在問題解決之道（四）中，我們探讨了通過DOE等工具，計算出具體的Y= f(X) 的關系函數式，以及找出最佳之生産條件組合。取得成果後，如何維持成效，如何确保成果的長期、穩定，是我們今天要讨論的内容。

統計過程控制（Statistical Process Control）是一種借助數理統計方法的過程控制工具，利用抽樣所得之樣本數據(樣本統計量)來監視制程之狀态，在必要時采取調整制程參數之行動，以降低産品質量之變異性。統計過程控制為預防性之質量管理手段，強調：第一時間就做對(Do it right the first time)。

常用的控制方法包括：防錯型、警示型、檢查型，如下藍圖所示。

1、防錯型 (Mistake proofing/Error proofing)，方法: Poka-Yoke。

對流程做了防錯設計，缺陷永遠不會發生。可以理解為，設置某一個流程、方法、裝置等，達成如果出現錯誤，無法進行下一步操作。

2、警示型 (Flag)，方法: SPC。

對流程做了定時的監控(抽檢)并提供實時警示，一旦異常信号,馬上執行OCAP (out of control action plan異常應對計劃)。預防發生缺陷，缺陷發生的機率大大降低。

3、檢查型 (Inspection，Screening)，方法: 監控流程和産品，終檢産品。

對流程執行抽檢或者是全檢，删除因錯誤條件所産生的不良品。我們可以采取監控手段，來阻止繼續不良；或者終檢手段，來過濾不良。

我們重點介紹一下統計過程控制SPC。

那麼，我們為什麼需要SPC？

是因為，在任何的生産程序中，不管如何設計或維護，産品一些固有的或自然之變異将永遠存在。這些變異是由一些小量不可控制原因累積而成，例如：同種原料内的變化、機器的振動所引起的變化等，當這些變異之量極小時，流程仍可被接受。這些自然變異通常稱為随機原因(random causes) ，當流程在隻有随機原因出現下操作，則稱其在管制中(in control)。

當然，SPC有一定的應用範圍。

統計流程控制适合應用于流程問題受到生産設備或操作人員之影響時。統計流程控制牽涉到産品和流程的控制，但其重點是在質量數據分析，隻有在質量數據顯示制程不穩定時，才考慮調整流程參數。

在傳統應用上，SPC通常是用來監控一個流程的輸出，亦即 y’s 。但，除了 y’s 外，SPC也被用來監控重要的流程輸入 x’s ，以便盡快偵測出流程受到特殊原因所造成的改變，以确保 y 的改善能夠維持。

我們來看看SPC有哪些構成要素？

UCL（Upper Control Limit）

LCL（Lower Control Limit）

CL（Center Line）

其中，平均值為為μ ，标準偏差為 σ，k 一般設為 3，因此我們稱此管制圖為3個 (倍) 标準偏差管制圖（99.73%的預期流程變異會落在此管制界限中）。

SPC的建立制作，一般遵循下面流程步驟。

l 選擇打算以管制圖監視之特性；

l 決定管制圖之種類；

l 決定樣本大小、抽樣頻率和抽樣方式；

l 收集數據；

l 計算管制界限，含中心線和上、下管制界限；

l 将樣本統計量描繪于圖上，判斷制程是否在管制内；

l 若有必要，必須剔除異常數據，修改管制界限；

l 繼續收集數據，利用管制圖監視制程。在适當時機修改管制界限，持續監視制程。

最後，SPC繪制出來後，該如何應用。

傳統Shewhart管制圖隻考慮最近的一點是否落在管制界限内，作為流程是否在管制内之依據。但所有點均落在管制界限内并不能保證制程變異穩定。

為了彌補傳統管制圖之缺失，專家學者另外提出一些測試法則來判斷流程數據。較常用的法則有區間測試 (zone tests) 及連串測試 (run tests) ，再次我們不做過多介紹。

最後的最後，

問題解決之道從一到五，是比較完整的問題發現到解決的定、量、析、改、控五個階段：

定，即定義問題；

量，即量測分析；

析，即分析因子；

改，即制定對策；

控，即固化成果。

希望對大家有所啟發！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!