统计过程控制（SPC）实战：一张控制图救了我一条产线

那是个噩梦般的周一早晨。夜班交了38件废品——关键尺寸超差，全部报废。原因？刀具磨损到极限，但没人发现。如果当时有一张实时更新的控制图……算了，不说如果。这件事逼着我重新捡起了SPC，结果半年后，同样的产线，过程能力指数从0.8干到了1.67。今天把这些血泪换来的心得抖出来，可能有点乱，但够真实。

控制图选型：我踩过的坑，你别踩

一开始我傻乎乎地全用 Xbar-R 图。轴径、孔径、粗糙度，通通均值-极差。直到有次零件内孔出现了突然的锥度变异，Xbar-R 纹丝不动——差点又出一批废品。为什么？因为均值图对单个样本内的波动不敏感，而锥度是同一零件两端直径差，属于组内变异。后来换了 Xbar-S 图才抓住问题。所以，样本量n>10时别犹豫，直接用标准差图。n=3~5，Xbar-R够用；单件流？那就 I-MR 图。选错图，等于蒙着眼睛开车——迟早撞墙。

问：控制图上下限就是公差的1/3？
答：荒唐！控制限是过程的声音，计算公式是均值±A2*R（均值图），跟公差没有半毛钱关系。你用公差的80%当控制限，那叫“公差压缩图”，不是控制图。控制限反映的是过程的固有波动，公差是客户要求，两码事。搞混了，你永远不知道过程到底稳不稳。

过程能力指数：CPK说的就是靠谱吗？

CPK 1.33 就欢呼？先看看你的过程是不是统计受控。有一次我查供应商报告，CPK 1.8，漂亮——但原始数据画出来的控制图，七八个点子连续上升，明显的趋势性异常。我让他们加严抽检，果然，下一批到货就直接碰了上限。❗CPK是静态指标，控制图是动态监控，一静一动，缺一不可。我现在要求供应商必须同时提供近期的 control chart，否则免谈。

过程能力计算还有个坑：数据非正态。很多特性不是正态分布，比如跳动、平面度。这时候算CPK要用 Box-Cox 转换或者直接算 Ppk（用百分位数）。我见过用正态假设算出的 CPK 虚高，实际不良率吓死人。💡小建议：拿到数据先画个直方图，瞅瞅形状，别闭眼套公式。

问：Ppk 和 CPK 到底什么时候用哪个？
答：简单说，量产前验证用 Ppk（用整体标准差，包含组间波动），量产后监控用 CPK（用组内标准差，只反映短期能力）。但行业内常被滥用——有些客户要求 process capability index 必须大于1.67，却不指定是CPK还是PPK。我的理解：PPK≥1.67是真能力，CPK≥1.67则要求过程极其稳定。不过话说回来，如果控制图显示过程失控，这两个指数都不可信，对吧？先搞定稳定性，再来谈能力。

最新实践：离线SPC已死，在线SPC才是未来

传统做法：操作工拿着卡尺量完，填纸质表格，下班后工程师敲进 Excel，画图……等发现异常，可能已经过去两三个班次。这种“死后验尸”式的SPC，说实话，在今天的制造业里就是自欺欺人。现在我们已经把关键设备的传感器数据直接怼进实时SPC系统——三坐标测量机的检测结果、在线量仪的动态值，每出一个数据，控制图自动更新，判异规则一触发，现场 Andon 灯立刻亮，同时短信通知工程师。这才是真正有用的统计过程控制。

去年我们导入了一套系统，结合机床内部的功率、振动信号做多变量控制图。有次主轴振动出现微小偏移，常规尺寸检测还没反应，系统就报警了。拆开一看，轴承滚道开始剥落。一条主轴二十万，早发现意味着省下大修费加避免批量事故——你说SPC值不值？❗当然投入不小，但跟一次批量召回比，真的是零头。

有些保守的老师傅觉得电脑不可信，还是眼和手感靠谱。可误差0.005mm以内的变化，肉眼能看出来？而且现在的系统能自动计算过程能力指数，生成带趋势的报表，客户审核时直接把屏幕一亮，比做假报告强一万倍。时代变了，工具也在变，但SPC的核心没变——发现变异，寻找原因，采取行动。这一套，老子一百年前修哈特发明的，至今还是金科玉律。

最后啰嗦一句：别把SPC供在神坛上。它不是装饰品，是工具。用错了伤手，用对了救命。我那条产线现在跑得跟闹钟一样准，靠的就是这套方法沉到了日常管理里，而不是每年审核时突击补数据。就这样。