統計制程管制（SPC）是一種品質管理方法，由W.A. Shewhart博士在1924年創立，旨在通過統計手段監控並改善生產過程中的變異性，從而提高產品質量。SPC的核心是使用控制圖，這些圖表能夠展示數據的變異趨勢，區分過程中的普通原因（常態變異）和特殊原因（異常變異），以便采取相應措施。
控制圖的種類主要根據數據性質和用途分類。計量值控制圖包括平均值與全距圖（X-R圖）、平均值與標準差圖（X-S圖）、中位值與全距圖以及個別值與移動全距圖。計數值控制圖則有不良率圖（P圖）、不良數圖（np圖）、缺點數圖（c圖）和單位缺點圖（u圖）。選擇合適的控制圖需考慮數據的性質、樣本大小（n）以及是否滿足特定的統計條件。
在SPC中，「n」代表樣本大小，一般建議在10到25之間。對於計數數據，n是否固定、樣本大小與控制圖的選擇密切相關。例如，當n=1時，可能選擇單值與移動全距圖；當n>1但不固定時，可能選擇np或c圖；當n固定時，可能使用p或u圖。
控制圖的繪製過程包括收集數據、繪製控制圖、解析圖形穩定性、繪製直方圖以檢查數據分佈，並根據規格要求來確定是否適合。如果過程穩定，則使用管制用控制圖進行持續監控；若發現異常，則利用解析用控制圖找出問題原因，改進製程能力。
SPC強調預防而非容忍，其目的不僅是事后檢驗產品質量，更重要的是在製造過程中即時發現和解決問題。ISO 9000系列標準，特別是2000版，強調預防措施的重要性，與SPC的理念相吻合。QS9000的出現也進一步確立了SPC在品質管理中的地位。
統計學中的「機遇性」（中國稱為隨機性）是指數據的自然變異，而「非機遇性」則指過程中的特殊事件造成的變異。控制圖的控制界限（UCL和LCL）與群體平均值（μ）和標準差（σ）相關，根據正態分佈原理，可以計算出不同置信水平下的界限。例如，μ±1σ代表68.26%的數據範圍，μ±2σ覆蓋95.45%，而μ±3σ則覆蓋99.73%的數據。
中央極限定理指出，當樣本足夠大時，即使原始數據不是正態分佈，樣本平均值也會接近正態分佈。有限群體修正係數用於當樣本大小接近整體大小時調整標準誤差。個別值、平均值和標準差的正態分佈圖在控制圖中旋轉90度后，形成控制界限，幫助我們判斷過程是否在控制狀態。
MOTOROLA的6σ方法是SPC的一種延伸，其目標是使過程遠離缺陷，追求極高的產品質量和過程效率。控制圖的判讀涉及識別過程是否超出控制界限，進而判斷是否需要采取改進措施。
總之，統計制程管制（SPC）是一種強大的品質管理工具，通過控制圖分析過程變異，實現預防性质量管理，提高產品品質，降低不良率，從而提升企業的競爭力。理解並有效應用SPC原理和方法，對于現代制造業的品質控制至關重要。
