SPC 的核心不是“超线报警”，而是区分过程固有的普通波动与可定位的特殊原因波动。控制图把当前数据与稳定时期的统计行为比较，从而尽早提示过程发生变化。
1. 控制界限不是规格界限
控制图通常包含中心线、上控制限和下控制限。它们由受控过程数据估计，描述过程自然波动；规格限来自设计或客户要求。用规格限代替控制限，会错过尚未越规的漂移。
建立基线前要剔除已知特殊原因并确认量测系统可信。把异常时期混入基线，会人为放宽控制限。
2. 怎样选择控制图
连续测量数据可根据子组结构选择均值—极差、均值—标准差或单值—移动极差图；缺陷数、缺陷率等属性数据需要匹配计数分布和样本量。多个相关指标可考虑多变量方法，但解释和维护成本更高。
数据若存在自相关、批次结构或不等样本量，经典假设可能不成立。不能把每个时间点都当作独立同分布样本。
3. 报警规则与误报
除单点越界外，连续偏向一侧、持续趋势和周期模式也可能提示异常。规则越多越敏感，同时也提高误报概率。规则应围绕工艺风险设计，并用历史数据验证。
报警必须绑定反应计划：核对量测、检查最近维护与 Recipe、Hold 受影响范围、确认根因后再恢复。没有行动的报警只会培养忽略习惯。
4. 过程能力的前提
Cp、Cpk 等能力指数用过程分布与规格宽度比较，但前提是过程稳定、分布假设合理且量测误差受控。对不稳定过程计算一个漂亮的 Cpk，没有预测意义。
5. 分层避免辛普森悖论
设备、腔体、产品和层次混在一张图中，群体差异可能制造假趋势或掩盖真实问题。应先按物理机制合理分层，再决定哪些层可共享基线。
总结
SPC 是一种持续学习过程行为的方法。控制界限、抽样、分层与反应计划必须共同成立；控制图不是判责工具，而是触发工程调查的信号。