1. 课程导入

在汽车制造现场，质量从来不是靠最终检验“挑”出来的，而是靠过程能力“稳”出来的。统计过程控制（Statistical Process Control，SPC）正是把质量从结果判定前移到过程控制的核心方法。它通过采集关键特性数据、建立控制图、识别异常波动、评估过程能力，让工程师在缺陷发生之前就发现过程偏移与趋势，从而减少报废、返工和客户投诉。对于冲压、焊装、涂装、总装以及动力总成、电子电器等汽车制造环节，SPC既是IATF 16949体系中的基础工具，也是连接设计、工艺、生产与供应链质量的语言。

一、SPC在汽车制造中的工程价值

汽车制造具有大批量、高节拍、强追溯、供应链协同的特点。一个尺寸链上的微小偏移，可能在总装阶段表现为间隙面差、密封失效或异响；一个焊点参数漂移，可能带来强度不足与耐久风险。SPC的价值体现在三个层面：

• 预防为主：通过控制图区分普通原因波动与特殊原因波动，避免“过度调机”和“放任不管”两种极端。
• 能力可量化：用Cp、Cpk、Pp、Ppk等指标衡量过程满足公差的能力，为PPAP、过程审核和持续改进提供证据。
• 成本可优化：减少全检、返修与报废，把质量成本从“事后救火”转向“事前预防”。

二、从数据到决策：SPC的最小闭环

SPC不是画一张图，而是一个闭环：确定关键特性→制定抽样与测量方案→采集数据→计算控制限→判异→查找原因→采取措施→验证效果→更新控制限。下面用一张信号链式示意图展示汽车制造中SPC从“特性识别”到“工程决策”的全景路径。

三、学习目标与课程框架

本课程围绕“能看懂、能计算、能判异、能落地”四个层次展开，共30章。学习完成后，你应当能够独立完成一条汽车零部件生产线的SPC方案设计，并能在审核与客户沟通中解释控制图与能力指数的工程含义。

四、案例场景：某总装扭矩SPC导入

某总装线关键螺栓扭矩规格为50±5 N·m。初期仅做终检，偶发松动投诉。导入SPC后，按每2小时抽5件组成子组，使用X̄-R图监控。第3天R图出现连续上升，X̄图随后超出上控制限。工程师排查发现拧紧枪气源压力波动，导致扭矩离散增大。调整气源稳压后，过程恢复受控，Cpk由0.92提升至1.48。这个案例说明：SPC不是增加报表，而是把“看不见的漂移”变成“可行动的信号”。

示例：X̄-R图控制限计算（子组大小n=5）
X̄图：UCL = X̄̄ + A2·R̄，LCL = X̄̄ - A2·R̄
R图：UCL = D4·R̄，LCL = D3·R̄
n=5时：A2=0.577，D4=2.114，D3=0
若 X̄̄=50.2，R̄=1.8
则 X̄图：UCL=51.24，LCL=49.16
R图：UCL=3.81，LCL=0