SPC控制图为什么通常把控制界限设在中心线的±3西格玛（±3σ）？核心原因不是因为产品需要达到“3西格玛质量水平”，而是因为±3σ在识别特殊原因变异与避免频繁误报之间提供了实用的平衡。这也是六西格玛学习中理解SPC时非常重要的一点：控制限用于判断过程是否稳定，规格限才用于判断产品是否满足要求。
一、先说答案：±3σ是在误报与漏报之间取得的实用平衡
经典的Shewhart控制图通常使用：
UCL = 中心线 + 3σ
LCL = 中心线 − 3σ
这里的UCL是Upper Control Limit，即控制上限；LCL是Lower Control Limit，即控制下限。
如果所监控的统计量服从正态分布，并且过程确实保持稳定，那么落在平均值±3个标准差以内的概率约为99.73%，落到上下控制限之外的总概率约为0.27%。NIST对标准Shewhart控制图的说明也给出了这一关系：单侧超过3σ的概率约为0.00135，两侧合计约为0.0027。
这意味着，如果过程没有发生真正的变化，仅仅因为随机波动而出现一个超出3σ控制限的点，本身就是相对少见的事件。
这正是控制图需要的特性。
控制限如果太窄，会不断“报警”；控制限如果太宽，又可能看不见真正值得调查的变化。±3σ处在两者之间，是一个长期实践证明相当有效的选择。
二、为什么不使用±2西格玛？
假设我们把控制限改成±2σ。
对于正态分布，约95.45%的数值位于±2σ之间，也就是说，即使过程根本没有发生异常，仍然大约有4.55%的观察值可能跑到界限之外。
问题就在这里。
如果每出现一个界外点，工程师都要停机、检查材料、调整设备、调查操作员或寻找特殊原因，那么±2σ会产生大量不必要的调查。
换句话说，控制图会变得过度敏感。
在统计检验的语言中，这相当于增加了第一类错误（Type I Error），也就是过程其实没有发生特殊变化，却把随机波动误认为异常。
所以，并不是控制限越窄越“严格”就越好。
对于SPC来说，过度反应本身也是一种管理错误。一个只受到共同原因变异（Common Cause Variation）影响的稳定过程，如果操作人员不断根据每一次随机上下波动调整机器，反而可能人为增加过程变异。
三、那为什么不使用±6西格玛？
反过来，把控制限放宽到±6σ，误报当然会变得极少。
但新的问题是：控制图会变得太迟钝。
例如，一个原本稳定的加工过程由于刀具磨损、原材料批次变化或设备设定发生改变，过程平均值已经开始移动。如果控制限非常宽，很多具有实际意义的变化仍然可能落在控制限内，于是控制图迟迟不能给出信号。
这增加的是另一种风险：过程实际上已经发生变化，但控制图没有及时识别出来，也就是通常所讨论的第二类错误（Type II Error）或漏报风险。
因此，控制限设计实际上存在一个基本权衡：
界限太窄 → 很容易发现变化，但误报太多；
界限太宽 → 误报很少，但真正的变化也较难及时发现。
NIST在介绍标准Shewhart图时，把±3σ作为典型控制界限；在其CUSUM示例中，也将标准Shewhart图的3σ准则对应到α约0.0027。
因此，把±3σ理解为一种工程上具有良好实用性的检测界限，比简单说成“因为99.7%的数据都在里面”更准确。
四、±3σ并不等于“99.7%的产品一定合格”
这是学习SPC时最容易出现的误解之一。
控制限（Control Limit）和规格限（Specification Limit）完全不是一回事。
控制限来自过程本身的数据，用来回答：
“这个过程有没有发生统计意义上的异常变化？”
规格限通常来自客户要求、产品设计或工程标准，用来回答：
“这个产品是否符合要求？”
NIST也明确区分两者：控制限用于判断过程是否处于统计控制状态，而规格限用于判断产品能否满足预定用途或要求。
所以可能出现四种情况：
- 过程稳定，而且产品满足规格；
- 过程稳定，但过程能力不足，仍然会产生不合格品；
- 过程不稳定，但当前抽到的产品暂时仍然合格；
- 过程不稳定，同时也已经出现不合格品。
举个制造现场常见的例子。
假设某轴径规格为10.00±0.10 mm，也就是LSL为9.90 mm，USL为10.10 mm。
某一天X̄控制图上的样本均值明显向上移动，并触发了失控规则，但测量结果仍然只有10.06 mm。
从规格角度看：
10.06 mm仍然合格。
但从SPC角度看：
过程已经可能发生特殊原因变化。
工程师此时应该调查刀具补偿、温度、材料、设备设定等原因，而不是因为产品“暂时没有超规格”就认为没有问题。
这正体现了SPC真正的价值：它希望在大量不合格品出现以前，就发现过程行为发生了变化。
五、“3西格玛控制限”和“六西格玛水平”没有矛盾
看到这里，还有一个很自然的问题：
既然六西格玛追求的是6σ，为什么六西格玛项目里的控制图还是使用3σ控制限？
因为这里的“西格玛”虽然使用了同一个统计符号，但讨论的是两个不同问题。
控制图中的±3σ主要用于异常检测。
而我们在过程能力中讨论的Sigma Level、Cp、Cpk等指标，主要关注过程分布与规格界限之间有多大的距离。
因此：
3σ控制限不是质量目标；
6σ也不是控制图应该使用的控制界限。
绝不能因为企业希望达到六西格玛水平，就人为把UCL和LCL改成±6σ。
这样做不会令过程能力提高，只会把控制图的“报警器”调得更迟钝。
六、±3σ是否意味着每370个点就一定会误报一次？
在最简单的假设下，如果每个点彼此独立、所监控统计量服从相应分布，而且过程完全处于控制状态，那么单点超出±3σ界限的概率约为0.0027。
因此理论上的平均运行长度（Average Run Length，ARL）约为：
ARL0 = 1 / 0.0027 ≈ 370
NIST给出的结果约为370.37，也就是在这些理想假设下，一个稳定过程平均大约每370多个观察点可能出现一次单纯由随机原因产生的界外信号。
但“平均370个点”并不表示第371个点一定报警。
它是长期平均概念。
可能连续几十个点就出现一次，也可能观察上千个点都没有出现界外点。
另外，实际SPC通常不只使用“一个点超过3σ”这一条规则。如果同时采用Western Electric Rules或类似判异规则，例如连续点落在中心线同一侧、多个点进入某些区域等，那么整体报警概率和ARL也会发生变化。NIST同样把Western Electric Rules定义为可用于Shewhart控制图、即使点仍在控制限以内也可能识别异常模式的一组规则。
七、休哈特为什么最终采用3σ？
Walter A. Shewhart在20世纪20年代发展控制图，其目的并不是单纯进行一个传统意义上的假设检验，而是建立一种能够把随机的共同原因变异和值得调查的特殊原因变异区分开的工业管理工具。Shewhart于1924年提出早期控制图，这后来成为统计过程控制的重要基础。
因此，把“为什么是3σ”完全解释成“因为精确计算以后发现3σ的α风险和β风险刚好最优”，其实并不严谨。
更合适的理解是：
3σ是一项兼顾统计概率、异常检测能力以及工业现场经济性的工程选择。
它足够宽，使正常随机波动不会频繁触发行动；同时又足够窄，让明显的过程变化有机会较快暴露出来。
这也符合Shewhart控制图非常重要的一项思想：控制图不是为了对每一次波动作出反应，而是帮助管理者判断什么时候值得寻找特殊原因。
八、为什么有些SPC规则在3σ以外，还要看1σ和2σ区域？
如果3σ已经很好，为什么很多控制图还会画出±1σ和±2σ区域？
因为单纯等待一个点超过3σ，对于幅度较大的突然变化很有效，但对于较小而持续的平均值偏移，反应可能没有那么快。
因此一些判异规则会利用点的排列模式。
例如：
- 一个点超过3σ；
- 连续若干点位于中心线同一侧；
- 多个连续点中有若干点超过2σ区域；
- 出现持续上升或下降趋势。
它们想解决的是同一个问题：
单个点没有超过3σ，不代表过程一定没有发生变化。
所以，正确使用控制图不能只盯着UCL和LCL，还需要结合所采用的判异规则以及过程本身的工程背景。
如果希望系统理解控制图、过程能力、MSA以及DMAIC之间怎样连接起来，我个人会更建议按六西格玛绿带的完整知识体系来学，比单独背几条SPC判异规则容易形成真正可用的分析逻辑。
九、实际工作中应该怎样理解±3σ？
遇到控制图时，可以记住三个问题。
第一，这个界限是根据过程数据算出来的吗？
如果答案是，那么它通常属于控制限，用于判断稳定性。
第二，这个界限来自客户图纸、设计公差或技术标准吗？
如果答案是，那么它属于规格限，用于判断产品符合性。
第三，出现界外点以后应该做什么？
不是马上把数据删除，也不是立即调整设备让数据“回到中心”。
正确做法是调查是否存在特殊原因，例如：
- 设备参数突然改变；
- 刀具破损或更换；
- 原材料批次变化；
- 量具或测量方法发生变化；
- 操作人员或作业方法改变；
- 温度、湿度等环境因素异常。
如果能够找到特殊原因，应针对原因采取行动。
如果没有证据显示特殊原因存在，则不应该仅仅因为随机波动就不断调整过程。
十、真正要记住的不是“3”，而是控制图的逻辑
SPC控制图采用±3西格玛，并不是因为“3”具有某种特殊的质量含义，也不是因为六西格玛企业就应该把它改成±6σ。
它真正解决的是一个实际问题：
什么时候应该把一次波动视为普通的随机变化，什么时候值得怀疑过程出现了特殊原因？
±3σ提供了一个实用的判断界限。在正态假设下，它对应约0.27%的双侧界外概率，同时又不会像±6σ那样对变化过于迟钝。
因此，看一张控制图时，比记住“99.7%”更重要的是记住：
控制限判断稳定性，规格限判断符合性；控制图寻找特殊原因，而不是直接寻找不良品。
理解这一点，才真正理解了为什么SPC控制图使用±3σ。
