统计过程控制（Statistical Process Control，简称SPC）是一种用于监测和控制生产过程质量的方法，由美国质量管理大师W.A. Shewhart博士于1924年提出。它通过运用统计学原理，对过程中的数据进行分析，以区分出过程中的普通原因变异（随机性变异）和特殊原因变异（异常或非随机性变异），从而判断生产过程是否处于受控状态。SPC的核心是控制图，这是一种图形化工具，能够直观地展示数据的变化趋势和稳定性。
控制图的种类繁多，主要分为计量值控制图和计数值控制图。计量值控制图包括平均值与全距图（X-R图）、平均值与标准差图（X-S图）、中位值与全距图、个别值与移动全距图（X-Rm图）等，它们适用于连续型数据，如长度、重量等。计数值控制图则有不良率控制图（P图）、不良数控制图（np图）、缺点数控制图（c图）和单位缺点控制图（u图），它们处理离散型数据，如缺陷数、不合格品数等。
选择控制图时，需要考虑数据的性质、样本大小（"n"）以及是否满足规格要求。例如，当数据样本量为10至25个单位时，可以选用特定类型的控制图，如"u"图或"c"图。控制图的选择还应根据数据是否稳定、是否满足规格以及其背后的过程特性。
控制图的绘制流程包括收集数据、绘制直方图以理解数据分布，然后根据控制图判断过程是否稳定。如果过程稳定，可以进一步分析控制图以确定过程能力指标，如Ca, Cp, Cpk, Pp, Ppk, Cmk等，这些指标反映了过程在规格限制内的表现和能力。例如，Cp和Cpk衡量的是过程的分散程度和对规格的符合程度，而Pp和Ppk则关注过程的偏移程度。
在实际应用中，SPC强调预防而非事后补救，与ISO 9000系列标准中的预防措施相吻合。通过实时监控过程参数，可以及时发现并消除特殊原因变异，从而提高产品质量和生产效率。例如，模具温度、电流、电压等参数的实时监控属于SPC的范畴。
控制图的原理基于正态分布，正态分布的形状、中心位置和宽度由群体平均值（μ）和标准差（σ）决定。控制图的控制界限（UCL和LCL）是基于这些统计参数设定的，比如μ±3σ的界限，大约包含了99.73%的数据。当数据点超出这些界限时，表明存在特殊原因变异，需要调查并采取措施。
中央极限定理指出，随着样本数量的增加，样本均值的分布趋向于正态分布，即使原始数据分布不是正态的。有限群体修正系数用于调整小样本大小下的平均值分布。此外，控制图的正态分布旋转90度后，可以更好地理解数据点相对于中心线（平均值）的分布情况。
SPC在质量管理中占有重要地位，尤其是在汽车行业，如QS9000标准就明确强调了SPC的应用。通过深入理解和正确使用SPC，企业可以实现持续改进，减少浪费，提高客户满意度，并最终提升竞争力。
