统计过程控制技术
统计过程控制SPC第二版
例如，原材料的质量不符合规定要求；机 器设备带病运转；操作者违反操作规程； 测量工具带系统性误差，等等。由于这些 原因引起的质量波动大小和作用方向一般 具有一定的周期性或倾向性，因此比较容 易查明，容易预防和消除。又由于异常波 动对质量特性值的影响较大，因此，一般 说来在生产过程中是不允许存在的。
是
否
np或p图 p图
关心的是 单位零件缺陷数吗？
是
样本容量 是否恒定？
是
否
C或U图 U图
二、控制图
计量型控制图
二、控制图 计数型控制图
二、控制图 4、控制图应用的二个阶段
从生产过程中，定期抽取样本，测量各样 本的质量特性值，然后将测得的数据加以 统计分析，判断过程是否处于稳定受控状 态，从中发现过程异常原因(特殊原因)， 从而及时采取有效对策，使过程恢复到正 常稳定受控状态。
预防与检测
检测——容忍浪费
在生产部门，通过检查最终产品并剔除不合格产品。不合格的总是不合格。 在管理部门，经常靠检查或重新检查工作来找出错误 这实质上是“死后验尸”，造成时间和材料等的浪费
计数型：通常是指不用仪器即可测出的数 据。计件如不合格件数；计点如PCB上的 漏焊数、溢胶数等
计量型 计数型
计件型 计点型
二、控制图 2、控制图的构成
18 17 16 15 14 13 12 11 10
9 8 7 6 5
1
2
3
4
点落在该区间的概率为99.7%
5
6
7
8
9
+3
Average
-3
10
二、控制图
▪ ……
二、控制图
计数型控制图
不良率控制图（P图） 不良品数控制图（Pn图） 缺陷数控制图（C图） 单位缺陷数控制图（U图）
统计过程控制(SPC)：提升制程稳定性
统计过程控制（SPC）：提升制程稳定性在制造业中，制程稳定性是一个至关重要的概念。
不论是生产电子产品、制造机械零件还是生产食品，保持生产过程的稳定性对产品质量和成本控制都至关重要。
统计过程控制（SPC）是一种有效的方法，用来监控和改进生产过程，提升制程稳定性。
什么是统计过程控制（SPC）？统计过程控制（SPC）是一种基于统计方法的质量管理工具，旨在通过监控生产过程中的关键变量，减少变异性，实现生产过程的稳定性。
SPC可以帮助厂商识别并消除造成产品缺陷的根本原因，提高产品质量，降低生产成本，增强市场竞争力。
SPC的原理及应用SPC的基本原理是通过收集和分析生产过程中的数据来了解生产过程的特征和变异性，从而判断生产是否处于受控状态。
通过统计技术，可以找出生产过程中的特殊原因变异和普通原因变异，进而采取相应的控制措施。
SPC的应用范围非常广泛，可以适用于各个行业的生产过程控制。
比如，在汽车制造业，通过对关键工艺参数进行实时监控，可以避免生产出次品车辆；在食品加工业，利用SPC可以确保产品符合质量标准，保障食品安全。
SPC的主要工具和技术SPC主要包含以下几种工具和技术：1.控制图：控制图是SPC的核心工具之一，用来监控生产过程中的变异性。
常见的控制图有X-bar图、R图、P图等，通过控制图可以及时发现异常情况。
2.过程能力分析：通过过程能力分析，可以评估生产过程是否稳定，并确定是否满足产品质量标准。
3.假设检验：假设检验用于判断生产过程中的参数变化是否具有统计显著性，帮助厂商做出正确的决策。
SPC的好处采用统计过程控制（SPC）可以带来诸多好处：1.提升产品质量：SPC可以实时监控生产过程，及时发现问题并及时纠正，确保产品质量稳定。
2.降低生产成本：通过降低废品率和提高生产效率，可以有效降低生产成本。
3.增强市场竞争力：生产出质量稳定的产品，可以提高客户满意度，增强企业在市场上的竞争力。
总结统计过程控制（SPC）是一种重要的质量管理工具，能够帮助企业提升制程稳定性，实现持续改进。
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质量控制
spc质量控制SPC（统计过程控制）是一种通过统计方法和工具对过程进行监控和管理的质量控制技术。
它旨在实时检测过程中的变异性并采取适当的控制措施，以确保产品或服务的质量稳定性和一致性。
在本文中，将介绍SPC的原理、实施步骤以及其在质量控制中的应用。
一、SPC的原理SPC的核心原理是通过数据收集和分析来了解过程中的变异性。
它基于以下两个假设：1. 过程变异性是正常的：任何过程在生产中都会存在一定的变异性，即使是最优化的过程也不可避免地存在着各种差异。
2. 变异性可以通过统计方法进行衡量和控制：SPC利用统计分析的工具和技术，能够准确地衡量和控制过程中的变异性。
二、SPC的实施步骤SPC的实施一般包括以下步骤：1. 确定关键过程参数（KPC）：KPC是影响产品或服务质量的重要因素。
通过对生产过程的分析和了解，确定出关键的过程参数。
2. 收集数据：对KPC进行实时数据的收集和记录。
数据可以通过各种手段获取，如传感器、检测仪器等。
3. 统计分析：对收集到的数据进行统计分析，以了解过程中的变异性，并判断其是否在可控范围内。
4. 确定控制限：根据统计分析结果，确定上下限控制限。
控制限用于判断过程是否处于控制状态。
5. 监控过程：实施实时过程监控，及时发现和纠正过程中的异常情况或异常变异。
6. 持续改进：根据监控结果和分析，对过程进行改善，并持续跟踪和改进以确保过程的稳定性和一致性。
三、SPC在质量控制中的应用SPC在质量控制中具有广泛应用，可以用于监控产品的生产过程、服务的提供过程以及供应链中的各个环节。
以下是SPC在质量控制中的几个典型应用场景：1. 控制图的应用：控制图是SPC中最常见和重要的工具，用于监控过程中的变异性并进行相应的处理。
常见的控制图有均值图、范围图等，通过对过程数据的实时监控，能够及时发现并处理过程中的异常情况。
2. 过程能力分析：SPC可以通过对数据的统计分析，评估过程的能力指标，如过程的稳定性、精度和一致性等。
SPC统计过程控制
SPC统计过程控制SPC（Statistical Process Control，统计过程控制）是一种基于统计原理和数据分析方法的质量管理工具，用于监控和控制生产过程中的变异性，以确保产品或服务的质量。
SPC是由质量概念的先驱沃尔特·A·谢温（Walter A. Shewhart）在20世纪20年代初首次引入的。
它的目的是通过使用统计技术来分析生产过程中的数据，从而减少产品或服务的变异性，提高整体质量水平。
SPC的基本原理是通过统计分析来了解生产过程中的变异性，以便及时采取措施来纠正和调整生产过程。
它主要包括以下步骤：1.确定控制指标：选择适当的指标来监控生产过程的变异性。
常用的指标包括尺寸、重量、硬度等。
2.收集数据：根据预定的采样计划和频率，定期收集生产过程中的数据。
数据可以通过各种手段收集，如直接测量、抽样检验等。
3.绘制控制图：使用统计方法将收集到的数据绘制成控制图。
控制图是一种图表，它显示了一个或多个过程指标的变化情况，以及上下限范围。
通过观察控制图，人们可以判断生产过程是否处于控制状态，是否存在异常情况。
4.分析控制图：根据控制图上的变化趋势和模式，进行统计分析，以确定生产过程的绩效。
常用的统计分析方法包括均值、标准差、极差等。
5.制定改进措施：根据分析的结果，确定需要改进的方面，并制定相应的措施。
改进措施可以包括修改生产过程参数、调整设备、培训员工等。
6.监控和调整：持续监控生产过程，并根据需要进行调整，以确保控制图保持在预定的限制范围内。
SPC的优势在于它能够提供实时和持续的监控生产过程的能力。
通过采集数据和绘制控制图，生产者可以及时发现生产过程中的变异，并采取措施进行纠正。
这样可以防止不良品的产生，并提高产品或服务的一致性和质量。
此外，SPC还具有以下几点优势：1.提高生产效率：通过控制和减少生产过程中的变异性，SPC可以提高生产效率。
它能够帮助生产者发现并消除生产过程中的浪费和不必要的变动，从而提高生产效率和资源利用率。
统计过程控制spc实用指南 书籍
统计过程控制spc实用指南书籍一、SPC概述。
1. 定义与目的。
- 统计过程控制（SPC）是一种利用统计方法对过程中的各个阶段进行监控，从而达到改进与保证质量的目的的技术。
它强调预防为主，通过对过程数据的收集、分析，及时发现过程中的变异，在生产不合格品之前就采取措施进行调整。
例如，在汽车制造过程中，通过SPC对发动机装配线上各个关键工序的尺寸、扭矩等参数进行监控，确保发动机的质量稳定性。
2. 历史发展。
- SPC的发展可以追溯到20世纪20年代，由休哈特（Walter A. Shewhart）博士提出控制图的概念开始。
休哈特认识到工业生产过程中存在两种变异：随机变异和可查明原因的变异。
他的控制图为区分这两种变异提供了有效的工具。
随着时间的推移，SPC不断发展，从最初应用于制造业，逐渐扩展到服务业等其他领域。
3. 适用范围。
- SPC适用于各种重复性的生产和服务过程。
在制造业中，如电子元件生产、机械加工等，它可以监控产品的尺寸、性能等质量特性。
在服务业方面，例如银行处理客户业务的等待时间、餐厅的服务效率等也可以运用SPC进行管理。
只要是存在可测量的过程输出并且希望对过程进行有效控制的情况，SPC都能发挥作用。
二、SPC的基本工具。
1. 控制图。
- 类型。
- 最常见的控制图有均值 - 极差控制图（¯X-R图）、均值 - 标准差控制图（¯X-S图）、单值 - 移动极差控制图（X - MR图）等。
- ¯X-R图适用于样本量较小（通常n = 2 - 10）的情况，它通过监控样本均值和极差来判断过程是否稳定。
例如，在小批量生产的精密零件加工车间，对零件的直径进行抽样检测，就可以使用¯X-R图。
- ¯X-S图则更适合样本量较大（n>10）的情况，因为当样本量较大时，标准差的估计比极差更有效。
在大规模的电子芯片生产过程中，对芯片的某项电气性能指标进行监控时，可能会采用¯X-S图。
统计过程控制
失去控制（有异因）
稳态图示
规格下限
技术稳态
规格上限
（偶因的变异减少）
年我国著名质量管理专家、北京科技大学张公绪教授提出选控图及两
种质量诊断理论，突破了休哈特的SPC理论，使SPC上升到SPD。 SPD不仅能预警, 而且能诊断, 为及时纠正提供了有利保障.
统计本身不能提高制程能力，消除 异常因素! 它是我们的工具。
第二节
控制图原理
一、控制图的结构
控制图（Control Chart）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。
样 本 统 计 量 数 值 描点序列 上控制限（UCL） 中心线（CL）
下控制限（LCL）
控制图示例
时间或样本号
控制图组成包括中心线、上下控制限以及按时间顺序抽取的样本 统计量数值的描点序列。
二、控制图的重要性
控制图是贯彻预防原则的SPC的重要工具，可用以直接对产品生 产过程的控制与诊断，是质量管理（老）七个工具的重要组成部分。
LCL为下控制限。
控制图虽然由正态分布转化而来，由于二项分布、泊松分布当样本量较 大时近似正态分布，因此，控制图对典型分布均适用。
（二）控制图原理的第一种解释 （1）若过程正常，即分布不变，则出现点子超过上或下控制限情
况的概率只有1‰左右。（ 0.27%÷2 = 1.35‰ ）
（2）若过程异常，发生这种情况的可能性很大，其概率可能为 1‰的几十乃至几百倍。 例如：当正态分布的均值偏移1.5σ 的情况 不合格品率 p=1-Φ(1.5 ) + Φ(-4.5 ) =2- Φ(1.5 ) - Φ(4.5 ) =0.06681 根据小概率事件原理：即小概率事件在一次试验中几乎不可能发 生，因此，若发生即可判断异常。
详细全面的SPC详解
汇报人： 202X-01-06
目录
• SPC基本概念 • SPC实施步骤 • SPC应用领域 • SPC优势与局限性 • SPC未来发展趋势 • SPC案例分析
01
SPC基本概念
SPC定义
SPC即统计过程控制，是一种利用统计方法对生产过程进行监控和管理的质量控制技术。它通过收集 和分析生产过程中的数据，对生产过程进行评估和监控，以确保产品质量和生产过程的稳定性。
THANKS
感谢观看
SPC强调预防性的质量控制，通过实时监测和调整生产过程，以降低不良品率和生产成本，提高生产 效率和产品质量。
SPC目的和意义
确保产品质量
通过实时监测和调整生产过程， SPC能够及时发现并解决潜在的 质量问题，从而确保产品质量的 稳定性和可靠性。
提高生产效率
通过预防性的质量控制，SPC能 够降低生产过程中的不良品率， 减少生产浪费和损失，提高生产 效率。
某高校SPC教学案例
实施背景
某高校为了使学生更好地掌握质量管理知识，决定引入SPC 技术进行教学。
实施过程
该高校在课程中设置了SPC模块，通过理论教学、案例分析 和实践操作等方式，使学生全面了解和掌握SPC技术。
实施效果
通过SPC教学，该高校的学生对质量管理知识有了更深入的 理解，同时也提高了实际操作能力和问题解决能力。
优化生产过程
SPC通过对生产过程的实时监测 和分析，能够发现生产过程中的 瓶颈和问题，为生产过程的优化 提供数据支持。
SPC发展历程
20世纪40年代
美国军方开始广泛应用SPC技 术，以提高产品质量和一致性 。
20世纪80年代
随着计算机技术的发展，SPC 技术逐渐实现自动化和智能化 。
- 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)。
统计过程控制技术一、概述或基础上世纪三十年代，美国休哈特博士提出统计过程控制的概念。
统计过程控制（SPC）：指用统计学的方法和技术对过程进行分析和控制。
统计过程控制技术：可以用于过程分析与控制的数理统计技术与方法，是识别和控制过程波动的科学方法。
在生产实践中，即使操作者、机器、原材料、加工方法、测量手段、生产环境等到条件相同，生产出来一批产品的质量特性的实际值并不完全一样，总是存在差异，这就是质量特性的波动。
1、关注点：波动的程度、波动的趋势、波动的原因、波动的不利影响、波动是可接受、是否要求采取波动控制的措施、采取什么样的波动控制措施等等。
2、为什么：从顾客的角度来说，他们希望所获得的产品或服务与他们的期望或要求之间差异越小越好。
也就是说，他们希望相对于其要求的目标值来说，波动越小越好。
质量特性实际值一旦偏离目标值就会对顾客造成损失；质量特性越远离目标值，对顾客造成的损失就越大，顾客的损失是与质量特性实际值与目标值之差的平方成正比。
3、传统控制方法：对过程输出质量特性按照合格/不合格进行检验，把不合格的产品挑出来，对它们进行分析和处理。
不再关心那些落在规范限或公差限内的合格产品，则出现产品特性波动大，产品的适配性差，在装配和调试过程中将要花费更多的时间和资源；甚者，还将引起产品性能、可靠性和使用寿命的降低。
4、波动分为：正常、异常两种波动。
1）正常波动：由随机因素（又称为普通因素）影响而引起的波动。
2）异常波动：由系统性因素（又称特殊因素）影响而引起的波动。
3）随机因素：那些随时随地影响过程的、微小的、在技术上很难根本消除和或消除其影响要花费很大的经济代价的、在过程中允许存在的波动影响因素。
特点：a)在过程中时刻存在着，对过程波动的影响力随时变化。
b)这类因素一般复杂繁多，要列举出所有的因素很困难。
c)所有随机因素的共同作用导致了过程的总波动。
d)很难通过对过程的控制来减小或消除随机因素的影响。
e)减小随机因素的影响需要对过程系统地改进。
典型的随机影响因素：原材料的成份和性能在范围内的微小差异；机器在规定范围的微小振动；温度、湿度的微小变化、操作方法、测量方法和测量仪器的微小差异等。
仅由随机因素引起的过程输出质量特性波动是固定波动。
把只受随机因素影响的过程称为处于统计控制状态的过程，简称为受控状态或稳定状态。
4）系统因素：是那些正常的过程中并不存在，一旦存在则影响显著的；对波动的大小和作用方向一般具有倾向性或同期性；容易查明和控制的；在正常的过程中不允许存在的波动因素。
特点：a)并不经常存在于过程中；b)它们通常来自过程以外；c)相比随机因素而言，对过程波动有较大的影响；d)容易发现和隔离。
典型的系统原因有：原材料的成份和性能不符合规定的要求；机器设备带病运转；操作者违反操作规程；测量工具带系统性误差等。
如果过程受到了系统性因素的影响，我们称之为失控状态或不稳定状态。
5）波动产生的结果的可预测性：a)正常波动：也就是受控的过程，其输出质量特性的波动具有统计规律性，我们可以预测其产生的结果。
b)异常波动：也就是非受控的过程，我们无法预测其产生的结果。
6）波动改进的方法：a)对于异常波动：应对过程进行控制。
b)对于正常波动：加强对过程的控制无法再进一步改进质量，需对过程进行系统地改进。
例如，改进技术、重新设计过程参数或方法、重新设计流程等。
5、过程波动状态的判定采用质量特性分布概率是否呈正态分布的方法进行判定。
所谓正态分布，它是呈左右对称的倒钟形曲线。
又称正态概率分布曲线，描述了质量特性数值与其出现的频率的关系。
如果质量特性值的概率分布呈正态分布，我们则称这样的过程为正常波动过程，过程是受控的。
否则过程为非正常波动，过程不受控。
6、波动状态的近似计算或表述采用过程输出质量特性测量值的频数图，常说的直方图。
根据分析的过程，选取需要分析的特性，收集样本，对样本进行特性测量，并记录测量的结果，应多于50个数，用这些结果作直方图。
直方图需确定的几个参数：1）计算极差（R ）min max X X R -=2)分组（K ）根据数据的多少进行分组，常用分为10组。
50～100：6～10组；100～250：7～12组；250以上：10～20组。
3)确定组距（h ）组数极差=h4)确定各组界限 原则：组的边界值单位应取最小测量单位的21。
以避免出现数据值与组的边界值重合而造成频数计算困难的问题（归在上一组，还是下一组）。
如测量到小数点后两位数0.01，则边界值单位应取位小数点后三位数：0.005。
首先确定第一组的上、下限： 第一组的下限为：2最小测量单位最小值- 第一组的上限为：）（同时为二组下限组距下界值+ 第二组的上限为：组距第一组的上限+第三组的上限为：组距第二组的上限+依此类推，可计算出其余各组的上限。
5）编制频数分布表：6）画直方图a)先画纵坐标，再画横坐标。
纵坐标表示频数，以最大值（频数）定坐标高度，原点为零，均匀标出中间各值。
b)横坐标表示质量特性。
定坐标刻度时要同时考虑最大、最小值及规格范围都应含在坐标值内。
规格下限与频数坐标轴间稍留一些距离，以方便看图。
[横、纵坐标零点不重合]c)以距为底，频数为高，画出各组的直方图。
d)在组上标图名，记入：搜集数据时间、总频数N 、统计特征值（X 、S ）NX X X X N +++= 21 1)()()(22221--++-+-=N X X X X X X S N 7）直方图观察正常型、孤岛型、偏向型、双峰型、平顶型、锯齿型a) 正常型：又称对称型，它的特点是中间高两边低，呈左右基本对称。
这说明工序处于稳定状态。
b) 孤岛型：在远离主分布的地方出现小的直方型，犹如孤岛。
短时间内有异常因素在起作用，使加工条件起了变化。
c) 偏向型：直方形的顶峰偏向一侧，俗称偏坡形。
计量值只控制一侧界限时，常出现此现状。
（单向公差）d) 双峰型：出现两个峰，混批造成。
e) 平顶型：往往是由于生产过程中有缓慢变化的因素在起作用。
刀具磨损、操作疲劳。
f) 锯齿型：大量出现参差不齐。
分组过多或测量仪器精度不够，读数有误等原因所致。
8）对照规格标准进行分析比较当工序处于稳定状态时（正常型），不需要进一步将直方图与规格标准进行比较，以判定工序满足标准要求的程度。
B ——实际特性分布范围T ——规格标准范围理想型、偏向型、无富余型、能力富余型、能力不足型、陡壁型a) 理想型：B 在T 的中间，平均值正好与规格中心重合，实际尺寸分布的两边距规格限有一定余量，约为8T ，)86(75.0T T B = b) 偏向型：分布中心偏离规格中心，故有超差的可能，应调整分布中心。
c) 无富余型：B=T ，易出现超差，应缩小分布范围。
d) 能力富余型：T B 5.0≈，经济性不强。
e) 能力不足型：B ＞T ，已出现一定量的不合格，应立即采取措施，缩小分布范围。
f) 陡壁型：实际尺寸分布过分偏离规格中心，造成了超差或报废，但在作图时，数据中已剔除了不合格的特性值。
二、常用统计技术类别及用途分层法、调查表法、排列图法、因果图法、对策表、计划进度表、直方图、控制图、散布图（一）分层的用途又叫分类法或分组法。
造成质量波动的原因多种多样，因此收集到的数据往往带有综合性，为了能真实反映产品质量波动的实质原因和变化规律，就必须对数据进行适当的分类和整理。
按照一定的标志，把收集到的数据加以分类整理。
使同一层次内的数据波动幅度尽可能小，而层与层之间的差别尽可能大，分层的标志主要有：时间、人员、设备、原材料、方法、检测手段、环境条件。
（二）调查表的用途又称检查表、核对表、统计分析表。
用来记录、收集和积累数据，并能对数据进行整理和粗略分析的统计图表。
常用形式：不合格项目调查表、缺陷位置调查表、质量分布调查表、矩阵调查表。
（三）排列图的用途又称帕累托图，寻找主要问题或影响质量的主要原因所使用的图。
“关键的少数、次要的多数”是排列图的核心理念。
A 类属于主要或关键问题，在累计百分比的80%左右；B 类属于次要问题，在累计百分比的80%～90%左右；C 类属于一般问题，在累计百分比的90%～100%。
由两个纵坐标、一个横坐标组成，两个坐标分别是：频数、百分比、横坐标代表事件。
（四）因果图的用途又叫特性要因图、石川图、树枝图、鱼刺图等。
用于产生问题的原因的深入分析，一个因果图只针对一个问题进行分析。
由大原因、中原因、小原因逐一展开，并将认定的主要原因用特殊符号标记出来，如粗线框或颜色等。
原因分析必须细化到可以采取措施。
一般从人、机、料、法、环、测六个方面进行分析，并应集中各方面人员的智慧。
（五）对策表的用途又称措施计划表。
它既是实施的计划，又是检查的依据。
应包括以下几方面的内容：要因项目、现状、目标、措施、地点（部门）、执行力、完成期限等。
（六）计划进度表又称甘特图。
常用来表示日程计划和管理生产指标。
应同时反映计划情况、完成情况，是一个动态图。
（七）控制图的用途又叫管理图。
用于分析和判断工序是否处于控制状所使用的带有控制界限线的图。
由纵坐标、横坐标、三条线组成。
纵坐标为质量特性值，横坐标为抽样时间或样本序号，三条线包含两条虚线和一条实线。
两条虚线分别为上、下控制界限UCL 、LCL ，实线为中心线，代表平均值，用CL 表示。
这三条线是通过收集过去在生产稳定状态下（且B ≤T ）某一段时间的数据计算出来的。
1、控制图的种类1）按统计量分类：计量（值）、计数（值）两大类。
计量：R X -、R X -~、S R X -计数：P n 、、p 、c 、u1） 按用途分类：分析用控制图、控制（管理）用控制图。
（八）散布图的用途也叫相关图，用来研究、判断两个变量之间相关关系的图。
正相关（强、弱）、负相关（强、弱）、不相关、非线性相关。