SPC视频

SPC软件在制造业质量管理中的应用 1. 行业痛点与解决方案 中国传统制造业面临严重的质量不稳定问题 广州市斌果信息科技有限公司提供SPC（统计过程控制）软件解决方案 创始人梁斌炜（暨南大学荣誉校友、无限极质量IT负责人、欧派算法专家、实战统计学创办人） 2. 核心功能演示 实时监控系统： 单值控制图 移动极差控制图 能力分析报告 彩虹图可视化分析 3. 技术特性 功能模块 技术参数 应用价值 异常检测 8类判异规则（如3σ超限） 实时质量预警 数据分析 Anderson-Darling检验 非正态数据处

斌果SPC不断拓展功能，提前关注关键数据和分析结果，主动洞察和及时提醒双结合。

斌果SPC软件中的“洞察”功能及其在滚动统计分析中的高级应用。主要内容包括： 滚动数据分析：除了常规的CPK计算，系统还支持滚动计算均值、标准差等指标，能够直观展示这些数值缓慢变化的趋势。 动态告警机制：系统不仅会针对特定阈值（如CPK小于1.33）发出预警，还能监测曲线的变化趋势（如连续下降或上升），并在真正需要关注时及时提醒，避免无关紧要的数据干扰。 灵活的看板配置：用户可以根据具体需求，在看板上自由组合并查看滚动的CPK、均值、标准差以及拟合直线的相关系数等图表，从而更全面地掌握生产过程的能力波动情况。

SPC（统计过程控制）分析中“滚动CPK”的概念及其优势： 传统做法局限：通常人们习惯于仅查看最后固定数量的数据点来计算CPK，但这往往不够全面。 引入滚动CPK：为了更紧密地监控近期波动，可以采用“滚动”方法——每次将窗口向前移动一点（如少一个旧点，多一个新点），持续计算新的CPK值。 动态趋势监控：这种滚动分析能生成一条缓慢变化的趋势线，非常适合用来观察短期内的过程波动情况。 预警机制：当数据显示出连续下降等异常趋势时，系统可以及时发出告警，从而帮助企业更好地把控生产质量。

国内领先的SPC软件“斌果SPC”如何紧跟最新发布的SPC标准（7月1日发布），并详细展示了其在软件设计与开发上的具体适配措施： 新增指标与控制图支持：软件增加了CPK.g、PPK.z等新版本强制要求的指标，并全面支持EWMA、CUSUM、Pareto等多种强制性的控制图类型。 引入时间相关模型：针对新版SPC增加的时间相关模型（如a、b、c、d模型），软件具备自动判定各检测项目模型的功能，不同模型将采用不同的算法处理。 计划引入OCAP功能：虽然OCAP属于业务范畴，但为了方便用户在同一软件内实现异常发现与改善闭环，团队正在抓紧开发并引入该功能。 体系落地建议：演讲者也指出，SPC不仅是一套软件，更是一个完整的管理体系，部分体系层面的工作仍需企业自身配合完成。 整体而言，斌果SPC正逐步完善各项功能，致力于满足新版SPC的各项严苛要求。

SPC分析工具功能演示： 1.核心分析模块 控制图分析：包括Xbar控制图、R控制图、S控制图、Xbar移动极差控制图等，用于监控过程波动和异常点（如1个点远离中心线超过3倍标准差、14个点交互升降）。 过程能力评估：计算关键指标如Pp（0.5754）、Cp（0.5453）、Cpk（0.5128），并显示缺陷率（PPM合计112000）。 正态性检验与分布拟合：通过Anderson-Darling、Shapiro-Wilk等检验判定数据不符合正态分布（p<0.05），最优拟合为Gamma分布（p=0.0086）。 2.数据统计与可视化 统计摘要：样本量125，均值25.006，标准差0.0579，极差0.3513，右偏分布（偏度2.2102）。 图表展示：彩虹图、能力对比图直观呈现规格限（USL=25.1，LSL=24.9）与过程能力（CPK=0.5128）。 3.异常诊断与改进 异常类型：连续点同侧、超出规格限（如点9、11超3σ），系统提示“制程很差，需停线改进”。 改进记录：2026-06-13通过员工培训解决异常，CPK从0.4016恢复至目标值。 4.高级分析 自相关与周期性：检测到主导周期约4.2个索引单位，建议排查工装夹具或物料批次节奏。 波动归因：波动主要来自随机因素，建议避免过度调整单点数据。 结尾：工具支持AI判异、方差分析及闭环改进措施记录

完美SPC分析报告解析 报告核心模块概览 1.控制图分析 I控制图：展示单值数据波动，检测异常点（如1个点远离中心线超过3倍标准差）。 MR控制图：监控移动极差，UCL=1.9123，LCL=0.143，用于识别过程变异。 2.过程能力评估 关键指标： Pp=0.9498（整体过程性能） Cp=1.2847（潜在组内能力） Cpk=1.1697（实际过程能力，受偏移影响） 缺陷率：PPM>USL为4739，整体不良率5691 PPM。 3.正态性检验 检验方法：Anderson-Darling、Shapiro-Wilk等，p值均>0.05，接受原假设（数据符合正态分布）。 4.分布拟合 最佳拟合分布：Gamma分布（p=0.9630），参数α=3.5051，β=98.849。 描述统计：均值100.1791，标准差0.7019，右偏（偏度0.7147）。 5.异常诊断与改进 异常类型：连续点同侧、超出规格限（如点23超3σ）。 改进措施：针对CPK=1.1697（需提升至A级），记录机器保养后恢复正常。 6.趋势与周期分析 结论：过程受控，波动为随机因素；检测到系统性向上漂移（总漂移约1.2163），建议排查刀具磨损或温度渐变。 数据明细与可视化 统计摘要：样本量25，极差2.001，5%分位数89.2118。 图表：彩虹图、能力对比图直观展示规格限（USL=102，LSL=98）与过程能力（CPK vs PPK）。 注：报告整合机器学习判异、自相关分析，形成闭环改进流程。

统计过程控制（SPC） 是制造业中一项核心的质量管理方法。它借助数理统计技术，对生产过程进行实时监控与分析，旨在确保过程稳定并预防缺陷产生，而不仅仅是在事后对产品进行检验

非正态数据的SPC分析方法： 1.适用场景区分 不应转换的情况：若数据理论分布应为正态（如常规检测数据），实测非正态时不可强行转换计算CPK，否则属于数据操纵。 应当转换的情况：若数据理论分布本就是偏态（如磨损数据），且实测结果也呈偏态（如右偏长尾分布），则可通过Box-Cox变换等非正态转换进行SPC分析。 2.案例分析 直接计算的问题：对右偏数据直接计算CPK得0.77，但因分布偏态导致结果失真。 转换后结果：通过Box-Cox变换（λ=0.3873）将数据转为正态分布后，CPK降至0.65，虽数值减小但更符合实际过程能力。转换后数据直方图呈现明显正态特征。 3.核心原则 转换合法性：仅当数据理论分布本身为非正态时，转换才是合理操作；若理论应为正态而实测非正态，需排查测量或过程异常，而非强行转换。 操作演示：演示了从数据粘贴、规格上限设定（USL=8）、Box-Cox变换到最终CPK计算的全流程，强调λ值优化的重要性。 总结：SPC分析需严格遵循数据分布的理论属性，避免为追求指标而错误转换数据。视频通过案例对比，直观展示了合理转换与非合理转换的差异。

质量工程师最爱：只需3分钟自动+一键直出SPC分析报告

斌果SPC，具有以下特点 1天即可上线 几万的价格 不限用户数、不限在线用户数，不限点数，不限看板数量，人手一个账号 所有的用户都通过浏览器使用 服务器授权，一次性终身授权，没有每年授权费用 支持SPC控制图：I-MR、Xbar-S、Xbar-R、MR-R/S、NP、C、P、U 全面支持标准SPC的八大判异规则（以及自定义判异规则） 多种数据录入方式：在线手动录入、在线Excel导入、HTTP接口同步、TCP采集、MQTT采集、OPC数据采集、DB2DB采集、共享文件采集 一键SPC分析报告：控制图、正态性检验、彩虹图、箱线图、分布拟合、过程能力分析直方图、机器学习判异图、能力对比图、数据摘要、大模型解读、自相关诊断、基线与震荡分离 创建任意数量的SPC监控看板：动态看板、综合看板、统计看板，可以包含任意检测项目的SPC控制图、彩虹图、直方图和箱线图，最适合车间大屏使用 后台监控：SPC控制图判异，CPK和PPK异常监控 通知渠道：邮件、企业微信、钉钉、飞书、MQTT 、接口 控制图实时自动更新 11种语言版本，20种主题配色 多种分析工具：CPK工具、回归分析、相关分析、正态性检验、单样本T检验、双样本T检验、分布拟合等等 开放的SPC判异接口等接口 集成MSA测量系统分析 SPC协同：管理所有供应商的SPC 企业内网私有化部署，数据安全可控，基于浏览器，无需安装客户端

（统计过程控制）分析中CPK工具的创新应用方法，以下是核心内容的结构化总结： 一、传统SPC分析的局限性 当检测数据呈现周期性或趋势性异常时，仅依靠传统控制图（CPK）分析可能无法充分识别问题。 二、创新功能演示 1. 自相关分析 展示规格值为105-95的数据规格表 通过七合一图表呈现分析结果，包含： 时域图（与传统控制图相似的时间序列） 滞后域图（显示数据点间的自相关性） 第一数据点恒定相关值为1 第二数据点呈现-0.7的负相关 第三数据点呈现+0.4的正相关 频域图（经快速傅里叶变换） 2. 周期性发现 在频域图0.43周期处发现显著峰值 通过倒数计算得出2.33个数据点的重复周期模式 揭示数据中存在隐藏的规律性波动 三、技术价值 突破传统控制图限制，可识别： 数据点间的强自相关性 隐藏的周期性规律（每2.33个点重复一次） 为过程控制提供更深层次的诊断维度 四、应用推广 该工具能有效发现生产过程中的： 重复性模式 自相关数据关系 助力使用者成为SPC分析专家