分析过程

例3.1 计算英语成绩高于60分的学生的数学和语文的平均成绩。

零件和材料不稳定、设计不合理、供应商和生产部门存在问题。

如果你在做统计过程控制(SPC)时，会遇到一些比较具体的挑战，比如说，如何单边控制图的情况下计算 Cp 和 Cpk？嗯，这其实是一个常见的问题，但答案也不复杂。单边控制图其实就是指只能监控一个方向的变动，比如只关心上限或下限的超标。计算 Cp 和 Cpk 时，你得重点关注那个有实际限制的方向。例如，当只有上限时，Cp 和 Cpk 的计算就会侧重于如何控制过程变动以避免超标，而不再是对称的上下控制区间。这个可以通过几个工具来完成，其中有些工具了相当便捷的计算方式。你可以参考一下几个相关的资源，它们会你更好地理解和应用这些控制图的计算方法。

统计过程控制里的统计稳定状态，讲白了就是过程有没有跑偏。只要图上没有“出圈”的点，就算是统计稳定状态，靠的是控制图的判异准则来判断。技术稳定状态呢，更贴近业务和客户需求，要看Cp、Cpk这些指标，才知道你这工艺靠不靠谱。这块我还挺推荐几个文章的，像单边控制图 SPC 过程能力，讲得比较细。还有R 控制图，用起来简单直观，适合初学者上手。过程监控方面，用控制图监控过程也还不错，图例清楚，能快速定位异常。不过要注意，统计稳定≠技术稳定，别混着用了。一个过程就算数据稳定，也根本不达标。如果你做品质控制或制程，蛮建议把SPC和过程能力一起看，搭配用更靠谱。

过程受控的一般依据：连续25个数据点在控制界限内，连续35个数据点中只有1个超出控制界限，连续100个数据点中不超过2个超出控制界限。

t值是数据中出现次数最多的数值。2. t值不受极值的影响。3. t值可能存在没有众数或多个众数的情况。4. t值适用于计量数据和计数型数据。

计数型控制图的 SPC 过程能力用起来还挺方便的，尤其是做质量监控那块。Pn 图、P 图、C 图、U 图这几种图型，各有侧重，统计方式也不一样。比如P 图主要看不良率，适合批量检测；而C 图则偏向统计单件产品的缺陷数，更适合产品的内在问题。做得细，才更准。界限计算那块也不用太担心，网上资源挺多的，像MATLAB和SAS都有现成的教程支持。如果你是用MATLAB画图的，还可以看看那个离散图学习资源，讲得比较清楚，省事不少。另外，还有不少扩展内容，比如Redis相关的思维导图，还有一些图形选择和布局的教程，也能在项目展示阶段派上用场。像是数据的时候，图清晰才更有说服力，对吧？如果你正好做质量统计，

极差=34； 分为10组； 控制上线=164.5； 中央线=158.5； 控制下线=152.5。 数据分布在8个区中，其中34个数据在区6中。

Spark任务执行过程的详细解析

SPC 的生产过程统计工具，用起来还挺顺手的。它不是那种一上来就给你堆一堆公式的工具，而是把流程拆得细，比如从原料、人机法环这些关键要素入手，每一步都能追踪数据，异常趋势一目了然。 操作方式也比较直观，数据录入和图表呈现都挺清爽的，不复杂。你只要把关键控制点的测量数据录进去，系统自动就能给你画出趋势图，像X-Bar 图、R 图这些都有。嗯，响应也快，适合现场快速决策。 还支持过程能力，像你要看 Cp、Cpk 这些值，直接点几下就出来了。适合用在你做首件、巡检或者交付前的最终检验上。想追根溯源时，看个控制图就能知道问题是偶发还是系统性的。 如果你对 SPC 还不是熟，可以顺便看看下面这几篇文章：