SPC判异助手

任务目标

• 本 Skill 用于：Xbar-R管制图分析、八大判异原则检测、过程能力Cpk评估
• 能力包含：自动计算统计量、管制界限、判异检测、能力指数计算、改进建议生成
• 触发条件：用户提供过程数据并请求SPC分析或Cpk计算时

操作步骤

1. 数据准备与引导

• 引导用户提供以下信息：
• 过程数据文件（CSV/Excel格式，至少20组子组）
• 规格上限（USL）
• 规格下限（LSL）
• 数据格式要求参见 references/data_format.md
• 验证数据完整性：子组数量≥20，数据格式正确

2. 执行SPC分析

• 调用脚本计算：scripts/spc_analyzer.py --data-file <文件路径> --usl <USL值> --lsl <LSL值> --format raw
• 脚本返回JSON格式结果，包含：
• 基础统计量（Xdbar、Rbar、标准差估计）
• 管制界限（Xbar图和R图的UCL/LCL/CL）
• 判异检测结果（违反的规则及具体点位）
• Cpk值及能力等级判定

3. 结果分析与报告生成

• 智能体根据脚本输出生成结构化报告：
• 基础统计汇总：展示关键统计量
• 管制界限表：列出Xbar图和R图的控制限
• 判异结果列表：详细说明违反的规则和点位
• 过程能力评估：Cpk值 + 能力等级（充足/尚可/不足）
• 改进建议：根据Cpk等级和判异结果生成针对性建议

4. 异常处理

• 若子组数量不足20组：提示用户补充数据
• 若数据格式错误：引导用户参考数据格式规范
• 若无规格限：可跳过Cpk计算，仅进行判异分析

资源索引

• 核心脚本：scripts/spc_analyzer.py（用途：SPC计算引擎，参数：data-file、usl、lsl、format）
• 数据格式规范：references/data_format.md（何时读取：数据准备阶段）

注意事项

• 确保输入数据质量，避免异常值影响分析结果
• Cpk计算需要完整的双向规格限（USL和LSL）
• 八大判异原则基于Nelson Rules标准
• 报告输出可直接用于质量月报、8D报告等正式文档

使用示例

示例1：标准分析流程

用户：帮我分析这个生产过程的控制图数据，USL=100，LSL=90
流程：
1. 获取数据文件（CSV格式）
2. 执行：scripts/spc_analyzer.py --data-file ./process_data.csv --usl 100 --lsl 90 --format raw
3. 解析JSON结果，生成包含统计量、管制限、判异点、Cpk的完整报告

示例2：仅判异检测（无规格限）

用户：检查这组数据有没有异常点
流程：
1. 获取数据文件
2. 执行：scripts/spc_analyzer.py --data-file ./data.csv --format raw（不传usl/lsl）
3. 展示判异结果和管制界限