硬件批量生产质量控制指南：SPC过程能力分析与MSA量具R&R实战

批量生产的质量保证由两件事共同决定：过程是否处于统计受控状态，以及测量数据本身是否可信。缺少前者，抽检合格只是偶然；缺少后者，所有计算都建立在一把刻度不准的尺子上。本文以嵌入式硬件（PCBA、RTU远程终端、变送器类产品）的批量生产为背景，给出控制图判异、Cp/Cpk与Pp/Ppk计算、量具重复性与再现性（R&R）分析的完整落地方法，并附控制图常数表与两组可复算的算例。

1 场景：从样机到批量，一致性取代了功能成为主要风险

样机阶段工程师关心的是功能是否跑通，批量阶段客户关心的是第 1000 台与第 1 台是否一样。以工业现场大量使用的 4～20mA 变送器与 RTU 采集终端为例，同一张 BOM、同一套固件，出厂后仍会出现零点漂移、通信偶发丢包、绝缘耐压边缘失效等分散性故障。这些故障的共同特征是：单台检测全部合格，成批使用却按比例出问题。分散性故障的根源不在设计，而在过程的波动与测量的误差。

沧州本地有大量电热设备、仪表与工业控制柜企业，产品批量不大但客户对一致性的要求很高。对这些企业而言，SPC（统计过程控制）与 MSA（测量系统分析）并不是一张体系证书，而是把售后返修率压下来的具体手段。

2 困惑：抽检合格为什么不能证明过程受控

最常见的三个误判都来自同一类混淆：把“产品合格”等同于“过程受控”，把“过程能力”等同于“过程性能”，把“仪器读数”等同于“真值”。

• 误判一：用 Cp 去评价一个不稳定的过程。Cp 的定义只对统计受控的过程成立，若过程均值仍在缓慢漂移（如锡炉温度随炉膛积碳逐日上移），Cp 再高也没有意义，因为分布中心随时会越出规格限。
• 误判二：用样本标准差 S 计算 Cp。过程固有变差应由子组内变差估计（R̄/d₂），样本标准差 S 包含了特殊原因造成的漂移，得到的是 Pp 而不是 Cp。两者差一个数量级时，说明过程存在可查明的特殊原因。
• 误判三：量具误差吃掉公差。若量具 R&R 占总变差的 40%，那么产品读数中有相当部分来自量具而非产品。此时无论如何调机，Cpk 都不会真正改善。

3 问题：如何把“过程受控”与“数据可信”分开管住

答案是两套互补的工具链。控制图回答“过程的波动是否只由普通原因造成”，它决定要不要停机查特殊原因；过程能力指数回答“受控状态下的波动相对公差是否够小”，它决定工艺余量是否足够；而 MSA 回答“用来判断的这把尺子是否够准”，它决定前两个结论能不能被信任。三者的执行顺序是先做 MSA，再建控制图，最后算能力指数，顺序颠倒会让后续所有结论失去意义。

4 答案一：控制图的 3σ 判异原理与常数表

1924 年，美国贝尔实验室的休哈特（W. A. Shewhart）首创控制图，依据是正态分布的一条重要结论：不论均值 μ 与标准差 σ 取何值，计量值质量数据落在 (μ−3σ, μ+3σ) 区间内的概率为 99.73%，落在区间外的概率仅 0.27%；换算到单侧，点子超出某一控制界限的概率只有 1.35‰。正因为这么小的概率在正常生产中基本不会发生，一旦出现超界点，就有理由判定过程出现了异常，而不是随机波动。

把正态分布曲线旋转 90°，再以 μ 为中心线、μ±3σ 为上下控制界限，就得到了最经典的休哈特控制图。X̄-R 图是计量值场合使用最广的组合：X̄ 图监控过程中心，R 图监控过程波动，两者必须同时受控。控制限由子组极差均值 R̄ 与常数计算得到，常用常数如下表。

控制限的计算式为：R 图上限 UCL_R = D₄ × R̄、下限 LCL_R = D₃ × R̄；X̄ 图控制限 X̄ ± A₂ × R̄，其中 R̄ 为各子组极差的平均值。当子组容量小于 7 时 D₃ 取 0，即极差图没有下限，这一点在讲义与《常规控制图》国家标准 GB/T 4091 中一致。

工程提示：休哈特控制图是按 3σ 原则设计的。如果没有特殊的技术理由去选用其他控制界限，应采用 3σ 界限，不要为了“图好看”而随意放宽或收紧控制限。

除单点超界外，下列图形同样判定过程出现特殊原因：连续 7 点位于中心线同一侧；连续 6 点单调递增或递减；连续 3 点中有 2 点落在 2σ 以外；连续 14 点交替上下。控制图的价值不在于画出上下两条线，而在于发现上述模式后立刻触发反应计划：停线、隔离、查因、纠正、验证后再恢复。

5 答案二：Cp/Cpk 与 Pp/Ppk 的边界

过程能力指数衡量公差宽度与过程波动宽度的比值。这里的波动宽度必须来自过程固有变差，即仅由普通原因造成的那部分变差，可通过控制图的 R̄/d₂ 估计；而过程总变差由普通原因和特殊原因共同造成，用所有单值读数算出的样本标准差 S 估计。两者的区别决定了四个指数的适用范围。

CPU 与 CPL 分别描述上、下侧的余量：CPU = (USL−X̄)/(3σ)，CPL = (X̄−LSL)/(3σ)，Cpk 取二者中的较小值，因此 Cpk 永远不大于 Cp。若 Cp 明显高于 Cpk，说明波动本身不大，问题出在过程中心偏离规格中心，此时正确的动作是调整工艺中心值而不是压缩波动。IATF 16949 体系下常见的接收准则是关键特性 Cpk ≥ 1.33，安全与法规相关特性 Cpk ≥ 1.67，新品试产阶段可先以 Ppk ≥ 1.33 作为过渡判据。

5.1 算例：锡炉温度为何“能力够但中心偏”

某回流焊/波峰焊工序的锡炉温度规格为 245±5℃，即 USL=250℃、LSL=240℃。每 2 小时取一个子组、每子组连续测 5 点（n=5，d₂=2.326），24 组数据算得 X̄=247.5℃、R̄=3.0℃。

σ = R̄ / d₂ = 3.0 / 2.326 = 1.290 ℃
Cp  = (250 − 240) / (6 × 1.290) = 10 / 7.739 = 1.29
CPU = (250 − 247.5) / (3 × 1.290) = 2.5 / 3.870 = 0.65
CPL = (247.5 − 240) / (3 × 1.290) = 7.5 / 3.870 = 1.94
Cpk = min(0.65, 1.94) = 0.65

Cp=1.29 看似合格，Cpk 却只有 0.65，原因是过程中心比规格中心高了 2.5℃。若同一批数据的总标准差 S=1.55℃（含炉膛积碳造成的日间漂移），则 Pp=10/(6×1.55)=1.08、Ppk=min(0.54, 1.61)=0.54。Cpk 与 Ppk 同时偏低且 Ppk 更低，说明既有中心偏移，也有尚未查明的特殊原因，处理顺序应是先排查特殊原因使过程受控，再把中心调回 245℃，而不是直接放宽公差。

6 答案三：量具 R&R 的均值极差法与判定准则

测量系统分析的核心结论是：总变差 = 量具变差 + 零件变差。量具变差由两部分合成，重复性（EV）指同一评价人用同一量具多次测量同一零件同一特性得到的变差，本质是设备自身性能；再现性（AV）指不同评价人用相同量具测量同一零件时测量均值的变差，本质是人的影响。两者合成即量具 R&R（GRR），等于系统内部方差与系统之间方差之和。

均值极差法（X&R 法）是最常用的工程方法：现场抽取 10 个零件作为样本，代表过程变差的实际或预期范围；指定 3 位生产中实际执行测量的检验人员作为评价人；零件编号不得让评价人看到；每位评价人按随机顺序测量这 10 个零件 2～3 次，并互不知道对方结果。数据收集完成后按下列步骤计算。

随后代入 AIAG MSA 手册（均值极差法）给出的系数计算六项指标。系数本身来自 5.15/d₂* 的关系：2 次试验 K₁=4.56，3 次试验 K₁=3.05；2 名评价人 K₂=K₃=3.65，3 名评价人 K₂=K₃=2.70。

EV  = R̄ × K₁                    = 0.50 × 4.56 = 2.28
AV  = √( (X_diff × K₂)² − EV²/(n × r) )
    = √( (1.20 × 2.70)² − 2.28²/20 )
    = √( 10.50 − 0.26 )        = 3.20
GRR = √( EV² + AV² )           = √( 5.20 + 10.24 ) = 3.93
PV  = R_p × K₃                  = 4.00 × 2.70 = 10.80
TV  = √( GRR² + PV² )          = √( 15.44 + 116.64 ) = 11.49
%EV = 2.28/11.49 = 19.8%     %AV = 3.20/11.49 = 27.8%
%GRR = 3.93/11.49 = 34.2%    %PV = 10.80/11.49 = 94.0%
ndc = 1.41 × PV / GRR = 3.9 → 3 （可区分类别数）

计算结果对应的接收准则为：误差低于 10% 测量系统可接受；10%～30% 之间需结合特性重要度、量具成本与维修费用判断，可能可接受；大于 30% 则测量系统需要改进，必须查明原因并纠正。上例 %GRR=34.2%、可区分类别数仅 3（通常要求 ≥5），判定为不合格，且 %AV 高于 %EV，说明主要矛盾在评价人之间的操作差异，应先统一测量基准、夹持方式与读数方法并重新培训，而不是更换量具。

6.1 重复性与再现性异常的排查方向

需要注意的是，均值极差法忽略了零件内部的变差（如圆度、锥度、平面度），因此对形状公差要求高的零件，应改用嵌套式或 ANOVA 法。计数型特性（如端子压接后的外观判定、绝缘耐压的通过与否）则采用属性一致性分析，用 Kappa 值评价评价人与基准的一致性，准则同样是 Kappa ≥ 0.75 为可接受。

7 答案四：嵌入到硬件量产流程中的落地顺序

把三套工具串成一条可执行的产线动作，顺序如下：识别关键特性并确定规格限，选定量具并先完成 R&R 验收，再采集 20～25 组子组数据建立初始控制限，确认受控后计算 Cpk 并纳入日常巡检。任何一项关键特性的量具 R&R 超过 30%，该特性的控制图与能力指数都不具备判读价值。

把上述计算固化成脚本可以避免手工填表出错。下面的 Python 片段实现了能力指数与量具 R&R 的计算，输入与实际报表一致，可直接用于日常复核。

# Cp/Cpk 与量具 R&R（均值极差法）计算示例
import math

D2 = {2: 1.128, 3: 1.693, 4: 2.059, 5: 2.326, 6: 2.534, 7: 2.704, 8: 2.847, 10: 3.078}

def cp_cpk(usl, lsl, xbar, rbar, n):
    sigma = rbar / D2[n]
    cp  = (usl - lsl) / (6 * sigma)
    cpu = (usl - xbar) / (3 * sigma)
    cpl = (xbar - lsl) / (3 * sigma)
    return cp, min(cpu, cpl), sigma

def gage_rr(rbar, x_diff, r_p, parts, appraisers, trials):
    K1 = {2: 4.56, 3: 3.05}[trials]
    K2 = {2: 3.65, 3: 2.70}[appraisers]
    ev  = rbar * K1
    av  = math.sqrt(max((x_diff * K2) ** 2 - ev ** 2 / (parts * trials), 0.0))
    grr = math.hypot(ev, av)
    pv  = r_p * K2
    tv  = math.hypot(grr, pv)
    ndc = int(1.41 * pv / grr)
    return ev, av, grr, tv, 100 * grr / tv, ndc

cp, cpk, sigma = cp_cpk(250.0, 240.0, 247.5, 3.0, 5)
print("Cp=%.2f  Cpk=%.2f  sigma=%.3f" % (cp, cpk, sigma))

ev, av, grr, tv, pct_grr, ndc = gage_rr(0.50, 1.20, 4.00, 10, 3, 2)
print("EV=%.2f AV=%.2f GRR=%.2f TV=%.2f %%GRR=%.1f%% ndc=%d"
      % (ev, av, grr, tv, pct_grr, ndc))

运行结果与手算一致：Cp=1.29 Cpk=0.65 sigma=1.290，EV=2.28 AV=3.20 GRR=3.93 TV=11.49 %GRR=34.2% ndc=3。脚本化之后，每批数据只需替换 R̄、X_diff、R_p 三个输入即可得到判定结论，把工程师的时间留给查因与纠偏。

8 小结

批量硬件质量的抓手只有三个：先用 MSA 把量具 R&R 压到 10% 以内，保证数据可信；再用 3σ 控制图识别特殊原因，保证过程受控；最后用 Cpk 与 Ppk 判断工艺余量，保证能力充足。三者的执行顺序不能颠倒，任一环节不合格都会让后续结论失效。这套方法适用于 PCBA、RTU 终端、变送器等任何需要批量一致性的嵌入式硬件产品，也是把售后返修率转化为可管理指标的最短路径。

本文基于《SPC统计-过程能力》《SPC统计过程控制》《测量系统分析-R&R》（TS16949/IATF 16949 核心工具培训资料）等技术资料整理优化，控制图常数与接收准则参照 AIAG MSA 手册及 GB/T 4091《常规控制图》相关规定。

---

还想接着看

• 硬件 DFMEA 可靠性设计实战——在批量生产之前，用失效模式分析把设计缺陷提前挑出来，与本文的统计工具形成前后呼应。
• 嵌入式开发流程指南——从需求到量产的完整节点划分，理解 SPC 与 MSA 在流程中的插入位置。
• SiC 功率模组失效分析与测试——失效分析是特殊原因排查的最后一环，可看到实测数据如何支撑结论。