在制造企业中，SPC经常与控制图联系在一起。很多人认为，只要把测量数据输入软件，画出一张带有中心线、上控制限和下控制限的图，就算完成了SPC。
事实上，控制图只是SPC中的一种分析工具。真正有价值的工作，是根据控制图判断过程是否稳定，识别波动来源，并采取适当行动。
如果不能正确理解控制限、规格限、过程稳定性和过程能力之间的关系，控制图不但无法发挥预防作用，还有可能引导企业作出错误决定。
误解一：控制限就是规格限
这是应用控制图时最常见的误解之一。
控制图上通常会出现上控制限UCL、中心线CL和下控制限LCL。产品图纸或技术要求中，则可能规定规格上限USL和规格下限LSL。由于两组界限都表现为上下两条线，不少人误以为它们具有相同含义。
实际上，控制限和规格限回答的是两个完全不同的问题。
规格限由客户要求、产品设计、法规或工程标准决定，用来判断产品或服务是否满足要求。只要产品特性超出规格限，通常就会被判定为不合格。
控制限则是根据过程数据计算出来的，用来描述过程在当前状态下的自然波动范围。控制限不是客户提出的，也不是工程师希望达到的目标，而是过程实际表现的统计反映。
可以简单理解为：
- 规格限回答：「产品合不合格？」
- 控制限回答：「过程有没有发生异常变化？」
例如，某个零件的尺寸规格是10±0.5毫米，规格下限是9.5毫米，规格上限是10.5毫米。但根据过程数据计算出的控制限可能是9.7毫米和10.3毫米，也可能是9.3毫米和10.7毫米。
如果控制限位于规格限以内，说明稳定过程的自然波动范围较小，过程可能具备满足要求的能力。
如果控制限超出规格限，即使过程非常稳定，仍可能持续生产不合格品。
因此，不能把规格限直接画在控制图上，再把超出规格限的点当作「失控点」。超出规格限代表产品不合格，超出控制限则代表过程可能出现特殊原因。两者不能混为一谈。
误解二：控制图没有超限点，过程就一定稳定
很多人查看控制图时，只关注有没有数据点落在控制限之外。
如果所有点都在上控制限和下控制限之间，便认为过程处于统计受控状态；如果有一个点超出控制限，就立即判断过程失控。
这种判断方式并不完整。
数据点超出控制限，的确是重要的异常信号。但过程中的特殊原因并不一定会立即产生超限点，有时会表现为一连串不自然的数据排列。
例如：
- 多个数据点连续位于中心线同一侧
- 数据持续上升或持续下降
- 数据呈现周期性变化
- 数据过度集中在中心线附近
- 数据反复接近控制限
- 数据呈现明显的非随机排列
这些现象虽然没有产生超限点，却可能说明设备磨损、刀具逐渐钝化、环境温度变化、原材料批次改变，或者操作方法发生了偏移。
控制图的核心并不是单纯寻找「越过红线」的数据，而是判断数据的变化是否符合随机波动的特征。
因此，分析控制图时，除了检查超限点，还要使用适当的判异规则识别趋势、偏移、周期和其他非随机模式。
不过，判异规则也不是使用得越多越好。规则过多会增加误报，使现场人员频繁调查并不存在的异常。企业应根据过程风险、数据频率和实际管理需要，选择合适的判断规则。
误解三：过程稳定，就代表过程能力足够
过程稳定性和过程能力经常被当成同一个概念。
所谓过程稳定，是指过程只受到普通原因影响，数据在一个可以预测的范围内波动。换句话说，过程未来的表现大致可以根据过去的数据进行预测。
过程能力则关注稳定过程的输出能否满足规格要求。
一个过程可以很稳定，却没有足够的过程能力。
例如，一台设备长期稳定地生产直径偏大的零件。控制图上的数据没有超限点，也没有明显趋势，说明过程的表现相当稳定。但如果过程平均值已经接近规格上限，仍可能持续产生不合格品。
这种过程属于「稳定但没有能力」。
相反，如果一个过程暂时计算出很高的Cpk，却不断受到设备故障、材料改变或操作差异影响，那么这个Cpk也未必能够代表未来表现。过程尚未稳定，使用单一能力指数概括其长期表现，很容易产生误导。
正确的分析顺序通常是：
- 确认测量系统是否可靠
- 使用控制图判断过程是否稳定
- 调查并消除特殊原因
- 在过程稳定的基础上评估过程能力
- 根据Cp、Cpk、Pp、Ppk及实际分布判断改善方向
稳定性解决的是「过程是否可以预测」，过程能力解决的是「可以预测的结果能否满足要求」。
两者都重要，却不能互相代替。
误解四：SPC可以完全取代产品检验
SPC强调预防，因此有些企业认为，只要建立了控制图，就可以取消所有进料检验、过程检验和最终检验。
这种理解过于简单。
传统检验通常是在产品完成后，判断产品是否符合规格。SPC则通过监控过程变化，尝试在大量不良发生之前发现异常。两者关注的对象和管理目的并不相同。
SPC能够帮助企业减少对大规模事后检验的依赖，但不代表在任何情况下都能完全取消检验。
对于涉及安全、法规、关键性能或高风险特性的产品，企业可能仍需保留适当的验证和最终检验。新过程刚开始运行、供应商表现不稳定、设备刚完成维修，或者测量系统发生变化时，也可能需要提高检验频率。
检验告诉我们「这个产品是否合格」，SPC则尝试说明「这个过程是否正在发生变化」。
企业应根据产品风险、过程成熟度、客户要求和法规要求，决定检验与过程控制之间的组合。成熟的质量管理体系不会在SPC和检验之间简单二选一，而是利用SPC降低过程风险，再用必要的检验提供确认。
误解五：发现超限点，就应立即调整机器或过程输入
控制图出现超限点时，现场人员最自然的反应，往往是立即调整温度、压力、速度、进给量或机器设定。
这种处理方式看起来很积极，却可能令过程变得更加不稳定。
控制图中的超限点只是一个统计信号，表示过程可能存在特殊原因。它并没有直接告诉我们原因是什么，也没有说明应该调整哪个参数。
超限点可能来自很多方面，例如：
- 原材料批次发生变化
- 操作人员使用了不同方法
- 刀具破损或设备出现故障
- 测量仪器发生偏移
- 数据录入错误
- 环境温度或湿度改变
- 工装夹具松动
- 维护后设备设定发生变化
如果没有调查原因便直接调机，调整动作可能完全针对错误对象。
更危险的情况是，过程原本只是受到普通原因波动影响，操作人员却根据每一次数据升降不断调整参数。调整本身会成为新的波动来源，使数据在目标值两侧来回摆动。这种现象通常称为「过度调整」或「干预稳定过程」。
当控制图出现异常信号时，较合理的处理方式是：
- 确认数据和测量结果是否正确
- 检查异常发生的时间及对应批次
- 调查人员、设备、材料、方法、测量和环境的变化
- 根据证据识别特殊原因
- 采取针对性的纠正行动
- 观察后续数据，确认过程是否恢复稳定
如果现场经常出现超限报警，却没有清晰的反应计划，控制图很快就会沦为一张无人理会的报表。
误解六：只要过程出现波动，就说明存在问题
任何过程都会波动。即使使用相同的设备、材料、人员和方法，生产结果也不可能完全一致。
SPC的重要贡献，是把过程波动区分为普通原因和特殊原因。
普通原因是过程系统内部长期存在的波动来源，例如设备本身的微小变化、材料的正常差异和环境的轻微波动。要减少普通原因，通常需要管理层改变整个系统，例如改进设备、重新设计工艺、改善材料标准或优化作业方法。
特殊原因则是平时不应出现的异常来源，例如刀具突然破损、使用错误材料、设备参数被改动，或测量仪器发生故障。这些问题通常可以追踪到具体事件，并由现场人员采取措施处理。
如果不能区分两类原因，企业就容易采取错误行动：面对普通原因时不断要求操作员调机；面对特殊原因时，却只计算平均值或修改标准。
误解七：有了SPC软件，就等于实施了SPC
现代SPC软件能够自动收集数据、计算控制限、识别异常规则并发送报警。软件确实可以提高分析效率，但它不能代替管理判断和现场行动。
一套没有明确责任人的SPC系统，即使每天生成大量控制图，也不会自动改善质量。
企业还需要回答几个实际问题：
- 哪些过程特性真正值得监控？
- 数据由谁收集，频率是多少？
- 使用哪一种控制图？
- 出现异常信号后由谁响应？
- 现场人员需要检查什么？
- 什么时候需要停机或隔离产品？
- 调查结果如何记录？
- 控制限在什么条件下可以重新计算？
如果这些问题没有答案，软件产生的报警只会越来越多，现场人员也会逐渐失去敏感度。
控制图的价值，不在于画图本身
优思学院认为，SPC真正的价值不是证明企业「已经使用统计工具」，而是建立一套根据过程信号采取行动的管理机制。
一张有效的控制图，至少应当帮助企业回答三个问题：
- 当前过程是否稳定？
- 过程是否出现值得调查的异常信号？
- 发现异常后，应该由谁采取什么行动？
控制限不等于规格限；没有超限点也不代表过程一定稳定；过程稳定不代表过程能力足够；SPC不能在任何情况下取代产品检验；看到超限点，更不能未经调查就随意调整机器或过程输入。
SPC的目的，是让企业理解波动、识别变化，并用证据决定是否需要干预。只有把控制图与测量系统、现场调查、过程能力和异常反应计划结合起来，SPC才能从一张图表转化为真正的质量预防工具。
