spc过程统计分析培训课件

统计过程控制（）培训课件SPC第一章简介与核心价值SPC定义与起源核心价值典型应用场景SPC统计过程控制（Statistical ProcessSPC的最大价值在于预防而非检测通过持Control）是由沃尔特·休哈特博士在20世纪续监控过程波动，在缺陷发生前就发现异常20年代提出的质量管理方法它利用统计技趋势，从而降低变异、减少废品率、提升过术监控和控制生产过程，通过控制图实时识程稳定性这种预防性方法比事后检验更经别过程变异，确保产品质量稳定在可接受范济高效围内的质量管理理念SPC质量源于过程现代质量管理的核心理念是质量是在过程中制造出来的，而非检验出来的SPC强调预防为主，通过控制生产过程的每个环节，从源头上保证质量这种思维方式代表了从质量检验到质量控制再到质量预防的重大转变过程控制与改进过程控制关注保持现有过程的稳定性，而过程改进则致力于提升过程能力两者相辅相成先通过SPC使过程达到统计控制状态，然后系统性地消除变异源，实现能力提升持续改进的工具SPC不仅是监控工具，更是持续改进的驱动力通过数据分析发现改进机会，用PDCA循环验证改进效果，最终形成质量文化经典休哈特控制图中心线（CL）代表过程均值，上控制限（UCL）和下控制限（LCL）基于3σ原则设定，形成过程监控的基础框架第二章基础理论SPC123质量波动的两大来源统计基础概念正态分布与原则3σ普通原因（Common Cause）来自过程均值（Mean）数据的中心位置，反映过大多数生产过程的数据遵循正态分布根据固有的随机变异，如材料微小差异、环境温程的瞄准情况3σ原则，

99.73%的数据落在均值±3σ范围湿度波动等，始终存在且难以完全消除内SPC利用这一特性设定控制限，当数据方差与标准差（VarianceStandard点超出3σ界限时，可判断过程出现特殊原特殊原因（Special Cause）由可识别的Deviation）衡量数据离散程度，标准差因异常因素导致，如设备故障、操作失误、原越小表示过程越稳定标准差是方差的平方料批次变化等戴明漏斗实验生动展示了过根，单位与原数据一致，更直观度调整普通原因变异的危害过程能力与过程性能过程能力指数规格限设定Cp（Process Capability）衡量过程的潜在能力，计算公式为USL-上规格限（USL）和下规格限（LSL）由客户需求或工程要求确定，代表LSL/6σCp≥

1.33表示过程能力良好产品可接受的质量范围公差范围（USL-LSL）越宽，过程控制越容易Cpk（Process CapabilityIndex）考虑过程偏移的能力指数，取上下单边能力的最小值Cpk≥

1.33表示过程既有能力又对中设定合理的规格限需要平衡客户需求、成本和技术可行性过严的规格会增加成本，过宽则可能影响客户满意度过程性能指数Pp和Ppk与Cp/Cpk类似，但使用总体标准差而非子组内标准差Pp/Ppk反映过程的整体表现，包含了特殊原因的影响第三章控制图详解

（一）计量型控制图——图图图X̄-R X̄-s I-MR均值与极差控制图是最常用的计量型控制均值与标准差控制图原理类似X̄-R图，但用单值与移动极差控制图用于单个测量值的场图X图̄监控过程均值的变化，R图监控过程标准差代替极差当子组容量较大

（10）景，如化学批次分析、昂贵的破坏性试验、变异的稳定性适用于子组容量2-10的连续时，标准差比极差更准确地反映变异s图慢速生产过程等MR图基于连续两点的极数据，如尺寸测量、温度记录等两图必须对过程变异的变化更敏感，适合高精度要求差，I图监控单个测量值适合子组容量为1配合使用，先看R图是否稳定，再看X图̄的场景的情况控制图的构成要素0102三条控制线子组划分原则中心线（CL）过程均值或其他统计量的平均值，代表过程的目标水平子组内变异应尽可能小（同质），子组间变异应尽可能大（异质）通常按时间顺序、同一班次、同一设备等划分合理的子组划分是控制图有效上控制限（UCL）CL+3σ，超出表示可能存在特殊原因性的关键下控制限（LCL）CL-3σ，低于此限也需要调查0304数据收集要求绘制步骤数据应真实、准确、及时测量系统必须可靠（通过MSA分析验证）初

①收集数据并计算统计量；

②计算控制限；

③绘制控制图并标注数据点；始阶段需要至少25个子组（约100-125个数据点）来建立可靠的控制限

④分析异常模式；

⑤采取纠正措施；

⑥重新计算控制限（如需要）第四章控制图详解

（二）计数型控制图——不合格品控制图缺陷数控制图p图（不合格率）监控不合格品的比例，适用于子组大小不等的情况c图（单位缺陷数）监控固定样本中的缺陷总数，如一块电路板上的焊纵轴为不合格率（0-1或百分比），适合最终检验、审核结果等场景点缺陷、一卷布料上的瑕疵点等样本大小必须恒定np图（不合格品数）监控不合格品的数量，要求子组大小恒定纵轴u图（单位缺陷密度）监控单位样本的平均缺陷数，允许样本大小变为不合格品个数，比p图更直观，适合固定批量检验化计算公式为总缺陷数除以检查单位数，适合不同大小产品的缺陷控制选择控制图的关键不合格品vs缺陷（一个产品可能有多个缺陷），子组大小是否恒定控制图判异规则（大判异准则）81单点超出控制限2连续点在中心线同侧9任何一个点超出UCL或LCL，表示存在特殊原因，需要立即调查表示过程均值可能发生偏移，虽然未超出控制限，但存在系统性偏这是最明显的异常信号差3连续点递增或递减4连续点交替上下614显示过程存在趋势性变化，如设备磨损、温度漂移等，需要提前干过度的锯齿状模式，可能是过度调整、两个过程交替、测量系统问预题等其他准则包括连续3点中有2点在2σ区外、连续5点中有4点在1σ区外、连续15点在1σ区内、连续8点在1σ区外控制图异常模式示例展示了超出控制限、连续偏移、趋势变化等典型异常模式，以及对应的判异规则应用第五章实施步骤与实战流程SPC识别制定数据收集计划数据清洗与验证CTQ关键质量特性（Critical toQuality）是对客明确抽样频率（如每小时、每班次）、子组容检查数据完整性、识别异常值、进行正态性检户最重要的质量指标通过VOC（客户之量（通常4-5个）、测量方法、记录表格等验（如Anderson-Darling检验、Ryan-声）分析、FMEA、QFD等工具识别CTQ，确合理的抽样计划平衡了成本和敏感性Joiner检验）非正态数据可能需要转换或使保监控真正重要的参数用非参数方法控制图建立与动态调整初始阶段（）1Phase I收集至少25个子组的数据，计算试验控制限识别并消除特殊原因，重新计算控制限这个阶段的目标是使过程达到统计控制状态，建立过程基线2稳定阶段（）Phase II使用Phase I确立的控制限进行日常监控持续绘制控制图，按判异准则识别异常此阶段重点是保持过程稳定性，快速响应特控制限调整3殊原因当过程发生有意的改变（如设备升级、工艺改进）后，需要重新收集数据建立新的控制限定期审核控制图（如每季度），确保4异常响应流程控制限仍然有效发现异常→停止生产/隔离产品→根因分析→实施纠正措施→验证有效性→更新控制图→预防再发生建立标准作业程序（SOP）确保一致性第六章过程能力分析实务计算实例能力不足的根因分析假设某尺寸规格为50±

0.5mm，过程标准差鱼骨图（Ishikawa）从人、机、料、法、环、测六个维度分析如操作技能不足、设σ=

0.12mm，均值μ=

50.08mm备精度下降、原料波动、工艺参数不当、环境温湿度、测量系统误差等Cp计算5Why分析连续追问为什么深挖根本原因例尺寸偏大→刀具磨损→没有定期更换USL-LSL/6σ=

1.0/6×

0.12=

1.39→缺少维护计划→管理制度不完善Cpk计算改进验证取min[USL-μ/3σ,μ-LSL/3σ]实施改进措施后，重新收集数据计算Cpk，确认是否达到目标（通常≥

1.33）使用前后=min[

1.17,

1.61]=

1.17对比、假设检验等方法验证改进效果的统计显著性结论Cp良好但Cpk偏低，过程有能力但偏离目标值第七章软件工具实操SPC绘制控制图专业分析开源方案Excel MinitabPython使用Excel的统计函数（AVERAGE、STDEV.S）Minitab是行业标准的SPC软件，提供自动化的使用Pandas进行数据处理，计算控制限，利用散点图和误差线功能绘制控制控制图生成、过程能力分析、判异规则检测等功Matplotlib/Seaborn绘制控制图，SciPy进行图优点是普及率高、无需额外软件，适合小规能支持多种控制图类型，输出专业报告，数据统计计算优势是灵活、可定制、免费，适合有模应用需要手动计算公式，相对繁琐管理方便适合中大型企业的专业质量分析编程能力的团队可以集成到自动化监控系统中，实现实时SPC分析Minitab控制图界面展示了软件自动计算控制限、标注异常点、生成能力指数报告的强大功能，大大提升了SPC分析效率第八章典型制造业案例分析SPC案例背景汽车零部件尺寸控制某汽车供应商生产轴套零件，关键尺寸规格为Φ

25.00±

0.05mm客户要求Cpk≥

1.33，但实际生产中经常出现超差，导致批次退货问题发现通过建立X̄-R控制图，发现每天上午10点左右，尺寸均值会明显偏大，下午逐渐恢复正常R图显示过程变异相对稳定，问题集中在均值偏移根因分析团队使用鱼骨图分析，重点关注机的因素最终发现车床在连续运转2小时后，主轴温度升高导致热膨胀，刀具与工件间隙变化，导致切削尺寸偏大改进措施

1.安装主轴冷却系统，控制温度在设定范围

2.调整切削参数，减少热量产生

3.建立设备预热程序，使温度稳定后再加工

4.增加温度监控点，纳入SPC监控体系改进效果实施改进后，Cpk从

0.8提升至

1.52，超差率从12%降至

0.3%年度节省返工成本约80万元，客户满意度显著提升，获得优秀供应商认证第九章服务业应用案例SPC案例背景客服中心通话时长控制某电商客服中心希望提升服务效率，但通话时长波动很大部分客服平均通话时间超过15分钟，而标准目标是8-10分钟过长的通话时间导致客户等待、人力成本上升SPC应用I-MR图分析因为每位客服每天处理的电话数量不同，难以形成固定子组，因此选择I-MR图（单值-移动极差图）以每位客服每天的平均通话时长作为单个数据点，持续监控30天控制图显示某些客服的通话时长持续偏高，且出现多个超出UCL的点进一步分析发现，晚班客服的通话时长明显高于早班问题识别排班不合理深入调查发现晚班客服人数不足，导致每个人处理的复杂问题比例更高；晚班缺少资深客服带领，新人处理效率低；晚班的知识库更新不及时这些因素共同导致通话时长标准差大、平均值高优化方案与效果

①调整排班，确保每班次至少有2名资深客服；

②建立实时知识库同步机制；

③针对高频问题制作标准应答脚本；

④加强新员工培训改进成果通话时长标准差从

4.2分钟降至

2.9分钟（降低30%），平均时长从

12.5分钟降至

9.8分钟，客户满意度从78%提升至86%常见问题与误区SPC问题控制图稳定但投诉仍存在问题高但缺陷率未降低12Cpk原因控制限基于当前过程能力，如果过程能力本身不足原因可能存在测量系统偏差、数据造假、规格限设定不当、或者关（Cpk

1.0），即使过程稳定，也会产生大量超出规格的产品控制注了错误的CTQ高Cpk不等于高质量图显示稳定的差解决进行MSA（测量系统分析）验证、审核数据真实性、重新评估解决需要进行过程改进，提升过程能力，而非仅仅监控现状CTQ与客户需求的关联问题小批量生产的误区问题忽视人员培训3SPC4误区认为小批量或单件生产无法应用SPC实际上，可以使用I-MR问题SPC工具再好，如果操作人员不理解其原理、不会正确使用，图、跨批次数据、或者短程控制图（Short RunSPC）就无法发挥作用常见错误包括过度调整、忽视R图、控制限计算错误等建议采用标准化数据（Z-score）、多品种组合控制图等方法关键持续培训、建立SOP、赋能一线员工，使SPC成为日常习惯而非额外负担的扩展应用与进阶工具SPC预控制图多变量控制图与六西格玛结合SPCPre-Control Chart是SPC的简化版本，将公Multivariate SPC同时监控多个相关质量特SPC是六西格玛DMAIC方法中的重要工具差范围分为绿区、黄区、红区规则简单连性，如产品的长、宽、高使用T²统计量Measure阶段建立基线控制图续5个点在绿区→过程OK；黄区→警告；红区（Hotelling T-squared）或广义方差图Analyze阶段识别变异源或连续2点在同侧黄区→停机优势是能检测单变量控制图无法发现的多变量Improve阶段验证改进效果适合操作人员快速判断，无需复杂计算，特别间的异常关系需要更高的统计知识和软件支Control阶段持续监控适用于高混合低批量生产但灵敏度低于传统持控制图两者结合形成完整的质量改进体系培训总结与学习建议SPC理论与实操并重结合企业实际环境SPC不仅是统计学知识，更是实践技能理解原理固然重要，但只有将培训内容应用到自己的工作岗位中，选择一个实际的质量问题作为通过真实数据练习、分析实际案例，才能真正掌握建议每位学员至练习对象从识别CTQ开始，建立控制图，分析数据，提出改进建少完成3个以上的完整SPC项目议实战是最好的学习方式持续学习与提升培养持续改进文化SPC是质量管理的基础工具，但质量领域还有DOE（实验设计）、SPC的最终目标不是绘制完美的控制图，而是建立数据驱动的决策文MSA（测量系统分析）、可靠性工程等进阶内容建议制定个人学习化、预防性思维方式、全员参与的质量意识作为质量推动者，您的计划，逐步深入使命是在组织中传播这种文化附录一控制图常用公式与计算常数X̄-R图控制限公式控制图中心线控制限X̄图（均值图）X̄̄（总均值）UCL=X̄̄+A₂R̄LCL=X̄̄-A₂R̄R图（极差图）R（̄平均极差）UCL=D₄R̄LCL=D₃R̄X̄-s图控制限公式控制图中心线控制限X̄图（均值图）X̄̄UCL=X̄̄+A₃s̄LCL=X̄̄-A₃s̄s图（标准差图）s̄（平均标准差）UCL=B₄s̄LCL=B₃s̄计数型控制图公式p图UCL/LCL=p̄±3√[p̄1-p̄/n]c图UCL/LCL=c̄±3√c̄u图UCL/LCL=ū±3√ū/n注A₂,A₃,D₃,D₄,B₃,B₄是与子组大小相关的常数，可查阅标准控制图常数表附录二统计基础知识回顾正态分布特性概率密度函数fx=1/σ√2πe^[-x-μ²/2σ²]参数μ（均值）决定位置，σ（标准差）决定形状宽窄经验法则（）68-95-

99.7•约68%的数据落在μ±1σ范围内•约95%的数据落在μ±2σ范围内•约

99.73%的数据落在μ±3σ范围内标准差与置信区间样本标准差s=√[Σxᵢ-x̄²/n-1]95%置信区间x̄±

1.96s/√n置信区间表示总体均值的可能范围，样本量越大，区间越窄，估计越精确附录三相关术语解释SPC共同原因特殊原因过程能力过程性能关键术语vs vs共同原因（Common Cause过程能力（Process Capability）过程CTQ（Critical toQuality）对客户质Variation）也称随机原因、偶然原因在统计控制状态下（仅存在共同原因）的量要求至关重要的特性来源于过程固有的、随机的、稳定的变潜在能力用Cp、Cpk衡量，基于子组内DPMO（Defects PerMillion异，无法通过简单调整消除占总变异的变异Opportunities）百万机会缺陷数，衡85-95%过程性能（Process Performance）过量过程质量水平的指标特殊原因（Special CauseVariation）程的实际表现，包含所有变异（共同原因+Sigma Level西格玛水平，表示过程能也称异常原因、可查明原因由可识别特殊原因）用Pp、Ppk衡量，基于总体力6σ对应

3.4DPMO，3σ对应66,807的、非随机的因素引起，可以通过调查和变异DPMO纠正消除占总变异的5-15%附录四软件资源推荐SPCMinitab JMP行业标准的质量统计软件，功能全面、易于使用提供完整的SAS公司开发的数据探索和可视化软件，交互式图形功能强大SPC、DOE、回归分析、可靠性分析等模块适合专业质量人员擅长多变量分析和实验设计界面直观，学习曲线平缓在制和六西格玛黑带价格较高，但培训资源丰富药、半导体行业应用广泛插件开源库Excel Python如QI Macros、SPC forExcel等插件为Excel增加专业SPC功推荐库Pandas（数据处理）、NumPy（数值计算）、能优势是利用熟悉的Excel界面，成本低适合中小企业或Matplotlib/Seaborn（可视化）、SciPy（统计分析）、SPC入门功能不如专业软件全面statsmodels（高级统计）示例资源GitHub上的SPC-Python项目、Jupyter Notebook教程等适合有编程基础的用户，可定制性强、免费互动环节实操练习说明SPC010203小组分配与目标数据采集控制图绘制将学员分为4-5人小组，每组选择一个实际的质每组获得一组生产数据（25个子组，每个子组5使用Excel、Minitab或手工计算方式，绘制X̄-R量问题或使用提供的模拟数据目标是在60分钟个测量值）数据可以是真实的历史数据，或者控制图计算控制限，标注数据点，识别超出控内完成一个完整的SPC分析项目，包括控制图绘是讲师准备的包含特定模式的模拟数据记录数制限或符合判异准则的点评估过程是否处于统制、异常分析、改进建议据收集的背景信息，如产品规格、测量方法等计控制状态0405异常点分析改进建议对识别出的异常点，进行根因分析使用鱼骨图、5Why等工具，结合背基于分析结果，提出3-5条具体的改进建议包括短期纠正措施（消除特殊景信息推测可能的特殊原因讨论如何验证假设，提出纠正和预防措施原因）和长期改进计划（降低普通原因变异）准备5分钟的小组汇报互动环节案例讨论与经验分享成功经验分享挑战与解决方案讨论邀请学员分享在各自企业实施SPC的成功案例开放式讨论环节，学员提出实施SPC过程中遇到的难题•项目背景与质量问题描述数据质量差如何提高测量准确性？•SPC工具的选择与应用过程管理层不支持如何证明SPC的价值？•关键的突破点或啊哈时刻一线员工抵触如何让SPC变得简单易用？•实施效果的量化数据（缺陷率、成本节省等）多品种小批量如何调整传统SPC方法？•对其他学员的建议与经验教训持续性问题如何避免SPC项目虎头蛇尾？每位分享者5-8分钟，鼓励其他学员提问交流讲师引导讨论,结合理论知识和最佳实践,帮助学员找到解决方案课程回顾与知识点梳理SPC核心理念质量是制造出来的而非检验出来的；预防优于检测；用数据说话而非凭经验；关注过程而非结果；持续改进永无止境统计基础普通原因与特殊原因的区别；正态分布与3σ原则；过程能力指数Cp/Cpk与过程性能指数Pp/Ppk的计算与意义；标准差、方差等统计量的应用控制图技术计量型控制图（X̄-R、X̄-s、I-MR）与计数型控制图（p、np、c、u）的选择与应用；控制限计算方法；8大判异准则的识别与响应实施流程识别CTQ→制定数据收集计划→数据清洗与正态性检验→建立控制图→识别异常→根因分析→实施改进→验证效果→持续监控工具与案例Excel、Minitab、Python等软件工具的使用；制造业与服务业的典型应用案例；常见问题与解决方案；SPC与六西格玛的结合常见问题答疑欢迎学员提出任何关于SPC的疑问，讲师将逐一解答可以是理论概念、计算方法、软件操作、实际应用等各方面的问题结语助力质量卓越与持续改进SPC的重要地位SPC统计过程控制是现代质量管理体系的基石从20世纪20年代休哈特发明控制图至今，SPC已经走过百年历程，但其核心思想——用数据驱动决策、预防胜于检测、持续改进永不止步——依然是质量管理的黄金法则在当今竞争激烈的市场环境中，质量不再是可选项，而是生存的必需品SPC帮助企业从救火式的质量管理转向预防式的过程控制，从依赖检验转向依赖过程，从个人经验转向数据智慧知识到行动的转化学习SPC不是终点，而是起点真正的价值在于将所学应用到实际工作中，解决真实的质量问题，为企业创造可衡量的价值鼓励每位学员制定一个30天行动计划选择一个项目、收集数据、建立控制图、分析改进共同推动质量提升质量管理不是质量部门一个部门的事，而是全员的责任作为参加本次培训的质量推动者，您有责任将SPC的理念和方法传播给更多同事，培养组织的数据文化和改进意识让我们一起努力，用SPC工具推动企业质量水平持续提升，在市场竞争中赢得优势！谢谢聆听！欢迎提问与交流联系方式与后续支持推荐学习资源讲师邮箱书籍《统计过程控制》（蒋家东）、spc.training@example.com《SPC实战手册》、《质量管理工具大全》课程资料下载进阶课程实验设计（DOE）、测量系training.example.com/spc统分析（MSA）、六西格玛绿带/黑带认在线答疑平台每周三下午3-5点证、高级SPC（多变量控制图）学员交流群扫描二维码加入微信群在线资源ASQ官网、Minitab博客、质量管理论坛培训后30天内，讲师将提供免费的邮件答疑支持欢迎随时提问，分享您的SPC持续学习，持续改进，让SPC成为您质量实施进展和遇到的问题管理职业生涯的有力武器！。