SPC统计过程控制完整版培训讲义
合集下载
统计过程控制SPC培训资料
常用的控制图
分布
控制图代号
控制图名称
备注
正态分布（计量值）
均值—极差控制图
最常用，判断工序是否正常的效果好，计算量大，适用于产品批量大、且稳定、正常的工序；S的计算比R复杂，但其精度高适用与检验时间远比加工时间段的场合计算简便，但效果差使用与产品批量较大、且稳定、正常的工序；简便省事，并能够及时判断工序是否处于稳定状态，但不宜发现工序分布中心的变化。
控制图的益处
合理使用控制图能：供正在进行过程控制的操作者使用；有助于过程在质量上和成本上能持续地、可预测地保持下去；使过程达到：——更高的质量； ——更低的单件成本； —— 更高的有效能力。
控制图的益处
为讨论过程的性能提高共同语言；区分变差的特殊原因和普通原因，作为采取局部对系统采取措施的指南。控制图为两班、三班操作过程的人员之间、和支持活动（维修、材料控制、过程工程、质量控制）的人员之间就有关过程性能的信息交流提供了通用的语言。
Β=
规范界限与控制界限的区别
规范界限：区分合格品与不合格品控制界限：区分偶波与异波
3σ方式确定控制界限
●UCL=μ+3 σ ●CL=μ●LCL=μ-3 σ●虚发警报α=0.27% 漏发警报β=
分析用控制图
分析用控制图 应用控制图时，首先将非稳态的过程调整到稳态，用分析控制图判断是否达到稳态。确定过程参数 特点： 1、分析过程是否为统计控制状态 2、过程能力指数是否满足要求？
2.连续6点递增或递减
判异准则
LCL
UCL
CL
A
B
C
C
B
A
3.连续14中相邻点上下交替
判异准则
判异准则
4.连续3点中有2点落在中心线同一侧的B区以外
分布
控制图代号
控制图名称
备注
正态分布（计量值）
均值—极差控制图
最常用，判断工序是否正常的效果好，计算量大，适用于产品批量大、且稳定、正常的工序；S的计算比R复杂，但其精度高适用与检验时间远比加工时间段的场合计算简便，但效果差使用与产品批量较大、且稳定、正常的工序；简便省事，并能够及时判断工序是否处于稳定状态，但不宜发现工序分布中心的变化。
控制图的益处
合理使用控制图能：供正在进行过程控制的操作者使用；有助于过程在质量上和成本上能持续地、可预测地保持下去；使过程达到：——更高的质量； ——更低的单件成本； —— 更高的有效能力。
控制图的益处
为讨论过程的性能提高共同语言；区分变差的特殊原因和普通原因，作为采取局部对系统采取措施的指南。控制图为两班、三班操作过程的人员之间、和支持活动（维修、材料控制、过程工程、质量控制）的人员之间就有关过程性能的信息交流提供了通用的语言。
Β=
规范界限与控制界限的区别
规范界限：区分合格品与不合格品控制界限：区分偶波与异波
3σ方式确定控制界限
●UCL=μ+3 σ ●CL=μ●LCL=μ-3 σ●虚发警报α=0.27% 漏发警报β=
分析用控制图
分析用控制图 应用控制图时，首先将非稳态的过程调整到稳态，用分析控制图判断是否达到稳态。确定过程参数 特点： 1、分析过程是否为统计控制状态 2、过程能力指数是否满足要求？
2.连续6点递增或递减
判异准则
LCL
UCL
CL
A
B
C
C
B
A
3.连续14中相邻点上下交替
判异准则
判异准则
4.连续3点中有2点落在中心线同一侧的B区以外
品质管理SPC统计SPCStatisticalProcessControl统计过程控制讲义
c. 子组数的大小
一般>100个单值读数，>25个子组
22
供参考
23
A2建立控制图及记录原始数据
Xbar-R 图通常是将Xbar图画在R图之上方，下面再 接一个数据栏。Xbar和R的值为纵坐标，按时间先后的子 组为横坐标。数据值以及极差和均值点应纵向对齐。
数据栏应包括每个读数的空间。同时还应包括记录 读数的和、均值（Xbar）、供极参差考（R）以及日期/时间或 其他识别子组的代码的空间。
x 平均值的正态分布
制图—单值控制图。 供参考
图中UCL= +3 为上控制限，CL= 为中心线，LCL= -3为下控制限。
- 3sx
x
控制图的正态分布
+3sx
C
x
+ 3sx
上控制限UCL
中心线
-3sx
下控制限LCL
17
产品质量波动及其统计描述
产 品
定量
质
量
特 性
定性
连续
计量值
离散 供参考
计数值
子组大小 子组频率 子组数大小
21
A1选择子组大小、频率和数据
a. 子组大小
• 使各样本之间出现变差的机会小
• 在过程的初期研究中，子组一般由4~5件连续生产的
产品的组合，仅代表一个单一的过程流。
b. 子组频率
供参考
•
在过程的初期研究中，通常是连续进行分组或很
短的时间间隔进行分组
• 过程稳定后，子组间的时间间隔可以增加。
1一、分析过程 •本过程应做些什 么 •会出现什么错误 •达到统计控制状 PLAN 态 •确定能力
ACT
DO
PLAN
SPC统计过程控制培训教材(PPT 72页)
➢ 戴明博士对日本指导质量管理的成功，让美国 人惊醒原来日本工商经营成功的背后竟然有一 位美国人居功最大，故开始对戴明博士另眼看 待。1980年6月24日全国广播公司(NBC)在电视 播放举世闻名的“日本能为什么我们不能”(If Japan Can, Why Can‘t We?)，使戴明博士一 夜成名。从此以后美国企业家重新研究戴明的 质量管理经营理念。
步骤8：运用控制限进行控制；
计数控制图和计点控制图
不良品率控制图（P图）
对产品不良品率进行监控时用的控制图 ;
质量特性良与不良，通常服从二项分 布; 当不良率P较小样本量n足够大时,该 分布趋向于正态分布
适用于全检零件或每个时期的检验样本 含量不同。
不良品率控制图（P图）
检验并记录数据 计算平均不合格品率P 计算中心线和控制界限 绘制控制图并进行分析
20世纪50年代以来，科学技术和工业生产的发展，对质量要求越来越高 ，要求人们运用“系统工程”的概念，把质量问题作为一个有机整体加以综 合分析研究，实施全员、全过程、全企业的管理。
SPC（统计过程控制）
－－统计性的反馈系统
Statistical: （统计）以概率统计学为基础，用 科学的方法分析数据、得出结论； ——使用数据分析
标准正态分布函数：N（0，1）
小概率事件理解
1.例行检查身体 2.烟雾探测器
正态分布图与控制图
正态分布图与控制图
？？那是不是说只有符合正态分布的特性（变量） 才可以用控制图呢？
休哈特实验
休哈特分别从矩形分布和三角分布的总体中，抽取n ＝4的样本，计算样本均值Xbar，经过多次实验后发 现，Xbar基本符合正态分布。
（William Edwards Deming）
步骤8：运用控制限进行控制；
计数控制图和计点控制图
不良品率控制图（P图）
对产品不良品率进行监控时用的控制图 ;
质量特性良与不良，通常服从二项分 布; 当不良率P较小样本量n足够大时,该 分布趋向于正态分布
适用于全检零件或每个时期的检验样本 含量不同。
不良品率控制图（P图）
检验并记录数据 计算平均不合格品率P 计算中心线和控制界限 绘制控制图并进行分析
20世纪50年代以来，科学技术和工业生产的发展，对质量要求越来越高 ，要求人们运用“系统工程”的概念，把质量问题作为一个有机整体加以综 合分析研究，实施全员、全过程、全企业的管理。
SPC（统计过程控制）
－－统计性的反馈系统
Statistical: （统计）以概率统计学为基础，用 科学的方法分析数据、得出结论； ——使用数据分析
标准正态分布函数：N（0，1）
小概率事件理解
1.例行检查身体 2.烟雾探测器
正态分布图与控制图
正态分布图与控制图
？？那是不是说只有符合正态分布的特性（变量） 才可以用控制图呢？
休哈特实验
休哈特分别从矩形分布和三角分布的总体中，抽取n ＝4的样本，计算样本均值Xbar，经过多次实验后发 现，Xbar基本符合正态分布。
（William Edwards Deming）
统计过程控制SPC讲义
16587 15976 18322 17549 16753 17986 17569 16754 17914 19214 16554 16012 16503 16982 17991 17010 16889 17512 16842 14210
16268 16517 17432 16942 16875 17622 17581 17632 17923 18009 16548 16343 17228 17081 17210 17777 17241 17216 16852 16675
1924年，美国的休哈特博士提出将3Sigma原理运用于 生产过程当中，并发表了著名的“控制图法”，对过 程变量进行控制，为统计质量管理奠定了理论和方法 基础。
一、什麽是统计过程控制
2．预防与检测
1)事后检测——质量控制的最原始手段；
a.通过检查最终产品并剔除不符合规格产品， 保证不合格品不提交给顾客或下一工序；
1)是应用统计技术分析过程中的品质特 性，区分过程变异的特殊原因和普通原 因，从而达到控制过程变异的目的；
2)最终目的是在于预防问题的发生及减少 浪费；
3）是进行品质控制的强有力工具。
一、什麽是统计过程控制
工业革命以后， 随着生产力的进一步发展，大规模生 产的形成，如何控制大批量产品质量成为一个突出问 题，单纯依靠事后检验的质量控制方法已不能适应当 时经济发展的要求，必须改进质量管理方式。于是， 英、美等国开始着手研究用统计方法代替事后检验的 质量控制方法。
二、什麽是过程变异？
4． 观察和处理过程变异的两种方法：
2） 统计方法：下图为该过程品质成本变化的 X 图
18000
UCL=18106
17500 17000
Mean=17149
SPC统计过程控制培训(PPT 64页)
例：疵点数、沙眼数等
3、总体和样本（子组）
3.1 总体 研究对象的全体 总体含量记为 N
3.2 样本（子组） 总体中的部分样品 样本含量记为 n
4、常见的典型分布
4.1 正态分布 —— 计量值数据 4.2 二项分布 —— 计件值数据 4.3 泊松分布 —— 计点值数据
4.1 正态分布
X ~ N(, 2)
7、C控制图：
用于控制一定单位中所出现的不合格 数目。常见的有控制布匹、钢板上的疵点 数、铸件上的沙眼数、设备的故障次数、 印刷品的错误数等等。类似于np图，C控制 图的样本大小必须保持不变。
8、U控制图：
用于平均每单位的不合格数。当样本 大小变化时应换算成平均每单位的不合格 数后再使用U控制图。但控制界限出现凹 凸状。
SPC
(Statistical Process Control )
统计过程控制
主讲人：史济荣
• SPC 是利用数理统计原理采用控制图
的方法对生产过程进行全面监控
• 它主要区分由特殊原因引起的异常波 动还是由普通原因引起的正常波动
一、基础知识
1、产品质量波动 1.1 正常波动
普通原因（随机）---正常波动---过程受控 2.2 异常波动
随机变量Ｘ服从二项分布， 记为 Ｘ～ b（n , p ) ,其分布列为：
P(X x)
n x
p x (1 p)nx , (n 0,1,, n)
4 . 2 . 3 二项分布的均值、方差和标准差
均值： Ｅ（Ｘ）＝np ; 方差： Ｖar(X) = np (1 - p );
标准差： np(1 p) ;
采集数据的方法： 1）样本组内的数据应在短时间内
抽取，以避免特殊原因进入； 2）样本之间可采用等时抽样方法。
3、总体和样本（子组）
3.1 总体 研究对象的全体 总体含量记为 N
3.2 样本（子组） 总体中的部分样品 样本含量记为 n
4、常见的典型分布
4.1 正态分布 —— 计量值数据 4.2 二项分布 —— 计件值数据 4.3 泊松分布 —— 计点值数据
4.1 正态分布
X ~ N(, 2)
7、C控制图：
用于控制一定单位中所出现的不合格 数目。常见的有控制布匹、钢板上的疵点 数、铸件上的沙眼数、设备的故障次数、 印刷品的错误数等等。类似于np图，C控制 图的样本大小必须保持不变。
8、U控制图：
用于平均每单位的不合格数。当样本 大小变化时应换算成平均每单位的不合格 数后再使用U控制图。但控制界限出现凹 凸状。
SPC
(Statistical Process Control )
统计过程控制
主讲人：史济荣
• SPC 是利用数理统计原理采用控制图
的方法对生产过程进行全面监控
• 它主要区分由特殊原因引起的异常波 动还是由普通原因引起的正常波动
一、基础知识
1、产品质量波动 1.1 正常波动
普通原因（随机）---正常波动---过程受控 2.2 异常波动
随机变量Ｘ服从二项分布， 记为 Ｘ～ b（n , p ) ,其分布列为：
P(X x)
n x
p x (1 p)nx , (n 0,1,, n)
4 . 2 . 3 二项分布的均值、方差和标准差
均值： Ｅ（Ｘ）＝np ; 方差： Ｖar(X) = np (1 - p );
标准差： np(1 p) ;
采集数据的方法： 1）样本组内的数据应在短时间内
抽取，以避免特殊原因进入； 2）样本之间可采用等时抽样方法。
SPC统计过程控制培训资料
20%
过程处于统计
上的稳定状态
40%
各测量值服从
正态分布
60%
技术规范准确的
代表顾客要求
说明：
1、抽样存在偏差。
2、不存在完全受统计控制的过程。
3、制造过程不是一个完美的正态分布。
80%
设计目标值位于
规范的中心
100%
测量变差相对
较小
CPK—过程能力指数
CPK=CP•│1-Ca│
=
正态分布
CL
◎ 控制图的制作步骤
◎ 异常的判定原则
计量型控制图的优点
1、大部分测量数据都可以用
计量型数据表示
2、量化的值比简单的是或否
包含的信息更丰富
3、通过少量的数据检查可
以获得较多的过程信息
4、缩短采取措施的时间，提
高响应速度
前提条件：
1.选择特性作为计算对象。
2.测量方法准确，精密，误差小到忽略不计。
5、分析一个过程量化的值，
围，并确定其控制范围的异常和正常规律，达成一种事先预测并实施改进措
施的方法。
SPC研究的对象-特性
研究过程中的
可区分的特征
某一个特性
称为特性
特性
特性值的表达方
产品的特性有
式：定量、定性
哪些？
特性的分类
产品特性
关键特性
关键特性
与法律、安全有关
与功能、性能有关
普通特性
关键特性以外
产品特性
最终产品所具有的特性
83.74
86.81
85.12
84.39
84.15
84.84
19
85.43
85.49
86.50
过程处于统计
上的稳定状态
40%
各测量值服从
正态分布
60%
技术规范准确的
代表顾客要求
说明：
1、抽样存在偏差。
2、不存在完全受统计控制的过程。
3、制造过程不是一个完美的正态分布。
80%
设计目标值位于
规范的中心
100%
测量变差相对
较小
CPK—过程能力指数
CPK=CP•│1-Ca│
=
正态分布
CL
◎ 控制图的制作步骤
◎ 异常的判定原则
计量型控制图的优点
1、大部分测量数据都可以用
计量型数据表示
2、量化的值比简单的是或否
包含的信息更丰富
3、通过少量的数据检查可
以获得较多的过程信息
4、缩短采取措施的时间，提
高响应速度
前提条件：
1.选择特性作为计算对象。
2.测量方法准确，精密，误差小到忽略不计。
5、分析一个过程量化的值，
围，并确定其控制范围的异常和正常规律，达成一种事先预测并实施改进措
施的方法。
SPC研究的对象-特性
研究过程中的
可区分的特征
某一个特性
称为特性
特性
特性值的表达方
产品的特性有
式：定量、定性
哪些？
特性的分类
产品特性
关键特性
关键特性
与法律、安全有关
与功能、性能有关
普通特性
关键特性以外
产品特性
最终产品所具有的特性
83.74
86.81
85.12
84.39
84.15
84.84
19
85.43
85.49
86.50
统计过程控制SPC培训讲义PPT课件
——记件数据一般服从二项式分布，记点数据一般服从泊松分布。
——当数据以百分率表示时，要判断它是计量数据还是计数数据， 应取决于给出数据的计算公式的分子。
12
第二讲：控制图
13
统计过程控制的实施过程
经由制程中去收集资料，而加以统计分 析，并从分析中发觉制程的变异，并经 由问题分析以找出异常原因，立即采取 改善措施，使制程恢复正常。再借由制 程能力分析与标准化，以不断提高制程 能力。
P(x)
0
1
2
3
4
5
6
μ μ+σ
9
关于正态分布
固定标准差σ时，不同的均值，如μ1 ＜μ2，对应的正态曲线的形状完 全相同，仅位置不同。
N（μ1，σ2）
N（μ2，σ2）
固定均值μ时，不同的标准差，如σ1＜ σ2，对应的正态曲线的位置相同， 但形状（高低与胖瘦）不同。
N（μ1，σ2）
N（μ2，σ2）
0
不合格品率 （PPM） 317300
45500 2700 63 0.57 0.002
11
二、计数数据
——凡是不能连续取值的，或者说即使使用测量工具也得不到小数 点以下数值，而只能得到0或1，2，3•••等自然数的这类数据。
——计数数据还可细分为记件数据和记点数据。记件数据是指按件 计数的数据，如不合格品数、彩色电视机台数、质量检测项目数等；记点 数据是指按缺项点（项）计数的数据，如疵点数、砂眼数、气泡数、单位 （产品）缺陷数等。
很多质量特性X随机取值的统计规律性。 • 如：一个班级中学生的身高、体重、成绩；加工一批轴的外
径尺寸等。 • 正态分布的图形是对称的钟形曲线，称为正态曲线。 • 正态分布含有两个参数μ和σ，其中μ为正态分布的均值，它
——当数据以百分率表示时，要判断它是计量数据还是计数数据， 应取决于给出数据的计算公式的分子。
12
第二讲：控制图
13
统计过程控制的实施过程
经由制程中去收集资料，而加以统计分 析，并从分析中发觉制程的变异，并经 由问题分析以找出异常原因，立即采取 改善措施，使制程恢复正常。再借由制 程能力分析与标准化，以不断提高制程 能力。
P(x)
0
1
2
3
4
5
6
μ μ+σ
9
关于正态分布
固定标准差σ时，不同的均值，如μ1 ＜μ2，对应的正态曲线的形状完 全相同，仅位置不同。
N（μ1，σ2）
N（μ2，σ2）
固定均值μ时，不同的标准差，如σ1＜ σ2，对应的正态曲线的位置相同， 但形状（高低与胖瘦）不同。
N（μ1，σ2）
N（μ2，σ2）
0
不合格品率 （PPM） 317300
45500 2700 63 0.57 0.002
11
二、计数数据
——凡是不能连续取值的，或者说即使使用测量工具也得不到小数 点以下数值，而只能得到0或1，2，3•••等自然数的这类数据。
——计数数据还可细分为记件数据和记点数据。记件数据是指按件 计数的数据，如不合格品数、彩色电视机台数、质量检测项目数等；记点 数据是指按缺项点（项）计数的数据，如疵点数、砂眼数、气泡数、单位 （产品）缺陷数等。
很多质量特性X随机取值的统计规律性。 • 如：一个班级中学生的身高、体重、成绩；加工一批轴的外
径尺寸等。 • 正态分布的图形是对称的钟形曲线，称为正态曲线。 • 正态分布含有两个参数μ和σ，其中μ为正态分布的均值，它
SPC统计过程控制实用培训教程
1.376 1.377 1.378 1.377 1.381 1.375 1.377 1.375 1.377 1.378
数据会告诉您什么呢？
回答
数据列表不能表达出任何有实际意义的 东西(Virtually Nothing)！ 必须对数据进行进一步分析。 图形可以帮助我们将数据转换成信息。
数据 列表
直方圖
1.376 ±0.010
数据量 分组数 50-100 6-10 100-250 7-12 250个以 10-20 上
制作频数分布表
组号
n 1 2 3 4 5 6 7 8 9
10 11
组中值 最小值+ （n-1)*组距
1.3700 1.3713 1.3726 1.3739 1.3752 1.3765 1.3778 1.3791 1.3804 1.3817 1.3830
方差
Cp 精密度(離散度)
標准差(S=母體標準差, s=樣本標準差) Cpk 制程能力指數
不良率 不良數 缺點數
σ 估計標准差
^T 規格公差 T=USL-LSL
每單位缺點
XUCL 平均數管制上限
百萬分之不良
Xbar (X) 平均數中心限
控制上限
XLCL 平均數管制下限
控制中心限
RUCL 全距管制上限
组下界 组中值 -组距/2 1.36935 1.37065 1.37195 1.37325 1.37455 1.37585 1.37715 1.37845 1.37975 1.38105 1.38235
组上界 组中值 +组距/2 1.37065 1.37130 1.37325 1.37455 1.37585 1.37715 1.37845 1.37975 1.38105 1.38235 1.38365
SPC统计过程控制最佳培训资料
因果图 (鱼骨图)
人員 熟練程度
班別
機器
原物料
送料
模具精度 料量 銅片不良
文化程度
成型條件
機台穩定性
水份含量
人工取活 方法
放置手法
濕度 環境
溫度 清潔度
变形?
▪直方图
▪了解数据分布规律 ▪判断过程稳定性 ▪定性评价过程能力
▪柏拉图
找出“重要的少数” 因为80%的问题由
20%的潜在原因引起
▪散布图
SPC统计过程控制
培训资料
SPC培训内容
1) SPC 的含义、概念…… 2) SPC 的由来及发展历程…… 3) SPC技术原理…… 4) SPC推行的目的、对象、意义…… 5) SPC的方式、运行前提…… 6) 企业为什么要选择SPC, SPC可为企业带来什么好处……
SPC其含义是什么？
Statistical ：统计－ 以概率统计学为基础，分 析数据、得出结论；
SPC问题分析：柏拉图（Pareto Chart）、散布图（Scatter Plot）、趋势图（Trend Chart）等
SPC指标参数： Cp、Cpk、Pp、PpK、Ppm、 Sigma水平、不良率、直通率等
SPC 是工具
X His togram
SPC 在工厂…
供应商 IQC
IPQC PQC FQC OQC
PQC
P/QM: Yield, Cpk,Ppk,ppm…
PE: 生產數, 不良 數, 不良項, 生產 相關資料
QA: 檢驗數, 不 良數, 不良項,抽 檢相關資料 (P,U,C,Xbar…)
厂商别、机台别、操作 员别、料号别、 批号别、工单别、班别
SPC管制图 (控制图)
统计过程控制SPC--培训
最常用，判断工序是否异常的效 适用于产品批量较大而
量
制图
果好，但计算工作量大
且稳定正常的工序。
值 中位数—极差
计算简便，但效果较差些，便于
控 制
控制图 两极控制图
L—S
现场使用
一张图可同时控制均值和方差， 计算简单，使用方便
图 单值—移动极 X—Rs 简便省事，并能及时判断工序是 因各种原因每次只能得
C （Control）控制: 事物的发展和变化保持 稳定
统计过程控制（SPC）定义:
是一种使用诸如控制图等统计技术来分析制造 过程，以便采取适当的措施，为达到并保持统计控 制状态从而提高制造过程能力的质量统控计过制程控制方SPC法--培训。
一、统计过程控制简介
起源与发展
休哈特博士在 贝尔实验室发 明了控制图
差控制图
否处于稳定状态。缺点是不易发 到一个数据或希望尽快
现工序分布中心的变化。
发现并消除异常原因
计 不合格品数控
pn
数
制图
值 不合格品率控
p
控
制图
制 缺陷数控制图
C
图 单位缺陷数控
U
制图
较常用，计算简单，操作工人易 于理解
计算量大，管理界限凹凸不平
样本容量相等 样本容量可以不等
较常用，计算简单，操作工人易 于理解，使用简便
——《6 Sigma管理法 追求卓越的阶梯》
统计过程控制SPC--培训
一、统计过程控制简介
统计过程控制（SPC）:
Statistical Process Control 的英文简称
S （Statistical）统计: 以统计学的方法分 析数据
P （Process）过程: 有输入-输出的一系列的 活动
- 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)。
SPC统计过程控制完整版培训讲义
一、背景介绍
统计过程控制（SPC）是质量管理中的一种方法，用于监测和控制过程的稳定性和一致性。
它是质量管理的五大工具之一，常用于制造业、服务业等各个行业中。
二、SPC的定义
SPC是通过对过程中的关键指标进行连续的统计分析和监测，从而实现对过程的控制和优化，以提高产品或服务的质量和一致性。
三、SPC的关键概念
1.过程：指生产过程、服务过程中的关键环节。
2.正常变异：指过程中的正常、可接受的变化范围。
3.特殊因子：指突发的、非正常的变化，可能会导致过程偏离正常状态。
4.控制上限和控制下限：用于界定过程的正常变异范围的上下限。
5.控制图：用于图示化过程数据的统计变化，以便更直观地判断过程是否处于控制状态。
四、SPC的基本步骤
1.确定质量特性：确定需要控制和监测的关键质量特性。
2.收集数据：收集与质量特性相关的数据。
3.绘制控制图：根据收集的数据，绘制相应的控制图。
4.判读控制状态：通过控制图，判断过程是处于控制状态还是非控制
状态。
5.持续改进：根据判断结果，采取相应的措施进行持续改进。
五、SPC常用的控制图
1.均值-极差控制图：用于监控过程的平均值和变异性。
2.均值-标准差控制图：用于监控过程的平均值和标准差。
3.层级控制图：用于监控多层次的过程数据。
4.高低控制图：用于监控过程中的极值。
5.统计过程能力图：用于评估过程的稳定性和能力。
六、SPC的应用场景
1.制造业：用于监控生产线上的关键工艺参数，提高产品质量。
2.服务业：用于监控服务流程中的各个环节，提高服务质量和一致性。
3.供应链管理：用于监控供应链中的关键指标，实现供应链的稳定性
和一致性。
4.项目管理：用于监控项目执行过程中的关键指标，提高项目交付的
质量和效率。
七、SPC的优势和意义
1.实时监控：能够在过程进行中及时发现异常情况，以便及时采取措
施进行调整，确保产品或服务的质量。
2.数据驱动：以数据为基础，通过统计分析，能够更准确地判断过程的状态，确保决策的科学性和可靠性。
3.持续改进：通过持续监控和改进，能够逐步提高过程的稳定性和能力，从而提高产品或服务的质量。
4.效率提升：能够通过稳定过程和减少变异性，提高生产效率和工作效率。
八、SPC的注意事项
1.数据采集的准确性和可靠性是控制图的基础，需要确保数据的正确性和完整性。
2.样本的选择要具有代表性，能够真实反映过程的状态。
3.控制图的解读需要结合实际情况，综合分析，不能片面看待数据的波动。
4.需要定期对控制图进行复核，确保控制图的有效性和可靠性。
结语
SPC是一种有效的统计工具，能够实现对过程的监控和优化，从而提高产品或服务的质量和一致性。
在质量管理中广泛应用，对于各个行业来说都具有重要的意义。
希望通过本次培训讲义的学习，能够更好地掌握SPC的基本概念和应用方法，进一步提升自己的质量管理能力。