CP控制计划技能

CP控制计划专业技能

任务目标

• 本技能用于：支持质量工程师完成CP（Control Plan）控制计划的编制、分析与优化
• 能力包含：结构化模板生成、数据导入分析、风险预警、可视化展示、版本管理指导
• 触发条件：用户需要创建/审查控制计划、执行过程能力分析、识别潜在质量风险或生成质量报告

前置准备

• 依赖说明：pandas、openpyxl、numpy、matplotlib
• 数据文件准备：支持CSV或Excel格式的质量数据文件，包含测量值、规格限、过程参数等字段

操作步骤

1. 模板生成（智能体执行）

1.1 确定控制计划范围

• 识别关键过程步骤（从过程流程图中提取）
• 确定特殊特性（SC）和关键特性（CC）
• 确认测量系统分析（MSA）需求

1.2 填充控制计划要素

每个过程步骤需包含：

• 过程编号与名称
• 过程描述（输入、输出、设备、工装）
• 关键产品特性（KPC）与关键过程参数（KPP）
• 特性编号、规格限、测量方法
• 控制方法（防错、检验、统计过程控制）
• 反应计划与纠正措施
• 职责分配

1.3 生成结构化文档

调用智能体生成完整的控制计划文档，确保符合IATF 16949或行业标准格式。

2. 数据导入与分析（脚本处理）

2.1 数据导入

python scripts/cp_data_analyzer.py --input <数据文件路径> --format  --output ./cp_analysis_result.json

2.2 数据验证与清洗

脚本自动执行：

• 缺失值检测与处理
• 异常值识别（3σ原则或IQR方法）
• 数据类型校验
• 规格限验证

2.3 关键参数提取

脚本输出包含：

• 质量特性列表及其统计参数（均值、标准差、CPK）
• 规格限与控制限
• 过程能力指数（CP、CPK、PP、PPK）
• 风险评估值（RPN）

3. 风险预警分析（脚本处理）

3.1 风险评估计算

python scripts/cp_risk_analyzer.py --input ./cp_analysis_result.json --method  --threshold  --output ./cp_risk_result.json

3.2 风险等级判定

• 严重度（S）：1-10分，基于缺陷后果
• 频度（O）：1-10分，基于失效概率 -探测度（D）：1-10分，基于检测难度
• RPN = S × O × D

3.3 智能预警生成

脚本根据以下规则自动识别潜在变异点：

• CPK < 1.0：过程能力不足，需立即改善
• CPK 1.0-1.33：过程能力勉强，需要监控
• 连续5点中有2点超出2σ：存在趋势异常
• 连续8点在中心线同一侧：存在漂移

4. 版本管理与协作（智能体指导）

4.1 版本控制原则

• 主版本号：重大结构变更时递增
• 次版本号：内容更新时递增
• 修订号：小幅修改时递增
• 命名格式：CP-{零件号}-V{主}.{次}.{修订}

4.2 协作流程

1. 创建：发起人创建初始控制计划
2. 审核：质量工程师进行技术审核
3. 批准：质量经理批准发布
4. 分发：按受控文件流程分发
5. 变更：通过正式变更申请（ECN）流程

4.3 协作工具建议

• 飞书文档：实时协作编辑
• Git：版本追踪与变更管理
• PDF+电子签：正式批准流程

5. 可视化展示（脚本处理）

5.1 生成可视化图表

python scripts/cp_visualizer.py --input ./cp_analysis_result.json --output ./cp_charts/ --chart 

5.2 图表类型

• CPK仪表盘：各质量特性的过程能力指数对比
• 控制图：X-bar、R、S等控制图展示过程稳定性
• 分布图：直方图展示数据分布与规格限关系
• 风险热力图：RPN值分布可视化

5.3 图表输出

• PNG格式图片文件
• 分辨率：300 DPI
• 支持批量生成与单图生成

使用示例

示例1：新建控制计划

• 场景/输入：用户需要为新零件创建控制计划，提供过程流程图和特殊特性清单
• 预期产出：完整的CP控制计划文档，包含所有过程步骤和控制要素
• 关键要点：确认关键特性与控制方法，建立合理的抽样方案

示例2：过程能力分析

• 场景/输入：用户提供过去30天的测量数据（CSV格式）
• 预期产出：数据分析报告，包含CPK指数、风险预警、控制建议
• 关键要点：数据需包含测量值、规格上下限、时间戳

python scripts/cp_data_analyzer.py --input ./quality_data.csv --format csv --output ./result.json
python scripts/cp_risk_analyzer.py --input ./result.json --method fmea --threshold 100 --output ./risk.json

示例3：控制计划可视化

• 场景/输入：已完成数据分析，需要生成可视化报告
• 预期产出：一组PNG图表，展示CPK、控制图、分布图
• 关键要点：先生成分析结果，再进行可视化

mkdir -p ./cp_charts
python scripts/cp_visualizer.py --input ./result.json --output ./cp_charts/ --chart all

资源索引

• 数据分析脚本：见 scripts/cp_data_analyzer.py（用途：导入CSV/Excel数据，提取质量特性，计算统计参数；参数：--input, --format, --output）
• 风险预警脚本：见 scripts/cp_risk_analyzer.py（用途：FMEA风险分析，识别潜在变异点，生成预警；参数：--input, --method, --threshold, --output）
• 可视化脚本：见 scripts/cp_visualizer.py（用途：生成CPK仪表盘、控制图、分布图等；参数：--input, --output, --chart）
• CP模板指南：见 references/cp_template_guide.md（何时读取：需要详细了解CP控制计划结构要素或参考行业标准模板时）

注意事项

• 数据分析前需确认数据格式与字段命名符合规范
• 风险预警阈值可根据行业标准或企业内部标准调整
• 可视化图表建议用于报告展示，详细分析仍需查看JSON结果
• 版本管理与协作功能需结合企业实际流程使用
• 脚本运行需要Python 3.8+环境

TRACE 测评