4. SPC 基础与实战：控制图原理、X-bar R 图、P 图、U 图实战应用

SPC，统计过程控制，说白了就是给生产过程装一个“实时心电图”。

我刚开始带产线那会儿，总觉得良率波动是玄学。后来才明白，波动分两种：正常偶然波动和异常特殊波动。控制图就是帮我们区分这两者的工具。

4.1 控制图的核心逻辑：3σ 原则

控制图为什么能判断异常？因为它基于一个统计事实：当过程稳定时，99.73% 的数据会落在均值 ±3σ 范围内。

你想想看，如果某个点跑到了 ±3σ 外面，那它属于正常波动的概率只有 0.27%。这么小的概率事件发生了，我们就有理由怀疑——过程出问题了。

我个人习惯把控制图比作“红绿灯”：中心线是绿灯，上下控制限是黄线，超出就是红灯。红灯亮了，必须停车检查。

4.2 X-bar R 图：计量型数据的标配

X-bar R 图是模组生产中最常用的控制图。它由两张图组成：

• X-bar 图：监控组均值的变化，反映过程中心偏移
• R 图：监控组极差的变化，反映过程离散程度

我记得有一次在封装产线，X-bar 图一直正常，但 R 图突然跳高。排查后发现是某台贴片机的吸嘴磨损了，导致每颗芯片的贴装压力不一致。如果只看 X-bar 图，根本发现不了这个问题。

X-bar R 图构建步骤

1. 收集数据：按时间顺序分组，每组 3-5 个样本
2. 计算组均值和极差
3. 计算总均值和平均极差
4. 计算控制限：使用 A2、D3、D4 系数
5. 绘制并判读

4.3 P 图：不良率的实时监控

P 图用于计数型数据，监控的是不良率。模组生产中的焊接不良、外观缺陷、尺寸超差，都可以用 P 图来跟踪。

P 图的控制限不是固定的，它随样本量变化。样本量越大，控制限越窄。这一点和 X-bar R 图完全不同。

P 图计算公式

中心线 CL = p̄ = 总不良数 / 总检查数
上控制限 UCL = p̄ + 3 × √(p̄(1-p̄)/n)
下控制限 LCL = p̄ - 3 × √(p̄(1-p̄)/n)
（若 LCL < 0，则取 0）

4.4 U 图：单位缺陷数的监控利器

U 图和 P 图很像，但监控的是单位缺陷数。区别在哪？

• P 图：一个产品要么好要么坏，只看结果
• U 图：一个产品可能有多个缺陷，看的是密度

举个例子：PCB 板上的焊点缺陷。一块板上有 1000 个焊点，出现 3 个缺陷。用 P 图的话，这块板算不良品；用 U 图的话，缺陷率是 3/1000 = 0.003。U 图能更精细地反映缺陷密度变化。

我在模组组装线推 U 图时，发现一个规律：当 U 图连续 7 点上升时，往往是某个工位的操作手法出了问题。有一次查出来是操作员换了新手套，导致静电防护下降，微尘吸附增加。

4.5 控制图判异准则（八大判异）

光会画图不够，还得会看图。我总结了最常用的几条：

1. 一点出界：超出 UCL 或 LCL
2. 连续 7 点在中心线同侧：过程偏移
3. 连续 7 点上升或下降：趋势异常
4. 连续 14 点交替上下：可能过度调整
5. 2/3 的点在 2σ 外：离散过大

4.6 实战案例：模组贴片工序的 SPC 应用

某模组产线的贴片偏移量数据（单位：μm）：

计算过程：

总均值 X̄̄ = (13+14+18+12+15)/5 = 14.4
平均极差 R̄ = (4+4+4+4+4)/5 = 4.0

X-bar 图控制限：
UCL = 14.4 + 0.577 × 4.0 = 16.71
CL = 14.4
LCL = 14.4 - 0.577 × 4.0 = 12.09

R 图控制限：
UCL = 2.115 × 4.0 = 8.46
CL = 4.0
LCL = 0 × 4.0 = 0

看第 3 组数据，X̄ = 18.0，已经超出 UCL 16.71。这说明贴片机在那个时段出现了异常偏移。后来排查发现是导轨润滑不足，导致定位精度下降。

4.7 控制图选择决策流程

4.8 实战中的常见误区

SPC 不是万能药，但它能帮我们快速定位问题。记住：控制图是工具，不是目的。真正的价值在于发现异常后，能及时采取纠正措施。