**SPC（统计过程控制）课程补充资料概览**
SPC（Statistical Process Control）是一种质量管理工具，通过统计方法监控和改进生产过程中的变异性，确保产品质量的稳定性。本讲义详细介绍了SPC的起源、核心理念以及相关的重要概念。
**核心理念与先驱者**
1. **戴明 (Edwards Deming)**：他强调品质是制造出来的，而非在最终检验中发现的。他认为通过持续改进和预防措施，才能实现竞争力的品质。
2. **裘兰 (Joseph Juran)**：主张品质管理的目标在于预防不良品的发生，而非事后剔除。品质应成为企业整体战略的核心。
3. **费根堡 (Armand Feigenbaum)**：提出了全面质量管理（TQM），强调所有部门协同努力，预防而非补救，以达到经济且令顾客满意的品质水平。
4. **石川馨 (Kaoru Ishikawa)**：倡导全员参与的全公司质量管理（CWQC），品质是每个员工的责任。
5. **克劳斯比 (Philip Crosby)**：提出“第一次就做对”（Do It Right The First Time），强调零缺陷的标准，品质是每个人的工作标准。
**SPC基础知识**
1. **SPC定义**：SPC是一套利用统计技术来稳定并改进过程能力的方法。
2. **七大工具**：
- 直方图：显示数据分布的图形。
- 查检表：用于记录和分析数据的表格。
- 柏拉图：按频率排序的问题或缺陷分析图表。
- 因果图：显示因果关系的图形工具。
- 缺点集中图：专注于特定缺陷的分布情况。
- 散布图：展示两个变量间关系的图形。
- 管制图：监控过程性能和变异性的图形工具。
**基本观念**
1. 世上没有完全一样的事物，生产过程中的变异是可度量的。
2. 变异通常遵循一定的模式，并且可以归因于机会和非机会原因。
3. 常态分布是描述许多自然和工业产品变异的典型分布形态。
4. SPC有助于提升作业人员的自尊，指出改善过程的关键点。
**常态分布特性**
- 对称分布，平均值两侧。
- 曲线在平均值正负一个标准差处的反曲点包含约68.27%的数据。
- 总面积为1，曲线在正负三个标准差内包含约99.73%的数据。
**管制图的应用**
管制图用来识别过程是否处于受控状态，A区、B区和C区分别代表不同的异常情况。当数据点超出设定的控制限（如平均值加减1个、2个或3个标准差），可能表明存在异常或过程需要调整。
**不同常态分布的比较**
通过比较不同均值和标准差的分布，可以帮助识别过程的变化和差异，从而采取适当的改进措施。
总结来说，SPC课程补充资料详尽地阐述了质量管理的理念和SPC的实践应用，包括其背后的统计理论，为理解如何通过统计方法来优化生产过程提供了坚实的基础。这些知识对于任何致力于提高产品品质和过程效率的企业和个人都至关重要。
