SPC即统计过程控制（Statistical Process Control）。SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。

在生产过程中，产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。

统计过程控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。  

随着市场竞争的日益激烈，企业对产品的质量提出了更高的要求，在产品生产的过程中，产品的加工尺寸等规格由于某些原因会发生一定的波动，这种波动对产品的质量影响很多，但是完全可以通过采取措施来避免和消除这种波动所造成的影响，这种措施就是过程控制，过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。目前，世界许多大公司不仅自身采用SPC，而且要求供应商也必须采用SPC控制质量，SPC业已成为企业质量管理必不可少的工具和质量保证手段，也是利用高新技术改造传统企业的重要内容。

SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到“事前“预防和控制应用SPC进行质量控制可使企业获得以下几方面的好处：

A、提高产品合格率，降低生产成本，提高企业效益

B、降低产品售后服务费用，包括因质量原因引发的退货、换货、修理

C、实时监控企业质量管理过程，全面掌握质量动态，及时发现质量变异

D、多种控制图提供质量变异分析方法，提供质量管理决策支持，使质量管理者能找出真正使质量变异的原因，有助于企业持续改善质量

E、获得采购商对质量管理的认可，从而获得更多客户

F、提升现代管理及信息化建设水平，改善企业形象

“SPC统计过程控制系统“通过对生产过程的控制，防止不合格品的出现，达到降低质量成本目的；通过防止不合格产品流向用户，降低了用户抱怨和赔偿。

CPK是Complex Process Capability index 的缩写，是现代企业用于表示制程能力的指标。制程能力强才可能生产出质量、可靠性高的产品。而PPK是SPC中控制图中用来计算工序能力或叫过程能力的指数，是指考虑过程有偏差时，样本数据的过程性能。

CPK与PPK的区别：

1、CPK 主要是子组间的变差产生，所以数据要分组，也就是说，采值是进行分组，涉及到子组，子组容量，采值频次等。它针对的是一个长期的过程。做CPK时，过程要求受控。

2、PPK是整体变差的影响，它不考虑采值的过程，可以连续采值也可以间断采值。

3、PPK的评价过程是稳定过程，PPK可以不是稳定的过程；CPK的样本容量是30~50，PPK的样本容量是大于或等于100；CPK评价的是单批（几小时或几天），PPK评价的是多批（几周或几个月）。CPK=1.33（1.5的偏离）是4σ的水平，合格率达到99.379%。根据PPAP手册在汽车行业量产阶段CPK的接受准则是≥1.67。但≥1.33表示目前尚可接受，需要改进。

4、CPK—过程能力指数（短期的）

5、PPK—过程性能指数（长期的

6、“PPK，是进入大批量生产前，对小批生产的能力评价，一般要求≥1.67；而CPK，是进入大批量生产后，为保证批量生产下的产品的品质状况不至于下降，且为保证与小批生产具有同样的控制能力，所进行的生产能力的评价，一般要求≥1.33；一般来说，CPK需要借助PPK的控制界限来作控制。

企业在用SPC做品质控制的过程中，需要用到的工具手段就是控制图，控制图主要是一个统计管理工具。在SPC统计过程的，为不同的数据应用不同的控制图来统计。首先数据主要分为两大类，一个是计量型数据，另一个是计数型数据。

计量型：用各种计量仪器测出、以数值形式表现的测量结果，包括用量仪和检测装置测的零件直径、长度、形位误差等，也包括在制造过程状态监控测得的切削力、压力、温度、浓度等。

计数型：通常是指不用仪器即可测出的数据。计件如不合格件数；计点如PCB上的漏焊数、溢胶数等

以下是常见的控制图类型：
计量型控制图： 
• IX-MR（单值移动极差图）
• Xbar-R（均值极差图）
• Xbar-s（均值标准差图）

计数型控制图： 
• P（用于可变样本量的不合格品率）
• Np（用于固定样本量的不合格品数）
• u（用于可变样本量的单位缺陷数）
• c（用于固定样本量的缺陷数）

那么企业在做SPC品质控制过程中，应如何选择正确的控制图呢？选择技巧可参考以下图表：

一个产品品质的形成需要许多过程（工序），其中有一些过程对产品品质好坏起至关重要的作用，这样的过程称为关键过程，SPC控制图应首先用于关键过程，而不是所有的工序。以上是SPC控制图实施的八大步骤：

1、 识别关键过程
一个产品品质的形成需要许多过程（工序），其中有一些过程对产品品质好坏起至关重要的作用，这样的过程称为关键过程，SPC控制图应首先用于关键过程，而不是所有的工序。因此，实施SPC，首先是识别出关键过程。然后，对关键过程进行分析研究，识别出过程的结构（输入、输出、资源、活动等）。

2、 确定过程关键变量（特性）　　
对关键过程进行分析（可采用因果图、排列图等），找出对产品质量影响更大的变量（特性）。

3、 制定过程控制计划和规格标准
这一步往往是最困难和费时，可采用一些实验方法参考有关标准。

4、过程数据的收集、整理

5、过程受控状态初始分析　　
采用分析用控制图分析过程是否受控和稳定，如果发现不受控或有变差的特殊原因，应采取措施。
注意：此时过程的分布中心（X）和均差σ、控制图界限可能都未知。

6、过程能力分析
只有过程是受控、稳定的，才有必要分析过程能力，当发现过程能力不足时，应采取措施。

7、控制图监控
只有当过程是受控、稳定的，过程能力足够才能采用监控用控制图，进入SPC实施阶段。

8、监控、诊断、改进
在监控过程中，当发现有异常时，应及时分析原因，采取措施，使过程恢复正常。对于受控和稳定的过程，也要不断改进，减小变差的普通原因，提高质量降低成本。

品管新七大手法，也叫品管新七大工具，其作用主要是用较便捷的手法来解决一些管理上的问题，与原来的“旧”品管七大手法相比，它主要应用在中高层管理上，而旧七手法主要应用在具体的实际工作中。因此，新七大手法应用于一些管理体系比较严谨和管理水准比较高的公司。以下是QC旧七大手法跟QC新七大手法的内容：

QC旧七大手法：
特性要因分析图、柏拉图、查检表、层别法、散布图、直方图、管制图。
QC新七大手法：

关系图、系统图法、KJ法、箭头图法、矩阵图法、PAPC法、矩阵数据解析法。

误区之一：没能找到正确的管制点
不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸（特性的）.那么重点尺寸性能如何确定呢?通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可);

误区之二：没有适宜的测量工具.
计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的解析与管制,否则,管制图不能识别过程的谈判.而很多工厂勿略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导;

误区之三：没有解析生产过程,直接进行管制.
管制图的应用分为两个步骤:解析与管制.在进行制程管制之前,一定要进行解析.解析是目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。制程只有在稳定，并且制程能力可以接受的情况下，方才进入管制状态。

误区之四：解析与管制脱节。                                                   
在完成制程解析后，如果我们认为制程是稳定且制程能力可接受的，那么，就进入管制状态。制程控制时，是先将管制线画在管制图中，然后依抽样的结果在管制图上进行描点。那么，管制时管制图的管制线是怎么来的呢？管制图中的管制线是解析得来的，也就是说，过程解析成功后，管制线要延用下去，用于管制。很多工厂没能延用解析得来的管制线，管制图不能表明过程是稳定与受控的。
 
误区之五：管制图没有记录重大事项。

要知道，管制图所反应的是“过程”的变化。生产的过程输入的要项为5M1E（人、机、料、法、环、量），5M1E的任何变化都可能对生产出来的产品造成影响。换句话说，如果产品的变差过大，那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化，那么，这些变化就会在XBAR图或R图上反映出来，我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机，而改善的第一步就是分析原因，那么，5M1E中的哪些方面发生了变化呢？我们可以查找管制图中记录的重大事项，就可以明了。所以，在使用控制图的时候，5M1E的任何变化，我们都要记录在管制图中相应的时段上。
 
误区之六：不能正确理解XBAR图与R图的含义。
当我们把XBAR-R管制图画出来之后，我们到底从图上得哪些有用的资讯呢？这要从XBAR及R图所代表的意义来进行探讨。首先，这两个图到底先看哪个图？为什么？R反应的是每个子组组内的变差，它反映了在收集数据的这个时间段，制程所发生的变差，所以他代表了组内固有的变差；XBAR图反映的是每个子组的平均值的变化趋势，所以其反映的是组间的变差。组内变差可以接受时，有明分组是合理的；组间变差没有特殊原因时，表明我们在一段时间内，对过程的管理是有效的、可接受的。所以，我们一般先看R图的趋势，再看XBAR图。
 
误区之七：管制线与规格线混为一谈
当产品设计出来之后，规格线就已经定下来了；当产品生产出来后，管制图的管制线也定出来了。规格线是由产品设计者决定的，而管制线是由过程的设计者决定的，管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控，与产品规格没有任何的联系，它只决定于生产过程的变差。当西格玛小时，管制线就变得比较窄，反之就变得比较宽，但如果没有特殊原因存在，管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时，往往画蛇添足，在管制图上再加上上下规格线，并以此来判产品是否合格，这是很没有道理，也是完全没有必要的。
 
误区之八：不能正确理解管制图上点变动所代表的意思
我们常常以七点连线来判定制程的异常，也常用超过三分之二的点在C区等法则来判断制程是否出现异常。如果是作业员，只在了解判定准则就好了；但作为品管工程师，如果不理解其中的原委，就没有办法对这些情况作出应变处理。那么这么判定的理由是什么呢？其实，这些判定法则都是从概率原理作出推论的。比如，我们知道，如果一个产品特性值呈正态分布，那么，点落在C区的概率约为4.5%，现在有三分之二的点出现在4.5%的概率区域里，那就与正态分布的原理不一致了，不一致也就是我们所说的异常。
 
误区之九：没有将管制图用于改善
大部分公司的管制图都是应客户的要求而建立，所以，最多也只是用于侦测与预防过程特殊原因变异的发生，很少有用于过程改善的。其实，当管制图的点显示有特殊原因出现时，正是过程改善的契机。如果这个时候我们从异常点切入，能回溯到造成异常发生的5M1E的变化，问题的症结也就找到了。用就管制图进行改善时，往往与分组法、层别法相结全使用，会取得很好的效果。
 
误区之十：管制图是品管的事情
SPC 成功的必要条件，是全员培训。每一个人员，都要了解变差、普通原因、特殊原因的观念，与变关有差的人员，都要能看懂管制图，技术人员一定要了解过度调整的概念……等。如果缺乏必要的培训，管制图最终只会被认为是品管人员的事，而其实我们知道，过程的变差及产品的平均值并不由品管决定，变差与平均值更多的是由生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念，大部分人员都会认为：产品只要合符规格就行了！显然，这并不是SPC的意图。所以，只有品管在关注管制图是远远不够的，我们需要全员对管制图的关注。