传统SPC是利用休哈特控制图对产品的质量特征数据进行分析控制，从而进行质量控制。但休哈特控制图的建立需要大量的样本数据来确定控制界限制，由于多品种小批量具有上述特点，传统的统计过程质量控制方法在小批量生产中的应用主要有以下问题：首先，在小批量生产环境中，由于产品批量小，所收集到的样本数量无法达到制作休哈特控制图的要求。其次，在小批量生产环境中由于生产数量少，对样本数据收集方法往往采用连续抽样，通过这种抽样方法收集的样本数据之间具有一定的相关性，与休哈特控制图对样本数据具有独立分布的要求不符。第三，在小批量生产环境中每批产品的生产批量小，相应的生产时间短，往往控制图还未完成，生产已经结束，使控制图失去了其统计意义。

2.2 SPC在小批量生产中的应用研究

通过上文对传统SPC质量控制技术在小批量环境中的限制的分析，不难看出传统的SPC方法在小批量生产环境中不再适用。但由于统计过程控制技术低投入、高产出的特点以及在大批量生产的巨大经济效益，一直有学者[16-17]在研究SPC在小批量生产中的应用方法。目前，对于SPC在小批量生产中的应用比较有代表性的方法主要有：第一，调整控制界限，提高控制图的精度与灵敏度，降低控制图第一类错误的发生概率。这种方法是对数据处理方法进行了改进，没有解决SPC在小批量的根本问题，即样本数量不足的问题。当样本数量过小时，调整后的控制界限有可能会超出样品本身的公差范围，对控制图的第二类错误的识别不灵敏。第二，过程建模法，过程建模是通过对生产过程本身对产品质量的影响进行描述，提高了对生产过程本身影响产品质量的因素的识别能力，解决了过程数据的相关性。但该方法的实施过程比较复杂，且无法进行精确建模，准确对差，对生产过程中系统性的误差的识别能力弱。第三，数据转换法，该方法是利用数理统计的方法解决了样本数量不足的问题。对于数据转换方法的应用大致可分为量类，其一是无历史信息的数据转换方法，这种方法针对生产产品是新产品或很少生产没有历史信息借鉴的情况下，该方法的代表是Quesenberry提出的Q控制图，该控制图是对质量特征数据相互独立且服从正态分布的样本质量特征数据进行标准变换，使其服从标准正态分布，然后进行质量控制。其二是有历史信息的数据转换方法，该方法是对于生产过程的质量特征相似的生产，应用成组技术（Group Technology，GT），充分利用生产工艺的相似性，对相似工序进行分组，组成工序簇，成组生产，扩大了样本容量，解决了SPC在小批量生产中样本数量不足的问题。第四，贝叶斯建模法，该方法是通过利用生产过程的质量数据建模并结合专家的主观经验来分析解决生产过程中的问题。该方法充分发挥了人的主观经验，突出了人在质量控制中的作用。

通过对SPC在小批量生产中的应用方法的总结，与其他方法相比成组技术充分利用了工序间的相似性的，将相似工序归类成组，组成工序簇，进行同组生产，扩大了样本容量，解决了SPC在小批量生产中的样本数量不足的问题。在实际生产中，通过建立分类编码系统，将相似的工序归为同组，进行同组加工，使小批量生产获得了大批量生产的经济效益。

2.3 成组技术

成组技术最初是在二十世纪五十年代由前苏联密特洛方诺夫提出，主要应用于零件的机械加工过程中，根据零件的工艺相似性对零件进行分类，归类成组进行成组加工，使小批量生产可以产生流水线生产的经济效益。五十年代末成组技术在国外迅速发展，成组技术的应用范围从原来的零件机械加工延伸到机械加工的各个领域中，因此GT也被叫做“成组工艺”“成组冲压”“成组装配”等。后来米氏提出以工序为基础的成组加工，用于在同一台机台上加工的单工序零件的加工，但是大多数零件并不是由一道工序加工完成的，因此，米氏的理论具有局限性。