nexus/wiki/concepts/Statistical-Process-Control.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
Statistical-Process-Control	concept	Six-Sigma Quality-Control Data-Driven-Decision	testing-workflow-optimizer	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