SPC统计过程控制是什么？控制图的基本原理

统计过程控制（Statistical Process Control，SPC）是利用按时间收集的过程数据，识别变异、监控稳定性并指导改进的方法。控制图是其中的核心工具：它将当前表现与过程基线比较，提示是否出现值得调查的变化，而不是仅在产品超出公差后统计不良数量。

在质量管理中，SPC把检测数据转化为过程判断，但控制图本身不会自动修好设备，也不能替代产品验收。要正确使用它，需要先确定测什么、怎样取样和分组，再理解控制限、异常信号以及信号出现后的处置。

SPC控制图的基本原理是什么？

区分普通原因变异与特殊原因变异

同一设备加工的零件，也不会得到完全相同的尺寸。在既定工艺系统中持续存在、共同形成背景波动的因素，称为普通原因；某次夹具松动、测量方式改变或材料异常等可识别的变化，则可能形成特殊原因。两者的区别不只是波动“大不大”，而是这种变化是否属于当前过程的稳定运行方式。

控制图的作用是提供调查线索。超限点或非随机排列，意味着观测结果与原有稳定模式不相符，需要检查；它不能单凭曲线确认具体是刀具、材料还是人员造成的。Minitab的变异说明也区分这两类原因，并指出对普通波动频繁来回调整，可能反而增加变异。

因此，普通原因并不是“无需改善”：当整体波动不能满足要求时，需要改进设备、工艺或测量系统。只是这种改进应针对系统，而不是看到每一个读数升高或降低就立即调参数。

用时间序列和统计界限比较当前过程与基线

控制图的横轴通常是时间或取样顺序；纵轴可以是单次测量值、子组均值、极差、不合格品比例等。中心线（CL）表示所监控统计量的基准水平，上控制限（UCL）和下控制限（LCL）则表示在选定模型和判异规则下，用于识别异常变化的统计界限。

常见休哈特控制图采用“三倍标准差”思路，在误报和发现变化的灵敏度之间取得平衡。这里的标准差必须对应图上画出的统计量：单值图监控单个读数，均值图监控一组读数的平均值，两者不能套同一个波动范围。以独立、同分布的等容量子组为例，子组均值的标准差为单件标准差除以子组容量的平方根。

限值过窄，正常波动也可能频繁报警；限值过宽，变化又可能被掩盖。不同图使用不同估计方式，有些图的界限会随样本量变化，并非给任何折线加上“平均值±3倍整列数据标准差”就完成了SPC。

控制限和规格限有什么不同？

界限	来源和用途
控制限：UCL、LCL	通常依据适当的历史过程数据、所监控统计量及控制图方法建立，也可使用经确认的历史参数。用于判断过程是否出现统计异常。
规格限：USL、LSL	来自图纸、设计、客户或适用要求，可能是双侧，也可能只有单侧。用于评价相应产品特征是否满足要求。

美国国家标准与技术研究院（NIST）的控制图说明明确区分了这两个目的。控制限不是设计允许的最大误差，规格限也不能直接拿来充当控制限。

一件产品可能仍在规格内，但相对原有过程已经发生明显偏移；也可能过程一直稳定，却因整体波动过大或中心偏离目标而持续产生超差产品。前者要求调查变化，后者要求改善过程能力。不能用“这几件都合格”证明过程稳定，也不能用“控制图没有报警”证明每件产品合格。

常见控制图分别适合什么数据？

先区分数据类型，再看取样是否形成合理子组。可以测得的长度、重量、时间属于计量型数据；把产品判为合格或不合格，以及统计缺陷个数，属于不同形式的计数型数据。

数据情形	常见图及其观察对象
每个取样时刻只有一个连续测量值	I-MR（单值—移动极差图）：I图看单值水平，MR图看相邻读数的变化幅度。适用于没有合理子组的单值序列。
同一时刻或短时间内取得一组连续测量值	X̄-R（均值—极差图）常用于较小子组；X̄-S（均值—标准差图）常用于较大子组。均值与离散程度应配合观察。
统计不合格品：每件只计合格或不合格	p图监控不合格品比例，需要记录每组检验总数；np图监控不合格品数，通常用于样本量固定的情形。
统计缺陷：一件产品上可有多个缺陷	c图用于检查规模或缺陷机会基本固定时的缺陷数；u图用于单位检查量的缺陷数，可处理检查量不同的情形，但分母与检查口径必须明确。

“不合格品数”和“缺陷数”不能混用：同一件产品有三处不合格缺陷，按不合格品计数仍是一件，按缺陷计数则可能是三处。NIST的计数控制图说明专门区分了产品单位与不符合项。

样本量变化时，p图等方法的控制限通常也需要相应变化；连续材料上的缺陷比较，还要明确单位长度、面积或其他检查量。常规p/np、c/u图分别有二项分布、泊松分布等建模条件，不能只凭“数据是整数”就套图。存在明显自相关、很强偏态或与模型不符的离散程度时，应检查过程和模型适配性，而不是任意加宽界限让报警消失。

合理分组和时间顺序为什么重要？

合理子组，是在较短时间内、相近条件下取得的一组产品，使组内波动能代表当时的短期变异，组间比较则有机会显现随时间发生的变化。Minitab的R图数据要求强调了同条件取样、代表性和独立性。

例如，希望观察一台机床在班内的变化，可以按计划在每个取样时点收集同一工况下的一小组零件。若把上午、中午、下午的零件混成同一组，可能把本应在组间出现的漂移算进组内波动，扩大控制限。把不同机台或不同模腔随意混组，也可能让一个平均值掩盖各自的偏移。

子组容量是每组独立产品观测的数量，不是对同一零件重复读数的次数；重复测量更适合研究测量系统本身。取样间隔还需与过程变化速度匹配，太疏可能错过变化，过密且相邻数据高度相关则会影响常规控制图的判断。

原始数据必须保留时间、设备、批次、工况及子组标识。不能先按数值大小排序再画图，也不宜为了表格整齐而把跨停机、换型或测量方法变更的数据直接接成同一基线。

I-MR控制图怎么算？一个完整假设算例

下面用零件尺寸演示常规I-MR的计算。所有数字均为假设，11个初始读数仅用于手算，不构成已经验证的生产基线。假定测量特征和方法一致，按相同间隔记录单值，且常规I-MR模型的条件适用；单位均为毫米（mm）。

按时间顺序，初始读数为：10.000、10.020、9.990、10.010、10.000、9.980、10.010、10.020、9.990、9.980、10.000。

先计算平均值和相邻移动极差

11个读数合计110.000，因此单值平均值x̄ = 110.000 ÷ 11 = 10.000。移动极差MRᵢ是本次与上次读数差的绝对值，即MRᵢ = |xᵢ − xᵢ₋₁|；第一个读数没有前值，不计算MR。

第2至第11次的移动极差依次为：0.020、0.030、0.020、0.010、0.020、0.030、0.010、0.030、0.010、0.020。合计0.200，共10个值，所以MR平均值为0.020。

NIST的单值控制图公式使用相邻两个读数的平均移动极差估计标准差：σ̂ = MR平均值 ÷ 1.128。本例σ̂ ≈ 0.01773。这里估计的是单个读数的过程波动，不是11个读数平均值的标准误。

图与界限	本例计算结果
I图中心线	CL = x̄ = 10.000。
I图上、下控制限	UCL = 10.000 + 3 × 0.020 ÷ 1.128 ≈ 10.0532；LCL = 10.000 − 3 × 0.020 ÷ 1.128 ≈ 9.9468。
MR图中心线	CL = MR平均值 = 0.020。
MR图上、下控制限	对相邻两点的移动极差，UCL = 3.267 × 0.020 = 0.06534；LCL = 0。

MR图所用系数对应极差包含两个观测值的情形，相关系数可见NIST的极差图系数表。它不表示每个生产取样时刻收集了两个零件，本例每次仍只有一个读数。

新读数仍在规格内，为什么两张图都出现信号？

现在追加第12个读数10.080，沿用前11点计算的界限，不把新点立即纳入重算。它高于I图的10.0532上限；与第11点10.000之间的移动极差为0.080，也高于MR图的0.06534上限。两图分别提示单值水平和相邻变化幅度异常，现场应调查这次变化。

若另外假设该尺寸规格为9.900—10.100，10.080仍处于这个规格区间内。于是，本例同时出现“这个读数未超出尺寸规格”和“过程出现控制图信号”，两者并不矛盾。该结果也不能直接证明后续产品已经不合格，或单凭图形确定设备故障原因。

生产应用需要更多、覆盖正常运行条件的数据来建立可靠基线。Minitab的I-MR数据说明将少于建议观测量时的界限视为初步结果，并要求关注时间顺序、分布和观测相关性。不能因为本例前11点都落在计算出的界限内，就宣布过程已经稳定。

怎样识别异常，并建立有效的响应流程？

除了超限点，还要看预先约定的非随机模式

单点超出控制限是常见信号，但“所有点都在限内”并不充分说明过程稳定。连续落在中心线同一侧、持续上升或下降等模式，也可能提示变化。

例如，Minitab的特殊原因检验说明包含连续9点位于中心线同侧、连续6点递增或递减等规则。这里引用的是该说明中的具体口径；不同规则体系、图种和软件设置不完全相同，应用前要约定使用哪些规则，不能混拼成一个“通用八项标准”。

更多规则可以提高对某些变化的敏感度，也会增加误报机会。信号是启动核查的依据，不是已查明原因的证明；没有信号，也不表示所有变化都必然能被当前采样方案及时发现。

建立基线与后续监控，应分开处理

1. 定义对象和数据口径。确定质量特征、设备与产品范围、测量方法、子组和频次，检查测量系统是否能分辨需要监控的变化。明确产品验收要求与控制图规则各是什么。
2. 收集并审查基线数据。保留真实时间顺序，覆盖预期运行条件；同时观察水平与离散程度，调查异常信号。只有找到可解释的特殊原因并说明其后续处理，才决定哪些数据不适合估计目标过程的基线，保留原记录和理由。
3. 确认界限并用于后续监控。将基线、计算方法和判异规则形成版本。新数据与既有界限比较，不因一个新点越限就把控制限自动放宽。
4. 按响应计划核查和处置。确定由谁检查原始记录、测量系统、设备和材料变化；按产品风险决定复核、隔离、暂停或其他动作，并查清受影响时段。控制图报警与产品报废不能直接画等号。
5. 验证改善，再决定是否更新基线。检查处置后相关数据与产品状态；若工艺发生经确认的持久变化，使用适当的新阶段数据评估新基线。若只是查明并消除了偶发问题，不能仅为清除图上红点而删点重算。

过程稳定，为什么仍可能没有足够的过程能力？

稳定性关心过程分布是否随时间保持一致，过程能力关心这种分布是否能满足规格。一个稳定过程可能始终围绕错误的中心生产，也可能波动范围相对于公差太大。它可以没有明显特殊原因信号，却仍持续出现超差；此时需要调整过程中心或降低系统变异。

NIST的过程能力说明以稳定过程为前提比较过程输出与规格。Cp主要描述规格宽度相对于过程波动的关系，Cpk还考虑中心靠近哪一侧规格限；常规计算也有分布、样本量和波动估计等条件。不应对明显失稳的数据算出一个Cpk，就把它当作持续满足要求的保证，也不存在适用于所有任务的统一合格门槛。

SPC最终要留下可执行的判断：当前过程有没有变化、信号需要怎样调查、产品如何处置，以及改进是否减少了变异。控制图、能力评价和产品验收各自提供不同证据，把这三件事联系起来，才有助于持续控制质量。

参考资料

• NIST/SEMATECH：e-Handbook of Statistical Methods；What are Variables Control Charts?；Shewhart X-bar and R and S Control Charts；Individuals Control Charts。
• NIST/SEMATECH：What are Attributes Control Charts?；Counts Control Charts；Proportions Control Charts；What is Process Capability?
• Minitab：Using control charts to detect common-cause variation and special-cause variation；Using tests for special causes in control charts。
• Minitab：Data considerations for R Chart、I-MR Chart、NP Chart、U Chart。
• 以上为2026年10月25日访问的官方技术资料。正文I-MR数据、追加读数与规格均为教学假设，配对图按相同数据绘制，不代表现场实测或已验证的生产基线。