新版SPC一个容易被忽略的变化：SPC到底应该从哪里开始？02

2026版 AIAG-VDA SPC 正式发布以后，大家讨论最多的还是 Cpk、Ppk 怎么算，控制图有什么变化，样本量有什么新要求。

这些当然都重要。

但我觉得新版里面还有一个很容易被忽略，而且可能比公式变化更值得企业认真想的问题：

SPC 到底应该从哪里开始？

很多企业一说到 SPC，马上想到的就是控制图。

• 这个特性用 Xbar-R 还是 I-MR？
• 多久抽一次？
• 一次抽几个？
• Cpk 要达到 1.33 还是 1.67？

这些都已经到了后面。

真正严谨的 SPC，其实应该从更前面的地方开始——

这个产品特性为什么要控制？

一、SPC不是从控制图开始，而是从产品规格开始

这里说的产品规格，不是简单地在系统里面填一个 LSL、USL 就结束了。

一个真正清晰的产品规格，背后至少应该能够回答几个问题：

• 这个公差为什么这样设计？
• 它和产品功能是什么关系？
• 超出规格以后会发生什么？
• 规格范围以内的波动，顾客到底在不在乎？
• 这个特性是不是特殊特性？
• 它在 FMEA 里面对应什么风险？

这些问题如果前面没有讲清楚，后面的 SPC 很容易变成质量部门自己在玩数字。

举个很简单的例子。

图纸告诉你：

10±0.1。

质量部门看到以后，很自然就建立一个检测项目：

LSL=9.9，USL=10.1。

然后开始抽样、画控制图、算 Cpk。

看起来一点问题都没有。

但这里其实少问了一个非常重要的问题：

设计人员给出 9.9～10.1，到底是什么意思？

是不是只要落在这个范围里面，产品功能就基本没有差别？

还是虽然 9.9～10.1 都能装配，但越靠近 10.0 性能越好，越靠近两边风险越大？

这两种情况看起来都是：

10±0.1。

但背后的质量控制逻辑完全不一样。

这就涉及新版里面一个非常值得注意的概念：极值设计和统计公差设计。

二、同样一个上下限，背后的意思可能完全不同

先说极值设计。

它的逻辑比较容易理解。

只要产品特性落在 LSL 和 USL 之间，就认为满足设计要求。

9.91 是合格。

10.00 是合格。

10.09 也是合格。

虽然 10.09 已经非常靠近上限，看起来可能没有 10.00 那么“漂亮”，但从设计功能角度来说，只要没有超过 10.1，产品仍然可以正常工作。

换句话说：

顾客对规格范围以内的变差并不敏感。

这种情况下，规格边界本身就具有非常明确的功能意义。

但统计公差设计的思路不一样。

设计人员可能告诉你 9.9～10.1 都是允许范围，但真正希望制造过程运行的位置，并不是“只要别出去就行”。

他可能希望：

长期保持在 10.0 附近；

过程不能持续往某一侧偏；

波动要足够小；

过程能力要达到某一个水平。

这时候，我们关心的已经不只是：

有没有超规格。

还要关心：

过程是不是稳定？是不是对中？波动是不是足够小？

所以完全可能出现这样一种情况：

1000 件产品，没有一件超规格。

出货检验看起来 100% 合格。

但是过程均值已经明显往 USL 方向移动，而且最近一个月还在继续漂。

如果这是一个极值设计，而且产品在整个公差带内的功能基本一致，也许暂时没有那么严重。

但如果这是一个对位置和变差都敏感的统计公差设计，那性质就完全不同了。

产品现在虽然都合格，但过程已经在告诉你：风险正在积累。

这其实就是 SPC 真正有价值的地方。

如果所有问题都可以靠最后判断“合格/不合格”解决，我们甚至不需要 SPC。

检验就够了。

三、为什么有些企业SPC做了很多年，还是感觉没什么用？

我觉得这里面一个很大的原因，就是前面的设计理念没有传递下来。

研发设计一个特性。

图纸给一个上下限。

到了制造现场，大家看到的就只剩两个数字：USL LSL

至于这个特性为什么重要，产品功能对中心偏移是否敏感，风险是什么，为什么要求这个公差，很多时候已经没人知道了。

然后质量部门接过来。

建检测项目。

选控制图。

配置抽样频率。

设置八大判异规则。

算 Cp、Cpk。

最后得到：

Cpk=1.56。

PASS。

大家都很满意。

但如果问一句：

为什么这个特性一定要做到 Cpk≥1.33？

可能没人回答得出来。

因为 1.33 已经变成了一个习惯。

甚至变成了一种“行业常识”。

实际上，不同的特性，本来就不应该用完全相同的逻辑去管理。

• 有些特性确实就是不能超规格。
• 有些特性对中心位置非常敏感。
• 有些特性更怕波动突然变大。
• 有些特性存在明显的时间趋势。
• 有些特性跟安全有关，一点点变化都值得关注。

还有一些普通特性，也许根本没有必要投入同样的 SPC 管理成本。

如果这些东西没有从设计、风险分析阶段传递下来，最后所有检测项目都会长得一模一样：

特性名称 + USL + LSL + 控制图 + Cpk。

我觉得这恰恰不是 SPC 应该有的样子。

一个检测特性真正完整的信息，不应该只有名称和规格。

它还应该知道自己的特性代码、测量方法、量具、检验标准、抽样方式、抽样周期，甚至它来自哪个产品、哪道工序、哪台设备。

更重要的是：

为什么测它，怎么测它，以及发现变化以后意味着什么。

这些信息平时看起来只是“基础资料”。

但真正发生异常以后，你会发现它们比多画一张控制图有用得多。

四、统计公差并不是一个新概念

有人可能会觉得：

是不是新版 SPC 又创造了一个新的统计概念，把事情搞复杂了？

其实不是。

国内的 GB/Z 24636.2 里面，本身就已经有统计公差标注相关的内容。

当设计人员希望某一个尺寸或者质量特性，不只是简单满足上下规格限，而是还要满足一定的统计过程控制要求、质量目标或者过程能力要求时，就应该通过图纸或者技术文件把这个意图表达出来。

ASME Y14.5 里面同样有统计公差相关的思想。

它背后的逻辑其实非常合理：

如果设计人员希望制造过程不仅“做得出来”，还要“稳定地做出来”，那这个要求就应该从设计端传递给制造端。

而不是产品设计完成以后，质量部门自己猜。

这也解释了为什么真正完整的 SPC，前面一定会连接很多东西。

产品功能。

公差设计。

风险分析。

特殊特性。

顾客要求。

然后才是 MSA、抽样计划、控制图、判异规则、OCAP 和过程能力分析。

这个顺序很重要。

因为 SPC 本来就不应该是质量部门孤立存在的一套统计工具。

它应该是产品设计要求落到制造过程以后，对过程风险进行持续管理的一种方法。

五、图纸只给了上下限，质量部门怎么办？

这可能才是很多企业真正面对的问题。

理论上当然很好：

研发定义功能要求；

FMEA 识别风险；

特殊特性明确标识；

控制计划确定控制方法；

MSA 确认测量系统；

SPC 持续监控过程。

一环接一环。

但现实中经常不是这样。

质量工程师拿到一张图纸：

尺寸、公差。

没了。

为什么是这个公差？

不知道。

靠近上限有没有功能风险？

不知道。

设计希望过程对中，还是只要求不超差？

也不知道。

然后客户又要求：

关键特性做 SPC。

于是质量部门只能自己开始配置。

这时候我觉得最不应该做的，就是直接套一个公司统一模板：

特殊特性 → Xbar-R → Cpk≥1.33。

方便是方便。

但它实际上把最重要的判断跳过去了。

至少应该回头确认：

这个特性的功能是什么？

失效模式是什么？

顾客关注什么？

有没有目标值？

规格内的变差是否会影响功能？

是否存在装配关系？

是否需要特别关注中心偏移？

这些东西确认以后，后面的 SPC 策略才真正有依据。

所以新版 SPC 往前追到产品规格和设计理念，我觉得是一件好事。

它实际上是在提醒我们：

SPC 不是质量部门一个人的事情。

研发、工艺、制造、质量，本来就应该在这里接起来。

六、这对SPC软件其实也提出了一个新的问题

如果我们接受前面的逻辑，再回过头来看现在很多 SPC 软件，会发现一个挺有意思的问题。

传统 SPC 软件最核心的数据结构是什么？

往往就是：

时间、测量值、USL、LSL、Target。

然后基于这些数据画控制图、算能力指数。

二十年前这样做可能已经够用了。

但如果按照新版的思路继续往下走，我觉得以后是不够的。

因为同样一个测量值 10.08，在不同背景下面，意义可能完全不同。

它是什么产品？

什么特性？

哪一道工序？

哪台设备？

哪个班次？

哪批材料？

用什么量具测的？

执行的是哪一版规格？

抽样方式是什么？

这个特性属于什么风险等级？

是不是特殊特性？

这些东西都属于这个数据的“上下文”。

没有这些上下文，系统能告诉你的往往只有：

10.08。

有了这些上下文以后，才有可能继续回答：

为什么最近偏了？

是不是只有 2 号设备偏？

是不是换材料以后才开始？

是不是夜班才出现？

还是规格其实上个月已经发生了工程变更？

所以我认为未来真正好的 SPC 系统，不应该只是一个“控制图软件”。

它应该越来越懂检测特性本身。

甚至不同检测特性，应该允许有不同的测量方法、抽样方式、检验标准、控制策略和分析模型。

这样以后不管是自动分析还是 AI 分析，才有意义。

否则你给 AI 一串：

10.01、10.03、10.07、10.08……

然后问：

“请分析这个制造过程。”

它能知道多少？

它连这是轴径、平面度还是炉温都不知道。

如果把特性的测量方法、检验标准、设备、班次、材料批次、规格历史以及过程分析结果一起给它，它对这个过程的理解才真正接近一个质量工程师看到的东西。

这也是我觉得新版 SPC 后面会带来的一个变化：

SPC 管理的对象，会逐渐从“一串测量数据”，回到“一个真实的制造过程”。

最后

所以这次看新版 AIAG-VDA SPC，我觉得不要只盯着：

控制图有没有变？

Cpk 公式有没有变？

样本量要求有没有变？

这些当然都要学。

但在这些问题之前，其实还有一个更基础的问题：

这个特性到底为什么要做 SPC？

它属于极值设计，还是统计公差设计？

顾客对规格范围内的变差是否敏感？

设计人员希望它只是“不超差”，还是希望它长期稳定在目标值附近？

图纸和技术文件有没有把这种要求真正传递下来？

如果这些问题都没有答案，质量部门后面再认真地画控制图、算 Cp、Cpk，有时候也只是在一个并不清楚的目标上做非常精确的计算。

这也是我理解新版 SPC 一个很重要的变化：

SPC 必须有设计理念作为前提。

没有这个前提，研发看的是功能，制造看的是公差，质量看的是 Cpk，客户看的是最终表现。

每个人都觉得自己在谈同一个质量特性。

实际上，大家谈的可能根本不是同一件事。

真正好的 SPC，应该把这些东西重新连接起来。

从产品功能、公差设计、风险和特殊特性开始，一直连接到测量、抽样、控制图、异常反应和过程能力。

这样我们最后看到的那个 Cpk，才不只是报告里面的一个数字。

它背后代表的，才是一个真正被理解、被控制的制造过程。