2026 年 2 月,由美国汽车工业行动集团(AIAG)与德国汽车工业协会(VDA)联合发布的新版 SPC(Statistical Process Control)Manual “Yellow Volume” 正式推出(现以草案方式公开),标志着统计过程控制指导原则进入了一个全新的阶段。
这一新版手册不仅继承了过去 AIAG 和 VDA 在 SPC 应用方面的最佳实践,还在 全球统一、方法系统化和实践落地性 等方面进行了全面优化,是 SPC 体系迄今为止最重要的一次重塑。
_3.png)
SPC 一直是质量管理和过程控制中的核心工具,但长期以来存在以下挑战:
AIAG 与 VDA 体系在规则定义上存在细微差异
SPC 与其他核心工具(如 FMEA、MSA、Control Plans)在实践整合上不足
控制图标准与能力分析指标解释不够统一
数字化数据管理与现代制造系统(MES、FDC 等)融合度不高
新版手册重点在于统一语言、模块化实践与体系整合,从而让 SPC 不再只是“控制图绘制”工具,而是成为 过程管理与质量风险防控的系统方法。

新版手册代表 AIAG 与 VDA 之间 SPC 指南的最终整合成果,是行业史上最系统的 SPC 规范。相比单一组织发布的指南,新版实现了:
统一术语(Terms & Definitions)与 ISO 标准对齐
一致性指标定义(如 Pp/Ppk 与 Cp/Cpk 的明确定义与应用前提)
提供统一的实践框架,有助于供应商对接不同 OEM 要求而无需频繁转换标准视角。
新版明确区分三类指标:
Machine Performance(Pm / Pmk):机器设备自身性能
Process Performance(Pp / Ppk):长期过程表现
Process Capability(Cp / Cpk):在统计受控前提下的过程能力
这种区分减少了过去可能产生的误用,比如在过程未稳定前计算 Cpk 是没有意义的。
新版对控制图的说明更全面,特点包括:
更明确的 控制图选择逻辑
加入高级趋势分析方法(例如 CUSUM、EWMA 等)
更强的统计方法参考,如 ISO 22514-2 中的时序模型
属性型控制图与变量型控制图的统一解释框架
这意味着 SPC 不再仅仅是绘制一两种图表,而是根据过程特性选择最优的 数据驱动监控策略
新版手册强调 SPC 作为 过程管理体系的一部分,不仅仅是统计职责,而是将其纳入质量生命周期的核心环节,包括:
控制计划与监控点定义
测量系统分析(MSA)与 SPC 数据有效性
风险评估与 FMEA 集成
Out-of-Control Action Plans(OCAP)
PDCA 与持续改进周期管理
这意味着 SPC 将从 “做图”变成“做决策” 的核心支持。
新版手册对数据处理、软件验证与数据追溯提出了更高要求,包括:
SPC 软件工具的验证与确认
结果可追溯到原始数据(Archive/Traceability)
结构化报告与审计友好性
与 MES/FDC 等系统的数据集成建议
这一点对于数字化制造和工业 4.0 场景尤为重要。
企业在使用能力指标(Cp/Cpk)时,将必须先证明“过程受控”,从而避免能力评价的错误解释。
新版指南提供了更结构化的选择逻辑,有助于质量工程师快速判断该用哪种控制图、更合理解释统计信号。
传统 SPC 多作为“工具”,新版强调 SPC 与:
FMEA 风险分析
Control Plan 监控点设计
MSA 量测系统能力
OCAP 行动计划
的协同作用,从而将 SPC 架构提升至体系级别。
新版明确了现代制造环境下 SPC 的数据需求,为数字化系统集成、数据自动采集、自动分析提供了更强的指南依据。
新版 AIAG-VDA SPC Manual 不仅仅是“控制图手册”,而是一个更全面、更可操作、更国际统一的 过程控制与质量管理基准。它帮助企业:
消除“工具式 SPC”误区
构建一致、可审计、可扩展的 SPC 实施体系
支撑数字化质量与全球供应链质量一致性
随着新手册从草案走向正式发布,建议各企业尽早 学习标准变革、评估现有 SPC 实践、规划落地升级路径,否则在未来质量审核和全球供应链合作中可能面临标准不一致的风险。