- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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
(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:
-
文档评论(0)