3sigma原则_SPC干货集锦：计量型控制图讲解及对小概率原则的一些思考

很久没有在知乎更新文章，主要最近忙于各类主机厂及第三方的质量审核，现在总算稍微有点时间，继续我的SPC干货系列，本文讲讲控制图的相关内容。

首先我们要知道什么叫做“受控”，其实很简单，按照时髦的话说就是：under control！那么如何才算是受控呢？一般在制造过程中，即使在工艺条件保持不变的情况下，仍然存在随机波动影响参数的一致性，但如果过程中只存在由随机原因引起的起伏，不存在异常原因，则称过程处于统计受控状态，因此受控不代表一成不变。

其实现在在工作中很多人会有一个较大的误解，那就是SPC是针对产品的，可能对于大多数实施SPC的人来说，他们主要针对产品的尺寸、重量、性能等等参数进行研究，而事实上极少对过程的参数如温度、气压、电压、扭矩、力值开展SPC，诚然产品特性是最终的输出，但是有时候过分着眼于产品容易对SPC的概念产生不小的误解，一个非常常见的误区就是其与合格率之间的关系：一个受控的过程其产品合格率一定很高。为什么我说这是一个误区，原因就在于这两个结果之间不存在完全的对应关系，如果一个过程的参数控制非常严格，那么即使过程出现非随机的扰动，出来的产品合格率仍然可能很高，而如果一个过程的参数设置不合理，即使它完全受控也可能产生大量的不良。举一个比较简单的例子：一个学霸由于最近家庭原因导致状态下滑，但他仍然能够高数线代大物全部满分（可能由于考试内容相对简单），所以单看结果而不看过程的SPC是容易产生误判的。因此我们在进行SPC控制图的使用过程中可以同时引入产品及过程的参数进行共同管控。

下面进入本篇文章的主要议题之一：计量型控制图的一般使用及分析方法。讲解的内容将主要集中在两个方面：1）控制图上下限的计算；2）统计受控状态的判断规则。那么为什么主要只写这两块内容呢？原因就在于其他内容相对没有什么难度，全部写进去一来篇幅太长耗时巨大，二来网络相似内容极多，无需赘述。

控制图上下限的计算

众所周知，控制图的上下限的计算公式为：