说实话，干了十几年质量，我现在看到那些硬搬SPC手册的新人，还是忍不住上火。上周去一家汽配厂，小伙子拿着控制图问我：“老师，Cpk 1.67了，稳得很吧？” 我凑近一看，差点没把咖啡喷出来——八个点连续在中心线同一侧，他居然视而不见。这不叫稳，这叫假稳定。所以今天我想聊聊，SPC到底该怎么玩，才不是自欺欺人。
过程稳定，不是数字好看
SPC的核心是什么？一句话：分清变差来源。普通原因和特殊原因，对吧？可多少人只记住了这个定义，一到现场就忘。机器抖一下，调！工具磨了点，换！物料批次变了，改参数！结果呢？控制图像心电图，你还乐呵呵地算Cpk。笑了。
记得有次在注塑车间，壁厚尺寸连续下滑，操作工一个劲地补压。我让他停手，把前两小时的原料温控记录调出来——果然，干燥温度低了15度。这才是特殊原因！你瞎调机器，只不过把特殊原因伪装成了普通波动。所以啊，SPC的第一原则：先查异常，再算能力。顺序反了，就像先结婚再恋爱，迟早出事。
判异准则，你只会看超限吗？
很多人以为，点出了控制线才算异常。拜托，那是19世纪的思维了。休哈特老爷子要是在世，估计得气死。现在的判异准则，至少八条！除了超限，还有什么连续六点上升下降、连续九点在中心线同一侧、十四点上下交错……为啥？因为这些模式，全是特殊原因的信号。比如刀具连续磨损，尺寸就会单向漂移，等你发现超限，废品都堆成山了。
可现实是，我见到的很多控制图，软件都标红了，工程师照样签字放行。问就是“没超线啊”。❗ 这种习惯，比不检还可怕。因为它给你一种虚假的安全感。
问：既然有八条准则，实际中最容易漏掉的是哪种？
答：要我说，是“连续六点上升或下降”这条。因为它不显眼，不触发警报，但往往指向系统性偏移。比如冷却水温度缓升、过滤器慢慢堵塞。有一次我处理一个轴径磨削的问题，连续七个点微增，每班只大0.002mm，操作工根本感觉不到。我让他们查滤网，差点堵死了！换了之后，马上回归正常。所以，别太相信自己的眼睛，趋势比绝对值更重要。
数字化SPC，别把数据喂给“傻子”
这两年工厂都在上数字化，SPC也自动采集了。我本以为能松口气，结果更头疼。数据是自动了，可模型还是错的！有一家电子厂，自动测量后直接算Ppk，根本不区分组内组间。他们理直气壮：“系统自动的，错不了。” 我调出原始数据一看，分组跨度六个小时，包含了模具预热和中间停机。这算什么合理子组？💡 记住，自动化只是加快错误的速度，如果你连分组逻辑都不懂。
还有更离谱的，把SPC搞成监控工。屏幕墙上图形花花绿绿，领导参观时好看极了，实际上操作工从不看。你问他为啥不看，他说：“看了又能怎样？停机维修？耽误产量扣我钱。” 听到没，这才是症结。SPC如果不和问题解决闭环绑在一起，就是个摆设。所以，数字化SPC的精髓不是秒级采集，而是秒级响应。发现异常，系统立刻推送分析建议、停机权限、甚至自动调取类似案例——这样的系统才行。否则，数据再多也是垃圾。
问：小批量、多品种的生产模式，用传统SPC是不是没辙了？
答：谁说的？早就有短过程控制图了。比如标准化的Z-MR图，或者基于历史数据变化的移动极差法。关键不是数据少，而是你会不会借用相似产品历史信息建模。我们做过一个军工项目，一个批才三件，但通过合并同类材料、同机台的数据，照样稳定控制。不过需要懂行的人来设计分组策略，软件帮不上忙。所以别一提到小批量就放弃SPC，那是懒。
最近我还发现一个有趣现象：很多年轻工程师，把SPC理解为纯粹的统计工具，整天捣鼓正态性检验、Box-Cox变换。喂，醒醒！SPC是过程管理工具，不是统计学作业。你哪怕用最简单的中位数控制图，只要车间看得懂、用得上，也比华丽的多元控制图强一百倍。
最后啰嗦一句：SPC不是做给客户看的，是给自己挣钱的。真的，减少返工、避免投诉、稳定交付，哪个不是真金白银？下次再有人炫耀Cpk有多高，麻烦先问问他——你的控制图上一次报警是什么时候？怎么处理的？ 答不上来，那数字全是浮云。
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）：别只盯着Cpk，失控了怎么办？ https://www.dachanpin.com/a/tg/66825.html
