过程能力概述
一旦过程处于统计控制状态，并且是连续生产，那么你可能想知道这个过程是否有能力满足规范的限制，生产出好的零件（产品），通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。在评估过程能力之前，过程必须受控。如果过程不受控，你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。这些图形能够帮助你评估数据的分布和检验过程是否受控。你也可以估计包括规范公差与正常过程变差之间比率的能力指数。能力指数或统计指数都是评估过程能力的一种方法，因为它们都没有单位，所以，可以用能力统计表来比较不同过程的能力。
选择能力命令
MINITAB提供了一组不同的能力分析命令，你可以根据数据的性质和分布从中选择命令，你可以对以下情况进行能力分析：
——正态或Weibull概率模式（对于测量数据）
——不同子组之间可能有很强变差的正态数据
——二项式或Poisson概率模式（对于计数数据或属性数据）
当进行能力分析时，选择正确的公式是基本要求，例如，MINITAB提供基于正态或Weibull分布模型上的能力分析工具，使用正态概率模型的命令提供了更完全的统计设置，但是，适用的数据必须近似于正态分布.
例如，利用正态概率模型，能力分析（正态）可以估计预期零件的缺陷PPM 数。这些统计分析建立在两个假设的基础上，1、数据来自于一个稳定的过程，2、数据服从近似的正态分布，类似地，能力分析（Weibull）计算零件的缺陷的PPM 值利用的是Weibull分布。在这两个例子中，统计分析正确性依赖于假设分布模型的正确性。
如果数据是歪斜非常严重，那么用正态分布分析将得出与实际的缺陷率相差很大的结果。在这种情况下，把这个数据转化比正态分布更适当的模型，或为数据选择不同的概率模式.用M INITAB,你可以使用Box-Cox能力转化或Weibull概率模型，非正态数据比较了这两种方法.
如果怀疑过程中子组之间有很强的变差来源，可以使用能力分析（组间/组内）或SIXpack能力分析（组间/组内）。除组内数据具有随机误差外，组间还可能有随机变差。明白了子组变差的来源，可以为你提供过程更真实的潜在能力评估。
中国最大的免费课件资源库更多免费资料下载请进：
能力分析（组间/组内）或SIXpack能力分析（组间/组内）既计算组内标准偏差也计算组间标准偏差，然后，集中它们来计算总的标准偏差。
MINITAB也提供基于二项式和Poisson概率模型属性数据（计数型）的能力分析，例如，产品可与标准比较分为有缺陷和没有缺陷（用能力分析（二项式））。也可以根据缺陷个数对产品进行分类（用能力分析（Poisson））。
MINITAB的能力分析命令
能力分析（正态）画出单个测量值的能力柱状图，用一条基于过程平均值和标准偏差的正态曲线覆盖在柱状图上，这个图形有助于进行正态假设的视觉评估。这个报告包括了过程能力统计表，既包括组内也包括整体统计。
能力分析（组间/组内）画出了用正态曲线覆盖的单个测量值的能力柱状图。这有助于进行正态假设的视觉评估。用这种分析方法可进行组间\组内有很强变差来源的子组数据的分析，这个报告包括组间/组内和整个过程能力的统计分析
能力分析（Weibull分布）
画出基于过程形状和比例的Weibull曲线覆盖单个测量值的能力柱状图，这有助于进行Weibull分布的视觉评估。这个报告也包括了整个过程能力的统计分析
SIXPACK能力分析（正态分布）
连同这个能力统计的子集一起,结合下面的图表深入了解单个的显示值的含义：
——单个数据图，R 或S(离差),以及运行图,可用来检验过程是否受控.
——能力柱状图和正态分布图,可用来检验数据是否服从正态分布.
SIXPACK能力分析（组间/组内）适用于组间有很强变差来源的子组数据, SIXPACK能力分析（组间/组内）连同这个能力统计的子集一起,结合下面的图表深入了解单个的显示值的含义：
——单个极差,离差图和极差和离差图,可用于检验过程受控状态.
——柱状图和正态分布图可用于检验数据的正态分布情况
——能力图显示了与规范比较后的过程变异
中国最大的免费课件资源库更多免费资料下载请进：
???? ?能力? ???◆●●? 在一个显示面上显示了下面的多个图形 和各项能力统计数据
一个（或单个数据）图、 （或移动极差）图，以及运行图，通常用于检验过程是否受控。
能力柱状图和 ???◆●●性能图通常用于检验数据是否服从 ???◆●●分布。
能力图显示了与规范比较过程的可变性。
虽然 ???? ?能力命令提供了比能力分析命令少的统计，但是图形的排列通常用于检验过程是否受控，以及数据是否服从所选择的分布模型。
?
能力分析(Binomial)适用于数据由总的抽样零件的缺陷数组成时，它画了一个P图，这有助于检验过程是否受控，这个报告还包括缺陷累积率的图形，缺陷百分比的柱状图和缺陷率图。
能力分析（泊松）适用于数据由每个项目的缺陷数构成时，报告画了一个U 图，它有助于检验过程是否受控，报告还包括了累积的平均DPU（每单位缺陷数）的柱状图和缺陷率图。
能力统计分析
过程能力统计是过程能力的数值,用来衡量过程满足标准的能力程度,这些统计量是单个的和没有单位的，所以可以比较不同过程的的能力，能力统计基本上是允许的过程波动（标准界限的范围）与实际过程波动（6δ）的比值。某些统计考虑了过程平均值或目标值。
说明：能力统计使用简单，但是，具有未完全了解的分布特性。总的来说，依靠单个能力统计来评价（表现）一个过程不是好的习惯，
许多业内人士认为1.33是过程能力的最小可接受的值，几乎没有人相信小于1的值是可接受的，小于1的值表明过程变差比规范的公差宽，这里有一些如何使用能力统计的指导方针：
过程能力命令能力统计
能力分析（正态）和能力SIXPACK （正态）
中国最大的免费课件资源库更多免费资料下载请进：
Cp, Cpk, CPU, CPL, and Cpm（如果你指定目标值）——与组内变差有关，
Pp, Ppk, PPU, PPL——与整体变差有关
能力分析（组间/组内）和能力SIXPACK （组间/组内）
Cp, Cpk, CPU, CPL, and Cpm（如果你指定一个目标值）——与组内和组间变差有关
Pp, Ppk, PPU, PPL——与整体变差有关
说明：如果过程目标值不是规范中心点，应使用Cpm代替Cpk，因为Cpm衡量相对于目标值的过程平均值优于相对于规范中心值的过程平均值。见[9]的讨论，Cpm可通过在选项子对话框中输入一个目标值来计算。
非正态数据
数据为非正态分布时，可以选择转化数据得到更合适的正态分布，或选择Weibull分布模式，
——转化数据，使用带优化Box—Cox能力转化的能力分析（正态），SIXPACK 能力分析（正态），能力分析（组间/组内）或SIXPACK（组间/组内）命令。见非正态数据的Box—Cox能力转化。
中国最大的免费课件资源库更多免费资料下载请进：
——使用Weibull分布模型，使用能力分析（Weibull）和SIXPACK能力（Weibull）。
下面的表格概述了两种方法之间的不同。
哪一种方法更好？唯一的答案是看哪种模型拟合数据更好，如果两种模型拟合数据一样，则选择正态模式可能更好，因为它能评估整体和组内过程能力。
能力分析（正态分布）
当数据服从正态分布或具有Box-Cox转化数据时，可用能力分析（正态分布）来产生一个能力分析报告。这个报告包括覆盖着两条正态曲线的能力柱状图和整体和组内能力统计的完整表格，这两条正态曲线是分别用过程平均值和组内标准偏差和过程平均值和整体标准偏差产生的。
这个报告还包括了过程数据的统计，如过程平均值、目标值（如果输入了的话），组内和整体标准偏差，和过程规范，观察到的性能，和预期的组内和整体性能。
能力分析(正态分布)过程能力
进行能力分析,从报告上可直观地判定数据是否是正态分布,过程是否在目标中心,以及是否有能力连续满足过程规范要求。
假设大多数的过程数据都服从正态分布。如数据严重歪斜，见非正态数据的讨论。
数据
你可以使用单个的观察值或子组数据,单个的观察值应在一列中,子组数据可以在单个列中,或几列的行中,当子组数据个数不等时,在一列中输入数据,然后,建立一列存放子组指示器.举例见数据.
中国最大的免费课件资源库更多免费资料下载请进：
如果为分组数据,为了评估过程标准偏差,一个子组中必须至少有两个观察值.
在使用Box-Cox转化时，数据必须是正数。
如果一个观察值丢失了，M INITAB在计算时将予以忽略。
运行能力分析（正态概率模型）
1、选择“统计”菜单栏下的“质量工具”栏中的“能力分析（正态）”。
2、进行以下操作：
——当子组或单个的观测值在同一列时，输入数据列号到“Single column”中，在“subgroup size”中，输入子组大小或子组指示器的列号，对于单个数据，输入子组大小为1。
——当子组在不同的列时，选择“Subgroups across rows of”，输包含数据所有行的列号。
3、在“Lower spec ”或“Upper spec,”中，输入规范的下限和/或上限。必须至少输入其中的一个数据。
4、如果需要，可以使用下面列出的所有选项，然后点击“OK”
选项
能力分析（正态分布）对话框
中国最大的免费课件资源库更多免费资料下载请进：
——定义规范的上、下界为“界限”，表示测量值不能落在界限之外，因此，对于界限来说，希望的规范外的百分率为0，如果选择界限，那么规范的上、下限在分析时将被上、下界限替代。
——如果知道过程参数或以往数据的估计数据，可以输入μ （过程平均值）和σ（过程的潜在标准偏差）的历史值 ，如果不指明μ 或σ的数值，MINITAB将从给出的数据进行估算。
评估子对话框
用不同的方法来估计过程标准偏差(σ)。见估计过程变差
选项子对话框
当数据严重歪斜时，可使用Box-Cox能力转化。见非正态分布数据的Box-Cox能力转化
——输入过程目标值，或正常规范值，MINITAB除了进行标准能力统计外，还计算Cpm值。
——输入一个出了6δ（过程均值每边3个）以外的δ公差间隔来计算过程能力。例如，输入12，表示用12δ的间隔宽度来计算，均值每边6个δ。
——仅进行组内或整体分析，默认为两个都计算。
——显示用百分比或ppm表示的看到的性能，期望的“组内”性能，和预期的“整体”性能。
——输入一个能力柱状图的最小和/或最大显示刻度。
——显示代替能力统计的Zbench值，缺省显示能力统计。
——是否显示能力分析图，缺省为显示图形。
——用自定义的标题代替缺省的图形标题。
说明：当定义规范的上、下限为边界时，MINITAB还计算界外的%，如果样本中的界外%不为0，将有一个不正确数据的明显数据提示。
存储子对话框
在工作表的列中存储选择的统计项，可利用的存储统计项取决于在能力分析（正
态）对话框和子对话框中的选择项。
中国最大的免费课件资源库更多免费资料下载请进：
能力统计
当使用正态分布模型进行能力分析时，MINITAB计算与组内变差有关的能力统计（Cp, Cpk, CPU, andCPL）和整体变差有关的能力统计(Pp, Ppk PPU, PPL)。在14-4页可见这些统计的说明。
Cp, Cpk, CPU, and CPL描述了过程的潜在能力——在过程的子组均值没有改变和漂移时过程的能力。在计算这些数据时，Minitab只考虑组内变差，而不考虑组间变差。
Pp, Ppk, PPU, and PPL描述了过程的整体能力，计算时，MINITAB考虑了所有变差。
整体能力描述了正在运行的过程相对于规范界限的实际情况。组内能力描述了在变化和偏移能评估时，过程相对于规范界限运行的能够达到的能力，整体和组内变差的差异指出了过程失控或组内能力不能评估的变差来源。
说明:当子组容量为1时,组内变差的评估是在移动极差的基础上进行的,相临的测量值被有效地认为是另一组数据.
估计过程变差
中国最大的免费课件资源库更多免费资料下载请进：
用标准差( )来评估过程变差是正态能力分析的一个重要步骤，能力分析（正态）和能力SIXPACK（正态）都计算组内和整体变差，与组内变差有关的能力统计有Cp，Cpk，CPU，CPL；与整体变差有关的是PP，PPK，PPU，PPL。计算整体能力时，MINITAB使用了数据的整体标准偏差。计算组内标准偏差时，MINITAB提供了几个选项，如下所示。这些方法的相关优点见参考文献[1]。
指定评估组内标准偏差的方法。
1、在能力分析（正态）或能力SIXPACK（正态）主对话框中，点击“Estimate”。
2、进行下面中的一个操作：
对于子组容量大于1时，计算的基础为：
——用平均极差-选择Rbar.
——用组标准偏差-选择Sbar，在评估时，不使用偏移常数，不选Use unbiasing constants.
——用共有标准差，——选择Pooled standard deviation，不使用偏移常数，不选Use unbiasing
对于单个的观察值（子组容量为1时），在以下基础上评估：
-平均移动极差（默认）—选择平均移动极差，可从2改变移动极差的长度，点击“用移动极差长度”，在对话框中输入一个数字。
-移动极差的中值—选择移动极差中值，点击“用移动极差长度”，在对话框中输入一个数字，可从2改变移动极差的长度，
—MSSD的平方根（连续变差平方的平均值）—选择“MSSD的平方根”，在评估中不使用无偏差的常数。
中国最大的免费课件资源库更多免费资料下载请进：
3、点击“OK”。
能力分析（正态分布模型）举例
假设你工作在一个汽车厂的装配工程部，零件之一的凸轮轴的尺寸，必须在600±2mm以满足工程规范。在那里有一个凸轮轴长度连续超出规范的问题，造成产品装配不良,废品高和返工多.
在检查库存记录的基础上,你看到有两个凸轮轴的供应商,极差图显示2号供应商的凸轮轴产品超出控制限.所以你决定对他停止供货,直到他们的产品受控.
降低了2号供应商的供货量后,装配不良品的数量显著下降了,但是,问题没有彻底消除,你决定运行一个能力研究看1号供应商是否有能力独自满足你的工程规范.
1、打开工作表CAMSHAFT.MTW
2、选择Stat ↗ Quality Tools ↗ 能力分析(正态).
3、在“单列”中，输入“Supp1”，在“子组容量”中，输入“5”
4、在“下限”中，输入“598”，在“上限”中，输入“602”
5、点击‘选项’，在‘目标值’（在表格中增加CPm），输入‘600’，在每个
对话框中点击‘ok’
中国最大的免费课件资源库更多免费资料下载请进：
结果说明
如果你想解释过程能力统计，数据应大致服从正态分布。通过柱状图覆盖的正态曲线来看，这个要求看来已经满足了。
但是，你可以过程平均值599.55略小于目标值600。分布的左边尾部落在规范下限之外,这意味着你有时可已看到不符合规范下限598mm的凸轮轴.
Cpk指数表明过程生产的零件是否在公差范围内.1号供应商的Cpk值仅为0.9，这表明他们需要通过减少变差和围绕目标值定位过程来改进过程。同样地，PPM < LSL-每百万零件重要性能低于规范下限的数量—是3621.06，这表示每100万凸轮轴中大约有3621个不能满足规范的下限598mm的要求。
因为1#供应商是目前你最好的供应商，你应和它们一起提高它们的过程，以及你们自己的过程。
使用Box-Cox转化的能力分析举例
假设你在一家生产地板瓷砖的工厂中从事与瓷砖弯曲度有关的工作，为保证产品质量，你每个工作日测量了10块瓷砖的弯曲度，连续测量了10天。
柱状图显示你的饿数据不服从正态分布，所以你决定使用Box-Cox能力转化尽量使数据“更符合正态分布”。
首先，你需要找到转化的最优lambda (λ)值，然后，你可以用那个lambda (λ)值执行Box-Cox 转化，进行能力分析。
中国最大的免费课件资源库更多免费资料下载请进：
1、打开工作表TILES.MTW.
2、选择Stat ↗ Control 图s ↗ Box-Cox Transf或mation.
3、在Single column，输入“Warping”，在Subgroup size中，输入10，点击OK。
最好的评估lambda值是0.449，但是，说实话，你可能想要一个与直觉转化相符的lambda 值，
如平方根（lambda 为0.5），在我们的例子中，0.5是一个合理的选择，应为它落在lambda值区间的置信度为95%。，如图上垂直线所标出的。所以你可以用 = 0.5的Box-Cox转化来进行能力分析。
1、选择Stat ↗ Quality Tools ↗ 能力分析(正态).
2、在Single column中，输入Warping，在Subgroup size中, 输入10.
3、在Upper spec中，输入8
4、点击选项s.
5、点击Box-Cox power transf或mation (W = Y**Lambda)，选择Lambda = 0.5（平方根），
在每个对话框中点击Ok
中国最大的免费课件资源库更多免费资料下载请进：
结果分析
如同你从覆盖在柱状图上的正态曲线所看到的，Box-Cox转化“正态化”了数据，现在过程能力统计适用于数据。
因为你仅输入一个规范上限，能力统计打印的是CPU和Cpk，两个都是0.76，低于1.33的指标线，所以你的过程显示能力不够，你也能在柱状图上看出一些过程数据落在规范上限之外。
你决定执行用这个数据执行一个Weibull模型的能力分析，见怎么比较拟合数据----见能力分析的例子（Weibull分布模型）。
能力分析（组间/组内）
用能力分析（组间/组内）根据组间和组内变差来产生一个过程能力报告。当你按组收集数据时，组内的随机误差可能不是考虑的唯一变差来源。可能也存在组间误差。在这些条件下，整个过程变差既包括组间变差也包括组内变差。
能力分析（组间/组内）计算组内标准偏差和组间标准偏差。或者指明历史的标准偏差。这些将结合（集中）起来计算总的标准偏差。总的标准偏差将用于计算能力统计。如Cp 和Cpk。这个报告包括覆盖两条正态曲线的能力柱状图，和一个完整的整体和总的（组间/组内）能力统计表。正态曲线分别用过程平均值和整体标准偏差以及过程平均值和总的标准偏差来产生。
这个报告还包括过程数据的统计，如过程平均值，目标值，如果你输入一个的话，总的（组间/组内）和整体标准偏差和观察到的和预期的性能。
中国最大的免费课件资源库更多免费资料下载请进：
数据
你可以使用按组（每组两个或更多的观察值）取的数据，数据可以在一列，或几列。为使用Box-Cox转化，数据必须是正的。
理想状况下，所有组的数据个数相等。如果由于丢失数据或子组容量不相等使得你的子组数据个数不完全一样，在计算组间变差时，只使用大多数子组容量相等的子组计算。
执行一个能力分析（组间/组内）
1、选择Stat ↗ Quality Tools ↗ 能力分析(组间/组内)
2、进行下列之一的操作：
——当数据在一列时，在Single column中输入数据列号。在Subgroup size中，输入子组容量或子组指示器的列号。
当数据在几列时，选择Subgroups across rows of,在对话框中输入包含行的列号.
3、在Lower spec 或Upper spec,分别输入规范的下限或上限，至少输入一个。
、若需要，可使用下面的选项，然后，点击OK。
选项
能力分析（组间/组内）对话框
中国最大的免费课件资源库更多免费资料下载请进：
——定义规范的上限和下限为“边界”，表明测量值不能落在这些界限之外。因此，对于边界来说，期望的落在界外的%为0。如果你选择一个边界，MINITAB 不计算另一边界的能力统计。
——如果你从过去数据已知道过程参数或估计值，输入以往的μ 值（过程平均值）和组内标准偏差σ和/或组间标准偏差σ。如果你不指明μ 或σ值，M INITAB将从现有数据来评估。
说明：
当定义规范上下限为边界时，MINITAB还计算观察到的界外%，如果观察到的界外%不为零，这明确指出了不正确数据的数量。
评估子对话框
评估组内和组间标准偏差的不同方法----见评估过程变差。
选项子对话框
——当有歪斜严重的数据时，使用Box-Cox能力转化——见非正态数据的Box-Cox能力转化。
——输入一个过程目标值，或名义规格，M INITAB在标准能力统计外计算Cpm。
——通过输入δ公差来代替六倍的标准偏差间隔（过程均值每边3倍δ）来计算能力统计。例如，输入12表示用12倍的标准偏差宽度，过程均值每边6倍δ来计算。
——仅执行组间/组内分析，或仅执行整体分析，默认值为两个都执行。
——显示观察到的性能，用%或PPm表示的预期的“组间/组内”性能，和预期的“整体”性能。默认值为ppm表示。
是否显示能力分析图，默认为显示。
输入能力柱状图显示的最小和 或最大刻度。
用自己的标题代替默认的图形标题。
存储子对话框
——在工作表中存储选择的统计，存储的统计依赖于你在能力统计（组间/组内）对话框和子对话框的选择。
能力统计
中国最大的免费课件资源库更多免费资料下载请进：
当使用能力分析（组间/组内）时，M INITAB计算整体能力统计（Pp, Ppk, PPU, and PPL）和组间/组内能力统计（Cp,Cpk, CPU, and CPL）。这些统计的说明，见能力统计。
Cp, Cpk, CPU, and CPL描述的是过程的潜在能力——即在如果过程子组平均值没有发生偏移时的过程能力。计算这些能力时，Minitab评估σwithin and σbetween并集中它们来评估σtotal。然后，σtotal 通常用于计算能力分析。
Pp, Ppk, PPU, and PPL 描述的是过程的整体能力，在计算这些能力时，M INITAB评估的是考虑整个研究中变差的的σ整体。
评估过程变差
正态数据能力分析的一个重要步骤是用标准偏差评估过程变差，sigma (σ)。能力分析（组间/组内）和能力Sixpack (组间/组内)都计算组内，组间，总的和整体变差。与总的变差有关的能力统计是Cp, Cpk, CPU, and CPL。与整体变差有关的能力统计是Pp, Ppk, PPU, and PPL.
计算σ整体时，M INITAB使用所有数据的标准差。
计算σwithin and σbetween，M INITAB提供几个选项，如下所列。这些方法的优点的讨论见[1]。
计算σtotal时，M INITAB集中σwithin and σbetween.
评估过程偏差(σ),的公式，见帮助。
指明评估σwithin and σbetween的方法
中国最大的免费课件资源库更多免费资料下载请进：
1、在能力分析(组间/组内) 或能力Sixpack (组间/组内)主对话框中, 点击Estimate.
1、改变评估σwithin的方法，选择下列之一：
—— 平均极差—选择Rbar.
——平均标准偏差——选择Sbar，在评估不使用偏移常数时，不点击Use unbiasing constants.
——集中的标准偏差（默认）——选择Pooled standard deviation。在评估不使用偏移常数时，不点击Use unbiasing constants.
、改变评估σbetween的方法。选择下列之一：
平均移动极差（默认） 选择Average moving range.点击check Use moving range of length并输入一个数字，可以改变移动极差的长度。
——MSSD (连续差异平方的平均值)的平方根—选择Square root of MSSD。在评估不使用偏移常数时，不点击Use unbiasing constants.
4 点击OK.
能力分析(组间/组内)举例
假设你对这样的过程能力感兴趣，这个过程是用涂层辊在纸上涂一薄涂层。你关心的是纸涂上正确的厚度，并且通过辊子均匀地进行。你从25个连续的辊子中取了3个样品，并测量涂层厚度。这个厚度必须是50 ±3，以满足工程规范的要求。
Suppose you are interested in the 能力of a process that coats rolls of paper with a
thin film. You are concerned that the paper is being coated with the c或rect thickness of
film and that the coating is applied evenly throughout the roll. You take three samples
from 25 consecutive rolls and measure coating thickness. The thickness must be 50 ±3
to meet engineering specifications.
1、打开工作表BWCAPA.MTW.
2、选择Stat ↗ Quality Tools ↗ 能力分析(组间/组内)
3、在Single column中，输入Coating。在Subgroup size中，输入Roll。
中国最大的免费课件资源库更多免费资料下载请进：
4、在Lower spec，输入47，在Upper spec中，输入53，点击OK。
Interpreting results
结果分析
你可以看到过程平均值(49.8829)接近于目标值50。Cpk指数表明生成的零件是否在公差范围内。CPK指数仅为1.21，表明过程有相当的能力，但还能改进。
总的预期的“组间/组内”性能PPM是193.94。这表明每100万个涂层中大约有194个不满足规范限制。这个分析告诉你你的过程能力比较高。
能力分析 (Weibull 分布)
当数据服从Weibull分布时，使用能力分析(Weibull) 命令来产生一个过程能力报告。这个报告包括一个覆盖Weibull曲线的能力柱状图和一个整体能力统计的表格。Weibull曲线从过程形状和刻度产生。
这个报告也包括过程数据统计，如平均值，形状，刻度，目标值（如果输入的话）和过程规范；实际的整体能力和观察到的和预期的整体性能。这个报告通常用于直观的评估相对于目标值的过程分布情况。数据是否服从Weibull分布，过程是否有能力连续满足规范的要求。
当使用Weibull模型时，M INITAB计算整体能力统计，Pp,Ppk, PPU, and PPL。这个计算是在Weibull的形状和刻度参数的最大可能评估基础上进行的。优于当作在正态情况下的平均值和变差的评估。如果你有不服从正态分布的数据，你想计算组内能力统计，Cp and Cpk。使用带优化Box-Cox能力转化的能力分析(正态分布) 。对非正态数据使用评估方法的比较，见非正态数据。
中国最大的免费课件资源库更多免费资料下载请进：
数据
你可以在一列中输入数据，或者在多列中输入数据，如果你安排每列中输一个子组数据的话。因为Weibull 能力分析不计算组内能力统计，M INITAB在计算时不使用组数，例如，见数据
数据必须是正数。
如果观察值丢失，M INITAB在计算时将忽略它。
执行能力分析(Weibull 分布模型)
1选择Stat ↗ Quality Tools ↗ 能力分析(Weibull).
2 进行下列之一操作:
当数据在一列中时，选择Singlecolumn ，并输入包含数据的列号。
——当数据在几行时，选择Subgroups across rows of，并在对话框中输入包含行的列号。
3、在Lower spec 或Upper spec中,，分别输入规范界限的上限或下限。你必须至少输入其中一个，这些界限必须是正数，虽然，规范下限可能为0。
4、如需要，可使用下面所列的任何选项，然后点击OK。
选项
能力分析(Weibull) 对话框
中国最大的免费课件资源库更多免费资料下载请进：
——定义规范的上下限为“边界”，表示测量值不能落在界限之外。因此，当计算预期的界外%时，MINITAB将一个边界设置为0。
说明：当定义规范的上下限为边界时，MINITAB还计算观察到的界外%，如果观察到的界外%趋于非0的话，这是对不正确数据的明显指示。
选项子对话框
输入Weibull形状和刻度参数的历史数据——见Weibull的分布家族
——输入过程目标或正常的规范，MINITAB在标准能力统计外还计算Cpm。
——通过输入δ公差来代替六倍的标准偏差间隔（过程均值每边3倍δ）来计算能力统计。例如，输入12表示用12倍的标准偏差宽度，过程均值每边6倍δ来计算。
——用自己的标题代替默认的图形标题。
能力统计
当使用Weibull模型进行能力分析时，M INITAB仅计算整体能力分析，Pp, Ppk, PPU, and PPL。这个计算是在Weibull的形状和刻度参数的最大可能评估基础上进行的。优于当作在正态情况下的平均值和变差的评估。这些能力统计的解释，见能力统计。
Pp, Ppk, PPU, and PPL描述的是过程的整体能力，MINITAB评估σ整体时，考虑的时整个研究的变差。
these 统计s, M INITAB estimates σ整体considering the variation f或the whole study.
Weibull分布家族
Weibull分布实际上是一族分布，包括指数分布和Rayleigh分布。它的定义参数是形状(β)和刻度(δ)。
分布的形状变化很广，依赖于β的大小，如β=1时，为指数分布，β=2时，则为Rayleigh 分布。
如必要，你可以输入形状和刻度的历史数据，如果不输历史数据，M INITAB从数据中获得最大可能性的评估。
警告：因为形状和刻度参数定义了Weibull 分布的性质，它们也通常用于计算能力统计的概率。如果你特别输入形状，可能对相关概率产生巨大影响。
输入形状和刻度参数的历史值
中国最大的免费课件资源库更多免费资料下载请进：
过程能力概述 一旦过程处于统计操纵状态，同时是连续生产，那么你可能想明白那个过程是否有能力满足规范的限制，生产出好的零件（产品），通过比较过程变差的宽度和规范界限的宽度能够确定过程能力。在评估过程能力之前，过程必须受控。假如过程不受控，你将得到不正确的过程能力值。 .你能通过画能力柱状图和能力图来评估过程能力。这些图形能够关心你评估数据的分布和检验过程是否受控。你也能够可能包括规范公差与正常过程变差之间比率的能力指数。能力指数或统计指数差不多上评估过程能力的一种方法，因为它们都没有单位，因此，能够用能力统计表来比较不同过程的能力。 选择能力命令 MINITAB提供了一组不同的能力分析命令，你能够依照数据的性质和分布从中选择命令，你能够对以下情况进行能力分析：——正态或Weibull概率模式（关于测量数据） ——不同子组之间可能有专门强变差的正态数据
——二项式或Poisson概率模式（关于计数数据或属性数据）当进行能力分析时，选择正确的公式是差不多要求，例如，MINITAB提供基于正态或Weibull分布模型上的能力分析工具，使用正态概率模型的命令提供了更完全的统计设置，然而，适用的数据必须近似于正态分布. 例如，利用正态概率模型，能力分析（正态）能够可能预期零件的缺陷PPM数。这些统计分析建立在两个假设的基础上，1、数据来自于一个稳定的过程，2、数据服从近似的正态分布，类似地，能力分析（Weibull）计算零件的缺陷的PPM值利用的是Weibull分布。在这两个例子中，统计分析正确性依靠于假设分布模型的正确性。 假如数据是歪斜特不严峻，那么用正态分布分析将得出与实际的缺陷率相差专门大的结果。在这种情况下，把那个数据转化比正态分布更适当的模型，或为数据选择不同的概率模式.用MINITAB,你能够使用Box-Cox能力转化或Weibull概率模型，非正态数据比较了这两种方法.
产能分析报告 一、产能修改记录及主要产品信息 注：产能分析报告——修改记录 1）产能发生变化时以便及时追踪。如进行增产以达到完全生产能力，此时生产线通过一系列步骤可以达到完全生产能力，则应记录下这些变化。填写论证产能时也应同时填写日期。 2）此次产能分析报告均记作初次提交。 注：产品信息 1）完成产能分析报告的首先要明确需要分析的产品的详细信息。包括产品名称、型号、产能概况、客户需求信息等。 2）必要时应完善产品主要零部件供应商信息，以便及时掌握配套商供货情况，平衡零部件供货影响系数。 二、现有设备产能核算 1、预订工作时间标准
注： 1）单班时间：每班总时间-每班的总计可用小时数。 2）班次：表示的是每天每个工艺操作的班次数。 3）作业率：（总工时-无效工时）/总工时。 人员休息-如果在人员休息的时候，机器也停止运转，则输入每班中机器不运转的时间长度。 计划的维修时间-这是计划的每班中机器停机用于维护的时间长度。 4）年出勤时间：年出勤天数-表示的是每年的工艺运作的天数（扣除法定节假日、双休日）。 5）计算举例：每班8小时、每天2班次、作业率80%、年出勤302天，净可用时间=8*2*80%*302=时。 2、代表产品制程/线能力计算
注： 1）代表产品：所谓代表产品指产品制程包含其他所有产品制造过程包含的所有工艺过程；如存在两种以上产品包含不同工艺过程、需分别取各类型产品代表产品制程并进行线能力分析。 2）评价瓶颈工序应排除可用外协、其他生产线可用设备借代等因素影响。 3）每条生产线选取一种或2种产品作为代表说明制程及瓶颈工序即可，其他产品可直接计算毛产能。3、毛产能核算 注： 1）毛产能核算过程没有排除产品合格率、设备故障率、人员负荷等因素对产能的影响，不能作为需求平衡分析的依据，需进一步平衡。 2）其他产品可根据代表产品计算方法计算出出毛产能。
用MINITAB软件进行测量系统分析 质量部陈志明 摘要数据分析在质量管理和过程控制活动中已得到了广泛的应用，而数据的质量又取决于测量系统的能力。本文以空调公司平衡型量热计空调系统性能测试平台的“GR&R”研究为例，介绍用MINITAB 进行测量系统分析的方法，供大家参考。 关键词数据分析MINITAB软件测量系统分析（MSA） 一测量系统分析概述 测量系统是对测量单元进行量化或对被测的特性进行评估，其所用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境及假设的集合，也就是说用来获得测量结果的过程。理想的测量系统在每次使用时应只产生正确的测量结果：与一个标准值相符。而事实上，理想的测量系几乎是不存在的：用一把校准好的卡尺，不同的人测量同一件零件都会产生不同的结果。低质量的测量系统产生的测量结果往往本身就有较大的偏差，从而可能掩盖被分析过程的偏差，这种结果用于质量验证、质量改进和过程控制分析显然是不恰当的。 测量系统的质量经常使用其测得数据的统计特性来确定，测量系统必须处于统计控制中，也就说测量系统产生的偏差只能是由普通原因造成，而不应由于特殊原因导致。 测量系统分析就是用统计的方法分析测量系统所测数据的统计特性，而确定其质量水平。通常，我们用下述五个指标来评价测量系统的统计特性，它们是： 1）偏倚: 测量观察平均值与该零部件采用精密仪器测量的标准平均值的差值； 2）线性:表征量具预期工作范围内偏倚值的差别； 3）稳定性：表征测量系统对于给定的零部件或标准件随时间变化系统便倚中的总偏差量，与通常意义上的统计稳定性是有区别的； 4）重复性：指同一个评价人，采用同一种测量仪器，多次测量同一零件的同一特性时获得的测量值（数据）的偏差。 5）再现性：指由不同的评价人，采用相同的测量仪器，测量同一零件的同一特性时测量平均值的偏差。 通常，前三种指标用于评价测量系统的准确性，后两种指标用于评价测量系统的精确性。测量系统的准确性可以通过对设备的校准等比如参照ISO9000或ISO/TS16949关于测量系统的相关要求在体系上对测量系统进行维护、监控。也就是说，通过对测量系统的分辨率、偏倚、线性和稳定性进行分析后进行校准后可以解决其准确性问题，工程上通常用测量系统的精确性亦即其重复性和再现性来研究其统计特性，就是通常所说的“GR&R研究”。 二测量系统分析流程及方法 测量系统分析是一项重要的系统工程。通常需要根据测量过程的可重复性（破坏性或非破坏性）、测量结果性质（记数型数据或计量型数据）、待测单元的数量大小、过程的成本、仪器或量具的状态及测量过程输出的重要性等因素来确定分析的方法和流程。限于篇幅，本文仅就空调公司系统性能测试平台（量热计平衡室）的分析结合笔者对测量系统分析的了解做简要介绍，详细方法可参阅本文的参考文献（1）。 测量系统分析步骤： 1.验证“量具（gage）”的校准； 2.选择工件和测量者执行测量； 3.用MINITAB软件进行数据评估； 4.分析数据，解释结果，得出结论； 5.检查是否有不合格的测量单位，制定长期量具保持/改进计划。 量具必须经过校准且才处在正常状态，没有经过校准或者已经过了校准期限的量具是处于不正常状态的，其测量所得数据不能用于测量系统分析。 为保证数据的统计独立性，视测量过程的时间、费用等因素，一般随机选择代表整个过程的10件工
过程能力概述 一旦过程处于统计控制状态，并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件（产品）,通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。在评估过程能力之前,过程必须受控。如果过程不受控,你将得到不正确的过程能力值。 .你能通过画能力柱状图和能力图来评估过程能力。这些图形能够帮助你评估数据的分布和检验过程是否受控。你也可以估计包括规范公差与正常过程变差之间比率的能力指数。能力指数或统计指数都是评估过程能力的一种方法，因为它们都没有单位，所以，可以用能力统计表来比较不同过程的能力。 选择能力命令 MINITAB提供了一组不同的能力分析命令，你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析: ——正态或Weiｂuｌl概率模式(对于测量数据) ——不同子组之间可能有很强变差的正态数据 ——二项式或Poissｏｎ概率模式(对于计数数据或属性数据) 当进行能力分析时，选择正确的公式是基本要求,例如，MINIＴAＢ提供基于正态或Weiｂull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是，适用的数据必须近似于正态分布. 例如，利用正态概率模型,能力分析（正态）可以估计预期零件的缺陷PPM 数。这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程，２、数据服从近似的正态分布,类似地，能力分析(Weiｂuｌｌ）计算零件的缺陷的PPM值利用的是Weibull分布。在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。 如果数据是歪斜非常严重，那么用正态分布分析将得出与实际的缺陷率相差很大的结果。在这种情况下，把这个数据转化比正态分布更适当的模型，或为数据选择不同的概率模式.用ＭINITAB,你可以使用Ｂｏｘ－Coｘ能力转化或Ｗeibuｌｌ概率模型,非正态数据比较了这两种方法. 如果怀疑过程中子组之间有很强的变差来源，可以使用能力分析（组间/组内)或SＩXpaｃk能力分析(组间/组内)。除组内数据具有随机误差外，组间还可能有随机变差。明白了子组变差的来源,可以为你提供过程更真实的潜在能力评估。能力分析(组间/组内）或SIXpack能力分析（组间/组内）既计算组内标准偏差也计算组间标准偏差，然后，集中它们来计算总的标准偏差。
制程能力分析 緒言 在產品生產周期內統計技朮可用來協助制造前之開發活動、制程變異性之數量化、制程變性相對于產品規格之分析及協助降低制 程內之變異性。這些工作一般稱為制程能力分析(process capability analysis)。制程能力是指制程之一致性，制程之變異性可用來衡量制程輸出之一致性。 我們一般是將產品品質特性之6個標准差范圍當做是制程能力之量測。此范圍稱為自然允差界限(natural tolerance limits)或稱為制程能力界限(process capability limits)。圖9-1顯示品質特性符合常態分配且平均值為μ，標准差為σ之制程。制程之上、下自然允差界限為 UNTL=μ+3σ上自然允差界限 LNTL=μ-3σ下自然允差界限 對于一常態分配，自然允差界限將包含99.73%之品質數據，或者可說是0.27%之制程輸出將落在自然允差界限外。如果制程數據之分配不為常態，則落在μ±3σ外之機率將不為0.27%。
(例) 產品外徑之規格為5±0.015cm，由樣本資料得知X=4.99cm，σ=0.004cm，試計算制程之自然允差界限。 (解): UNTL=4.99+3(0.004)=5.002 LNTL=4.99-3(0.004)=4.978 制程能力分析可定議為估計制程能力之工程研究。制程能力分析通常是量測產品之功能參數而非制程本身。當分析者可直接觀察制程及控制制程數據之收集時，此種分析可視為一種真的制程能力分析。因為經由數據收集之控制及了解數據之時間次序性，可推論制程之穩定性。若當只有品質數據而無法直接觀測制程時，這種研究稱為產品特性分析(product characterization)。產品特性分析只可估計產品品質特性之分布，或者是制程之輸出(不合格率)，對于制程之動態行為或者是制程是否在管制內則無法估計。這種性形通常是發生在分析供應商提供之品質數據或者是進貨檢驗之品質資料。
过程能力概述（Process Capability Overview） 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
SPC 概述Statistical Process Control
SPC Introduction 统计性统计管理(SPC = Statistical Process Control)? ? Statistical ... ?统计性方法是用Sampling的Data Monitoring 、分析Process 变动时使用。 Process ... ?反复性的事情或者阶段 (SIPOC : Supplier → Input → Process → Output → Customer) Control ... ? Process正在变化的事实早期警报。 警报是指最终Output出来之前纠正问题，能够具有充分的时间 (管理图 : 随着时间工程散布的变化) SPC –对某个 Process掌握品质规格和工程能力状态, 利用统计性资料和分析技法, 在所愿的状态下一直能管理下去的技法。 2
SPC 的发展历史 SPC 的特征：控制过程，防患于未然。 重点在于预防
?電視機彩色密度 投机?美國：無不合規格產品出廠，注意力在符合規格?日本： 0.3% 超出產品規格，致力於命中目標
製程- 產品-顧客 產品 (Output) Measurement 製程(過程)(Process) 展開 特性 特徵 顧客 滿意 Man Machine Material Method Environmental 4M1E
製程，程序 影響工作結果之所有原因的集合,亦即為達成工作 結果之製造過程中所有活動的集合 管制，控制 確保達到要求標準,必要時採取矯正行動 何謂製程管制 (程序控制) 工作 結果 原材料 方法 環境 機器 人員 原因 手段 特性 目的
复试高分必备:考研复试前如何准备英语听力和口语 英语听力和口语测试是研究生复试中的重要组成部分。从2005年起研究生初试中英语取消听力，英语听力和口语的考查放到复试中进行，英语听力和口语的分值要记入总分，考生对英语口语和听力一定要认真准备。推荐>> 1、听说能力涉及专业问题 英语的复试基本围绕听力和口语展开。研究生复试的英语部分一般是由学校的公共英语或研究生公共英语教研室来考核。良好的英语听说能力是复试成功的保证。复试中对英语的听说能力考查比较多，有时候也会涉及一些专业性的问题。导师也大都比较在意自己弟子的英语水平。自我感觉上线的考生要开始温习自己的英语听力和口语了。 2、听力准备要提前预热 据了解，英语听力部分，大多数学校都以现有的成型考试为参考。考生在准备听力复试的过程中，对于现有的成熟英语考试的听力部分一定要重视，比如六级听力、托福听力和雅思听力应该是复习的重点。在复习时可以有针对性地做一些六级、托福或雅思听力的试题。如果觉得做题太枯燥，收听一下英语新闻，看看迪斯尼的动画片，也是培养语感的好方法。另外，听英语广播和看英语电影也是提高英语听力口语的好方法，在参加复试前这段有限的时间里要尽快熟悉与考试相近的内容。考生大都考过六级听力，并不陌生，而托福听力又是四六级听力命题的基础，熟悉了四六级和托福听力；英语复试问题就不算太大。总之，在这段宝贵的时间里，要赶快做点预热的准备，主要是做点听力题，找找做题的节奏和感觉。 3、口语测试准备好话题 对口语的考查，各个学校各不相同。有的学校制定了非常详细的标准和流程，甚至规定了每个老师发问的方式和时间；有的只是面试老师的自由发挥，成绩也基本上由面试老师主观判定。不管面试是否严格控制，徐老师都要提醒考生们对认真准备下面几个问题：一是自我介绍，如自己来自什么地方，毕业学校，所学专业，业余喜好，家庭基本情况等信息。二是做好用英语讲解自己专业的准备。口语测试时老师有可能要求你就本专业展开话题，考查你用英语讲解陌生概念的能力。因此考生对此要有所准备，先用笔头组织这些问题的要点，然后再以这些词组织语言。在阅读专业文献时，也要多积累一些专业方面的英语词汇。当然提问的问题不可能难度太高，比如What is business management？In your opinion,what is the most important element in business management等一些简单的提问。(编辑：Meliza)外资急行军，招聘最看重经验和外语能力，学好商务英语，成就高薪职位！要不你也来试试看?
应用Minitab进行测量系统分析 以及测量系统分析的主要内容。通过测量系统分析，控制测量系统的偏倚和波动，以便获得准确且精确的测量数据。1.3 重复性和再现性重复性(repeatability)是指在尽可能相同的、恒定不变的测量条件下，对同一测量对象 进行多次重复测量所得结果的一致性。此时测量值的波动称为重复性，记为VE。重复性误差的产生只能是由测量仪器本身的同有波动引起的。再现性(reproducibility)也称为复现性或重现性，是指在各种可能变化的测量条件下， 同一被测对象的测量结果之间的一致性，记为VA。其中，最普遍出现的重要 的再现性是操作人员的变化对测量系统一致性的影响，即不同的操作人员用相同的仪器测量对同一测量对象进行测量时产生的波动。好的测量系统应具有良好的再现性，特别是由不同的人员使用同样的测量仪器对同一测量对象测量时的波动要小。1.4 测量系统分析的前提通常用分辨力、偏倚、稳定性、线性、重复性和再现性等评价测量系统的优劣，并用它们控制测量系统的偏倚和波动，以使测量获得数据准确可靠。一般说来，测量系统的分辨力应达到(即在数值上不大于)过程总波动的(6倍的过程标准差)的1／10，或容差(USL-LSL)的 1／10。测量系统的线性是指在其量程范围内偏倚是基准值的线性函数。对于 通常的测量方法，一般，当测量基准值较小时(量程较低的地方)，测量偏倚会 较小；当测量基准值较大(量程较高的地方)时，测量偏倚会较大。线性就是要 求这些偏倚量与其测量基准值呈线性关系。为了衡量偏倚总的变化程度，引入了线性度(记为L)的概念，其量纲与Y量纲相同。其定义是过程总波动与该线 性方程斜率的绝对值的乘积，即它表明在过程总波动的范围内测量值的偏倚波动(不是偏倚本身)的范围。当然，线性度越小则测量系统越好。稳定性通常是 某个系统的计量特性随时间保持恒定的能力。一个可使用的测量系统必须具备
MINITAB下数据的过程能力分析： 1.正态数据： a.检验数据的正态性：统计》基本统计量》正态性检验》确定（MINITAB示例） P>0.05，则数据服从正态分布，因此可进行连续数据中正态数据的过程能力分析及其指数的计算，但在进行分析和计算之前还需判定过程是否受控，可使用控制图； b.控制图监控：统计》控制图》子组的变量控制图》X-R图》确定； 可见无异常发生，过程受控； c.过程能力分析与计算：统计》质量工具》能力分析》正态》确定 2.非正态数据：
a.数据的正态性检验：同上 P<0.05，所以数据为非正态数据，需进行转换后方可进行过程能力分析，但这并不妨碍用原始数据进行控制图的绘制。 b.数据的转换：统计》控制图》BOX-COX变换》填入数据“扭曲”，子组大小 填“10》选项》将变换后的数据存入“C2”中》确定； 得到如下图，可知转换的λ=0.5，即对原始数据求平方根； c.控制图的绘制：步骤同上
d. 过程能力分析：统计》质量工具》能力分析》正态》单列为“C2”，子组大小为“10”，规格上限为“2.82”，2.82=81/2，确定 3. 4. 离散数据： a ． 计算DPMO ，公式参见SRINNI 培训： b ．将DPMO 暂时理解为不合格品率，如果DPMO=66807.2，则不合格品率P=0.00668072； c ． 计算》概率分布》正态分布》逆累计概率》输入常量“0.0668072”，，确定： d ． e ． 根据正态分布的对称性： Z =︳-1.5︳+1.5=3，即相应的SIGMA 水平为3， 公式为： Z=︳x ︳+1.5
干货：如何用Minitab软件进行过程能力分析（CPCPK） 引入过程能力分析的目的 1、在我们现有的管理过程中，我们经常会遇到有些具体指标总是不尽人意，存在许多需要改进的地方。那么在改进之前，我们就有必要知道我们的问题到底有多严重？目前的过程能力到底是多少？也就是说，在试图解决一个问题(改进)之前，首先需要深入了解问题现状及其过程能力。因此进行过程能力分析很有必要。过程能力分析可以根据实际情况选择使用，如果暂时还不能计算，可以放在以后去解决。 2、哪一个过程最佳?上面三个图中，哪一个过程最佳？你是否想知道，为什么？过程表现如何？什么是最佳的过程？什么是最差的过程？连续数据过程能力指数Cp1、Cp－表示过程容差与自然容差的比值大小，用来衡量过程的能力。 2、计算过程能力的要求：A、稳定过程；B、数据分布类型——正态分布。连续数据过程能力指数CpK1、Cpk－表示当过程中心值偏移时，中心值与规格上下限之间的最短距离与1/2自然容差的比值大小。 2、计算过程能力的要求：A、稳定过程；B、数据分布类型——正态分布。 3、中心值无偏离时，Cpk= Cp CP/CPK计算事例[一]中心值无偏离时，Cpk= Cp
CP/CPK计算事例[二]中心值偏离时，Cpk CpCP/CPK计算事例[Minitab]1、例如:按照设计图纸的要求,某一机柜门板的长度要求是1.5±0.1图纸下发给供应商后,供应商试加工了32个样品,具体的数据如下,请衡量该供应商加工该门板的过程能力。 2、首先要判断是否为正态分布，若否，则须经转换为正态分布后方可使用Minitab求取Cpk。 A、数据是否正态根据P值来判断,如果P值大于0.05，数据符合正态分布；P值小于0.05，则数据是非正态的。 B、实际操作过程中，如果数据为非正态，只要数据的容量大于30个，我们也可以近视认为数据是符合正态分布的。3、用Minitab软件计算CPKSigma计算事例[Minitab]使用Excel计算Sigma水平说明：在上图Probability一栏中输入合格率，则Excel会自动计算出的长期的σ水平即: Zlt=1.9110；最后加上1.5 σ的补偿，得出短期的σ水平即: Zst=3.411。
产能分析报告及指标明细 The document was prepared on January 2, 2021
产能分析报告模板及指标明细 一、产能修改记录及主要产品信息 注：产Array能分析 报告— —修改 记录 1） 产能发 生变化 时以便 及时追踪。如进行增产以达到完全生产能力，此时生产线通过一系列步骤可以达到完全生 产能力，则应记录下这些变化。填写论证产能时也应同时填写日期。 2）此次产能分析报告均记作初次提交。 注：产品信息 1）完成产能分析报告的首先要明确需要分析的产品的详细信息。包括产品名称、型号、产能概况、客户需求信息等。 2）必要时应完善产品主要零部件供应商信息，以便及时掌握配套商供货情况，平衡零部件供货影响系数。 二、现有设备产能核算
1、预订工作时间标准 注：Array 1）单班 时间：每 班总时间 -每班的 总计可用 小时数。 2）班 次：表示 的是每天 每个工艺操作的班次数。 3）作业率：（总工时-无效工时）/总工时。 人员休息-如果在人员休息的时候，机器也停止运转，则输入每班中机器不运转的时间长度。 计划的维修时间-这是计划的每班中机器停机用于维护的时间长度。 4）年出勤时间：年出勤天数-表示的是每年的工艺运作的天数（扣除法定节假日、双休日）。 5）计算举例：每班8小时、每天2班次、作业率80%、年出勤302天，净可用时间 =8*2*80%*302=时。 2、代表产品制程/线能力计算
1）代 表产 品：所 谓代表 产品指 产品制 程包含 其他所 有产品 制造过 程包含 的所有 工艺过 程；如 存在两种以上产品包含不同工艺过程、需分别取各类型产品代表产品制程并进行线能力分析。2）评价瓶颈工序应排除可用外协、其他生产线可用设备借代等因素影响。 3）每条生产线选取一种或2种产品作为代表说明制程及瓶颈工序即可，其他产品可直接计算毛产能。 3、毛产能核算
制程能力的评价 制程能力与规格之比较，可就制程平均值与规格中心及分散宽度与规格 容许围两方面比较，亦可直接计算超出规格的不良率来表示。将制程能 力与规格之比较用简单的数字及等级评定的方法，谓之制程能力评价。工程准确度指数(Capability of Accuracy)的评价 设定工程规格中心值的目的，在于希望该工程制造出来的各种产品的实 绩值，能以规格中心为中心，成左右对称的常态分配，而制造时也应以 规格中心值为目标。工程准确度平价之目的就在于衡量制程平均与规格 中心之一制程度，有时工程准确度指数又称为正确度指数。 （1）Ｋ的计算 制程平均值()与规格中心值之间偏差程度， 称为工程准确度，其指数K之计算公式如 下： T=Su-Sl=规格上限-规格下限 由上是可知当M与差愈小，也就是质量接近规格要求的水平。K值为负时，表示实绩值偏低，K值为正时表示偏高。在单边规格的情形，即只
有规格上限Su或只有规格下限Sl的情形，因没有规格中心值，故不能 计算工程准确度指数。 （2）K之等级评定 K等级评定标准 （3）等级评定后之处置原则 ?A级：作业员遵守作业标准操作，继续维持。 ?B级：有必要时尽可能改善为A级。 ?C级：作业员可能看错规格，不按作业标准操作，须加强训练，检讨规格及作业标准。 ?D级：应采取紧急措施，全面检讨所有可能影响的因素，必要时得停止生产。 K不良时其对策方法以制造单位为主技术单位为副品管单位为辅有时又以Ca表之。工程能力指数Cp(Capability of Process)之评价
设定工程上下限的目的，在于希望制造出来的各个产品之特性值，能在规格上下限之容许围。工程能力的评价之目的就在于衡量产品分散宽度符合公差的程度。工程能力指数又可称为工程精密度指数(capability of Precision) (1)Cp之计算 由上式可知产品分散宽度愈大时，Cp值愈小，表示制程能力差，反之表示能力好。前者系用于计算双边规格之Cp，而后者用于计算单边规格之Cp。与所代表的意义一样，都是表示群体标准差之估计值。 (2)Cp之等级评定 Cp值之等级评定基准如下表 Cp等级评定基准 等级Cp A B C D
过程能力m i n i t a b教 程 集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#
过程能力概述（Process Capability Overview） 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