SPC-讲义-印刷.docx

统计技术控制

（SPC）

培训课程材料

卓一企管

目 录

第一部分：统计技术基本知识
第Ⅰ章 统计学与概率论基本知识
1、随机现象和随机试验
2、大数定律和中心极限定理
第Ⅱ章 与统计相关的术语和定义
1、基本概念
2、与统计相关的术语和定义
第Ⅲ章 随机变量及其分布
1、常态分配
2、超几何分配
3、二项分配
4、卜氏分配
5、指数分配
第二部分：控制图与过程能力解释
第Ⅰ章 持续改进及统计过程控制概述
第1节 预防与检测
第2节 过程控制系统
第3节 变差：普通及特殊原因
第4节 局部措施和对系统采取措施
第5节 过程控制和过程能力
第6节 过程改进循环及过程控制
第7节 控制图：过程控制的工具
第8节 控制图的益处
第Ⅱ章 计量型数据控制图
第1节 均值和极差图（-R图）
A.收集数据
B.计算控制限
C.过程控制解释
D.过程能力解释
第2节 均值和标准差图（-s图）
第3节 中位数图（-R图）
第4节 单值和移动极差图（X-MR图）
第5节 计量型数据的过程能力和过程性能的解释
解决问题、提高过程能力的方法
A.头脑风暴
B.因果图
C.排列图
D.相关图（散点图）
E.直方图
第Ⅲ章 计数型数据控制图
第1节 不合格品率的P图
A.收集数据
B.计算控制限
C.过程控制解释用控制图
D.过程能力解释
第2节 不合格品数的np图
第3节 不合格数的C图
第4 单位产品不合格数的u图

第一部分：统计技术基本知识

第Ⅰ章 概率论及其相关知识

一、 统计学与概率论基本知识
1、 随机现象与随机试验
1.1 随机现象：个别试验中呈现不确定性，大量重复试验中，又具有统计规律性。
1.2 所谓随机试验是指具有下列三个特性的试验：
（1） 可以在相同条件下多次重复进行的试验；
（2） 每次试验的可能结果有多个，并且事先知道会有那些可能的结果；
（3） 在进行一次试验之前，不能事先断定那个结果会发生。
随机事件以后也简称为试验，常用E表示。
2、 随机事件
3、 概率
二、 大数定律和中心极限定理
大数定律和中心极限定理是概率论中两类极限定理一系列例题的统称。
第一类极限定理是阐明大量随机现象平均值的稳定性，有关这一类极限定理的例题统称为大数定律。
另一类极限定理是研究在什么条件下n个独立随机变量之和的分布当n→∞时以正态分布为极限，这一类极限定理的命题统称为中心极限定理。它们是概率论的基本理论之一，在概率论中占有极重要的地位。下面分别对大数定律和中心极限定理作简单介绍。
1、 大数定律
在相同的一组条件之下，进行大量重复试验时，随机现象的规律性才会呈现出来。这就是通常所说的随机事件发生的频率具有稳定性。这种稳定性是指当试验的次数无限增大时，频率稳定于某一个常数，即稳定到事件的频率。
定理一 契比雪夫弱大数定理
定理二 贝努利大数定理
大数定律：
a. 在相同的条件下，当试验次数很大时（各随机变量）样本的均值趋向于母体的均值。（契比雪夫定理）
b. 样本中某事件发生的频率趋向于该事件发生的概率。（见努利定律）
2、 中心极限定理
所谓中心极限定理，是指在一定条件下断定随机变量之和的极限分布是正态分布的一系列定理。在客观世界中所遇到的许多随机变量，往往服从正态分布或近似服从正态分布。
中心极限定理：
不论各随机变量的分布如何，当试验次数很大时，其均值分布近似服从正态分布。

第Ⅱ章 与统计相关的术语和定义
一、基本概念
1、总体（或母体）
研究对象的全体叫总体（或母体）。
以后凡提到总体就是指一个随机变量，总体就是一个带有确定概率分布的随机变量。
2、样本（或子样）
从一个总体X中随机地抽取n个个体X1，X2，…，Xn，这样取得的（X１，X２，…，Xn）称为总体X的一个样本（或子样）。
3、 样本容量
样本中个体的数目n称为样本容量。
4、 样本观测值：
由于每个Xi（i＝１，２，…，n）是由总体X中随机取出的，它的取值就在总体可能取值范围内随机取得，因此每个Xi都是一随机变量，样本（Ｘ1，Ｘ２，…，Ｘn）则是一个n维随机向量，一次抽取的结果是n个具体的数据（x1，x2,，…，xn），称为样本（Ｘ1，Ｘ２，…，Ｘn）的一个观测值，简称样本观测值。一般说来，不同的抽取（每次n个）将得到不同的样本观测值。
５、简单随机样本与简单随机抽样
必须对随机抽取样本的方法提出如下要求：
（１）独立性。要求X1，X２，…，Xn　是相互独立的随机变量，即是说，每个观测结果既不影响其它观测结果，也不受其它观测结果的影响。
（２）代表性。要求样本的每一分量Xi与总体Ｘ具有相同的分布F（x）。我们把满足以上两条件的样本称为简单随机样本，今后如无特别声明，所提到的样本均指简单随机样本。获得简单随机样本的抽样方法称为简单随机抽样。
６、样本均值
设（X1，X２，…，Xn）是从总体Ｘ中抽取的容量为n的样本，统计量
n

i=1
Ｘ＝1/n ∑ Xi

称为样本均值。
n
７、统计量
i=1
Ｓ２＝ １/（n－１）∑（Xi－Ｘ）2

称为样本方差。
８、统计量
n

i=1
Ｓ＝ １/（n－１）∑（Xi－Ｘ）2

称为样本标准差。
９、算术平均
虽然是最平均的，但却是最有用的代表值。我们都知其为群体的所有数值相加，然后除以数值的个数。若将群体中n个数值以X1，X2，X3，……，Xn表示，则算术平均值为
=
１０、几何平均
将群体的n个数值全部相乘再开n次方的值，称为几何平均值（该n个数值）。
几何平均G为： G=
１１、中位数
群体的数值按照大小顺序予以排列，刚好是在中间的值即称为中位数。亦即比中位数大的值的个数，与小于中位数的值的个数是相同的。群体的个数若为奇数时，其正中央的值一定存在；而在偶数的情形下，只有一个中间值的情况是不存在的。此时通常取中间的两个数值之算术平均值作为中位数。
１２、众数
群体中个数和最多的数值，称为众数。根据群体的性质，众数有时相当接近中心，有时则完全没有集中的趋势。
二、与统计相关的术语和定义
计数型数据(Attributes Data)
可以用来记录和分析的定性数据，例如：要求的标签出现，所有要求的紧固件安装，经费报告中不出现错误等特性量即为计数型数据的例子。其他的例子如一些本来就可测量(即可以作为计量型数据处理)只是其结果用简单的“是／否”的形式来记录，例如：用通过／不通过量规来检验一根轴的直径的可接受性，或一张图样上任何设计更改的出现。计数型数据通常以不合格品或不合格的形式收集，它们通过p、np、c和u控制图来分析。
计量型数据(Variables Data)
定量的数据，可用测量值来分析。例如：用毫米表示的轴承轴颈直径，用牛顿表示关门的力，用百分数表示电解液的浓度，用牛顿·米表示紧固件的力矩，—R图， —s，中位数，单值和移动极差控制图都用于计量型数据。
均值(Average)(参见平均值Mean)
数值的总和被其个数(样本容量)除，在被平均的值的符号上加一横线表示。例如：在一个子组内的x值的平均值记为 ， (X两横)为子组平均值的平均值，又( 上加一波浪线) 为子组中位数的平均值。 为子组极差的平均值。
因果图(Cause—and—Effect Diagram)
一种用于解决单个或成组问题的简单工具，它对各种过程要素采用图形描述来分析过程可能的变差源。也被称作鱼刺图(以其形状命名)或石川图(以其发明者命名)。
中心线(CentralLine)
控制图上的一条线，代表所给数据平均值。
特性(Characteristic)
一个过程或其输出的明显特性，可按这个特性收集计量型或计数型数据。
变差(Variation)
过程的单个输出之间不可避免的差别；变差的原因可分成两类：普通原因和特殊原因.。
——固有变差(1nherent Variation)
仅由普通原因造成的过程变差，由 来估计；
——总变差(Total Variation)
由于普通和特殊两个原因造成的变差，用 估计。
普通原因(Common Cause)
造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过程变差的一部分。
特殊原因(Special Cause)
一种间断性的，不可预计的，不稳定的变差根源。有时被称为可查明原因，存在它的信号是：存在超过控制限的点或存在在控制限之内的链或其它非随机性的图形。
控制图(Control Chart)
用来表示一个过程特性的图象，图上标有根据那个特性收集到的一些统计数据，如一条中心线，一条或两条控制限。它能减少I类错误和1类错误的净经济损失。它有两个基本的用途：一是用来判定一个过程是否一直受统计控制；二是用来帮助过程保持受控状态。
控制限(Control Limit)
控制图上的一条线(或几条线)，作为制定一个过程是否稳定的基础。如有超出了控制极限变差存在，则证明过程受特殊因素的影响。控制限是通过过程数据计算出来的，不要与工程的技术规范相混淆。
分布(Distribution)
描述具有稳定系统变差的输出的一种方式，其中单个值是不可预测的，但一组单值就可形成一种图形，并可用位置、分布宽度和形状这些术语来描述。位置一般用均值来表示，或者用中位数表示。分布宽度用样本的标准差或样本极差表示，形状包括许多特性，比如对称性及峰度，但经常使用常见分布的名称来概括，如：正态分布，二项分布，或泊松分布。
移动极差(MovingRange)
两个或多个连续样本值中最大值与最小值之差，这种差是按这样方式计算的：每当得到一个额外的数据点时，就在样本中加上这个新的点，同时删除其中时间上“最老的”点，然后计算与这点有关的极差，因此每个极差的计算至少与前一个极差的计算共用一个点的值。一般说来，移动极差用于单值控制图，并且通常用两点(连续的点)来计算移动极差。
不合格品(NonconformingUnits)
不符合某一规范要求或其他检验标准的个体，有时也叫次品。分析产生不合格品系统用p和np控制图。
不合格(Nonconformity)
一个具体出现的不符合规范要求或其他检验标准的情况，有时称为缺陷。一个不合格品中能有多处不合格。(例如：一扇门也许有几处凹痕和缝，对化油器进行功能检验可发现一些潜在的不合格。分析产生不合格的系统，用c和u控制图。
解决问题(Problem-Solving)
从症状分析到产生的原因(特殊的或普通的)再到改进性能措施的过程。可用的基本技术有：排列图，因果图及统计过程控制技术。
过程(Process)
能产生输出——一种给定的产品或服务的人、设备、材料、方法和环境的组合。过程可涉及到我们业务的各个方面，管理过程的一个有力工具即为统计过程控制。
过程能力(Process Capability)
一个稳定过程的固有变差( )的总范围。
对于计量型数据(Variables DataCase)
(1)过程固有能力定义为 ；
(2)符合规范的过程能力(即输出符合规范的百分数％)可以通过考虑过程中心及分布宽度(如Cpk)等指数和一些假设来估算。然而，也有估算这个值更精确的方法。
对于计数型数据(AttributesDataCase)
过程能力通常用不合格的平均比例或比率来表示。例如，从控制图上来说，过程能力被定义为 ， 或 ，这里直接指的是不符合规范的产品的平均比例或比率。
极差(Range)
一个子组、样本或总体中最大值与最小值之差。
规范(Specification)
判定一特定的特性是否可接受的工程技术要求。规范不能与控制限混淆，理想情况下规范直接与顾客(内部的或外部的)的要求或期望紧密相连，或者兼容。
统计控制(Statistical Contr01)
描述一个过程的状态，这个过程中所有的特殊原因变差都已排除，并且仅存在普通原因。即：观察到的变差可归咎于恒定系统的偶然原因；在控制图上表现为不存在超出控制限的点或在控制限范围内不存在非随机性的图形。
统计过程控制(Statistical ProcessContr01)
使用诸如控制图等统计技术来分析过程或其输出以便采取适当的措施来达到并保持统计控制状态从而提高过程能力。
子组(Subgroup)
用来分析过程性能的一个或多个事件或测量。通常选用合理分组使得每个子组内的变差尽量小(代表普通原因的变差)，同时使得各子组间过程性能的变化(即特殊原因变差)不一样。合理子组一般由连续的零件组成，尽管有时采用随机抽样。
I类错误(Type I Erroy)
拒绝一个真实的假设；例如：采取了一个适用于特殊原因的措施，而实际上过程还没有发生变化；过度控制。
Ⅱ类错误(TypeⅡError)
没有拒绝一个错误的假设；例如：对实际上受特殊原因影响的过程，没有采取适当的措施；控制不足。

第Ⅲ章 随机变量及其分布

随机变量分布规律的特点是具有确定的数学规律性，这一确定的数学规律反映为分布。
f(x)
μ-3σ
μ-2σ
μ-σ
μ
μ+σ
μ+2σ
μ+3σ
68.26%
95.44%
99.73%
对于单个产品，偶然因素引起的质量变异是随机的；但对同一批量的产品却具有一定的规律性。数理统计证明，在正常情况下，产品质量特性的分布一般符合正态分布规律。
1、正态分布
计量值数据服从正态分布。
1.1 正态分布曲线（图1-1）的数学表达式及其
图像
f(x)=e
图1-1 正态分布曲线
式中x —— 特性值（曲线的横坐标值），实际为随机变量；
f(x) —— 为随机变量x的函数值，表达当x为某一确定值时的频数，通常称为正态分布的密度函数；
—— 圆周率（=3.1416）；
e —— 自然对数的底（e=2.7183），实际为自然常数；
—— 总体的平均值，实际为正态分布的特征值（分布参数）表征数据的分布中心；
—— 总体的标准偏差（要求>0），实际为正态分布的特征值（分布参数）表征数据分布的离散程度。
正态分面在平面直角坐标系中的图像称为正态分布曲线，如图1-1所示，并具有以下几种性质：
（1） 分布曲线对称于x=的对称轴。
（2） 当x=时，曲线处于最高点；当x向左右远离时，曲线不断地降低，整个曲线是中间高、两边低的形状。以横坐标为渐近线。
（3） 若曲线与横坐标轴所组成的面积等于1，则曲线与x=所围成的面积为0.6825；与x=所围成的面积为0.9545；与x=所围成的面积为0.9973。
也就是说，在正常生产的情况下，质量特性在区间的产品有68.25%；在区间的产品有95.45%；在区间的产品有99.73%。质量特性在范围以外的产品非常少，不到3‰。
根据正态分布曲线的性质，可以认为，凡是在范围内的质量差异都是正常的、不可避免的，是偶然因素作用的结果。如果质量差异超过了这个界限，则是系统性因素造成的，说明生产过程中发生了异常现象，需要立即查明原因予以改进。实践证明，以作为控制界限，即保证产品的质量，又合乎经济原则。在某种条件下亦可采用，，或作为控制界限；主要应根据对产品质量要求的精确度而定。当采用作为控制界限，在只有偶然因素的情况下，会有4.55%错误警告；采用为控制界限时，将有31.7%的错误警告。在生产过程中，就是根据正分布曲线的理论来控制产品质量，但在利用正态分布曲线时，必须符合以下条件：
只有在大批量生产的条件下，产品质量分布才符合正态分布曲线；对于单件、批量生产的产品，则不一定符合正态分布。
必须具备相对稳定的生产过程，如果生产不稳定，产品数量时多、时少，变化无常，则不能形成分布规律，也就无法控制生产过程。
的控制界限必须小于公差范围，否则生产过程的控制也就失去了意义。
要求检查仪器配套、精确，否则得不到准确数据，也同样达不到控制与分析产品质量的目的。

其中μ相同
（其σ相同）

图1-3 特征值σ对分布的影响
图1-2 特征值μ对分布的影响

1.2 特征值对分布的影响
（1） 特征值μ表征分布的中心位置。
（2） 特征值σ表征分布的离散程序，通常称σ为分布的标准偏差。
1.3 正态分布的标准变换
若随机变量X服从正态分布，其分布中心为μ，标准偏差为σ，则可表示为N（μ，σ），经标准变换
Xti=
则随机变量Xt服从标准正态分布N（0,1），即Xt的分布其分布中心μ=0，标准偏差σ=1，标准正态分布的特征值为无名数。
1.4 标准正态分布的分布函数 正态分布的密度函数记为φ(x)：
φ(x)=
正态分布的分布函数记为Φ(x)，是对密度函数的积分，其结果为正态分布曲线下覆盖的面积，表征为分布概率：
Φ(x)==1
其结果为整个范围内正态分布曲线下的面积，表征为全概率：
对x=u为任意值时，可利用上述公式计算其分布函数值，所制订的数学用表称为正态分布表。
任何分布均可进行标准变换，常用数理统计用表都是以标准分布制订的，对具体分布而言可将数表中的数据及统计结果进行还原。
2、超几何分布
设一批产品共N件，其中M件次品，现从中任取n件（n≤N），则此n件产品中的次品数X是一个离散型随机变量。X所能取的值是0，1，2，…，min(n,M)，其概率分布为

k=0，1，2，…，min(n,M)，
称X服从参数为N、M、n的超几何分布。因为P｛X=k｝可看成是超几何级数的一般项系统故得名。
超几何分布产生于n次不返回抽样，在计数抽样检验中是一个重要分布。是质量管理中经常使用的一种分布，在抽样理论中占重要地位。
3、二项分布
计数值数据中的计件值数据服从二项分布，二项分布为离散型分布。
3.1 二项分布的函数式 二项分布的概率函数为：

x=0，1，2，……n
式中为二项组合系数，数值为
3.2 二项分布的图形 二项分布在平面直角坐标系中的图像如图3-1所示。
（1） 二项分布的分布中心为;
（2） 二项分布的标准偏差为；
（3） 二项分布的符号记为B（）。
………………
………………
………………
P（x）
图3-1 二项分布的概率函数图形

0 1 2 n-1 n

4、泊松分布
计数值数据中的记点值数据服从泊松分布，泊松分布为离散型分布。
4.1 泊松分布的函数式 泊松分布的概率函数为：
x=0，1，2，……，> 0
4.2 泊松分布的特征值
（1） 泊松分布的分布中心为：λ；
（2） 泊松分布的标准偏差为：；
（3） 泊松分布的符号记为：p(λ)。
5、指数分布
设随机变量X的概率度为

其中λ>0为常数，则称X服从参数为λ的指数分布。求导得X的分布函数为

其中f(x)和F(x)的图形如图5-1和5-2所示。
f（x）
λ
F（x）

1

x
x
0
0

图5-1
图5-2

指数分布有重要应用，常用它来作为各种“寿命”分布的近似。例如，无线电无件的寿命；动物的寿命都可用指数分布来描述。指数分布在排队论和可靠性领域中有着广泛的应用。
卜氏分布
C
u
计数型
二项分布
P
np
计数型

正态分布
Xbar-R
Xbar-s
X中位数-R
X-Rm

计量型

第二部分：控制图与过程能力解释
第Ⅰ章 持续改进及统计过程控制概述
在今天的经济气候下，为了事业昌盛，我们——制造商，供方及销售商必须致力于不断改进。我们必须寻找更有效的方法来提供产品及服务。这些产品和服务必须不断地在价值上得以改进。我们必须重视内部以及外部的顾客，并将顾客满意作为企业的主要目标。
为了达到这一目标，我们组织中的每一个人都必须确保不断改进及使用有效的方法。本手册涉及到第二个领域的某些要求。它描述了能使我们致力于的改进更有效的几种基本的统计方法。为了完成不同的任务需要不同程度的理解。本手册的对象是见习生以及刚开始从事统计法应用的管理人员。对于现在正在应用更先进技术的人员，本手册也可作为他们学习这些基本方法的参考文献。本手册并没有包括所有的基本方法。附录H所列的参考文献或手册中阐述了其他的基本方法(例如：检查清单、流程图、排列图、因果分析图等)及一些先进的方法(如其他控制图、试验设计、质量功能展开等)。
本章所述的基本统计方法包括与统计过程控制及过程能力分析有关的方法。本手册的第1章阐述了过程控制的背景知识，解释了一些重要的概念：如变差的特殊及普通原因，并介绍了控制图，这个用来分析及监控过程非常有效的工具。第Ⅱ章描述了构造和使用计量型数据控制图表(定量的数据，或测量)的—R，—s图，中位数图以及X—MR(单值及移动极差)图。这一章还介绍了过程能力的概念并讨论了广泛应用的指数及比值。第Ⅲ章介绍了用于计数型数据(定性数据或计数值)的几种控制图：p图、np图、c图及u图。附录包括分组及过度调整的例子，如何使用控制图的流程图、常数及公式表、标准正态分布以及可复制的空白表等。
在开始讨论之前，需进行六点说明：
1．收集数据并用统计方法来解释它们并不是最终目标，最终目标应是对读者的过程不断加深理解。当一个没有任何改进的技术专家是很容易的。增加知识应成为行动的基础；
2．研究变差和应用统计知识来改进性能的基本概念适用于任何领域，可以是在车间中或办公室里。例子有：机器(性能特性)、记帐(差错率)、总销售额、浪费分析(废品率)、计算机系统(性能特性)及材料管理(运送时间)。本手册重点放在车间应用中。鼓励读者参考附录H中的参考文献应用于行政管理及服务中；
3．SPC代表统计过程控制，不幸的是在北美统计方法常用于零件而不是过程。应用统计技术来控制输出(例如零件)应仅仅是第一步。只有当产生输出的过程成为我们努力的重点，这些方法才能在改进质量，提高生产率，降低成本上发挥作用；
4．尽管本书的每一点是通过已完成的例子来说明，要真正理解这些知识需要进一步与过程控制实际相联系。研究读者自己的工作场所或相似部门中的实际例子是对本书的重要补充。然而，现有的过程信息不能代替实际工作经验；
5．本书可看成应用统计方法的第一步。它提供从经验中得到的法则，这些法则在许多方面得到了应用。然而，还是存在不能盲目使用这些法则的例外。本手册不能满足初学者对统计方法和理论知识的进一步的需要，我们鼓励读者寻求正规的统计学教育。在读者的过程和统计方法的应用已经比本手册所述的内容更先进的地方我们也鼓励读者向具有一定的统计理论知识与实践的人员请教。以便了解其它技术；
6．测量系统对合适的数据分析来说很重要，并且在收集过程数据之前就应很好地了解它们，如果这样的一个系统缺少统计控制或他们的变差占过程数据总变差中很大比例，就可能作出不适当的决定。在手册中，假设该系统处于受控状态并且对数据的总变差没有大的影响。为了更详细的了解这些内容读者可参考AIAG出版的测量系统分析(MSA)手册。

过程控制的需要

检测——容忍浪费

预防——避免浪费

第l节 预防与检测
过去，制造商经常通过生产来制造产品，通过质量控制来检查最终产品并剔除不符合规范的产品。在管理部门则经常靠检查或重新检查工作来找出错误，在这两种情况下都是使用检测的方法，这种方法是浪费的，因为它允许将时间和材料投入到生产不一定有用的产品或服务中。
一种在第一步就可以避免生产无用的输出，从而避免浪费的更有效的方法是——预防。
对许多人来说预防的策略听起来很明智，甚至是显然的。经常能听到这样的口号“第一次就把工作做好。”但光有口号是不够的。所要求的是理解统计过
程控制系统的各个要素。下述七节介绍了这些要素，并可以看成是下列问题的答案：
·什么是过程控制系统?(第2节)
·变差是如何影响过程输出的?(第3节)
·统计技术是如何区分一个问题实质是局部的还是涉及到整个系统的?(第4节)
·什么是统计受控过程?什么是有能力的过程?(第5节)
·什么是持续改进循环?过程控制对哪一部分起作用?(第6节)
·什么是控制图?如何使用?(第7节)
·使用控制图有什么好处?(第8节)’
学习以上材料时，读者可以查阅附录G的术语索引对关键术语和符号的定义。
有反馈的过程控制系统模型
产品
或
服务
过程的呼声
统计方法
顾 客
我们工作
的方式/
资源的融合
人
设备
材料
方法
环境
图1 过程控制系统
顾客的呼声
▲
输出
▲
过程/系统
▲
输入
识别不断变化的需求和期望

第2节 过程控制系统
一个过程控制系统可以称为一个反馈系统。统计过程控制(SPC)是一类反馈系统，但也存在不是统计性的的反馈系统。下面讨论这个系统的四个重要的基本原理。
1．过 程
所谓过程指的是共同工作以产生输出的供方、生产者、人、设备、输人材料、方法和环境以及使用输出的顾客之集合(见图1)。过程的性能取决于供方和顾客之间的沟通，过程设计及实施的方式，以及运作和管理的方式等。过程控制系统的其他部分只有它们在帮助整个系统保持良好的水平或提高整个过程的性能时才有用。
2．有关性能的信息
通过分析过程输出可以获得许多与过程实际性能有关的信息。但是与性能有关的最有用的信息还是以研究过程本质以及其内在的变化性中得到的。过程特性(如温度、循环时间、进给速率、缺勤、周转时间、延迟以及中止的次数等)是我们关心的重点。我们要确定这些特性的目标值，从而使过程操作的生产率最高，然后我们要监测我们与目标值的距离是远还是近，如果得到信息并且正确地解释，就可以确定过程是在正常或非正常的方式下运行。若有必要可采取适当的措施来校正过程或刚产生的输出。若需要采取措施，就必须及时和准确，否则收集信息的努力就白费了。
3．对过程采取措施
通常，对重要的特性(过程或输出)采取措施从而避免它们偏离目标值太远是很经济的。这样能保持过程的稳定性并保持过程输出的变差在可接受的界限之内。采取的措施包括改变操作(例如：操作员培训、变换输入材料等)，或者改变过程本身更基本的因素(例如；设备需要修复、人的交流和关系如何，或整个过程的设计——也许应改变车间的温度或湿度)。应监测采取措施后的效果，如有必要还应进一步分析并采取措施。
4．对输出采取措施
如果仅限于对输出检测并纠正不符合规范的产品，而没有分析过程中的根本原因，常常是最不经济的。不幸的是如果目前的输出不能满足顾客的要求，可能有必要将所有的产品进行分类报废不合格品或者返工。这种状态必然持续到对过程采取必要的校正措施并验证，或持续到产品规范更改为止。
很显然，仅对输出进行检验并随之采取措施不是一种有效的过程管理方法。仅对输出采取措施只可作为不稳定或没有能力的过程的临时措施(见第5节)。因此，下面的讨论的重点将放在过程信息收集和分析上，以便对过程本身采取纠正措施。

第3节
变差的普通及特殊原因

为了有效地使用过程控制测量数据，理解变差的概念是很重要的，见图2所示。
没有两件产品或特性是完全相同的，因为任何过程都存在许多引起变差的原因。产品间的差距也许很大，也许小得无法测量，但这些差距总是存在。例如一个机加工轴的直径易于受到由于机器(间隙、轴承磨损)、刀具(强度、磨损率)、材料(直径、硬度)、操作人员(进给速率、对中准确度)、维修(润滑、易损零件的更换)及环境(温度、动力供应是否恒定)等原因造成潜在的变差的影响。再举一个例子，处理一张发票所需的时间随着人们完成(项目)不同的阶段，他们所用设备的可靠性，票据本身的准确性及易读性，所遵守的规程及办公室中其他工作量的不同而不同。
过程中有些变差造成短期的、零件间的差异——例如机器及其固定装置间的游隙和间隙，或记帐人员工作的准确性等。另外一些变差的原因仅经过较长的时期后对输出造成影响，例如随着刀具或机器的逐渐磨损，或是规程发生有规则的变化，或是诸如动力不稳定等不规则的环境变化。这样，测量的周期以及测量时的条件将会影响存在的变差的总量。
从最低要求的角度来看，总是将变差问题简单化。位于规定的公差的范围的零件是可接受的，超出规定公差范围之外的零件是不可接受的；按时完成报告是可接受的，迟缓的报告是不能接受的。然而，在管理任何一个过程减少变差时，都必须追究造成变差的原因。首先是区分普通原因和特殊原因。
虽然单个的测量值可能全都不同，但形成一组后它们趋于形成一个可以描述成一个分布的图形，这个分布按下列特性区别：
· 位置(典型值)；
· 分布宽度(从最小值至最大值之间的距离)；
· 形状(变差的模式——是否对称、偏斜等)。
普通原因指的是造成随着时间的推移具有稳定的且可重复的分布过程中的许多变差的原因，我们称之为：“处于统计控制状态”、“受统计控制”，或有时简称“受控”。普通原因表现为一个稳定系统的偶然原因。只有变差的普通原因存在且不改变时，过程的输出才是可以预测的。
特殊原因(通常也叫可查明原因)指的是造成不是始终作用于过程的变差的原因，即当它们出现时将造成(整个)过程的分布改变。除非所有的特殊原因都被查找出来并且采取了措施，否则它们将继续用不可预测的方式来影响过程的输出。如果系统内存在变差的特殊原因，随着时间的推移，过程的输出将不稳定。
由于特殊原因造成的过程分布的改变有些有害，有些有利。有害时应识别出来并消除它，有利时可识别出来并使其成为过程恒定的一部分。对于一些成熟的过程(例如经过几次不断改进的循环后的过程)，顾客可能给予特许让一贯出现特殊原因的过程进行下去，这样的特许通常要求过程控制计划能确保符合顾客的要求并且保证过程不受别的特殊原因的影响。(见第5节)

局部措施和对系统采取措施

局部措施

·通常用来消除变差的特殊原因
·通常由与过程直接相关的人员实施
·通常可纠正大约15%的过程问题

对系统采取措施

·通常用来消除变差的普通原因
·几乎总是要求管理措施，以便纠正
·大约可纠正85%的过程问题

第4节
局部措施和对系统采取措施

在上面讨论的两种变差以及可能采取的减少它们的措施之间有着重要的联系。
简单的统计过程控制技术能检查变差的特殊原因。发现变差的特殊原因并采取适当措施通常是与该过程操作直接有关人员的责任。尽管有时纠正时要求管理人员介入，但解决变差的特殊原因通常要求采取局部措施。这一点在早期的过程改进中尤为重要。当某人对特殊原因成功地采取适当的措施后，其余的问题通常要求采取管理行动而不是局部措施来解决。
相同的简单的统计过程控制技术也能指明变差的普通原因的范围，但分离这些原因需要更详细的分析。纠正变差的普通原因的责任在于管理人员。有时与操作直接相关的人员处于较有利的位置发现它们并将它们报告给管理人员来采取措施的。总的来说，解决变差的普通原因通常需要采取系统措施。
过量过程变差中较小的部分——工业经验建议为15％——是通过与操作直接有关的人员局部纠正的。大部分——其余的85％——是管理人员通过仅对系统采取措施来纠正的。采取的措施类型如不正确将给机构带来大的损失，不但劳而无功，而且会延误问题的解决甚至使问题恶化。例如：如果需要管理人员对系统采取措施(如选择提供一致输入材料的供方)时却采取的是局部措施(如调整机器)就不对”。无论如何，为了更好地减少过程变差的普通原因需要管理人员和与操作直接相关的人员的密切合作。

第5节
过程控制和过程能力
过程控制系统的目标是对影响过程的措施作出经济合理的决定。也就是说，平衡不需控制时采取了措施(过度控制或擅自改变)和需要控制时未采取措施(控制不足)的后果。必须在前面提到的变差的两种原因——特殊原因和普通原因的关系下处理好这些风险。
过程在统计控制下运行指的是仅存在造成变差的普通原因。这样，过程控
制系统的一个作用是当出现变差的特殊原因时提供统计信号，并且当不存在特殊原因时避免提供错误信息。从而对这些特殊原因采取适当的措施(或是消除它们，或是如果有用，永久地保留它们)。
讨论过程能力时，需考虑两个在一定程度上相对的概念：
· 过程能力由造成变差的普通原因来确定，通常代表过程本身的最佳性能(例如分布宽度最小)，在处于统计控制状态下的运行过程，数据收集到后就能证明过程能力，而不考虑规范相对于过程分布的位置和／或宽度的状况如何；
· 然而，内外部的顾客更关心过程的输出以及与他们的要求(定义为规范)的关系如何，而不考虑过程的变差如何。
一般来说，由于受统计控制的过程服从可预测的分布，从该分布中便可以估计出符合规范的产品的比例。只要过程保持受统计控制状态并且其分布的位置、分布宽度及形状不变化，就可以继续生产相同分布的符合规范的产品。对过程采取的第一个措施就是将过程定位在其目标值上。如果过程的分布宽度是不可接受的，该策略则允许生产最小量不符合规范的产品。通常要求用对系统采取措施从而减少产生变差的普通原因的方法来改进过程的能力(以及其输出)，从而始终符合规范。为了进一步具体了解过程能力、过程性能以及与之相关的假设，参见第2章第5节。
简言之，首先应通过检查并消除变差的特殊原因使过程处于受统计控制状态，那么其性能是可预测的，就可评定其满足顾客期望的能力。这是持续改进的基础。
每个过程可以根据其能力和是否受控进行分类，过程可分成4类，如下表所示：
控制

受控
不受控
可接受
1类
3类
不可接受
2类
4类
一个可接受的过程必须是处于受统计控制状态的且其固有变差(能力)必须小于图纸的公差。理想的情况是具有1类过程，该过程受统计控制且有能力满足要求，是可接受的。2类过程是受控过程但存在因普通原因造成的过大的必须减少的变差。3类过程符合要求，可接受，但不是受控过程，需要识别变差的特殊原因并消除它。4类过程即不是受控过程又不可接受，必须减少变差的特殊原因和普通原因