和借鉴其他企业的经验

二、改进对策

针对以上原因，要保证SPC实施成功，企业应重视如下几方面的工作:

1、公司领导的重视

2、工程技术人员的认识和重视

3、对全员加强质量意识的培训

4、重视数据的收集和异常数据的处理

5、实施PDCA循环，达到持续改进

SPC强调全过程监控、全系统参与，并且强调用科学方法(主要是统计技术)来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程(如产品设计、市场分析等)。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到"事前"预防和控制，SPC可以:SPC是全球范围内制造业所信赖和采用的质量控制技术。半个多世纪以来，SPC的广泛应用推动了制造业的发展与繁荣。 新世纪是质量的世纪，质量塑造未来，质量也是竞争的关键。在一些行业，应用SPC已经成为企业生存的基本需求。 传统观念把检验作为质量保证的手段，只能事后判断，而应用SPC，能够把握先机，预防不合格品的出现，降低成本，提高企业运行效率。

SPC可以帮助企业:

· 对过程作出可靠的评估;

· 确定过程的统计控制界限，判断过程是否失控和过程是否有能力;

· 为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生;

· 减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作;

有了以上的预防和控制，我们的企业当然是可以:

* 大幅降低生产过程的异常波动和产品报废率

* 科学提高企业生产力

* 有效削减生产成本

* 及时发现流程中的问题隐患

* 对流程中任何变化迅速做出反应

* 在制造现场随时做出准确判断和决策

实施SPC的过程中常见的十大误区

误区之一:没能找到正确的管制点

不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸(特性的).那么重点尺寸\性能如何确定呢?通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可);

误区之二:没有适宜的测量工具.

计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的解析与管制,否则,管制图不能识别过程的谈判.而很多工厂忽略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导;

误区之三:没有解析生产过程,直接进行管制.

管制图的应用分为两个步骤:解析与管制.在进行制程管制之前,一定要进行解析.解析的目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等至关重要的制程信息。制程只有在稳定，并且制程能力可以接受的情况下，方才进入管制状态。

误区之四:解析与管制脱节。

在完成制程解析后，如果我们认为制程是稳定且制程能力可接受的，那么，就进入管制状态。制程控制时，是先将管制线画在管制图中，然后依抽样的结果在管制图上 进行描点。那么，管制时管制图的管制线是怎么来的呢?管制图中的管制线是解析得来的，也就是说，过程解析成功后，管制线要延用下去，用于管制。很多工厂没 能延用解析得来的管制线，管制图不能表明过程是稳定与受控的。

误区之五:管制图没有记录重大事项。

要知道，管制图所反应的是"过程"的变化。生产的过程输入的要项为5M1E(人、机、料、法、环、量)，5M1E的任何变化都可能对生产出来的产品造成影响。换句话说，如果产品的变差过大，那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化，那么，这些变化就会在XBAR图或R图上反映出来，我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机，而改善的第一步就是分析原因，那么，5M1E中的哪些方面发生了变化呢?我们可以查找管制图中记录的重大事项，就可以明了。所以，在使用控制图的时候，5M1E的任何变化，我们都要记录在管制图中相应的时段上。

误区之六:不能正确理解XBAR图与R图的含义。

当我们把XBAR-R管制图画出来之后，我们到底从图上得哪些有用的资讯呢?这要从XBAR及R图所代表的意义来进行探讨。首先，这两个图到底先看哪个图?为什么?R反应的是每个子组组内的变差，它反映了在收集数据的这个时间段，制程所发生的变差，所以他代表了组内固有的变差;XBAR图反映的是每个子组的平均值的变化趋势，所以其反映的是组间的变差。组内变差可以接受时，表明分组是合理的;组间变差没有特殊原因时，表明我们在一段时间内，对过程的管理是有效的、可接受的。所以，我们一般先看R图的趋势，再看XBAR图。

误区之七:管制线与规格线混为一谈

当产品设计出来之后，规格线就已经定下来了;当产品生产出来后，管制图的管制线也定出来了。规格线是由产品设计者决定的，而管制线是由过程的设计者决定的， 管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控，与产品规格没有任何的联系，它只决定于生产过程的变差。当西格玛小时，管制 线就变得比较窄，反之就变得比较宽，但如果没有特殊原因存在，管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时，往往画蛇添足，在管制图上再加上上下规格线，并以此来判产品是否合格，这是很没有道理，也是完全没有必要的。

误区之八:不能正确理解管制图上点变动所代表的意思

我们常常以七点连线来判定制程的异常，也常用超过三分之二的点在C区 等法则来判断制程是否出现异常。如果是作业员，只在了解判定准则就好了;但作为品管工程师，如果不理解其中的原委，就没有办法对这些情况作出应变处理。那 么这么判定的理由是什么呢?其实，这些判定法则都是从概率原理作出推论的。比如，我们知道，如果一个产品特性值呈正态分布，那么，点落在C区的概率约为4.5%，现在有三分之二的点出现在4.5%的概率区域里，那就与正态分布的原理不一致了，不一致也就是我们所说的异常。

误区之九:没有将管制图用于改善

大部分公司的管制图都是应客户的要求而建立，所以，最多也只是用于侦测与预防过程特殊原因变异的发生，很少有用于过程改善的。其实，当管制图的点显示有特殊原因出现时，正是过程改善的契机。如果这个时候我们从异常点切入，能回溯到造成异常发生的5M1E的变化，问题的症结也就找到了。用就管制图进行改善时，往往与分组法、层别法相结全使用，会取得很好的效果。

误区之十:管制图是品管的事情

SPC 成功的必要条件，是全员培训。每一个人员，都要了解变差、普通原因、特殊原因的观念，与变差有关的人员，都要能看懂管制图，技术人员一定要了解过度调整的概 念……等。如果缺乏必要的培训，管制图最终只会被认为是品管人员的事，而其实我们知道，过程的变差及产品的平均值并不由品管决定，变差与平均值更多的是由 生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念，大部分人员都会认为:产品只要合符规格就行了!显然，这并不是SPC的意图。所以，只有品管在关注管制图是远远不够的， 我们需要全员对管制图的关注。