統計製程管制(SPC, statistical process control)是現代生產製造工藝中一項不可或缺工具之一，誰可以掌握其中訣竅並應用得淋漓盡致者，將可以這個錙銖必較時代提高產品良率並降低成本，取得領先地位。
何謂【Cpk】？Cpk基本上是一組數字，沒有單位；Cpk可以視為衡量製程能力一個指標。那何謂「製程能力」麻煩先閲讀一下底下中第一篇文章了。Cpk是，不過Cpk是兩組數字Cp及Ck組合而成，Cp（Precision），可以稱「精度」，而Ck（因為日文為【かたより】，【か】發音【k】所以命名Ck）稱為Ca（Accuracy），可以稱「準度」，所以Cpk合稱「精準度」，它可以用來計算並衡量產品尺寸、時間誤差，重量標準…可以數據化以及有規格界限物品製程能力。
統計數據進行母體描述一個過程，其中包含了敍述統計推論統計兩種。
1）衡量製程能力要可以量化。比如説尺寸、重量、時間、力量…，其他那些只能感覺東西能問卷方式來填寫1～10之類評語轉換成數字才能計算。
2）衡量製程能力要有規格上、下界限，只有單邊規格可以計算。
工欲善其事，必先利其器，要瞭解製程能力，得瞭解有哪些統計工具可以使用，目前傳統統計手法，計有1)柏拉圖、2)特性要圖、3)直方圖、4)管制圖、5)抽樣檢驗、6)檢定推定、7)相關分析、8)抽樣方法、9)實驗計畫…九種方法。另外有FMEA、Gage R&R工具。 （今年會找時間這些品質統計製程文章補起來）
自1924年統計學蕭華特(Walter A. Shewhart)博士應用製程品質管制上後，從此品質管理即轉變成一種可以數據以及預測模型表示科學，此方法適用於各行各業，而且彌新，沿用至今日大數據時代SPC(統計製程管制)顯得關鍵。既然SPC是統計製程管制，學習SPC之前，我們要瞭解統計學原理。
大家很奇怪，SPC不是行之有年了嗎？ 稽核每次問會做事情，且客户每月每季要製程能力Cpk有提供，但是於實際良率提升沒覺有用阿？ 這中間存在迷思，讓我們一一往下探討吧。
1.敍述統計：母體數據特性進行描述，如資料集中與分散趨勢、偏態峯態數值、資料分佈呈現圖形…。
2.推論統計：母體的分佈進行推論，如數值的機率分佈、數值趨勢分析、過程因果關係…。
説到統計製程管制(SPC)理論基礎，來於一個分配，叫做常態分配，我們稱高斯分配，這個理論原因是因為它標準化後數機率計算出來如下圖(圖一)所示：
所以藉由此常態分配機率分佈圖，我們可以算出每一個點出現每個標準區域間機率，藉由各點出現機率次數，算出各種狀況可能性，將管制圖上數據跳動原因分為可歸屬原因與原因，進而訂定出SPC八大管理規則。
機遇原因是一個製程固有變異，它們存在且無法經濟性地控制，製程影響性。我們稱這些機遇原因一個製程變異。
延伸閱讀…
可歸屬原因機遇原因，乃製造材料產生差異或製造過程人操作錯誤，使產品品質發生變異，這類因素製程影響性但可以加以避免，我們稱可歸屬原因。
準則2 7點以上，出現中心線同一側。
屬於二級產業的製造業，是台灣經濟起飛時期原動力，主要重點是原料加工製造過程（或流程）轉變可銷售產品或服務。”產品”是定義規格下（定義規格者包含客户、製造商本身、供應商…），”受控制”人、機、料、法、環加工流程後，產出”符合規格”產品。這句話看似，但其中存在著多變異。來説，規格只有一個，但是製造可能要做出1個，或10個、或100個、或1000個一模產品（產品需求特性而定），做出來產品接近規格目標值（Target），客户會覺得產品品質。但是，製造不是神，無法做出每個產品所有規格一模落規格目標值上，所以規格目標值外，增加了負公差、公差…規格，只要產品做雙邊規格、單邊規格以內，算滿足客户規格要求。目前多少量多樣產品商業模式出現，規格變，製造產線要反應產品規格變動要求，並達到客户要求，這時若無法做到數位化即時品質管制監控，每個製程站點反應品質變異，會造成做出來後發現良率過需要重工，或是流到客户端後客訴增加，公司失敗成本可能影響。
要做到數位化即時品質管制監控，建議原本監控，往前走到每個製程站點即時on line SPC統計製程管制監控。
大家很奇怪，SPC不是行之有年了嗎？ 稽核每次問會做事情，且客户每月每季要製程能力Cpk有提供，但是於實際良率提升沒覺有用阿？ 這中間存在迷思，讓我們一一往下探討吧。
延伸閱讀…
迷思一：Cpk超過1.33，但是並沒有達到4倍標準差（意指沒有達到預估不良率63.34ppm or良率99.99%）？ 或是99%，但是各站SPC所計算出來Cpk並沒有這麼？
“製程規格”與”產品規格”有時會，有時會下展開到材料特性規格，或是材料加工後半成品特性規格。出現問題”製程規格的定義無法釐”。製程規格誰該定義？ 製程工程師會説:”是RD研發工程師要定義，我們怎麼會知道產品要求規格是多少？”，RD研發工程師會説:”我們是做產品規格，客户產品規格，但是再展一階製程規格時，產品時，只能做個實驗後，抓最佳解來定義。若是製程甚麼變動，沿用原本製程規格吧。”這時該如何去規範合理製程規格呢？這應該結到DFM（Design for Manufacture）概念，產品設計初期，RD研發單位設計製程規格時， 應該找製程位（工程/生技..）瞭解投產工廠關鍵製程站點的製程能力，檢討出初始製程規格，小批量驗證後，調整成合理量產品的製程規格，若有材料或材料導入，需確認投產工廠的製程能力是否有所偏移，並調整相關系統參數。所以，RD研發部門應該製程部門依SPC持續觀察到的製程能力來制定製程規格方上策。製程能力隨著人、機、料、法、環變動，製程規格可能變動，所以，每季或每半年製程規格檢討，或是檢討規則是制定且持續進行。
聽到工廠主管説我們公司是95%以上，但是卻了是第一次良率？還是重工後？ SPC管控Cpk製程能力是站良率，但過程中增加了很多重工流程、報廢流程後，後無法相關連，若是各站點當站良率重工率、報廢率統計分析，相去（還是會有些許，但是可預估）。 且SPC能利用趨勢規則提早預防超出規格品發生，讓站良率第一次能提升到99%以上，減少各站重工報廢。這才是SPC發揮處。
迷思二：有導入SPC統計報表，每天會請產線人員、QC人員或IPQC人員手動輸入SPC量測數值，但是看起來有規格內或是負三倍標準內？並沒有甚麼處？ 還不如請QC每天走來走去巡檢開產線單。
反思→沒有用處，產線人員每天檢驗抽查來不及了，還要手動Key in SPC表單，整天做完現場檢測後，拿著紙本量測數值手動輸入電腦，這時候產品就算有超出規格或負三倍標準差，流到後面站點追溯了。或是製造有要求各製程檢測站每次檢測完手動輸入，但是現場造成很多人工輸入錯誤，誤判狀況，產品問題體現。
所以，若要減少人員變異造成SPC不及時或錯誤，製程管理者應該先將製造流程畫出來（或是利用Control Plan/QC flow chart），盤點各製程站點產品檢驗站量測機台或量具，是否可以直接量測數值後，利用IOT方式，直接現場量測數據拋轉到on line SPC chart上面，並管控流程，出現及時通報製程工程師或是設備工程師去現場確認問題、原因，並紀錄，方能達到利用數據持續改善目的。若是現場無法自動串數據，製程品保改善成員協助現場人員想辦法防呆輸入錯誤問題及時問題解決，並需要協助規劃處理流程，考量現場可執行性性。