SPC控制理论运用于进货检验
随着时代的发展，很多企业都实施了日供货，以减少库存，从而降低库存成本。这样的供货体系给进货检验带来了很大的压力，不论是采用GB2828抽样管理办法，还是采用百分比抽样（虽然不太合理，但很多公司仍然在采用），样本量大的检验，必然造成进货检验员人力资源的短缺。如果不增加人员来完成规定的抽样，检验员会人为降低样本量，或匆匆忙忙检查，以完成本次检验（检验不完，要停工，要追究责任）。长期以来，进货检验不但压力大，还给企业带来了质量隐患，存在着很大的风险。
为了缓解这一矛盾，我想到了SPC控制理论，SPC能控制生产过程，为什么就不能控制进货检验过程呢？
设想一下，每一位进货检验员每天检查不同种类配件，按规定的抽样方法，抽取样本，检验样本，记录检测数据，与标准对比，判定样本中多少个不合格，再根据合格判定数判定本批是否合格。每批都采取数据，但未对数据进行统计分析。我们可以将统计过程控制SPC理论用于统计分析。设想方案如下：
第一步：每个进货检验员根据技术要求确定每个配件的3-5个关键特性尺寸（此尺寸受控，就能保证此配件的质量）。
第二步：针对这几个关键特性，每批进货随机抽取3-5个配件进行测量（当然正规生产过程是连续采样），并记录数据。
第三步：收集25组数据。
第四步：根据SPC知识制作控制图。（上下限考虑到风险可适当加严）
第五步：判断此配件的进货过程（含包装运输）是否稳定。
第六步：稳定以后转入控制用控制图。
第七步：以后每批货只需检测3-5个配件的3-5个关键特性尺寸，将平均值和极差打点于控制图（一个关键特性尺寸一张控制图）上，根据点是否出界就可判定本批是否合格。
这样做的好处：
1、样本量只需3-5个，大大减少了检测时间，弥补了人员不足，检测不完善而造成的风险。同时提高了效率，减少了浪费
2、可监控此配件质量的发展趋势，及早报警，给供方提出将要产生不合格产品的信息。因为等检验再发现不合格，已经晚了。不但影响生产，还会给供方带来运输、返工、返修等消耗费用。
3、将运输中造成的缺陷（或变化）也纳入了监控。
4、可以和供应商的生产过程控制的SPC做对比，根据控制图的趋势以发现其它未预料到的事情。
5、必要时双方做MSA测量系统分析，以避免供方检测的合格，而组织自身检测不合格造成的误判；也避免供方的不合格产品，被组织测量合格而误用。
这样做的弊端：
1、因为组间采样不连续（其实就是随机），可能引进了其它影响因素，导致变差增大。这个主要通过加严控制线来减小误判的概率。
2、刚开始做时较复杂，因为需要一段时间数据和经验的积累。一旦监控起来，效果肯定优于其他抽样检验方法。
ISO/TS16949：2002标准中的7.4.3.1款中规定“组织接收统计数据，并对其进行评价”。我想这么做也是可行的。
SPC控制理论运用于进货检验，充分体现了组织对供方的监视，也能促进供方对其制造过程业绩的监视。
十大误区-SPC应用
误区之一:没能找到正确的管制点
不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸（特性的）.那么重点尺寸\\性能如何确定呢?通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可);误区之二:没有适宜的测量工具.
计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的
解析与管制,否则,管制图不能识别过程的谈判.而很多工厂勿略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导;
误区之三:没有解析生产过程,直接进行管制.
管制图的应用分为两个步骤:解析与管制.在进行制程管制之前,一定要进行解析.解析是目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。制程只有在稳定，并且制程能力可以接受的情况下，方才进入管制状态。
误区之四：解析与管制脱节。
在完成制程解析后，如果我们认为制程是稳定且制程能力可接受的，那么，就进入管制状态。制程控制时，是先将管制线画在管制图中，然后依抽样的结果在管制图上进行描点。那么，管制时管制图的管制线是怎么来的呢？管制图中的管制线是解析得来的，也就是说，过程解析成功后，管制线要延用下去，用于管制。很多工厂没能延用解析得来的管制线，管制图不能表明过程是稳定与受控的。
误区之五：管制图没有记录重大事项。
要知道，管制图所反应的是“过程”的变化。生产的过程输入的要项为5M1E（人、机、料、法、环、量），5M1E的任何变化都可能对生产出来的产品造成影响。换句话说，如果产品的变差过大，那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化，那么，这些变化就会在XBAR图或R图上反映出来，我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机，而改善的第一步
就是分析原因，那么，5M1E中的哪些方面发生了变化呢？我们可以查找管制图中记录的重大事项，就可以明了。所以，在使用控制图的时候，5M1E的任何变化，我们都要记录在管制图中相应的时段上。
误区之六、不能正确理解XBAR图与R图的含义。
当我们把XBAR-R管制图画出来之后，我们到底从图上得哪些有用的资讯呢？这要从XBAR及R图所代表的意义来进行探讨。首先，这两个图到底先看哪个图？为什么？R反应的是每个子组组内的变差，它反映了在收集数据的这个时间段，制程所发生的变差，所以他代表了组内固有的变差；XBAR图反映的是每个子组的平均值的变化趋势，所以其反映的是组间的变差。组内变差可以接受时，有明分组是合理的；组间变差没有特殊原因时，表明我们在一段时间内，对过程的管理是有效的、可接受的。所以，我们一般先看R图的趋势，再看XBAR图。
误区之七、管制线与规格线混为一谈
当产品设计出来之后，规格线就已经定下来了；当产品生产出来后，管制图的管制线也定出来了。规格线是由产品设计者决定的，而管制线是由过程的设计者决定的，管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控，与产品规格没有任何的联系，它只决定于生产过程的变差。当西格玛小时，管制线就变得比较窄，反之就变得比较宽，但如果没有特殊原因存在，管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时，往往画蛇添足，在管制图上再加上上下规格线，并以此来判产品是否合格，这是很没有道理，也是完全没有必要的。
误区之八、不能正确理解管制图上点变动所代表的意思
我们常常以七点连线来判定制程的异常，也常用超过三分之二的点在C区等法则来判断制程是否出现异常。如果是作业员，只在了解判定准则就好了；但作为品管工程师，如果不理解其中的原委，就没有办法对这些情况作出应变处理。那么这么判定的理由是什么呢？其实，这些判定法则都是从概率原理作出推论的。比如，我们知道，如果一个产品特性值呈正态分布，那么，点落在C区的概率约为4.5%，现在有三分之二的点出现在4.5%的概率区域里，那就与正态分布的原理不一致了，不一致也就是我们所说的异常。
误区之九、没有将管制图用于改善
大部分公司的管制图都是应客户的要求而建立，所以，最多也只是用于侦测与预防过程特殊原因变异的发生，很少有用于过程改善的。其实，当管制图的点显示有特殊原因出现时，正是过程改善的契机。如果这个时候我们从异常点切入，能回溯到造成异常发生的5M1E的变化，问题的症结也就找到了。用就管制图进行改善时，往往与分组法、层别法相结全使用，会取得很好的效果。
误区之十、管制图是品管的事情
SPC 成功的必要条件，是全员培训。每一个人员，都要了解变差、普通原因、特殊原因的观念，与变关有差的人员，都要能看懂管制图，技术人员一定要了解过度调整的概念……等。如果缺乏必要的培训，管制图最终只会被认为是品管人员的事，而其实我们知道，过程的变差及产品的平均值并不由品管决定，变差与平均值更多的是由生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念，大部分人员都会认为：产品只要合符规格就行了！显然，这并不是SPC的意图。所以，只有品管在关注管制图是远远不够的， 我们需要全员对管制图的关注。
SPC容易忽视的问题
在我们的企业当中，很多都是不重视统计过程控制的，或者只是把统计过程控制当做一个口号或者一个用来通过各种认证用的手段，并没有真正的用到现实生产当中，也没有起到真正的作用。于是就产生了一个问题，如果仔细的审核所有的统计过程，会发现存在很多的问题。
首先，为什么要用SPC，SPC的作用是什么？重视企业内部外部顾客，以顾客满意作为主要目标，这些目标必须不断地在价值上得以改进，运用SPC，能使我们致力于更有效的改进，同时，我们组织中的每一个人都必须确保不断改进及使用有效的方法。
1、在作XBar-R图时，数据搜集不准确。数据的搜集来自于现场，往往我们根据控制计划或者其他文件的要求，到现场察看数据采集情况，会发现现场的数据采集没有按照要求来进行。有些企业会采用连续测量，100%测量的方式，同时也不做任何的纪录，只要检验人员发现没有问题，也不需要进行任何变动，一旦发现，则进行调整设备参数或采取别的措施。而采用该方法是与SPC相违背的。有些公司采用了100%检验不说，根据大体情况，再进行编制控制图，专门用来应付审核或者提交客户用，这样的SPC是没有作用的，同时还浪费更多的人力物力。所以，希望我们运用统计技术的企业，能够真正的将统计技术运用起来，而不仅仅是流露与形式。
2、做控制图时部分或者全部的曲线类似。这也是数据经过编辑的一种可能。在SPC教材当中明显指出几种应该注意的曲线形状（包括点的运动趋势），这就要求绘制该图表的人员具有相当的水平，即要避免出现教材中描述的情况，又要让数据基本合理，便出现了连续几次数据统计采用相同或类似的数据。也是数据失真的一种表现。要想区分是否真实也很简单，比较几个不同的控制图，察看其中的数据排列情况，如果作假，能够看出倪端。
3、控制图当中出现了连续9点上升，但是没有采取措施的纪录。为了能够更好的把问题进行记录，并控制预防，应该把问题从原因分析到解决到预防形成一个闭环。出现同样问题的也包括类似于超出控制限的点。均没有形成经验的积累。
4、控制限的时间太久，没有更新，从持续改进的角度来看，我们的控制限，我们的生产控制当达到一定的阶段以后，能够将曲线的波动控制在更小的范围内，同时我们也需要对控制限进行缩小，以达到更好的监控。
5、计算出来的CPK值不合理。CPK值一般遵循下面的原则：CPK<0.67，则必须采取紧急措施，改善品质；0.67 SPC技术运用可能会出现的弊端 随着QS9000到TS16949质量管理体系在中国汽车制造行业及其供应链厂商导入与实施以来，SPC成为过程控制的重要手段。这科学有效的方法也很快被其它行业迅速直接或间接引用，SPC热在制造业中迅速盛行起来，其中离不开外部各类型培训/咨询/认证机构的广泛宣传和推广。 但是很多企业通过SPC实际运用，却出现意想不到的通病：原本以前相安无事的部门，居然异常众多，由于解决不力，形成一发不可收拾的局面，或现有投入或现行环境还达不到解决问题的程度，越来越多的企业感觉或发现到：花了不少培训费用，投入了相当人力和物力，并没有给企业带来预期收益；或实行下去也渐渐成为一种对外吹嘘的光环，而并没有真正服务生产实际；或因相当的测量数据采集，反而成为工作负担，使为数不少的质 量负责人只是应付老板或对应客户所需，并没有为其质量管理工作带来多大意义，还不如简单的QC七大手法来的即时有效。部分企业内部的SPC实施久而久之也就不了了之。 其实SPC本没错，是科学的。SPC没有得到有效运用，在本人所接触的行业和同行质量担当中也为数不少。究其原因，有以下分析。 1、SPC仅是一种更好的方法论，本身并不会带来实际收益。而很多人却存在认识误区：SPC运用=质量提升。其实两者没有必然联系。在实践过程中，SPC统计结果出来，最终还是: *人的思维去分析产生的原因; *人的经验和技艺找到解决问题的对策; *一个有致解决问题的团队去实施，并能够在对策失败中再检讨再对策; *还有一个不解决问题不罢休的恒心，四者缺一不可。 否则一纸空文，最终落得个被上司或老板责骂不已。特别是在三资企业，不少人感叹：多一事不如少一事。 2、SPC过程能力统计，是基于过程受控状态前提下进行的。只有在这样的条件下，所得的结论才具有意义。而实际运用中，很多企业甚至完全不加确认，只要采集数据一输入，结果一输出。用这样的结论来判定过程是不可取的。 3、SPC过程统计通过运用Xbar-R控制图、P或np管理图、单位缺陷数控制图等描 点方式，更直观地敏感地分辩过程是否存在异常点。但这种异常，仅是一种统计上的异常警报，可能是虚假的，也可能是实际的。而很多质量管理者，却盲目的都认为是生产状况存在异常，或产品质量发生状况，没有实际调查，去伪存真，而只会在办公室发号施令，决策错误屡见不鲜，甚至实施过程造成下属或关联部门抵触情绪，有些迫于压力，消极执行指令，以下瞒上等等，反而生产诸多管理新问题。企业内部经常出现“纸上谈兵”嗤之以鼻的暗自嘲弄，也就不足为怪了。 4、SPC过程控制基准，是源自汽车行业本身质量要求而来的。可以这么说因其行业质量控制成本相对较高，SPC运用实为一种经济的方法。但SPC的运用也是需要投入一定的成本，对其它传统行业，或低值产品行业，或行业本身工艺水平就不太高，甚至客户原本就要求较低的企业来讲，SPC运用好比”杀鸡用牛刀”，可能结果是：质量有改善，但质量成本也高了；也可能质量没改善，不但白花了一笔钱，还导致新的管理问题出现。过程控制在基于3σ，能力要提高到1.00以上的要求，其能力实实在在提升也并不是件易事，常见到现场抱怨：“工程检查PASS，出荷检查PASS，甚至出货到客户也没有不良投诉，还要改进什么？”，有些企业头脑一热，或纯粹做市场宣传，打肿脸来充胖子的情况，就不多说了。这里想说的是，选择一个管理决定前，应好好的给自己号号脉：是否适合企业本身发展的阶段，人员素质是否跟得上，自己能否长抓不懈，提升竟争力的代价是否划算，现行方法可以满足要求吗，其它方法是否也可行，等等，多扪心自问，别把传统好的东西盲目丢下，一味地去赶风。 5、在很多培训机构/咨询/认证机构所介绍有关SPC过程判稳/判异方法，及非正态分布识别方法。如：1）判稳原则：n=25，界外点d=0，或n=35，界外点d≤1，或n=100，界外点d≤2；2）判异原则：常用的有8大原则，如：a点出界；b连续3点，有2点在A区，至于第3点在何处不管；c连续5点，有4点在B区，至于第5点在何处不管；d连续6点呈上升或下降趋势；e连续8点在中心两侧，但无1点在C区；f连续9点在C区， 或在其外排成一串，g连续14点上下交替；h连续15点在C区上下；3）非正态分布识别方法，如：均匀分布；左右倾向分布；指数分布；双峰分布；孤岛型分布等，以上相形细微波动的敏感分辩法则对于质量精益管理，或理论型研究，或实验验证方面，在有充裕时间可静心分析解决问题的情况下是适合的，实际上对于不断变化的生产现场，及有相当压力和工作负担的质量负责人来讲，包括在讲求效益的企业内部环境，很多情况是通过以上法则发现的异常还没来得及分析解决，新的问题和异常早已产生，久而久之异常现象不断累加，给人的感觉形同大敌当前，但当一个月度总结下来的时候，却并没有出现不良品增多，甚至各工程检查也没有出现批次不良增多迹象。”难道SPC在损人吗”，从管理角度来看，特别是在质量目标实施总量控制的企业内部管理来讲，在一定程上来说SPC分辩的异常的确是小题大做，很重要的原因：它是在UCLx/LCLx控制界线内管理的，而非在USLx/LSLx规格要求（或客户要求）控制界线内管理，甚至当产品设计本身存在客观问题而当前无法克服时，客户有时还默许出现异常，而且从老板成本控制角度上讲，也是不经济的。故，以上外部机构所讲述的分辩法则于企业管理实际是存在一些不适宜的地方。这也是很多外部机构不能回答或解决实际问题所在的重要原因。 6、SPC过程统计控制本身也存在这样的问题，即：1）必须在过程稳定的基础上，才能把当前过程的控制线延长，作为后续判定基准。但生产过程实际是不断变化的，因此要找到或改进到一个稳定过程作为基础，对讲求时效的今天，这里花费的时间和精力未免太长，有的行业某些过程根本就不可能存在稳定的状态。而且当前所制定的控制线是否适应后续变化的情况也是很难说的，比如：客户要求加严，工艺水平提升，过程得到改进，或测量技术提升等等，先前的控制线还能成为现行变化的情况吗？前后控制过程如何把断层的控制图建立相互联系的对比分析的连续监控过程，这是当前SPC技术没能解的问题； 2）SPC在运用中，目前众多同行中只是运用在一段时期的总体能力判定，并没能做到实时正确监控和指导改善，一般只用在量产前许可承认上，而量产过程监控还是很大一 块空白，这与前者相关联。 因篇幅问题不能全部显示，请点此查看更多更全内容