statistical-process-control/statistical-process-control

# 统计过程控制 — SPC 自动化与质量工程中心 **用于自动化统计过程控制（SPC）的生产级 Python 和 pipeline 模式。** 让质量工程超越电子表格：构建控制图、失控规则检测、 MES/SCADA 数据 pipeline、告警，以及可在制造规模上确定性运行的、通过审计的合规报告。 ### 🔗 [在 statistical-process-control.org 阅读完整库 →](https://www.statistical-process-control.org) ## 为什么会有这个项目 大多数 SPC 指南仅停留在教科书公式上。而真正的工厂需要围绕它的*工程化*实践：如何 从 MES 或 historian 中提取遥测数据，同步异步工位，处理传感器掉线，锁定 Phase I 控制限，在不引发告警风暴的情况下评估 Nelson 和 Western Electric 规则，并将每个报告的 数值精确关联到生成它的原始数据集。本站点正是为了填补这一空白。每篇文章都附带 可运行、带类型注解的 Python 代码、符合 AIAG 和 NIST 标准的公式，以及会破坏 实际 pipeline 的边缘情况处理 —— 变动的子组大小、浮点精度陷阱、时间戳错位，以及 误报风暴。 它是专为正在实现质量 stack 自动化的**质量工程师、制造运营团队、Six Sigma 实践者和 Python 数据分析师**编写的。 ## 内容概览 本库分为四个领域，涵盖了从原始遥测数据到记录在案的应对措施的 SPC pipeline： | 领域 | 涵盖内容 | |------|----------------| | **[SPC 基础与控制图分类](https://www.statistical-process-control.org/spc-fundamentals-control-chart-taxonomy/)** | 选择合适的控制图 —— X-bar/R、X-bar/S、I-MR、属性图 (p/np/c/u)、EWMA/CUSUM —— 推导符合 AIAG 标准的控制限，并在已验证的稳定性基础上评估工序能力 (Cp/Cpk/Pp/Ppk)。 | | **[自动化控制图生成与计算](https://www.statistical-process-control.org/automated-control-chart-generation-calculation/)** | 向量化控制限引擎、动态 Plotly 渲染、滚动窗口重校准、Nelson/Western Electric 规则检测，以及 Airflow 编排。 | | **[制造数据摄取与预处理](https://www.statistical-process-control.org/manufacturing-data-ingestion-preprocessing/)** | MES/SCADA 连接器、时间序列对齐、缺失值策略、异常值过滤，以及 fail-closed 批次验证。 | | **[SPC 告警与 OCAP 响应](https://www.statistical-process-control.org/spc-alerting-and-ocap-response/)** | 将失控信号转化为行动 —— 路由至工单系统和 MES、失控应对计划 (OCAP)、通知渠道，以及告警风暴控制。 | ## 从这里开始 以下是一些最详尽的实操演示： - [在 Python 中计算 X-bar/R 控制限](https://www.statistical-process-control.org/spc-fundamentals-control-chart-taxonomy/x-bar-r-chart-implementation/how-to-calculate-control-limits-for-x-bar-r-charts-in-python/) - [在 Python 中实现 Nelson 规则](https://www.statistical-process-control.org/automated-control-chart-generation-calculation/out-of-control-rule-detection-nelson-western-electric/implementing-nelson-rules-in-python/) - [在 Python 中构建 OCAP 决策表](https://www.statistical-process-control.org/spc-alerting-and-ocap-response/out-of-control-action-plans-ocap/building-an-ocap-decision-table-in-python/) - [滚动窗口控制限重校准](https://www.statistical-process-control.org/automated-control-chart-generation-calculation/rolling-window-limit-recalibration/) ## 基于标准构建 每个参考资料均可复现并引用自来源：**AIAG SPC 参考手册**、**ISO 9001:2015**、 **IATF 16949**、**ASTM E2587**，以及 **NIST/SEMATECH 工程统计学手册**。 ## 关于本仓库 本仓库包含 [statistical-process-control.org](https://www.statistical-process-control.org) 的源代码， 这是一个使用 [Eleventy](https://www.11ty.dev/) 构建并部署在 Cloudflare Pages 上的静态站点。内容以 Markdown 格式存放在 `src/content/` 下，包含手工编写的内联 SVG 图表、KaTeX 公式，以及在每个页面上 结构化的 [Schema.org](https://schema.org) JSON-LD。 ``` npm install # install dependencies npm run build # build the static site into _site/ npm run serve # local dev server with live reload ``` ## 贡献与反馈 欢迎提交 Issue 和建议 —— 开启一个 issue 以提供更正、申请特定主题，或分享您希望涵盖的 实际边缘场景。 © Statistical Process Control · [statistical-process-control.org](https://www.statistical-process-control.org)

标签：Python, 制造业, 工业物联网, 数据管道, 无后门, 统计分析, 质量工程, 软件工程, 过程控制, 逆向工具, 防御加固