在统计过程控制（SPC）中，极差是衡量数据集分散程度的一种常用工具，它表示的是一组数据中最大值与最小值之间的差异，极差可以帮助我们了解生产过程的稳定性和变异性，从而对过程进行监控和控制。

要计算极差上下限,首先需要确定数据的极差，假设我们有一个样本数据集，其中包含n个观测值，记为X1, X2, ..., Xn，那么这个数据集的极差R可以表示为：

R = Xmax - Xmin

Xmax是数据集的最大值,Xmin是数据集的最小值。

我们需要根据样本大小n来计算极差的上下限,我们会使用一个称为“极差系数”或“倍率因子”的数值来乘以极差，以得到上下限，这个倍率因子取决于样本大小n以及我们希望达到的控制限的置信水平，对于不同的n值和置信水平，有不同的倍率因子表可供参考。

如果我们希望计算95%置信水平下的控制限，并且样本大小n小于10，我们可以查找相应的倍率因子，假设我们找到了一个合适的倍率因子Z，那么极差上下限就可以表示为：

上限 = R Z 下限 = R (-Z)

将计算出的上下限应用到实际过程中,可以帮助我们识别出可能的过程异常，如果某个测量值超出了计算出的上下限范围，那么这可能表明过程出现了问题，需要进一步调查和纠正。

需要注意的是,极差上下限只是SPC中的一个工具，它不能提供关于过程均值的信息，为了更全面地了解过程性能，通常还需要结合其他统计量，如平均值、标准差等，来进行综合分析，随着样本大小的增加，极差作为分散度量的效果会逐渐减弱，因此在处理大样本数据时可能需要采用其他更适合的方法。