数据分析-58-SPC统计过程控制的8个判异准则
文章目录
- 1 SPC统计过程控制
- 1.1 SPC控制图
- 1.2 SPC判异准则
- 1.2.1 准则1：1个点超出控制限(UCL/LCL)
- 1.2.2 准则2：连续9点在中心线同一侧
- 1.2.3 准则3：连续6点递增或递减
- 1.2.4 准则4：连续14点交替上下波动
- 1.2.5 准则5：连续3点中有2点超出2σ警戒限
- 1.2.6 准则6：连续5点中有4点超出1σ范围
- 1.2.7 准则7：连续15点在1σ范围内
- 1.2.8 准则8：连续8点超出1σ范围(任意一侧)
- 1.3 应用步骤
- 1.3.1 计量型数据
- 1.3.2 计数型数据
- 1.3.3 分析流程
- 1.4 控制图
- 1.4.1 XR控制图
- 1.4.2 XS控制图
- 1.4.3 IMR控制图
- 1.4.4 计量型数据
- 2 Python实现8种判异准则
- 2.1 规则代码
- 2.2 示例用法
- 2.3 可视化
- 3 参考附录
1 SPC统计过程控制
在制造业和质量控制中，统计过程控制(SPC, Statistical Process Control)是监控生产过程稳定性的重要工具。
通过控制图(Control Chart)，我们可以实时监测数据波动，并利用八大判异准则识别异常信号，确保生产过程受控。
1.1 SPC控制图
SPC控制图的核心是区分正常波动(随机变异)和异常波动(特殊原因变异)。
当数据点违反判异准则时，说明过程可能失控，需立即调查原因并采取纠正措施。
UCL, Upper Control Limit,上控制限。
CL, Central Line 或 Center Line,中心线。
LCL, Lower Control Limit,下控制限。
1.2 SPC判异准则
八大判异准则由Western Electric公司提出，广泛应用于X-bar-R图、X-bar-S图、I-MR图等控制图分析。
1、八大判异准则是SPC的核心工具，帮助快速识别异常波动。
2、准则1-4通常表示严重异常，需立即处理；准则5-8提示潜在风险，需提前预防。
3、结合实际情况分析原因，避免误判（如测量