SPC 充其量是个发现问题的工具？

管理控制的原理是非常简单的，从工序中抽样，将检测结果在控制图中描绘出来，如果在图中的点是落在依据工序的自然特性所确定的控制限内且不呈现出任何特殊的形态，则不需采取任何行动。如果控制图中的点落在依据工序的自然特性所确定的控制限外，则应采取某种行动。所采取的行动可能是对工序进行调整，也可能是确认导致问题的原因，然后消除这种原因。

但是，管理控制图的使用并非是如理论这样简单。

A．管理控制图中也绘出了“噪音”（各种误差）
无论何时我们进行抽样检验，即使工序是非常稳定的，每一个抽样检验的结果总是有差别(噪音)。如果仅仅观察控制图不可能直接确定噪音的存在，我们所看到的是在控制图中散布的点和连接点的线段，工序中的基本变化被它们掩盖起来。

B．管理控制限依赖于在实际中很难保持的理论性假定
管理控制限是基于中心分布定理计算的，即假定检验结果在中心值周围随机地变化并趋向于中心值。它实际上是假定每一个样本是从一个平均值不变的工序中抽取的。如果这一假定被打破，则控制限将变得太紧，将会导致过度的反应并使产品的质量降低。很不幸的是，在现代的工序中，这种假定常被打破。一般来说明，当生产过程中的配置改变(例如调整设备、更换原材料等)或批量改变时，这种假定均不能成立。而且当今大多数公司都在向着缩短生产过程的方向进步，这一问题就变得更加显著。

C．管理控制图不能对工序的实际水平进行估计
操作者倾向于直接使用抽样检验的结果作为对工序进行调整的依据，因而往往是依据检验中的误差或者一个随机量对工序进行调整，因而其结果是增加了工序的波动性、增加生产过程的消耗、降低了生产率并且导致产品质量的不稳定。
对于实时控制系统，操作者对只应对工序中持续的改变作出反应，但是管理控制图不能说明变化持续的期间，因而操作者无从知道导致改变的原因及如何对工序进行调整，其结果也往往是过度调整。

D．管理控制图确定显著原因的功能是非常有限的
进行统计工序控制的驱动力是相信“统计工序控制”能确定导致工序发生变异的显著的原因，通过消除显著的问题可以极大地改善产品质量和提高生产率。
实际上，说比做要容易得多。对于一个现代的复杂生产过程，只是简单地观察控制图中的点是否落在控制限外及查看生产过程记录而确定导致变化的显著原因实际上是不可能的。通常可以列出成千上万种原因。
E．不适用于对小批量多品种工序的控制分析
某些工序的工序平均值经常发生改变，这种变化可能是供应商改变、生产不同品种和规格的产品、或者使用不同的工具等。
在这种情况下，则必须要使用移动控制限的控制图。使用管理控制图时，对于这种情况的处理要么是要求操作者定义间隔区间或者使用一个低效的算法。

F．对非正态分布问题的处理技术存在问题
为了克服现实中的非正态分布性问题，在管理控制分析中通常采用非正态拟合曲线。很不幸的是，所使用的技术是不可靠的。

 质量专家们几乎每天都在说统计工序控制是何等地重要。我们并不想对这一事实展开争论，可是现实是潜在的收益往往不能实现，而且使用统计工序控制的费用往往超过所获得的利益。出现这一结果的原因不在统计工序控制本身，而是因为选择了一项不合适的工具