计算机技术和测量检测技术的迅猛发展，为SPC技术在制造业工艺过程质量控制的实际应用打下了坚实的基础。 在各个经济发达的工业国家都逐步建立了专门的科研机构，成立了相应的学术团体，出版了一系列的SPC理论及应用刊物和专著。SPC技术在我国的制造业企业中已得到广泛推广，尤其在中外合资、外资制造企业已广泛应用SPC系统。SPC系统也已逐步应用到军工行业的质量过程监控中。 

统计过程控制（SPC）技术是集生产技术与科学管理于一体的现代工艺质量管理技术，在企业生产过程中，对于产品质量的控制经历了以下七个步骤：①调查了解产品最终质量情况；②分析个别明显影响质量的因素；③靠人工调节控制这些因素的变化；④自动控制这些影响因素；⑤用统计方法获得生产效果连续变化的规律；⑥全面调查了解影响质量的其它次要因素；⑦考虑所有因素，建立完整的理论模型用以控制整个生产过程，得到100%的优质合格产品。 

SPC应用统计原理，实施在线趋势控制，实现质量的定量管理，提供质量分析工具和平台，逐因素分析找到末端原因，为解决深层次问题提供了现代化的科学方法，从而可以提高精细化制造水平。 

某公司推行SPC系统可归纳为以下四个方面的需要：

一、SPC系统应用的需要 

在企业生产过程中，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。正常波动是偶然性因素（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。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。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务质量能够稳定地满足顾客的要求。 

实施SPC的过程一般分为两大步骤：首先使用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需求。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。目前在实际工作中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步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；对多重质量特性进行控制的控制图。 

SPC源于上世纪二十年代，以美国Shewhart博士发明控制图为标志。自创立以来，即在工业和服务等行业得到推广应用，自上世纪五十年代以来SPC在日本工业界的大量推广应用对日本产品质量的崛起起到了至关重要的作用。上世纪八十年代以后，世界许多大公司纷纷在自己内部积极推广应用SPC，而且对供应商也提出了相应要求。在ISO9000及QS9000中也提出了在生产控制中应用SPC方法的要求。 

SPC非常适用于重复性生产过程。它能够帮助我们对过程做出可靠的评估。 

确定过程的统计控制界限，判断过程是否失控和过程是否有能力。为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生。减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作。 

二、过程监控的需要 

某公司的生产特点为：生产任务量大，对生产过程进行统一监控比较困难；产品质量数据多，对数据的收集、维护和检索比较困难；因此对产品生产过程中的关重工序进行监控，从而控制产品质量形成过程中的关键环节是十分必要的。于是，确定了包括机械加工、特种工艺的多个关重工序过程参数的监控计划，从而来解决工厂质量数据的收集以及关键工序的标准偏差、CPK等工序能力指标的监控问题。

过程监控是为公司领导和质量管理人员提供的过程质量监控的窗口。过程监控方式主要包含工厂监控和工序监控两种方式，可以直观地看到各车间、工序的质量状态，以及相关过程参数控制图的对比。可以通过监控图查询和追溯实际质量数据、控制图及相关统计指标，进行异常报告和纠正处理。 

（一）定义全厂监控 

通过设置好的监控方案，可以查看方案涵盖的公司或车间的监控参数布局和场景。对设置的监控点通过警示灯的颜色显示该位置的实际质量状态。 

通过SPC监控界面，绿色指示灯表示当前工序生产的产品质量参数正常，红色指示灯表示当前工序生产的产品质量参数有异常出现，当对红色异常点进行分析和闭环处理后，指示灯将变成蓝色，代表异常已经处理。在点击红色警示灯后可以显示监控点的异常数据，系统自动链接到统计分析和异常改进部分，可以调用查看控制图和详细的数据分析。同时为公司质量管理者提供了一个实时了解企业生产现场质量状况的管理信息平台，使生产过程的质量状况高度透明化。 

以下是从工厂监控→控制图查看可实时查看品质信息：

SPC系统过程监控示意图

二）定义过程监控 

定义过程监控是为了能够实现多个相关质量特性参数的同时监控，把工序、产品或一组质量参数涉及的控制图设置在同一个监控界面上同时查看，对不同参数和指标的变化过程进行比较分析。 

三、数据采集的需要 

SPC系统支持多种数据采集方式，支持离线采集、在线采集和自动采集等。通过对惠丰公司实际生产过程的了解，需从过程中采集有效的样本数据来分析，因此质量特性数据采集方案的制定充分考虑到了以下内容：产品批量大小、获取数据的难易程度、抽样成本、采集数据的频率、选用合适的统计工具（如控制图的类型）、采集数据的时间顺序等内容，为此我们选择了以下两种数据采集模式： 

（一）离线采集 

1．在系统提供的数据录入界面一次性录入数据。 

2．通过已收集整理好的质量数据，在系统提供的固定EXCEL格式中导入数据。 

（二）自动采集 

为了达到节省人力成本和减少工作量的目的，我们采用SPC系统通过接口程序从其他数控设备采集实时数据，数据自动采集的时间间隔根据实际生产情况来设定该参数的采集频率。自动采集的过程是通过以下两种不同的采集方式来实现的： 

1．数控设备操作员按照零件检测的要求对需要进行检测的零件尺寸、形位公差等信息进行检测后，把检测生成的文件保存到数控设备计算机指定的目录下。通过自动采集接口程序读取数控设备计算机指定目录下的文件进行解析，把参数编号、数据值等解析好的数据存入质量管理信息系统中。

2．通过数控机床上已编辑并固化好的质量特性参数采集数控程序，由数控机床操作员把零件质量数据信息通过网络传输到特定的服务器端。由数据机床特定的服务器端的数据采集接口应用程序对接收的数控程序文件进行解析。接口程序把解析后的数据通过网络存入质量管理信息系统数据库中，并生成一条数据日志，以备查询。 

SPC系统采集功能结构简图

四、统计分析的需要 

通过SPC系统可以对机械加工的产品零件进行过程分析、控制图分析、直方图分析、趋势图分析和过程能力分析等。并可以按产品、车间、工序等不同纬度对批次的质量指标（标准偏差、CPK）分析，如：按年度、月度、周进行趋势图分析、对比分析。可以直观的看出产品零件批与批之间的波动情况。 

在热处理、成型加工车间使用自动采集的方式获取工艺过程数据，并可以使用统计分析绘制实际工艺参数图形，通过与工艺要求参数图形的对比，用于分析热处理、成型加工等过程的关键参数的执行符合程度。 

这些分析工具在SPC系统中应用于不同阶段，侧重于不同方面，保证了SPC系统目标的实现，同时也可以通过对数据的分析来形成和导出分析报告。

一）在过程分析中的应用 

通过对过程进行分析，系统自动计算出该质量特性的均值、标准偏差、过程能力指数Cp、不合格品率p等，并得出分析结论，并可导出该质量特性的采样分析报告。 

（二）控制图的分析与应用 

通过控制图可以分析判断生产过程是否稳定，及时发现生产过程中的异常情况并预防不合格的发生。

1．控制图分析 

根据质量特性、日期范围等选择条件，系统能够自动调用该质量特性对应的控制图和附属信息。由于控制图上的点呈现的变化模式不同，产生变异的原因也不同，可根据控制图各参数点的变化模式，从5M1E（即人员、设备、物料、方法、测量、环境）方面分析产生异常原因。

2．直方图分析 

直方图分析是反映产品质量数据分布状态和波动规律的统计图表。其主要用途是判断工序的稳定性，推断工序质量规格标准的满足程度，分析不同因素对质量的影响，计算过程能力等。 

SPC系统可以根据输入的选择条件绘制直方图，并计算得出相关数据。

3．柏拉图分析 

柏拉图是一种用于解决质量问题的简单、有效的工具。按照对总变差的影响程度对各种潜在的区域变差源进行排序，解决问题的精力集中在少量关键的原因上，而忽视多数不重要的原因。 

柏拉图分析包括异常柏拉、原因柏拉、措施柏拉和故障类柏拉四种，可以根据需要选择其中一种柏拉图进行分析。

4．散布图分析 

在实际生产过程中，工序过程参数及产品质量指标多、关系复杂，它们既相互联系又相互制约，既可能存在很强的相关性，也可能不存在相关性。散布图能直观而有效揭示它们之间的关系。通过绘制散布图，各参数和质量指标之间繁杂的数据就变成了坐标图上的点，其相关关系便一目了然地呈现出来。 

在分析质量问题时，我们总是希望能够寻找到造成质量问题的主要原因，但影响产品质量的因素往往很多，有时我们只需要分析两个具体因素之间到底存在着什么关系。这时可将这两种因素的有关数据作成散布图，就可以观察两种因素之间的关系，并对它进行相关分析。

5．趋势图分析 

通过趋势图可以观察质量指标的波动情况，通过对指标进行分析，以便及时采取针对性措施。

6．工序过程能力分析 

工序过程能力指该工序过程在5M1E正常的状态下，能稳定地生产合格品的实际加工能力。过程能力取决于机器设备、材料、工艺、工艺装备的精度、工人的工作质量以及其他技术条件。过程能力指数用Cp 、Cpk表示。 
工序过程能力指标应用于： 

a）选择经济合理的工序过程方案； 
b）协调工序间的相互关系； 
c）验证工序过程质量保证能力； 

案例一：XX公司某工序的关键指标?——拉力参数的控制图如下，我们进行如下过程能力的分析： 

Cpk= Min[ (USL- Mu)/3s, (Mu - LSL)/3s]

从上面的控制图可以看出： 

其中：Cp值为0.658，Cpk值为0.57653，工序能力不足。 

判断：20个样本中我们可以看出点的随机波动幅度较大，根据其关键特性程度为重要质量特性，可以判断该工序过程风险较高。 

分析：根据过程能力与不合格率之间的对应关系，我们可以得出该工序过程的不合格率为4.56%。 

结论：应该停止生产，查明工序过程中的系统因素，采取纠正措施，进行技术改造和工艺改进，以提高过程能力。

案例二：我们进行如下过程能力的分析：

其中：CP值为1.55229 ，CPK值为1.23321，工序能力尚可。 

判断：我们可以看出，在20个样本中点的随机波动均衡，根据其关键特性程度为关键质量特性，过程风险为中等。 

分析：根据过程能力与不合格率之间的对应关系，我们可以得出该工序过程的不合格率为0.025%。 

结论：强化质量检验，增加检验频次及反馈质量信息，分析离散程度和原因，采取纠正和预防措施，提高工序过程能力。

案例三其中：CP值为1.47119，CPK值为1.40907，工序能力充足。 

判断：我们可以看出，在20个样本中点的随机波动均衡，根据其关键特性程度为重要质量特性，过程能力处于理想状态。 

分析：根据过程能力与不合格率之间的对应关系我们可以得出该工序过程的不合格率为0.001%。 

结论：对过程现状实施标准化作业，应用控制图或其它手段对过程继续进行监控。

五、异常改进的需要 

针对SPC系统检出的异常信息，需要及时进行维护和处理，包括对异常信息的查询、处理、分类统计和形成改进状态报告。 

对于过程监控中出现的重大异常现象，可以按照PDCA循环模式，进行原因分析、措施制定、效果验证三个阶段进行异常处理工作。

一）异常信息 

异常信息是企业产品质量改进工作中分析异常原因的数据来源，因此对这些数据进行有效管理就显得尤为重要。SPC系统可以根据问题的发生时间和处理状态显示所有异常信息，设定具体异常处理单，可方便相关管理人员根据需要查询相关质量特性的异常信息。 

（二）异常处理 

对重大质量异常信息SPC系统能够进行跟踪处理，通过原因分析、措施纠正和效果评估，完成异常问题的处理。 

（三）处理状态提醒方式 

为了有效提醒并及时处理过程监控中出现的异常信息，利用目视管理中颜色的易判断性，通过绿黄红三种颜色清晰地标定出异常信息的处理状态：红色表示该反馈单未处理，黄色表示该反馈单逾期处理，绿色表示反馈单按照正常进度处理。 

（四）质量改进效果评估 

SPC系统通过采用改进前后数据的对比分析方法进行效果评估，主要比较的因素有过程能力指数的变化、常规质量指标趋势变化、过程异常数量的变化等。由于很多过程的不可重现性，在一定程度上，需要人为地量化评估措施的标准。对确认有效的措施可以纳入标准，即修改指标、参数的控制标准，系统按照新的标准进行控制。此时该过程已经达到了稳态，即可以按照此标准将SPC系统的分析阶段转入控制阶段。 

SPC作为质量改进的重要工具，不仅适用于军工制造，也适用于服务等一切过程性领域。在过程质量改进的初期，SPC可帮助确定改进的机会，在改进阶段完成后，可以使用SPC来评价改进的效果并对改进成果进行维持，然后在新的水平上进一步开展质量改进工作，以达到更强大、更稳定的过程能力。 

SPC是一种用来分析数据的科学方法，并且利用分析结果来解决实际问题。只要产品质量能以数字表示，就可以应用SPC来分析。SPC质量监控系统是一个专业的质量过程管理软件，它提供了对产品生产全过程的智能监控和实时分析，帮助管理人员及时获取产品质量信息。通过对关键质量特性参数进行稳定性监控，对过程能力进行分析，将“事后检验、发现问题、解决问题”的产品质量管理方式转变为“事前预防、杜绝问题、缺陷趋零”，从而进一步提高了工艺过程的质量控制能力

1924年，华特（W.A.Shewhart）博士绘制了第一张SPC图，并于1931年出版了《加工产品质量的经济控制（Economic Control of Quality of Manufactured Products）》。之后，SPC便应用于军工、汽车、烟草、电子、石化、机械等各种制造行业中，对制造过程的改善便就此展开。