统计过程控制(SPC)之波动的特点
定义/说明/要求/目的：
现场是指：发生增值的制造过程的场所。
在统计过程控制中，由于不存在两个完成相同的产品或特性；任何过程都存在许多变差，这些变差是产品波动的基本原因。
检查表：
编号
检查内容
1
一个Байду номын сангаас程内有许多波动源存在
2
每个波动源的发生是随机的
3
质量特性或过程有波动是正常现象，无波动是虚假现象
4
消灭波动是不可能的，但减少波动是可能的
5
管理和操作的任一过程就是要把波动限制在接受范围内，超出范围就要采取措施
6
每种因素的发生都是无法预测的，然而这些因素都影响着过程的输出，即质量特性
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。
统计过程控制(SPC)
11
控制图的选择
控制图的选定
计量值 数据性质
计数值
平均值
“n”=10~25 “n”是否较大
n≧1 样本大小 n≧2
Cl的性质
中位数 “n”=2~5
“n”=1
不良数
缺陷数
不良数或
缺陷数
不一定
一定
“n”是否一定
单位大小 是否一定 不一定 一定
X-s 图
X-R 图
X-R
X-Rm “p”
图
图图
“np” “c”
数据类别: 计数值数据：只以缺陷数和个数表示，不能连续取值的数据 计量值数据：以产品本身的特性来表示，可以连续取值的数据
2
两种变异
普通性（特定性）变异：不易避免的原因(普通 原因）造成的变异，如操作人员的熟练程度的 差异、设备精度与保养好坏的差异、同批原材 料本身的差异
特殊性（偶尔性）变异：可以避免也必须避免 的原因（特殊原因）造成的变异，如不同原材料 之间的差异、设备故障
“u”
图图
图
12
案例1（控制图的选择）
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用什么图
13
答案1
质量特性 长度 重量 乙醇比重 电灯亮／不亮 每一百平方米的 脏点
样本数 5 10 1
100 100平方米
选用控制图 均值极差控制图
通常用来消除变差的普通原因 几乎总是要求管理措施，以便纠正 大约可纠正85%的过程问题
8
控制图的目的
控制图和一般的统计图不同，因其不仅能 将数值以曲线表示出来，以观其变异之趋 势，且能显示变异系属于机遇性或非机遇 性，以指示某种现象是否正常，而采取适 当之措施。
统计过程控制(SPC)的三个发展阶段
统计过程控制（SPC）的三个发展阶段SPC迄今已经受了三个进展阶段，即SPC（Statistical Process Control，统计过程掌握）阶段、SPCD（Statistical Process Control and Diagnosis，统计过程掌握与诊断）阶段与SPCDA（Statistical Process Control，Diagnosis and Adjustment，统计过程掌握、诊断与调整）阶段。
（一）SPC阶段SPC是美国休哈特博士在20世纪二三十年月所制造的理论，它能科学地区分诞生产过程中产品质量的偶然波动与特别波动，从而对过程的特别准时告警，以便人们实行措施，消退特别，恢复过程的稳定。
这就是所谓质量掌握。
这一理论直到20世纪80年月，依旧是过程掌握实施的重要指导。
（二）SPCD阶段SPCD即统计过程掌握与诊断。
SPC虽然能对过程的特别进行告警，但是它并不能告知是什么特别，发生于何处，也不能进行诊断。
1982年张公绪教授提出了新型掌握图——选控图系列，为SPCD理论的进展奠定了基础。
1982年，张公绪提出两种质量诊断理论，突破了传统的美国休哈特质量掌握理论，开拓了统计质量诊断的新方向。
从今SPC上升为SPCD，SPCD是SPC的进一步进展，也是SPC的其次个进展阶段。
1994年，张公绪教授与其同学郑慧英博士提出多元逐步诊断理论，解决了西方国家的诊断理论需要同时诊断全部变量从而第一种错误的概率α比较大的问题。
1996年张公绪提出了两种质量多元逐步诊断理论（也称为两种T2图的逐步诊断理论）解决了多工序、多指标系统的MSPC与MSPCD（多元质量掌握与诊断）问题。
1998年，张公绪又将上述理论进一步改进，这是多元诊断理论的一个突破，不但使得多元掌握与诊断大为简化，而且很多的多元诊断问题由此得以解决。
目前SPCD已进入有用性阶段，我国仍旧居于领先地位，在SPC 与SPCD的理论与实践方面做出了应有的贡献，形成我国的SPC与SPCD学派。
SPC控制图基本原理及特性
控制图的基本特性一般控制图纵轴均设定为产品的质量特性,而以过程变化的数据为刻度;横轴则为检测产品的群体代码或编号或年月日等,以时间别或制造先后别,依顺序点绘在图上。
在管制图上有三条笔直的横线,中间的一条为中心线(Central Line,CL),一般用蓝色的实线绘制；在上方的一条称为控制上限(Upper Control Limit,UCL)；在下方的称为控制下限(Lower Control Limit,LCL)。
对上、下控制界限的绘制,则一般均用红色的虚线表现,以表示可接受的变异范围;至于实际产品质量特性的点连线条则大都用黑色实线绘制。
基本结构（休哈特控制图）是在直角坐标系中画三条平行于横轴的直线，中间一条实线为中线(Cl)，上、下两条虚线分别为上、下控制界限（UCl和lCl）。
横轴表示按一定时间间隔抽取样本的次序,纵轴表示根据样本计算的、表达某种质量特征的统计量的数值，由相继取得的样本算出的结果，在图上标为一连串的点，它们可以用线段连接起来根据所考察的质量特征的性质是计量的还是计数的（包括计件和计点的）（见抽样检验），以及所采用的统计量的不同。
稳态是生产过程追求的目标。
那么如何用控制图判断过程是否处于稳态？为此，需要制定判断稳态的准则。
判稳准则：在点子随机排列的情况下，符合下列各点之一就认为过程处于稳态：（1）连续25个点子都在控制界限内；（2）连续35个点子至多1个点子落在控制界限外；（3）连续100个点子至多2个点子落在控制界限外。
在讨论控制图原理时，已经知道点子出界就判断异常，这是判断异常的最基本的一条准则。
为了增加控制图使用者的信心，即使对于在控制界限内的点子也要观察其排列是否随机。
若界内点排列非随机，则判断异常。
判断异常的准则：符合下列各点之一就认为过程存在异常因素：（1）点子在控制界限外或恰在控制界限上；（2）控制界限内的点子排列不随机；（3）链：连续链，连续9点排列在中心线之下或之上；间断链，大多数点在一侧（4）多数点屡屡靠近控制界限（在2一3倍的标准差区域内出现）连续3个点至少有2点接近控制界限。
统计过程控制(SPC)之波动的特点
消灭波动是不可能的，但减少波动是可能的
5
管理和操作的任一过程就是要把波动限制在接受范围内，超出范围就要采取措施
6
每种因素的发生都是无法预测的，然而这些因素都影响着过程的输出，即质量特性
统计过程控制（SPC）之波动的发生增值的制造过程的场所。
在统计过程控制中，由于不存在两个完成相同的产品或特性；任何过程都存在许多变差，这些变差是产品波动的基本原因。
检查表：
编号
检查内容
1
一个过程内有许多波动源存在
2
每个波动源的发生是随机的
3
质量特性或过程有波动是正常现象，无波动是虚假现象
统计过程控制(SPC)
9.94 9.81 9.85 10.11 10.24 10.17 9.83 10.33 10.39 9.64
10.42 10.13 9.61 10.03 10.60 10.00 9.55 10.15 10.16 9.88
10.30 10.21 10.03 10.15 9.58 10.09 9.87 9.91 9.73 10.02
Mo=1
2 12.67
3.56
练习
数列：12，11，12，13，18，30，24，9 请计算下列统计量：
R
X
Md
Mo
2
数据的收集与整理
群体
行 动
结论
抽样 分析
样本 测 试
数据
每件产品的尺寸与别的都不同
范围
范围
范围
范围
但它们形成一个模型，若稳定，可以描述为一个分布
量具精确度是指测量观察平均值与真实值（基准值） 的差异。 真实值由更精确的测量设备所确定
测量系统变差
量具重复性
量具重复性是由一个操作者采用一种测量 仪器，多次测量同一零件的同一特性时获得的 测量值变差。
测量系统变差
量具再现性
量具再现性是由不同的操作者，采用相同 的测量仪器，测量同一零件的同一特性时测量 平均值的变差。
Statistical Process Control
（统计过程控制）
统计过程控制（SPC）
1、SPC的发展史 2、基本统计概念 3、过程变差 4、控制图 5、过程控制和过程能力
SPC的发展
20世纪20年代，美国休哈特提出； 二战后期，美国将休哈特方法在军工部门推行； 1950~1980，逐渐从美国工业中消失 ；休哈
SPC统计过程控制基本概念
SPC统计过程控制根本概念引言SPC〔统计过程控制〕是一种用于监控和控制过程稳定性的方法。
它使用统计工具来分析过程数据，以便及时识别和纠正任何异常或变异。
本文将介绍SPC统计过程控制的根本概念，包括其定义、原理和常用的控制图。
定义SPC是一种基于统计方法的过程管理技术，用于监测和控制生产过程以保持在既定的质量范围内。
它的目标是确保过程在特定参数范围内保持稳定，并及时识别和纠正任何异常。
SPC主要通过收集数据并应用统计方法来实现过程控制。
原理SPC基于以下两个根本原理： 1. 过程稳定性：稳定的过程是指其输出变量在一定的统计范围内波动，并且其变异性为可控制的。
通过检测过程数据的变异性，可以判断过程是否稳定。
2. 标准限制：每个过程都有一组标准限制，表示其输出变量的可接受范围。
通过比拟过程数据与标准限制，可以判断过程是否符合要求。
控制图控制图是SPC中常用的工具，用于检测和监控过程的稳定性。
常见的控制图包括： - 均值控制图：用于监测过程的平均值是否稳定。
常见的均值控制图有X-bar控制图和均值移动范围控制图。
- 范围控制图：用于监测过程的变异性是否稳定。
常见的范围控制图有R控制图和S 控制图。
- 非参数控制图：用于监测不符合正态分布假设的过程。
常见的非参数控制图有中位数控制图和秩和控制图。
控制图的根本原理是将过程数据与控制界限进行比拟，以识别任何异常或变异。
如果过程数据落在控制界限之外，说明过程不稳定并需要采取纠正措施。
SPC方法SPC方法是实施SPC的步骤和技术。
以下是SPC方法中的关键步骤：1. 收集数据：收集过程相关的数据，通常是通过抽样收集。
2. 统计分析：对收集到的数据进行统计分析，包括计算统计指标和绘制控制图。
3. 解读控制图：通过分析控制图，识别任何异常或变异，判断过程是否稳定。
4. 纠正措施：如果控制图显示过程不稳定，应采取纠正措施，如调整操作参数或改良工艺流程。
SPC方法还可以与其他质量管理工具和方法相结合，例如六西格玛和PDCA循环，以进一步提高过程稳定性和质量性能。
【SPC 8种波动】SPC 8种波动的检验标准是什么？
【SPC 8种波动】SPC 8种波动的检验标准是什么？导语：SPC 8种波动，即八种判断异常的检验准则，每一种检验准则代表一种异常现象，应用SPC 控制图进行过程评估与监控，首先应掌握此八种波动检验模式《常规控制图》国家标准GB/T4091——2001明确给出了变差的可查明原因的八种波动模式，那么SPC 8种波动的检验标准是什么？下面我们将做详细介绍：图示：SPC 8种波动的检验标准是什么？SPC控制图检验1：1个点落在A区以外检验1给出了对控制图的基本解释：点出界就判异。
当过程处于统计控制状态时，点子落在控制限内的概率为99.73%，落在控制限外的概率为1-99.73%=0.27%。
检验1可以对过程中的单个失控做出反应，如计算、测量误差、原材料不合格、设备故障等。
SPC控制图检验2：连续9点落在中心线同一侧当过程处于统计控制状态时，连续9点落在中心线同一侧的概率为P（连续9点落在中心线同一侧）=2*（0.5）9=0.003906=0.3906%即虚发报警的概率为0.3906%，第一类错误的概率为α=0.3906%。
在SPC控制图中心线同一侧连续出现的点成为链，链可能位于中心线的上测也可能位于中心线的下侧。
注意：连必须由“连续”出现的点子构成。
链中包含的点子数目成为链长。
链长≥9，判断出现了异常。
连续9点落在中心线同一侧”判断出现异常的一个重要原因是：模式2的α=0.3906%与“点出界就判异”的模式1的α=0.27%最接近。
出现检验2此种模式，主要是过程平均值减小的缘故。
SPC控制图检验3：连续6点递增或递减当过程处于统计控制状态时，连续6点递增或递减的概率为P（连续6点递增或递减）=0.2733%即须发报警的概率为0.2733%，第一类错误的概率为α=0.2733%。
点子逐点上升或下降的状态称为倾向或趋势。
注意，递减的下降倾向，后面的点子一定要低于或等于前面的点子，否则倾向中断，需要重新计算。
SPC
统计过程控制（SPC）在生产过程中，产品的加工尺寸的波动是不可避免的。
它是由人、机器、材料、方法和环境等基本因素的波动影响所致。
波动分为两种：正常波动和异常波动。
正常波动是偶然性原因（不可避免因素）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。
异常波动是由系统原因（异常因素）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消除、避免异常波动，使过程处于正常波动状态。
统计过程控制（简称SPC）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。
它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。
由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。
SPC正是利用过程波动的统计规律性对过程进行分析控制的。
因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。
实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的要求。
第二步则是用控制图对过程进行监控。
控制图是SPC中最重要的工具。
目前在实际中大量运用的是基于的Shewhart原理的传统的控制图，但控制图不仅限于此。
近年来又逐渐发展了一些先进的控制工具，如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性控制的T2控制图等。
这些大大拓宽了SPC的应用领域，也增强了SPC工具的有效性。
SPC源于本世纪二十年代，以美国Shewhart博士发明控制图为标志。
spc概述
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。