AIAG-VDA SPC 助手

旧版 SPC 与新版标准之间的落差

很多团队仍在用 AIAG SPC 第二版 里的 A2/D3/D4 常数和 Cp/Cpk、Pp/Ppk 两套指数做控制图与能力报告。而 AIAG-VDA 第三版 与 ISO 22514 已把控制限改为各统计量的精确分布分位数（如 R 图的 w 分布、σ 图的 χ²、计数的二项/泊松），能力指数扩展为四族（含 Pm/Pmk 机器放行、Cw/Cwk 诊断用），并引入时间相关模型 A/B/C/D 与非正态的 z-分数/通用几何法。若用户明确要求「按第三版、不用 A2/D4 近似」，或要做机器性能、精确 p/u 图，就需要按新规范走完整流程，而不是在旧公式上打补丁。

技能如何完成一次分析

本技能通过带锁的收集流程保证报告抬头与数据契约一致：身份三件套（过程/零件/特性）、数据（计量矩阵或单列、计数 1/2 列，引擎解析后回显 k、n 与建议 Form）、规格限（双侧/单侧/无规格），必要时补图纸值与选填批信息；N%n≠0 等硬错误会直接阻断分析。

计算由自包含引擎 scripts/spc_v2_engine.py（numpy/scipy）完成，产出控制限、Nelson 1–8 判异、Anderson-Darling 正态性、时间模型、能力四族与稳态判定；智能体再按 21 要素模板生成结构化报告（控制图/链图/概率图、能力四色卡等）。计量图用精确 ±3σ 等价分位数；计数型避免正态近似，用 BINOM.INV / 泊松分位数；非正态走 Form B/C 与分位数或 z-分数路径。

边界与硬规则

• 不稳态则 Cp/Cpk 等为 NA，须先消除特殊原因再评能力，不可为「好看」破例。
• Cw/Cwk 仅诊断，不得写入正式能力报告。
• MSA 只做描述性说明，不现场算 GRR；量化需另用 MSA 工具。
• 机器性能研究建议 N≥50；子组分析通常建议 k≥20。