SPC 控制圖：概述、何時使用以及如何建立

---

20 世紀 20 年代，貝爾實驗室的沃爾特·休哈特博士提出了統計過程控制 (SPC) 的概念。W·愛德華茲·戴明博士對其進行了詳細闡述，並在二戰後將其引入日本工業。隨著日本企業的早期成功，統計過程控制現已在全球各組織中被採用，作為透過最小化過程差異來提高產品質量的基本方法。

休哈特博士發現了過程變異的兩個來源——固有的過程變異，在一段時間內是穩定的，以及可識別的或不可控的變異，在一段時間內是不穩定的——系統外部特定事件的結果。戴明博士將偶然變異重新命名為普通原因變異，而將可識別變異重新命名為特殊原因變異。

基於他對多種型別過程資料以及統計和機率原理的瞭解，休哈特博士開發了控制圖來顯示隨時間推移的資料，並檢測普通原因和特殊原因變異。

什麼是 SPC 控制圖？

統計過程控制系統 (SPC) 是一種基於統計的方法，用於控制製造過程或程式。SPC 工具和技術可以監控過程行為、檢測內部系統的故障併為生產問題制定解決方案。

SPC 控制圖用於分析過程如何演變。所有過程資料都按時間順序顯示。SPC 控制圖的三個基本組成部分是平均值的中心線 (CL)、下控制限 (LCL)（下控制單元）和上控制限 (UCL)（上控制單元）。

為什麼離散度如此重要？

我們經常關注平均值，但瞭解離散度對於工業過程管理至關重要。考慮以下兩個示例：

• 如果你將一隻腳放在一桶冰水中（33°F）中，另一隻腳放在一桶沸水中（127°F）中，你會感覺還好（80°F），但不會很舒服！

• 如果你被要求穿過一條河，並被告知正常水深為 3 英尺，你應該瞭解更多資訊。如果告訴你範圍是從 0 到 15 英尺，你應該重新考慮你的行程。

什麼是控制限？

SPC 控制圖的控制限是中心線上方和下方的標準差。如果資料點在控制限內（普通原因變異），則過程處於受控狀態。如果在這些控制單元之外發現資料點，則過程失控（特殊原因變異）。

在建立 SPC 控制圖的早期階段，最好手動繪製資料點。一旦你理解了公式及其含義，就可以使用統計工具來更新它們。各種檢驗用於檢測“失控”變異。Nelson 檢驗和 Western Electric 檢驗是最常見的兩種。

為什麼 SPC 控制圖有助於質量控制？

SPC 控制圖是基本的質量控制工具，在精益製造和六西格瑪活動中發揮著至關重要的作用。管理圖表可以以各種方式使用，但在車間中，它們用於分析、控制和確保生產操作的均勻性。透過管理操作，操作員可以限制可能導致低質量產品的重大過程變化。

SPC 控制圖如何工作？

SPC 控制圖需要跨職能的組織承諾。以下是建立優秀的 SPC 控制圖的分步指南：

步驟 1：選擇合適的測量方法

第一步是選擇收集變數資料還是屬性資料。只要可行，都應使用變數資料，因為它提供更高質量的資訊。確定要收集的資料後，可以選擇適合您資料型別對應的控制圖。

步驟 2：確定資料收集和繪圖的週期

由於 SPC 控制圖分析隨時間推移的資料變化，因此在收集和繪製資料時必須牢記頻率和週期。例如，每週或每隔一週建立一張 SPC 控制圖，可以幫助你瞭解你的過程是否可靠並不斷改進，或者能否按時滿足質量要求。

步驟 3：建立控制單元

生成 SPC 控制圖的下一步是定義控制單元。以下是計算控制單元的方法：

• 估計樣本資料的標準差 (σ)

• 計算 UCL：

$$\mathrm{UCL \:=\: 平均值 \:+ \:3 \:x\: σ}$$

• 計算 LCL：

$$\mathrm{LCL \:=\: 平均值 \:- \:3 \:x\: σ}$$

步驟 4：繪製資料點並識別失控資料點

在建立控制限後，將資料點繪製在 SPC 控制圖上。繪製資料點後，你可以開始識別模式。識別這些模式對於確定異常原因的根本原因至關重要。其中一些模式取決於特定的“區域”。

步驟 5：校正失控資料點

標記圖表控制邊界之外的任何資料點，並探究其原因。記錄研究的內容、導致其失控的原因以及採取的控制措施。可以使用糾正措施矩陣來指定責任並設定目標日期以跟蹤已完成的活動。

步驟 6：計算 Cp 和 Cpk

下一步是計算 Cp（能力）和 Cpk（效能），以檢視過程是否可以滿足規範。

步驟 7：監控過程

最後一步是持續監控過程並更新 SPC 控制圖。定期過程監控可以提供主動響應，而不是反應性響應，這些響應可能為時已晚或成本過高。

結論

SPC 控制圖是任何精益六西格瑪專案的絕佳起點。因此，瞭解這些統計控制圖對於控制過程至關重要。