统计过程控制（Statistical Process Control，简称SPC）是一种运用统计方法来监控和改进工业生产过程的方法，旨在确保过程的稳定性和产品质量。该方法源于戴姆勒克莱斯勒、福特和GM等汽车公司的技术手册，涉及到对数据的深入理解和应用。
在SPC中，数据分为三类：计量值数据（连续的数值，如长度、重量）、计数值数据（离散的计数，如缺陷数量）、以及数据的特征值，如平均值（X）、中位数（X）、极差（R）和标准差（S）。平均值反映了数据集的集中位置，而极差则表示数据的最大值与最小值之差，反映数据的分散程度。标准差是衡量数据波动程度的重要指标，它基于偏差平方和的计算。
总体和样本是统计分析中的基础概念。总体是研究对象的全体，而样本是从总体中随机抽取的一部分。随机抽样确保每个个体都有相等的机会被选中，这在SPC中至关重要，因为通过样本的分析可以推断总体的特性。
SPC的基本原理包括了抽样方法，如简单随机抽样、系统抽样、分层抽样和配额抽样。过程被定义为输入转化为输出的相关活动，其中涉及到人、机、料、法、环、测（5MIE）等多个因素。SPC实质上是对这些因素的控制。波动是过程中的自然现象，没有两个产品是完全一样的。波动源可能来自机器、工具、材料、操作者、测量和维护等多个方面。例如，加工轴的直径会受到机器磨损、工具强度、材料硬度、操作者技能和环境条件等因素的影响。
波动分为普通原因和特殊原因。普通原因产生的波动是过程固有的、稳定且可预测的，而特殊原因则是偶然事件导致的，如操作人员更换、刀具损坏或环境突变，这些会导致过程输出的分布发生变化。
通过对数据的分布进行分析，我们可以识别过程的性能和稳定性。如果数据稳定，可以将其描述为一个分布模型，这个模型可以通过位置、范围、宽度和形状等因素来区分。通过监控这些参数，SPC帮助我们识别异常，及时采取措施消除特殊原因的影响，以提高产品质量和过程效率。
在实际应用中，例如螺丝直径的测量，会收集一系列数据来评估过程的稳定性。通过观察这些数据，可以发现过程是否处于控制状态，是否存在特殊原因引起的波动，从而采取相应的改善措施。
