请教关于spc 控制控制图的控制界限的计算方法

一哥的回答很中肯。其实在SPC的实际运用上，我们经常会发现照本宣科得不到想要的结果，如果报警条件全部激活，那你基本别想安稳过一天。SPC慢慢变成流于形式的东西，究其原因还是它的正态分布假设太过美好，实际现场并没书上讲的那么简单粗暴。最近我在自学六西格玛黑带，对于SPC工具的理解也慢慢变得清晰。下面我也抛砖引玉一下，谈谈自己的看法。可能有错，欢迎批评指导。
 
首先回答问题，用A2*Rbar。 
 想完全弄清楚这两种算法的本质和区别，要去翻统计学教材。这里简单地说明一下吧，为了做到无偏估计，就像我们计算样本方差需要把分母从n修正成n-1一样，计算标准差也需要进行一个修正。
六西格玛教材上面讲到的对于标准差的估计有两种方法，一种是基于极差，一种是基于样本标准差。正好就是你提到的这两种计算方法。但是它们在使用时都需要考虑修偏，具体怎么修不去管他，反正就是乘一个常数。在均值极差图的A2*Rbar里面的A2就可以理解成一种修偏行为。
为什么第二种算法直接用了3σ？不修偏的前提就是样本量n大于30，这时修偏系数约等于1，所以能直接用。
在SPC的实际运用上，我们有Cp和Pp两个过程能力指数，这两个指数刚好对应了这两种算法。Cp是短期能力，着重考虑组内变差，因此我们使用Rbar来计算，Pp是长期能力，考虑组间变差，因此我们用σ来计算。
 
最后我还是想谈谈SPC工具，根据我的经验，一般来说最开始只需要激活一两条判异准则就够用了。准则太多他疯狂报警，改善工作根本无从下手，而且误发警报的概率也大。特别是后面几条，都是基于正态分布假设来的，一定要慎用（反正我就不会去用）。