字数统计：4480 字 预计阅读时间：约 10 分钟
前两篇《新版SPC导读》中，我们连续讨论了两个问题。第一篇《每2小时抽5件，可能是SPC里最没有依据的一句话》，讨论的是数据到底应该怎么采；第二篇《控制图到底是用来分析过去，还是控制未来？》，进一步讨论了控制图的真正用途：控制图不仅可以帮助我们分析过去，更重要的是利用已经建立的过程规律，及时识别正在发生的变化。
但如果继续往现场走一步，就会遇到一个更加现实的问题：控制图真的报警以后，现场怎么办？
在很多工厂，你会看到一个非常熟悉的场景。操作工测量一个关键尺寸，发现超出控制限，或者控制图出现异常信号。现场第一反应往往不是调查过程发生了什么，而是：“再测一次看看。”第二次测量正常，于是大家松了一口气：“刚才可能测错了。”如果第二次仍然异常，就换一个产品再测；如果还异常，再换一个人测；实在不行，再把测量仪器拿过来确认一下。只要最后能够测出一个“正常”的结果，生产往往就继续了。
这背后其实隐藏着一个非常值得讨论的问题：当控制图告诉我们过程可能发生了变化时，我们到底是在寻找变化的原因，还是在寻找一个能够证明“其实没事”的数据？
这两种思维看起来只差一点点，实际上决定了SPC究竟是一套过程控制方法，还是一套不断证明生产可以继续的统计工具。
首先需要说明，“再测一次”本身并没有错。如果怀疑测量方法、量具、测量位置、操作方式或者数据录入存在问题，重新测量当然是合理的。真正的问题在于：为什么要再测？以及第二次测量以后准备做什么？
假设某关键尺寸连续生产一直稳定，突然有一个点超出了控制限。现场人员重新测量同一个产品，第二次结果回到了控制限以内，于是直接判断第一次测量无效，生产继续。这种做法的问题在于，第二次测量正常，并不能自动证明第一次测量错误。第一次异常可能来自测量误差，也可能来自产品本身、设备状态、刀具、材料、工艺参数甚至某个短时间存在随后又消失的特殊原因。
换句话说，“重新测量正常”和“过程没有异常”是两个完全不同的结论。
现场为什么特别容易把这两个结论混在一起？因为生产现场存在天然的压力。停机意味着产量损失，隔离意味着增加工作量，调查意味着需要找原因、找责任人、填写记录，甚至可能影响交付。而“再测一次”成本最低。如果第二次数据正常，所有人都可以继续生产。因此，重新测量很容易从一种“确认测量可靠性的方法”，逐渐变成一种“解除报警的方法”。
这时候，SPC就会出现一个非常危险的现象：控制图负责报警，现场负责把报警解释掉。
例如控制图出现一个超控制限点，现场重新测量，正常，继续生产；出现连续上升趋势，大家认为“还没有超规格”；连续多个点偏在中心线一侧，认为“产品都是合格的”；过程波动明显增大，又认为“Cpk暂时还够”。最终，控制图虽然一直存在，但现场真正采取行动的条件，往往只剩下一个：产品已经超差。
如果一定要等到产品超出规格以后才行动，那么企业实际上又回到了传统检验思维：合格就生产，不合格就处理。SPC最重要的预防价值反而消失了。
这也涉及控制限和规格限之间最容易被混淆的地方。规格限回答的是“这个产品合不合格”，控制限回答的是“这个过程有没有发生值得关注的变化”。因此，一个点即使没有超过规格限，只要出现了有效的控制图异常信号，真正值得追问的就不应该是“产品还能不能用”，而应该是：刚才过程发生了什么？
比如刀具刚刚换过，材料刚刚换批，设备发生过短暂停机，夹具重新定位过，参数被调整过，环境温度发生明显变化，操作人员刚刚交班，测量仪器更换过，或者设备出现了一次短时间异常。这些变化未必马上制造出不合格品，却可能已经改变了过程原有的统计规律。
所以，控制图报警的真正意义不是宣布“产品不合格”，而是在提醒现场：这个过程可能已经不像刚才那个过程了。
理解这一点以后，“再测一次”的角色也应该改变。重新测量可以是调查的一部分，但不能成为取消报警的快捷键。如果怀疑测量系统存在问题，可以重新测量、换人测量、换量具确认，必要时检查测量系统状态；但与此同时，第一次异常数据不能因为第二次正常就简单删除，更不能把第二次结果覆盖第一次结果。真正需要保留下来的，恰恰是这个过程曾经出现过异常信号这一事实。
这里还有一个非常容易被忽视的问题：如果企业允许“异常以后不断重测，直到正常”，最终留下来的数据会是什么样？答案是，数据库里的数据会越来越漂亮。异常值被重测覆盖，偶发波动被人工过滤，控制图越来越稳定，Cpk越来越好看，但真实过程反而被隐藏了。最后管理层看到的是一个经过现场“修饰”的过程，而不是实际发生过的过程。
从数据治理角度看，这个问题甚至比一次产品不合格更值得警惕。因为未来企业越来越依赖数字化QMS、SPC系统乃至AI进行质量分析，如果输入系统的数据本身已经经过人为筛选，那么再先进的算法也只能得到一个失真的结论。AI不会自动知道那个被覆盖掉的异常值曾经存在。
如果说控制图的任务是发现过程变化，那么报警以后真正需要的就不是简单地“再测一次”，而是一套明确的反应机制。也就是新版SPC越来越值得企业重视的OCAP——Out of Control Action Plan，失控行动计划。
OCAP最重要的意义，不是增加一张表，而是提前回答一个非常现实的问题：如果控制图出现异常，现场到底应该做什么？
首先应该区分两个问题：产品风险和过程风险。控制图报警以后，需要确认相关产品是否存在风险，必要时确定隔离范围；但与此同时，还必须调查过程为什么发生变化。这两个问题不能互相替代。产品重新测量合格，只能帮助判断产品状态，却不能自动证明过程没有发生变化。
其次，要定义现场应该检查什么。不同过程的异常原因完全不同，因此真正有效的反应计划不应该只是写一句“超出控制限时通知质量部”。对于机加工过程，可能优先检查刀具寿命、刀补、夹具定位、设备状态、程序参数和材料变化；对于注塑过程，可能检查温度、压力、保压时间、模具状态和原材料批次；对于热处理过程，则可能检查炉温、时间、装炉方式、气氛、冷却条件以及测量系统。好的OCAP不是告诉员工“出现问题要处理”，而是告诉员工“出现这种信号，优先从哪里找”。
第三，需要明确产品追溯和隔离边界。如果上午10点的控制图正常，12点出现异常，那么风险产品从哪里开始？是12点这一组？还是从10点最后确认正常以后生产的所有产品？这不能等异常发生以后再临时讨论，而应该根据过程特性、抽样频率和风险提前确定。这样也会反过来帮助企业重新思考上一篇讨论的问题：为什么是每2小时抽一次？如果两次抽样之间生产了2000件产品，而一旦报警就需要追溯和隔离这2000件，那么这个抽样频率到底是否合理，就不再只是统计问题，而成为质量风险和经济成本问题。
第四，需要定义什么情况下允许恢复生产。找到异常原因以后，是调整一下参数就可以继续，还是必须重新采集若干组数据确认过程恢复？如果找不到原因怎么办？如果异常重复发生怎么办？如果连续几次调整仍然不稳定，是否需要升级到工程、质量或者管理层？这些才是SPC真正进入管理体系以后需要解决的问题。
因此，真正完整的逻辑应该是：控制图报警→确认信号→评估产品风险→必要时隔离→调查特殊原因→实施措施→确认过程恢复→恢复生产→记录原因与措施→必要时更新控制计划、PFMEA或经验库。
这里的“确认信号”可以包括重新测量，但它只是整个流程中的一个动作，而不是流程的终点。
更进一步，如果企业已经使用数字化SPC系统，那么控制图报警也不应该只是屏幕上出现一个红点。系统应该能够自动记录异常发生的时间、设备、产品、特性、班次和相关批次，提醒责任人员，启动异常处理任务，关联当时的4M1E变化，记录原因和措施，必要时关联QRQC、8D或者其他问题解决流程，并最终形成可以被再次利用的经验。
这样一来，一个控制图异常点就不再只是“一条异常数据”，而成为一次完整的过程事件：什么时候发生、发生在哪里、当时有什么变化、为什么发生、影响了哪些产品、采取了什么措施、以后如何防止再次发生。
这也是未来AI真正能够参与质量管理的基础。AI要分析的不能只有最终留下来的“漂亮数据”，还应该包括异常信号、变化点、设备状态、材料批次、人员、措施以及最终验证结果。只有这些信息被真实记录下来，企业才有可能逐渐发现：某类控制图异常通常与哪些变化相关，哪些原因最常出现，哪些措施真正有效，甚至在未来异常发生之前提前识别风险。
因此，从新版SPC的角度重新理解控制图，我们会发现一个很重要的变化：控制图真正的价值，不在于那个红点，而在于红点出现以后组织发生了什么。
前两篇我们讨论了数据怎么采，以及控制图究竟是分析过去还是控制未来。这一篇讨论了：即使控制图能够正确发现过程变化，如果现场没有正确的反应机制，SPC仍然无法真正发挥作用。
所以下一次控制图报警以后，当现场有人说“再测一次看看”，真正应该多问一句：我们重新测量，是为了确认测量系统，还是希望得到一个正常数据，好让生产继续？
两者看起来只是动机不同，背后却代表着完全不同的质量管理逻辑。前者是在调查异常，后者则可能是在消除异常的证据。
真正成熟的SPC，不是让现场害怕控制图报警，也不是要求每出现一个异常点就大规模停线，而是建立一套与风险相匹配的反应机制：什么信号需要确认，什么情况需要隔离，谁负责调查，优先检查什么，什么时候可以恢复生产，重复发生以后如何升级，以及哪些经验应该进入PFMEA、控制计划和知识库。
这也是TPP在新版SPC培训、质量咨询以及数字化项目中越来越强调的方向：SPC不能停留在控制图本身，而应该与变化点管理、OCAP、QRQC、8D、PFMEA、控制计划以及质量数据分析连接起来。真正有价值的SPC系统，不是帮助企业把控制图画得更漂亮，而是让每一次异常都能够被看见、被响应、被解释，并最终转化为下一次预防的经验。
因为控制图报警并不可怕。
真正值得警惕的，是过程已经报警了，我们却一直测到它“不报警”为止。
如果需要了解更多内容，欢迎与我们联系，我们将提供专业的管理咨询和数字化解决方案帮助我们的顾客。
邮箱:Marketing@tppconsultancy.com
电话：400 102 1300
TPP 微信公众号
TPP软件免费体验申请