统计过程控制（SPC: Statistical Process Control）是实际质量管理实践中用来进行在线或离线、实时或非实时过程监控、能力分析的常用方法。常用的控制图根据其分析对象的多少可以分为单因素控制图(Univariate Control Chart)和多因素控制图(Multivariate Control Chart)。
在统计过程控制（SPC）中，单因素控制图(Univariate Control Chart)用来检验过程单个质量参数是否受控的情况，常用的单因素控制图包括：
经典休哈特控制图之Xbar-R/S图
经典休哈特控制图之I-MR图
经典休哈特控制图之C图
经典休哈特控制图之U图
经典休哈特控制图之P图
经典休哈特控制图之NP图
CUSUM控制图
EWMA控制图
其中，休哈特控制图中，前两种主要用于监控连续型测量数据，而后四种主要用来监控属性测量（离散型）数据。
这些控制图在使用时，我们通常只针对一个过程输出变量。通常而言，对于上述控制图的选择，我们可以遵循如下大致的路径：
上述选择路径图在很多国内的质量管理书籍中都能见到。不过事实上，我们在使用这些控制图方法时，通常假定过程数据是不存在自相关性的。如果考虑过程数据的自相关性，单因素控制图的完整选择路径应如下：
接下来，我们再来用图形总结一下多种单因素过程控制方法适用的情形。
从上图左轴可以看出，随着样本抽样间隔的增加，休哈特控制图将越来越变得适用，因为样本较大的抽样间隔通常会使自相关效应失效；而随着样本抽样间隔的减小，自相关效应将变得更加重要，此时我们很可能需要使用ARIMA或EWMA方法。而从右轴可以看出，过程调整的成本增加会促使我们使用休哈特控制图来监测过程；而在另一方面，如果过程调整成本较低，将使得我们可以使用一些工程过程控制系统。在纵轴上，当随机因素或噪声在均值的移动中处于主导地位时，休哈特控制图会变得更加适合；而如果均值的移动更多地与随机噪声有关，我们又会使用ARIMA或EWMA类型的方法，或者工程控制器。
--
祝工作愉快！如需要智天下顾问服务的，请随时与我联系!
