情境或問題起源
各位工程師們，想像一下這個場景：你的團隊剛完成一款創新植入式醫療器材的設計，準備進入量產。初期試產階段，產線上的機台參數看似穩定，品管部門也針對關鍵尺寸進行了抽樣檢驗，結果都落在規格範圍內。然而，資深工程師卻發現，即便產品都「合格」，批次間的某些特性數據卻呈現一種「漂移」的趨勢，有時偏上限，有時偏下限，雖然還沒超出規格，但總讓人隱隱不安。更麻煩的是，接下來即將面對 FDA 的查核，稽核員對於「製程穩定性」與「統計管制狀態」的審視，遠比單純的「符合規格」來得深入。我們需要的不僅是「產品符合規格」，更是「製程本身在管制下且具備能力」，這正是 FDA 對於 21 CFR Part 820.70(a) 和 (b) 的核心期待。若無法有效證明製程穩定，後續的生產放行、甚至產品上市都可能面臨挑戰。
核心概念與原理
統計製程管制 (SPC) 的核心在於區分製程變異的兩種來源：共同原因變異 (Common Cause Variation) 和特殊原因變異 (Special Cause Variation)。共同原因變異是製程內在、隨機且無法避免的變異，通常由系統設計、設備磨損、環境波動等因素引起；而特殊原因變異則是非隨機的、可歸因的事件，例如機台設定錯誤、操作員失誤、原材料批次異常等。FDA 強調的「統計管制狀態 (State of Statistical Control)」即是指製程僅存在共同原因變異，且其變異幅度可預測。
SPC 透過管制圖 (Control Charts) 來視覺化監控製程。管制圖的核心在於建立管制界限 (Control Limits)，這些界限是根據製程自身的歷史數據統計計算而來，而非規格界限 (Specification Limits)。例如，用於變數數據的 X-bar & R 圖，其中心線 (CL) 為所有子群平均值的平均 (X-double bar)，而上下管制界限 (UCL/LCL) 則通常設定為 CL ± 3 倍標準差。對於子群平均值 (X-bar) 的管制圖，UCL = X-double bar + A2 * R-bar，LCL = X-double bar - A2 * R-bar。這裡的 A2 是一個取決於子群大小的常數，R-bar 則是子群範圍的平均。
FDA 要求醫療器材製造商應建立並維持製程管制，以確保產品符合規格。這意味著，製程不僅要統計受控 (In Control)，還必須具備足夠的製程能力 (Process Capability)，即製程產出的變異範圍要遠小於產品規格範圍。製程能力指標如 Cp 和 Cpk，其中 Cpk = min[(USL - Mean) / 3σ, (Mean - LSL) / 3σ]，它不僅考慮了製程變異，也考慮了製程中心相對於規格中心的偏移。一個穩定且能力足夠的製程，能有效降低不合格品風險，並為 FDA 稽核提供有力證據。
實際應用方法
實施 SPC 以符合 FDA 要求，需要系統性的步驟：