过程能力分析

要解决什么问题

生产线上的测量数据往往堆在 CSV 或 Excel 里，规格上下限（USL/LSL）由工艺文件给出，但 CP、CPK、PPM 等指标需要按统一公式从样本分布里算出来；还要判断过程是否稳定、是否值得做正态假设，并产出能进报告的控制图与能力图。手工在表格里套公式容易漏项，也不方便做多特性对比。

技能如何工作

本技能把流程拆成可复用的脚本调用，典型路径如下：

1. 数据导入：文件路径走 data_io.py（CSV/Excel，单列或多列数值）；若用户直接贴数据则解析为列表。
2. 过程能力计算：process_capability.py 输出 CP、CPK、CPu、CPl、PPM、过程均值、标准差等；sigma-level 默认 3 表示 3σ 原则。
3. 分布拟合（可选）：同一脚本支持拟合，便于在能力指数之外看分布形态。
4. 可视化：quality_charts.py 可生成控制图、直方图、能力图等；连续测量值按时间顺序排列时，控制图会标出异常点。
5. 导出：data_io.py 将结果写回文件，便于归档或二次分析。

多列质量特性可批量处理（例如用 --columns 指定多列），并配合对比表与能力雷达图做横向比较。指标含义与公式细节可参考技能内的 references/metrics_guide.md。

适用边界与注意点

• USL/LSL 必须由用户明确提供；未给规格限时，技能只输出统计描述，不算过程能力指数。
• 样本量建议 ≥30；少于 20 个点时结果仅供参考。
• 做分布拟合前，建议先做正态性检验（如 K-S 检验）。
• 控制图假设数据按时间顺序排列，顺序错误会导致误判稳定性。
• 计算前请处理缺失值，否则指标可能失真。