统计过程控制（SPC）在质量管理中的应用

张蕾

摘  要：本文分析研究了SPC的统计原理以及使用方法，结合本公司的产品--- 超白压延光伏玻璃的质量管控，着重介绍了生产过程中钢化颗粒度（`X-R Chart）控制图的建立技术，阐述了SPC统计过程控制在玻璃质量管控中的作用。

关键词：SPC;管控图;过程控制

1 SPC统计原理和控制图实施方法

1.1 SPC

SPC是英文Statistical Process Control的字首简称，即统计过程控制。SPC是一种借助数理统计方法的过程控制工具，它对生产过程大量数据进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，达到控制质量的目的。

一个产品如果以它对顾客的符合度做为评断的标准，则它必须是由一个稳定而可重复运作的过程所生产的，亦即过程必须具有在生产目标值的些微变动内的生产能力。统计过程控制（SPC）是使生产过程稳定和降低产品变异性以改善过程能力的数据统计分析方法。

产品质量的统计观点认为，过程的质量在各种影响因素的制约下，呈现波动性（变异性），但过程质量的波动并非漫无边际，在一定范围内，过程质量的波动呈现统计规律性。

1.2 实施SPC

统计过程控制的第一项工作为收集品质特性数据。统计过程控制的第二项工作为评估、分析品质特性数据。产品的品质特性值包括产品目标值和误差，误差包括可控误差和偶然误差。在任何生产过程中，无论设计或维护是多么的好，总有某些天生或自然的误差存在。这种自然的误差或背景干扰是由许多微小、必定的不可控制的原因所累积影响行成的，这被称作偶然误差。可控误差比偶然误差来得大，它通常反映出过程控制中有不可接受的水平，这种误差主要来源于调整机器失当、操作失误和不良的原料三种现象。

在统计过程控制中，我们通常是以一个统计模式来做为判断过程足否为正常的决策基准。目前最常用的工具为依据统计原理发展出来的控制图。当决策系统判断过程不稳定时，接下来的工作是探讨造成过程异常的原因，此阶段之工作称为诊断。

诊断的范围包括人员、设备、物料、方法、测量、环境六个方面，从这六个方面分析工序不良产生的异常原因，找出最终影响产品质量的关键因素。当找出造成过程不稳定的原因后，必须制定一些改善的措施，使得相同问题不再发生。回馈控制系统之最后一个步骤是依据制定的改善措施，調整过程的可控制因素。上述步骤需重复进行，以持续改善过程。统计过程控制牵涉到产品和过程的控制，但其重点是在品质数据的分析，只有在品质数据显示过程不稳定时，才考虑调整过程的参数。

1.3 控制图

控制图就是一种为了使过程符合控制状态而广泛使用的在线过程控制工具。控制图也可用来评估过程中的过程能力参数，经由该参数来决定过程能力。控制图也可提供改善过程的有用信息。最后，统计过程控制的终极目标就是减少过程的误差，虽无法完全消除误差，但在尽可能减少误差方面，控制图是一有效的工具。

控制图为一图形表示工具，用以显示从样本中量测或计算所得的品质特性。典型的控制图包含一中心线（CL），用以代表当制程处于统计管制内时品质特性之平均值。此图同时包含两条水平线，称为上控制界限（UCL）及下控制界限（LCL），控制界限通常设在当过程为控制状态时，几乎所有点都可落在控制界限内。只要点都在管制界限内，则制程可视为在统计控制内，对过程不须采取任何行动。但只要一点在控制界限外，则代表过程有变异，此时我们必须找出造成这种变异的原因，并去除此变异。

控制图也有很多种类，分析我司光伏玻璃的缺陷因素，可以采用平均值与全距控制图（`X-R Chart）和过程能力分析图。对于光伏玻璃来说，钢化颗粒度的管控尤为重要，因此本文着重介绍光伏玻璃钢化颗粒度（`X - R Chart）控制图的建立。X控制图主要用于观察正态分布的均值的变化，R控制图主要用于观察正态分布分散或变异情况的变化，而`X-R控制图则将二者联合运用，用于观察数值正态分布的变化。

1.4 建立控制图

选择并收集产品生产过程中的品质特性数据。确定样本大小、抽样频率和抽样方式，用间隔抽样的方法获得数据，并对数据进行处理。

1.4.1 收集并记录数据

在连续的产品生产过程中，收集并记录20～25个样本组的品质特性数据，通常每组样本量n=4～5个，保证控制过程的抽样率为84%～90%。

1.4.2 计算每个子组的均值（`X）和极差（R）

2. 作出控制线

在控制图中作出平均值和极值控制限的控制

线：将平均极差（`R）和过程均值（`X）画成水平实线，各控制限（UCLR，LCLR，UCLX，LCLX）画成水平虚线。把线标上记号，在初始研究阶段，这些手段称为试验控制限。

3.绘制控制图

当分析用控制图中点子均在控制限之内或排列无缺陷时，表明生产过程稳定、无系统因素影响生产过程，尚不能说明不合格率小于允许值。因此，在分析用控制图基础上需要绘制控制用控制图。如图1所示。

相关步骤如下：

（1）消除系统因素。依据分析用控制图提供的信息判断生产过程是否稳定，即是否有系统因素在起作用。如果存在系统因素，应设法消除。

（2）重新计算控制限。剔除分析用控制图中无代表性的数据（如落在界限外点子的数据）后，重新计算中心线和控制限。

（3）确认分布范围位于公差界限之内。只有当生产过程稳定且产品质量特性值分布范围位于公差界限之内时，才能保证不出现大量不合格品。

4.控制图的判断准则

控制图制订后就成为了控制生产的依据，故控制图一定要以处于稳态日过程能力适宜的生产过程为依据来进行设计和计算。因此，在开始建立控制图时，应先了解该过程是否处于稳态，过程能力是否适宜。若过程不处于稳态或过程能力不适宜，就需要对过程进行调整，这样反复进行直到过程满足要求为止。当上述要求满足后，控制图就可移交给车间使用，这时应用的控制图称为控制用控制图。它的目的是保持生产处于稳态。当偶尔发生异常后，应采取措施加以消除，使过程恢复稳态。

4.1控制图的分区

将控制图分区是为了便于说明过程的异常情况。上下控制限分别位于中心线的上、下3σ距离处。为了说明过程异常的8种方式，将控制图分为6个区，每个区的宽度为1σ，如图12所示。6个区的标上为A、B、C、C、B、A，两个A区、B区、C区分别在中心线两侧，相对于中心线对称。如图2所示。

4.2 控制图的判断准则--过程异常的8种模式

过程异常的8种模式又称为“变差的可查明原因的8种模式”。当控制图上的点子出现过程异常的8种模式时，则判过程异常。这8种模式分别为：

模式1：1个点落在A区以外;

模式2：连续9点落在中心线同一侧;

模式3：连续6点递增或递减;

模式4：连续14点中相邻点上下交替;

模式5：连续3点中有2点落在中心线同一侧的B区以外;

模式6：连续5点中有4点落在中心线同一侧的C区以外;

模式7：连续15点落在中心线两侧的C区内;

模式8：连续8点落在中心线两侧且无一点落在C区。

掌握这8种异常模式，可以帮助分析人员从计算错误、测量误差、原材料不合格、设备故障、抽样方法不科学、原材料混批等方面找出原因，事前预防，避免批量不量产生，降低质量损失，同时也通过系统的分析為技术改进提供科学依据。

5. SPC在光伏压延玻璃生产过程控制中的应用

光伏玻璃钢化颗粒度数据是衡量光伏玻璃钢化性能的关键指标之一，其计量特性值，适合用基于正态分布、灵敏度高的`X-R计量控制图来做管控，取颗粒度测量数据，然后将数据分成25个分子组，通过计算相关参数做出控制图，参见表3。

确定我司光伏产品生产过程稳定并具备足够的工序能力后，便选定一条钢化生产线收集统计产品钢化颗粒度数据，使用SPC进行数据统计分析。用相同时间间隔抽取4件生产样本的方法进行数据统计，找出关键因素在生产过程中的变化。当超出控制限时，说明关键因素在生产中出现不可控，需提醒生产者采取纠正措施，防止不良品的产生。

将其余24组样本的极差与均值分别打点于R图与`X图上，图6和图7看出过程的变异与均值均处于生产稳定状态。

由上述分析可知，在连续生产光伏玻璃中，按样本抽取产品做钢化颗粒度的测量，并按上述计算公式计算，并制作控制图。通过观察上述控制图中点的波动状况，能及时显示出钢化颗粒度在生产过程中是受控还是失控，从而体现出SPC产品质量预防控制的作用。

6 结束语

运用SPC统计过程控制工具，可以在连续生产过程中，准确分析判断出生产中的可控误差，并提出改善措施进行针对性改善，从而提高质量管理人员对产品质量的把控力度，提高产品质量，如果运用产品在线检测设备自动检测产品质量特性，并自动运用SPC统计过程控制工具进行实时分析，则可以更加及时的发现生产过程的可控误差，及时改善产品质量，较大的提高过程控制能力。

参考文献

[1]  荆敏.统计过程控制在课堂教学监控中的应用[J].太原城市职业技术学院学报，2013（02）：102-103.

[2]  图布新.质量统计过程控制技术SPC的应用及实现方法[J].科技展望，2016，26（09）：141-143.

[3]  祖晓琳. 基于SPC对C公司产品质量问题的研究[D].内蒙古科技大学，2015.