統計過程控制（SPC: Statistical Process Control）是實際質量管理實踐中用來進行在線或離線、實時或非實時過程監控、能力分析的常用方法。常用的控制圖根據其分析對象的多少可以分為單因素控制圖(Univariate Control Chart)和多因素控制圖(Multivariate Control Chart)。
在統計過程控制（SPC）中，單因素控制圖(Univariate Control Chart)用來檢驗過程單個質量參數是否受控的情況，常用的單因素控制圖包括：
經典休哈特控制圖之Xbar-R/S圖
經典休哈特控制圖之I-MR圖
經典休哈特控制圖之C圖
經典休哈特控制圖之U圖
經典休哈特控制圖之P圖
經典休哈特控制圖之NP圖
CUSUM控制圖
EWMA控制圖
其中，休哈特控制圖中，前兩種主要用于監控連續型測量數據，而后四種主要用來監控屬性測量（離散型）數據。
這些控制圖在使用時，我們通常只針對一個過程輸出變量。通常而言，對于上述控制圖的選擇，我們可以遵循如下大致的路徑：
上述選擇路徑圖在很多國內的質量管理書籍中都能見到。不過事實上，我們在使用這些控制圖方法時，通常假定過程數據是不存在自相關性的。如果考慮過程數據的自相關性，單因素控制圖的完整選擇路徑應如下：
接下來，我們再來用圖形總結一下多種單因素過程控制方法適用的情形。
從上圖左軸可以看出，隨著樣本抽樣間隔的增加，休哈特控制圖將越來越變得適用，因為樣本較大的抽樣間隔通常會使自相關效應失效；而隨著樣本抽樣間隔的減小，自相關效應將變得更加重要，此時我們很可能需要使用ARIMA或EWMA方法。而從右軸可以看出，過程調整的成本增加會促使我們使用休哈特控制圖來監測過程；而在另一方面，如果過程調整成本較低，將使得我們可以使用一些工程過程控制系統。在縱軸上，當隨機因素或噪聲在均值的移動中處于主導地位時，休哈特控制圖會變得更加適合；而如果均值的移動更多地與隨機噪聲有關，我們又會使用ARIMA或EWMA類型的方法，或者工程控制器。
--
祝工作愉快！如需要智天下顧問服務的，請隨時與我聯系!
