前言：质量是过程的结果
在质量管理领域，一个核心理念是：质量不是单靠检验出来的，而是通过理解并控制过程波动实现的。统计过程控制（Statistical Process Control, SPC）正是实现这一理念的关键工具。它通过统计方法监控和分析生产或服务过程，识别异常波动，从而在问题发生前进行预防，确保过程稳定、能力充足，最终实现质量的“内建”。
本手册旨在系统梳理 SPC 的核心概念、控制图原理及常用计算公式，为工程师、质量专业人士、审核员、制造团队以及学生提供一份清晰、实用的学习和工作参考资料。
一、 SPC 核心概念与基础
1.1 过程波动
任何过程都存在波动，主要分为两类：
- 普通原因波动（Common Cause Variation）：过程固有的、随机出现的波动。它由众多微小、不可控的因素共同作用产生，是过程“声音”的一部分。一个只有普通原因波动的过程被认为是“受控的”或“稳定的”。
- 特殊原因波动（Special Cause Variation）：非固有的、间歇性出现的波动。通常由可识别的、特定的因素引起（如设备故障、材料批次差异、操作失误）。这种波动会导致过程“失控”，是需要识别并消除的对象。
SPC 的首要目标就是区分这两种波动。
1.2 控制图：SPC 的核心工具
控制图是用于区分普通原因与特殊原因波动的图形化工具。其基本结构包括：
- 中心线（CL，Central Line）：代表过程特性的平均值（如均值、中位数）。
- 上控制限（UCL，Upper Control Limit）与下控制限（LCL，Lower Control Limit）：基于过程数据计算得出的界限。在只有普通原因波动时，约有 99.73% 的数据点会落在此区间内。
控制限不是规格限，它反映的是过程的“能力”，而非客户的“要求”。
二、 计量型数据控制图与公式
适用于可测量的连续数据，如长度、重量、时间、强度等。
2.1 Xbar-R 图（均值-极差图）
最常用的一组图，用于监控过程均值和波动（离散程度）。
- 子组大小（n）：通常取 2 到 10，常用 4 或 5。
- 子组均值（\(\bar{X}\)）：\(\bar{X} = \frac{\sum_{i=1}^{n} X_i}{n}\)
- 子组极差（R）：\(R = X_{max} - X_{min}\)
控制限计算公式：
| 图表 | 中心线 (CL) | 控制限 | 系数表 (A2, D3, D4) |
|---|---|---|---|
| Xbar 图 | \(\bar{\bar{X}} = \frac{\sum \bar{X}}{k}\) | \(UCL_{\bar{X}} = \bar{\bar{X}} + A_2 \bar{R}\) \(LCL_{\bar{X}} = \bar{\bar{X}} - A_2 \bar{R}\) | 查表获得，与 n 相关。 |
| R 图 | \(\bar{R} = \frac{\sum R}{k}\) | \(UCL_R = D_4 \bar{R}\) \(LCL_R = D_3 \bar{R}\) |
其中，k 为子组数量，\(\bar{\bar{X}}\) 为总平均值，\(\bar{R}\) 为平均极差。
2.2 Xbar-s 图（均值-标准差图）
当子组大小 n > 10 时，用样本标准差 s 代替极差 R 能更有效地估计波动。
- 子组标准差（s）：\(s = \sqrt{\frac{\sum_{i=1}^{n} (X_i - \bar{X})^2}{n-1}}\)
- 平均标准差（\(\bar{s}\)）：\(\bar{s} = \frac{\sum s}{k}\)
控制限计算公式：
| 图表 | 中心线 (CL) | 控制限 | 系数表 (A3, B3, B4) |
|---|---|---|---|
| Xbar 图 | \(\bar{\bar{X}} = \frac{\sum \bar{X}}{k}\) | \(UCL_{\bar{X}} = \bar{\bar{X}} + A_3 \bar{s}\) \(LCL_{\bar{X}} = \bar{\bar{X}} - A_3 \bar{s}\) | 查表获得，与 n 相关。 |
| s 图 | \(\bar{s} = \frac{\sum s}{k}\) | \(UCL_s = B_4 \bar{s}\) \(LCL_s = B_3 \bar{s}\) |
2.3 I-MR 图（单值-移动极差图）
适用于取样成本高、周期长，或过程本身产出就是单个测量值的情况。
- 单值（X）：每个时间点的单个观测值。
- 移动极差（MR）：\(MR_i = |X_i - X_{i-1}|\)
- 平均移动极差（\(\overline{MR}\)）：\(\overline{MR} = \frac{\sum_{i=2}^{k} MR_i}{k-1}\)
控制限计算公式：
| 图表 | 中心线 (CL) | 控制限 | 系数 |
|---|---|---|---|
| I 图 (单值图) | \(\bar{X} = \frac{\sum X}{k}\) | \(UCL_X = \bar{X} + 2.66 \overline{MR}\) \(LCL_X = \bar{X} - 2.66 \overline{MR}\) | 2.66 ≈ 3 / d₂ (n=2) |
| MR 图 | \(\overline{MR} = \frac{\sum MR}{k-1}\) | \(UCL_{MR} = 3.267 \overline{MR}\) \(LCL_{MR} = 0\) (理论上) | 3.267 = D₄ (n=2) |
三、 计数型数据控制图与公式
适用于以“个数”计数的离散数据，如缺陷数、不合格品数。
3.1 p 图（不合格品率图）
用于监控过程的不合格品率，子组大小 n 可以变化。
- 子组不合格品数（np）
- 子组不合格品率（p）：\(p = \frac{np}{n}\)
- 平均不合格品率（\(\bar{p}\)）：\(\bar{p} = \frac{\sum np}{\sum n}\)
控制限计算公式（对每个子组 i）：
\(UCL_{p_i} = \bar{p} + 3 \sqrt{\frac{\bar{p}(1-\bar{p})}{n_i}}\)
\(CL_{p} = \bar{p}\)
\(LCL_{p_i} = \bar{p} - 3 \sqrt{\frac{\bar{p}(1-\bar{p})}{n_i}}\)
控制限随 n_i 变化而呈曲线。
3.2 np 图（不合格品数图）
用于监控过程的不合格品数，要求子组大小 n 固定。
- 平均不合格品数（\(\bar{np}\)）：\(\bar{np} = \frac{\sum np}{k} = n\bar{p}\)
控制限计算公式：
\(UCL_{np} = \bar{np} + 3 \sqrt{\bar{np}(1-\bar{p})}\)
\(CL_{np} = \bar{np}\)
\(LCL_{np} = \bar{np} - 3 \sqrt{\bar{np}(1-\bar{p})}\)
3.3 c 图（缺陷数图）
用于监控单位产品（或单位面积、单位长度）上的缺陷数，检验单位大小固定。
- 子组缺陷数（c）
- 平均缺陷数（\(\bar{c}\)）：\(\bar{c} = \frac{\sum c}{k}\)
控制限计算公式：
\(UCL_{c} = \bar{c} + 3 \sqrt{\bar{c}}\)
\(CL_{c} = \bar{c}\)
\(LCL_{c} = \bar{c} - 3 \sqrt{\bar{c}}\)
3.4 u 图（单位缺陷数图）
用于监控单位产品上的缺陷数，但检验单位大小可以变化。
- 子组单位缺陷数（u）：\(u = \frac{c}{n}\)，其中 n 为检验单位数（如面积、长度）。
- 平均单位缺陷数（\(\bar{u}\)）：\(\bar{u} = \frac{\sum c}{\sum n}\)
控制限计算公式（对每个子组 i）：
\(UCL_{u_i} = \bar{u} + 3 \sqrt{\frac{\bar{u}}{n_i}}\)
\(CL_{u} = \bar{u}\)
\(LCL_{u_i} = \bar{u} - 3 \sqrt{\frac{\bar{u}}{n_i}}\)
四、 过程能力分析基础公式
过程稳定（受控）后，可评估其满足规格要求的能力。
- 规格上限（USL）与规格下限（LSL）：客户或设计要求的界限。
- 过程均值（\(\mu\)）与过程标准差（\(\sigma\)）：从稳定过程中估计。
常用过程能力指数：
| 指数 | 公式 | 含义 |
|---|---|---|
| Cp (过程潜能指数) | \(C_p = \frac{USL - LSL}{6\sigma}\) | 衡量过程波动相对于公差带的宽度。不考虑中心偏移。 |
| Cpk (过程能力指数) | \(C_{pk} = min(\frac{USL - \mu}{3\sigma}, \frac{\mu - LSL}{3\sigma})\) | 同时考虑过程波动和中心偏移，反映实际能力。 |
| Pp (过程性能指数) | \(P_p = \frac{USL - LSL}{6s}\) | 使用整体标准差 s，反映长期性能。 |
| Ppk (过程性能指数) | \(P_{pk} = min(\frac{USL - \mu}{3s}, \frac{\mu - LSL}{3s})\) | 同时考虑长期波动和中心偏移。 |
通常要求 Cpk/Ppk ≥ 1.33，表明过程能力充足。
五、 控制图判异准则
以下任一模式出现，均提示可能存在特殊原因：
- 点出界：任何一点落在控制限之外。
- 链：连续 9 点落在中心线同一侧。
- 趋势：连续 6 点递增或递减。
- 接近控制限：连续 3 点中有 2 点落在 2σ 线与控制限之间。
- 接近中心线：连续 5 点中有 4 点落在 1σ 线之外。
- 周期性波动：数据点呈现明显的周期性变化模式。
结语
SPC 不是一套复杂的数学游戏，而是一种基于数据的决策思维。它帮助我们倾听过程的“声音”，区分噪音与信号，将质量管理的重点从“事后检验”转向“事前预防”。
希望这份 SPC 公式速查手册能够成为工程师、质量专业人士、审核员、制造团队以及学生学习和工作的实用参考资料。
如果你觉得这份资料有帮助，欢迎收藏，方便日后查阅，也请分享给你的同事。