3. 关键质量特性（CTQ）识别：从客户需求到CTQ的转化、CTQ树图构建方法
在Metric Design驱动误差预算校准的流程中，关键质量特性（CTQ）是连接“客户之声（VOC）”与“技术量化指标”的桥梁。CTQ识别不准确，后续的误差预算分配将失去基准，校准阈值也会偏离真实使用场景。本节聚焦于如何系统化地将模糊的客户需求转化为可测量、可控制的CTQ，并通过树图实现结构化分解。
3.1 从客户需求到CTQ的转化路径
客户需求通常以非技术语言表达（如“拍照清晰”“续航持久”），而CTQ必须是可量化、可测量、可统计的工程参数。转化过程遵循“VOC → 关键需求 → CTQ”的逐级映射逻辑。
| 阶段 | 输入 | 输出 | 典型方法 |
|---|---|---|---|
| VOC采集 | 客户访谈、投诉、调研 | 原始需求语句 | 亲和图、KJ法 |
| 需求分类 | 原始需求语句 | 关键需求项（CR） | Kano模型、优先级矩阵 |
| CTQ定义 | 关键需求项 | 可测量CTQ指标 | QFD、功能展开 |
| CTQ验证 | CTQ指标 | 测量系统分析（MSA） | GR&R、偏倚线性 |
关键原则：CTQ必须满足“SMART”准则——具体（Specific）、可测量（Measurable）、可达成（Achievable）、相关（Relevant）、有时限（Time-bound）。例如“拍照清晰”应转化为“在100 lux光照下，MTF50 ≥ 0.6 lp/pixel”。
3.2 CTQ树图构建方法
CTQ树图（CTQ Tree）是一种自上而下的结构化分解工具，将高层级客户需求逐层拆解为可操作的子CTQ，直至每个叶子节点都能直接对应测量项或控制参数。构建过程通常包含三个层级：需求层 → 驱动因素层 → 测量指标层。
3.2.1 构建步骤
- 确定顶层CTQ：从VOC中提取最关键的1~3个客户需求，作为树根。
- 分解驱动因素：针对每个顶层CTQ，识别影响其表现的主要物理/功能驱动因素（通常3~5个）。
- 定义测量指标：为每个驱动因素分配至少一个可量化的测量指标，并明确规格限或目标值。
- 验证可测性：确认叶子节点指标是否具备现有测量能力，否则需补充测量系统或调整分解。
3.2.2 CTQ树图示例（内联SVG）
以下SVG展示了一个针对“高精度定位”需求的CTQ树图分解结构，涵盖从客户需求到具体测量指标的完整映射。
3.3 CTQ树图在误差预算中的角色
CTQ树图不仅是需求分解工具，更是误差预算分配的骨架。每个叶子节点的CTQ指标都对应一个误差源或误差分量，其规格限直接决定了该分支的预算上限。在后续章节中，我们将基于CTQ树图进行误差预算的逐层分配与校准。
实践要点：
- CTQ树图深度通常控制在3~4层，过深会导致测量成本激增，过浅则无法定位具体误差源。
- 每个叶子节点必须关联一个测量系统，并完成GR&R分析（%GR&R ≤ 30%）。
- CTQ树图应随产品迭代或客户需求变更进行动态维护，而非一次性产出。
3.4 CTQ识别常见误区与避坑
| 误区 | 表现 | 后果 | 纠正措施 |
|---|---|---|---|
| CTQ过粗 | 直接使用“精度”“可靠性”作为CTQ | 无法分配误差预算，测量无方向 | 分解至可测量指标（如MTF、标准差） |
| CTQ过细 | 分解到工艺参数（如螺丝扭矩） | 测量成本高，偏离客户感知 | 聚焦于最终性能指标，而非过程参数 |
| 忽略相关性 | 各CTQ独立定义，未考虑耦合 | 误差预算重复分配或冲突 | 使用相关性矩阵或协方差分析 |
| 缺乏优先级 | 所有CTQ同等对待 | 资源分散，关键特性未受控 | 基于客户权重或失效模式排序 |
3.5 从CTQ到误差预算的映射示例
以下SVG展示了CTQ树图如何直接映射到误差预算分配结构，体现“需求→指标→预算”的完整链路。
注意：CTQ树图中的每个叶子节点必须与误差预算中的一个独立误差分量对应。如果出现一个CTQ对应多个误差源，或一个误差源影响多个CTQ，则需要引入耦合矩阵进行解耦，否则预算校准将产生系统性偏差。
3.6 小结
CTQ识别是Metric Design驱动误差预算校准的起点。通过系统化的VOC→CTQ转化和树图构建，团队能够将模糊的客户需求转化为可测量、可分配、可校准的工程指标。下一阶段将基于CTQ树图进行误差预算的逐层分配与阈值校准，确保每个误差源都在可控范围内。