在质量管理分析领域，我们经常听说SPC、SPC控制图等和SPC相关的词汇，那么SPC是什么意思呢？它有什么作用呢？ SPC是统计过程控制（Statistical Process Control）的英文的简称，是5大质量分析工具中的一种，是其中最具有科学数据分析的一方法，也是应用最广的、实施最容易的质量分析方法。

SPC分析，是通过数学统计的方法，分析数据的异常情况并能根据反馈的信息及时查明异常原因，使得生产过程可以监控和调整，达到质量管理的目的。

所以，SPC是什么意思呢？SPC就是用统计的方法发现一些极低概率的事件（不应该发生）发生了，我们就认为这样的数据是异常的。

举个例子，总体符合正态分布的数据，有一组样本，平均值是10，标准差是2，那么任意一个值大于10+3*2和小于10-3*2（超出3倍标准差）的概率是0.27%，基本上认为是小概率事件，如果事件发生了，一定是特殊原因导致！

不同的判断异常数据的规则和对应的发生的概率如下：

判异规则	图形	发生概率	解释	说明
一个点远离中心线超过3倍标准差		0.27%	正态分布中出现在C区以外的概率是0.27%，基本上认为是小概率事件，如果事件发生了，一定是特殊原因导致！	一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。
连续9个点在同一侧		0.38%	此准则作为准则一而补充的，以提高控制图的灵敏度，选择9点是为了使其犯第一种错误的概率α与准则一的0.27%大体相仿。	均值可能发生了便宜，一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。
连续6个点持续上升或下降		0.27%	此条准则针对过程平均值的倾向性而设计的，它判定过程平均值的较小倾向要比准则一更为灵敏。其产生原因可能是工具损坏，或作业员技能改进等。	它可以判定过程平均值较小的趋势变化，可能刀具模具等工具的磨损，维护保养水平降低，操作工的技能越来越熟练。
14个点交互升降		0.4%	出现这种现象是由于轮流使用两台设备或两位操作人员轮流操作而引起的系统效应。实际上这是一个数据分层不够的问题，选择14点是通过统计模拟试验而得出的.	轮流使用两台设备或两个操作工操作，分别针对两个模穴定期抽样但一起统计等导致数据分层不够。
连续3点中有2点落在中心线同一侧的B区以外		0.26%	过程平均值的变化通常可由本准则判定，它对于变异的增加也较灵敏。	可能标准差已经变大。一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。
连续5点中有4点落在中心线同一侧C区以外（远离一倍标准差）		0.514%	此准则与上一准则类似，这第5点可在任何地方。本准则对于过程平均值的偏移也灵敏。参考准则4的思路， 连续5点中有4点落在中心线同一侧C区以外，事件发生的概率为：	可能均值发生了变化，一般认为是新员工，工艺方法错误，机器故障，原材料不合格，测量错误，计算错误，检验方法或标准变化。
连续15点落在中心线两侧的C区内		0.326%	对于本准则的现象，不要被它良好现象所迷惑，而应注意它的非随机性。	造成这种现象的原因有2种：数据虚假或数据分层不够。
连续8点落在中心线两侧且无一在C区内（1倍标准差之外）		0.01%	一个点落在A、B两区内的概率是0.1573×2＝0.3146，连续n个点落在A、B两区内的概率应该是0.3146的n次方,从上面的概率来看，似乎应该是“连续5点落在中心线两侧且无一在C区内”作为判异准则更合适些，和其他几个判异标准比较接近。	据分层不够(SPC没有分模穴去分开做，没有分班次去做等等)。

不同的数据类型使用不同的控制图

SPC控制图的类型很多，计量型SPC控制图包括：I-MR（单值移动极差控制图）、Xbar-R（均值极差控制图）、Xbar-s（均值标准差控制图）；计数型SPC控制图包括：P控制图（用于可变样本量的不合格品率）、NP控制图（用于固定样本量的不合格品数）、u控制图（用于可变样本量的单位缺陷数）、c控制图（用于固定样本量的缺陷数），如何从众多的SPC控制图选择合适的呢？

SPC控制图的选择，我们可以遵循如下大致的路径：

关于SPC的数学原理，网上很多介绍，你可以看看：

• SPC控制图为什么是±3σ而不是±2σ或者±4σ