【AI质量实战】第7章 数据统计类技能——SPC、MSA、Cpk，让数据说话

## 第7章 数据统计类技能 数据统计类技能是AI最能发挥价值的领域之一，因为计算密集、规则明确、判定标准固定。 ### SPC八大判异准则 1. 1点超出3σ 2. 连续9点在中心线同侧 3. 连续6点递增或递减 4. 连续14点交替上下 5. 连续3点中有2点超出2σ 6. 连续5点中有4点超出1σ 7. 连续15点在1σ内 8. 连续8点在中心线两侧且无1点在1σ内 ### MSA测量系统分析 **判定标准表**： | 指标 | 可接受 | 灰色区 | 不可接受 | |------|--------|--------|----------| | GRR% | ≤10% | 10%-30% | >30% | | ndc | ≥5 | - | <5 | **实战案例**：某量具GRR%=31%（不可接受），经改善夹具和培训操作员后，GRR%降至12%（可接受）。 ### Cpk过程能力等级 | 等级 | Cpk范围 | 评价 | |------|---------|------| | A+ | ≥1.67 | 过程能力过高，可考虑放宽 | | A | ≥1.33 | 充分，维持现状 | | B | ≥1.00 | 尚可，需关注 | | C | ≥0.67 | 不足，需改善 | | D | <0.67 | 严重不足，立即改善 | **案例**：精密轴类零件Cpk从0.60（D级）提升到1.38（A级），通过优化刀具补偿频率和冷却液浓度实现。