社区问答

样本是对总体的估计，样本量越大，随机抽样误差越小，估计越稳定、检验的功效越高，越不容易把真实差异漏掉或被偶然波动误导。但样本量也不是越大越好，过大的样本会增加成本，且可能把统计上显著但业务上无意义的微小差异也检验出来。合理做法是在检验前根据期望差异、显著性水平和检验功效计算所需样本量。

控制图的上下控制限（UCL/LCL）通常由过程自身数据按统计公式计算，常见的均值图控制限取中心线 ±3 倍的标准差估计，中心线一般为过程均值。关键要区分：控制限是根据过程数据算出来的，用于判断过程是否稳定；规格限是产品或客户规定的，用于判断是否合格。两者来源和含义完全不同，不能混用，也不能把控制限画成规格线。

看过程能力结果，先确认数据是否受控、是否近似正态，再看 Cp、Cpk（短期）和 Pp、Ppk（长期）等指标，同时结合直方图相对规格上下限的位置。重点关注：分布是否居中、有无超出规格、Cpk 是否达到目标值、过程能力直方图的形态。若过程未稳定或测量系统不可靠，过程能力指数没有意义，应先解决前置问题。

Cpk 1.33 大致对应过程能力指数为 4 西格玛水平的经验门槛，在不少行业被视为过程能力基本可接受的标志；更高要求（如 1.67）对应更严的场景。但 1.33 不是绝对标准，它是经验值。是否采用、采用哪个数值，取决于产品特性、客户规范和行业要求（如汽车行业对关键特性往往要求更高）。比记住门槛更重要的是理解 Cpk 的计算口径和它反映的能力。

GRR（重复性与再现性）占总变异的百分比常用作衡量测量系统能否接受的参考，常见经验准则是：占比低于约 10% 通常认为可接受，处于 10% 到 30% 之间视特性重要性有条件接受，超过 30% 通常认为不可接受。这些是经验参考值，并非绝对标准，具体判定应以 MSA 手册和客户规范为准，同时结合分辨率、ndc（可区分类别数）和测量过程实际情况综合判断。

中心极限定理指出，在样本量足够大时，样本均值的分布会近似服从正态分布，即使原始数据本身不完全正态。这是很多参数检验和过程能力分析在大样本下仍然适用的理论基础。对实践而言，它意味着当样本量较大时，可以用基于正态分布的方法对均值进行推断；但样本量小或数据严重偏态时，仍需检查正态性或改用其他方法。