SPC 控制图分析

解决的问题

生产过程中的尺寸、温度、缺陷数等数据往往只有均值和极差，难以快速判断过程是否受控、波动是否漂移、异常点来自哪里。这个技能面向制造业过程数据，提供从 Excel 到 SPC 报告的分析链路，把常见的控制图绘制、判异和过程能力计算收敛到一次脚本调用中。

工作方式

技能会先识别数据是计量型还是计数型，再选择 Xbar-R、Xbar-S、I-MR、P、C、U 等控制图。随后调用 scripts/spc_analysis.py 执行分析，核心能力包括：

• 控制图生成：输出包含 SVG 图表的 HTML 报告。
• Nelson 判异：识别异常点并解释触发规则。
• 稳定性与能力评估：在提供 USL、LSL 时计算 Cp/Cpk 等指标。
• 历史对比：对比近期均值、标准差、异常点数量和稳定性变化。

适用边界

适合同一特性的连续多周期监控，例如产品直径、温度、批次缺陷率。不适合跨特性混用同一上下文；如果数据对象发生变化，建议新开对话。若未提供规格限，技能主要关注过程稳定性，而不是判定是否满足规格要求。