59 lines
2.5 KiB
Markdown
59 lines
2.5 KiB
Markdown
---
|
||
title: "Statistical-Process-Control"
|
||
type: concept
|
||
tags: [Six-Sigma, Quality-Control, Data-Driven-Decision]
|
||
sources: [testing-workflow-optimizer]
|
||
last_updated: 2026-04-21
|
||
---
|
||
|
||
# Statistical-Process-Control
|
||
|
||
统计过程控制（SPC）——使用统计方法（主要是控制图）监控过程稳定性，区分常见原因变异和特殊原因变异，使过程可控、可预测，并支持基于数据的持续改进决策。
|
||
|
||
## Aliases
|
||
- SPC
|
||
- 统计过程控制
|
||
- Statistical Quality Control (SQC)
|
||
|
||
## Core Concept: Variation
|
||
所有过程都存在变异，SPC 的核心是区分两类变异来源：
|
||
|
||
| 变异类型 | 英文 | 来源 | 特征 | 处置 |
|
||
|----------|------|------|------|------|
|
||
| 常见原因变异 | Common Cause | 过程内在的正常随机波动 | 稳定、可预测 | 通过过程改进系统性减少 |
|
||
| 特殊原因变异 | Special Cause | 特定外部因素导致 | 不稳定、不可预测 | 识别并消除根本原因 |
|
||
|
||
**Gerald M. Weinberg 第一定律**：即使是最简单的系统，只要测量足够精确，就能观察到随机涨落；因此，变异永远存在，区分其来源是关键。
|
||
|
||
## Control Charts（控制图）
|
||
SPC 的核心工具，通过建立控制上限（UCL）和控制下限（LCL），监控过程是否处于统计控制状态。
|
||
|
||
### Common Types
|
||
- **X̄-R Chart**（均值-极差图）：监控连续数据的均值和变异
|
||
- **X̄-S Chart**（均值-标准差图）：大样本（n>10）场景
|
||
- **p Chart**（比率图）：监控不合格率等比例数据
|
||
- **c Chart**（计数图）：监控缺陷数
|
||
|
||
### Interpretation Rules（Western Electric Rules）
|
||
- 1 点超出 UCL/LCL → 特殊原因，可能失控
|
||
- 连续 9 点在中心线同一侧 → 过程漂移
|
||
- 连续 6 点递增或递减 → 趋势
|
||
- 连续 14 点交替上下 → 系统性周期变异
|
||
|
||
## SPC in Six-Sigma
|
||
SPC 是 [[Six-Sigma]] DMAIC 中 Analyze 和 Control 阶段的核心工具：
|
||
- **Measure**：建立过程基线和控制图
|
||
- **Analyze**：识别特殊原因变异
|
||
- **Control**：维持改进后的稳定过程
|
||
|
||
## In Workflow Optimization
|
||
[[testing-workflow-optimizer]] 将 SPC 整合到四阶段工作流：
|
||
- **现状分析**：使用控制图建立基线性能
|
||
- **优化验证**：改进后通过 SPC 确认过程稳定性
|
||
- **持续监控**：自动化监控异常信号
|
||
|
||
## Connections
|
||
- [[Six-Sigma]] — SPC 是 Six-Sigma 的核心工具
|
||
- [[Lean]] — SPC 支撑 Lean 的数据驱动决策
|
||
- [[Kaizen]] — SPC 发现的问题通过 Kaizen 活动改进
|