统计过程控制 (SPC) 被定义为使用统计技术来控制过程或生产方法。SPC 工具和程序可以帮助您监控过程行为、发现内部系统中的问题并找到生产问题的解决方案。统计过程控制通常与统计质量控制 (SQC) 互换使用。
SPC 工具
一种流行的 SPC 工具是控制图，最初由Walter Shewhart 在 1920 年代初期开发。控制图有助于记录数据，并让您查看何时发生异常事件，例如与“典型”过程性能相比非常高或低的观察值。
控制图试图区分两种类型的过程变异：
- 共同原因变异，这是过程所固有的并且将始终存在
- 特殊原因变异，源于外部来源，表明过程不受统计控制
各种测试可以帮助确定何时发生失控事件。然而，随着使用更多的测试，误报的概率也会增加。
SQC 与 SPC
统计质量控制 (SQC) 定义为应用 14 种统计和分析工具（7-QC 和 7-SUPP）来监控过程输出（因变量）。统计过程控制 (SPC) 是应用相同的 14 种工具来控制过程输入（自变量）。尽管这两个术语经常互换使用，但 SQC 包括验收抽样，而 SPC 不包括。
7 种质量控制 (7-QC) 工具
1974 年， Kaoru Ishikawa 博士在他的著作《质量控制指南》中 汇集了一系列过程改进工具。享誉全球的七大质量控制 (7-QC) 工具，它们是：
- 因果图（也称为石川图或鱼骨图）
- 检查表
- 控制图
- 直方图
- 帕累托图
- 散点图
- 分层
7 个补充 (7-SUPP) 工具
除了基本的 7-QC 工具外，还有一些额外的统计质量工具，称为七种补充 (7-SUPP) 工具：
- 数据分层
- 缺陷图
- 事件日志
- 工艺流程图
- 进步中心
- 随机化
- 样本量确定
统计质量控制与统计过程控制的关系
实验设计 (DOE) 和
方差分析（AOV 或 ANOVA）
SPC的历史
第二次世界大战期间，美国使用控制图显着增加，以确保弹药和其他具有战略意义的产品的质量。SPC 方法的使用在战后有所减少，但随后在日本得到了极大的影响，并一直持续到今天。（有关更多信息，请参阅质量历史。）
近年来，全球各地的组织都采用了许多 SPC 技术，特别是作为 6 Sigma等质量改进计划的组成部分。统计软件包和复杂的数据收集系统极大地促进了控制图程序的广泛使用。
其他过程监控工具包括：
- 累积和 (CUSUM) 图表：每个标绘点的纵坐标表示前纵坐标的代数和以及最近与目标的偏差。
- 指数加权移动平均 (EWMA) 图表：每个图表点代表当前和所有先前子组值的加权平均值，为最近的过程历史赋予更多权重，并为旧数据降低权重。
