序贯抽样判定器SPRT｜SPC实战工具
这个工具解决什么问题
> 按 Wald SPRT 生成序贯抽样判定线，边抽边判，平均样本量比固定方案少三到五成。
输入数据格式
数据文件 sequential_inspection.csv，列顺序为：序号、是否不良。
示例首行：1,0
示例输出（真实运行结果节选）
================================================================
序贯抽样判定报告（Wald SPRT 判定线）
================================================================
【一、方案参数】
可接受质量 p0 = 1.00% 不可接受质量 p1 = 5.00%
生产方风险 α = 0.05 使用方风险 β = 0.10
【二、判定线（累计不良数 d 与样本数 n 的关系）】
接收线：d ≤ 0.026 × n -1.399
拒收线：d ≥ 0.026 × n +1.796
两条线斜率相同、只在截距上差 3.195 个不良数，区间即「继续抽样」带。
零不良时至少需 55 片才可能判接收（这就是序贯抽样「省样本」的另一面：质量好也要抽够一定量）。
最小样本量下限 5 片（Wald 边界是连续近似，样本过少时判定不可靠）。
直观版：到第 50 片时，累计不良 ≤ 0 个可接收；≥ 4 个直接拒收。
【三、方案特性（4000 次模拟）】
真实不良率 平均样本量ASN 接收概率OC
1.00% 84.8 96.8%
3.00% 110.9 42.8%
5.00% 73.2 11.1%
0.00% 55.0 100.0%
10.00% 30.5 0.1%
判读：真实质量在 p0 附近时几乎必然接收且用样少；越接近 p1 判得越快（多为拒收）；
恰在 p0~p1 中点时样本量最大，这是序贯方案固有的代价。
【四、逐片判定（输入序列）】
序号 累计不良 接收上限 拒收下限 判定
10 0 -1.14 2.05
20 1 -0.89 2.31
30 2 -0.63 2.56
35 3 -0.50 2.69 拒收
结论：在第 35
适用场景
· IQC 来料检验、OQC 出货检验、破坏性检验场景 · 检验成本高的场景省钱利器；必须先定 p0/p1 再看数据
怎么用
python sequential_sampling.py
首次运行会自动生成示例数据并输出一份完整报告； 把示例 CSV 换成你自己的数据（保持列名一致）后重新运行即可。
输入数据
sequential_inspection.csv：序号 / 是否不良（脚本自带示例数据）
输出内容
· 接收线与拒收线（斜率、截距） · 不同真实不良率下的平均样本量 ASN 与接收概率 OC（4000 次模拟） · 对输入序列的逐片判定与结论（第几片判接收或拒收）
依赖
无。仅使用 Python 标准库（csv / math / os / datetime 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
实用提示
可调参数与计算口径
脚本顶部集中了主要阈值与常量：CSV_NAME="sequential_inspection.csv"、REPORT_NAME="sequential_report.txt"。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：sequential_inspection.csv、sequential_report.txt。
脚本里的主要处理步骤
boundaries()：由 p0/p1/α/β 求 Wald 判定线：d 与 k·n + h 比较。simulate()：模拟：给定真实不良率，估计平均样本量与接收概率。
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 确定性伪随机序列（LCG），保证多次运行结果一致。
- 是否不良
- 已生成示例数据: %s（真实不良率约 %.1f%%）
- 已读取数据: %s（%d 个样本）
- 模拟：给定真实不良率，估计平均样本量与接收概率。
- 序贯抽样判定报告（Wald SPRT 判定线）
- 【一、方案参数】
- 可接受质量 p0 = %.2f%% 不可接受质量 p1 = %.2f%%
- 生产方风险 α = %.2f 使用方风险 β = %.2f
- 【二、判定线（累计不良数 d 与样本数 n 的关系）】
- 接收线：d ≤ %.3f × n %+.3f
- 拒收线：d ≥ %.3f × n %+.3f
- 两条线斜率相同、只在截距上差 %.3f 个不良数，区间即「继续抽样」带。
- 零不良时至少需 %d 片才可能判接收（这就是序贯抽样「省样本」的另一面：
- 质量好也要抽够一定量）。
- 最小样本量下限 %d 片（Wald 边界是连续近似，样本过少时判定不可靠）。
- 直观版：到第 50 片时，累计不良 ≤ %d 个可接收；≥ %d 个直接拒收。
- 【三、方案特性（4000 次模拟）】
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：sequential_sampling.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 2 列：序号、是否不良。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、方案参数、二、判定线（累计不良数 d 与样本数 n 的关系）、三、方案特性（4000 次模拟）、四、逐片判定（输入序列）、五、使用提示 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
同分类的其它工具
所属分类 SPC与质量分析工具包，也可回到 工具资源包下载页 按分类查找。
