spc概述
spc课件
箱线图
总结词
箱线图是一种展示数据分布特征的图表，通过箱体、中位数、四分位数等指标展示数据的集中和离散趋势。
详细描述
箱线图主要用于展示一组数据的集中和离散趋势，通过箱体表示数据的集中程度，通过上下须表示数据的最大值 和最小值。在SPC课件中，箱线图常用于展示过程能力指数、不合格品率等指标的分布特征，帮助管理者了解数 据的分布情况。
SPC技术将在大数据时代发挥重要作用。通过利用大数据技术，SPC课件将能够实现对海量数据的快速处理和分析，为企业提 供更加精准、全面的生产过程控制和管理服务。同时，大数据技术还将促进SPC课件与其他技术的融合，如人工智能、云计 算等，进一步拓展其在工业领域的应用范围和价值。
SPC未来的发展方向
SPC技术将继续向数字化、网络化和 智能化的方向发展。未来ቤተ መጻሕፍቲ ባይዱSPC课件 将更加注重数据的采集、处理和分析 ，实现更加精准、高效的生产过程控 制和管理。同时，随着物联网、云计 算等技术的发展，SPC课件将逐渐实 现与其他系统的集成和互联互通，为 企业提供更加全面、智能的服务。
明确需要控制的特性和过 程，确保控制计划的针对 性和有效性。
设定控制标准
根据产品要求和过程能力 ，设定合理的规格界限和 控制标准。
制定控制方法
选择适合的控制图和统计 工具，确保能够及时发现 异常波动并进行处理。
数据收集与处理
确定数据来源
确保数据来源的可靠性和 准确性，避免数据失真和 误差。
数据整理与转换
增强学习兴趣
课件通常采用多媒体形式，如 视频、音频、动画等，能够吸 引学生的注意力，增强学习兴 趣。
方便灵活
学生可以在任何时间、任何地 点学习，不受时间和地点的限 制。
SPC的意义与统计学概述
SPC的意义与统计学概述引言SPC是指统计过程控制（Statistical Process Control），它是一种在工业制造中常用的质量管理工具。
SPC的目的是通过统计方法来监控和控制生产过程中的变异性，以保证产品质量的稳定性和一致性。
本文将介绍SPC的意义以及统计学在SPC中的应用。
SPC的意义SPC对于现代工业制造来说具有重要的意义。
它可以帮助企业实现以下目标：1. 提高产品质量SPC通过对生产过程中的变异性进行监控和分析，可以及时发现和纠正异常情况，以避免制造出次品或不合格品。
通过SPC，企业能够稳定生产过程，减少缺陷品的产生，提高产品的一致性和质量。
2. 降低生产成本通过SPC，企业可以对生产过程进行实时监控和控制，及时发现生产中的问题并采取相应的措施。
这有助于减少废品的产生，降低生产成本。
此外，通过SPC分析，可以找出生产过程中的关键参数和优化点，从而进一步提高生产效率，降低能源和材料的消耗。
3. 改进生产管理SPC可以提供数据和图表，帮助企业管理层了解生产过程的实时状态和趋势。
通过分析SPC图表，可以更好地洞察生产的潜在问题，及时进行调整和改进。
这有助于持续改进生产过程和管理策略，提高企业的竞争力。
统计学概述统计学在SPC中起着至关重要的作用。
它提供了一系列的方法和工具，用于描述和分析数据，帮助我们理解和控制生产过程中的变异性。
描述统计学描述统计学是统计学的一个分支，主要关注数据的收集、整理、描述和汇总。
在SPC中，我们需要对生产过程中的数据进行统计描述，以便更好地理解和分析生产过程的特征。
常见的描述统计学方法包括：•平均数：用于描述数据的集中趋势。
•标准差：用于描述数据的离散程度。
•频率分布：用于描述数据的分布情况。
这些统计指标可以帮助我们了解数据的基本特征，从而更好地进行SPC。
统计过程控制统计过程控制是SPC的核心内容。
它通过收集样本数据并对其进行统计分析，以判断生产过程是否处于控制状态。
SPC培训教材资料教程
SPC培训教材资料教程一、SPC 概述SPC 即统计过程控制（Statistical Process Control），是一种借助数理统计方法的过程控制工具。
它通过对生产过程中的数据进行收集、分析和监控，来判断过程是否稳定，并及时发现潜在的问题，采取预防措施以避免不合格产品的产生。
SPC 的核心思想在于“预防为主”，而非传统的“事后检验”。
通过对过程数据的实时监控和分析，能够在问题发生之前就进行预警和干预，从而有效地提高产品质量、降低生产成本、增强企业的竞争力。
二、SPC 的基本原理SPC 的基本原理基于统计学中的正态分布。
在正常情况下，生产过程中的许多质量特性值都服从正态分布。
通过对样本数据的统计分析，可以计算出均值（μ）和标准差（σ）等参数。
控制图是 SPC 中最常用的工具之一。
常见的控制图有均值极差控制图（X R 控制图）、均值标准差控制图（X S 控制图）、中位数极差控制图（Me R 控制图）等。
控制图上通常有中心线（CL）、上控制限（UCL）和下控制限（LCL）。
当数据点落在控制限内，且呈现出随机分布的状态时，说明过程处于稳定状态；反之，如果数据点超出控制限，或者呈现出非随机的分布模式，如连续上升或下降、周期性变化等，则表明过程可能存在异常，需要进行调查和改进。
三、SPC 数据的收集数据收集是 SPC 实施的基础，其质量直接影响到后续的分析和决策。
在收集数据时，需要遵循以下原则：1、代表性：所收集的数据应能够代表生产过程的真实情况。
2、随机性：数据的采集应是随机的，避免人为的选择性采样。
3、样本大小：样本大小应根据过程的稳定性、控制图的类型以及对精度的要求来确定。
一般来说，样本数量越大，分析结果越准确，但同时也会增加成本和时间。
数据的收集可以通过人工测量、自动化检测设备或传感器等方式进行。
无论采用哪种方式，都要确保数据的准确性和可靠性。
四、控制图的绘制与分析1、选择合适的控制图类型根据所监控的质量特性的类型（计量型数据还是计数型数据）、数据的分布特征以及过程的特点，选择合适的控制图类型。
SPC的基本原理和过程控制
SPC的基本原理和过程控制概述SPC（统计过程控制）是一种常用于质量管理的统计方法，用于监控过程中的变异性，并及时采取控制措施来保持过程的稳定性和稳定品质。
本文将介绍SPC的基本原理和过程控制。
1. SPC的基本原理SPC的基本原理是基于统计学原理和质量管理理论。
其核心思想是通过收集和分析过程中的数据，以了解过程的变异性，并根据统计指标来判断过程是否处于控制状态。
基本原理包括：1.1 过程稳态与过程能力过程稳态是指过程在一个稳定区域内运行，并且其变异性是可控制的。
稳态下，过程的输出值会在一定的范围内波动，但是变异性是在可控范围内，不会出现特殊原因引起的异常波动。
过程能力是评估过程稳态的指标，通常使用过程能力指数（Cp）和过程能力指数（Cpk）来衡量。
Cp表示过程在规范要求的容差范围内的能力，而Cpk则考虑了过程的位置偏离能力。
1.2 变异性的来源过程中的变异性可以分为两种来源：常因和特因。
常因变异性是过程内在的、长期固定的，通常由一系列可以量化和测量的系统性因素引起。
这种变异性可以通过改善操作方法、调整设备或改善材料来减小。
特因变异性是由特殊原因引起的，通常是偶然事件，属于非系统的因素。
特因变异性无法通过常因改进来消除，应及时进行纠正。
1.3 统计过程控制图SPC使用控制图来监控过程的变异性。
控制图是一种统计图表，可以帮助鉴别过程中的常因和特因变异，以判断过程是否处于控制状态。
常用的控制图包括平均图（X-图），范围图（R-图），以及带有管制限的控制图（带A、B、C及D控制限的图表）。
控制图上的管制限是根据统计原理确定的，当过程数据落在管制限之外时，意味着过程出现特殊原因变异，需要采取措施进行纠正。
2. 过程控制方法SPC的过程控制方法包括以下几个步骤：2.1 数据收集首先，需要确定要收集的数据类型和采样方法。
数据类型通常是定量的，可以是尺寸、重量、时间等。
采样方法应该能够反映出过程的变异性，并且要求数据具有代表性。
SPC概述
Based on performance required of the product
What the customer wants “what we want”
Tells us when to take action on the process/equipment
Tells us when to disposition the product/material
Measurement EQ Tool Particle Cm Performance
OCAP & Checking Flow
o Review frequent out of control/out of spec pareto o Review the execution of adding lot note
o Review PCM Cp/Cpk o Review module particle o Review monthly Cm status of each technology control and action plan of measurement tool
o Product wafers in-line o Review the capability o Feedback the impact of r&R test and correlation between monitor control specific process/equipment and WAT parameters
14
1.9 管制规则(Warning rules) : Rule3
3. 连续五个点中，有四个点超出一个标准差 异常点 ！！ #3 #6 #8 #9 #11
SPC是什么意思
SPC是什么意思?SPC概述SPC，统计过程控制（Statistical Process Control），是一个科学的，以数据为核心的质量分析和改进方法，已成为当前各行业企业对生产过程进行质量监控的标准方法之一。
今天，SPC的应用已经全面发展到了实时分析和响应阶段。
企业通过对生产过程数据进行实时采集和分析，可以在产品出现质量缺陷以前就发现其变化趋势，并进行相应的调整和改进，从而避免产品的报废，降低了原材料及生产成本。
与传统的方法和手段相比，实时SPC更能够满足制造业企业规模化和自动化生产的质量管理需求。
SPC应用原理在生产过程中，实际成品的规格参数的波动是不可避免的。
它是由人、机器、材料、方法和环境等因素的波动影响所致。
波动分为两种：正常波动和异常波动。
正常波动是由一些随机性因素（不可避免的因素）造成的。
它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。
异常波动是由系统性因素（可避免的异常变化因素）造成的。
它对产品质量影响很大，但能够采取措施避免和消除。
过程控制的目的就是最大化地避免和消除生产过程中的异常波动，SPC应用统计分析技术对生产过程进行监控，科学地区分出生产过程中产品质量的正常波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，确保整个生产过程处于正常波动状态，从而生产出质量可靠、稳定的产品，降低由于异常波动所导致的原材料和时间成本浪费。
基于SPC理论，企业通过对产品生产过程中的各项质量相关数据进行实时地的采集和分析，可以随时掌控整个生产过程的稳定状态和质量水平。
在实际生产中，企业一般拥有了两个重要的质量管理目标——控制限（Control Limits）和规格限（Specification Limits）。
其中控制限是由企业整体的生产能力所决定的，代表着企业的实际生产水平；规格限则来自于客户对于产品的标准要求。
只有控制限优于规格限，企业才能为客户生产出品质可靠的产品。
统计过程控制(SPC)
（三） x R 控制图的操作步骤
1. 确定控制对象（统计量） 2. 收集k组预备数据（一般K=25；每组数
据个数n ≥ 2;遵循合理子组原则） 3. 计算每一个样本的均值 X i 与极差 Ri 。 4. 计算 X与R 5. 计算R图控制限并作图 6. 用各样本点绘在图中，判断状态。
分析过程若失控或异常，找出原因， 进行纠正，防止再发生。
7. 计算 X 图控制限并作图，判断状态。 8. 计算过程能力指数验证是否符合要求 9. 延长控制限，作控制用控制图，进行日
常管理
四、 X S 图（掌握） 五、X-Rs图（了解）
六、Me-R图（了解）
七、P控制图
（一）P控制图的控制状态
P 常数
n
n
ˆp p di / ni
i1 i1
（二）P控制图的统计基础为二项分布，其
内容 （1）利用控制图分析过程的稳定性，对
过程存在的异常原因进行预警；
（2）计算过程能力指数分析稳定的过程 能力满足技术要求的程度，对过程质量进行 评价。
三、统计过程控制的特点 是一种预防性的方法 贯彻预防原则是现代质量管理的核心 强调全员参与
SPC的涵义
为了贯彻预防原则，应用统计技术对 过程各阶段评估和监控，建立并保持过程 处于可接受的并且稳定的水平从而保证产 品与服务符合规定的要求的一种质量管理 技术。
过程能力指数 过程性能指数
CP
TU TL 6ˆ ST
PP
TU TL 6ˆ LT
其中 ˆ St —— 短期波动的标准差估计，在稳态
下计算
ˆ St
R d2
或
S C4
ˆ Lt —— 长期波动的标准差估计，在实
际情况下计算 ˆ Lt S
SPC培训资料汇编
SPC培训资料汇编一、SPC 概述SPC 即统计过程控制（Statistical Process Control），是一种借助数理统计方法的过程控制工具。
它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
SPC 强调预防为主，通过对过程数据的收集、分析和监控，提前预测可能出现的质量问题，从而避免不合格产品的产生，降低生产成本，提高生产效率和产品质量。
二、SPC 的基本原理1、过程的波动性任何生产过程中，产品的质量特性值总是存在着一定的波动。
这种波动可分为正常波动和异常波动。
正常波动是由随机原因引起的，对产品质量影响较小，在生产过程中是允许存在的。
异常波动则是由系统原因引起的，对产品质量影响较大，在生产过程中是不允许存在的。
2、控制图原理控制图是 SPC 中最重要的工具之一。
它是对过程质量特性值进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。
控制图上有中心线（CL）、上控制限（UCL）和下控制限（LCL）。
通过观察点子在控制图中的分布情况，可以判断过程是否稳定。
当点子随机分布在控制限内，且没有明显的规律性时，说明过程处于稳定状态；当点子超出控制限，或者呈现出明显的规律性（如连续上升或下降、周期性变化等）时，说明过程出现了异常，需要采取措施进行调整。
三、SPC 常用的控制图1、均值极差控制图（XR 图）适用于计量值数据，是最常用的一种控制图。
均值控制图用于观察分布的均值变化，极差控制图用于观察分布的离散程度。
2、均值标准差控制图（XS 图）与 XR 图类似，但用标准差代替极差来反映数据的离散程度。
当样本量较大（n>10）时，使用 XS 图更为精确。
3、中位数极差控制图（XRm 图）适用于现场需要把测定数据直接记入控制图进行控制的场合，简便直观。
4、单值移动极差控制图（XMR 图）适用于单件小批生产过程，以及测量费用较高的场合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
S P C一、含义：SPC 统计过程控制（Statistical Process Control ）作用：SPC 是利用数理统计方法对过程中的各个阶段进行监控，科学的区分生产过程中产品质量的正常波动与异常波动；及时对异常趋势提出预警，消除异常因素，使过程恢复到可接受的稳定水平，从而达到提高和控制质量的目的。
特点：强调全过程监控预--整个过程[可应用于一切管理过程]、实现预防["事前"控制]。
SPC 手册是由美国三大汽车公司编写并由AIAG 发行的。
好处：1、“检验法”：是只对于结果控制：1.质量难以保证[全检可信度差]，2.质量成本高[检验出的不合格品已造成浪费]。
公司不但浪费时间和金钱，而且面对业内的对手失去竞争优势。
2、SPC 法：定时的观察和系统的测量方法用在过程中最容易产生产品缺陷的关键部位，可用来减少甚至可能取消大量的视觉检查和验证的操作[依赖]。
改进质量和降低成本。
二、背景：一般说来，先进的技术科学可以提高产品质量指标的绝对值，而先进的质量科学则可以在现有条件下将其质量波动调整到最小。
预防原则是现代化质量管理的核心与精髓，旨在依据适当的信息来源，找出发生潜在不合格的原因，制定预防措施，有效地消除潜在不合格的原因，防止不合格发生，从而可保证产品质量、降低产品成本、保证生产进度。
为了保证预防原则的实施， 20世纪20年代美国贝尔电话实验室成立了两个研究质量的课题小组：休哈特[过程控制组]提出了过程控制理论及控制过程的具体工具(控制图)，道奇与罗米格[产品控制组]提出了抽样检验理论和抽样检验表。
休哈特和道奇是统计质量控制的奠基人。
休哈特首先在生产过程管理中应用正态分布特性，被誉为统计过程控制之父。
三、生产过程中的两种波动过程存在波动—随机正态/不随机—正常/异常波动—产生原因—例子/特性—改进[正常波动(规范放宽/6sigma改进)、异常波动(8D 方法对6因分析)] 1、生产过程中的质量特性存在波动过程是由人员、设备、原料、方法和环境等因素构成，各基本因素客观上是在波动的，则过程也是在随之波动的。
这也是产生缺陷的原因。
2、波动的两种形式分为正常波动和异常波动。
用控制图区分后，才能决定对采取局部还是系统采取措施。
正常波动产生原因：是过程固有的本性，是各基本因素自然波动的结果。
特性：是随机的、可预测的、不可控的、不可避免的。
在控制线内按正态分布波动，是受控状态。
一般它对产品质量影响较小：样品特征值出现在正态分布正负3σ范围内的概率为99.73%[超出正负3σ范围发生概率仅为0.27%]。
在技术上难以消除：因为他是目前资源/各因素固有的特性，在经济上成本高也不值得消除：需要增加现有资源的投入。
举例：世界上没有两个完全一样的事物；手工插件时正时歪；调试值时大点时小点 异常波动产生原因：是由系统原因造成的，当某因素自身出了问题，波动异常[超常或失常]时，致使相应的质量特性的波动变的不随即-异常，特性：是不随机的、不可预测、是失控状态。
它对产品质量影响很大，可通过SPC 提前预测发现， 举例：1、突变[换新人/心情差]、趋势[设备件磨损/动作趋于熟练]LSL 新观念 LSL 老观念 成本成本2、卡尺正常测量某一尺寸，测量值是在一定范围内的稳定正态分布；当被损伤或换成千分尺测量时，测量值的分布会明显变大或变小。
例如：每天坐车去上班，路上时间约35 +/- 3 分钟. 这是普通原因变差，如果某天用50分钟，则是由于特殊原因变差造成3、波动的控制： *过程控制(spc)的目的就是消除、避免异常波动，使过程处于正常波动状态。
1类现前预警2类---过程稳定但能力不足[不能满足要求]，除非技术标准放宽，否则需用6SIGMA分析瓶颈因素，投入大量资金进行系统改造，提升瓶颈因素能力，减小正常波动幅度提高CP值，达到技术稳态。
因需投入大量资金，所以要先深入调查研究做出全面可行性报告交高层领导决定。
3类--过程存在异波，暂时满足要求[同初始过程计算PPK]；需尽早找出并消除变因，恢复过程稳定，防止不合格品出现。
用8D方法，可由基层更换或调整该变异因素解决[成本低]。
4类---过程存在异波且能力不足[不能满足要求]，首先找出并消除变因恢复过程稳定，再判断CPK能否满足要求[技术标准可以接受]，否则还需用6SIGMA分析，投入资金提高过程能力，满足技术稳态要求。
四、控制图过程控制：波动两种原因、两种状态---统计控制两种阶段制定控制标准—确定控制特性—选定控制图—MSA—收集数据—计算控制线—画分析用图描点—判稳—求CP/PP—开始控制型控制图1、需要培训的知识：正态分布等统计基础知识、品管七工具[调查表/分层法/散布图/排列图/直方图/因果图/控制图]、过程控制网图的做法、过程控制标准的做法2、制定过程控制标准确定关键质量因素：对每道工序用因果图进行分析，造出所有关键质量因素，再用排列图找出最终产品影响最大的因素，即关键质量因素。
列出过程控制网图，即按工艺流程顺序将每道工序的关键质量因素列出。
3、选择数据1- 一般要求对特殊特性做spc。
如果没有过硬的数据，你可非正式评估某一个正在花费你许多时间去解决问题的过程。
2- 特殊特性不是都要做SPC的：特殊特性可以在线监孔或在后续100%检验的，可不做SPC；3- SPC数据测量前要做MSA, MSA是针对CP中的所有测量系统备注：特性分类---产品特性和过程特性；1、关键特性[CC-Crux Characteristic]：显著影响产品的安全特性或政府法规的符合性。
2、重要特性[SC-Significant Characteristic]：配合/功能/安装/外观等影响客户满意度。
3、主要特性[MC-Master Characteristic]4、一般特性[GC-Generic Characteristic]5、特殊特性[Special Characteristics]：可能影响产品的安全性或法规符合性、配合、功能、性能或其后续过程的产品特性或制造过程参数。
在验证活动中特别关注的特性（如检验和试验、产品和过程审核）4、分阶段控制一是分析阶段使用的分析用控制图，二是监控阶段使用的控制用控制图。
先用分析用控制图使过程稳定，再计算CPK值符合要求，然后用将分析用控制图延长后的控制用控制图监控过程的异常变化，预防不合格发生。
分析阶段：主要目的是使过程处于统计稳态和有能力足够。
首先要进行生产准备，即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。
确保生产是在影响生产的各要素无异常的情况下进行；然后就可以用生产过程收集的数据计算控制界限，作成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。
如果任何一个不能满足，则必须寻找原因，进行改进，并重新准备生产及分析。
直到达到了分析阶段的两个目的，才进入监控阶段。
步骤：0）生产准备：把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。
1）选取要控制的质量特性；根据质量特性及适用的场合选取控制图类型；2）确定合适样本组、样本大小和抽取间隔，并假定在样本组内波动为系统因素引起；3）收集数据：按时间顺序抽各小组样本，测出并记录20～25个样本组的数据，通常每组样本量n=4～5个，这样保证控制过程的检出率为84％～90％；4）计算各组样本的统计量：计算均值、标准差，极差等；计算中心线和控制限；5）绘制控制图：画坐标轴，画中心线和上下控制限，根据样本值打点，记入相关事项；6）分析控制图：根据样本点的排列形状，判断过程是否受控。
如果存在系统因素，应设法消除；剔除分析用控制图中无代表性的数据（如落在界限外点子的数据）后，重新计算中心线和控制限。
7）过程受控后，计算CP/CPK值分析生产过程能力是否满足技术要求；8）如果6）.7）任何一个不能满足，则必须分析根本原因，根除改进，并重新准备生产、计算控制线和CP 值再分析，直到达到了分析阶段的两个目的本阶段方可宣告结束，进入SPC监控阶段。
监控阶段：主要工作是使用控制用控制图进行监控，发现异常波动及时纠正，使生产过程保持在稳定状态，预防不合格品产生。
此时控制图的控制线延用分析阶段[已处稳态]的控制线，生产过程的数据及时绘制到控制上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，必须寻找原因并尽快消除其影响。
步骤：1）确认分析用控制图是否稳定：如果存在系统因素，应设法消除。
2）控制用控制图的控制界限应延用分析阶段控制线。
若分析阶段不稳定，需剔除分析用控制图中无代表性的数据（如落在界限外点子的数据）后，重新计算中心线和控制限。
3）确认分布范围位于公差界限之内。
只有当生产过程稳定且产品质量特性值分布范围位于公差界限之内时，才能保证不出现大量不合格品。
因此应该利用分析用控制图的数据绘制直方图，并与公差界限比较，或直接计算工序能力指标，进而采取相应措施。
4）控制用控制图的使用。
在确认过程稳定并具备足够的工序能力后，便可开始批量生产，并用控制图控制生产过程，即根据控制图类型抽取样本进行计算、绘图和分析。
5、选择控制图收集的数据分为计量型数据和计数型数据。
如果收集计量型数据使用计量型控制图，通常使用X bar-R图；如果收集计数型数据使用计数型控制图，往往选择P或NP图。
可用MEAN TIP软件，初期建议用人工计算数据和作图，而不要用电子数据表格的图表或自动软件包。
计量值与计数值控制图的比较：计量值控制图的最大的优点是灵敏度高,往往在真正造成不合格品之前已经及时发现异常，所需的样本容量比计数值控制图小很多；用计数值控制图处理比较简。
注：参数查表：6、控制线： 初始过程或过程变更后能力重新评估时，要计算控制线。
控制线宽度：普因的变差决定了控制线的宽度。
控制线间距比技术范围越小过程能力越强，质量越稳定。
控制线间距过宽不能早期敏感地发现过程变异[有异点难出界-漏发报警β]，过窄正常波动点易出界[虚发报警а]会过多误报警。
由正态分布知：当设定控制线为u ±3sigma 时, 正常波动点出界率仅为0.27%, 两种错I 类错误。
把犯第I 类错误的概率称为第I 类风险，记为α。
第II 类错误：把处于非统计控制状态下的生产工序误叛为处于统计控制状态，称为第II 类错误。
把犯第II 类错误的概率称为第II 类风险，记作β。
一般情况下，要同时避免两类错误是不可能的。
当样本大小一定时，α越小，则β越大，反之，α越大，则β越小。
实践证明，3σ范围可使两类错误造成的总损失最小，较为经济合理。
控制线意义USL/LSL是区分产品合格与不合格 当过程稳定时，统计出来控制线制定控制图，“控制界限”可作为一个工序的合格率的控制线，亦可用来确定本工序的固有能力。