• 更详尽的SPC分析报告拆解

    任何的检测项目都可以有这样的报告(报告截图很长,一定要拉到最后):

    单值类:

    1dad9ffce9139636f96476c3352d0770.png

    子组类:

    7d2c5ee7e243b3b947988a56f5f81ca2.png

    接下来我们就把一个全面的SPC分析报告进行拆解。

    单值控制图(适用于每批检测一个结果的)

    每个点就是一个检测的值,在图表上绘图,跟踪每个单独检测值随时间的变化,识别过程平均值是否发生偏移。

    image.png

    单值移动极差控制图(适用于每批检测一个结果的)

    每个点是第N个检测值和第N-1个检测值之差的绝对值,在图表上绘图。用于评估过程的短期波动性,与单值控制图一起使用,可以更全面获知过程的稳定性。

    image.png

    X均值控制图

    用于监控过程的平均值,可以识别出由于系统性偏差、测量误差或其他因素导致的均值变化。

    image.png

    R控制图

    用于子组较小的情况(通常为10个以内)的波动性监控,主要用于监控过程的短期变异,帮助发现异常的波动或过大的波动。

    image.png

    S控制图

    用于子组较大的数据(通常超过10个),通过子组的标准差来反映过程的波动。

    image.png

    Xbar移动极差控制图

    适用于子组大小大于1,且需要监控子组均值随时间变化的“子组间(或批次间)”短期变异。它将每个子组的均值视为独立观测值,计算相邻子组均值之间的移动极差(Moving Range)。该图表常用于区分批次内与批次间的波动,有效防止因过程本身存在的固有缓慢漂移而导致常规控制图频繁误报。

    image.png

    MR-R/S均值图

    通常作为三维控制图(如 I-MR-R/S 图)的关键组成部分,专门用于处理同时存在明显的“子组内变异”与“批次间(或工艺槽间)变异”的复杂制造场景(如多型腔模具、批量化学反应炉、电子排版加工等)。该图表通过结合移动极差(MR)和子组内极差(R)或标准差(S),将不同的变异源进行科学解耦与量化监控,避免控制限过窄造成的频繁虚警。

    image.png

    NP控制图(不合格品数控制图)

    不每次抽样数一致,监控检测样本中的不合格品的数量,用于记录一个批次或一段时间内发现的不合格品数量。

    image.png

    C控制图(缺陷数控制图)

    监控检测样本的缺陷总数。“缺陷”是指每件产品或每个单位上发生的所有缺陷次数,而不是不合格品的数量。

    image.png

    P控制图(不合格率控制图)

    监控检测样本的不合格品的比例,即不合格率。这种控制图适用于抽样数量不固定的情况,反映每个子组中不合格品的比例。

    image.png

    U控制图(单位缺陷数控制图)

    监控检测样本的每单位的缺陷数。U控制图适用于样本大小不固定的情况,它反映的是每单位产品的平均缺陷数。

    image.png

    子组分布图

    对于有子组大小的,在每个检测描绘子组各点的值,同时可以用箱线图描绘上下1/4分位数和中位数,直观看出每点的集中/离散程度。

    image.png

    异常判定

    每个控制图都会用八大判异规则对数据点进行判异(R、S、NP、C、P、U只有前面4种),每种判异在每种控制图出现的异常点的汇总统计,直观看出异常的判异分布。

    image.png

    彩虹图

    预控制图不是基于过程的控制图,是基于公差的不合格判定控制图。把数据点按顺序和大小描绘到彩虹图的各个区间。

    image.png

    过程能力报告

    通过分布直方图展示数据的分布,同时计算CPK、PPK、PPM等关键指标。

    image.png

    自相关分析

    用于检验检测数据在时间序列上是否存在前后的依赖关系。经典SPC控制图严格基于数据“独立同分布(i.i.d.)”的假设,但在连续化工、高频自动化流水线或半导体制造等行业,前后数据往往存在强自相关性,这会导致传统控制图的虚警率急剧飙升。该分析通过量化自相关系数,帮助识别数据依赖性,从而指导用户优化抽样频率或采用残差控制图。

    image.png

    趋势和周期分析

    基于快速傅里叶变换(FFT)等先进信号处理算法,将时间序列的检测数据从“时域”科学地变换到“频域”进行深度解析。该模块能够精准剥离并识别生产过程中隐藏的宏观动态演变规律:趋势分析专注于捕捉由于刀具磨损、化学试剂消耗或设备渐进式温升引起的系统性单向漂移;周期分析则通过FFT将复杂的波动数据分解为不同的频率成分,捕获肉眼难以发觉的特征谱峰,从而深度诊断因班次更替、日夜温差、或机械周期性振动导致的规律性往复波动,帮助企业实现前瞻性的预防性维护。

    image.png

    正态性检验

    提供四种正态性检验方法,其中AD检验最常用于质量领域。

    image.png

    分布拟合

    如果认为数据分布不像正态分布,你可以用这个模块,看看分布最像什么分布。

    image.png

    过程能力表格

    用表格把过程数据列举出来,方便复制粘贴。

    image.png

    能力对比图

    用表格把规格限和组内、整体实际水平直观对比

    image.png

    方差分析

    对于有子组大小的检测项目,可以用方差分析衡量各子组的均值是否一致。可以看看这篇文章《SPC如何做方差分析,意义又在哪里?

    image.png

    机器学习判异

    提供8种机器学习算法判异,可以作为SPC判异的一个参考。

    image.png

    统计摘要

    对统计的数据整合提供描述统计,方便获取各种数据。

    image.png

    数据明细

    列出控制图对应的数据明细,也高亮显示有异常的记录,并且分控制图列出。也可以导出到excel。

    image.png

    上述这个SPC分析报告的内容,根据检测数据类型会选择性显示,用户也可以根据需要选择显示。

    本页面文章与公众号同步。

    斌果SPC微信公众号二维码

    微信扫码关注