SPC 统计过程控制入门：控制图原理、Cpk 计算与判读实战

引言

SPC（Statistical Process Control，统计过程控制）是用统计学方法来监控和控制制造过程的工具。它的核心理念源自一个简单的事实：任何制造过程都存在变差（Variation），关键是区分"正常变差"和"异常变差"。

在 APQP 体系中，SPC 主要应用于第四阶段（产品和过程确认）和第五阶段（持续改进），帮助回答一个关键问题：我的过程是否稳定？过程能力是否满足要求？

本文将从变差的概念出发，介绍控制图的原理和使用方法，以及 Cp/Cpk/Pp/Ppk 等过程能力指数的计算与判读。

理解变差

两类变差

SPC 将过程中的变差分为两类：

普通原因变差（Common Cause Variation）

• 过程固有的、随机的、可预测的波动
• 来源广泛且每个来源的影响都很小
• 例如：环境温度的微小波动、材料批次间的微小差异、设备的正常磨损
• 特征：过程在统计控制状态下，输出呈正态分布

特殊原因变差（Special Cause Variation）

• 非随机的、可识别的、异常的波动
• 通常来源于某个具体的可查明原因
• 例如：刀具突然崩刃、新操作员未经培训上岗、原材料批次异常
• 特征：过程输出的分布发生偏移或形状改变

为什么区分很重要

对待两种变差的策略完全不同：

• 普通原因：只能通过改变系统（改进设备、优化工艺、升级材料）来减少，个人层面的干预通常无效甚至有害
• 特殊原因：需要立即识别并消除根因，防止再次发生

如果把普通原因当成特殊原因来处理（过度调整），反而会增加变差——这就是统计学中著名的"过程篡改"（Tampering）。

控制图基础

控制图是 SPC 最核心的工具，由休哈特（Walter Shewhart）在 1920 年代发明。

控制图的结构

一个标准的控制图包含三条线：

• UCL（上控制限）：中心线 + 3σ
• CL（中心线）：过程均值
• LCL（下控制限）：中心线 - 3σ

将样本数据按时间顺序描点在图上，观察数据点是否在控制限内且无异常模式。

控制限 ≠ 规格限。控制限是根据过程数据计算出来的，反映过程的实际表现；规格限是客户要求，反映产品应该达到的标准。两者是独立的。

常用控制图类型

控制图	数据类型	适用场景
X̄-R 图	计量型（子组 n ≤ 8）	最常用，监控均值和极差
X̄-S 图	计量型（子组 n > 8）	大样本时用标准差代替极差
X-MR 图	计量型（单值）	破坏性检测或批量小时
p 图	计数型（不合格品率）	样本量可变
np 图	计数型（不合格品数）	样本量固定
c 图	计数型（缺陷数）	检验单位固定
u 图	计数型（单位缺陷数）	检验单位可变

X̄-R 控制图的建立步骤

以最常用的 X̄-R 图为例：

第一步：收集数据

收集至少 25 个子组（Subgroup），每个子组 3-5 个样本。

第二步：计算每个子组的均值和极差

• X̄ᵢ = 子组内样本的平均值
• Rᵢ = 子组内最大值 - 最小值

第三步：计算总体均值和平均极差

• X̿ = 所有 X̄ᵢ 的平均值（中心线）
• R̄ = 所有 Rᵢ 的平均值

第四步：计算控制限

X̄ 图的控制限：

• UCL = X̿ + A₂ × R̄
• LCL = X̿ - A₂ × R̄

R 图的控制限：

• UCL = D₄ × R̄
• LCL = D₃ × R̄

其中 A₂、D₃、D₄ 是与子组大小 n 相关的系数：

n	A₂	D₃	D₄
2	1.880	0	3.267
3	1.023	0	2.574
4	0.729	0	2.282
5	0.577	0	2.114

第五步：描点并分析

将数据点描在图上，检查是否有失控信号。

控制图的判读规则

一个过程被判定为"失控"（Out of Control），通常基于以下规则（参考 Nelson 规则或 Western Electric 规则）：

规则 1：超出控制限

任何一个点落在 UCL 或 LCL 之外。

规则 2：连续 9 点在中心线同侧

连续 9 个（或更多）数据点都在中心线的上方或下方，说明过程均值可能发生了偏移。

规则 3：连续 6 点递增或递减

连续 6 个点呈单调上升或下降趋势，说明过程可能存在系统性漂移（如刀具磨损）。

规则 4：交替出现

连续 14 个点交替上下波动（锯齿形），说明可能存在两个不同的过程混合（如两台设备交替使用）。

规则 5：2/3 的点在 ±2σ 外

连续 3 个点中有 2 个点落在 ±2σ 到 ±3σ 的区域内，说明变差可能在增大。

发现失控信号后，应立即调查原因、采取纠正措施，并在控制图上标注异常原因和处理结果。

过程能力指数

过程稳定后，需要评估过程是否有能力满足规格要求。这就是过程能力分析。

Cp 和 Cpk

Cp（过程能力指数）：衡量过程的"潜力"，不考虑过程中心是否偏移。

Cp = (USL - LSL) / (6σ)

Cpk（过程能力指数，考虑偏移）：衡量过程的"实际表现"。

Cpk = min[(USL - X̿) / (3σ), (X̿ - LSL) / (3σ)]

• Cp = Cpk 时，说明过程中心与规格中心完全重合
• Cp > Cpk 时，说明过程中心有偏移，偏移越大 Cpk 越小

Pp 和 Ppk

Pp/Ppk 与 Cp/Cpk 的公式完全相同，区别在于标准差的计算方式：

指标	标准差来源	适用阶段
Cp/Cpk	组内标准差（R̄/d₂）	过程稳定后（长期）
Pp/Ppk	总体标准差（所有数据）	初始研究阶段（短期）

在 PPAP 提交中，通常要求 Ppk ≥ 1.67（初始过程研究），量产稳定后要求 Cpk ≥ 1.33。

能力指数的判读

Cpk 值	过程状态	建议
≥ 2.0	优秀	可以考虑减少检验频率
1.67 - 2.0	良好	继续监控
1.33 - 1.67	可接受	需关注并持续改进
1.0 - 1.33	勉强	需要改进，加强检验
< 1.0	不足	过程不满足要求，必须改进

一个直观的理解

Cpk = 1.0 意味着过程输出刚好占满规格范围的 ±3σ，此时不合格品率约为 0.27%（2700 PPM）。

Cpk = 1.33 意味着过程范围只占规格范围的 75%，不合格品率降到约 63 PPM。

Cpk = 1.67 意味着过程范围只占规格范围的 60%，不合格品率降到约 0.6 PPM。

常见误区

误区一：只看 Cpk 不看控制图

Cpk 只是一个统计量，它假设数据服从正态分布且过程稳定。如果过程不稳定（控制图有失控信号），计算出来的 Cpk 没有意义。

正确做法：先用控制图确认过程稳定，再计算过程能力。

误区二：混淆控制限和规格限

• 控制限来自过程数据，反映过程的自然变差范围
• 规格限来自客户要求，反映产品应达到的标准

一个过程可能在控制状态（所有点在控制限内），但过程能力不足（Cpk < 1.33）。也可能过程能力充足但出现失控信号。两者要分别评估。

误区三：过度调整

操作员看到某个点接近控制限就去调整设备，这种"过度反应"反而会引入额外的变差。SPC 的原则是：只有出现失控信号时才需要调查和干预，正常波动不要动。

误区四：数据量不足

用 5 个子组就算 Cpk，结果毫无意义。过程能力研究至少需要 25 个子组、总计 100 个以上的数据点。

SPC 在 APQP 中的位置

APQP 阶段	SPC 的作用
第三阶段	制定 SPC 实施计划，确定需要监控的特性
第四阶段	试生产时进行初始过程能力研究（Ppk），纳入 PPAP
第五阶段	量产中持续使用控制图监控过程，计算长期 Cpk

总结

SPC 的核心逻辑可以总结为三步：

1. 用控制图区分普通原因和特殊原因——判断过程是否稳定
2. 消除特殊原因——让过程回到统计控制状态
3. 评估过程能力——判断过程是否满足规格要求

SPC 不是一个复杂的数学工具，它的难点在于正确地理解和应用。最常见的失败不是算错了 Cpk，而是在过程不稳定时就去算 Cpk，或者收集了数据却不去分析和行动。

数据本身不创造价值，基于数据做出正确的决策才有价值。这是 SPC 最重要的一课。