当前位置:首页 > 未命名 > 正文内容

SPC与质量分析工具包(75款)|控制图·Cpk·MSA·FMEA 实战工具

质量数据最容易出问题的地方,不是不会算,而是口径不统一——同一批数据换个软件就换个结论。这个分类把 Fab 与制造业现场最常用的质量核算固化成了可复算的脚本:控制限怎么建、Cpk 用的是哪套标准差、判异规则用的是 Nelson 还是 Western Electric,脚本里都写死了,谁也改不了口径。

这类问题,工具是怎么解决的

  • 控制图控制限口径混乱:有人用全部数据算、有人用剔除越限点后的数据算,结论差一倍
  • Cpk 只看结果不看前提:数据不正态、过程不稳定就直接算,数字好看但不能用
  • 测量系统没验过就下结论:GRR 没做,量出来的差异分不清是产品差异还是量具差异
  • 不良率口径不一:按片、按批、按 Die 各算一套,跨部门对不上账

工具清单(共 75 款)

每款工具为一个 zip 包,内含可运行的 Python 脚本、示例数据与说明文档,基于标准库实现,无需安装额外依赖。点击名称可直接取用。

控制图与过程监控(20 款)

过程能力与测量系统(10 款)

抽样与检验判定(10 款)

良率与缺陷分析(13 款)

质量体系与统计改善(18 款)

其他(4 款)

怎么选:三条建议

  1. 先分清「基线建立」和「日常监控」两件事:基线阶段要迭代剔除异常子组,监控阶段必须用冻结的控制限,用同一套脚本连起来做,避免中途换限。
  2. 带统计检验的工具优先。同样算 Cpk,附带正态性与稳定性检验的工具能告诉你这个数字能不能用;只给一个数的工具会把风险藏起来。
  3. 抽样方案类工具认准 GB/T 2828.1(等同 ISO 2859-1)口径,并确认脚本输出的是接收/拒收判定而不是一个模糊的分数。

配套阅读

下面这些文章讲的是同一批问题的现场做法,工具怎么用、结论怎么读,先看文章再动手更快。

常见问题

控制图和 Cpk 应该先用哪个?

先控制图后 Cpk。控制图判稳(没有异常信号)之后算出来的 Cpk 才有意义;过程不稳时算出的 Cpk 只是「这段时间碰巧的表现」,不能用来承诺能力。

这批工具的输入格式是固定的吗?

每款脚本都自带示例 CSV,按示例的列名整理自己的数据即可;列名不同时通常只需改脚本顶部的字段映射,不需要动计算逻辑。

为什么同一个 Cpk 在不同工具里算出来不一样?

九成是标准差口径不同:组内标准差(Cpk)与整体标准差(Ppk)本来就不是一个数。工具会同时输出 Cp/Cpk 与 Pp/Ppk 并注明用了哪套估计,对照一下就知道差在哪。

脚本需要装额外库吗?

全部基于 Python 标准库实现,不需要装第三方包,避免现场电脑没有网络或没有装环境的情况。

工具包导航

全部工具按方向分成 7 个分类,可按需直达:

本类工具详解页

每款工具的输入格式、输出解读、算式口径与常见坑都有独立说明页:

以上工具均基于公开的行业方法论(GB/T 2828.1、ISO 2859-1、SEMI 相关规范等)实现,用于工艺与运营侧的核算分析;结果请结合实际现场条件复核后使用。