写作《工作总结SPC》小技巧请记住这五点。（精选5篇）

更新日期:2025-06-19 20:42

写作核心提示：

写一篇关于工作总结SPC（Statistical Process Control，统计过程控制）的作文，以下是一些需要注意的事项：
1. 明确目的：在写作之前，首先要明确这篇作文的目的。是为了总结过去一段时间的工作成果，还是为了分析问题并提出改进措施？
2. 结构清晰：一篇优秀的作文需要有清晰的结构。通常，工作总结SPC作文可以按照以下结构进行：
a. 引言：简要介绍SPC的基本概念和作用。
b. 工作背景：描述所从事工作的背景，包括项目名称、时间、地点等。
c. 工作过程：详细阐述工作过程中的关键环节，包括工作流程、操作方法、质量控制等。
d. 数据分析：运用统计方法对工作过程中产生的数据进行分析，如计算平均值、标准差、控制图等。
e. 问题分析：针对数据分析过程中发现的问题，进行原因分析和总结。
f. 改进措施：针对问题提出具体的改进措施，包括优化流程、改进设备、培训员工等。
g. 总结与展望：总结全文，展望未来工作。
3. 数据真实可靠：在作文中，应确保所使用的数据真实可靠。可以从以下途径获取数据：
a. 工作记录：查阅工作过程中的记录，如生产报表、质量检验报告等。
b. 调查问卷：对相关人员或客户进行问卷调查，了解工作过程中的满意度和问题。
c.

一文学会SPC「统计过程控制」深度一文系列

SPC是英文Statistical Process Control的字首简称，即统计过程控制。SPC就是应用统计技术对过程中的各个阶段收集的数据进行分析，并调整制程，从而达到改进与保证质量的目的。SPC强调预防，防患於未然是SPC的宗旨。

下面我们应用5W1H工具对SPC进行深度解析。

What：什么是SPC

SPC：统计过程控制

SPC说到底，就是一个图表，把生产过程中的数据，收集起来用图表的形式展现出来。

它的作用可以大致总结为：

• 方便大家从图表中，找出有异常的数据。
• 跟进数据趋势，预见异常发生的可能。
• 数据异常后，做出相应的改善对策

SPC本质上就是一种特殊的趋势图，不过SPC给他们起一个更有气质的名字叫做控制图。

当然了，控制图还要和普通的趋势图有差异的，具体表现为以下几点：

1. 控制图都有上下控制线和中心线，UCL和LCL（具体会在How里面说明）
2. 控制图的数据收集规则、数据分析的规则，更加的繁琐，更加的严格
3. 控制图一定要有相应的改善输出

Why：为什么要用SPC

为了及时发现生产过程中，由特殊原因导致的异常，及时改善。为了深入分析系统中的普通原因，进一步提高产品品质，为客户提供更好的产品。（当成为一个工厂的品质副总时，如何将一线数据浮上来，你会自然而然的想到SPC）

在思考为什么要用SPC时，我们的观点和认知，是随着职位不断成长的。不要硬逼着自己去理解SPC手册里，那十几页鸡汤式的SPC概述。格局到了，自然就理解了。

但是SPC的作用是不会发生变化的，做就对了。

When：在什么时候用SPC

SPC手册里面说，SPC只有在过程受控状态下，才能使用。

但是实际上，SPC就是一个图表，任何情况，任何产品，只要有数据就可以用SPC控制图。只是它所体现出来的信息不同，使用者透过SPC发现问题的程度不一样。

举个通俗一点的例子。
张飞和关羽出征沙场，张飞去探路，他趴在地上，用听音识距离之术，听了半晌得出一个结论：敌人距离我们还有250米。
关羽一旁说道：我知道
张飞：你怎么知道的？
关羽：我看到的，就在前面呢。

我要表达的意思是，问题就在眼前的时候，就别杀鸡用牛刀了。

有做SPC的功夫，问题都已经解决了。

产品开发阶段，或者生产过程未进入稳定阶段时，很多因素还没有确定下来，比如：

• 产品设计还在不断变更
• 员工作业手法还不确定
• 设备参数还在继续优化等等

这个时候，如果绘制SPC控制图，那么控制限可能在标准值的外面。

此时的重点工作，不是去研究SPC的9种异常模式，而是集中精力把眼前的问题解决，消除特殊原因，将生产过程稳定下来。

进入MP阶段，生产能力趋于稳定。很多问题从表面上已经很难发现了。这个时候，产品规格基本都能符合要求了，但是不合格率还是比较高，需要深入挖掘问题，控制图就发挥了它的作用，在大量的数据统计中，找出异常点，给我们的改善指引方向。

Who：谁来做SPC

SPC控制图的制作过程，大概分为：

1. SPC数据收集和绘制
2. 控制图分析
3. 改善推动
4. 控制限的变更

SPC数据的收集和绘制

SPC数据收集，本质上是一个抽样的过程，是对过程数据的监控。这个职责，我认为应该是过程质量监控（IPQC）的职责。（好一点的公司，可能会建立自己的SFC系统，数据自动收集，这样数据更加准确、及时和完整）

控制图绘制好之后，一定要通过邮件、公司内网，ERP系统等形式，将其分发给各个职能部门，将生产信息扩散出去。

控制图分析

这个就没有指责的界定了。控制图就是一个表格，IPQC将数据分发出去之后，谁关心谁就看，出现了问题，自己就可以根据数据去找原因。

但是执行过程中，应该有一个主导的部门，他来召集大家一起检讨。这个部门我认为应该是QE。

改善推动

还是QE来承担起这个责任，召集了会议，对SPC数据进行了检讨，接下来就是推动工程人员（ME、RD）提出相应的改善对策，并进行现场落实的追踪。

控制限的变更

控制限不是标准线，它是一个动态的值，随着生产能力的不断提高，控制限也应及时的更新。

控制限更新的实际有：

• 抽样数量发生变更
• 实际量测数据，长期分布在中心线1个西格玛以内

从数据统计分析的能力上来看，我还是认为QE来做这个工作最合适。

Where：SPC用在哪里

SPC是用来分析问题的工具，所以应该放在分析人员能看到的地方，大家不用花很多的时间，就能获取这些信息，比如：

• 生产线的线头，
• 群发给所有生产管理人员
• 公司内部的信息平台等等

How：怎么做SPC、怎么用SPC

怎么做SPC

SPC手册中花了大量的篇幅，去讲解如何计算SPC中的UCL、LCL等参数，以及用什么样线条绘制。作为一个工具，不应该制作上花费太多的成本。实际也是如此，每个公司都有自己的控制图模板。

所以怎么做SPC的问题，可以具体细化成如下几点：

• 确定哪些关键属性要做SPC？
  比如齿轮的尺寸，砝码的重量，螺丝的直径等等，又或者计数型的不良个数，缺陷数等等。
• 每天收集几次数据（频次）？
  这是一个持续的过程，如果无法持续收集数据，就先努力将生产稳定下来，实现持续稳定生产。数据收集通常是每天定时的，比如
• 每2小时一次
• 上下午各一次
• 每天统计一次等等
• 每次数据取样的数量是多少？
  抽取定量的产品，测试指定的关键属性，并记录数据。比如现在要对齿轮的直径进行SPC统计，每天每2小时收集一次数据。每次收集数据时，抽取5pcs产品，测量他们的直径，并记录数值。
• 填写数据

选好公司的SPC控制图模板之后，按照模板，将数据填写进去就可以了。

以上这种自己制图的方式只能满足一些比较小的SPC分析,如果你企业对SPC方面的分析要求比较重视,更关心效率问题的话,建议你直接导入SPC软件,可以去试用下太友的QSmart SPC软件。

怎么用SPC

SPC的使用起来也很简单，主要是要明白控制图的8种异常模式，这些模式包括：

• 超出上下限
• 连续6点上升
• 连续9点同侧等等。

不过作为工具，数据异常的判断过程，应该也是自动的，管理者更需要做的是，根据控制图识别出的异常信息，去做分析改善。

分析改善的方向SPC手册中，也给出了一些建议：

• 看看是不是控制图描点错误，数据统计错误
• 取样过程中，是不是存在5M的差异?如白夜班人员不同，线体不同？
• 数据被人修改？

当然实际解决问题，还是要系统的方法去分析，比如但不仅限于

• 使用鱼骨图找原因
• 5W1H多方面思考原因
• 直方图、散点图、柏拉图提供数据依据
• 8D报告全面梳理异常改善过程

总之，SPC就是一个数据图表，更重要的还是数据分析之后的改善推动，和对策落实。工具嘛，完成了它的使命就够了。

IATF16949-2016版汽车行业质量管理体系程序文件标准培训全套资料

企业如果这么使用SPC，还不如不使用

统计过程控制SPC，作为一个非常经典的控制方法，在质量界享誉百年。但在中国的许多企业应用过程中，由于对SPC的理解不足，使用不当，根本没有发挥它的价值。本文总结了SPC使用十大误区，看看是否中招

1、SPC实施中的十大误区

没能找到正确的管制点

不知道哪些点要用管制图进行管制，花费大量的时间与人力在不必要的点上进行管制，殊不知SPC只应用于重点的尺寸（特性的）。那么重点尺寸/性能如何确定呢?通常应用FMEA的方法，开发重要管制点，严重度为8或以上的点都是考虑的对象(如果客户有指明，依客户要求即可)

没有适宜的测量工具

计量值管制图需要用测量工具取得管制特性的数值，管制图对测量系统有很高的要求。通常我们要求GR&R不大于10%，而在进行测量系统分析之前，要事先确认测量仪器的分辨力，要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度方可用于制程的解析与管制，否则管制图不能识别过程的谈判。而很多工厂勿略了这一点，导致做出来的管制图没办法有效的应用，甚至造成误导

没有解析生产过程，直接进行管制

管制图的应用分为两个步骤：解析与管制。在进行制程管制之前一定要进行解析。解析是目的是确定制程是的稳定的，进而是可预测的，并且看过程能力是否符合要求，从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。制程只有在稳定，并且制程能力可以接受的情况下，方才进入管制状态

解析与管制脱节

在完成制程解析后，如果我们认为制程是稳定且制程能力可接受的，那么，就进入管制状态。制程控制时，是先将管制线画在管制图中，然后依抽样的结果在管制图上进行描点。那么，管制时管制图的管制线是怎么来的呢？管制图中的管制线是解析得来的，也就是说，过程解析成功后，管制线要延用下去，用于管制。很多工厂没能延用解析得来的管制线，管制图不能表明过程是稳定与受控的

管制图没有记录重大事项

要知道，管制图所反应的是“过程”的变化。生产的过程输入的要项为5M1E（人、机、料、法、环、量），5M1E的任何变化都可能对生产出来的产品造成影响。换句话说，如果产品的变差过大，那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化，那么，这些变化就会在XBAR图或R图上反映出来，我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机，而改善的第一步就是分析原因，那么，5M1E中的哪些方面发生了变化呢？我们可以查找管制图中记录的重大事项，就可以明了。所以，在使用控制图的时候，5M1E的任何变化，我们都要记录在管制图中相应的时段上

不能正确理解XBAR图与R图的含义

当我们把XBAR-R管制图画出来之后，我们到底从图上得哪些有用的资讯呢？这要从XBAR及R图所代表的意义来进行探讨。首先，这两个图到底先看哪个图？为什么？R反应的是每个子组组内的变差，它反映了在收集数据的这个时间段，制程所发生的变差，所以他代表了组内固有的变差；XBAR图反映的是每个子组的平均值的变化趋势，所以其反映的是组间的变差。组内变差可以接受时，有明分组是合理的；组间变差没有特殊原因时，表明我们在一段时间内，对过程的管理是有效的、可接受的。所以，我们一般先看R图的趋势，再看XBAR图

管制线与规格线混为一谈

当产品设计出来之后，规格线就已经定下来了；当产品生产出来后，管制图的管制线也定出来了。规格线是由产品设计者决定的，而管制线是由过程的设计者决定的，管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控，与产品规格没有任何的联系，它只决定于生产过程的变差。当西格玛小时，管制线就变得比较窄，反之就变得比较宽，但如果没有特殊原因存在，管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时，往往画蛇添足，在管制图上再加上上下规格线，并以此来判产品是否合格，这是很没有道理，也是完全没有必要的

不能正确理解管制图上点变动所代表的意思

我们常常以七点连线来判定制程的异常，也常用超过三分之二的点在C区等法则来判断制程是否出现异常。如果是作业员，只在了解判定准则就好了；但作为品管工程师，如果不理解其中的原委，就没有办法对这些情况作出应变处理。那么这么判定的理由是什么呢？其实，这些判定法则都是从概率原理作出推论的。比如，我们知道，如果一个产品特性值呈正态分布，那么点落在C区的概率约为4.5%，现在有三分之二的点出现在4.5%的概率区域里，那就与正态分布的原理不一致了，不一致也就是我们所说的异常

没有将管制图用于改善

大部分公司的管制图都是应客户的要求而建立，所以，最多也只是用于侦测与预防过程特殊原因变异的发生，很少有用于过程改善的。其实，当管制图的点显示有特殊原因出现时，正是过程改善的契机。如果这个时候我们从异常点切入，能回溯到造成异常发生的5M1E的变化，问题的症结也就找到了。用就管制图进行改善时，往往与分组法、层别法相结全使用，会取得很好的效果

管制图是品管的事情

SPC 成功的必要条件，是全员培训。每一个人员，都要了解变差、普通原因、特殊原因的观念，与变关有差的人员，都要能看懂管制图，技术人员一定要了解过度调整的概念等。如果缺乏必要的培训，管制图最终只会被认为是品管人员的事，而其实我们知道，过程的变差及产品的平均值并不由品管决定，变差与平均值更多的是由生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念，大部分人员都会认为：产品只要合符规格就行了！显然，这并不是SPC的意图。所以，只有品管在关注管制图是远远不够的， 我们需要全员对管制图的关注

2、SPC实施参与人员

SPC实施需要哪些岗位的人员参与呢？其实简单的说就是与生产相关的人员都要参与，建议参与SPC实施的人员至少包含：

• 工艺员
• 工艺管理人员
• 质检员
• 质量管理人员
• 生产操作人员
• 生产管理人员
• 设备管理人员
• 信息部门技术人员
• 信息部门管理人员
• 企业高层领导

3、实施SPC的步骤

实施SPC的步骤建议如下：

• 选择关键工序、关键参数
• 确定参数的控制图类型、子组、判异规则及预警
• 确定参数采集频率，进行数据采集，并进行数据清洗
• 实时监控分析
• 确定异常处理流程
• 确定质量改进流程

来源：qualityin质量学院