SPC代表统计过程控制（Statistical Process Control），是一种通过在生产过程中实时监测和控制过程参数来确保生产流程稳定并减少变异性的方法。 SPC使用了MSA方法来确定测量系统的能力和稳定性，并确保收集的数据可靠，从而支持SPC的实施。

MSA和SPC之间存在着密切的联系。 MSA提供了一种评估测量系统能力和稳定性的方法，而SPC利用从MSA获得的信息来监控和控制生产过程中的变异性。 通过结合使用这两种方法，质量管理者可以更好地评估生产过程的稳定性和能力，并采取必要的措施来提高产品的质量。

下面我们就来详细解读一下，希望能对你有所帮助和启迪。

什么是MSA？

MSA也叫测量系统分析，全称是Measurement Systems Analysis。

数据是通过测量获得的，对测量定义是：测量是赋值给具体事物以表示他们之间关于特殊特性的关系。这个定义由C．Eisenhart首次给出。赋值过程定义为测量过程，而赋予的值定义为测量值。

测量系统分析（MSA）的定义：通过统计分析的手段，对构成测量系统的各个影响因子进行统计变差分析和研究以得到测量系统是否准确可靠的结论。

为了理解MSA的含义，我们可以把它分解成两个部分，一个是“测量系统”，一个是“分析”。

什么是测量系统？

我们知道测量就是一个对被测特性赋值的过程，测量系统其实就是这个赋值过程涉及到的仪器或量具、标准、操作、方法、夹具、软件、人员环境等要素的集合。系统中各个要素对测量结果的影响可能是独立的，也可能是相互影响的。

什么是“分析”？

测量系统分析的根本对象不是零件，而是测量系统输出的变差。“分析”代表了一系列的分析方法。

MSA的目的是什么？

MSA的目的就是通过测量系统输出变差的分析，判断测量系统是不是可接受的，如果不可接受，进而采取相应的对策。需要注意的是，世界上没有绝对完美的测量系统，因此测量系统误差可以减少但不能绝对消除。在质量领域我们把变差视为头号大敌，认为变差小是一种美。然而在自然界，变差就是多样性，本身就是一种美。

MSA的方法论是什么？

MSA涉及多种方法，每一种都跟统计有关。对大多数人来说，这些方法往往难以被记住，包括我自己。为了便于理解记忆，我们先对“变差”进行剥丝抽茧，即进行结构，看看那些指标可以用于表征测量系统的测量变差。 

第一层：

测量观察到的总变差=零件间变差+测量系统误差，其中零件间变差是指不同零件间客观存在的真实差异，由零件本身决定；测量系统误差就是我们MSA的对象，即由测量系统能力决定的测量偏差。

第二层：

测量系统误差=精确度+准确度，精确度研究的是测量变差的波动范围，没有考虑与真值的差异；准确度研究的是测量变差离真值（或参考值）的差异。

第三层：

A、精确度=重复性+再现性；B、准确度=偏倚+稳定性+线性。

MSA的研究变差的指标其实就是上面等号右边的5个，所以MSA方法论包括了：

重复性研究：

同一个人，用同样的设备/方法/设置，在相同的环境，测量同一个产品多次所观察到的变差；主要研究设备导致的误差。理解举例：你去买黄金饰品的时候，同一个营业员对你看上的金饰用相同的量具3次称重，你发现3次测量结果波动很大，这就是重复性不好。

再现性研究：

不同的人，用同样的设备/方法/设置，在相同的环境，测量同一个产品所观察到的变差；主要研究人导致的误差。理解举例：接上面的例子，这时另外一个营业员过来用同样的工具、方法对同样的金饰称3次，发现和第一个人测量的平均值比，此人的测量平均值差异也很大，那么就是说的再现性的问题。

偏倚研究：

观测到的均值和基准值（参考值）之间的差异。理解举例：金饰的真值假设为50g，而今天你测量10次得到平均值为45g，那么5g的差异就是偏差。

稳定性研究：

在不同时间区间测量时得到的偏倚大小的情况，好的稳定性意味着什么时候测量偏倚都差不多。理解举例：接上面例子，一个月后，用同样的量具测那个真值50g的饰品10次，得到平均值40g，比一个月前少了10g，这说明稳定性很不好。

线性研究：

如测量结果随量程的变化始终保持很小的偏倚，那么测量系统的线性就很好。理解举例：上面那个量具，第一次测量真值50g的金饰偏倚假比为0.5g，第二次测量真值200金饰得到偏差为5g，也就是说随着量程变大，变差也越来越大，这个系统的线性非常糟糕。

什么是SPC？

统计过程控制（简称SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。

它认为，当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。

SPC正是利用过程波动的统计规律性对过程进行分析控制。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。

实施SPC的过程一般分为两大步骤：

步骤一：

用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。

步骤二：

用控制图对过程进行监控。

控制图是SPC中最重要的工具。

目前在实际中大量运用的是基于Shewhart原理的传统控制图，但控制图不仅限于此。近年来又逐步发展了一些先进的控制工具，

如对小波动进行监控的EWMA和CUSUM控制图，对小批量多品种生产过程进行控制的比例控制图和目标控制图；对多重质量特性进行控制的控制图。

MSA和SPC之间的关系？

对于计量值而言,需要使用有效的测量工具来取得需要控制特性的具体数值，SPC图对MSA有很高的要求。通常, 要求GR&R不大于10%。而在进行测量系统分析之前，要事先确认测量仪器的分辨率达到1：10法则，所以先MSA，后SPC是必要的行事准则，如果MSA分析结果显示测量系统的分辨识率本身不合格，那么收集的数据制成SPC控制图就不能有效的识别过程的变差。

而很多企业而言,因为此点导致做出来的SPC控图没办法有效的应用，甚至造成不必要的错误管控。

MSA手册提出，把测量过程当做是一个制造数据的过程，要评估数据本身的质量，可以拿测量过程做试验研究，评估测量过程中测量误差是否足够小。所以，通常在进行SPC分析之前，需要先考虑MSA。

MSA和SPC区别：

1、MSA是SPC的基础和根据，只有MSA可依赖了，SPC工作才能意义。

2、MSA使用数理统计和图表的方法对测量系统的分辨率和误差进行分析，以评估测量系统的分辨率和误差对于被测量的参数来说是否台适，并确定测量系统误差的主要成分。而SPC用来确定过程的统计控制界限,判断过程是否失控和过程是否有能力，为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生，减少对常规检验的依赖性， 定时的观察以及系统的测量方法替代了大量的检测和验证工作。

3、MSA了解测量过程，确定在测量过程中的误差总量，及评估用于生产和过程控制中的测量系统的充分性。MSA促进了解和改进(减少变差)，对过程做出可靠有效的评估。SPC依其特性所收集的数据，通过过程能力的分析与过程标准化，发掘过程中的异常，并立即采取改善措施，使过程恢复正常的方法。

免责声明：本文根据网络信息整理，文章版权归原作者所有。向原作者致敬！推送旨在积善利他，如涉及作品内容、版权和其它问题，请跟本号联系删除并致歉！