传统的质量控制依赖"生产→检验→剔除"的被动模式，而SPC的核心价值在于"预防"。

**核心差异：** - 质量控制（QC）：事后把关——检验产品是否合格，不合格则返工或报废 - 质量保证（QA）：事前预防——监控过程参数，在产生不合格品之前调整过程

手册通过Figure 4-1的对比形象展示了两者的本质区别：QA关注过程端，QC关注产品端。

**为什么预防更经济？** 10元预防 = 100元检验 = 1000元返工 = 10000元客户索赔。

SPC不是一次性的分析活动，而是持续改进的循环。PDCA循环在SPC中的具体含义：

- **P（Plan）**：明确过程目标，确定控制特性，设计控制方案 - **D（Do）**：按计划实施生产，收集过程数据 - **C（Check）**：用控制图分析数据，判断过程是否受控 - **A（Act）**：发现异常则采取纠正措施；正常则持续监控并寻求改进

Figure 4-2用四象限循环图直观展示了这一永无止境的改进过程。

SPC的本质是对过程的系统化管理。一个完整的过程控制系统包含四个要素：

1. **过程（The Process）**：人机料法环测的综合体 2. **关于性能的信息（Information About Performance）**：通过测量和数据分析获得的反馈 3. **对过程的行动（Action on the Process）**：调整过程参数以防止不合格 4. **对输出的行动（Action on the Output）**：对已生产出的产品进行处置

这四者形成闭环：过程产生数据，数据转化为信息，信息驱动行动，行动改善过程。

手册提出了六层嵌套的质量控制环体系（Figure 4-3、4-4），从微观到宏观逐层放大：

| 控制环 | 范围 | 控制对象 | |--------|------|----------| | 环1 | 单台设备 | 机器参数、加工尺寸 | | 环2 | 工位/产线 | 多工序间的传递 | | 环3 | 车间 | 多条产线的协调 | | 环4 | 工厂 | 全厂质量管理体系 | | 环5 | 公司 | 组织层级的质量战略 | | 环6 | 供应链 | 客户-供应商全链条 |

每个环都包含完整的"过程→信息→行动"闭环，环与环之间通过信息流连接。

Figure 5-1以16个节点的流程图清晰展示了SPC的完整准备序列——从产品规格开始，经过风险分析、测量系统验证、过程表征、生产规划、OCAP编制、控制计划制定，到角色能力确认。

这是一个"左→右、上→下"的分支结构：先确认"输入"（规格、风险、特性），再建立"基础设施"（测量、表征、规划），最后形成"控制体系"（OCAP、控制计划、角色）。

**公差原则：** - 产品公差图样（Drawing Tolerance）是控制的目标 - 测量不确定度（U_MP）会"消耗"可用公差带 - 验收限（Verification Tolerance）应比产品公差更窄

Figure 5-2展示了公差、测量不确定度、验收限三者之间的关系：验收限 = 产品公差 - 测量不确定度的适当缩减量。

**风险分析：** - 基于FMEA识别潜在失效模式 - 确定控制关键点

**特殊特性：** - 识别对安全、法规、功能、装配有重大影响的特性 - 分为关键特性（CC）和重要特性（SC）

**"垃圾进，垃圾出"**——没有可信的测量数据，SPC就失去了根基。

- 测量系统必须经过MSA（测量系统分析）验证 - 测量不确定度（U_MP）必须满足GRR%≤30%的要求 - 测量系统的分辨力应满足1/10公差规则

过程表征是对过程特性的全面理解与文档化，包括： - 确定过程输入变量（人机料法环） - 识别关键过程参数 - 明确过程输出特性 - 建立过程流程图

基于过程表征结果制定： - 抽样计划：样本量、抽样频率、抽样位置 - 检验方法：在线/离线、自动化/人工 - 数据记录与追溯方式

OCAP是"当控制图显示异常时，操作员应该做什么"的预设流程图。

**优秀OCAP的特征：** - 明确谁在什么条件下做什么 - 分层次：操作员级→技术人员级→工程师级→管理层级 - 包含反馈回路：措施需验证有效性 - 不断更新：从实际事件中学习改进

控制计划是APQP的输出物，也是SPC的实施蓝图： - 规定控制特性、规格、测量方法、抽样频率 - 明确控制方法：控制图类型、能力研究频率 - 关联到PFMEA和作业指导书

Table 5-1详细定义了各岗位在SPC中应具备的能力：

| 角色 | 核心能力要求 | |------|------------| | 质量策划专家 | 全面掌握所有SPC概念与工具 | | 产品开发工程师 | 理解统计基础、公差原则 | | 工艺工程师 | 掌握机器/过程能力研究、控制图 | | 检验规划员 | 了解测量系统与统计技术 | | 设备采购 | 理解机器性能要求 | | 产线主管 | 能使用控制图进行日常管理 | | 操作员 | 能识别异常并执行OCAP |

这是SPC中最基础也最容易混淆的概念：

**能力（Capability）：Cp/Cpk** - 仅反映"普通原因变异"（组内变异） - 前提：过程已处于统计受控状态 - 衡量过程的"固有潜力" - Cp：潜在能力（只看变异宽度） - Cpk：实际能力（同时考虑变异宽度和均值位置）

**性能（Performance）：Pp/Ppk** - 反映"总变异"（组内 + 组间变异） - 不需要过程受控的前提 - 衡量的长期实际表现

**记忆口诀：**"C是潜力（Capability），P是实绩（Performance）；C要受控才算数，P随时间累积见真章。"

Table 6-1 清晰对照了所有指数的定义、计算公式和应用场景。

机器性能研究（Pm/Pmk）旨在评价机器/设备的固有精度：

**核心特征：** - 只考虑机器本身的变异 - 控制其他因素恒定（同一操作员、同一批次材料、短时间内） - 通常连续取50件样品 - 排除换刀、换班等长周期变异

Figure 6-1用时间线展示了机器性能研究在整个能力评价体系中的位置——它是"能力时间线"上的第一个测量点。

Figure 6-2展示了机器性能研究的7步操作计划：样本准备→记录条件→测量记录→趋势评估→统计分析→指数计算→报告。

过程能力研究评价的是"过程在长期运行中"的表现：

**与机器性能研究的区别：** - 时间跨度更长（3-5天甚至数周） - 包含所有变差来源（换刀、换班、材料批次变化等） - 样本量更大（至少50个子组）

Figure 6-3展示了过程能力在时间轴上的位置——在机器性能之后，是评价"过程是否准备好量产"的关键环节。

控制图是SPC最核心的视觉工具。Figure 6-4按数据结构将控制图分为两大分支：

**计量型控制图（Variable）：** - Xbar-R图（均值-极差图）：最常用，子组2-9 - Xbar-s图（均值-标准差图）：子组≥10 - I-MR图（单值-移动极差图）：子组=1

**计数型控制图（Attribute）：** - p图（不合格率图）：子组大小可变 - np图（不合格数图）：子组大小固定 - c图（缺陷数图）：单位固定 - u图（单位缺陷数图）：单位可变

Figure 6-5进一步提供了一个"用例决策树"，帮助根据数据类型和业务场景选择最合适的控制图类型。

异常值会扭曲统计结果，必须谨慎处理：

- **检测方法：** Grubbs检验（适用于正态分布） - **处理原则：** 1. 先调查原因（测量错误？记录错误？特殊事件？） 2. 能追溯原因的可以剔除，但需记录 3. 不能追溯原因的，保留并注明 4. 剔除后需重新分析分布并计算指数

Table 6-4是实战中最实用的参考表——它将机器性能研究、初步过程能力研究、正式过程能力研究三种方法横向对比：

| 维度 | 机器性能 | 初步过程能力 | 正式过程能力 | |------|---------|------------|------------| | 目的 | 设备放行 | 过程验证 | 持续监控 | | 时间 | 安装后/维修后 | 试生产 | 量产 | | 样本 | 50件连续 | 50件×子组 | 持续抽样 | | 指数 | Pm/Pmk | Pp/Ppk | Cp/Cpk | | 涉及变异 | 仅机器 | 短时过程 | 长期过程 |

**6.8.1 分布评价：** - 首先判断数据是否符合正态分布 - 若正态→直接用正态法计算 - 若非正态→需要转化为正态分布或使用非参数法

**6.8.2 计算方法：**

**通用几何法（General Geometric Method）：** - 不依赖分布假设 - 直接基于数据的实际百分位计算 - 适用于所有ISO 22514-2分布模型

**z分数法（z-Score Method）：** - 将超规范比例转化为标准正态的百分位点 - 适用于需要统一比较不同分布的场景 - z-score = Φ^{-1}(1 - p) 其中p为超规范比例

**单侧规范限（Figure 6-6）：** - 对于自然受限特性（如平面度、垂直度），仅存在上规范限 - 指数计算与双侧不同，需特别处理

**Cwk（组内能力指数）：** - 评估"组内变异"的专用指数 - 用于诊断过程变异来源（"机器问题 vs 过程问题"） - 计算公式：Cwk = min(USL-Xbar, Xbar-LSL) / (3×σ_within)

**样本量（7.2.1）：** - 基本要求：连续取50件 - 减少样本量时需调整目标值（Table 7-2、7-3）

**材料（7.2.2）：** - 尽可能使用量产条件下的材料 - 记录材料批次信息

**测量系统（7.2.3）：** - 必须经过MSA验证 - 测量不确定度应在公差的一定比例以内

**运行条件（7.2.4）：** - 机器需达到热稳定状态 - 使用量产工艺参数

**预运行（7.2.5、Figure 7-1）：** - 可选但强烈推荐 - 帮助识别早期失效和不稳定因素

**数据可追溯性：** 每件样品必须有唯一标识 **存储与分块：** 样品需妥善保管以备追溯 **数据收集：** 记录所有测量值及条件参数

**统计分析步骤：** 1. **定性稳定性研究：** 通过I-MR图检查过程是否稳定 2. **分布评价：** 判断是否为正态分布 3. **指数计算：** 计算Pm/Pmk

**Pm：** 反映机器变异（仅离散度） - 基本要求：Pm ≥ 1.67 - 根据风险等级和样本量调整

**Pmk：** 反映机器变异与中心偏移的组合 - 基本要求：Pmk ≥ 1.67（部分客户要求1.33）

**样本量调整（Table 7-2、7-3）：** - 样本量少于50时，目标值需提高 - 置信水平越高（95%/99%/99.9%/99.99%），目标值要求越严格

**多级加工（7.5.1、Figure 7-2）：** - 同一台设备有多个工位/主轴 - 需分工位评价各工位的性能 - 整机性能取最差工位的指数

**多维特性（7.5.2、Figure 7-3、7-4）：** - 位置度等需要同时考虑X/Y/Z方向 - Pmk同时考虑位置与变异 - Pm仅考虑变异（位置已由公差补偿）

**GD&T与MMC/LMC（7.5.3、Figure 7-5）：** - 几何公差标注下，"合格"的定义不同 - MMC（最大实体状态）下公差带会扩大 - 需根据实际标注类型选择评价方法

**抽样原则：** - 随机抽样：保证样本代表性 - 分层抽样：覆盖所有变异来源（班次、批次、操作员等） - 子组策略：合理分组以区分组内和组间变异

**样本量建议：** - 初步过程能力：至少50件（或20个子组×2-3件） - 正式过程能力：至少100件

**三步法：** 1. **稳定性评估：** 用控制图确认过程是否受控 2. **分布识别：** 确定数据的统计分布模型 3. **指数计算：** 根据分布类型选择计算方法

这是SPC 2026版的重大更新。手册将过程分为三类时间相关分布模型：

**A1型——稳定正态分布：** - 过程稳定，方差恒定 - 数据基本符合正态分布 - 用经典的Cp/Cpk方法

**A2型——非正态稳定分布：** - 过程稳定但数据非正态 - 需用分布变换或非参数法 - 示例：某些偏态过程

**B型——漂移/趋势分布：** - 过程存在随时间变化的趋势 - 典型例子：刀具磨损 - 需要趋势分析和预测

Figures 8-1、8-2、8-3以15个子图的网格展示了这3类×5种子类型的代表性分布形态。Table 8-2总结了各类模型的统计特征和处理方法。

**目标值（Table 8-3）：** - 初步Pp/Ppk：通常≥1.67 - 正式Cp/Cpk：通常≥1.33 - 安全/法规特性要求更高

**样本量调整（Table 8-4、8-5）：** - 与机器性能类同，样本量减少时目标值需提高 - 风险等级越高（关键度越大），调整幅度越大

**过程相关控制（Process-Related）：** - 控制图基于过程自身的变异设定控制限 - 控制限来自过程数据 - 关注"过程是否稳定"

**公差相关控制（Tolerance-Related）：** - 控制限直接引用产品公差 - 关注"产品是否合格" - 与过程能力无关

**回顾性控制图 vs SPC控制图（Figure 9-1、Table 9-1）：**

| 维度 | 回顾性控制图 | SPC控制图 | |------|------------|----------| | 目的 | 分析过去数据 | 监控当前过程 | | 时间方向 | 向后看 | 实时向前看 | | 控制限 | 基于分析数据设定 | 基于受控过程设定 | | 数据 | 一次性收集 | 持续收集 |

**稳定性准则（Western Electric Rules）：** 1. 任意点超出控制限（UCL/LCL） 2. 连续7点在中心线同一侧 3. 连续7点持续上升或下降 4. 连续2/3点在2σ~3σ区间 5. 连续4/5点在1σ~2σ区间 6. 周期性模式

**计量型控制图：** - Xbar-R图：子组≤9，最常用 - Xbar-s图：子组≥10，精度更高 - I-MR图：子组=1，适用于慢速过程

**计数型控制图：** - p图：不合格品率，子组可变 - np图：不合格品数，子组固定 - c图：缺陷数，单位固定 - u图：单位缺陷数，单位可变

**特殊控制图：** - CUSUM图：累积和控制图，对小偏移敏感 - EWMA图：指数加权移动平均图

控制图不仅用于判断过程是否受控，也用于持续评价过程能力：

- **受控状态下**：定期更新Cp/Cpk - **趋势预警**：当能力指数呈下降趋势时，启动预防措施 - **能力报告**：按月/季度汇总过程能力报告

**小批量/短周期：** - 子组不足时，可采用目标控制图或差值控制图 - 多个相似特性可合并分析

**多品种/混合生产：** - 按产品系列分组建立控制图 - 使用标准化控制图（Z图）

**自动检测系统：** - 100%全检时，关注趋势分析而非抽样控制图