答：做 SPC（特別是屬性數據的 SPC）前，除了數據和SPC工具外，有個很重要的工作就是做標準化。
    標準化至少包括四個重要方面：
      1. 缺陷目錄；
      2. 原因目錄；
      3.事件目錄；
      4. 措施目錄。
    這些標準化的工作，需要根據 OCAP（Out-of-control-action Plan）來進行。如下是一個有溫度和時間兩個重要輸入
   （即 Checkpoints）的過程的 OCAP 的例子:

  答：通常而言，更大的子組大小能夠讓控制圖更容易地檢測到流程的較小偏移。
    下面是某一幅 Xbar圖 的操作特性曲線（Operation-characteristics Curve）：
    從中可以看出，當Process Mean偏移量一定時，子組大小 n 越大， Xbar 值落在控制限內的概率就越低（或者說越容易超出控制限）。因此子組大小也與需要檢驗的流程的實際偏移度（Shift）有關， Shift越小 ，應使用的子組大小就應 越大。
    當然，從經濟性方面考慮，子組大小 n 也不能很大。實際中通常取 n = 5 ；

    特別地，當流程的 USL、LSL 分別為 ±3σ 時 （即六西格瑪水準，此時通常認為流程 偏移1.5σ 是正常的，而 偏移2σ 就認為流程 出現異常 ），如果 n = 5，則由中心極限定理可以計算出，當流程 偏移2σ 時，我們大概有 92.92% 的可能性能從控制圖上看出來；而如果n = 1，則當流程 偏移2σ 時，只有 15% 左右的可能性能從控制圖上看出來。

  答：進行SPC控制時，需要合理地抽取樣品。樣品抽取的原則是 “組內差異盡量小、組間差異盡量大”，即組內應連續抽樣，而組間應該保持一定的時間間隔。
    那么，在實際中，時間間隔應該取多少才比較合理呢？通常可以從如下幾個方面考慮 SPC 的抽樣時間間隔：

通常而言，樣本大小越小，取樣間隔應越短；樣本大小越大，取樣時間可以適當延長;

根據能接受的平均運行鏈長（ARL）的時間范圍內所生產的產品數量來確定。下圖顯示的是不同子組大小 n 給定的情況下，我們希望控制圖檢測出的過程 偏移(Shift)量 kσ 與 Xbar圖ARL 之間的關系

    下圖顯示的是在我們希望控制圖檢測出的過程 偏移(Shift)量kσ、子組大小n 給定的情況下， 平均意義上需要多少個樣品 （ I = n * ARL ）才能觸發控制圖報警。
    比如，當 n = 5 時，如果需要檢測出過程 1.0σ 的偏移量，大約需要 20個樣品 [即ARL= 4個樣本（子組數，大約），每個樣本包含 n = 5 個樣品，當然，這只是平均意義上的 ]。如果我們每隔 3 個小時抽取一個樣本，那么平均而言，當控制圖報警時，離流程均值實際發生偏移的時間已經過去 4 * 3 = 12 個小時了。
    在這 12 個小時內， “我們能接受多少個產品已經被生產出來” 將決定我們采取多長的抽樣間隔

  答：通常，當過程穩定的時候，可以計算 Cpk 和 Ppk ；如果過程不穩定，可以計算 Ppk 來評價過程能力；而評價過程是否穩定的唯一方法就是畫控制圖。

  答：答案是否定的。是否做SPC管控應該取決于質量參數的重要性，而不是取決于其本身的過程表現。

  答: 此時應使用 擴展的休哈特控制圖 進行管控。其圖形與普通的休哈特控制圖（主要是指 Xbar-R/S控制圖 ）一樣，只是控制限相應放寬，計算公式為： UCL = MMax + A2 * Rbar；LCL = MMin - A2 * Rbar 。
  其中， MMax = 最大的三個子組均值的和/3；MMin = 最小的三個子組均值的和/3 ；

  答：如果需要 SPC 不僅僅是用來檢測和預警流程風險，而是真正成為流程改進的有效武器，在一個過程付諸 SPC 實時前，應當制定 OCAP（Out-of-control-action Plan）

  當 SPC 報警 后，應立即根據 OCAP ，從人機料法環測等各個維度進行考察特殊原因。各個行業大同小異。比如以汽車行業為例，由于 SPC 通常都是在經過嚴格的測量系統能力驗證和設備能力驗證之后實施的，當報警發生時通常的做法是首先檢查測量系統是否存在異常；
  如果測量系統 ok，則對設備進行分析，可采取的做法是用同一個設備在同樣的條件下反復做 50個零件（1個樣本，樣本量是50），通過 50 個零件的測量結果來判斷該設備的波動是否正常，從而分析特殊原因

  一個很重要的原則是：如果控制圖上出現 異常（Out-Of-Control），就一定要采取措施；
  如果控制圖上沒有出現異常，一定不要對流程進行人為調整

  答：如果用SPC方法管理供應商：

供應商就會從只關注產品合格與不合格轉變為開始關注過程的均值和波動大小（標準差）；

供應商從傳統的粗放的質量管理開始轉變為數據驅動的質量管理；

SPC方法能成為管理供應商的一個有效的抓手（需要嚴管的時候，可以作為一個很好的切入渠道）。