SPC 实战培训：从「画图交差」到「降本止血」

你每天在产线上盯着控制图，X-bar R 图一张接一张地画，Cpk 算完发给客户，然后…… 然后就没有然后了。超差了调机，调完又超差，再调，再超。废品率居高不下，客户审核时拿着你的控制图问："这个点出界了，你们做了什么？"你支支吾吾说"调了参数"，客户追问"调了之后呢？过程能力恢复了吗？"——你答不上来。

这门课不讲教科书上的正态分布公式，只讲三件事：新版 SPC 到底改了什么、ISO 22514 怎么打通全链路、从数据到行动的闭环。下面把八大模块的核心干货拆给你看。

先照镜子：十大难题你中了几条

• 控制图画了一堆，出界只会"调机"，越调越乱

• Cpk 算出来 1.67，客户现场复测只有 0.9，被质疑数据造假

• 新版 AIAG & VDA SPC 手册发布了，老方法还停留在"做记录"

• 测量系统 GR&R 超标，SPC 数据全是垃圾

• 非正态硬套正态，控制限全错

• SPC 只在终检做，过程变差根本抓不住；能力达标但长期稳定性一塌糊涂

• 一线看不懂图、多品种小批量样本不够、数据躺 Excel 没和 CIP 挂钩

PART 01

SPC 认知重构：你学的 SPC 可能已经过时了

新版 AIAG & VDA SPC 的核心范式转移，是从"控制图制作"转向"过程行为研究（Process Behavior Study）"。变差的两种来源必须分清：普通原因（Common Cause）是系统固有的、要改系统；特殊原因（Special Cause）是偶发的、要查根因。把特殊原因当普通原因去"调机"，越调越乱，这是十大难题的第一条。

在 IATF 16949:2016 里，SPC 的条款定位很明确：8.5.1.1 控制计划与9.1.1.1 制造过程的监视和测量。ISO 22514 系列则把 MSA、过程能力、统计方法串成一套完整框架。开局第一步永远是数据类型辨析：计量型（Variable）vs 计数型（Attribute），选错控制图，后面全白搭。

✨ 认知里最重要的一条

"合格"不等于"稳定"。统计思维看的是过程的波动结构，工程思维只看单件合不合格——SPC 的价值恰恰在前者。

PART 02

数据基础：垃圾进，垃圾出，先搞定数据质量

测量系统分析（MSA） 和 SPC 是共生关系：GR&R 不达标，SPC 免谈。经验线是把GR&R % Study Var 控制在 ≤ 10%，10%~30% 要评估可接受，超过 30% 数据不可信。抽样策略也不是拍脑袋：子组大小、抽样频率、子组数量都要科学确定——计数型子组量尤其讲究（详见我们上一篇《计数型控制图：子组至少抽多少件，监控才有效？》）。

正态性检验用 Anderson-Darling 或 Shapiro-Wilk。但记住：非正态数据不是"不能做"，是要换方法——Box-Cox / Johnson 变换、百分位能力指数、或皮尔逊/验收控制图直接上。后面模块会展开。

能力指数三条红线

稳定、正态、独立——三条不满足，Cp/Cpk 算出来也无效。很多人 Cpk 1.67 客户复测 0.9，就是踩了"过程没稳定就谈能力"或"数据自相关"的坑。

PART 03

计量型控制图实战：X-bar R 只是入门

常规三件套：均值-极差图（X-bar R）入门款；子组量 > 9 时用均值-标准差图（X-bar S）更准；单件小批量、化学分析、测试成本高用单值-移动极差图（I-MR / X-MR）。快速换型、短制程用预控制图（Pre-control）做轻量监控。

要抓微小偏移，记忆型控制图是标配：累积和控制图（CUSUM） + 指数加权移动平均图（EWMA），数字化系统识别缓慢漂移必备。非正态过程则各有归属：分布模型 A2（圆度/位置度等几何公差）用皮尔逊控制图；模型 C、D 用验收控制图；回顾过程能力是否劣化用带扩展限的休哈特控制图。

实战演练

给定一组机加工尺寸数据，先判数据类型、子组量、分布，再选对图——选错图，控制限和判异全失准。

PART 04

计数型控制图：不良率 / 缺陷数也能量化管控

计件用p 图（不合格品率，样本量可变）和np 图（不合格品数，样本量固定）；计点用c 图（缺陷数，单位固定）和u 图（单位缺陷数，单位面积/长度可变）。计数型最容易被忽略的是样本量——n·p̄ ≥ 5 才是底线，推荐 ≥ 9，否则 3σ 限失真、图退化成"单侧报警器"。这块我们单独写过一篇，结论三句话：np̄≥5 底线 / np̄≥9 推荐 / 9(1−p̄)/p̄ 翻倍可探测。

实战演练：用线束外观检验数据建立 u 图——样本量随检验长度变化，正是 u 图的主场。

PART 05

过程能力与性能分析：Cpk 不是想算就能算

先把全家福认全：Pm / Pmk / Cp / Cpk / Pp / Ppk / Cw / Cwk。C 系列是"潜在/短期"（组内变异），P 系列是"实际/长期"（总变异）；带 k 的是考虑目标偏移的版本。关键不是会算，是读懂差距：Cpk 与 Ppk 差距大，说明过程长期在飘——短期能力再好看也白搭。

非正态数据的过程能力，用基于百分位数的能力指数（Cpk 的稳健替代，ISO 22514-2 定义）来算，别硬套正态公式。客户为什么要求 Cpk ≥ 1.33、1.67？本质是过程均值漂移 ±1.5σ 时仍要守住规格——这是长期实践折算出来的安全垫。

✨ 顺序不能反

先稳定，再谈能力。过程行为研究的第一步永远是把特殊原因消灭、让过程受控，再去算能力指数——反过来就是"数据造假"现场。

PART 06

过程行为研究：从"监控"到"预测"（新版核心）

AIAG & VDA 新版 SPC 的核心理念就是 Process Behavior Study。控制限被重新定义：不是固定的 3σ，而是基于过程实际数据计算出来的。稳定性判定也从"看点出界"升级为看趋势、周期、分层。判异规则用增强版：Western Electric Rules + Nelson Rules 共 8 大规则，但要知道每条的误报率——规则越多，虚警越频，别滥用。

PART 07

特殊场景 SPC：多品种小批量 / 短制程 / 自动化

短制程用标准化控制图（Z-MR 图）把不同过程标准化到同一刻度；有明确目标值的特性用目标值控制图（Target Chart）。多品种共线生产，策略是差异化控制限 vs 标准化控制二选一。自动化产线 100% 检验数据，用 EWMA / CUSUM 做实时过程控制；特性受其他变量影响时，上回归控制图。

PART 08

落地与持续改进：从"画图"到"降本"

SPC 的终点不是图，是反应计划（Reaction Plan）——控制图异常时的标准操作流程（IATF 16949 审核认可格式）。SPC 是控制计划（Control Plan）的核心输入，两者要联动。闭环打法：SPC 定位问题根源 → 用 8D 解决 → 用过程能力验证改进效果；能力不足 → FMEA 重新评估 → 改进 → 能力验证。一线推广靠看板设计、培训要点、分层审核嵌入。

最后用ROI收口：把 SPC 驱动改进省下的钱算出来，用数据说服老板持续投入。一位学员的反馈很说明问题："以前做 SPC 就是画图交差，学完用 I-MR 图分析热处理数据，揪出藏了半年的设备漂移，改完废品率降了 40%。"

PART 09

测测你的 SPC 段位：课前 5 问自检

• ①

  控制图出现连续 6 点上升趋势时，你的标准操作是什么？

• ②Cwk=1.0 和 Ppk=0.8

  同时出现，说明过程存在什么问题？

• ③

  你的测量系统GR&R % Study Var是多少？是否 ≤ 10%？

• ④

  非正态数据（如表面粗糙度），你用什么控制图？

• ⑤

  过去一年，SPC 数据驱动了多少个改进项目？省了多少钱？

✨ 课后工具包（直接能用的）

• SPC 计算 Excel 模板包：X-bar R、I-MR、p、u、c、皮尔逊、验收、扩展限休哈特、EWMA、CUSUM，输入数据自动出图、自动判异

• 过程能力计算器：Pm/Pmk/Cp/Cpk/Pp/Ppk 自动算

• 反应计划模板（IATF 16949 认可格式）+ SPC 控制点布局 Checklist（基于 PFMEA）+ 一线看板设计参考图

PART 10

SPC 不是质量部的报表游戏，是全工厂的降本武器。控制图上的每一个点，都是钱的声音——听懂它，你就是工厂里最值钱的人。

推荐阅读（也是这门课的权威来源）：《AIAG & VDA SPC Reference Manual（2026 新版）》官方手册、《ISO 22514-2:2026 过程能力与性能》、《Understanding Statistical Process Control》by Donald J. Wheeler、《质量管理中的统计方法》by 中国质量协会、《IATF 16949:2016 内审员教程》。

如果这篇导读对你有用，点个赞、转给正在"凭感觉调机"的同事——让更多人把控制图用成降本工具，而不是交差道具。

如果这篇文章对你有帮助

点个赞、收藏起来，或者转发给需要的朋友

转发

PLAN

培训计划

——东方大易每月最新培训计划——

学员风采

版权声明： 本微信公众号（IATF16949）所推送文章中，部分来源于网络。除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，我们会在 24 小时内删除处理，谢谢！内容若有误，欢迎批评指正

加群或咨询课程具体内容

扫码添加客服企业微信号咨询

离开前，记得点个和❤