统计过程控制 SPC 控制图的分类

自1924年休哈特发明控制图以来，已经有80多年了。根据控制图的数据处理方法，控制图可以分为三类:常规控制图、CUSUM控制图和EWMA控制图。

常规控制图也称休哈特控制图，采用显着性检验法，其基本原理是“3σ”(也有人称“6σ法”)，即认为控制极限=中心线3σ，控制极限宽度为6σ。这相当于假设测试的显着性水平为σ=0.0027。然而，传统休哈特控制图中的统计变量是从当前观测值中导出的。当前统计变量与以前的观测值不相关的统计方法，实际上抛弃了系统的时域特性，对质量变化不能有很高的准确性和敏感性。

CU控制图利用顺序分析的原理，根据以往观察的累计结果，判断生产过程是否处于统计控制之下。因此，它具有累积效应并使用大量信息，从而提高了判断生产过程异常的灵敏度。它包含了从开始到被画点的所有观测值的信息，不仅可以快速检测生产过程中的微小偏差，还可以确定偏差的大小和变化的位置。CUSUM图所需的样本数量只有休哈特图所需的一半左右，因此特别适合检测过程中的小偏差。但是，CUSUM控制图虽然考虑了时域信息，但没有考虑不同时刻的观测值反映系统质量信息差异的原理，CUSUM控制图的操作比较复杂。

EWMA控制图是传统控制图的加权。它的指导思想是基于这样一个原则，即生产过程中最近的观察值可以反映更多的质量信息。在确定生产过程的质量特征值时，新的统计变量被赋予更大的权重，旧的权重逐渐减少。这样可以同时考虑系统的频域和时域特性，更适合先进制造技术环境下的统计质量控制研究。

根据产品质量特性的分类，控制图可分为实测值控制图和计数值控制图，并可进一步分为以下八种类型的控制图(图3-3)。

平均范围控制图。

与均值控制图和极差控制图结合使用的控制图。该图可以同时控制质量特征平均值的变化趋势和范围r的变化，与其他控制图相比，可以提供更多的质量特征信息，具有更高的检测能力。

中间范围控制图。

其功能与X-R控制图类似。它的优点是可以减少计算量，但缺点是检测能力不如X-R控制图高。

单值移动范围控制图。

该图适用于控制那些不易分组的数据。RS是移动范围，即两个相邻数据之差的绝对值。

单标准差控制图。该图表一般适用于一次只能测量一个数据，或者由于产品特性相对统一，一次只需要测量一个数据的情况。用x图和S图来判断生产过程的同质性和标准差是否处于要求的受控状态，两个图的使用都可以达到控制生产过程的目的。

不合格产品的数控绘图。

当控制对象为不合格编号时使用。当生产过程或工艺相对稳定时，产品的不合格率p应为相对稳定的值。如果抽样样本是n，那么pn是样本中包含的不合格产品的数量。因此，在稳定状态下，不合格品数量也是一个相对稳定的数值，波动不宜过大。如果发现超过预设的控制极限，则表示生产过程失控。当样本n不相等时，控制上下限和pn图中心线不均匀，不便于绘制和应用。因此，在使用pn图时，要尽量使样本n取相同的值，也可以使用通用控制图来解决这个问题。

不合格品率控制图。

当控制对象为不合格品率或合格品率时，通过观察不合格品率的变化来控制质量。除了控制不合格品率，还可以控制合格率、材料利用率、交(缺)件出勤率、换货延误率、差错率等。当样本N不相等时，P图的控制上下限不均匀，使用起来非常不方便。所以在使用时尽量保证N的值相同，一般的控制图也可以用来解决这个问题。

缺陷控制图。

它的控制对象是某个单位(如长度、面积、体积、时间、空间等)所包含的缺陷数。).比如每公里路面的不平整数，铸件表面的气孔数，报纸上的错别字数等等。当样本N不相等时，控制上下限和C图中心线不均匀，使用不便。所以在使用C图时，尽量保证N的值相同，一般的控制图也可以用来解决这个问题。

单元缺陷数控图。

u控制图主要用于控制单位缺陷数量，使产品质量可以通过测量单位样品数量中的缺陷数量来控制。u控制图和C控制图都是点数的控制图，它们的基本原理是一样的。但与C控制图不同，U控制图不需要控制同样的样本，只要能计算出单位面积的缺陷数即可。u控制图可用于控制纺织品缺陷数量、产品表面缺陷数量以及单位时间内的交通事故数量。