一种利用统计工具（包括控制图）来监控和控制过程的方法，以确保其发挥全部潜力来生产合格的产品。
- 方法： 精益六西格玛, 制造业, 质量
统计过程控制（SPC）
统计过程控制（SPC）
- 持续改进, 控制图, 过程能力, 流程改进, 质量控制, 质量管理, 统计过程控制（SPC）, 减少废物
目标
如何使用
- 包括收集关键流程或产品特性的数据，将这些数据绘制在控制图上，并分析这些图表以识别和区分普通原因和特殊原因的变异，旨在减少变异并提高流程能力。
优点
- 有助于提高产品质量和一致性；减少浪费、返工和检验成本；提供数据驱动的洞察，以改进流程；使操作人员能够监控和控制其流程。
缺点
- 需要具备统计学和控制图解读的基础知识；实施过程可能比较复杂，需要管理层的投入；数据收集必须准确一致；可能不适用于所有类型的流程（例如，非常短的运行、高度定制化的流程）。
类别
- 精益六西格玛, 制造业, 质量
最适合：
- 提高和保持工艺稳定性，减少变异性，并确保产品始终符合规格。
统计过程控制 (SPC) 在制造业、医疗保健、食品生产以及任何对过程稳定性和质量要求极高的行业中都有着广泛的应用。例如，在汽车制造业中，SPC 用于监控装配线流程，确保零部件始终符合所需的公差，从而提高产品的安全性和可靠性。在医疗保健领域，SPC 可以评估患者护理流程，通过最大限度地减少医疗程序中的变异性来改善治疗效果。这种方法在项目生产阶段尤为有益，因为持续监控产品特性有助于实时识别问题，从而实现及时干预。质量工程师、工艺操作员和生产经理等团队成员通常会发起 SPC 实践，从而在组织内部培养质量意识和持续改进的文化。可以开展培训课程，以确保所有参与者都能熟练地使用控制图并有效地分析数据趋势。通过 SPC 生成的统计数据不仅推动了流程改进计划，而且还为受严格质量标准约束的行业提供了合规依据。此外，采用 SPC 可以降低产品召回的可能性，从而提高客户满意度和忠诚度，这对于公司在竞争激烈的市场中取得长期成功至关重要。
该方法的关键步骤
- 选择关键工艺或产品特性进行监控。
- 根据历史数据建立控制限值。
- 创建控制图，以可视化过程数据随时间的变化。
- 分析控制图以识别常见原因变异。
- 当出现特殊原因变异时，应进行调查。
- 针对特殊原因采取纠正措施。
- 监控正在进行的过程，并根据需要调整控制限值。
- 定期审查和更新控制图，以反映过程的变化。
- 对员工进行SPC技术培训，以更好地监督流程。
专业提示
- 利用属性控制图对定性数据进行分析，可以检测出传统变量图可能遗漏的产品质量变化。
- 引入多元控制图来分析多个过程因素之间的相互作用，从而加深对变异性的理解。
- 实施实时数据可视化工具，以促进即时反馈循环，从而更快地进行调整以维持控制限度。
历史背景
（如果日期未知或不相关，例如“流体力学”，则提供其显著出现的近似估计）
