标准正态分布下Cpk.docVIP

标准正态分布下Cpk,yield,PPM的关系 统计分析 Statistics 2009-11-25 18:17:19 阅读395 评论0 字号：大中小 在标准正态分布情况下, mean=0, sigma=1, 概率函数为: f(x)=(1/sqrt(2*pi))*e^(-x^2/2)) 累计概率密度函数: P(x)=f(x)在-z到z的积分 计算结果如下: z取相应的sigma值 p即P(z) yield=p*100% Cpk=min((USL-mean)/(3*s),(mean-LSL)/(3*s)) or = abs(SL-mean)/(3*s) = z/(3*s)=z/3 (其中z为相应的sigma值) PPM=(1-p)*10^6 Part I: 短期sigma, 不考虑mean值的偏差. ? sigma p yield Cpk PPM? 1 0.682689492137086 68.2700000% 0.33 317310 2 0.954499736103642 95.4500000% 0.67 45501 3 0.997300203936740 99.7300000% 1.0 2700 4 0.999936657516334 99.9900000% 1.33 63 5 0.999999426696856 99.9900000% 1.67 0.6 6 0.999999998026825 99.9999998% 2.0 0.002 PartII 长期sigma, 考虑到1.5倍sigma的均值偏差(即mean=1.5或-1.5) 考虑到对称性, 以f(x)=(1/sqrt(2*pi))*e^(-(x-1.5)^2/2))来计算p值 p=f(x)在-6到+6的积分, 计算结果如下表(由于Cpk只是针对于短期的sigma, 在此不计算Cpk值, 只计算对应的yield和ppm) sigma p yield Cpk PPM 1 0.302327873400211 30.2300000% -- 697672 2 0.691229832194978 69.1200000% -- 308770 3 0.933189401058017 93.3100000% -- 66811 4 0.993790315684661 99.3700000% -- 6210 5 0.999767370880804 99.9700000% -- 233 6 0.999996602326843 99.9900000% -- 3.4 ? PartIII CL/LSL/USL与mean, z的关系 CL对应于mean, USL对应于z, LSL对应于-z; 一般而言, 由于LSL和USL为固定值, 要提高Cpk, 只能通过改进工艺, 减小制程波动, 以减小sigma, 使 sigma(USL-LSL)/2/3/Cpk_expected Cpk_expected为期望的Cpk值, 一般取1.67或2.0 ? ps: ? 1. 以上表格中相应sigma的P(x)值为MATLAB计算的结果, 也可以通过正态分布表查表计算(正态分布表精度不是很高,另外一般只有z=0.01~3.99的正态分布值)或excel计算 ??????? 2. 更详细的数据见本空间的其他blog, 如需更多的数据, 可以发邮件给我.