1萬2千字，閱讀40分鐘。
--------------目錄--------------
1 前言
2 SPC的由來
3 國際權威人士對SPC的質疑之聲
4 日本SPC實際應用情況
5 SPC自身有哪些缺陷？
6 實際應用中SPC有哪些硬傷？
7 那麼，到底誰在推行SPC?
8 SPC不好用，企業怎麼辦？
9 如何應對客戶的要求？
10 編後語
--------------------------------
1. 前言
SPC（Statistical Process Control）控制圖自從休哈特1924年發明以來，在以汽車行業為代表的製造業中被廣泛用來監控和改進生產過程，試圖通過產品質量特性變化趨勢來進行質量預防，改變舊有的事後質量檢驗的方式，來降低質量成本，並被列入汽車行業質量管理五大工具之一。
我們的疑問是：
1. SPC理論自身有缺陷嗎？
2. SPC應用的實際效果如何？
3. SPC適用於所用的行業和企業嗎？
其實，在以製造業強國美國為代表的國家中，不論是統計專家還是質量專家，針對SPC的實用性以及有效性的思考和質疑之聲，從來就沒停止過。
日本更是以實際效用為準繩，而不是在實際推廣中原封不動地照搬照抄SPC。
對於SPC的質疑與爭論，一方面是因為觀點不同，但更重要的還是希望企業能夠結合自身實際有效選擇最優性價比的質量工具，去掉浮華，讓企業的質量管理落到實處。
2. SPC的由來
SPC控制圖，又叫休哈特圖。
上個世紀20年代，貝爾實驗室被電話傳輸系統的穩定性所困擾。因為放大器等設備需要被埋入地下，貝爾實驗室有非常強烈降低不良率以及維修率的業務需求。到1920年的時候，貝爾的工程師們已經意識到降低製造過程中變異的重要性。同時，貝爾的工程師們也意識到針對不合格進行的持續的過程調整，實際上增加了製造過程的變異並降低了品質。
休哈特將問題歸結於變異中的普通原因和特殊原因。1924年5月16日這一天，休哈特把大家都熟悉的正態分佈圖旋轉了90度，並以μ±3σ作為控制限，這就是控制圖的原型。
休哈特將這不到一頁紙的內容交給了時任老闆George Edwards，最初的判異準則也只有一條，就是看數據是否超出μ±3σ控制限。
根據判異準則，判斷製造過程是否有影響產品某一質量特性的特殊原因出現。一旦出現，就需要查出異因進行整改。如果一個產品有多個質量特性需要監控，那麼就需要分別做控制圖。
自控制圖出現以後，變異分為普通原因和特殊原因，這個人為的劃分被一直沿用至今，判異準則越來越多，各種控制圖也不斷湧現，成為一個龐大的家族。
其中，以均值極差控制圖（Xbar-R）最常用，本文如無特指，所說控制圖就是指均值極差控制圖。
3. 國際權威人士對SPC的質疑之聲
1981年 田口玄一（Genichi Taguchi）
--來自日本，享譽全球的質量大師，創造了田口方法，品質工程的奠基者。
他曾說過“改進要有經濟合理性，不能沒完沒了”。
“Taguchi (1981, p. 14) advocated reduction of variability until it becomes economically disadvantageous to reduce it further. “
摘自《On-Line Quality ControlDuring Production》
1991年 Keki R. Bhote
--哈佛大學博士，摩托羅拉質量和保證部總監。
美國ASQ（休哈特是該組織創始成員之一） 的CQE考試將他其中一本書列為統計原理及應用部分8本參考書之一。
但Keki R Rhote依然直言不諱的說，控制圖“純屬浪費時間”。
ASQ lists Bhote (1991) as one of eight books suggested in the reference materials for the statistical principles and applications portion of the CQE exam. This is very odd, to say the least, since Bhote (1991) refers to control charting as “a total waste of time”.”
摘自《World Class Quality:Using Design of Experiments to Make It Happen》
1993年 Banks David
--美國統計局首席統計師，美國統計協會董事會成員，曾獲得ASA創始人獎，美國統計協會的最高獎項。
Bank, Hoyer, Ellis和其它人都曾嚴厲地批評對SPC開展的研究工作，Banks說，“SPC大約是舊時代大學研究人員通過普通人難以理解晦澀公式來贏得名聲的無用工具。”
“Banks (1993) and Hoyer and Ellis (1996 a–c), among others, have been very critical of research on SPC. Banks writes, for example, “ It is probably past time for university researchers to drop stale pseudo-applied activities (such as control charts and oddly balanced designs) that only win us a reputation for the recondite.”“
摘自《Is Industrial Statistics Out of Control?》
1997年 質量大師朱蘭(Joseph Juran)
朱蘭說：“發明出控制圖原型的
休哈特根本不懂工廠運營，完全沒辦法和操作工及管理人員進行有效的溝通”。
“It is often argued that Shewhart charts with 3-sigma limits should be used because experience shows this to be the most effective scheme and because Shewhart (1931, p. 277) stated that this multiple of sigma “seems to be an acceptable economic value.” Given this reliance on Shewhart’s opinion, however, it is somewhat disconcerting to read Juran’s (1997) surprising account that “Shewhart has little understanding of factory operations” and could not communicate effectively with operators and managers.”
摘自《Early SQC: A Historical Supplement》
1998年 Bert Gunter
--來自美國的著名統計顧問，《Statistics Corner》專欄作者。
也曾說，“使用SPC的製造環境在快速變化，生產時間變得更短，數據產生的更多，質量要求更高和對計算能力要求更強大，控制圖這個古老的工具已經很難適應現代的生產和服務的需求。”
“The manufacturing environment in which SPC is used is changing rapidly. There are, for example, trends toward shorter production runs, much more data, higher quality requirements and greater computing capability. Gunter (1998) argues that control charts have lost their relevance in this environment, stating the reality of modern production and service processes has simply transcended the relevance and utility of this honored but ancient tool.”
摘自《Farewell Fusillade: An Unvarnished Opinion on the State of the Quality Profession》
2011年 Michel Baudin
--40年實戰經驗的生產顧問。
“SPC是昨天的統計技術，用來解決昨天製造業的問題。它沒有能力解決今天的高科技問題，在成熟的行業它也變得完全沒有必要。它還沒有完全消亡的原因是，它已經進入了客戶強加給供應商的標準之中，雖然這些客戶自己根本就不使用SPC。這就是為什麼你仍然可以看到有如此多的工廠走廊牆上貼著控制圖。“
“In a nutshell, SPC is yesterday’s statistical technology to solve the problems of yesterday’s manufacturing. It doesn’t have the power to address the problems of today’s high technology, and it is unnecessary in mature industries. The reason it is not completely dead is that it has found its way into standards that customers impose on their suppliers, even when they don’t comply themselves. This is why you still see Control Charts posted on hallway walls in so many plants.”
摘自《Is SPC Obsolete?》
以上這些是從1981年到2011年連續30年中，針對SPC公開發表不同聲音的代表者。在國內，私下的抱怨很多，私下的質疑之聲也不少，但目前為止還沒有發現個人或團隊對SPC提出公開質疑。
SPC擁躉者通常說：
你覺得SPC沒用，是因為你沒有真正理解SPC，或者你不會使用。
- 那麼，上面列出的這些質量和統計界的大師都發出質疑之聲，難道他們也沒有能力正確理解或者不知道如何正確使用SPC？
- 如果他們都不能理解，那我們還能指望誰能夠正確理解和使用SPC？
- 如果真的是如此難於理解，那我們還能指望生產一線員工正確理解和使用SPC嗎？
4. 日本SPC實際應用情況
也許很多人會說，戰後的日本工業界在上世紀50年代至80年代期間廣泛推廣和應用SPC，使日本的產品質量一舉超越美國並處於世界領先地位，似乎日本在質量上的成功就是應用了SPC。
事實果真如此嗎？
以下摘自《Joseph M. Juran:Critical Evaluations in Business and Management》
大意是：
1. 在日本PCB行業，使用控制圖並不普遍。更常用的方法是用單值描點圖，並與公差限進行對比。
2. 日本公司普遍用長期記錄不合格品的比例的方式，與P控制圖相比，它沒有設定控制限。
3. 在PCB行業，認為帶公差限的單值描點圖具有價值，因為這個方式可以幫助我們決定應該優先去解決哪個問題。
4. 如果數據在公差內表現的不錯，就不會追求SPC沒完沒了的改進。
日本通常更是以效用為準繩，在實際生產中更普遍使用的是一些相對簡單易用的工具，如柏拉圖，直方圖，餅圖，散點圖等，而不是依賴於SPC。
對於質量的追求也是在經濟合理這個前提下，而不是無條件實施不能帶來經濟收益的無謂改善。
5. SPC自身有哪些缺陷？
自相矛盾的邏輯
為了簡化論述，我們以最初休哈特制定的判異準則，是否超出3σ控制限這一個準則展開討論，暫不考慮其它準則。
應用SPC時，如果數據處於3σ控制限以內，通常認為過程變化通常只是普通原因引起的，沒有特殊原因出現，無需改善；如果數據落在3σ控制限以外，則表明過程中有可能了出現影響產品質量特性的特殊原因，需要確認是否出現特殊原因，如果有則要採取措施進行改善。
- 因為按照休哈特理論，落在3σ以外的是小概率事件，要進行調查。同樣按照分佈概率，落在3σ以外也可能是正常的分佈。
- 設備是多種多樣的，有的設備穩定性足夠高，就像戴明的漏斗實驗一樣，不改變漏斗高度，小球落點的離散程度不會改變，小球出現在4σ（或者5σ）內也可能是普通原因。
- 但現在大多數的控制限是設置為3 σ。
對於穩定性很好的設備，如果數據超過3σ控制限就報警，那麼工廠花費了大量時間和資源記錄跟蹤數據，得到的卻是大量的假報警，工程師為此要疲於奔命，說是誤入歧途都不為過，談何幫助工廠改善質量？每天都在玩狼來的遊戲？
根據下圖，如果設備或製造系統穩定性很好，在4σ範圍內都是普通原因，這時3σ為控制限，那麼誤報警率將高達（0.27-0.0063）/0.27=97.7%。（當然，也可以把控制限設置到4σ範圍以減少報警，問題是即使你掌握這個知識，但你的客戶可能不同意你的要求，你購買的軟件也可能沒法設置，因為不是所有的SPC軟件都有這個功能。同樣，如果把控制限擴大，按照SPC理論，也會有增加漏報的風險。）
真正讓生產員工迷惑的地方是，按照休哈特的理論，超出控制限有可能是普通原因也可能是特殊原因，讓生產員工去調查，找到了就說是特殊原因，找不到，難道就是普通原因？
普通原因與特殊原因的劃分
SPC的目的是通過控制圖來探測製造過程是否出現了特殊原因，如果出現，那麼先要加以分析，根據分析結果再決定是否進行預防和改善。
一般認為，特殊原因對過程影響較大或者特殊原因整改成本相對較低，但這都不是絕對的。目前也沒有任何客觀的真實數據來證實這一點，實際上只是人為地把分析找到的原因歸到特殊原因而已。
假設我們還是按照普通原因和特殊原因來劃分，在實際生產中，要獲得更高的經濟合理性，不一定是通過改進或消除特殊原因，更可以改進普通原因。比如說，企業在考慮成本的前提下，同時確保設備具有更小的波動性（普通原因），找提供設備的供應商來升級改造設備，因設備供應商比客戶使用設備的人員更知道如何來提高設備的性能，這才是符合亞當斯密的勞動分工理論，專業分工，專業的人做專業的事。
從休哈特發明控制圖100年來，社會化大生產已經發生了翻天覆地的變化，一臺普通的設備通常是很多專業企業合作共同完成的，供應鏈不僅橫向很廣，縱向也很深，設備的精度和穩定程度在大踏步前進，留給客戶操作人員改進的機會越來越少。通常而言，與其自己改進設備提高過程穩定性，不如找供應商直接升級設備或直接購買高性能設備更具有經濟合理性。
當今時代企業的質量管理水平和產品的質量控制水平，也同樣比100年前相比有了質的飛躍，主要的貢獻來自於設備、工藝和配方等方面的進步，還有自動化監測手段的提升，而這些進步和提升大部分來自於普通原因，而不是依靠SPC不斷探測特殊原因並改善取得的，這一點是毋庸置疑的。
我們幾乎看遍能用谷歌搜索到的所有SPC視頻課程，大部分講師在介紹用SPC查找特殊原因時，給出的例子大都是換操作員工了，換原材料了，機器潤滑不好了，螺絲鬆了，設備磨損了等等，這些的確會導致一些質量問題，也不是不重要，問題是企業有比SPC更加前置和高效的方法來預防這些問題，如，合格供應商名錄，設備點檢、維護和保養，員工上崗培訓，分層審核，防呆等等。
實際生產過程中普通原因和特殊原因是會相互轉換，不是一成不變的 ，這也是業界的普遍認知。
另外，普通原因和特殊原因，本就沒有天然的界限。人為分為兩種原因，把簡單的問題複雜化了，然後再按照所謂的分類去解決所謂的特殊原因，這是從推廣SPC的角度看問題，而不是從解決問題的角度看問題？
戴明和AIAG制定的判異規則會增加誤報率
在控制圖中，如果7點（注：也有是6點之說）或更多的點連續上升或下降，人工判斷或SPC軟件將發出警報。現在已有多人（Davis, Woodall, Walker, Philpot, Clement, etc. ）要求取消戴明和AIAG制定的這個規則，因為這個規則在有些有意為之的過程裡是無效的，雖然直覺上覺得合理，但結果只會大幅增加誤報率。
內容來源《False Signal Rates for the Shewhart Control Chart with Supplementary Runs Tests》&《Performance of the Control Chart Trend Rule Under Linear Shift》
ASQ推薦的SPC判斷規則也有無效的
ASQ推薦的用移動極差圖來探測變異性中的變化這一標準做法也被證明是無效的。遺憾的是，該規則還是CQE考試的內容之一。
內容來源《Design Strategies for Individuals and Moving Range Control Charts》&《A Control Chart for the Preliminary Analysis of Individual Observations》
6. 實際應用中SPC有哪些硬傷？
除了上面說的自身缺陷之外，SPC在實際應用中也有一些硬傷。
我們首先以公差限範圍和控制限範圍的三種位置關係來分別討論：
公差限範圍遠大於控制限範圍：
隨著當代生產設備、檢測設備以及工藝水平等方面的不斷進步，製造型企業對產品質量特性的控制能力已經遠遠超出100年前的水平。客戶要求供應商的過程能力CPK在1.67以上，甚至2已非罕見，那麼就意味著質量水平相當於5σ-6σ。
人工判斷或SPC軟件報警，但產品是合格的，質量人員如果這時花費精力去研究這個報警，讓產品在合格的基礎之上好上加好不是不可以，前提是沒有其它質量不合格的事情發生，但在日常生產中比這嚴重和重要的事多得多，這麼做從問題解決角度完全與二八定律不符。
這時控制圖不僅沒有好處，還幫倒忙，對於一個有著大量質量控制點的企業，質量人員還得費勁勞神不讓這些不重要的事情干擾自己，還得從大量的報警中找出哪個是真正超過公差限的產品而不是單單超出控制限的產品。
世界著名500強公司施耐德，頂級電工企業，在華工廠應用控制圖監控生產過程中的若干關鍵質量特性，但該控制圖中只有公差限，沒有控制限。因為如果設置了控制限，那麼系統會經常報警，使本就繁忙的工程師們疲於奔命。他們也知道，因為是Xbar值，不是單點值，即使Xbar值在控制限內，產品也有不合格的風險。但是不取消這個報警，每天就不用做其它事情了，因為公差限遠大於控制限，風險程度不高，就索性取消控制限。
請問，這些控制圖在企業實際應用中到底起了什麼作用？毫不誇張地說，它的消極作用之一就是浪費了資源。
公差限範圍小於控制限範圍：
通常理想狀態，使用SPC時，要求過程穩定且CPK大於1。
項目在量產前策劃階段，對於具體的質量特性，企業工程技術人員通常預先評估採用哪種探測手段，並在過程開發時最終落實。比如可以用GO/NO GO檢具100%檢驗或設計防錯裝置識別等，當然也可以使用控制圖。
還有人會說，如果過程能力不足或者過程不穩定，通過控制圖報警，這不是很好的機會改進產品質量嗎？
未必，舉個例子，公司在項目策劃時選擇設備有兩個方案。500萬的注塑機可以完全保證產品質量，50萬的注塑機則需要加人工100%對質量特性進行檢驗，公司根據客戶的採購量，通過成本評估確認50萬注塑機+人工100%檢驗這個選項在利潤角度更合理。
當今是專業化大分工時代，幾個質量人員+設備工程師+一線操作工僅依靠一個SPC工具就可以把50萬元的注塑機改進達到500萬元注塑機的水平可能性很小。那些專業生產注塑機的企業可能都做不到的事，非專業人員就更實現不了；即使企業內部通過改進能夠實現，成本上的花費很可能是不合理的。
這裡不是反對持續改進，持續改進是一個企業永恆的主題，但我們反對的是一談到質量控制，言必稱SPC。
公差限範圍略大於控制限範圍：
這時的CPK大於1，可能有人會說，這種情況下SPC控制圖最有用，但其實給一線操作員工和質量人員帶來的困擾同樣也不少，為什麼？
如果控制圖報警，一線操作員工也不知道產品是否合格，有時還要在控制圖的邊上再做一個單值描點圖（日本一些企業的作法）。
有些控制圖上加上了公差限，的確是有所改善，但還是有問題，因為在控制圖上顯示的是X的平均值，當X平均值在公差限以內時，產品還是有可能不合格的。（當然，這時R圖往往會報警，但操作員工還得另行計算一下，確認產品是否超差，因為控制限報警和產品不合格是兩個嚴重度不一樣的事情，對於一線工人來說，首要任務是產品合格然後才是持續改進。）
其它因素還有：
無法滿足現代企業的激烈競爭
現在的企業面臨著越來越激烈的競爭。成本控制決定著企業的利潤以及生存空間。
控制圖需要持續不斷地記錄數據。一個控制圖（均值極差控制圖）只能監控一個質量特性，隨著產品複雜度的增加以及供需鏈的不斷變化，一個產品上會有多個關鍵質量特性，一個工廠有上萬個料號是非常普遍的現象，那麼可以想象，使用控制圖對這些產品的大量質量特性進行監控，需要記錄的數據以及需要付出的努力遠遠超出了企業所能承受的能力。
筆者曾經工作過的一家公司，每年都會進行供應商的整合（最近10年以來已經是普遍的現象），其中一個很典型的中小規模供應商，單單給筆者公司提供的常用活躍料號就有5000多個，其中一半以上是由數量不等的子零件組成的組裝件（一個組件包含的子部件從10個到100個不等）。有外觀，性能，關鍵尺寸等多個關鍵質量特性需要控制。
如果使用控制圖進行監控，那麼需要做的控制圖要多達幾萬個，效果如何不說，單是工作量已經將企業壓垮。更甚者，有些使用模具生產的產品，為了提高效率與降低成本，會以多模多穴的方式進行生產。如某公司一塑料產品有4個關鍵尺寸，該產品一共有2個模具，每個模具64穴，這些關鍵尺寸關係到客戶產品的密封性能，塑料產品本身價值不高，但是一旦質量不合格，客戶的損失將是非常巨大的。如果要取得客戶訂單，客戶一定要求供應商簽署質量連帶責任協議。
如果使用控制圖，每一次都要等到注塑機生產5個產品以後才能檢驗關鍵尺寸並記錄，如果現場是紙質的控制圖，操作工人還得計算這五個產品平均值和極差值，一個注塑工位就有4X64=258張控制圖。兩個模具，那麼意味著要做2X4X64=512個控制圖。如果這個公司有100個類似產品，那麼意味著要有5萬個控制圖在生產現場。
每次注塑的時間間隔才幾分鐘，有時間記錄嗎？
用SPC軟件能解決這些問題嗎？
對於注塑產品，不僅要確保首件合格和末件合格，還要確保如何及時發現產品尺寸的變化，以便能及時清理冷卻管路和維修模具，這對企業是一個極大的挑戰。
如果您是這家企業的質量負責人，你會採用控制圖來監控關鍵尺寸嗎？您覺得控制圖管的住質量嗎？
對於芯片行業也類似，這個行業的數據量更大，SPC每天可能會發出非常多的報警，導致質量人員根本沒有時間開展調查研究，很多質量人員的直接做法就是關閉這些報警郵件。不要指責這些員工，當你每天收到50份 SPC報警時，你會怎麼做？
繁雜的系統，普通企業難於掌握
- 計算過程能力時，所採集質量特性的檢測數據如果不是正態分佈，需要做變換。
- 不同的過程，需要不同的SPC工具。
- 單一質量特性的數據是否獨立，也會影響到使用效果，化工行業這個問題會比較突出，還要學會如何判斷數據是否獨立。
有辦法解決這些問題嗎？有。
這些問題難嗎？看對誰而言。
問題的關鍵是，所有的企業都投入這麼多的資源去研究這些，投入產出比對每個企業都合適嗎？中國的中小企業有那麼多資源投入去推廣和研究嗎？
再完美的設想，如果不能夠滿足實際生產現場的需求，那麼也只能放在實驗室裡觀賞。不能夠為實際生產服務，那麼也就失去了它的價值。
7. 那麼，到底誰在推行SPC?
客戶要求
由於SPC是汽車行業五大手冊之一，雖然只是參考，但是很多汽車行業的客戶和其它行業的部分客戶在對其供應商實施質量評審和項目開發過程中，會把SPC作為一個條目來考核供應商。
為了提高通過第二方審核和第三方審核的概率，汽車行業供應商不得不在企業內推廣SPC。
如客戶對SPC有要求，評審時，評審員很正常地會問供應商被抽樣到的產品有沒有質量特性，供應商提供質量特性清單後，評審員很可能隨意挑出一個或幾個質量特性，看一看檢測數據以及監控的效果，如果這時供應商能夠展示出控制圖，並且大部分數據是在可控制狀態，有報警的地方，也有相關的分析和整改，在這樣的情況下，很多評審員會認為這個評審條目合格，大概率不會一直查下去，直到發現問題。
我們回放一下真實的質量評審場景：
供應商老老實實把所有的質量特性都列出來了，如果質量特性很多，除非供應商有大量的專業質量人員，否則不大可能都做到監控，即使有SPC軟件系統也不可能（因為設置監控要花費大量的人力和時間，這個成本是很高的，不是每一個廠家都能負擔得起的。）
如果評審員發現有的質量特性沒有被監控，很可能給一個一般或嚴重不合格項。
即使質量特性都被監控了，評審員在現場評審時，如果發現了控制圖報警，但是供應商沒有及時給出分析和整改措施，這就要看評審員心情了，至少給一個觀察項，給一個不合格項也很合理。
如果你是供應商負責質量評審的，你會怎麼做？
肯定會事先就準備好一套美化過的SPC數據，等待評審員的到來，這樣才能很有把握地保證質量評審順利通過，企業不會因為質量評審出現問題而拿不到客戶訂單，導致管理層對質量部門不滿意。
我們先不要站在道德的制高點上批評供應商的質量負責人，想一想，供應商質量負責人這麼做是否也是一種無奈？
德國大陸是一家非常知名的全球汽車零部件企業，其在華的一家工廠也遇到了SPC帶來的煩惱。這家工廠每年要接待大量的客戶二方年度審核、新項目審核和客戶SQE定期檢查及飛行檢查，他們產品種類多，需要控制的質量特性也很多。
時不時，客戶的質量人員就可能要求檢查一下他們的產品控制圖的填寫情況，如果有異常報警，客戶通常是一句話：你們要調查一下，寫個整改報告。但供應商即使是編一個報告也要挺長時間，每天這麼多的報警，如何應對？
編寫假報告也要耗費大量的人力資源，不要忘記這一點。
後來這家工廠實在沒辦法，乾脆招聘一個SPC數據“美化”技術員，每天專職美化數據，但數據也不是可以隨隨便便可以美化出來的，該工廠還用Excel編寫個小程序，保證數據分佈也是正態的，還能滿足CPK的要求，極大提高了造假數據的效率，客戶也很難再挑出毛病。這是笑話嗎？但是質量人員根本樂不出來，他們有很大的挫敗感，因為每天不得不做這些無聊沒有意義的事情。
其實，這家大陸在華的工廠根本就沒有用SPC來管控質量，但還不得不假裝用SPC控制質量，並對客戶宣稱取得了很好的效果。
相對來說，國際大企業在理解SPC方面還是比一般企業要好，但他們為什麼還要造假數據呢？
我本不想列出施耐德和大陸的名稱，但我是想告訴大家，世界頂級的工業巨頭尚且如此，您的企業實情如何？
儘管有許許多多的企業都在使用SPC，但情況不容樂觀，理想很豐滿，現實卻如此骨感。
培訓/諮詢機構以及SPC工具廠商
首先，我們不否定有優秀的培訓和諮詢老師，不僅有專業水平，也從企業的實際角度看問題。
但是，也有一些例外：
有些是自己本身都沒有理解和掌握SPC的原理，完全的照本宣科，自己都不知道自己說的是什麼。
有些是書本主義，沒有考慮到實際應用環境。
有些是揣著明白，裝著糊塗。賺的盆滿缽滿與自砸飯碗之間，選擇的是前者。不想說皇帝的新衣不好看，反正有人肯花錢，不拿白不拿。
更有甚者，牽強附會的應用。Q-DAS，為了增強SPC適用範圍，把簡單的事情搞得很複雜。刀具的壽命對某些企業是一個比較關鍵的數據，比如用刀具的磨損程度來預計刀具的壽命，按照刀具的磨損程度繪製出一個帶有傾角上下控制限，通過與刀具報廢線的交叉點來估算刀具壽命。這個方法可以實現預測刀具壽命，但就是對工人理解上不友好，把簡單的事情搞複雜了，用一個簡單的描點圖就可以實現的功能非得用繁瑣的步驟實現。
這是鄭人買履的平方。
質量管控的需求
自然還是有希望管理好企業的質量人在推廣，希望能夠幫助企業改善質量，這一點是不可否認的。
絕大部分管理措施出發點都是好的，但結果好不好就不一定了。
相比於其它質量工具，SPC耗費資源很多但產出卻不高。就像用長矛來捕魚，的確能捕到魚，觀賞性非常好，可以用來炫耀手藝，但不完全適合當今的社會。
比如說，DOE和MSA，對一個項目而言，不需要天天做實驗收集數據。
但是SPC一旦開啟，就要針對每一個料號的每一個需要監控的質量特性持續不斷收集數據，如果有電腦系統還好，沒有電腦系統，還得用紙和Excel統計。
在企業競爭如此激烈的今天，還要讓一線操作工人花費大量的時間記錄這些SPC數據，當然企業還要投入培訓SPC費用等，但這些費用僅僅是SPC相關費用的冰山一角。
很多人忽視的是質量工程師所耗費的心血和時間。
一個企業如果質量特性少還好，如果質量特性很多，新項目也很多，質量工程師會花費大量的時間設置控制圖和對報警的控制圖進行處理。質量工程師不得不花費大量的時間處理這些不確定的報警，這意味著很多其它事情被耽擱了。
8. SPC不好用,企業怎麼辦？
現在有些人或企業認為質量管理就是SPC，甚至有些MES系統開發商，直接把SPC當作質量管理模塊賣給用戶，不知道是自己不懂，還是有意為之，實在是誤人子弟。
用戶也應該理性地去分辨，不應該被神話了的SPC所誤導。工具應該為目的服務。工廠需要的是一種符合自己生產過程的有效質量管控工具。質量管理也要考慮場合、對象和性價比。
在此我們從兩個方面給一些建議：
從質量管控工具有效性層面：
日本企業為了彌補SPC的不足而同時使用單點圖，當然還有其它工具，比如合格率、ppm、缺陷統計等。配合柏拉圖的使用，可以幫助企業快速鎖定影響產品質量問題的“重要的少數”，起到事半功倍的效果，以及根據記錄的數據進行相關性迴歸分析，幫助企業快速找到影響質量特性的因素，從而進行相關改進，進行質量預防，改善產品質量。以相對較小的精力，解決嚴重和普遍的問題，這比較適合絕大多數企業的現狀。SPC那種大水漫灌，換來的是虛虛實實的報警，烽火戲諸侯 ，浪費的不僅僅是大量的寶貴資源，更會錯失很多問題改善的機會。
企業選擇什麼樣的質量工具要根據自身的情況而定，不管黑貓白貓，抓住耗子的就是好貓。
客戶和工廠需要的是合格的產品，SPC只是工具/手段，切莫將手段當目的。
從公司整體質量管理層面：
例子1，如果是一家生產紙箱，印刷品等技術含量不高的小企業，按照ISO9000的要求來做，就可能把企業管理的很不錯。
例子2，如果一家電機廠有50條不同年代的產線，有2萬種不同的物料，員工人數達到2000。企業發展到這個規模，可能以下問題是質量管理中的痛點：
- 什麼原材料容易造成停工待料，都是什麼問題？
- 那種類型電機合格率最低，都是什麼問題？
- 給客戶報價時，在那條產線生產，既能保證產品合格率又能保證成本可接受？
- 新產品開發時，類似的老產品都出現過什麼問題？
這個規模的企業，質量體系早已經建立，質量特性數據也有一些，但是這些數據不是在紙質文檔上就是在Excel中和其它系統中。這時企業可能需要一個能對多種物料，多條產線，多道工序，多個班組進行深度關聯分析的系統以解決上述問題。
例子3，高壓容器，安全設備等特種企業。
對產品安全性和合規性要求比較高。企業交貨時，提供完備的檢驗資料也是一個很重要的工作，通常需要花費很大的人力和時間來處理。對於這樣的企業，保證每一步都合規且文件齊全的管理系統很重要。
例子4，對於跨國採購公司和design house，有幾十家甚至幾百家供應商是很普遍的事，質量人員如何管理好供應商準時生產出合格產品很關鍵，否則就可能造成全球客戶缺貨或工廠停產。對供應商是否有能力生產出特定需求的產品要有把控能力，而不僅僅是根據質量評審的分數；開發新項目時對過往的歷史數據和客戶投訴瞭如指掌，並通過歷史數據（包括客戶投訴）有能力發現潛在的質量風險並在新項目開發時採取措施，；對出貨檢驗要有大局觀，既不能無原則放貨，又不能把小問題無限放大不放貨。如果該企業的產品種類高達上千種，供應商又分佈在全國各地，但SQE人數卻很少，這時的質量管理策略怎樣制定才合理？
例子5，對於醫藥行業，一定要符合法律法規的要求，每一步都要確保正確和準確，文件資料不能出問題，人員要有資質才能上崗，變更管理比普通企業更嚴格，計量器具也不能忽視，很多記錄都要留檔等等，這是醫藥行業的特點。
例子6，對於化工和鋼鐵行業。如果質量管理軟件或其他軟件系統能自動推送出對產品改進有幫助的建議，企業或許對這個功能感興趣，以代替用人工進行的繁瑣計算，如迴歸分析、多元迴歸分析和DOE等，這樣會極大提高日常生產數據的利用，從而不斷優化生產工藝參數，改善質量和/或降低成本。
針對不同的公司規模、人員素質、不同的產品以及過程特性等，可以採用不同的質量管理工具進行管理。
合適的就是最好的，既要防患於未然又要因地制宜，不能是用工具找問題，而是應當根據問題找合適的工具。
9. 如何應對客戶的要求？
前文做了很多論述，企業應該有自主權限根據實際情況來選擇合適的質量工具。
但是對於SPC卻很特殊，因為客戶要求，還不得不使用SPC。
這的確是一個難題，筆者在此也很難提供一個藥到病除的解決方案。
供應商不可能冒著丟失訂單的風險而違反客戶的要求。
針對五大手冊中的SPC，是三大汽車主機廠（通用，福特，克萊斯勒）基於當初的現狀，為了在汽車供應鏈中推動持續改進，以客戶為關注焦點，不斷提高客戶的滿意度，那麼就需要不斷地去尋求一種更高效率的方式來提供產品和服務。
秉著這一宗旨，主機廠提出了組織的每一個成員都要投身於不斷嘗試更高效的方法進行持續改善，可以採用不同的統計工具達到這一效果，如柏拉圖、因果圖等基本工具，以及高階的DOE、QFD等。並編制了五大工具之一的SPC手冊。
SPC控制圖作為一種基本工具在SPC手冊中做了詳細的介紹。避免了當初無統一標準，各家各戶要求各異，簡化與減少了差異性。但該手冊也明確說明這是針對SPC的一個介紹。企業根據客戶要求的質量活動或者特性與客戶溝通，可採用更有效的或者替代的方式。
解鈴還須繫鈴人。
在此我們也呼籲一下以汽車供應鏈為主的質量行業人士，特別是主機廠的質量人，主機廠和供應商要求的是合格產品和有效的管控方式，對於具體使用何種方式來管理質量，希望主機廠在制定規則時，能夠與供應商進行密切溝通，只要供應商能夠證明有合適的工具進行管控，有穩定的提供合格產品並進行持續改善的能力，不要非得加上SPC這一條，少些形式主義，迴歸到事情的本質。
10. 編後語
在查閱資料的過程中，我們發現國外有非常多從不同的角度針對SPC是否有用進行討論與質疑，從控制圖誕生之日起到現在就沒有停止過，而且還有繼續下去的趨勢。
有爭論比沒有爭論要好，理越辯越明。
有質疑和爭論，受益的不僅僅是質量人士，更大的受益者是眾多的企業和企業管理者。通過質疑和爭論，企業高層將能會以更高效的方式來管控質量及管理企業，使企業運營效率提高，保持競爭優勢，基業長青，對整個社會的整體運行效率也大有裨益。
在此，我們歡迎感興趣的朋友和我們交流，不論是持相同的觀點還是不同的觀點。也非常歡迎親自負責過或者使用過SPC並取得效果的朋友和我們聯繫，我們正在積極尋找這樣的企業。
最後，感謝徐廷偉先生、王洪石先生、沈凱利先生、朱小泱先生提供寶貴的素材和意見。
雲質信息：專注質量領域--質量諮詢+質量管理軟件服務商（www.yunquality.com)
