SPC · FMEA · DOE · CPK · MSA · 8D · PDCA 等核心质量管理工具的系统介绍与应用指南。
通过统计方法监控生产过程，在问题发生前识别异常趋势，实现预防性质量控制。是现代制造业中应用最广泛的过程控制工具。
最常用的变量控制图，同时监控过程均值和极差变化，适用于分组连续数据的生产过程监控。
单值-移动极差控制图，适用于每批只有一个数据、检测成本高或生产周期长的场景。
不合格品率控制图，适用于计数值数据的比例监控，样本量可以不固定。
衡量过程满足规格要求的能力，CPK≥1.33为基本要求，CPK≥1.67为优秀水平。
在产品设计阶段和过程开发阶段系统识别潜在失效模式，评估风险优先级（RPN），并制定预防与控制措施。是"事前预防"理念的核心落地工具。
在设计阶段分析产品可能的功能失效，评估严重度(S)、发生度(O)、检测度(D)，计算RPN=S×O×D并制定改进措施。
分析制造过程中每个工序可能的失效模式及其影响，在工装设计、工艺设计阶段就做好预防。
2019年起推行的七步法：策划准备→结构分析→功能分析→失效分析→风险分析→优化→结果文件化。采用行动优先级(AP)替代RPN。
评估测量系统的准确性与精确性，确保数据可靠。"如果测量系统本身不可靠，所有基于数据的决策都将失去意义。"
量化测量系统的变异来源（人员变异+设备变异），%GR&R≤10%为可接受，10%-30%视情况判定，>30%不可接受。
偏倚指测量平均值与参考值的差异；线性指在量程范围内偏倚的一致性。两者共同衡量测量系统的准确性。
适用于目测检查等定性判定场景，评估不同检验员之间以及与标准判定的一致性（Kappa系数）。
通过系统性安排实验，以最少试验次数找出影响质量的关键因子及其最优水平组合。是解决复杂质量问题的核心方法论。
测试所有因子所有水平组合，信息最完整但试验次数多（2^k或3^k）。适用于因子数≤4的场景。
只测试全因子实验的一个子集（如2^(k-1)），以牺牲高阶交互信息为代价大幅减少试验次数。适用于筛选关键因子。
在找到关键因子后，通过中心复合设计等方案拟合响应曲面，找出最优参数组合。是参数优化的核心工具。
利用正交表和信噪比，以较少试验次数实现产品或过程的稳健性设计，使输出对噪声因子不敏感。
起源于福特汽车的结构化问题解决方法，从临时围堵到永久预防，是处理客户投诉与重大质量问题的标准流程。
建立具备相关知识和授权的小组
以"何事/何地/何时/程度"清晰定义
实施临时措施，保护客户不受影响
用鱼骨图+5Why找出根本原因
验证并选定最佳永久纠正措施
实施永久措施并持续监控效果
更新FMEA/控制计划/标准化文件
复盘总结，认可团队贡献
不同场景下如何选择和使用合适的工具
先用SPC确保过程受控，计算CPK评估能力
在分析数据前，用MSA确认测量系统可靠
用FMEA在设计/工艺阶段识别并预防潜在失效
用DOE找出关键因子的最优水平组合
用8D或PDCA系统性处理质量异常与客户投诉