【测试】统计过程控制(SPC)在机加工中的应用实战
用数据驱动质量改进
统计过程控制（SPC）是通过统计方法对生产过程进行分析和控制的工具。它可以帮助我们在问题发生之前就发现过程的异常波动，从而预防不合格品的产生。
一、SPC的基本概念
SPC的核心思想是区分两类变异：
- 普通原因变异：过程固有的、随机的变异（可控范围内）
- 特殊原因变异：由特定原因引起的异常变异（需查明并消除）
二、常用的控制图类型
| 控制图类型 | 用途 | 样本量 |
|---|---|---|
| Xbar-R图 | 计量数据，均值和极差 | n=2-6 |
| Xbar-S图 | 计量数据，均值和标准差 | n≥7 |
| I-MR图 | 单值和移动极差 | n=1 |
| P图 | 不合格品率 | 计件数据 |
| C/U图 | 缺陷数 | 计点数据 |
三、控制限的计算
以Xbar-R图为例：
- CL（中心线）= X̄̄ （总平均值）
- UCL/LCL（上下控制限）= X̄̄ ± A₂R̄
- 其中A₂是与样本量有关的常数
四、判异规则（西方电气规则）
当出现以下情况时，判定过程异常：
- 1个点超出3σ控制限
- 连续3个点中有2个超出2σ侧
- 连续5个点中有4个超出1σ侧
- 连续8个点在中心线同一侧
- 连续6个点递增或递减
- 连续14个点交替升降