01 One
同样是一张控制图，可能在做完全不同的事情
很多企业实际上把两件事情混在了一起。第壹件事情是，把过去一段时间的数据拿出来，通过控制图判断这个过程过去到底发生了什么。例如：收集过去一个月的数据，看看过程是否稳定，有没有特殊原因波动，什么时候发生了变化，不同班次之间有没有差异，换刀以后过程有没有变化，某一天为什么突然出现异常。这时候控制图更像一个“侦探”，它利用已经发生的数据寻找过程变化的线索，这就是回顾性或者分析控制图。
这种控制图当然有价值。因为企业必须先理解自己的过程，才能知道什么叫“正常”：
设备正常运行的时候波动有多大？
材料批次变化会不会带来均值变化？
不同班次之间有没有系统性差异？
刀具使用到什么阶段以后波动开始增加？
如果这些问题都没有搞清楚，仅仅画出两条控制限，其实并没有真正理解过程。因此，分析过去并不是SPC的低级应用，而是建立未来控制基准的重要基础。
但第二件事情完全不同。当我们已经通过历史数据和过程研究，对一个过程建立了基本认识，并形成了合理的中心线和控制限以后，接下来控制图面对的就不再是一批已经结束的历史数据，而是正在运行的生产过程。例如：上午8点采集一组数据，正常；10点再采一组，正常；12点的数据突然出现异常信号。这时候控制图的任务不是等到月底以后告诉质量经理：“你看，12号中午曾经发生过一次异常。”而应该马上触发现场反应：
设备是不是发生了变化？
刀具是不是磨损了？
材料批次是不是换了？
参数有没有调整？
测量系统有没有问题？
从上一次正常状态到现在生产的产品是否需要隔离？
这时候控制图的角色已经发生了变化，它不再只是一个统计分析工具，而成为现场生产控制系统的一部分。简单来说，分析控制图主要回答的是“过去发生了什么”，SPC控制图主要回答的是“现在的过程还是不是原来的那个过程”。
这也意味着，同样一张X̄-R图，可能承担完全不同的任务。前期收集数据，分析设备、材料、班次、测量等因素，确认过程基本稳定，并建立合理的过程基准，这时候我们是在“认识过程”；正式生产以后，把不断产生的新数据与已经建立的基准进行比较，判断过程有没有发生变化，这时候我们是在“控制过程”。所以可以把两者理解成一个非常简单的逻辑：过去的数据告诉我们，正常的过程应该长什么样；新的数据告诉我们，现在的过程还是不是原来的样子。
理解这一点以后，现场很多看似习以为常的SPC做法就值得重新思考了。例如：有些企业每个月都重新计算一次控制限，1月份算一次，2月份重新算，3月份再重新算；有些SPC软件甚至根据蕞近20组或25组数据自动滚动计算控制限。表面上看，这似乎更加科学，因为控制限总是在使用蕞新数据，但这里隐藏着一个很大的风险：如果过程已经发生变化，而控制限也跟着变化，我们实际上可能正在让异常自己变成“正常”。
例如随着刀具磨损，尺寸均值逐渐向上漂移。如果控制基准保持不变，我们可能很快通过趋势或者其他异常信号发现变化；但如果中心线和控制限不断根据蕞新数据重新计算，那么过程往上漂，中心线也跟着往上漂；过程波动越来越大，控制限也跟着越来越宽。蕞后可能出现一个非常荒唐的结果：过程明明已经恶化了，但控制图看起来仍然“受控”。这就像高速公路原来限速120公里/小时，一辆车开到140公里/小时以后，我们不是提醒司机减速，而是把限速牌改成150公里/小时。这样当然永远不会“超速”，但控制本身已经失去了意义。
这里也涉及SPC另外一个长期存在的误区：把控制限当成另外一种规格限。规格限来自设计要求、客户要求、功能要求或者法规要求：
1、它回答的是“产品做到什么程度算合格”；而控制限来自过程自身的统计行为；
2、它回答的是“如果过程没有发生特殊变化，它通常会在什么范围内波动”。所以控制图真正监控的并不是产品有没有超差，而是过程有没有发生变化。
这也是为什么一个产品完全可能还在规格范围以内，但控制图已经出现异常信号。恰恰是在这个时候采取行动，才体现了SPC的预防价值。如果一定要等到尺寸真正超出规格以后才处理，那更多是在做检验、遏制和不合格品控制，而不是统计过程控制。
反过来也一样，一个过程完全可能在统计意义上非常稳定，却稳定地生产着不满足要求或者能力不足的产品。例如：某尺寸要求10±0.5 mm，过程长期稳定在10.45 mm附近，而且波动很小。从控制图角度看，它可能非常稳定，但从规格要求和过程能力角度看，它显然存在风险。
稳定性回答的是：“过程有没有发生变化”，能力回答的是“这个稳定的过程能不能满足要求”。这两个问题不能混为一谈，更不能简单地认为“控制图没有超限，所以过程能力就一定没有问题”。
02 Two
真正的SPC，是从分析过去走向控制未来
如果理解了分析控制图和SPC控制图的区别，企业实施SPC的逻辑也应该发生变化。过去很多企业的流程是：采集数据→画控制图→计算Cpk→打印报表→签字存档。这样的流程完成了统计工作，却未必完成了过程控制。更加合理的逻辑应该是：先通过历史数据认识过程，再建立过程基准，然后利用新的数据监控过程变化，发现异常以后立即采取行动。
第壹步不是急着画图，而是理解过程。企业需要确认测量系统是否可靠，数据如何采集，合理子组如何建立，抽样频率如何确定，主要变差来源有哪些，设备、材料、人员、环境、刀具和参数变化会怎样影响过程。上一篇我们讨论“每2小时抽5件为什么可能没有依据”，本质上就是这个问题：如果不知道自己究竟想发现什么变化，就很难证明为什么应该每2小时抽一次，也无法证明为什么每次应该抽5件。
第二步是在过程相对稳定、主要特殊原因得到识别和处理以后，建立合理的过程控制基准。这里的中心线和控制限，不应该简单理解成软件自动计算出来的三条线，而应该理解成企业对“正常过程行为”的统计描述。只有当我们相信这段数据能够代表一个相对稳定、可以作为未来比较基准的过程时，这些控制限才真正具有管理意义。
第三步才是现场真正意义上的SPC控制。生产过程中新的数据不断产生，我们不断问同一个问题：现在的过程还是不是我们已经认识的那个正常过程？如果答案是“是”，过程继续运行；如果出现异常信号，则按照预先确定的反应计划采取措施。调查原因、确认设备和材料状态、必要时隔离产品、实施纠正措施，并确认过程是否恢复到正常状态。
因此，一张真正用于现场的控制图，后面一定应该连接一个东西：反应计划。如果控制图出现异常以后，现场人员不知道谁应该处理、不知道什么时候必须处理、不知道应该检查什么、不知道哪些产品需要隔离，也不知道什么时候可以恢复生产，那么即使控制图本身画得完全正确，它仍然没有真正形成过程控制。
第四步则是判断过程是否发生了永 久性的改变。如果因为设备改造、工艺优化、材料变化、刀具升级或者工程变更，使过程本身发生了实质变化，那么原来的控制基准可能已经不再适用。这时候不是简单地“重新计算一下控制限”，而是应该重新研究这个新的过程，确认新的过程状态稳定以后，再建立新的控制基准。换句话说，控制限可以改变，但必须因为过程真正改变了，而不是因为日历翻到了下个月。
这样一来，SPC才形成一个真正完整的闭环：认识过程→建立基准→监控过程→识别变化→采取行动→恢复稳定→评价变化→持续改进。控制图只是这个闭环中的一个工具，而不是SPC本身。
从这个角度再看新版SPC，我们可能会发现，它真正值得企业关注的并不只是增加了哪些术语、调整了哪些计算方法、增加了哪些控制图或者Cpk、Ppk应该怎么算，而是在重新强调一个长期被忽视的问题：SPC的核心不是统计计算，而是利用数据管理过程。
控制图因此具有两个完全不同但又彼此连接的视角。它可以是一面“后视镜”，帮助我们理解过去发生了什么；也可以是一块“仪表盘”，帮助我们判断现在是否正在偏离正常状态。没有后视镜，我们可能不知道过程从哪里来；只有后视镜，我们却永远无法控制前面的道路。
所以，“控制图到底是用来分析过去，还是控制未来？”这个问题真正的答案并不是二选一，而是：先通过过去认识过程，再利用这种认识控制未来。
结语：控制图的价值，不是记录过去，而是改变未来
上一篇我们讨论“每2小时抽5件”，实际上是在问SPC的第壹个问题：数据应该怎么采？
这一篇继续往下追问第二个问题：数据采回来以后，到底拿来干什么？如果答案只是月底画控制图、算Cpk、打印、签字和存档，那么企业拥有的可能只是SPC报表，而不是真正的统计过程控制。
真正有效的SPC，需要完成一个重要的转换：从“用数据证明过去发生了什么”，走向“用数据决定现在应该做什么”。当控制图出现异常以后，它应该能够连接现场反应、产品隔离、原因分析、措施实施、效果验证以及后续经验沉淀；只有这样，控制图上的一个异常点，才真正能够转化为一次现场管理行动。
这也是TPP在新版SPC培训、质量咨询和数字化项目中越来越关注的方向。TPP不仅帮助企业理解SPC的统计方法，也更加关注合理抽样、过程稳定性、过程能力、控制图、异常反应计划、问题解决以及数字化系统之间如何形成真正的闭环。因为企业真正需要的，并不是更多的控制图，而是更早地发现变化，更快地采取行动，让今天的数据真正帮助企业控制明天的风险。
如果需要了解更多内容，欢迎与我们联系，我们将提供专业的管理咨询和数字化解决方案帮助我们的顾客。
邮箱:Marketing@tppconsultancy.com
电话：400 102 1300
TPP 微信公众号
TPP软件免费体验申请