SPC 统计过程控制全景指南：从控制图选型到过程能力的完整知识地图

一、一个"控制图画了三年"的车间

2026 年春天，我在一家做精密冲压的工厂看到这样一幕：车间墙上挂着十二张控制图，每张都用塑封膜包着，打印日期从 2023 年 4 月一直排到 2026 年 3 月。班组长说，这是客户审核要看的，每天点检时描一个点，三年没断过。

我问他：这三年，图上有没有哪一次信号让你停过线？

他愣了一下，说：有过一次，去年十一月超了控制限，我们报了异常单，后来查出来是测量员换人，数据看错了，就没再管。

再看他的办公桌抽屉——里面躺着十七份《异常处理单》，处理结果栏写着"已改善"的有十四份，却没有任何一份记录改善前后的过程能力数据。也就是说，这三年，这个车间实际上只做了一件事：在用统计的方法，记录她自己有多稳定，却从未用这份记录去改变任何东西。

这不是个例。我见过的制造企业里，SPC 的形态大致分三种：一种是没做，靠全检和终检兜底；一种是做了但没通，图在画、数据在录、异常单在填，但过程能力三年没变过；还有一种是真在做，控制图是报警器，一旦失控就有人按流程响应，过程能力是一把手过问的数字。这三者的差距，不在于有没有软件、有没有培训，而在于有没有把 SPC 当成一套闭环的管理机制，而不是一份审核用的文件。

这篇文章试图把 SPC 这件事从头到尾讲清楚：它到底在解决什么问题、控制图怎么选、判异规则怎么用、过程能力指数怎么读、以及从零开始怎么落地。文末配有完整培训课件与 8 类控制图 Excel 模板，可直接取用。

二、SPC 到底在解决什么问题

先纠正一个非常普遍的误解：SPC 不是"把数据画成图"，而是"区分两种不同性质的波动，并对它们采取完全不同的行动"。

任何一个过程，只要它在运行，输出就会有波动。这种波动按来源可以分成两类：

第一类是普通原因（Common Cause）。由大量微小、随机、长期存在的因素共同造成——材料批内的微小差异、环境温度的缓慢漂移、设备正常的磨损抖动、操作者的正常手法差异。这类波动是过程的"固有性格"，它决定了这个过程当前能做到的最好水平。你换一个操作员、拧紧一颗螺丝，都不可能消除它。

第二类是特殊原因（Special Cause）。由某个具体、可识别、突发或非随机的因素造成——刀具崩了、换了新批次的料、冷却液浓度突然变稀、夜班新员工上岗、量具被撞了一下。这类波动不是过程应该有的，它是"有人在敲门"。

这两类波动的经济含义完全相反：

著名的"漏斗实验"（Deming Funnel Experiment）已经证明：对一个稳定过程不断做微小调整，输出的波动会比不做任何调整还要大 41%。这就是为什么"看到图上有波动就去调参数"是 SPC 里最昂贵的错误。

所以 SPC 的第一个动作，不是画图，而是先判断这个过程是稳定的还是失控的。只有在过程处于"统计受控"（只有普通原因）的状态下，控制限才有意义，过程能力指数才可信，之后的改进才有基准。

一句话记住：控制图回答"过程现在还稳不稳"，过程能力回答"过程稳的时候够不够好"。前者是报警器，后者是体检报告。两者都不能省。

三、控制图：先选对图，再谈判异

选错图，后面全错。这是 SPC 落地中最常见、也最容易被忽视的第一道分水岭。控制图的选择，取决于三个问题的答案：

1. 数据类型：是连续计量值（长度、重量、温度、时间），还是离散计数值（合格/不合格、缺陷个数）？
2. 样本结构：是能按时间顺序分组（子组）的常规大批量，还是单件、小批量、一序一件的场合？
3. 子组大小：每个子组取几个样品（n 是多少）？

按这三点，常用的控制图可以归为六大类，直接对照下表选用：

交付物 · 控制图选型决策表

三个最容易踩错的点：

第一，n=1 时不要硬凑子组。有人为了能用 X̄-R 图，把上午、下午、晚上的三个样品凑成一个子组。这是致命错误——子组的作用是让组内波动代表"同一时刻的短期波动"，硬凑会把班次差异混进组内，导致控制限被人为放大，图就变瞎了。n=1 就该用 I-MR 图。

第二，子组大小决定能力上限。子组越大，控制图能检出的偏移越小。经验值是：n=1 时能检出 3σ 左右的偏移，n=4～5 能检出 1.5σ，n=10 以上才能检出 1σ 以下的微小偏移。如果你关心的是刀具缓慢磨损这类微小但持续的变化，X̄-R 图根本看不见，得用 EWMA 或 CUSUM 图。

第三，计数型数据必须看样本量是否稳定。日产量 8000 件用 P 图没问题，但日产量在 3000～12000 件之间波动时，直接用 P 图会出现"控制限随样本量上下摆动"的怪象。此时应改用 U 图，或改用固定样本量抽样。

四、控制限不是规格限——这是最贵的一课

这是我在培训里必讲、也必被追问的一节。控制限（UCL/LCL）和规格限（USL/LSL）是完全不同的两个东西：

把规格限画到控制图上去，是 SPC 落地中最经典的自毁动作。一旦图上出现规格限，操作员的注意力就会被"离红线还有多远"占满——他会把一次正常的、由普通原因造成的波动，当成"快要超差了"，然后去调参数。这就是前面说的"干预普通原因"，结果只会让波动变大。

控制限怎么算？以最常用的 X̄-R 图为例：

• 中心线：CL = X̄̄（各子组均值的平均）
• 均值图控制限：UCL/LCL = X̄̄ ± A₂·R̄
• 极差图控制限：UCL = D₄·R̄，LCL = D₃·R̄

其中 A₂、D₃、D₄ 是随子组大小 n 变化的系数（n=4 时 A₂=0.729、D₃=0、D₄=2.282；n=5 时 A₂=0.577、D₃=0、D₄=2.114）。这些系数表在任何一本 SPC 教材或 Excel 模板里都能查到。

控制限的建立有严格的顺序，不能跳步：

1. 先取 ≥ 25 个子组（不足 25 组时控制限不可靠，只能叫"试运行"）；
2. 用这 25 组数据算出初始控制限；
3. 逐条检查这 25 组里有没有超出控制限或触发判异准则的 —— 有，就必须先找原因、把那一组剔除（记录原因）；
4. 剔除后重新计算控制限，重复第 3 步，直到剩下全部受控；
5. 用最终控制限延伸到未来的数据上做监控。

控制限也不是一次定终身。以下情况必须重新计算：工艺或设备发生重大变更（换料、换模具、换参数）、控制限已覆盖的数据超过 6 个月、过程能力出现系统性提升或下降。

五、判异准则：八条规则怎么用

控制图上的点全部落在控制限内，不等于过程受控。这是很多人做 SPC 三年的盲区。八个经典的判异准则（对应 GB/T 4091 / ISO 7870 系列与西电规则）如下：

交付物 · 判异准则速查表

准则 7 值得单独说：点几乎都挤在中心线附近，看起来"特别稳"，实际是危险信号。它通常意味着三件事之一——数据被人为调整过（把超差的数改到范围内）、控制限算错了（用混了多个过程的数据算的）、或者测量系统的分辨力不足（读不出真实差异）。这三种情况都会让控制图彻底失去预警能力。

用准则的两个现实建议：

一是不要在第一天就上全八条。刚刚推行 SPC 的产线，先把准则 1 和准则 2 用好、用出效果，比同时挂八条却没人理要强得多。准则越多，假警报越多，现场越容易疲劳，最后变成"信号响了也没人查"。

二是每一条信号都必须有响应。这是 SPC 能不能活的生死线。正确的响应流程是：信号出现 → 当班记录（时间、工序、点号）→ 判断是测量问题还是过程问题 → 测量问题（如换量具、换人）就重测并记录；过程问题就按 8D 或简版异常处理走 → 处理结果必须回写到图上（标注原因、措施、生效时间）。没有这一步，控制图就只是一张装饰画。

六、过程能力：Cp、Cpk、Pp、Ppk 的四种组合

过程受控之后，才能问"够不够好"。这时用到四个指数，很多人混着用，混用会出大问题。

四个指数的定义与区别

计算公式：

• Cp = (USL - LSL) / 6σ_within
• Cpk = min[(USL - X̄)/3σ_within, (X̄ - LSL)/3σ_within]
• Pp = (USL - LSL) / 6σ_overall
• Ppk = min[(USL - X̄)/3σ_overall, (X̄ - LSL)/3σ_overall]

判别关系：因为 σ_overall 一定 ≥ σ_within（长期波动总是包含组间差异），所以 Ppk ≤ Cpk 永远成立。当两者差距很大时（比如 Cpk=1.6、Ppk=1.1），说明组间存在明显的系统性差异——班次之间、设备之间、批次之间的均值在漂移。此时光提升单班的工艺没用，要去找组间差异的原因。

判定标准（汽车行业通用，与 IATF 16949 及 PPAP 手册一致）：

特殊特性（图纸标注的 CC/SC，或客户明确指出的关键特性）通常要求 Cpk ≥ 1.67；一般特性要求 ≥ 1.33；新过程的初始过程能力（PPAP 阶段）要求 Ppk ≥ 1.67。

一个必算的计算示例：某轴类零件外径规格为 20.00 ± 0.10 mm，即 USL = 20.10、LSL = 19.90。现场取 25 组、每组 5 件，算得 X̄̄ = 20.035（注意：均值偏了 0.035），σ_within = 0.018。

• Cp = (20.10 - 19.90) / (6 × 0.018) = 0.20 / 0.108 = 1.85 —— 看起来很漂亮
• Cpk = min[(20.10 - 20.035)/0.054, (20.035 - 19.90)/0.054] = min[1.20, 2.50] = 1.20 —— 实际只有 1.20，能力不足

这就是 Cp 和 Cpk 分工的意义：Cp 告诉你"宽度够不够"，Cpk 告诉你"中心偏没偏"。1.85 的 Cp 配上 1.20 的 Cpk，说明设备精度完全够，问题出在对刀/标定/工艺中心值上——把中心值调到 20.00，Cpk 立刻能到 1.85。这类"抬抬手指就能解决"的改进，如果不看 Cpk，就永远发现不了。

一句话记住：Cp 看宽度、Cpk 看偏移、Pp 看长期宽度、Ppk 看长期真实水平。客户要的最终是 Ppk，因为它才是产品实际会碰到的分布。

七、五步落地：从零到稳定运行

交付物 · SPC 落地五步法与自查清单

第一步：选对象（选错就是白做） 优先选三类工序：① 客户投诉集中的；② 工序不良率最高的；③ 特殊特性所在的。不要一开始就全面铺开，一条线、一个工序跑通再复制。选定的特性必须有明确的规格限和可用的测量系统。

第二步：验测量系统（跳过这步，后面全是假的） 做 GR&R：重复性与再现性合计占比应 ＜ 10%（10%~30% 有条件接受，＞ 30% 必须先修测量系统）。量具分辨力至少达到公差带的 1/10。这一步不做，控制图上的所有信号都可能是量具自身的噪声。

第三步：建图与定限 按第三节的选型表选定图种，按第四节的顺序取 25 组以上数据、剔除异常、反复重算，直到全部受控，得到可靠的控制限。在图上明确标注 UCL/CL/LCL 的数值与计算日期。

第四步：定响应机制（这一步决定 SPC 的生死） 写进作业指导书，并明确三件事：① 谁在看（当班操作员每班点检、工艺员每日复核）；② 多久看一次（建议每 2 小时或每 20 件描点一次，取更严者）；③ 报警了找谁（准则 1 立即停线报工艺，准则 2～8 当班内响应）。同时规定：处理的进度和结果必须回写到图上。

第五步：算能力、做改进、定周期 每月统计一次 Cpk/Ppk 并公示；能力不足的工序进入改进清单（用 8D 或 DMAIC）；能力达标的工序逐步降低监控密度，把资源腾出来给新的瓶颈工序。每 6 个月复核一次控制限。

自查清单（每月自评，任一项为否就必须整改）：

• 控制图上没有画规格限
• 控制限的计算日期在 6 个月以内，或有明确的沿用理由
• 最近一个月的所有判异信号都有对应的处理记录
• 处理记录里能看到"原因—措施—效果验证"三段
• 有本月的过程能力数据，且与上月可比较
• 测量系统的 GR&R 在一年内做过复核

八、六个最常见的坑

坑一：把规格限画进控制图。最贵也最常见。原因通常是培训时没讲清控制限的来源。改法：图上去掉规格限，改为在旁附一张"能力分析图"（直方图 + 规格限）单独展示。

坑二：子组切错。把不同班次、不同设备、不同批次的样品混进一个子组，或反过来把同一时刻的连续取样拆成多个子组。前者让控制限虚胖，后者让控制限瘦得像刀片，满屏假信号。子组的原则是：组内条件尽量一致，组间条件允许变化。

坑三：控制限算完就锁死。换料、换模具、大修之后还在用旧控制限。改法：把"工艺变更后重算控制限"写进变更流程的检查项。

坑四：报而不响。信号响了没人查，或查了不记录，或记录了不验证效果。这是"做了三年没变化"的直接原因。改法：把响应闭环纳入班组考核，每月抽查信号处理记录的完整率。

坑五：只算 Cpk 不看 Ppk。Cpk 好看就交差，结果客户处不良依旧。改法：对外报告以 Ppk 为准，Cpk 作为内部找组间差异的线索。

坑六：用 SPC 的数据去考核操作员。一旦操作员知道数据跟奖金挂钩，他就有动机去"修"数据（准则 7 的成因之一）。SPC 的数据只能用来改进过程，不能用来评价个人——这是戴明十四条里的核心一条，也是最难在企业里落实的一条。

九、再往前走：SPC 的数字化与进阶

把上面这套跑通之后，才有资格谈数字化。因为数字化解决的是"效率"问题，不是"方法论"问题——方法不对，上系统只会把错误自动化。

数字化能带来三个真实的收益：

第一，采样自动化。设备直采替代人工描点，采样频率可以从"每 2 小时"提升到"每件"，微小偏移的检出能力大幅提升。

第二，判异实时化。八条准则由系统实时运算，信号一出现就推送到工艺员手机，响应时间从"当班发现"缩短到"分钟级发现"。

第三，能力可视化。Cpk/Ppk 按周自动计算并按工序排名，管理层能看到"哪条线在退步"，而不是等客户投诉。

而到了微偏移监控的层面，常规控制图就力不从心了。刀具缓慢磨损这类变化，每小时的偏移可能只有 0.2σ，X̄-R 图要连续 6 点递增才会报警——那时候已经过去 12 小时了。此时应改用 EWMA（指数加权移动平均）或 CUSUM（累积和）图：这两类图专门用于检出小偏移，EWMA 对 1σ 以下的持续性偏移尤其灵敏，参数 λ=0.1～0.2 是常用配置。

最后提醒一句：任何工具都替代不了"人愿意为信号停下手里的活"这件事。我见过上了百万级 QMS 系统、控制图实时推送到手机的工厂，异常处理率依然是 12%。也见过只有手工描点、Excel 算控制限的小厂，因为车间主任每次信号必到现场，过程能力两年从 0.9 提到了 1.5。SPC 的成败，八分在机制，两分在工具。

附：12 个高频问题的逐条答法

贯穿全文的 12 个高频疑问——控制限能不能当规格限用、子组怎么切、Cpk 与 Ppk 为什么打架、报警了但产品合格要不要停线、不良数图和缺陷数图怎么选、控制限多久重算一次——已在答疑篇里逐条拆开讲清，文末附一张可打印的速查表。

SPC 实战答疑 12 问——控制限、子组、Cpk/Ppk、判异准则，现场最常问的一次答清

SPC 的本质不是画图，而是用统计区分"过程的固有波动"与"需要立即处置的异常"，并让每一次信号都有响应——控制图是报警器，过程能力是体检报告，机制才是让它活下来的东西。

知识编号：6.3.1

版本：v20261013

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。

配套资料下载（2）