EWMA 控制图 实际怎么用｜过程质量管控·6 个典型工况逐个拆解（附源码）

（复制到编辑器，段落间距保持一致）

场景引入：EWMA 控制图到底解决什么

过程能力算不清、判异规则记不住、SPC 系统贵且不会用。 很多人以为买一套系统或写一段脚本就能解决，结果是工具用起来了，数据口径还是各说各话。EWMA 控制图 真正要解决的是：把「过程质量管控」里那件重复又易错的事，固化成一条能重复跑、结果能复现的流程。

本文从实际怎么用的角度，把这条流程拆到可以照着做。

真实场景是什么

工况 1：量测站新设备导入首批数据，前 3 天只做观察不判异

• 关键点：子组大小 n 与子组数 m 的取值起点；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

工况 2：关键参数换型后，过程能力短期掉档，需要定位是漂移还是离散度变大

• 关键点：控制限类型切换与判异规则组合；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

工况 3：客户审厂要求提供过程能力趋势证据，而不是单次 Cpk 截图

• 关键点：Cpk 时间序列的落库与趋势判定；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

工况 4：量测系统本身可疑（GRR 不合格）时，如何避免用坏尺子做 SPC

• 关键点：量测系统分析前置的判定门槛；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

工况 5：多台机台同工序对比，找出机台间系统性差异

• 关键点：分组变量引入与分组控制图；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

工况 6：委外工序数据回收后，规格限与内部标准不一致的争议

• 关键点：规格限与控制限分离的口径处理；
• 配套能力：λ=0.2默认权重、递归控制限、内置50点CMP数据；

怎么准备数据

数据准备这一步决定了后面所有结论的可信度，顺序不能反：

1. 先确认口径：量测口径、时间窗口、单位、命名规则，先跟数据源方对齐再动手；
2. 先跑内置演示数据：确认 EWMA 控制图 本身装得上、跑得通、结果格式符合预期；
3. 再导真实数据：先导一小段（几十行）验证解析是否正确，不要一上来就导全量；
4. 保留原始副本：所有清洗动作写进脚本，不要在 Excel 里手改，否则无法复现。

依赖：pip install numpy matplotlib。解压后按 README 走一遍演示数据，再替换成真实数据。

参数怎么定

参数不是照抄默认值，而是按下面三条线定：

• 物理/工艺约束线：由工艺本身决定，不能突破；
• 数据量约束线：由样本量决定，样本不够时先扩样本而不是调参数；
• 习惯线：现场长期形成的经验，作为起点而不是结论。

配套参数细节见同系列的「EWMA 控制图 参数怎么设」页。

结果怎么判读

结果出来之后，先做三件事再看数字：

1. 看数据量：样本数不够时，所有结论都只是趋势；
2. 看基线对比：和上一版参数、上一台设备、上一批产品的基线比；
3. 看反向证据：有没有与结论矛盾的点，矛盾点通常比一致点更值钱。

• 先看数据来源的时点：不同来源的时点不一致，结论必然打架。
• 工况要成组看：单条样本的结论不具备推广性。
• 凡涉及参数调整的结论，都要留验证批次。
• 工具输出的是线索，落地动作仍需现场确认。

三个最容易踩的坑

坑 1：量测站新设备导入首批数据，前 3 天只做观察不判异

• 子组大小 n 与子组数 m 的取值起点。

坑 2：关键参数换型后，过程能力短期掉档，需要定位是漂移还是离散度变大

• 控制限类型切换与判异规则组合。

坑 3：客户审厂要求提供过程能力趋势证据，而不是单次 Cpk 截图

• Cpk 时间序列的落库与趋势判定。

相关工具

同一系列的相关工具：

• I-MR 控制图工具｜过程质量管控·单次抽样过程稳定性监控（附源码）
• Nelson 判异规则工具｜过程质量管控·控制图异常点自动识别（附源码）
• Cpk 趋势监控工具｜过程质量管控·多批次过程能力衰减追踪（附源码）
• Xbar-S 控制图工具｜过程质量管控·变子组过程能力评估（附源码）

使用边界

本工具基于仿真/演示数据开发，可直接用于教学、方案验证与算法预演；接入真实工厂数据前请做二次验证，商用授权请联系作者。

下载入口