SPC不是监视器，是……听诊器
很多人把SPC当成“抓坏人”的工具：一出界就罚钱。结果呢？数据造假成风。我在一家汽车零部件厂见过最离谱的事：检验员每天早班先测五个零件，如果都在公差中间，就放心批量生产。有次客户投诉尺寸超差，我调出控制图——哎呦喂，完美得像个假图。 果然，他怕出界，专门挑合格件测量。 真正的SPC，是听过程的“心跳”。你感冒时，脉搏会变快，对吧？过程也一样——刀具磨损、模温波动、材料批次变化，都会在控制图上留下痕迹。比如连续七点上升，哪怕没超界，也说明“这机器在发烧”。早点给片儿退烧药，总比送ICU强。
请别再拿Cpk糊弄我了！
一说SPC，就有人甩过来个Cpk值，1.33以上就万事大吉。 搁这儿糊弄鬼呢？Cpk只是“能力”，不是“行为”。好比你说自己酒量一斤，可今晚已经喝了八两，走路扶墙 —— 过程输出可能暂时合格，但已经不稳定了。Cpk高不等于过程受控，这俩压根不是一回事。 有次审厂，供应商Cpk=2.0，我要求看原始数据。他们拖了两天才给——原来25%的数据因为“明显异常”被剔除了。我问Q经理：“异常为啥不分析？” 她特委屈：“设备老旧，修不起，只能数据美容。” 我当时……深吸一口气。 数据美容比不化妆更可怕，它会让人产生虚妄的安全感。最后果然，出了批量质量事故，被主机厂罚了几百万。 问：SPC必须用电脑软件吗？手动行不行？ 答：当然行！休哈特发明控制图那会儿连电脑都没有呢。小批量或初创车间，一张纸、一支笔、一个计算器就能干。关键是“即时反馈”——你测完点，立刻描上去，马上判断。别攒一堆数据周末分析，黄花菜都凉了。 不过量大的时候，Excel也够用，但要锁死公式，防止手贱乱改。软件的好处是自动报警、自动算过程能力，省心。但脑子不能省。
2025年了，SPC早就长出了新模样
千万别觉得SPC还是上世纪的老古董。现在工业物联网（IIoT）一上，传感器每秒产生几千个数据点，传统控制图根本扛不住。 怎么办？流式SPC、自适应采样、多变量T²图……这些新工具让过程监控像雷达一样，微小偏移都能捕捉到。 我前阵子给一家电子组装厂做项目，贴片机炉温数据实时上传，用偏最小二乘(PLS)建模型，同时监控温度、链速、风扇频率，一有异动，平板电脑上就弹窗：“亲爱的，炉温曲线有点歪，可能第八区加热管老化，请检查。” 这叫什么？从“事后判废”变成“事前预警”。 操作工再也不用盯着几十张报表发懵了。 问：我们公司小，没那么多传感器，SPC还能玩吗？ 答：能玩！反而更应该玩。小公司设备精度不高，靠人操作，波动大，更需要SPC来摸清“脾气”。从关键工序开始，选一个质量特性，每天抽5个样，打点连线，坚持一个月，你就能看到“常态”和“非常态”。很多老板惊讶：“原来我们上午十点和下午三点的活，一致性差这么多！” 原因？可能是疲劳、班次交接、甚至室温变化。发现这些，就是改善的金矿。 不用高大上，有纸有笔就行。 还有个容易被忽略的点：样本组内变差。常见错误是抽样不对：在同一根轴上连续车五个零件，组内变差极小，控制界限过窄，导致频繁报警。正确做法是覆盖时段分散抽样，让组内数据反映短期波动，组间反映长期漂移。这细节，书上有，但很多人不读书。
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：统计过程控制（SPC）真的过时了？——一位老质量人的吐槽与反思 https://www.dachanpin.com/a/tg/65373.html
