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。
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