控制图是统计质量控制的基本工具，是一种把代表过程当前状态的样本信息与根据过程固有变异建立的控制线进行比较的方法，为评估生产运行或管理过程是否处于‘统计控制状态’提供了手段。控制图是一种管理工具，用于帮助判断过程何时稳定，何时发生变化。判定方法是从一系列有序的样本或子组中得到统计度量值或图像与控制限进行比较而作出判定。控制图的主要优点是易于使用和绘制，Excel、SPSS等做图软件均可实现。以下以某样品多次测量值为基础数据绘制控制图，分析其稳定性。
1 选择数据
2 分析-质量控制-控制图
3 选择个体，移动全距、个案为单元
4 过程度量选浓度、标注子组选次数，设置标题
5 生成2张控制图：均值控制图和移动极差控制图
6 控制图使用规则
A均值控制图：有三条线组成的，中心实线为全部数据的平均值，上下两条虚线为控制的上下限，由所有观察值的均数+-3倍标准差求得。散点为数据的分布情况，如图，没有散点在虚线之外，说明数据稳定。
B极差控制图需与均值控制图配合使用
附：
控制图（Control Chart）又称管理图，它是用来区分是由异常原因引起的波动，还是由过程固有的原因引起的正常波动的一种有效的工具。控制图通过科学的区分正常波动和异常波动，对工序过程的质量波动性进行控制，并通过及时调整消除异常波动，使过程处于受控状态。不仅如此，通过比较工序改进以后的控制图，还可以确认此过程的质量改进效果。因此，控制图在质量管理中有着广泛的应用。
控制图由样本均值服从于正态分布演变而来。正态分布可用两个参数即均值μ和标准差σ来决定。正态分布有一个结论对质量管理很有用，即无论均值μ和标准差σ取何值，产品质量特性值落在μ±3σ之间的概率为99.73%，落在μ±3σ之外的概率为100%-99.73%= 0.27%，而超过一侧，即大于μ+3σ或小于μ-3σ的概率为0.27%/2=0.135%≈1‰，,休哈特就根据这一事实提出了控制图。图上有中心线(CL)、上控制限(UCL)和下控制限(LCL)，并有按时间顺序抽取的样本统计量数值的描点序列。
多数情况下是通过人工来绘制控制图，首先通过计算器计算各种指标，然后再一步步地绘制控制图。在这个过程中，往往会出现计算错误或者误差过大等原因，使得最后的控制图达不到预期的效果，更为严重的是能使质量管理者产生错误的判断，做出错误的决策，从而产生较大的损失。也有的企业利用excel绘制控制图，从而提高其精确度，减少误差。然而，用excel绘制控制图的步骤比较繁杂，不容易掌握，容易在绘制过程中产生操作性失误，造成数据集的失真。
SPSS的图形工具非常强大，具有很强的统计分析功能。在质量数据管理中，经常要用到一些图形方法和工具，例如帕雷托图、直方图、散点图、控制图、序列图等，SPSS均可以有效地应用这些图形方法和工具来处理质量数据信息，这些功能集中在Graph菜单中。
因此，此处我们采用SPSS来绘制控制图。
SPSS控制图的选择依据（X-R或X-S和X-MR）
根据主要测量值分组变量的具体情况，可选择X-R、X-S，即均值-极差和均值-标准差控制图；或者选择X-MR，个体-移动均值控制图。
1、分组变量中有大于10个组值，宜于计算标准差，故选择X-S控制图。
2、分组变量中有小于10个组值，选择计算极差，即X-R控制图。
3、分组变量中只有1个组值，则选择个体-极差控制图，即X-MR控制图。
案例：个体-移动极差控制图
数据data17-18为某搅拌站实测混凝土坍落度数据，现在使用控制图看看工艺质量情况。
步骤：
分析—质量控制—控制图—个体/移动全距—个案为单元
过程度量：选择“测量值变量；标注子组：选择“编号”
自动生成以下两组控制图，可用于综合解读。
第一张是均值X的控制图，第二张是移动均值的控制图。上面我们已经完成了数字层面的分析，最关键的则是发现数据的异常和寻找异常发生的原因。由于本案例数据源来自书籍，并无具体案例数据的实际描述，因此不宜在此处做过多的解读。详细的规则解读可参考以下内容。
质量控制图的使用规则
既然质量控制图是为了帮助我们及时发现指标的不正常状态，那么当我们看到上面的图以后，需要观察和分析是不是存在异常的点或异常的变化趋势，如何定义这些异常，需要有一套控制规则：即样本点出界或者样本点排列异常：
点超出或落在ULC或LCL的界限；（异常）
近期的3个点中的2个点都高于+2σ或都低于-2σ，近期5个点中的4个点都高于+σ或都低于-σ；（有出现异常的趋势）
连续的8个点高于中心线或低于中心线；（有偏向性）
连续的6个点呈上升或者下降趋势；（有明显的偏向趋势）
连续的14个点在中心线上下呈交替状态。（周期性，不稳定）
查资料时发现不同的地方对控制规则有不同的定义，我这里参照的是SPSS里面的规则，具体应该可以根据实际的应用环境进行调整。
