過程變量

傳統的統計過程控制以概率論和數理統計為基礎，以提高產品質量水平為目標，採用統計控制圖、統計描述、統計相關分析、實驗設計、迴歸分析等方法，分析處理與產品質量相關的生產過程數據。其成功應用大都集中在離散製造業中。由於連續生產過程本身的複雜性，其產品質量往往涉及到具有相關關係的幾十、甚至上百個變量，這些變量在一段時間的採樣數據量之大，使得傳統SPC在該領域的應用受到限制。

隨着測量技術的發展，人們已經能夠對越來越多的產品性能指標進行測量，同時用户對產品性能的定量要求也越來越嚴格。這就要求對許多產品性能指標和過程變量進行監視。如果需要監視的多個產品性能指標或多個過程變量之間存在相關關係，則僅靠分別對它們採用單變量統計過程控制，其結果往往不太可靠，需要採用變量關聯圖作進一步的監視。若某個裝置的生產過程有100個測量變量，就需要監視100個變量趨勢圖，如果還想要監視變量間的關聯圖，這100個測量變量的兩兩關聯圖就有4950幅!過程操作人員很難同時監視這麼多圖形中變量的變化，需要引入多變量統計過程控制技術來改進對過程的監視 ^[1]  。

所謂單元操作是由生產中的某一物理過程與過程設備共同構成的一個單元系統。對於同一物理過程．可在不同形式、不同結構的設備中完成。因此，由於物理過程變量和設備變量交集在一起，使得所處理的工程問題變得複雜。但是如果可以在眾多變量之間將交聯較弱者切開，即有可能使問題大為簡化，從而易於解決，這就是過程變量分離方法 ^[2]  。

在統計過程控制中，取得數據十分重要。需要得到關於過程輸入、輸出、產品質量的數據，也需要得到過程運行情況的數據，統計過程控制正是通過對這些數據的統計方法分析，發現過程變化，並追尋引起變化的原因。基於事實和數據的決策與基於主觀感覺的決策往往有很大的差別，對數據的簡單統計分析往往就能獲得較大的收益。通過對過程數據的統計分析，可以完成以下工作：

（1）瞭解過程的運行狀態，並預測可能出現的情況；

（2）對現有過程所能達到的質量指標做出評估；

（3）告訴人們什麼時候、什麼條件下過程出現了異常，應該去尋找影響過程運行的異常因素；

（4）告訴人們過程的哪些方面可能出現了不正常情況；

（5）根據所瞭解的過程運行狀況，進而改進過程及產品質量。

還應該指出的是：統計分析的結果需要用過程操作人員的經驗、知識進行解釋，需要根據過程的機理去理解、運用。因此數據的採集、統計分析計算、圖表只是統計過程控制的一部分，更重要的是需要有管理、生產人員的參與 ^[1]  。