过程能力(minitab教程)

Process Capability Analysis for Supp1
Process Data USL Target LSL Mean Sample N StDev (Within) StDev (Overall) 602.000 600.000 598.000 599.548 100 0.576429 0.620865
在过程处于统计控制状态之后，即生产比较稳定时，你很可能希望知道过程 能力，也即满足规格界限和生产良品的能力。你可以将过程变差的宽度与规格界 限的差距进行对比来片段过程能力。 在评价其能力之前， 过程应该处于控制状态， 否则，你得出的过程能力的估计是不正确的。 你可以画能力条形图和能力点图来评价过程能力， 这些图形可以帮助你评价 数据的分布并验证过程是否受控。你还可以计算过程指数，即规范公差与自然过 程变差的比值。过程指数是评价过程能力的一个简单方法。因为它们无单位， 你 可以用能力统计量来比较不同的过程。 一、选择能力命令（ Choosing a capability command ） Minitab 提供了许多不同的能力分析命令，你可以根据数据的属性及其分布 来选择适当的命令。你可以为以下几个方面进行能力分析： � 正态或 Weibull 概率模型( 适合于测量数据) � 很可能来源于具有明显组间变差的总体的正态数据 � 二项分布或泊松概率分布模型 (适合于属性数据或计数数据) 注： 如果你的数据倾斜严重，你可以利用 Box-Cox 转换或使用 Weibull 概率 模型。 在进行能力分析时，选择正确的分布是必要的。例如： Minitab 提供基于正 态和 Weibull 概率模型的能力分析。使用正态概率模型的命令提供更完整的一系 列的统计量，但是你的数据必须近似服从正态分布以保证统计量适合于这些数 据。举例来说， Analysis (Normal) 利用正态概率模型来估计期望的 PPM。这些 统计量的结实依赖于两个假设： 数据来自于稳定的过程， 且近似服从的正态分布。 类似地，Capability Analysis (Weibull) 利用 Weibull 分布模型计算 PPM 。在两种 情况下，统计的有效性依赖于假设的分布的有效性。 如果数据倾斜严重， 基于正态分布的概率会提供对实际的超出规格的概率做 比较差的统计。这种情况下，转化数据使其更近似于正态分布，或为数据选择不 同的概率模型。 在 Minitab 中， 你可以用 “Box-Cox power transformation ” 或 Weibull 概率模型。Non-normal data 对这两个模型进行了比较。 如 果 你 怀 疑 过 程 具 有 较 明 显 的 组 间 变 差 ， 使 用 Capability Analysis (Between/Within) 或 Capability Sixpack (Between/Within) 。子组内部的随机误差之 上，子组数据可能还有子组之间的随机变差。对子组变差的两个来源的理解可以 为 过 程 潜 在 能 力 提 供 更 实 际 的 估 计 。 Capability Analysis (Between/Within) 和 Capability Sixpack (Between/Within) 计算了组间和组内标准差，然后再估计长期 的标准差。 Minitab 还为属性数据和计数数据进行能力分析，基于二项分布和泊松概率 模型。例如：产品可以根据标准判定为合格和不合格( 使用 Capability Analysis (Binomial)). 。 你 还 可 以 根 据 缺 陷 的 数 量 进 行 分 类 ( 使 用 Capability Analysis
Observed Performance PPM < LSL 10000.00 PPM > USL 0.00 PPM Total 10000.00
[结果分析 ] 如果你想解释过程能力统计量，数据应该近似服从正态分布。这个要求得到 了满足，这点可以从带正态曲线的条形图上看出来。 但是你可以发现过程均值(599.548) 比目标值低， 切分布的左边落在了下规范 界限之外。这个均值意味着你有些时候可以看到不符合最低规范（598mm ）的零 件。 Cpk 指数表明过程是否可以生产在公差界限内的产品。供应商 1 的 CPK 为 0.90，表明他们需要通过减少变差和向目标值靠拢来改善其过程。 同样， Likewise, PPM < LSL—每百万零件中质量特性值低于下规范界限的零 件数—是 3621.06.。这意味着大约 3621 个零件不满足下规范界限（598mm ） 。 既然供应商 1 是你最好的供应商，你应该与它们一起共同改善其过程，从而 改善自己的过程。 2、Capability Analysis (Weibull Distribution)[ 概述] Capability Analysis (Weibull) 命令用于对来自于 Weibull 分布的数据进行过程 能力分析。分析报告包括：一个带 Weibull 曲线的能力条形图，一张长期能力统 计表。Weibull 曲线是根据过程形状和规模（大小）构造的。 报告还包括过程数据的统计量，如均值，形状，目标，过程规范，实际的长 期能力，以及观察到的和期望的长期能力。因此报告可直观地评价过程相对于目 标的分布， 数据是否服从 Weibull 分布， 过程是否具备持续满足过程规范的能力。 在 Weibull 模型中，Minitab 计算长期过程统计量， Pp, Ppk, PPU, and PPL。 计算是基于形状的最大可能估计和规模参数，而不是象正态分布中的均值和变 差。 如果数据 不服从正 态分布 ，你可以 选择 Box-Cox 转换 来应用 Capability Analysis (Normal Distribution) 命 令 来 计 算 组 内 统 计 量 ， Cp 和 Cpk 。 For a comparison of the methods used for non-normal data, 参见 Non-normal data 对两种 方法的比较。 [例]
(Poisson)). 二、能力分析命令概况 Capability Analysis (Normal) 为单个测量结果画一张能力条形图， 图上包含基 于过程均值和标准差的正态曲线。这可以帮助你对正态性假设进行视觉上的评 价。报告还包括一张过程能力统计量的表，包括组内和组间统计量。 Capability Analysis (Between/Within) 为单个测量结果画一张能力条形图，图 上包含基于过程均值和标准差的正态曲线。 这可以帮助你对正态性假设进行视觉 上的评价。报告还包括一张组间/组内和长期过程能力统计量的列表。 Capability Sixpack (Normal) 同时显示以下图形，以及能力统计量的子集： - 一张 Xbar (or Individuals), R or S (or Moving Range), 和 run chart, 可用 来验证过程是否处于控制状态； - 一个能力条形图和正态概率图，可以帮助验证数据是否服从正态分布； - 一个能力图，显示过程变差与规范界限的相对性。 Capability Sixpack (Between/Within) 适合于组间变差比较明显的子组数据。 Capability Sixpack (Between/Within) 同时显示以下图形， 以及能力统计量的子集： - 一张 Individuals Chart, Moving Range Chart, and R Chart or S Chart, 可用来 验证过程是否处于控制状态； - 一个能力条形图和正态概率图，可以帮助验证数据是否服从正态分布； - 一个能力图，显示过程变差与规范界限的相对性。 Capability Sixpack (Weibull) 同时显示以下图形，以及能力统计量的子集： - 一张 Individuals, R- (or Moving Range), and run chart, 可用来验证过程是 否处于控制状态； - 一个能力条形图和 Weibull 概率图，可以帮助验证数据是否服从 Weibull 分布； - 一个能力图，显示过程变差与规范界限的相对性。 Capability Analysis (Weibull) 为单个测量结果画一张能力条形图，图上包含 基于过程形状和大小的 Weibull 曲线。这可以帮助你对 Weibull 分布的假设进行 直观的评价。报告还包括一张长期过程能力统计量的表。 Capability Analysis (Binomial) 适合于数据由不合格品的数量相对于抽取的 全部样本数组成时。 报告画了一张 P 图， 可以帮助你验证过程是否处于控制状态， 以及一张不合格品率的累积图，不合格品率的条形图，以及不合格品率图。 Capability Analysis (Poisson) 适用于数据为单位缺陷数。 报告画了一张 U 图， 可以帮 助你可以帮 助你验证过 程是否处于 控制状态， 还包括一张 累积 DPU (defects per unit) 图，DPU 条形图和缺陷率图。
MINITAB 过程能力分析（Process Capability Analysis ） 1、Capability Analysis (Normal)[概述] Capability Analysis (Normal) 用于对来自于正态分布的数据或 Box-Cox 转换 后的数据进行能力分析。分析报告包括一张带两条正态曲线的能力条形图，一张 长期和组内能力统计量的列表。两条正态曲线分别与过程均值和组内标准差、 过 程均值和长期标准差相对应。 报告还包括过程数据的统计量，如过程均值，目标，组内和长期标准差， 过 程规范，观察到的能力，以及期望的组内和长期能力。因此，该报告可用于直观 评价过程是否服从正态分布，是否以目标值为中心，是否具备持续满足过程规范 要求的能力。 一个假设数据来自于正态分布的模型适合于大多数过程数据。 如果数据是倾 斜的，参见 Non-normal data 下面的讨论。 [例] 假设你在一个汽车制造厂的机器组装部门工作。某个零件，凸轮轴的长度的 工程规范为 600+-2mm 。长期以来，该轴的长度均超出规范的要求，导致生产线 上装配性性、高废弃和重工率。 在对记录清单检查后，你发现该零件有两个供应商。 Xbar-R 图告诉你供应 商 2 的零件失控，因此你决定停止接受供应商 2 的零件直至产品受控为止。 在去除供应商 2 后，不良装配的数量明显减少，但问题并未完全消除。你决 定通过能力研究来观察供应商 1 是否具备满足工程规范的能力。 1 Open the worksheet CAMSHAFT.MTW. 2 Choose Stat > Quality Tools > Capability Analysis (Normal). 3 In Single column, enter Supp1. In Subgroup size, enter 5. 4 In Lower spec, enter 598. In Upper spec, enter 602. 5 Click Options. In Target (adds Cpm to table), enter 600. Click OK in each dialog box. [结果]
wwwmyzhikucom培训管理资料大全商务智库整sscapabilityoverview在过程处于统计控制状态之后即生产比较稳定时你很可能希望知道过程能力也即满足规格界限和生产良品的能力
过程能力概述（ Process Capability Overview）
LSL
Target
USL
Within Overall
Potential (Within) Capability Cp 1.16 CPU 1.42 CPL Cpk Cpm Overall Capability Pp PPU PPL Ppk 1.07 1.32 0.83 0.83 0.90 0.90 0.87 598 599 600 Exp. "Within" Performance PPM < LSL 3621.06 PPM > USL 10.51 PPM Total 3631.57 601 602 Exp. "Overall" Performance PPM < LSL 6328.16 PPM > USL 39.19 PPM Total 6367.35