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。

怎么选：三条建议

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。
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。
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。

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

这类问题，工具是怎么解决的

工具清单（共 75 款）

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

配套阅读