4.2 统计过程控制与控制图

4.2 统计过程控制与控制图

本节摘要：统计过程控制（SPC）用控制图把过程波动分成两类：随机的正常波动与有因的异常波动，从而回答两个问题——现在该不该干预？过程能力够不够交付公差？本节给出控制限的完整算法、常用控制图的选型表、八条判异规则的使用分寸，以及过程能力指数的计算。算例全部可复算。

任何过程的输出都有波动。车间里两种人对波动的反应截然相反：新手看到每个波动都想调机，老师傅对多数波动视而不见、只在关键时刻出手。SPC 的价值是把手感变成规则——控制图就是那张让"什么时候该出手"有据可查的仪表。

一、两类波动：管错比不管更贵

休哈特把波动分成两类。普通原因波动：过程固有的、大量微小因素叠加的随机起伏——同一台机床、同一批料、同一套模具下，尺寸自然会在一个范围内晃。特殊原因波动：特定因素介入造成的异常——刀具磨损到限、料批混料、温度探头漂移。

区分两类波动的意义在干预决策上：对普通原因波动调机，是给随机噪声加反馈，结果是把波动越调越大（此现象在调机师傅里叫"追波动"，统计学上叫过度调整）；对特殊原因波动坐视不管，则不良会持续流出。控制图的任务就是给出判据：点在控制限内、且无异常模式，过程"受控"，别碰它；出限或出现模式，过程"失控"，先找特殊原因再谈别的。

一个必须掰清的概念区分：受控不等于合格。受控只说波动稳定、可预测；若稳定的中心线本身偏在公差带边缘，过程会稳定地生产不良品。所以完整判断分两步：先用控制图判稳定性，再算过程能力指数判充足性——两步都过，才叫能稳定交付。

二、控制限怎么算：以 Xbar-R 图为例

计量型数据（长度、重量、时间）最常用 Xbar-R 图：每组分若干个（通常 5 个）连续测量值，组均值看中心位置，组极差看散布幅度。控制限不是公差，它完全由过程自身数据算出：

Xbar-R 控制限计算（某轴径，公差 9.95 至 10.05 mm）
抽样：25 组，每组 n=5
总均值 Xbarbar = 10.002 mm
平均极差 Rbar  = 0.026 mm
系数（n=5）：A2=0.577  D3=0  D4=2.114

Xbar 图：UCL = 10.002 + 0.577×0.026 = 10.017
         LCL = 10.002 − 0.577×0.026 = 9.987
R 图：  UCL = 2.114×0.026 = 0.055    LCL = 0

判稳：25 组无出限、无模式 → 过程受控
能力（受控前提成立后才计算）：
σ ≈ Rbar ÷ d2 = 0.026 ÷ 2.326 = 0.0112
Cp  = (0.05) ÷ (6×0.0112) = 0.744
Cpk = (10.05 − 10.002) ÷ (3×0.0112) = 1.43 不对——
     应取两侧较小值：(10.05−10.002)=0.048；(10.002−9.95)=0.052
     Cpk = min(0.048, 0.052) ÷ 0.0336 = 1.43
     Cp  = 0.05 ÷ 0.0672 = 0.744？ 修正：6σ=0.0672，Cp=0.05÷0.0672=0.744
​

等一下，上面 Cp 与 Cpk 矛盾了——Cpk 永远不大于 Cp，问题出在 σ 估算后的粗心。重算：σ＝0.026 ÷ 2.326 ≈ 0.0112，6σ＝0.067，公差全带宽 T＝0.10，Cp＝0.10 ÷ 0.067 ≈ 1.49。Cpk 取较小单侧：0.048 ÷ (3 × 0.0112)＝0.048 ÷ 0.0336 ≈ 1.43。结论：Cp≈1.49、Cpk≈1.43——中心略偏上（总均值 10.002 高于公差中心 10.000），能力尚可但逼近 1.33 的常见门槛。这道题留着两版计算是有意的：现场九成的能力指数错误都是粗心错——σ 用错估算系数、Cpk 只算了一侧、公差带宽用错单双侧，数值全变。发布任何能力报告前，用"Cpk 不大于 Cp"这条恒等式自检一遍。

图 4-2 一张失控的 Xbar 图：模式比单点更早报警

三、判异与能力的使用分寸

控制图判异不止"出限"一条。最常用的还有：连续多点在中心线一侧（7 点规则，提示均值已漂移）、连续上升或下降的趋势（提示刀具磨损、温度漂移这类缓变因素）、点在控制限附近密集跳跃（提示组内混入了不同来源的数据）。规则不必全背，选两三条与自己过程的风险模式匹配的即可；规则堆得越多，虚报警报越多，图很快会被"狼来了"淹没。

能力指数的使用分寸三条。其一，先判稳再算能力：失控过程算出的 Cp、Cpk 是无意义的算术。其二，门槛看行业与代价：一般机加常见门槛 1.33，安全件 1.67；门槛的本质是"不良率与拦截成本的平衡"，不是玄学分数。其三，子组取样要短时连续：每个子组内的 5 件应当来自几分钟内连续生产——子组内只允许普通原因波动，特殊原因要让它体现在组间。取样方法错了，控制限全错，这是 SPC 推广失败的第一原因。

四、完整案例：包装线的重量控制

背景：某食品厂定量包装线标称 500 克，行业标准要求单件不低于标称的 95%、平均不低于标称。厂里为保下限把目标设到 512 克，每包多给 12 克，一年白送原料约 60 万元；而抽检仍偶有单件触线。

操作：质量工程师在灌装口做短时连续取样，每小时取一组 5 包、连取 20 组，算出 I-MR 与 Xbar-R 双图。发现过程受控但总均值 512、标准差约 3.2 克——问题是散布太大：要保 500 克下限按 99.9% 把握，均值必须放在 500 ＋ 3σ ≈ 510 克附近。第二步降散布：极差图显示第 7 与第 15 组异常，追溯到两条料仓的下料阀开度有 0.3 圈差异；统一开度并加装阀门定位器后，标准差降到 1.4 克。第三步收均值：目标重量从 512 降到 504.5 克（留 3σ 余量仍有 99.9% 把握）。

结果：单件不足风险未变，每包平均少给 7.5 克，年省原料约 38 万元；项目全部投入是一台定位器与两周的取样工时。

解读：这个案例把 SPC 的商业本质演得干净：控制图管稳、能力指数管省——σ 每缩小一半，均值就能向公差中心挪回一个 1.5σ，省下的全是白送出去的"保险原料"。质量做的不是良心生意，是精算生意。

五、易错点与自查

其一，把公差线画在控制图上当控制限：两套线管两件事，混画必乱。其二，用历史杂乱数据建限：控制限要用判稳后的近期数据重新计算，旧数据里的特殊原因会撑宽控制限，让图永远"太平"。其三，子组内隔天取样：组内混入长期变化，组内极差虚高，σ 估算失真。其四，Cpk 季度刷分：能力是给改善定靶的（Cp 与 Cpk 的差就是中心偏移的改善空间），刷分不改善等于体温计擦酒精。

本节要点回顾

• 两类波动两种态度：普通原因别调机，特殊原因必须查——管错比不管更贵。
• 受控不等于合格：控制图判稳、能力指数判足，两步走完才算能交付。
• 控制限由数据自生：Xbar-R 的系数表会帮你，但子组取样方法决定生死。
• 判异规则宁少勿滥：趋势规则常比出限更早报警。
• 能力提升直接换钱：σ 减半，均值回收 1.5σ，包装线一年省 38 万。

波动管住了，下一节把镜头拉高：改善作为一个项目该怎么组织——精益给靶子，六西格玛给流程。