先看一个真实场景
产线质量工程师每天早上第一件事,是打开 SPC 系统看昨天的控制图。
图上有 40 个点,大部分在中心线附近晃,其中有一两个点靠近红色虚线。他心里犯嘀咕:
"这个点算不算异常?要不要停机?还是先观察?"
问工艺工程师,回答是"再看看";问主管,回答是"别大惊小怪"。
于是这张图就一直挂在墙上,没人真正用它做决策。
控制图不是画给客户看的,是画给"要判断该不该动手"的人看的。 看不懂判异规则,它就只是一张装饰画。
一、先搞清楚:控制图到底在解决什么问题
任何生产过程都有波动。波动分两类,这是 SPC 的全部逻辑起点:
| 波动类型 | 中文叫法 | 特征 | 应对 |
|---|---|---|---|
| 普通原因 | 随机波动 | 一直存在、幅度小、无法归因到某个具体事件 | 改系统(工艺/设备/设计) |
| 特殊原因 | 异常波动 | 突然出现、幅度大、能归因到具体事件 | 找到它、消除它 |
控制图的作用,就是帮你区分这两类波动。 落在控制限内 = 普通原因,别乱调;超出控制限或出现异常模式 = 特殊原因,必须查。
这里有个最常见的误解,必须先拆掉:
控制限 ≠ 规格限
| 控制限(UCL/LCL) | 规格限(USL/LSL) | |
|---|---|---|
| 谁来定 | 过程自己算出来的(x̄ ± 3σ) | 客户/设计定的 |
| 回答什么 | 过程稳不稳定 | 产品合不合格 |
| 超了怎么办 | 查特殊原因 | 隔离、返工、报废 |
一个过程可以"很稳定"但"能力很差"——所有点都在控制限内,但整体偏出规格限,天天出不良品。这时候该改的是工艺中心值,不是去找异常点。
控制图看"稳不稳",Cpk 看"够不够",这两件事不能混。
二、读控制图之前,先确认三个前提
很多人一上来就看点,其实图本身可能是错的。先过这三关:
- 数据够不够:至少 20~25 组数据,才有统计意义。只有 8 个点算出来的控制限,会窄得离谱,到处"报警"。
- 控制限算得对不对:单值数据用 I-MR 图(σ = 移动极差均值 ÷ 1.128),分组数据用 X̄-R 图。用错模型,控制限就是错的。
- 数据有没有分层:两班次、两台设备、两批物料混在一张图里,算出来的 σ 会虚高,把真异常掩盖掉。
这三关不过,后面 8 条规则全是空谈。
三、8 种判异规则(核心)
下面这 8 条,是业界通行的判异准则(Nelson Rules)。别只记第 1 条——只知道"点出界"的人,会漏掉 80% 的早期异常。
| 规则 | 判定条件 | 它在告诉你什么 | 常见根因 |
|---|---|---|---|
| R1 | 1 点超出 3σ 控制限 | 明显的特殊原因 | 设备故障、错料、操作失误 |
| R2 | 连续 9 点在中心线同侧 | 均值发生了偏移 | 换批次、换刀具、参数被改 |
| R3 | 连续 6 点持续递增/递减 | 存在单向漂移 | 刀具磨损、设备老化、温漂 |
| R4 | 连续 14 点交替上下 | 存在系统性交替 | 两班次差异、双工位差异 |
| R5 | 连续 3 点中 2 点超出同侧 2σ | 偏移的早期信号 | 同上,但更早发现 |
| R6 | 连续 5 点中 4 点超出同侧 1σ | 更早期的偏移信号 | 同上,警觉性要求最高 |
| R7 | 连续 15 点都在 1σ 以内 | 波动异常地小 | 数据造假、分层不足、控制限算错 |
| R8 | 连续 8 点都在 1σ 以外(两侧) | 波动异常地大 | 过程不稳定、多因素混杂 |
几条容易被忽略的重点
R5 和 R6 才是 SPC 的真正价值。 R1 是"事后报警"——不良已经产生了。R5/R6 是"事前预警"——过程刚开始偏,你还有机会拦住。只靠 R1 的工厂,本质上还是事后检验。
R7 反直觉,但很重要。 波动"太小"不是好事,往往是数据有问题:操作员知道要被考核,手工填了"漂亮数据";或者把两台设备的数据混算了,掩盖了真实波动。看到漂亮得不像话的控制图,先怀疑数据。
R3 最容易被误判成"正常"。 6 个点缓慢上升,每个点都在控制限内,看起来一切正常——但这是刀具磨损、催化剂衰减的典型信号,等它涨出控制限时,已经晚了。
四、竞品是怎么做的:四类 SPC 工具的取舍
如果你要落地 SPC,绕不开选工具。市面上大致四类,各有各的坑:
| 类型 | 代表 | 优势 | 短板 |
|---|---|---|---|
| 专业统计软件 | Minitab | 统计功能最全,学术界/大厂标配 | 贵、重、需要统计基础,一线工程师上手慢 |
| 表格手工 | Excel | 免费、灵活、人人会用 | 手工算控制限易错、不能自动判异、无法留痕 |
| 商业 SPC 系统 | 盈飞无限、太友等 | 完整闭环,能对接 MES/设备 | 采购周期长、成本高、实施重,小厂养不起 |
| 在线轻量工具 | 各类在线 SPC | 打开即用、免费、上手快 | 功能够用但不深,复杂分析要另找工具 |
选择逻辑不是"哪个功能最强",而是"谁来用、用多频繁"。
- 质量部专职工程师、要做完整分析 → 专业软件或商业系统
- 一线班组长、每天看几张图要快速判断 → 轻量工具就够,重工具反而没人用
- 只是偶尔验证一个猜想 → 在线工具最快
行业里最普遍的浪费,是买了一套重系统,结果一线不用,最后沦为"应付审核的摆设"。 工具的选择标准应该是"用的人愿不愿意每天打开它"。
五、我的实战观察
在制造现场,SPC 落地失败通常不是因为"不会算",而是因为这三件事:
- 报警太多,最后全部忽略。 控制限算得太窄(数据不足就硬算),一天报几十次警,班组长很快学会"点掉它"。判异规则不是越多越好,是先保证不误报。
- 只做 R1,不做趋势判异。 只盯"出界点",等于放弃了 SPC 最有价值的部分——早期预警。
- 控制图和规格限混着用。 用规格限画控制图,所有点都"合格",图就失去了发现异常的能力。
这三点,本质上都是没搞清控制图是"过程监控工具",不是"产品检验工具"。
六、动手试一下
规则看懂了,最好的验证方式是拿一组数据跑一遍。
我做了个在线工具,把一批数据贴进去,它会自动:
- 算出控制限(I-MR 法)和 Cpk
- 标出所有异常点
- 逐条告诉你触发了哪条判异规则
不用装软件,不用注册。
说明:在线工具目前实现了最常用的 5 条规则(R1/R2/R3/R5/R6),R4/R7/R8 属于更细的场景,可先用专业软件验证。工具支持 4 种典型场景(稳定 / 均值偏移 / 趋势漂移 / 单点超限),你可以直接切换看判异差异。
七、常见问题
Q:控制限内的点就一定合格吗? 不一定。控制限只管"过程稳不稳定",合不合格看规格限和 Cpk。过程稳定但 Cpk < 1.0 的情况很常见。
Q:Cpk 多少算合格? 行业通行标准:Cpk ≥ 1.33 算合格,≥ 1.67 算良好,< 1.0 说明过程能力严重不足。但这个标准要看行业和客户要求,汽车、医疗等要求更高。
Q:数据要多少组? 至少 20~25 组。少于这个数,控制限不可靠,宁可先攒数据也不要硬画。
Q:为什么我的控制图总是报警? 先查三件事:数据够不够、模型对不对(单值 vs 分组)、有没有分层。这三个问题不解决,报警是必然的。
本文是 jiqi.xin「面板/半导体制造数字化」系列的其中一篇。内容基于一线实践与公开资料整理,欢迎指正。