EWMA 指数加权移动平均控制图 - FAB工程师工具
=============================================

【工具简介】
EWMA (Exponentially Weighted Moving Average) 控制图是一种加权控制图，
对近期数据赋予更高权重，对微小漂移比传统 Shewhart 图更灵敏。
广泛应用于半导体精密工艺的过程监控。

【适用场景】
- CMP 化学机械抛光速率（碟形轮磨损导致微漂移）
- 炉管扩散温度漂移（每批次升温累积）
- 薄膜沉积速率微小变化
- 刻蚀端点检测微弱趋势
- 任何需要检测 0.5σ~1.5σ 微小漂移的场景

【内置数据】
内置 50 点 CMP 抛光速率数据（单位：A/min）
第 1-30 点：正常波动（mean=500 A/min）
第 31-40 点：碟形轮磨损导致漂移（mean→505 A/min）
第 41-50 点：恢复正常
Shewhart I 图对此漂移不灵敏，EWMA 可以检出。

【核心公式】
1. EWMA 递推公式:
   Zi = λ * Xi + (1 - λ) * Z(i-1)
   Z0 = μ (过程均值)

2. 递归控制限 (Roberts 1959):
   σZ(i) = σ * sqrt( λ / (2-λ) * [1 - (1-λ)^(2i)] )
   UCL(i) = μ + 3 * σZ(i)
   LCL(i) = μ - 3 * σZ(i)
   (注意: 初期控制限宽，随 i 增大逐渐收窄)

3. 越界判定:
   Zi > UCL(i) 或 Zi < LCL(i)

【Lambda 参数选择指南】
  λ = 0.05: 最灵敏，适合检测 <0.5σ 的极微小漂移
  λ = 0.10: 高灵敏，日常精密监控推荐
  λ = 0.20: 平衡值，业界最常用
  λ = 0.30: 中等灵敏，类似放宽的 Shewhart 图
  λ = 0.40: 不灵敏，适合大漂移快速检测

  注意: λ 越小，响应越慢（需要更多数据点才收敛）

【使用说明】
1. 运行 python ewma_chart.py 启动工具
2. 选择内置数据或手动输入序列
3. 设置 Lambda 参数（默认 0.20）
4. Target/Sigma 可手动指定或用 auto 自动计算
5. 点击 [计算并绘图] 生成 EWMA 控制图
6. 点击 [EWMA vs I 图] 打开对比分析窗口

【EWMA vs Shewhart 对比】
  Shewhart: 只看当前点，适合大漂移（>1.5σ）
  EWMA:    历史加权，适合微小漂移（0.5σ~1.5σ）
  建议:    两者结合使用，取长补短

【依赖】
  Python 3.8+
  numpy
  matplotlib
  tkinter (Python标准库)

【作者】FAB Engineering Team
【版本】v2.0  2026-07-25
