SPC统计过程控制介绍
作者: 来源: 文字大小:[大][中][小]
SPC(Statistical Process Control):统计过程控制：意思即为应用统计技术对过程中的各个阶段进行控制。目的是保证产品与服务的质量在一个可控制或者可预防的范围之内。
SPC 的基本原理：
世上沒有任何两件事、人员、产品是完全一样
制造过程中所产生之变异是可以衡量的
产品的变异通常根据一定的模式而产生
产品大都呈常态分配
变异的原因可分为偶因及异因
应用SPC 可以指出制程最需要改善的地方
建立SPC 的步骤：
1、确定制造流程：绘制制造流程图- 确定工序； 制定品质工程表- 每道工序的质量指标是多少；
2、决定管制项目：哪些是可控制的项目，或者说哪些要素需要被监控；（比如说加工的长度，压铸后的重量等）
3、实施标准化：建立标准，确定管制项目的标准值，上、下限。
4、绘制管制图：根据收集的数据，结和实际，绘制不同的管制图。
5、分析制程能力：根据收集的数据，计算工序的制程能力指标是否符合要求。
6、分析问题：根据管制图的异常，分析产生异常的原因，这些异常是否在正常的波动范围之内，如果不是，要找出原因。
7、解决问题
8、继续管制
SPC 应用的几个误区
目前有很多企业都在学SPC，用SPC，但也存在一些认识上的误区。比如，有些单位收集一些的质量数据，做几个控制图，计算一下Cpk，就算使用了SPC，有些企业为了应付客户的要求，做几个漂亮的控制图，挂在墙上展示一下，也算用了SPC。这些认识都是很初级的，完全没有理解SPC动态过程控制的核心，根本不能达到对过程质量动态、连续监控的目的。
有些质管人员在接触了SPC后，试图寄望它不只能发现过程的异常波动，更应该给出导致异常的过程要素和原因。如异常情况是由设备、原料或操作上的什么问题引起的？这里必须明确指出，这些想法是不切实际的，也是没有理论依据的。SPC工具是用统计学方法对过程质量数据进行处理、使工序质量状态可视化。而可视化的控制图只反映当前过程的运行状态或者未来趋势，并不能反映导致这种状态出现的内在原因。异常原因还要由人去查找，正如张公绪教授总结的“20字真经”所言：“查找异因，采取措施，加以消除，不再出现，纳入标准”。要把控制图的某些特征状态与导致它的内因关联起来，必须在实践中反复总结，发现规律，从而提高查找问题、即时反应的能力。另外，我国SPC质量专家张公绪教授提出的选控图统计诊断理论（即SPCD中的D），也不是用来诊断控制图异常的过程原因，而只适于诊断不同工序影响同一质量指标时（象过滤和褪色都影响液体的透明度），究竟哪道工序是导致异常的根源这样的特殊情况。所以，理想化的期望必将影响质管人员对SPC的信心，也将阻碍企业实施SPC的进程。
SPC培训中要切忌把注意力过多地集中在SPC理论中的统计原理、统计方法、计算公式上，而要以建立过程质量控制理念，理解SPC工具的系统构架、业务分布、数据流程，掌握使用方法为重点，使企业的每个员工都能整体地、理性地认识SPC，在实际中能动地领把SPC思想融入到质量工作中去。
SPC并非只能使用产品的质量数据来监控工序质量，大部分的工艺数据都可用于SPC控制图来监控过程质量。
影响质量的因素：
1、偶然因素：
对生产过程一直起作用的因素。如材料成分、规格、硬度等的微小变化；设备的微小震动；刃具的正常磨损；夹具的弹性变型及微小松动；工人操作的微小不均匀性等等； 对质量波动影响不大，或者在技术上难以避免的，在经济上也不值得消除的因素，由偶然因素造成的质量变化称为正常波动，这种波动一般通过公差反映，此时的工序处于稳定状态或受控状态。
2、异常因素：
在一定时间内对生产过程起作用的因素。如材料成份、规格、硬度的显著变化；设备、工夹具安装、调整不当或损坏；刃具的过渡磨损；工人违反操作规程等；这些因素造成较大的质量波动，常常超出了规格范围或存在超过规格范围的危险；在经济上是必须消除的，在技术上是可测量的、可行的；那么这些因素就是SPC针对的因素。
SPC 的作用：
通过对生产过程或产品的检测，运用统计学知识，结合生产、设计、质检、工艺、人员等因素，区分生产过程中的正常波动与异常波动,提醒人们采取措施消除异常找出异常因素的原因，并给出改善或排除的方法，从而改进质量。
SPC 的特点：
全员参与，而不仅仅是依靠少数质量管理人员；
强调使用统计学的方法来保证预防原则的实现；
SPC不是用来解决个别工序采用什么控制图的问题，SPC强调从整个过程、整个体系出发来解决问题。
能判断整个过程的异常，及时报警。
工程准确度Ca ( Capability of Accuracy )
必须首先确定管制项目的标准值。
设定管制项目标准值的目的，就是希望以该值制造出来的各种产品的实际值，能以该标准值中心，成左右对称的常态分配，而制造時也应以标准值为目标。工程准确度（Ca）评价目的就在于衡量制程平均与标准的一致程度，有時工程准确度指数又称为正确度指数。
Ca 等级评定标准
|
Ca 等级评定标准 |
|
等级 |
Ca 值 |
|
A 级 |
0 - 12.5% |
|
B 级 |
12.5% - 25% |
|
C 级 |
25% - 50% |
|
D 级 |
> 50% |
工程能力指数Cp ( Capability of Precision )
必须首先设定管制项目的上下限。
设定管制项目的上下限的目的，就是希望制造出来的产品的实际值，能在容许的范围内变化，而制造时也以应尽量控制产品的上下限为目标。工程能力指数（Cp) 评价的目的就在于衡量产品分散的宽度对于公差的符合程度。工程能力指数又称为工程精密度指数。
Cp 等级评定标准
|
Cp 等级评定标准 |
|
等级 |
Cp 值 |
|
A 级 |
> 1.33 |
|
B 级 |
1.33 - 1.00 |
|
C 级 |
1.00 - 0.67 |
|
D 级 |
< 0.67 |
制程能力指数Cpk
要制程达到规定，必须Ca 和Cp 均好才可以，而有时Cp 好但 Ca 不一定好，有时Ca 好Cp 不一定好，不管哪种情况，同样都在Cpk 是反映制程能力的一个重要参数；它是Ca 和Cp 的综合指标。Cpk 的等级评定标准和Cp 是一样的。
制程能力分析的用途：
1、提供资料给设计和管理部门，使之了解目前的工程能力
2、决定一项新设备或经过维修的设备是否满足要求
3、选择合适的操作人员的一种手段
4、提供选择最佳材料、最优环境的依据
5、制程能力较公差为窄时，用于建立经济管制界限。
6、制程能力较公差为宽时，可设定适当的中心值来得最经济的生产。
7、用于建立机器调整界限。
统计概念
总体与个体
定义：研究对象的全体，称为
总体或
母体；组成总体的每个单元称为
个体
● 研究对象的全体，指的是研究对象某个数量指标的全部取值，由于一个数量指标通常就是一个随机变量，因此，总体是指某随机变量的取值的全体。而其中的每个值都是一个个体。例如，工厂生产一批零件，共10000 件。其长度是一个随机变量，10000件产品长度数据的全体称为总体，而其中的某一个数据则是一个个体。● 如果要研究的不是一个，而是几个数量指标，如对一批零件不仅要研究其长度，还有研究宽度，重量流时，则要分为几个总体来研究。
● 总体的有限和无限类型随研究的问题而定，对于上述的一批零件而言，总体是有限的；但有时根据研究的需要，我们常把相同条件下的生产的所有零件看成一个总体，显然，此时，它是一个无限总体。
样本与总体
人们从总体中抽取样本的目的是根据样本数据对总体的数字特征和分布规律进行推断、估计和检验。那么为什么不对总体直接进行研究，而是通过对样本的研究而对总体特征进行推断呢？因为生产总是在进行的，从这一意义上来说，总体是无限的，那么对总体的研究是不划算的。
●自然，由样本推断和估计总体很难做到完全精确和可靠。但是必须采取措施获得比较精确和具有一定
可靠性的推断。其措施涉及两方面的问题：即抽取样本的方法和统计推断的方法。
●当样本的抽取满足下列两个条件时，样本将能很好地反映总体的统计规律性：（1）样本容量n足够大。样本容量越大，推断的结论越准确，可靠性越高；（2）采用随机抽样，即总体中每个个体被抽到的机会均等，即使一个个体被抽取后，总体的成分不变。换句话说，每个样品的抽取都是一次独立、重复试验。
●采用统计推断方法以样本的特征去估计总体的特征。
样本与总体的关系：总体特征决定样本特征，样本特征反映总体特征。
样本与样品
从总体中随机抽取的若干个个体的总和称为样本或子样；组成样本的每个个体称为样品；样本中所有的样品的数目称为样本容量或子样大小，样本容量常用符号n代表。
例： 从批量为10,000的一批齿轮中随机抽取20件进行检查,被抽查的20件产品称为样本，而其中每一件产品称为样品；样本大小为20。人们通常只获得样本数据，而不必关心某一数据对应某一样品。
数据采集
数据的收集是一项重要的基础工作，为了给质量管理工作提供可靠的准确的情报，搜集数据时，必须遵循以下原则
1 随机抽样
2 数据的分层
3 明确数据收集的目的和方法
4 作好数据记录，保证数据真实、可靠、准确
随机抽样的方法
随机抽样：是指从总体抽取样品时，使每个个体被抽到的机会均等以使所抽取的样本数据能够很好地代表总体的抽样方法。
随机抽样用到的方法主要有：
1、简单随机抽样法：（单纯随机抽样）
① 抽签法（或掷骰子法）
② 随机数表法
2、分层随机抽样：将总体按产品的某些特征把整批产品划分为若干层（即小批），即分为层，同一层内的产品质量尽可能均匀一致，在各层内分别用简单随机抽样法抽取一定数量的个体组成一个样本的方法
● 分层按比例随机抽样：若按各层在整批中所占比例分别在各层内抽取就称为分层按比例随机抽样
● 例：某批产品批量为N=1200，由A、B、C三个工人加工而成，NA=600，NB=400，NC=200。取n=150的样本。
解：从A 工人中抽取的个数为：nA= (600 ÷ 1200)×150 = 75 ；
nB = (400 ÷ 1200)×150 = 50 ；
nC = (200 ÷ 1200)×150 = 25 ；
3、系统随机抽样法：当批中产品可以按某个次序排列时，给批中每个产品编号1～N，以N ÷ n 的整数部分为抽样间隔，用简单随机抽样法在1至N ÷ n 之间随机抽取的一个整数作为第一个单位产品号码，每隔个产品抽取一个，直到抽出n个样本为止。
● 例：某组每天生产3000件产品，规定巡检员在一天中抽取n=100的样本进行检查，N ÷ n = 30, 试用系统随机抽样确定抽取的样本号码22,那么，以后被依次抽取的样品为：22，52，82，112 ...
4、多级随机抽样法：整批产品由许多群组成，每群又分若干组组成…，以前三种方法任一种抽取一定数量的群，该群的单位产品组成样本，称为整群抽样法或一级随机抽样法，若在各群中按随机抽样法抽取若干组组成样本，称为二阶段或二级随机抽样…
● 例：某产品批N=40000，分为4车，每车100箱，每箱100个，抽取n=1000的样本。
解：a、从4车中随机抽取1车，从1车中随机抽取10箱，作为样本为整群随机抽样；
b、从4车中随机抽取1车，从1车中随机抽取40箱，每箱中随机抽取25个作为样本称为二级随机抽样
c、从4车中每车随机抽取10箱，从每箱中随机抽取25个作为样本称为三级随机抽样。
数据的分层- 找出问题原因的关键：
定义：所谓数据的分层就是将收集来的样本数据根据不同的使用目的和要求，按其性质、来源、影响因素等对其进行分类的方法，它是分析产品质量问题产生原因的有效方法。
● 注意事项：
（1）数据的分层与数据收集目的紧密联系，目的不同，分层的方法与粗细也不同
（2）分层的粗细与对生产过程了解的程度有关
（3）分层是一项细致的工作，分层不当，将会造成问题原因不清的后果
● 分层原则：①操作人员②工艺装备③加工方法④时间⑤材料⑥环境⑦加工工具⑧其他
统计量
为了方便对样本的管制项目特征进行描述，而采用的一系列计算方法，用这些方法计算出来的值就是统计量。
常用的统计量有：样本平均值（在本程序中Xbar表示）, 中位数（在本程序中Xmed表示），样本方差S
2 ，均方差S，众数，极差。
1、样本平均值：Xbar = (X
1+X
2+X
3+...+Xn) ÷ n
2、中位数：将样本数据按大小排列，如果样本大小为奇数，那么Xmed = X[ n/2 ]；即为中间那个数，如果样本大小为偶数，那么，Xmed= (X[ n/2 ]+X[1+n/2])/2 ；即为中间两个数的平均数。
3、样本方差S
2 = ( (X
1-Xbar)
2+(X
2-Xbar)
2+ ... + (Xn-Xbar)
2 ) ÷ n
4、均方差S = SQRT ( ( (X
1-Xbar)
2+(X
2-Xbar)
2+ ... + (Xn-Xbar)
2 ) ÷ (n-1) ) ；<SQRT 表示开平方>
5、众数：在样本数据中，出现频数最多或频率最大的数据称为众数。它也是描述数据集中位置的统计量。
6、极差：在样本数据中，最大的减去最小的称为极差。
管制图知识
什么是管制图
管制图是对过程质量加以测量、记录，从而控制管理的一种用统计学原理和方法设计的一系列图的总称。图上有中心线(CL)、上限(UCL)和下限(LCL)，并有按时间顺序抽取的样本统计量数值的描点序列（如下）：
管制图的作用
管制图对生产过程不断监控，当异常因素刚一露出苗头，甚至在未造成不合格品之前就能及时被发现。如果管制图显示异常，表明异因已经发生，这时一定要贯彻下列20个 字:“
查出异因，采取措施，保证消除，不再出现，纳入标准。”如果不贯彻这20个字，管制图就形同虚设，不如不搞。
管制图的分类
一、计量型：
1、
Xbar - R 管制图（平均值 - 全距管制图或平均值 - 极差管制图）
2、
Xbar - S 管制图 (平均值 - 标准差管制图 )
3、
Xmed - R 管制图 (中位数 - 全距管制图)
4、
X - Rm 管制图 (个别值 - 全距差管制图 )
二、计数型：
1、P 管制图（ 不良率管制图 ）
2、NP 管制图（ 不良数管制图 ）
3、C 管制图 （ 缺点数管制图）
4、U 管制图 （ 单位缺点数管制图）
Xbar- R 管制图：(平均数与极差管制图)
Xbar= (X
1+X
2+...X
n)/n ；R = Max(X
1..X
n) - Min(X
1..X
n)；
R = Max(X
1,X
2,...X
n) - Min(X
1,X
2,...X
n)；
例：某工序生产一批垫圈，现以外径为管制项目，随机抽取样本N=50，n=5，数据记录如下：
|
组\ 样品 |
X1 |
X2 |
X3 |
X4 |
X5 |
|
1 |
5.2 |
5.1 |
5.3 |
5.2 |
5.2 |
|
2 |
5.1 |
5.2 |
5.3 |
5.2 |
5.3 |
|
3 |
5.1 |
5.1 |
5.2 |
5.3 |
5.1 |
|
4 |
5.2 |
5.3 |
5.2 |
5.1 |
5.1 |
|
5 |
5.3 |
5.1 |
5.1 |
5.2 |
5.2 |
|
6 |
5.1 |
5.1 |
5.2 |
5.1 |
5.3 |
|
7 |
5.2 |
5.2 |
5.3 |
5.2 |
5.2 |
|
8 |
5.2 |
5.2 |
5.1 |
5.3 |
5.1 |
|
9 |
5.3 |
5.3 |
5.2 |
5.1 |
5.4 |
|
10 |
5.2 |
5.0 |
5.2 |
5.2 |
5.3 |
求Xbar - R 解：
|
样本组 |
1 |
2 |
3 |
4 |
5 |
|
平均： |
5.2 |
5.22 |
5.16 |
5.18 |
5.18 |
|
极差： |
0.2 |
0.2 |
0.2 |
0.2 |
0.2 |
|
样本组 |
6 |
7 |
8 |
9 |
10 |
|
平均： |
5.16 |
5.22 |
5.18 |
5.26 |
5.18 |
|
极差： |
0.2 |
0.1 |
0.2 |
0.3 |
0.3 |
作Xbar - R 管制图为：
Xmed- R 管制图：(中位数与极差管制图)
Xmed的定义为：将X1 到Xn 的值从小到大排列，如果n为奇数，Xmed就是最中间那个数，如果n 为偶数，那么Xmed 就为最中间的两个数之平均数。
例：某工序生产一批垫圈，现以外径为管制项目，随机抽取样本N=50，n=5，数据记录如下：
|
组\ 样品 |
X1 |
X2 |
X3 |
X4 |
X5 |
|
1 |
5.2 |
5.1 |
5.3 |
5.2 |
5.2 |
|
2 |
5.1 |
5.2 |
5.3 |
5.2 |
5.3 |
|
3 |
5.1 |
5.1 |
5.2 |
5.3 |
5.1 |
|
4 |
5.2 |
5.3 |
5.2 |
5.1 |
5.1 |
|
5 |
5.3 |
5.1 |
5.1 |
5.2 |
5.2 |
|
6 |
5.1 |
5.1 |
5.2 |
5.1 |
5.3 |
|
7 |
5.2 |
5.2 |
5.3 |
5.2 |
5.2 |
|
8 |
5.2 |
5.2 |
5.1 |
5.3 |
5.1 |
|
9 |
5.3 |
5.3 |
5.2 |
5.1 |
5.4 |
|
10 |
5.2 |
5.0 |
5.2 |
5.2 |
5.3 |
求Xmed - R 解：
|
样本组 |
1 |
2 |
3 |
4 |
5 |
|
中位数： |
5.2 |
5.2 |
5.1 |
5.2 |
5.2 |
|
极差： |
0.2 |
0.2 |
0.2 |
0.2 |
0.2 |
|
样本组 |
6 |
7 |
8 |
9 |
10 |
|
中位数： |
5.1 |
5.2 |
5.2 |
5.3 |
5.2 |
|
极差： |
0.2 |
0.1 |
0.2 |
0.3 |
0.3 |
作图如下：
Xbar- S 管制图：（平均值标准差管制图）
Xbar平均值；
S = SQRT( ((X
1-Xbar)
2+(X
2-Xbar)
2+...+(X
n-Xbar)
2)/(n-1) )；标准差的定义为：国际标准化组织将样本方差的平方根定义为标准差，计算方法是单个样本的值减去平均值的平方的和再除以样本总数减一，再开平方。
例：某工序生产一批垫圈，现以外径为管制项目，随机抽取样本N=50，n=5，数据记录如下：
|
组\ 样品 |
X1 |
X2 |
X3 |
X4 |
X5 |
|
1 |
5.2 |
5.1 |
5.3 |
5.2 |
5.2 |
|
2 |
5.1 |
5.2 |
5.3 |
5.2 |
5.3 |
|
3 |
5.1 |
5.1 |
5.2 |
5.3 |
5.1 |
|
4 |
5.2 |
5.3 |
5.2 |
5.1 |
5.1 |
|
5 |
5.3 |
5.1 |
5.1 |
5.2 |
5.2 |
|
6 |
5.1 |
5.1 |
5.2 |
5.1 |
5.3 |
|
7 |
5.2 |
5.2 |
5.3 |
5.2 |
5.2 |
|
8 |
5.2 |
5.2 |
5.1 |
5.3 |
5.1 |
|
9 |
5.3 |
5.3 |
5.2 |
5.1 |
5.4 |
|
10 |
5.2 |
5.0 |
5.2 |
5.2 |
5.3 |
求S 解：
|
样本组 |
1 |
2 |
3 |
4 |
5 |
|
平均： |
5.2 |
5.22 |
5.16 |
5.18 |
5.18 |
|
标准差： |
0.07 |
0.08 |
0.09 |
0.08 |
0.08 |
|
样本组 |
6 |
7 |
8 |
9 |
10 |
|
平均： |
5.16 |
5.22 |
5.18 |
5.26 |
5.18 |
|
标准差： |
0.09 |
0.04 |
0.08 |
0.11 |
0.11 |
作图如下：
X - Rm 管制图
当样品不能合理分组，或者测量数据比较单一不需要分组比较时，才使用X - Rm 管制图。
比如：某切条机切出的胶条长度为：10.2，10.3，9.8，10.1... 因为检测数据只有长度，不需要其他数据，这是就比较适用X - Rm 管制图。
又比如：某工厂生产一批酒精，检测浓度为：0.75，0.76，0.74，0.77，0.75 ... 这时也适用X - Rm 管制图
X : 所有样品的测量数据；
Rm: = | R
m+1 - R
m |
管制界限的计算：
|
Xbar-R |
Xmed-R |
Xbar-S |
X-Rm |
UCLX＝μX＋3σX＝μ＋3σ／（n）-2 ≈ Xbar＋A2R
CLX ＝μX ＝μ≈Xbar
LCLX ＝μX－3σX ＝μ－3σ／（n）-2≈Xbar－A2R
UCLR＝μR＋3σR＝d2σ＋3d3σ≈D4R
UCLR＝μR＝d2σ ≈R
LCLR ＝μR－3σR＝d2σ－3d3σ≈D3R(小於零時不計) |
UCLXmed＝μXmed＋3σXmed＝μ＋3m3σ／（n）-2 ≈ ＋m3A2R
UCLXmed＝μXmed＋3σXmed ＝μ≈
LCLXmed＝μXmed－3σXmed＝μ－3m3σ／（n）-2 ≈ －m3A2R
UCLR＝μR＋3σR＝d2σ＋3d3σ ≈D4R
|
UCLX ＝ μX ＋ 3σX ＝ μ ＋ 3σ／（n）-2 ≈ Xbar ＋ A3s
CLX ＝ μX ＝μ ≈ Xbar
LCLX＝μX－3σX ＝μ－3σ／（n）-2≈Xbar－A3s
UCLS＝μS＋3σS＝c4σ＋3c5σ≈B4sUCLS＝μS ＝C4σ ≈s
LCLS ＝μS－3σS＝c4σ－3c5σ ≈B3s(小於零時不計) |
UCLX＝μX＋3σX＝μ＋3σ≈X＋E2Rm
CLX＝μX＝μ≈X
LCLX＝μX－3σX＝μ－3σ≈X－E2Rm
UCLR＝μR＋3σR＝d2σ＋3d3σ ≈D4Rm
UCLR＝μR ＝d2σ≈ Rm
LCLR＝μR－3σR＝d2σ－3d3σ≈D3Rm(小於零時不計)
＝ ， ＝Rm／d2 E2＝3／d2
|
管制图的判读
1、稳态判断： 有以下情况之一的，我们称之为稳态：
● 所有的点都在管制上下限内；
● 连续25个点都在管制上限内；
● 连续35个点至多1个点落在上下界限外；
● 连续100个点至多2个点落在上下界限外。
2、异常分析： 出现一个或多个的点出现在上下边界外是过程出现异常的重要证据。
3、链分析： 点连续分布在管制中心线的两侧的情况称为链。
●当出现5 点链时，应加以关注。
●当出现6 点链时，应分析其原因。
●当出现7 点链时，应判断为异常，必须采取措施。 （注：为什么7 点链即为异常呢？因为每一点出现的机会是50%，那么连续7个点出现的概率为0.5的7次方=0.0078<0.01 ，根据小概率事件原理，0.0078〈小概率事件标准0.01 ， 这在一次测量中是很难碰到的，如果碰到，说明发生了异常）3、倾向分析： 点连续呈上升或下降趋势变化称为倾向。当出现7 个点呈现向上或向下倾向时，应判断为异常。
5、接近控制线分析：
●接近中心线 在中心线和控制线之间划等分线，如果大部分的点在靠近中心线的一侧，应判断为异常。
●接近上下控制线在中心线和控制线之间划三等分线，在中心线与控制线间作三等分线，如果连续3点中至少有2点，连续7点中至少有3点，连续10点中至少有4点居于靠近上、下控制线的1/3带内，则判断工序异常。
6、周期性分析：点子的变动每隔一定的时间间隔出现明显重复的现象称为点子的周期性变动。点的周期性变动有种种形式，较难把握，一般需较长时间才能看出。对待这种情况，必须在通过专业技术弄清原因的基础上，慎重判断是否出现异常。
管制界限的调整
1）SPC控制图特性：追溯性、预测性、延续性（稳定性）；故SPC控制图的管制界限可以延用。
2）4M1E分析方法，4M1E：人（MAN）、机（MACHINE）、料（MATETIAL）、法（METHOD）、环（ENVIRONMENT）；五要素只要有一个发生改变就必须重新计算。
管制图异常的判断
Ø 有以下几种情况属管制图异常：
1. 有点超出管制上/下限。
2. 连续7点出现在管制中心线的一侧。
3. 连续7点出现持续上升或下降。
4. 连续3点中有2点靠近管制上/下限。
5. 管制图上的点（7点以上）出现规律性变化。
管制图异常的处理
1．产线工人或
班组长发现SPC管制异常时首先；自我检查，是否严格按作业标准（SOP或WI）作业，相邻作业员交叉检验；情况严重，或无法查找到原因必须立即通知品质工程师和制程工程师。
2．品质工程师与制程工程师现场分析后，能否在较短的时间内（0.5~1小时）找到产生异常的原因，采用4M1E分析制程；如仍然无法找到根源，而且情况严重（如：P不良率大大超标），报告上级主管决定是否停线；品质工程师召集相关部门开会讨论，寻找根本原因（制程、设计、材料或其它）。
3．SPC产生异常的原因找到并实施纠正预防措施后，SPC管制图向管制异常相反的方向转变，说明对策有效；恢复正常生产。此过程必须严密监控。