SPC（Statistical Process Control，统计过程控制）是制造业（尤其汽车、电子、精密制造领域）核心的预防型质量管理工具，通过数理统计方法监控生产过程的波动，提前识别异常并消除，确保过程稳定受控，是IATF 16949（汽车行业质量管理体系）的强制要求，也是质量六大工具（APQP、FMEA、MSA、PPAP、SPC、CP）的核心组成。
SPC的本质是“过程波动的‘天气预报’”：通过分析过程数据的统计规律，区分“正常波动”（随机因素，如设备微小磨损）和“异常波动”（系统因素，如设备故障、工艺错误），提前预警并消除异常，避免批量质量问题。
核心价值：
预防为主：从“事后检验”转向“事前控制”，减少返工/报废成本；
数据驱动：用客观数据替代经验判断，确保决策精准；
过程稳定：维持过程在“受控状态”，保证产品一致性（如汽车零部件尺寸、锂电池容量）；
合规要求：满足IATF 16949、ISO 9001等体系对过程控制的审核标准。
SPC的底层逻辑是区分两类波动，这是判断过程是否“稳定”的关键：
波动类型 产生原因 特点 应对策略
普通原因波动 过程固有随机因素（如设备微小振动、原材料轻微差异） 始终存在、波动小、可预测 优化过程（如升级设备）
特殊原因波动 外部系统因素（如设备故障、人员误操作、原材料批次不合格） 偶然发生、波动大、不可预测 立即消除（如停机检修）
关键结论：当过程仅存在普通原因波动时，称为“统计受控状态”；一旦出现特殊原因波动，需立即干预。
SPC的实施分为两大阶段，确保过程从“不稳定”到“持续受控”：
阶段1：分析过程（让过程“受控”）
确定关键特性：选择需控制的质量指标（如锂电池的“极片厚度”、汽车零件的“孔径”）；
收集数据：按规则采集数据（如X̄-R图需连续采集25组，每组5个数据）；
绘制分析用控制图：计算控制限，识别并消除特殊原因（如数据点超出控制限）；
验证过程能力：若过程稳定，计算过程能力指数（CpK），判断是否满足客户要求（如CpK≥1.33为“能力充足”）。
阶段2：监控过程（维持“受控”）
绘制控制用控制图：用阶段1确定的控制限监控日常生产；
实时预警：若数据点超出控制限或出现异常趋势（如连续6点上升或下降），立即触发报警；
持续改进：定期回顾控制图，优化过程（如降低普通原因波动）
SPC广泛应用于精密制造领域，以下是核心行业案例：
汽车行业：监控发动机缸体尺寸，确保装配精度；
锂电池行业：监控极片涂布厚度、电解液注入量，避免容量不足或漏液；
电子行业：监控PCB板锡膏厚度、贴片精度，减少焊接不良；
医疗行业：监控注射器刻度误差，保证用药剂量准确。
总结：SPC是制造业“过程质量控制的基石”，通过数据化、可视化的方式，让过程波动“看得见、管得住”，最终实现“用数据保证质量”的目标。
控制图是SPC最核心的可视化工具，通过“中心线（CL）+上下控制限（UCL/LCL）”监控过程波动，分为计量型和计数型两大类：
1. 计量型控制图（连续数据，如尺寸、重量）
适用于关键质量特性（如汽车零件直径、锂电池极片厚度），常用类型：
均值-极差图（X̄-R图）：最经典，监控过程的“集中趋势（均值）”和“离散程度（极差）”；
单值-移动极差图（X-MR图）：适用于数据采集成本高的场景（如大型设备零件测量）。
2. 计数型控制图（离散数据，如不合格品数）
适用于定性判断（如外观缺陷、焊接不良），常用类型：
不合格品率图（P图）：监控批次不合格品比例（如100件产品中3件不合格）；
缺陷数图（C图）：监控单位产品的缺陷数（如每块电路板的焊点缺陷数）。
控制图原理：基于3σ原则（正态分布特性），若数据超出“均值±3σ”范围（约占0.27%），判定为“异常波动”，需立即排查原因。
