优思学院｜处于统计受控的流程可能产生大量的不良品吗？
处于统计受控的过程也可能产生大量的不良品吗？很多人会说不会，因为我们经常都看到教科书上的控制图（如下图优思学院[1]的六西格玛教程），控制限（UCL／LCL）都在规格限（USL／LSL）之内，那么按道理来说，合格品率应该有99.7%以上，又哪来大量不良品呢？

事实上，大家都忽略了一个重要的前提，就是控制限和规格限两者之间，根本没有必然关系，换言之，控制限其实不一定会在规格限之内。以下，我们一起来拆解一下这个误区。
控制限 vs 规格限：差别在哪里？
首先，规格限（Specification Limits）是客户需求、设计要求或行业标准规定的，那是产品合格的允许范围。而控制限（Control Limits）呢，则是基于统计过程控制（SPC）得出的，它反映的是过程本身的自然波动，通常设定在均值加减三倍标准差（±3σ）之间。
所以，控制限并不是设定给客户的要求，而是对过程波动的监测工具。它关注的是：这个过程现在稳不稳定？波动有没有超出预期？
为啥统计受控也会有不良品？
那为什么即便过程统计受控，也还是会有大量不良品呢？其实很简单，控制限之内的波动并不保证你的产品全部在规格限之内。如果你的过程均值偏离了目标值，即使这个过程稳定，产品也有可能大面积不达标。
举个例子，如果过程均值和客户要求有偏差，虽然过程稳定，统计受控，但大多数产品可能依然不符合客户的规格限。这就是控制限和规格限之间的差别——它们不是一回事！
教科书上的控制图为什么控制限在规格限之内？
在教科书中的很多案例里，控制限（UCL/LCL）常常在规格限（USL/LSL）之内，这是因为这些例子通常展示的是一个理想的过程，也就是说过程的波动很小，足以让其控制限完全落在规格限的范围之内。这种情况下，意味着过程变异被良好地控制住了，并且产品符合客户的要求。但是，在实际生产中，情况往往要复杂得多，过程的波动可能导致控制限超出规格限的情况，这就需要对过程进行改进，以减少波动，这是要依靠质量人员和工程团队的努力才会达致的。
企业如何作出改善？
要想真正提升过程能力和产品质量，企业可以借助质量管理和六西格玛的方法来进行持续改善，並且要借助多一个指标，那就是过程能力Cp和Cpk了。通常可以分为以下三个步骤：
1. 让过程稳定受控
首先确保过程的波动处于受控状态，即消除特殊原因的变异，让过程稳定下来，就是把右图所显示的状态变成左图的状态。

2. 让过程分布置中
接着，通过调整过程，使得过程的均值符合目标值，这样可以尽量减少偏差，确保产品更容易符合规格要求。

3. 让过程变异减少
最后，进一步减少过程中的变异，这样可以提高产品的一致性，确保更多的产品都落在规格限内。

这也是六西格玛项目所运用的基本方法和原则，通过 DMAIC（定义、测量、分析、改进、控制）循环，不断优化过程，提升产品质量，提升过程能力Cp Cpk的数值。
小心别掉进这个常见误区
很多人常常混淆控制限和规格限，觉得控制上下限一定在规格上下限以内。这可是个大坑，爬出来得花点时间，由于在实际工作中，也要量产中的产品会出现控制限超出的规格限的情况不会常见，于是大家会习以为常。搞清楚控制限关注的是过程的自然波动，而规格限则是客户的期待，你才能更好地理解过程控制和质量管理之间的微妙关系。
所以，下次看到控制图的时候，记得想想：这个过程虽然看起来很受控，但它能满足客户的要求吗？别让数字骗了你，真正的质量可不止在图上看着好看！