SPC（Statistical Process Control，统计过程控制）是应用统计方法对生产过程进行实时监控的工具。SPC的核心理念是预防胜于检测——在产生不合格品之前就发现过程异常并采取措施。
SPC与事后检验的本质区别：事后检验发现不合格品时已经产生浪费；SPC在过程即将失控时就发出预警，避免不合格品的产生。研究表明，SPC可以将质量成本降低30-50%。
SPC由休哈特博士（Walter Shewhart）于1924年在贝尔实验室首次提出，经过100年的发展，已成为制造业质量管理的基础工具。IATF 16949汽车行业质量管理体系将SPC列为五大核心工具之一。
SPC包含两大核心组件：控制图（可视化监控工具）和过程能力分析（量化评估工具）。控制图回答"过程是否稳定"的问题，过程能力分析回答"过程是否足够好"的问题。
选择正确的控制图是SPC成功实施的第一步。选错控制图会导致误判（把正常当异常）或漏判（把异常当正常）。
| 数据类型 | 子组大小 | 推荐控制图 | 适用场景 |
|---|---|---|---|
| 计量型（连续） | 2-10 | Xbar-R图 | 最常用的控制图，如尺寸/重量/温度 |
| ≥11 | Xbar-S图 | 大样本场景，S比R更精确 | |
| 1（无法分组） | I-MR图 | 单值数据，如化工批次/月度数据 | |
| 计数型（离散） | 可变样本 | p图 | 不合格品率监控 |
| 固定样本 | np图 | 不合格品数监控 | |
| 可变样本 | u图 | 单位缺陷数监控 | |
| 计数型（缺陷数） | 固定单位 | c图 | 缺陷数监控（如 scratches/气泡） |
用Xbar-R图监控单值数据 → 误判率极高
用p图监控计量型数据 → 丢失大量信息
样本量n=15还用R图 → 应该用S图更精确
Xbar-R图是最常用的控制图，适用于样本量2-10的计量型数据。Xbar图监控过程中心（均值）的波动，R图监控过程变异（极差）的波动。
计算公式：
适用场景：机加工尺寸监控、注塑件重量、SMT焊点高度、食品包装重量等。
与Xbar-R图类似，但用标准差S代替极差R。当样本量≥11时，S比R更能准确估计过程变异。
适用场景：大样本自动化检测、在线测量系统等。
用于无法分组或每次只能取一个数据的场景。I图监控单个观测值，MR图监控相邻两个观测值的差异。
适用场景：化工批次检测、月度财务数据、破坏性测试（如拉伸强度）、产品单价等。
用于监控不合格品率，样本量可以变化。适用于 pass/fail 类型的二项分布数据。
适用场景：来料检验合格率、产品最终检验合格率、客户投诉率等。
用于监控固定单位内的缺陷数，服从泊松分布。适用于缺陷数较少的场景。
适用场景：每片PCB的焊点缺陷数、每辆车涂装外观缺陷数、每批产品气泡数等。
过程失控的判定不能仅凭"有点超出控制限"，需要系统性的判异规则。以下是国际通用的8大判异规则：
| 规则 | 判异准则 | 含义 |
|---|---|---|
| 规则1 | 1个点超出3σ控制限 | 存在特殊原因，最常见 |
| 规则2 | 连续9个点在同一侧中心线 | 过程中心偏移 |
| 规则3 | 连续6个点递增或递减 | 过程趋势性漂移 |
| 规则4 | 连续14个点上下交替 | 过度调整或分层抽样 |
| 规则5 | 3个点中有2个在2σ-3σ之间 | 过程变异增大 |
| 规则6 | 5个点中有4个在1σ之外 | 过程中心偏移 |
| 规则7 | 连续15个点在±1σ之内 | 数据分层或测量问题 |
| 规则8 | 连续8个点在±1σ之外 | 过程双峰分布 |
实际应用建议：一般使用规则1+2+3即可发现90%以上的异常。规则4-8用于深入诊断。Minitab默认开启规则1+2+3+4。
计量型：Stat → Control Charts → Variable → Xbar-R
计数型：Stat → Control Charts → Attribute → P Chart
判异规则：工具栏 → Control Chart Options → Tests
批量生成：Editor → Command Line Editor
很多初学者混淆"过程受控"和"过程有能力"的概念。这是两个完全不同的概念：
| 维度 | 过程受控（Stable） | 过程有能力（Capable） |
|---|---|---|
| 回答的问题 | 过程是否稳定？ | 过程是否满足要求？ |
| 判断工具 | SPC控制图 | Cpk/Ppk |
| 判断标准 | 无失控点，无趋势 | Cpk≥1.33（及格），≥1.67（良好） |
| 先决条件 | 无特殊要求 | 必须先证明过程受控 |
四种组合状态：
关键结论：计算Cpk之前，必须先证明过程受控。如果过程不受控，Cpk的计算没有意义，因为数据来自不同分布。
汽车行业是SPC应用最成熟的领域。IATF 16949强制要求使用SPC监控关键特性。典型应用：冲压件尺寸（Xbar-R）、焊接强度（I-MR）、涂装膜厚（I-MR）、总装扭矩（Xbar-S）。汽车供应商来料检验通常要求Cpk≥1.33，SPC是证明过程能力的必要工具。
电子行业SPC应用集中在SMT贴片（焊点高度/回流焊温度）、PCB制造（线宽/阻抗）、半导体（关键尺寸/膜厚）。电子行业特点是数据采集自动化程度高，适合实时SPC系统。
医疗器械对SPC的要求极高，FDA 21 CFR Part 11要求电子记录完整性。典型应用：植入物尺寸（Xbar-R）、灭菌参数（I-MR）、包装密封强度（Xbar-R）。关键尺寸通常要求Cpk≥1.67。
食品行业SPC应用：包装重量（Xbar-R）、水分含量（I-MR）、微生物检测（p图）、异物控制（c图）。食品行业特点是批量生产，适合用Xbar-R图监控。
某汽车零部件供应商为德系主机厂供货转向节，关键孔径φ25±0.02mm。此前每月PPM约800，多次收到客户警告。
项目实施：MSA验证气动量仪GR&R=6.3%，数据可靠。用Xbar-R图监控，发现规则2异常（连续10个点在中心线下方），追查发现是刀具磨损导致尺寸逐渐偏小。建立每4小时换刀+自动补偿机制。
某电子企业SMT贴片焊点高度波动大，导致X-Ray检测不良率3.2%，返修成本高。
项目实施：用Xbar-R图监控焊点高度，发现规则3异常（连续7个点递减），对应回流焊炉温区3温度传感器故障。修复传感器+建立炉温每日校验制度。
某食品企业袋装产品重量标称500g±10g，因重量不稳定经常被客户投诉超重/欠重。
项目实施：用Xbar-R图监控包装重量，发现规则5异常（2/3点在2σ外），根因是称重传感器零点漂移。实施每班次校准+自动剔重系统。
控制限反映过程实际表现（过程能做什么），由数据计算得出；规格限反映客户要求（过程应该做什么），由设计或客户规定。过程受控≠过程合格。SPC确保过程受控，Cpk确保过程合格。如果控制限在规格限之内，过程自然有能力；如果控制限超出规格限，即使过程受控也会产出不合格品。
通常需要20-25个子组才能可靠估计控制限。每个子组包含2-5个样本。数据太少控制限不稳定，数据太多可能混入不同条件。I-MR图由于是单值图，建议至少收集100个数据点。
标准响应流程：①立即停止生产或加强检验；②记录失控时间、产品批次、操作人员；③用5Why分析法查找根因；④采取纠正措施消除特殊原因；⑤验证措施有效；⑥重新计算控制限（如果是永久性改变）。不要立即删除失控点重新算限——必须先找到根因。
Xbar图基于中心极限定理，即使原始数据非正态，子组均值也近似正态，所以Xbar图对正态性不敏感。但I-MR图和Cpk计算对正态性敏感。如果数据明显非正态（如 skewness>1），建议先做Box-Cox转换，或使用非参数控制图。
可以但不推荐用于生产。Excel可以绘制基础控制图，但缺少8大判异规则自动检测、过程能力分析、正态性检验等功能。推荐使用Minitab（最常用）、JMP或国产软件Q-DAS。对于简单场景，可以用Excel模板做初步分析。
SPC回答"过程稳定吗"，Cpk回答"过程好吗"。两者是互补关系：计算Cpk前必须先证明过程受控。如果过程不受控（控制图上有失控点），Cpk的计算没有统计意义，因为数据来自不同分布。标准流程：先做SPC确认受控 → 再算Cpk评估能力。
多品种小批量是传统SPC的难点。解决方案：①标准化转换：将不同品种的数据标准化（Z转换）后合并监控；②短程SPC：用移动极差代替子组极差，减少数据需求；③预控制图：用规格限的50%作为行动限，简化判异规则；④回归调整：建立品种-目标值回归模型，监控残差。
快速见效项目（如 setup SPC监控）2-4周即可降低缺陷率。完整的SPC体系建设项目需要2-3个月。如果是从0开始推行SPC文化，需要6-12个月。建议先选一个痛点工序做标杆项目，快速见效后推广到其他工序。