一般而言，几乎所有组织都需要确保其产品或服务没有缺陷，避免回收，再加工，客户退货等费用，而又不考虑损害公司品牌形象。 。读者会想像一下，每天检查以100,000个单位生产螺栓的公司生产的所有螺栓，将花费巨大。做到这一点的方法是通过CEP或统计过程控制，它可以确保生产出的最大数量的产品或服务没有缺陷，并且不意味着要控制所制造产品单元的100％。
以这种方式，统计过程控制或CEP并不应用于控制制成品，而是用于防止生产过程中出现缺陷。
实际上，CEP所需的采样并不昂贵，但是是一种预防性控制，因此不会生产有缺陷的产品。统计过程控制是一种精益工具，可为定义最佳控制提供科学依据，从而取代了必须检查所有产品的需求，从而最大程度地降低了控制成本，同时提供了保证100％的交付产品无缺陷。
在这里有必要做一个范围。对于有形产品，如果我们的螺栓制造商在其生产中未使用统计过程控制或某种防错设备（Poka-Yoke）之类的工具，则某些螺栓单元可能存在缺陷。但是，您将始终有第二次机会控制100％的制造产品，以检测并防止将有缺陷的产品交付给客户。至少它将保存公司的形象。但是，对于服务公司而言，第二次机会不存在，因为服务是在生产时交付的。没有第二种选择。如果所提供的服务质量较差，则客户的不满将立即出现，同时也将损害公司的品牌形象。另一方面，如果服务中的缺陷对用户来说很危险，则防止错误是唯一可用的选择，并且统计过程控制可以帮助避免在生产和交付产品过程中出现任何缺陷。服务。例如，在放射疗法中，如果患者放置在机器中的位置不好，它将辐照并破坏健康组织，而不是破坏肿瘤组织。
问题是质量还是生产率？显然答案必须是“两者”。在其他帖子中，我们讨论了质量或生产率的任何过高都会损害结果。公司必须具有生产力，但也必须向客户提供最优质的产品，使他们拥有足够的资源。从统计过程控制的角度来看，由于不可能观察所有制造的螺栓单元以确定它们是否有缺陷，因此解决方案通常是对观察结果进行采样并测量错误数量。每个收集的样本中都有。并据此推断结果。
可变性在任何过程中都会发生。通过可变性，我们可以理解那些不可避免的更改或错误，这些更改或错误会修改过程（无论是很小的还是几乎不可察觉的），并随后影响所生产的产品或所提供的服务。由常见（随机）原因引起的错误总是在任何过程中发生。因此，有必要首先量化与常见原因相关的这种可变性，以确定该过程是否可以接受。如果不是这样，则有必要在过程中引入趋于减小所述可变性的改进。一旦过程的可变性在定义为可接受的范围内，我们可以说该过程处于“统计控制”中。当过程的可变性在先前定义的接受范围内时，该过程处于统计控制下或处于“稳定”状态。
为了控制过程的稳定性，确定了规格的上限和下限（LSE和LIE）（过程平均值：X±3σ）。如果该过程失去了统计控制，那可能是由于“可指定原因”（不是随机的）引起的过度变化。因此，有必要确定此可归因，一旦完成，应采取纠正措施，使过程重新调整，朝着其原始可变性发展。
像任何方法一样，统计过程控制旨在搜索能够防止错误而又不增加质量控制成本的统计基础。实际上，当您正确了解流程如何变化以及导致流程逃避统计控制的因素是什么时，就有可能产生大量的成本降低。如果正确理解了这些原因，那么甚至可以减少控制的数量，并且仍然可以提高流程的生产率，从而提高公司的利润。
