SPC（Statistical Process Control，统计过程控制） 是汽车行业 AIAG 五大质量手册 之一，核心是用统计方法（尤其是控制图）实时监控生产过程，区分普通原因与特殊原因波动，实现预防为主、提前预警、稳定过程、减少不良。

一、SPC 手册定位与来源

• 五大手册
  ：APQP、FMEA、PPAP、MSA、SPC
• 发布
  ：AIAG（美国汽车工业行动组），后与德国 VDA 合并为 AIAG-VDA SPC 手册（第 1 版，2021）
• 核心思想
  ：过程决定质量，不是靠事后检验，而是事前 / 事中控制

二、SPC 核心概念

1. 两种波动（变差）

• 普通原因（随机波动）
• 固有的、微小、不可避免（设备、材料、环境固有变化）
• 数据呈稳定随机分布（通常近似正态）
• 过程受控（in control）：只需系统改进
• 特殊原因（异常波动）
• 突发、系统性、可避免（设备故障、工装磨损、人员误操作、原材料批次异常）
• 数据失控（out of control）：必须立即排查、局部纠正

2. 控制图（休哈特图）——SPC 核心工具

结构：

• CL（中心线）
  ：过程均值
• UCL / LCL（上 / 下控制限）
  ：±3σ 统计边界（不是规格限！）

判异（常见）：

• 点超出 UCL/LCL
• 连续 7 点上升 / 下降
• 连续 7 点在中心线一侧
• 连续多点接近控制限等

三、控制图类型（常用）

1. 计量型（连续数据：长度、重量、强度等）

• X̄-R（均值 - 极差）
  ：小样本 n=2~5，最常用
• X̄-S（均值 - 标准差）
  ：n>10
• I-MR（单值 - 移动极差）
  ：单件、长周期、破坏性检验
• EWMA / CUSUM
  ：微小偏移敏感

2. 计数型（离散数据：合格数、缺陷数）

• p 图
  ：不合格品率（样本量可变）
• np 图
  ：不合格品数（样本量固定）
• c 图
  ：缺陷数（样本量固定）
• u 图
  ：单位缺陷数（样本量可变）

四、过程能力（稳定后评估）

1. 常用指数

• Cp
  ：潜在能力（宽度比）
• Cp = (USL-LSL) / 6σ
• 只看波动大小，不看中心位置
• Cpk
  ：实际能力（考虑偏移）
• Cpk = min( (USL-μ)/3σ, (μ-LSL)/3σ )
• 汽车行业常用要求：Cpk ≥ 1.33（受控）、≥1.67（优）
• Pp / Ppk
  ：长期性能（含普通 + 特殊原因，不稳定时用）

2. 判读

• Cpk < 1.0：能力不足，不良率高
• 1.0 ≤ Cpk < 1.33：临界，需改进
• ≥1.33：充分，可稳定监控

五、SPC 实施步骤（手册标准流程）

1. 选关键特性
   （KPC/KCC：尺寸、力、温度、硬度等）
2. 确定抽样
   （频率、样本量）
3. 收集数据、画分析用控制图
4. 判稳
   ：剔除特殊原因，直到过程稳定
5. 计算控制限
   ，转为控制用控制图
6. 计算 Cpk
   ，判断过程能力
7. 持续监控
   ：出现失控立即识别 - 消除 - 预防

六、SPC 与其他四大工具关系

• APQP
  ：SPC 是过程控制的策划输出（控制计划）
• PPAP
  ：必须提交 控制图 + Cpk 证明过程稳定
• FMEA
  ：高 RPN 项目需用 SPC 监控
• MSA
  ：先做 MSA 合格，SPC 数据才可信

七、AIAG-VDA SPC 手册（2021）要点

• 更强调风险思维、过程理解、防错结合
• 区分稳定 / 不稳定、正态 / 非正态数据处理
• 明确角色职责、记录保留、持续改进

八、一句话总结

SPC 就是用控制图给过程做 “心电图”，提前发现异常、稳定波动、提升能力，实现质量从 “检验把关” 到 “预防控制”。

发送【质量书籍】获取2.29G电子书；

发送【体系标准】获取常用标准资料；