SPC是品質管理過程中非常重要的一個工具，它不是一個概念而是一種方法理論。SPC最初用于制造業，在制造業中，它可以大大減少由于返工和報廢而造成的浪費，可以用于任何具有可測量輸出的流程，SPC現在也廣泛應用于服務行業和醫療領域。

本篇文章分享了SPC的作用、常用計數數據SPC分析——P圖制作流程、控制圖異常判定方法，以及我們應該如何運用SPC幫助企業改善品質。

SPC：統計過程控制什么是SPC？

SPC即統計過程控制，控制對象為產品特性或過程特性，通過數據識別過程異常。

產品特性，主要通過原材料、半成品、成品表現出來，直接體現在輸出上，如礦漿濃度、H+和Cu+含量。

過程特性，主要通過人、設備、工裝、工藝參數、環境表現出來，如PH、合成溫度，過程特性直接影響輸出的結果。

SPC的作用？

預防作用：

通過過去和現在的數據分析，識別到特殊原因，從而起到預警作用，減少因過程異常導致的損失。控制圖有上下控制線，如果有異常的點，即使沒有超過規格線，我們還是要預警，以減少損失。因為如果超過規格線再來預警就太遲了，那時候，大量的不良品已經產生了。

比較作用：

可以比較白晚班哪個班品質穩定、幾個機臺中哪個品質更穩，以及哪個改善方案更好等。

識別過程產生變異的原因：

這個要具體看是普通原因還是特殊原因造成的。如果是普通原因，根據結果有些是可接受的；相反，如果是特殊原因，那就說明過程有大問題，必須改善不可。例如，從控制圖看，沒有任何異常的點，但CPK就是小于1.33，這種情況就要進行分析了，看是不是要采取系統措施，如更換設備、更換材料、變更生產場地等。

如何運用SPC幫助企業改善品質

在批量生產前，我們就要評估過程能力是否充足，不充足就不能轉量產。主要是避免量產后出現批量不良，導致頻繁變更，從而影響公司信譽及交貨。

在量產時，通過SPC提前預警，在出現不良前進行及時改善調整，避免品質事故、減少品質不良、降低品質成本。

UCL/CL/LCL

通過控制圖，可以幫助我們針對品質問題進行原因分析，找到失效的主要緣由，并對普通原因與特殊原因加以區別，以避免改善的盲目性。

QC七大手法

常用計數數據SPC分析——P圖制作流程

第一步：確定要進行不良率控制的機種或不良性質、測量工具、統計頻率。如PCB導通不良率P圖，一天統計一次。某某機種不良率P圖，這個是所有不良性質P圖。

第二步：制作P圖表一般用三張紙：第一張收集數據，第二張繪制P圖，第三張注明變更、異常、原因分析及對策。

第三步：檢測并計算不良率，并在圖上描點。

第四步：得到100個數據后，計算控制線。

第五步：刪除異常的點，得到真正的控制線。

第六步：把控制線帶入下張控制圖，先描上控制線。

第七步：檢測、描述、預警、原因及對策分析。

第八步：得到100個數據后，重新計算控制線。

控制圖異常判定方法

樣本點落在管制界限之外

控制點異常判定圖（1）

連續7點在同側的C區或C區之外

控制點異常判定圖（2）

測量結果單邊的影響組裝，風險極大，不能接受。出現這種情況必須進行原因分析、停止生產、采取對策。3.連續6點以上持續地上升或下降。

連續6點以上持續地上升或下降

控制點異常判定圖（3）

可能出現螺絲松動等異常，必須停機，檢討原因。

連續14點交互一升一降

一般會產生這樣的疑問，這么整齊的數據會不會有假？

相連3點中有2點在同側的A區或A區之外

控制點異常判定圖（4）

控制點異常判定圖（5）

相連5點中有4點在同側的B區或B區之外

控制點異常判定圖（6）

連續15點在中心線上下兩側的C區

點異常判定圖（7）

過程能力太好，還是要檢討一下數據是否真實、測量系統是否異常。

有8點在中心線之兩側，但C區并無點子。

控制點異常判定圖（8）

常規判定異常的方法主要有前面提到的這五種，其他方法一般很少用到。

審核編輯 ：李倩