关于 Spc
Spc 是一项用于制造与质量数据统计过程控制的技能,帮助从业者选择控制图、评估过程稳定性并计算过程能力指数。内容涵盖分析步骤、公式与判定规则。
主要功能
- 01按数据类型选择控制图
- 02X-bar/R 与 I-MR 设置公式
- 03Western Electric 与 Nelson 信号规则
- 04计算 Cp、Cpk、Pp 和 Ppk
- 05过程能力研究流程
适用场景
- 01为测量值或缺陷数据选图
- 02调查控制图中的异常信号
- 03根据规格评估过程能力
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ robdtaylor/ personal-ai-infrastructure --skill spc安装后在 Claude Code 中输入/spc确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
CLAUDE.mdreference/capability-indices.mdcontrol-chart-selection.mdout-of-control-rules.mdtemplates/capability-study.md详细介绍
统计过程控制(SPC)
何时启用此技能
- “为 [characteristic] 设置 SPC”
- “计算 [process] 的 Cpk”
- “我应该使用哪种控制图?”
- “该过程是否处于受控状态?”
- “解读失控模式”
- “开展能力研究”
- “Cp 和 Cpk 有什么区别?”
SPC 的目的
SPC 通过区分以下两类波动,使用统计方法来监控、控制和改进过程:
- 普通原因波动 - 正常、固有的过程波动
- 特殊原因波动 - 异常、可归因的原因,需要采取行动
SPC 的重要性
不使用 SPC 时:
- 只有出现缺陷后才采取应对措施
- 无法预测过程表现
- 可能对稳定的过程进行过度调整
- 错过早期预警信号
使用 SPC 时:
- 在出现缺陷前发现问题
- 了解过程能力
- 基于数据做出决策
- 持续改进
工作流路由
| 触发条件 | 操作 |
|---|---|
| “[data] 应该使用哪种控制图” | 使用控制图选择表(变量数据与属性数据),根据数据类型和子组大小选择 X-bar/R、X-bar/S、I-MR、p/np/c/u |
| “为 [characteristic] 设置 SPC / 计算控制限” | 按照能力研究流程的步骤 1-3 操作,然后通过 X-bar/R 控制图或单值/移动极差(I-MR)控制图公式计算控制限 |
| “该过程是否处于受控状态?”/“解读此模式” | 根据失控规则检查绘制的点(标准为西部电气规则 1-4;详细分析采用 Nelson 规则 5-8) |
| “计算 Cpk/Ppk”/“此过程是否有能力?” | 应用过程能力公式,与能力目标比较(Cpk/Ppk ≥1.33 为最低要求,关键特性(CC)为 ≥1.67),并通过解读表解读 PPM |
| “Cp 和 Cpk 有什么区别”/“Cpk 与 Ppk 的区别” | 通过关键区别:Cp/Cpk 与 Pp/Ppk表进行说明(子组内波动与总体波动) |
| “开展能力研究” | 按照能力研究流程的步骤 1-5 操作 |
| “这里适合使用预控制吗” | 使用**预控制(SPC 的替代方案)**标准和区域规则 |
| “生成 SPC 报告/分析” | 使用下方的输出格式模板生成 |
控制图选择
变量数据控制图(测量值)
| 控制图 | 数据类型 | 适用场景 |
|---|---|---|
| X-bar/R | 子组 n=2-9 | 标准变量控制图 |
| X-bar/S | 子组 n≥10 | 大型子组 |
| I-MR | 单次测量值 | 低产量、长周期、破坏性测试 |
属性数据控制图(计数/类别)
| 控制图 | 数据类型 | 适用场景 |
|---|---|---|
| p 图 | 不良品比例 | 样本量可变,判定是否不良 |
| np 图 | 不良品数量 | 样本量固定,判定是否不良 |
| c 图 | 单位缺陷数 | 面积/单位固定,统计缺陷数 |
| u 图 | 单位缺陷数 | 面积/单位可变,统计缺陷数 |
X-bar/R 控制图
设置
| 参数 | 指南 |
|---|---|
| 子组大小(n) | 通常为 3-5,推荐 5 |
| 子组频率 | 合理分组 - 子组内应具有同质性 |
| 最低数据点数 | 计算控制限前至少收集 20-25 个子组 |
控制限公式
X-bar 控制图:
UCL = X̄̄ + A₂ × R̄
CL = X̄̄
LCL = X̄̄ - A₂ × R̄
R 控制图:
UCL = D₄ × R̄
CL = R̄
LCL = D₃ × R̄
常数(A₂、D₃、D₄)
| n | A₂ | D₃ | D₄ |
|---|---|---|---|
| 2 | 1.880 | 0 | 3.267 |
| 3 | 1.023 | 0 | 2.575 |
| 4 | 0.729 | 0 | 2.282 |
| 5 | 0.577 | 0 | 2.115 |
| 6 | 0.483 | 0 | 2.004 |
单值/移动极差(I-MR)控制图
适用场景
- 周期时间长
- 破坏性测试
- 测试成本高
- 批次生产过程
控制限公式
I 控制图:
UCL = X̄ + 2.66 × MR̄
CL = X̄
LCL = X̄ - 2.66 × MR̄
MR 控制图:
UCL = 3.267 × MR̄
CL = MR̄
LCL = 0
失控规则
Western Electric 规则(标准)
| 规则 | 模式 | 表示 |
|---|---|---|
| 规则 1 | 1 个点超出 3σ | 突然偏移 |
| 规则 2 | 连续 8 个点位于 CL 同一侧(部分资料为 9 个) | 过程偏移/均值偏移 |
| 规则 3 | 连续 6 个点呈趋势(上升或下降) | 趋势/漂移 |
| 规则 4 | 连续 14 个点交替上升/下降 | 过度调整 |
Nelson 规则(扩展)
| 规则 | 模式 |
|---|---|
| 规则 5 | 3 个点中有 2 个超出 2σ(同一侧) |
| 规则 6 | 5 个点中有 4 个超出 1σ(同一侧) |
| 规则 7 | 连续 15 个点位于 CL 的 1σ 范围内 |
| 规则 8 | 8 个点超出 1σ(两侧均可) |
MNMUK 标准
将规则 1-4(Western Electric)作为标准。对于关键特性或详细分析,应用 Nelson 规则。
重要: Western Electric 规则 2 在中心线一侧连续出现 7 个或更多点时触发(部分参考资料称为 8 个或 9 个;广泛接受的标准是,中心线一侧连续出现 7 个或更多点即构成失控信号,需要调查)。中心线一侧连续出现 7 个点即为失控状态。
过程能力
指数概览
| 指数 | 衡量内容 | 公式 |
|---|---|---|
| Cp | 潜在能力(分布范围) | (USL - LSL) / 6σ |
| Cpk | 实际能力(考虑居中情况) | Min(Cpu, Cpl) |
| Pp | 过程绩效(分布范围) | (USL - LSL) / 6s |
| Ppk | 过程绩效(考虑居中情况) | Min(Ppu, Ppl) |
主要区别:Cp/Cpk 与 Pp/Ppk
| 方面 | Cp/Cpk | Pp/Ppk |
|---|---|---|
| 变差估计 | 组内(R̄/d₂ 或 S̄/c₄) | 总体(样本标准差) |
| 表示 | 过程潜力 | 过程绩效 |
| 使用条件 | 过程受控 | 初步评估 |
| 通常 | 较高 | 较低 |
能力公式
Cp(过程潜力):
Cp = (USL - LSL) / 6σ
Where σ = R̄/d₂ (within-subgroup estimate)
Cpk(过程能力):
Cpu = (USL - X̄̄) / 3σ
Cpl = (X̄̄ - LSL) / 3σ
Cpk = Min(Cpu, Cpl)
Pp(过程绩效):
Pp = (USL - LSL) / 6s
Where s = sample standard deviation
Ppk(过程绩效指数):
Ppu = (USL - X̄) / 3s
Ppl = (X̄ - LSL) / 3s
Ppk = Min(Ppu, Ppl)
d₂ 常数
| n | d₂ |
|---|---|
| 2 | 1.128 |
| 3 | 1.693 |
| 4 | 2.059 |
| 5 | 2.326 |
| 6 | 2.534 |
能力目标
汽车行业标准
| 指数 | 最低值 | 首选值 | CC 标准 |
|---|---|---|---|
| Cpk | 1.33 | 1.67 | 1.67 |
| Ppk | 1.33 | 1.67 | 1.67 |
解读
| Cpk 值 | PPM(单侧尾部) | 解读 |
|---|---|---|
| 0.67 | 22,750 | 差,不具备能力 |
| 1.00 | 1,350 | 勉强具备能力 |
| 1.33 | 32 | 具备能力(汽车行业最低要求) |
| 1.50 | 3.4 | 良好 |
| 1.67 | 0.3 | 非常好(CC 目标) |
| 2.00 | 0.001 | 卓越 |
能力研究流程
第 1 步:规划研究
- 确定特性
- 选择测量系统(验证 MSA)
- 确定样本量(至少 30 个,最好为 50-100 个)
- 定义抽样方法
第 2 步:收集数据
- 在正常条件下收集样本
- 按时间顺序记录
- 记录任何特殊事件
第 3 步:分析数据
- 创建直方图(检查分布)
- 检查正态性
- 计算统计量
- 创建控制图
- 检查过程是否受统计控制
第 4 步:计算能力
- 如果受控:计算 Cp、Cpk
- 如果未受控:先处理特殊原因,或仅报告 Pp、Ppk
- 与要求进行比较
第 5 步:解读并采取行动
- 能力是否足够?
- 需要采取哪些行动?
- 记录结果
预控制(SPC 的替代方法)
何时使用预控制
- 能力很强的过程(Cpk >1.33)
- 短期生产
- 快速验证设置
- 比 SPC 更简单
预控制区域
┌─────────────────────────────────────────────┐
│ RED ZONE │ → Stop, adjust
├─────────────────────────────────────────────┤
│ YELLOW ZONE │ → Caution
├─────────────────────────────────────────────┤
│ GREEN ZONE (Middle 50%) │ → OK
├─────────────────────────────────────────────┤
│ YELLOW ZONE │ → Caution
├─────────────────────────────────────────────┤
│ RED ZONE │ → Stop, adjust
└─────────────────────────────────────────────┘
LSL Target USL
预控制规则
- 启动: 连续 5 次处于绿色区域 = 开始生产
- 运行期间:
- 两次都在绿色区域 → 继续
- 一次在黄色区域 → 立即再次检查
- 两次都在黄色区域 → 调查/调整
- 红色区域 → 停止并调查
输出格式
生成 SPC 内容时:
# SPC Analysis
## Characteristic Information
| Field | Value |
|-------|-------|
| **Characteristic** | [Description] |
| **Specification** | [LSL - USL] |
| **Target** | [Nominal] |
| **Chart Type** | [X-bar/R, I-MR, etc.] |
## Control Chart Data
| Subgroup | X̄ (or X) | R (or MR) |
|----------|----------|-----------|
| 1 | | |
| ... | | |
## Control Limits
| Chart | LCL | CL | UCL |
|-------|-----|----|----|
| X-bar | | | |
| R | | | |
## Process Capability
| Index | Value | Requirement | Status |
|-------|-------|-------------|--------|
| Cpk | | ≥1.33 | PASS/FAIL |
| Ppk | | ≥1.33 | PASS/FAIL |
## Assessment
- In Control: Yes / No
- Capable: Yes / No
- Actions Required: [List]
示例
示例 1 — 选择并设置控制图
用户:“我们在 CNC 车床上加工孔径,每小时抽取 5 个零件作为一个子组。应该使用什么控制图?控制限是多少?”
输出:根据 控制图选择(子组 n=2-9),推荐使用 X-bar/R 控制图;使用 n=5 对应的 A₂/D₃/D₄ 常数计算 UCL/CL/LCL;并按照 X-bar/R 控制图设置指南,指出至少需要 20-25 个子组才能最终确定控制限。
示例 2 — 解读失控信号
用户:“我们的控制图显示连续 8 个点位于中心线以上。这是否表示过程失控?我们该怎么做?”
输出:根据 失控规则,指出这是违反规则 2(连续 7 个或更多点位于中心线同一侧);解释这表明过程/均值发生偏移(特殊原因变差);并建议按照 MNMUK 标准(Western Electric 规则 1-4)进行调查。
示例 3 — PPAP 能力评估
用户:“客户要求在 PPAP 提交资料中提供关键特性的 Ppk。我们在生产中测得 Cpk = 1.45,但还没有计算 Ppk。”
输出:根据 关键区别:Cp/Cpk 与 Pp/Ppk表,区分 Cpk(子组内变差、过程潜力)与 Ppk(总体变差、过程绩效);使用总体样本标准差计算 Ppk;并根据 能力目标与 CC 目标 ≥1.67 进行比较,若 Ppk 低于 Cpk,则指出存在子组间变差。
与相关技能集成
ControlPlan
控制计划规定了 SPC 要求:
- 哪些特性需要 SPC
- 样本量和频率
- 失控时的反应
加载: read ~/.claude/skills/Controlplan/SKILL.md
MSA
SPC 的有效性要求测量系统充分可靠:
- ndc ≥5 才能进行有意义的 SPC
- MSA 不佳 = SPC 决策不佳
- 开始 SPC 前验证 MSA
加载: read ~/.claude/skills/Msa/SKILL.md
AutomotiveManufacturing
作业指导书应包含 SPC 程序:
- 如何收集数据
- 如何绘制数据点
- 如何解读控制图
- 失控时该怎么做
加载: read ~/.claude/skills/Automotivemanufacturing/SKILL.md
补充资源
详细指南:
read ~/.claude/skills/Spc/CLAUDE.md
能力研究模板:
read ~/.claude/skills/Spc/templates/capability-study.md
控制图选择:
read ~/.claude/skills/Spc/reference/control-chart-selection.md
能力指数:
read ~/.claude/skills/Spc/reference/capability-indices.md
失控规则:
read ~/.claude/skills/Spc/reference/out-of-control-rules.md