DolphinDB质量实时监控：SPC统计过程控制

七夜zippoe2026-07-09 8:21

目录

摘要

本文深入讲解DolphinDB质量实时监控技术。从SPC原理到控制图绘制，从过程能力分析到异常检测，从质量告警到持续改进，全面介绍SPC统计过程控制的核心方法。通过丰富的代码示例，帮助读者掌握质量实时监控的核心技能。

一、SPC概述

1.1 什么是SPC

SPC（Statistical Process Control）统计过程控制是一种质量控制方法：
#mermaid-svg-mx6WEyzkog9eCVUN{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-mx6WEyzkog9eCVUN .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-mx6WEyzkog9eCVUN .error-icon{fill:#552222;}#mermaid-svg-mx6WEyzkog9eCVUN .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-mx6WEyzkog9eCVUN .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-mx6WEyzkog9eCVUN .marker{fill:#333333;stroke:#333333;}#mermaid-svg-mx6WEyzkog9eCVUN .marker.cross{stroke:#333333;}#mermaid-svg-mx6WEyzkog9eCVUN svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-mx6WEyzkog9eCVUN p{margin:0;}#mermaid-svg-mx6WEyzkog9eCVUN .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-mx6WEyzkog9eCVUN .cluster-label text{fill:#333;}#mermaid-svg-mx6WEyzkog9eCVUN .cluster-label span{color:#333;}#mermaid-svg-mx6WEyzkog9eCVUN .cluster-label span p{background-color:transparent;}#mermaid-svg-mx6WEyzkog9eCVUN .label text,#mermaid-svg-mx6WEyzkog9eCVUN span{fill:#333;color:#333;}#mermaid-svg-mx6WEyzkog9eCVUN .node rect,#mermaid-svg-mx6WEyzkog9eCVUN .node circle,#mermaid-svg-mx6WEyzkog9eCVUN .node ellipse,#mermaid-svg-mx6WEyzkog9eCVUN .node polygon,#mermaid-svg-mx6WEyzkog9eCVUN .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-mx6WEyzkog9eCVUN .rough-node .label text,#mermaid-svg-mx6WEyzkog9eCVUN .node .label text,#mermaid-svg-mx6WEyzkog9eCVUN .image-shape .label,#mermaid-svg-mx6WEyzkog9eCVUN .icon-shape .label{text-anchor:middle;}#mermaid-svg-mx6WEyzkog9eCVUN .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-mx6WEyzkog9eCVUN .rough-node .label,#mermaid-svg-mx6WEyzkog9eCVUN .node .label,#mermaid-svg-mx6WEyzkog9eCVUN .image-shape .label,#mermaid-svg-mx6WEyzkog9eCVUN .icon-shape .label{text-align:center;}#mermaid-svg-mx6WEyzkog9eCVUN .node.clickable{cursor:pointer;}#mermaid-svg-mx6WEyzkog9eCVUN .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-mx6WEyzkog9eCVUN .arrowheadPath{fill:#333333;}#mermaid-svg-mx6WEyzkog9eCVUN .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-mx6WEyzkog9eCVUN .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-mx6WEyzkog9eCVUN .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-mx6WEyzkog9eCVUN .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-mx6WEyzkog9eCVUN .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-mx6WEyzkog9eCVUN .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-mx6WEyzkog9eCVUN .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-mx6WEyzkog9eCVUN .cluster text{fill:#333;}#mermaid-svg-mx6WEyzkog9eCVUN .cluster span{color:#333;}#mermaid-svg-mx6WEyzkog9eCVUN div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-mx6WEyzkog9eCVUN .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-mx6WEyzkog9eCVUN rect.text{fill:none;stroke-width:0;}#mermaid-svg-mx6WEyzkog9eCVUN .icon-shape,#mermaid-svg-mx6WEyzkog9eCVUN .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-mx6WEyzkog9eCVUN .icon-shape p,#mermaid-svg-mx6WEyzkog9eCVUN .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-mx6WEyzkog9eCVUN .icon-shape .label rect,#mermaid-svg-mx6WEyzkog9eCVUN .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-mx6WEyzkog9eCVUN .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-mx6WEyzkog9eCVUN .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-mx6WEyzkog9eCVUN :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} SPC控制
数据采集
统计分析
控制图
异常检测
过程改进

1.2 控制图类型

控制图 数据类型 说明
X-bar R图 计量值 均值-极差图
X-bar S图 计量值 均值-标准差图
P图 计数值 不合格率图
C图 计数值 缺陷数图

1.3 控制限

控制限 公式 说明
UCL μ + 3σ 上控制限
CL μ 中心线
LCL μ - 3σ 下控制限

二、数据准备

2.1 质量数据表

python 复制代码 
// 质量数据表
share streamTable(100000:0, 
    `product_id`device_id`timestamp`measurement`spec_min`spec_max,
    [SYMBOL, SYMBOL, TIMESTAMP, DOUBLE, DOUBLE, DOUBLE]) as quality_stream

// 启用持久化
enableTablePersistence(quality_stream, true, true, 1000000)

2.2 分布式存储

python 复制代码 
// 创建分布式表
db = database("dfs://quality_db", VALUE, 1..100)
schema = table(1:0, 
    `product_id`device_id`timestamp`measurement`spec_min`spec_max,
    [SYMBOL, SYMBOL, TIMESTAMP, DOUBLE, DOUBLE, DOUBLE])
db.createPartitionedTable(schema, `quality_data, `device_id)

// 订阅写入
subscribeTable(, "quality_stream", "persist", -1,
    def(msg) {
        loadTable("dfs://quality_db", "quality_data").append!(msg)
    }, 10000, 5000)

三、控制图计算

3.1 X-bar R控制图

python 复制代码 
// X-bar R控制图计算
def calculateXbarRChart(deviceId, subgroupSize = 5) {
    // 获取数据
    data = select measurement
           from quality_stream
           where device_id = deviceId
           order by timestamp
    
    // 分组
    n = data.rows()
    groupCount = n / subgroupSize
    
    // 计算各组均值和极差
    xbar = array(DOUBLE, 0)
    r = array(DOUBLE, 0)
    
    for (i in 0..groupCount) {
        start = i * subgroupSize
        end = (i + 1) * subgroupSize - 1
        groupData = data.measurement[start:end]
        
        xbar.append!(avg(groupData))
        r.append!(max(groupData) - min(groupData))
    }
    
    // 计算控制限
    xbarMean = avg(xbar)
    rMean = avg(r)
    
    // X-bar控制限（A2因子）
    A2 = 0.577  // n=5时的A2值
    UCL_xbar = xbarMean + A2 * rMean
    LCL_xbar = xbarMean - A2 * rMean
    
    // R控制限（D3, D4因子）
    D3 = 0      // n=5时的D3值
    D4 = 2.114  // n=5时的D4值
    UCL_r = D4 * rMean
    LCL_r = D3 * rMean
    
    return dict(STRING, ANY, [
        ["xbar", xbar],
        ["r", r],
        ["xbarMean", xbarMean],
        ["rMean", rMean],
        ["UCL_xbar", UCL_xbar],
        ["LCL_xbar", LCL_xbar],
        ["UCL_r", UCL_r],
        ["LCL_r", LCL_r]
    ])
}

3.2 P控制图

python 复制代码 
// P控制图（不合格率）
def calculatePChart(deviceId, subgroupSize = 100) {
    // 获取数据
    data = select measurement, spec_min, spec_max
           from quality_stream
           where device_id = deviceId
           order by timestamp
    
    // 判断合格
    data[`qualified] = data.measurement >= data.spec_min and data.measurement <= data.spec_max
    
    // 分组计算不合格率
    n = data.rows()
    groupCount = n / subgroupSize
    
    p = array(DOUBLE, 0)
    
    for (i in 0..groupCount) {
        start = i * subgroupSize
        end = (i + 1) * subgroupSize - 1
        groupData = data[start:end]
        
        defectCount = sum(not groupData.qualified)
        p.append!(defectCount * 1.0 / subgroupSize)
    }
    
    // 计算控制限
    pMean = avg(p)
    UCL = pMean + 3 * sqrt(pMean * (1 - pMean) / subgroupSize)
    LCL = max(0, pMean - 3 * sqrt(pMean * (1 - pMean) / subgroupSize))
    
    return dict(STRING, ANY, [
        ["p", p],
        ["pMean", pMean],
        ["UCL", UCL],
        ["LCL", LCL]
    ])
}

四、过程能力分析

4.1 过程能力指数

python 复制代码 
// 过程能力指数计算
def calculateProcessCapability(deviceId) {
    // 获取数据
    data = select measurement, spec_min, spec_max
           from quality_stream
           where device_id = deviceId
    
    // 计算统计量
    mean = avg(data.measurement)
    std = std(data.measurement)
    USL = avg(data.spec_max)
    LSL = avg(data.spec_min)
    
    // Cp指数
    Cp = (USL - LSL) / (6 * std)
    
    // Cpk指数
    Cpu = (USL - mean) / (3 * std)
    Cpl = (mean - LSL) / (3 * std)
    Cpk = min(Cpu, Cpl)
    
    // Pp指数
    Pp = (USL - LSL) / (6 * std)
    
    // Ppk指数
    Ppu = (USL - mean) / (3 * std)
    Ppl = (mean - LSL) / (3 * std)
    Ppk = min(Ppu, Ppl)
    
    return dict(STRING, ANY, [
        ["mean", mean],
        ["std", std],
        ["Cp", Cp],
        ["Cpk", Cpk],
        ["Pp", Pp],
        ["Ppk", Ppk]
    ])
}

4.2 过程能力评价

python 复制代码 
// 过程能力评价
def evaluateProcessCapability(Cpk) {
    if (Cpk >= 1.67) {
        return "优秀"
    } else if (Cpk >= 1.33) {
        return "良好"
    } else if (Cpk >= 1.0) {
        return "合格"
    } else if (Cpk >= 0.67) {
        return "不足"
    } else {
        return "严重不足"
    }
}

五、异常检测

5.1 控制图规则

python 复制代码 
// Western Electric规则检测
def detectAnomalies(deviceId) {
    chart = calculateXbarRChart(deviceId)
    xbar = chart["xbar"]
    UCL = chart["UCL_xbar"]
    LCL = chart["LCL_xbar"]
    CL = chart["xbarMean"]
    
    anomalies = array(STRING, 0)
    
    // 规则1：超出控制限
    for (i in 0..xbar.size()) {
        if (xbar[i] > UCL or xbar[i] < LCL) {
            anomalies.append!("点" + string(i) + "超出控制限")
        }
    }
    
    // 规则2：连续7点在中心线一侧
    for (i in 0..xbar.size() - 7) {
        above = sum(xbar[i:i+7] > CL)
        below = sum(xbar[i:i+7] < CL)
        
        if (above == 7 or below == 7) {
            anomalies.append!("点" + string(i) + "-" + string(i+6) + "连续7点在中心线一侧")
        }
    }
    
    // 规则3：连续6点递增或递减
    for (i in 0..xbar.size() - 6) {
        increasing = true
        decreasing = true
        
        for (j in 0..5) {
            if (xbar[i+j] >= xbar[i+j+1]) {
                increasing = false
            }
            if (xbar[i+j] <= xbar[i+j+1]) {
                decreasing = false
            }
        }
        
        if (increasing or decreasing) {
            anomalies.append!("点" + string(i) + "-" + string(i+5) + "连续6点趋势")
        }
    }
    
    return anomalies
}

5.2 实时异常检测

python 复制代码 
// 实时异常检测
share table(1:0, 
    `detect_time`device_id`anomaly_type`value,
    [TIMESTAMP, SYMBOL, STRING, DOUBLE]) as spc_anomaly

// 订阅检测
subscribeTable(, "quality_stream", "spc_detect", -1,
    def(msg) {
        for (row in msg) {
            // 检查是否超出规格
            if (row.measurement < row.spec_min or row.measurement > row.spec_max) {
                insert into spc_anomaly values (
                    now(), row.device_id, "out_of_spec", row.measurement
                )
            }
        }
    }, true)

六、质量告警

6.1 SPC告警规则

python 复制代码 
// SPC告警规则
spcAlertRules = table(
    ["out_of_control", "low_capability", "trend_anomaly"] as rule_name,
    [1, 0, 1] as threshold,
    [2, 2, 3] as alert_level
)

// 检查SPC告警
def checkSpcAlerts(deviceId) {
    alerts = array(STRING, 0)
    
    // 检查控制图异常
    anomalies = detectAnomalies(deviceId)
    if (anomalies.size() > 0) {
        alerts.append!("控制图异常: " + concat(anomalies, ", "))
    }
    
    // 检查过程能力
    capability = calculateProcessCapability(deviceId)
    if (capability["Cpk"] < 1.0) {
        alerts.append!("过程能力不足: Cpk=" + string(capability["Cpk"]))
    }
    
    return alerts
}

七、实战案例

7.1 完整SPC监控系统

python 复制代码 
// ========== SPC统计过程控制系统 ==========

// 1. 创建数据表
share streamTable(100000:0, 
    `product_id`device_id`timestamp`measurement`spec_min`spec_max,
    [SYMBOL, SYMBOL, TIMESTAMP, DOUBLE, DOUBLE, DOUBLE]) as quality_stream

enableTablePersistence(quality_stream, true, true, 1000000)

// 2. 创建分布式表
db = database("dfs://quality_db", VALUE, 1..100)
schema = table(1:0, 
    `product_id`device_id`timestamp`measurement`spec_min`spec_max,
    [SYMBOL, SYMBOL, TIMESTAMP, DOUBLE, DOUBLE, DOUBLE])
db.createPartitionedTable(schema, `quality_data, `device_id)

// 3. 订阅写入
subscribeTable(, "quality_stream", "persist", -1,
    def(msg) {
        loadTable("dfs://quality_db", "quality_data").append!(msg)
    }, 10000, 5000)

// 4. SPC异常表
share table(1:0, 
    `detect_time`device_id`anomaly_type`value,
    [TIMESTAMP, SYMBOL, STRING, DOUBLE]) as spc_anomaly

// 5. 实时检测
subscribeTable(, "quality_stream", "spc_detect", -1,
    def(msg) {
        for (row in msg) {
            if (row.measurement < row.spec_min or row.measurement > row.spec_max) {
                insert into spc_anomaly values (
                    now(), row.device_id, "out_of_spec", row.measurement
                )
            }
        }
    }, true)

// 6. 模拟数据
def generateMockQuality() {
    while (true) {
        data = table(
            "P" + string(rand(1000, 10)) as product_id,
            take(1..10, 10) as device_id,
            take(now(), 10) as timestamp,
            rand(95.0..105.0, 10) as measurement,
            take(90.0, 10) as spec_min,
            take(110.0, 10) as spec_max
        )
        quality_stream.append!(data)
        sleep(5000)
    }
}

submitJob("mock_quality", "模拟质量数据", generateMockQuality)

// 7. SPC分析接口
def getSpcAnalysis(deviceId) {
    capability = calculateProcessCapability(deviceId)
    chart = calculateXbarRChart(deviceId)
    
    return dict(STRING, ANY, [
        ["capability", capability],
        ["controlChart", chart]
    ])
}

addFunctionView(getSpcAnalysis)

print("SPC统计过程控制系统启动完成")

八、总结

本文详细介绍了DolphinDB质量实时监控SPC：

  1. SPC原理：控制图、控制限
  2. 控制图计算：X-bar R图、P图
  3. 过程能力：Cp、Cpk、Pp、Ppk
  4. 异常检测：控制图规则、实时检测
  5. 质量告警：告警规则、告警推送

思考题：

  1. 如何选择合适的控制图类型？
  2. 如何提高过程能力？
  3. 如何实现SPC的自动化？

参考资料

相关推荐
七夜zippoe3 天前
DolphinDB生产指标监控：KPI实时计算
监控·生产指标·kpi·dolphindb·实时 计算
七夜zippoe22 天前
DolphinDB WebSocket接入：实时数据流
网络·websocket·网络协议·dolphindb·实时数据流
七夜zippoe24 天前
DolphinDB HTTP API接入：RESTful数据推送
网络协议·http·api·restful·dolphindb
七夜zippoe25 天前
DolphinDB Modbus协议接入：PLC数据采集
网络·数据采集·plc·modbus·dolphindb
七夜zippoe1 个月前
DolphinDB OPC-UA协议接入：工业标准通信
网络·通信·dolphindb·工业标准·opc-ua
七夜zippoe1 个月前
DolphinDB MQTT协议接入：工业设备数据采集
运维·mqtt·dolphindb·工业设备·协议接入
七夜zippoe1 个月前
DolphinDB机器学习函数：内置ML能力
人工智能·机器学习·ml·dolphindb·内置
七夜zippoe1 个月前
DolphinDB分布式计算：MapReduce模
大数据·分布式·mapreduce·dolphindb·计算
七夜zippoe1 个月前
DolphinDB向量化计算：高性能数据处理
算法·dolphindb
热门推荐
012026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？022026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf03AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路042026 年 AI 大模型 & AI 编程工具实战全总结05AI科技热点日报 | 2026年07月01日06GitHub 镜像站点07【AI】2026 年具身智能模型和世界模型总结082026 AI 编程工具选型横评：Cursor / Claude Code / Trae / Copilot 到底选谁（建议收藏·避坑版）09Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析102026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片