统计过程控制

统计过程控制是由Walter A. Shewhart在20世纪20年代初开创的。Shewhart创建了控制图的基础，并提出了通过精心设计的实验实现统计控制状态的概念。虽然Shewart博士从纯数学统计理论中汲取灵感，但他了解到物理过程的数据很少会产生"正态分布曲线"（高斯分布，也就是通常所说的"钟形曲线"）。他发现了在制造数据中观察到的变化如何不总是与自然界中的数据（例如，粒子的布朗运动）表现相同。Shewhart博士得出结论，虽然每个过程都会显示变异，但有些过程显示出自然的受控变异（变异的共同原因），而另一些过程则显示出不在过程因果系统中始终存在的不受控变异（变异的特殊原因）。不受控变异往往与缺陷产品相关联，为发现问题和提高质量提供了数据驱动的手段。

W.爱德华-戴明后来在第二次世界大战期间将SPC方法应用于美国，从而成功地提高了军需品和其他具有战略意义的产品的制造质量。战争结束后，他在将SPC方法引入日本工业方面发挥了重要作用。戴明将SPC方法与相关管理实践相结合的方法，被称为质量管理体系。

下面的描述涉及制造业而不是服务业，尽管SPC的原则可以成功地应用于这两个行业。关于SPC如何应用于服务环境的描述和例子，请参考Roberts（2005）。Selden以戴明著名的"红珠实验"为例，描述了如何在销售、市场和客户服务领域使用SPC，并做了简单易行的示范。

在大规模制造中，成品的质量传统上是通过对产品的制造后检验来实现的；根据每件产品（或生产批次的样品）是否符合其设计规格来接受或拒绝。相比之下，统计过程控制则是利用统计工具观察生产过程的性能，以预测以后可能导致产品被拒绝的重大偏差。

所有制造过程中都会出现两种变异：这两种类型的过程变异都会导致最终产品的后续变异。第一种被称为自然或共同原因的变化，包括设计过程中固有的变化。共同原因的变化可能包括温度的变化、原材料的特性、电流的强度等。第二种变异被称为特殊原因变异，或可分配原因变异，其发生频率低于第一种。经过充分的调查，可以为特殊原因的变化找到一个具体的原因，如异常的原材料或不正确的设置参数。

例如，早餐麦片包装线可能被设计成在每个麦片盒中装满500克产品，但按照净重的分布，有些盒中的产品将略多于500克，有些则略少。如果生产过程、它的投入或它的环境发生变化（例如，进行制造的机器开始磨损），这种分布就会发生变化。例如，随着其凸轮和滑轮的磨损，谷物灌装机可能会开始向每个盒子中投入比规定更多的谷物。如果允许这种变化不加控制地继续下去，就会生产出越来越多的产品，这些产品超出了制造商或消费者的公差范围，造成浪费。虽然在这种情况下，浪费的形式是为消费者提供"免费"的产品，但通常浪费是由返工或废品组成。

通过在合适的时间观察导致变化的过程中发生了什么，质量工程师或负责生产线的任何成员都可以排除潜入过程中的变化的根本原因，并纠正问题。

SPC表示在一个过程中什么时候应该采取行动，但它也表示什么时候不应该采取行动。例如，一个人想保持恒定的体重，每周都要测量体重。一个不了解SPC概念的人可能会在每次体重增加时开始节食，或者在每次体重减少时吃得更多。这种行为可能是有害的，可能会产生更多的体重变化。SPC可以解释正常的体重变化，并更好地表明一个人的体重实际上是在增加或减少。

统计过程控制可大致分为三组活动：了解过程；了解变化的原因；消除特殊原因的变化源。统计过程控制的关键工具是控制图、注重持续改进和设计实验。

在了解一个过程时，通常会绘制过程图，并使用控制图对过程进行监控。控制图用于确定可能是由于特殊原因造成的变化，并使用户不必担心由于普通原因造成的变化。这是一项连续的、持续的活动。当一个过程是稳定的，并且没有触发控制图的任何检测规则时，还可以进行过程能力分析，以预测当前过程在未来生产符合（即在规格内）产品的能力。

当控制图检测规则发现有过多的差异，或发现工艺能力不足时，就会做出额外的努力，以确定差异的原因。使用的工具包括石川图、设计实验和帕累托图。设计实验对SPC的这一阶段至关重要，因为它们是客观地量化许多潜在差异原因的相对重要性的唯一手段。

一旦差异的原因被量化，就会花力气消除那些在统计上和实际意义上都很重要的原因(即一个只有很小但在统计上有重要影响的原因可能不被认为是具有成本效益的解决方法；但是，一个在统计上不重要的原因永远不能被认为是具有实际意义的)。一般来说，这包括制定标准工作、防错和培训。可能需要进行额外的流程变更，以减少变化或使流程与预期目标一致，特别是在流程能力存在问题的情况下。

1989年，软件工程协会提出了一个概念，即SPC可以有效地应用于能力成熟度模型（CMM）中的非制造过程，如软件工程过程。今天，这一理念存在于能力成熟度模型集成（CMMI）的4级和5级实践中。然而，这种认为SPC在应用于非重复性的知识密集型过程（如工程过程）时是一种有用的工具的观念，却遇到了许多怀疑，至今仍有争议。问题在于软件的众多领域不是重复性的，而是一次性或一次性的质量方面，而不是从长期的角度观察重复的性能。

• 质量保证
• 质量控制
• 方差分析
• 抽样
• 六西格玛