质量管理 #SPC#控制图#质量管理#六西格玛
SPC 统计过程控制：X-bar R 控制图实战指南
从抽样策略到控制限计算，手把手教你在量产阶段用 X-bar R 图监控关键质量特性，判断过程是否稳定受控。
李工
约 2 分钟阅读
前言：为什么需要 SPC
传统检验是事后补救——产品已经生产出来再去筛选不良品，代价高昂。SPC 的核心逻辑是实时监控过程，在异常萌芽时就发出预警。
X-bar R 图原理
适用条件
- 计量型数据（连续值，如尺寸、重量、硬度）
- 每组子组样本量 n = 2~10（推荐 n=5）
- 数据近似正态分布
控制限计算
收集 20~25 组数据后计算：
X-bar 图：
UCL_x = X̄̄ + A₂ × R̄
CL_x = X̄̄
LCL_x = X̄̄ - A₂ × R̄
R 图：
UCL_R = D₄ × R̄
CL_R = R̄
LCL_R = D₃ × R̄ （n≤6 时 LCL_R = 0）
常用系数表（n=5）：A₂=0.577, D₃=0, D₄=2.114
判异准则（Nelson Rules 节选）
| 规则 | 判异条件 | 信号含义 |
|---|---|---|
| 规则 1 | 1点超出控制限 | 特殊原因 |
| 规则 2 | 9点连续在中心线同侧 | 均值漂移 |
| 规则 3 | 6点连续递增或递减 | 趋势性变化 |
| 规则 4 | 14点交替上下波动 | 分层抽样 |
发现判异信号后，立即停线，追溯原因，填写异常报告。
过程能力指数
过程稳定受控后，计算 Cpk：
Cp = (USL - LSL) / (6σ)
Cpk = min[(USL - X̄) / (3σ), (X̄ - LSL) / (3σ)]
行业要求：Cpk ≥ 1.33（汽车行业要求 ≥ 1.67）
实施要点
- 由工程师建立初始控制图，而非操作员
- 控制限 ≠ 规格限，切勿混淆
- 每班至少抽样 4 次，保证及时发现异常
- 控制图悬挂在工位旁，操作员亲自描点，增强参与感