质量工具与数据分析

测试只是手段，用数据推动改善才是 DQE 的核心能力。

DQE 体系见 DQE 概览与验证体系；问题定位见失效分析。

本页按三段式走：先看常用工具与分工（概念）→ 再按数据分析、良率与 DOE 落地（会用）→ 最后弄清"为什么先看分布""为什么管趋势不管合格"（原理）。

一、质量工具全景

工具	用途	阶段
5Why	连续追问找根因	问题分析
鱼骨图（因果图）	罗列可能原因	问题分析
FMEA	事前识别风险	设计/工艺前期
8D	系统化问题解决	问题闭环
SPC	过程稳定性监控	量产
DOE	实验设计找最优参数	改善/优化
QC 七大手法	基础数据分析	通用

二、FMEA：事前预防的核心工具

FMEA（Failure Mode and Effects Analysis，失效模式与影响分析）：在设计阶段预判"可能怎么坏、后果多严重"。

类型	对象	时机
DFMEA	设计（Design）	设计阶段
PFMEA	过程（Process）	工艺设计阶段

核心参数

参数	含义	范围
S（严重度 Severity）	后果严重程度	1-10
O（发生度 Occurrence）	发生概率	1-10
D（探测度 Detection）	被发现的难易（越难发现分值越高）	1-10
RPN	风险优先数 = S × O × D	1-1000

判定逻辑：

RPN 高 → 优先改善
S 高（如 ≥9）→ 无论 RPN 高低都必须处理（安全风险）

FMEA 表格要点

列	内容
功能/要求	这个部件做什么
失效模式	可能怎么坏
失效影响	对整机/用户的影响
S / O / D	三项评分
RPN	乘积
建议措施	改善动作
责任人/期限	谁、何时
改善后 S/O/D	复评

DQE 常用 DFMEA 提前指出设计薄弱点，把问题消灭在样机之前。

三、SPC：过程能力监控

SPC（Statistical Process Control） 用控制图监控生产过程的稳定性。

⚠️ 过程能力 ≠ 测量能力：Cp/Cpk 描述的是生产过程，而测量本身另有不确定度与容差比（TUR）问题；两者混谈会把测量误差当成过程波动（见测量不确定度与判定规则）。抽样方案（AQL / LTPD / OC 曲线）见抽样与验收方案。

概念	说明
控制图（Control Chart）	监控关键参数的时序波动
UCL / LCL	控制上限/下限（±3σ）
Cp	过程能力（规格宽度 / 6σ）
Cpk	考虑中心偏移的过程能力

Cpk 判定参考

Cpk	判定
≥ 1.33	✅ 过程能力良好（常见要求）
1.00 - 1.33	⚠️ 勉强可接受
< 1.00	❌ 能力不足，需改善

Cpk 与规格的关系：Cpk 高说明"过程又稳又居中"，是量产的硬指标。

能力指数的完整口径：Cp / Cpk / Ppk

三个指数各看一件事，混用就会得出矛盾结论：

指数	反映什么	说明
Cp	潜在能力：只看离散程度	不含中心偏移，是"理论上限"
Cpk	实际能力：离散 + 中心偏移	量产常用的硬指标
Ppk	长期表现：含时间与批次带来的中心漂移	更接近"长期实际感受到的"

四个使用要点：

① 稳定在先：控制图显示过程不受控时，算出的能力指数没有意义（先稳后能）
② 单侧规格：只给上限或下限时用单边形式，不要硬套双侧公式
③ Cpk 与 Ppk 的差距是信息：差距大 = 中心随时间或批次漂移，
   也可能是子组划分掩盖了漂移（把漂移"平均"掉了）
④ 样本与分布：样本太少、分布明显非正态时，指数只能作粗略参考

场景	更常看
试产 / 小批量（时间短、批次少）	Ppk（看实际表现）
量产（过程受控、样本充足）	Cpk（看持续能力）
改善前后对比	两者都看，重点看差距是否收敛

⚠️ 能力指数描述的是"过程相对于规格的位置与离散"，不评价规格本身是否合理 —— 规格定得对不对，是判据与验收的问题；而"测量本身能不能分辨这些差异"，是测量系统分析（MSA）与 Gage R&R 的问题。

四、数据分析方法（进阶）

1. Weibull 分析

用途：分析失效时间分布，判断失效类型、预测寿命。

形状参数 β	失效特征
β < 1	早期失效（递减失效率）
β ≈ 1	随机失效（恒定失效率）
β > 1	磨耗失效（递增失效率）

应用：老化数据 → 判断是"设计缺陷（早期）"还是"正常磨损"。

2. MTBF（平均无故障时间）

概念	说明
MTBF	相邻两次故障间的平均时间
计算方式	总运行时间 / 失效次数（或按标准模型推算）
意义	可靠性指标（非"寿命"）

⚠️ 常见误解：MTBF ≠ 使用寿命。MTBF 是统计指标，不代表"到那个时间就会坏"。

3. 加速寿命测试（ALT）

用更高应力（温度/电压/湿度）加速失效，再推算正常条件下的寿命。

阿伦尼乌斯模型（温度加速）：

AF = exp[ (Ea/k) × (1/T_use - 1/T_stress) ]
AF：加速因子，Ea：激活能，k：玻尔兹曼常数，T：绝对温度

要点	说明
Ea（激活能）	由已知数据拟合，不同失效机理不同
局限性	只对温度主导的失效有效
前提	加速前后失效机理必须一致

五、良率分析（量产相关）

指标	说明
直通率（FPY）	一次通过率
良率（Yield）	合格品 / 总产出
DPPM	每百万件缺陷数
不良分布	按缺陷类型/位置统计（帕累托图）

帕累托（80/20）法则

不良数
 │██████████  缺陷A（60%）
 │██████      缺陷B（25%）
 │██          缺陷C（10%）
 │█           其他
 └──────────────→ 缺陷类型

用法：优先解决占 80% 的那 20% 问题。

六、DOE：实验设计（进阶）

DOE（Design of Experiments）：用最少的实验次数找出关键因子与最优参数。

方法	说明
全因子试验	所有组合都做（准确但次数多）
正交试验	用正交表挑选代表性组合（经济）
响应面（RSM）	找最优参数区域

典型应用：

绑定参数（温度/压力/时间）优化
散热结构参数优化
工艺窗口确定

结果怎么读（三条）

要点	说明
看因子，也看交互	两个因子的组合效果可能不等于各自效果相加 —— 只做主效应分析会漏掉关键结论
区分显著与噪声	差异是否大于试验本身的波动（重复性）？否则"更好"可能只是碰巧
区分相关与因果	未纳入的第三个变量同时影响两者时，表象会误导（这是"混杂"）

⚠️ 两条常见坑：把"正交表试验"当成"只要一次就能定参数"—— 它给的是关键因子，最优区域仍需验证；以及改动两个以上变量同时进行，出问题后无法归因。试验次序与随机化也要记录（同判据留痕的理由）。

✅ 与计量的衔接：试验里"差异是否显著"的判断依赖测量不确定度 —— 见测量不确定度与判定规则。

七、质量工具的组合使用

① 事前：FMEA 识别风险 → 设计规避
        ↓
② 验证：可靠性测试 → 数据采集
        ↓
③ 分析：5Why / 鱼骨图 / Weibull → 找根因
        ↓
④ 闭环：8D 报告 → 永久对策
        ↓
⑤ 监控：SPC / Cpk → 量产稳定性
        ↓
⑥ 优化：DOE → 持续改进

八、原理：先看分布、SPC 管趋势、DOE 的效率

（一）为什么"先看分布，再看均值"

质量数据的分布通常是**偏斜**的，且问题主要出在尾部：
   多数样本靠近目标，少数明显超差（对应"用户能看见"的那部分）
→ 只看均值会造成两种误判：
   ① 均值达标但尾部有可见缺陷 → 投诉仍然发生
   ② 两组数据均值相同、分布不同 → 实际质量差很多
→ 因此正确的读法是"分布 + 尾部 + 极值"，
   与 [判据与验收](criteria-and-acceptance.md)、[评测与测量基础](review-and-measurement-basics.md)
  的"必须同时报平均与最差"完全一致

（二）为什么 SPC 管的是"趋势"而不是"合格"

"合格"是结果，是滞后的；"受控"是过程，是前瞻的：
   只看是否超线 → 必须在问题已经出现后才能发现
   看趋势与偏移（控制图）→ 能在超线之前发现异常并干预
→ 两者的差别就是"救火"与"防火"：
   制程/产线的判据因此优先写"是否受控"（见 [面板制程总览](panel-manufacturing-overview.md)
   第三节的制程判据）
→ 推论：**没有趋势记录的"合格"无法区分"稳定"与"运气"**

（三）为什么 DOE 比"逐个试"更高效

多因子系统的特点是**存在交互作用**：
   改变 A 的效果依赖 B 的水平（例如亮度提升的效果依赖环境照度）
→ 逐个试（一次只动一个）会：
   ① 无法发现交互
   ② 试验次数随因子数急剧增加
→ DOE 的做法是设计一组覆盖各因子水平的组合实验，
   用统计方法同时估计主效应与交互效应
→ 与 [失效分析](failure-analysis.md) 的"单变量"并不矛盾：
   **排查阶段用单变量（确认根因），优化阶段用 DOE（找最优组合）**，
   两者的目标不同

📋 判据接口：本页属判据与治理类 —— 依此页结论做判定时，除通用条件外还必须附带判据字段集 · 判据与治理类所列字段（共 7 项）：这条判据能不能执行、能不能复现、边界在哪？缺任一项，结论不可复核，只能作降级表述。

关键概念速查

术语	英文	含义
失效模式与影响分析	FMEA	事前风险识别
风险优先数	RPN	S×O×D
统计过程控制	SPC	过程监控
过程能力指数	Cpk	过程能力
平均无故障时间	MTBF	可靠性指标
加速寿命测试	ALT	高应力推算寿命
加速因子	AF	应力加速倍数
实验设计	DOE	优化参数
直通率	FPY	一次通过率
8D	—	问题解决流程

质量工具与数据分析 ​

一、质量工具全景 ​

二、FMEA：事前预防的核心工具 ​

核心参数 ​

FMEA 表格要点 ​

三、SPC：过程能力监控 ​

Cpk 判定参考 ​

能力指数的完整口径：Cp / Cpk / Ppk ​

四、数据分析方法（进阶） ​

1. Weibull 分析 ​

2. MTBF（平均无故障时间） ​

3. 加速寿命测试（ALT） ​

五、良率分析（量产相关） ​

帕累托（80/20）法则 ​

六、DOE：实验设计（进阶） ​

七、质量工具的组合使用 ​

八、原理：先看分布、SPC 管趋势、DOE 的效率 ​

关键概念速查 ​

相关文档 ​