过程控制 / SPC
SPC 与 CPK：让控制图的异常信号被及时读懂
简要回答
SPC 本身是成熟的统计方法，难点在于数据分散、抽样不规范、异常信号没人解读。把 MES 与检测设备数据汇总后，AI 助手可以辅助判断控制图的判异规则触发、关联同期的换班、换料和设备事件，但分组方式和能力指数的前提假设必须由质量工程师确认。
几乎所有汽车和电子制造企业都被客户要求提供 CPK 或 PPK 数据，常见的门槛是关键特性的 CPK 不低于 1.33，新过程的 PPK 要求更高，具体数值以客户规定为准。现实中很多工厂的 CPK 是在审核前临时用 Excel 算出来的，抽样方式随意，数据甚至经过挑选。
真正有价值的 SPC 应当是在线的：数据自动采集，控制图实时刷新，异常触发后有人响应。这需要 MES 或数据采集系统、量具接口和 ERP 中的产品与工序主数据共同配合。AI 在这里的作用是解读与关联，而不是替代统计计算。
CPK 数字好看却不可信的几种情形
CPK 的计算前提是过程稳定、数据近似正态且分组合理。如果过程本身不受控，计算出的指数没有预测意义；如果把不同设备、不同模具腔、不同班次的数据混在一起，会掩盖真实波动；如果样本量太少或只取了连续生产的短时间数据，结果会偏乐观。
另外，测量系统本身的变异也会影响结论。没有做过量具重复性与再现性（GR&R）研究的数据，其能力分析可信度要打折扣。
- 数据混合了多台设备或多个型腔，实际分布是多峰的
- 只取了稳定时段的数据，没有包含换模、换料和换班
- 没有先用控制图确认过程受控就直接计算 CPK
- 测量系统未验证，量具分辨率不足
- 对单边规格或非正态分布仍套用正态公式
数据从哪里来：MES、量具与 ERP 的对接
在线 SPC 通常需要三类数据：来自量具、三坐标或在线检测设备的测量值；MES 中的工单、设备、模具、班次和操作员信息；ERP 或 QMS 中的特性规格、公差和控制计划。后两类用来做分层，前一类是核心数据。
我们的做法是以只读方式读取这些数据，按特性和工序建立统一视图，计算控制图和能力指数仍使用确定性的统计程序，AI 只在结果之上做解释、关联和问答，避免让语言模型直接做数值计算而产生错误。
AI 能做什么：异常解读与分层关联
当控制图触发判异规则，例如点超出控制限、连续多点在中心线同一侧、趋势性上升或下降，助手可以同时拉取该时间段的换模记录、物料批次变更、设备报警和操作员交接，给出可能的关联项和需要核实的问题清单，让班组长不必在多个系统之间来回找。
它也可以用自然语言回答质量工程师的临时问题，比如某特性最近四周按设备分层的 CPK 对比、哪个型腔最接近规格限，并附上查询依据，便于复核。
- 判异规则触发后自动汇总同期事件
- 按设备、型腔、班次、物料批次分层比较能力指数
- 周报与月报中的文字解读草稿
- 把异常与既有 8D 或纠正措施记录关联
私有部署与现场响应
生产数据和产品规格属于核心工艺信息。推荐把模型部署在工厂内网的 GPU 服务器上，分析在本地完成。若现场网络分区严格，可以把分析服务放在 MES 同一网段，只输出汇总结果。
SPC 的价值最终取决于现场响应。系统可以把提醒推送给责任人，但反应计划（例如停线、隔离、扩大检验）应当按照控制计划执行，并由人确认，不建议由模型自动触发停线。
什么时候用现成 SPC 软件就够了
如果你们的量具已经接入成熟的 SPC 软件，且控制图和能力报告满足客户要求，没有必要再加一层。AI 更适合用在跨系统关联和问答上，也就是解决「图表有了但没人解释」的问题。
想先自己验证计算，可以使用 netray.co/tools 上的免费英文 SPC 与 CPK 计算模板，对照自己的数据检查前提假设，再决定是否自动化。
常见问题
CPK 和 PPK 有什么区别？
CPK 使用组内变异估计，反映过程受控时的短期能力；PPK 使用总体变异，包含组间波动，更适合初始过程研究。客户通常对两者有不同的接受准则，应以客户要求为准。
AI 会直接计算 CPK 吗？
不会。数值计算应使用确定性的统计程序，AI 只负责解释结果、关联事件和回答问题，这样可以避免语言模型的计算错误。
非正态数据怎么办？
需要先检验分布，必要时使用非正态方法或数据转换，这是统计判断，由质量工程师决定。助手可以提示数据可能偏离正态，但不应自行选择方法。
没有在线采集，只有手工记录可以吗？
可以先从手工记录的电子表格开始，导入后做分层分析，但数据质量和抽样规范性会限制结论。长期建议接入量具实现自动采集。
数据能留在厂内吗？
可以。开源权重模型和分析服务都可部署在厂内服务器，对 MES 和 ERP 只读，无需把测量数据上传到外部。
相关指南
FMEA 不再是一次性文件：用 ERP 与 MES 数据让 PFMEA 持续更新
用 ERP 与 MES 的真实不良、返工、客诉数据更新 DFMEA 和 PFMEA，AI 辅助评分与控制计划联动，模型可私有化部署。
ERP / PLM / QMSPPAP 提交包与 IATF 16949 审核：用 AI 核对 ERP 数据与资料一致性
整理 PPAP 提交包与 APQP 节点资料，用 AI 核对 ERP、BOM 与检验数据的一致性，适合汽车零部件企业，私有化部署。
ERP / MES / QMS首件检验：在换线与换模的那一刻守住第一道关
把首件检验纳入工单与换线流程，用 ERP、MES 数据核对工艺版本和检验项目，AI 辅助生成首件报告，本地部署。
ERP / WMS / QMS来料检验 IQC：用历史数据决定抽多少、查什么、追哪家供应商
用 ERP 收货与检验记录优化 IQC 抽样、不良追溯和供应商评分，AI 辅助分析来料趋势，数据本地部署不出厂。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。