MINITAB进行过程能力分析

第二章MINITAB之制程能力分析制程能力分析是通过对生产过程进行统计分析，识别和评估生产过程偏离目标值的能力。

MINITAB是一种常用的统计分析软件，可以帮助我们进行制程能力分析。

本文将介绍MINITAB在制程能力分析中的应用，包括测量系统分析、过程稳定性分析和过程能力指数计算等。

首先，我们需要进行测量系统的分析，以确保测量系统具有良好的稳定性和准确性。

MINITAB提供了一系列测量系统分析工具，包括平均值图、范围图、方差分析等。

通过这些工具，我们可以评估测量系统的可靠性，进而确定测量系统是否适合用于制程能力分析。

接下来是过程稳定性分析，主要应用MINITAB中的控制图工具。

控制图可以帮助我们监控过程的稳定性，及时发现和纠正过程中的异常情况。

MINITAB提供了许多不同类型的控制图，例如X-控制图、R-控制图、P-控制图等。

我们可以根据数据类型和分布情况选择合适的控制图，分析过程是否稳定，并识别特殊原因的存在。

最后是过程能力指数的计算。

过程能力指数是衡量过程能力的一个重要指标。

MINITAB提供了能力分析工具，可以帮助我们计算过程的CP、CPK、Pp和Ppk等指数。

通过这些指标，我们可以评估过程是否能够满足要求，并进行相应的改进。

在使用MINITAB进行制程能力分析时，有一些注意事项需要注意。

首先，要选择合适的样本大小和采样方案，以确保分析结果具有一定的可信度。

其次，要确保数据的质量，包括数据的准确性和完整性。

如果数据存在异常值或缺失值，应进行相应的处理。

最后，要结合实际情况对分析结果进行解释和应用，提出相应的改进措施。

综上所述，MINITAB是一种功能强大的统计分析软件，在制程能力分析中有着广泛的应用。

通过MINITAB的测量系统分析、过程稳定性分析和过程能力指数计算等功能，我们可以全面评估和改进生产过程，提高产品质量和生产效率。

过程能力概述（Process CapabilityOverview）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。

过程能力概述（Process CapabilityOverview）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。

过程能力概述（Process CapabilityOverview）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。

过程能力概述（Process CapabilityOverview）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。

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= CpCP/CPK计算事例[一]中心值无偏离时，Cpk= CpCP/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。

MINITAB过程能力分析概述MINITAB是一种专业的数据分析软件，广泛用于各个领域的数据分析和统计学研究。

MINITAB能够对数据进行快速、准确的分析，并生成相应的统计图表，帮助用户更好地理解数据特征和趋势。

过程能力分析是MINITAB中的一个重要功能，它可以帮助用户评估和改进不同过程的稳定性和能力。

过程能力分析主要用于评估和监控一个过程是否稳定，并确定其能力是否足够满足特定要求。

它通常涉及两个主要方面：过程稳定性和过程能力。

过程稳定性是指一个过程在统计控制范围内的变异程度，在过程稳定的前提下，过程能力则是指过程在特定控制限内能够提供的产品或服务的变异程度。

在MINITAB中进行过程能力分析需要先导入数据，通常是一个过程中的一系列样本数据。

然后，用户需要选择一个合适的过程能力分析方法。

MINITAB提供了多种方法，如正态分布能力分析、非正态分布能力分析、双容限分析等。

用户可以根据具体情况选择最适合的方法。

以正态分布能力分析为例，用户需要输入数据列和规格限制。

数据列包含了过程中得到的一系列样本数据，规格限制是用户根据产品或服务的要求设定的控制限。

通过分析这些数据，MINITAB可以计算出过程的过程能力指标，如Cp、Cpk、Pp、Ppk等。

这些指标可以帮助用户评估过程的稳定性和能力，并作出相应的决策。

过程能力指标主要包括以下几个方面：Cp指标是一个比率，表示过程的容差能力，值越大表示过程的能力越高；Cpk指标是一个比率，表示过程中心到最近规格限的距离与过程控制限的一半之比，值越大表示过程的中心越接近规格限；Pp指标是一个比率，表示整个过程的容差能力，值越大表示过程的能力越高；Ppk指标是一个比率，表示过程中心到最近规格限的距离与整个过程控制限的一半之比，值越大表示过程的中心越接近规格限。

通过分析这些指标，用户可以对过程的稳定性和能力有一个全面的了解，并做出相应的改进措施。

MINITAB还提供了丰富的统计图表功能，可以直观地展示数据的分布情况和过程能力指标的计算结果。

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）。

过程能力分析minitab版在过程处于统计操纵状态之后，即生产比较稳固时，你很可能希望明白过程能力，也即满足规格界限与生产良品的能力。

你能够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，过程应该处于操纵状态，否则，你得出的过程能力的估计是不正确的。

你能够画能力条形图与能力点图来评价过程能力，这些图形能够帮助你评价数据的分布并验证过程是否受控。

你还能够计算过程指数，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。

由于它们无单位，你能够用能力统计量来比较不一致的过程。

一、选择能力命令（Choosing a capability command）Minitab提供了许多不一致的能力分析命令，你能够根据数据的属性及其分布来选择适当的命令。

你能够为下列几个方面进行能力分析：⏹正态或者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⏹二项分布或者泊松概率分布模型(适合于属性数据或者计数数据)注：假如你的数据倾斜严重，你能够利用Box-Cox转换或者使用Weibull 概率模型。

在进行能力分析时，选择正确的分布是必要的。

比如：Minitab提供基于正态与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，但是你的数据务必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靠于两个假设：数据来自于稳固的过程，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，统计的有效性依靠于假设的分布的有效性。

假如数据倾斜严重，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，或者为数据选择不一致的概率模型。

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.假如怀疑过程中子组之间有专门强的变差来源，能够使用能力分析（组间/组内）或SIXpack能力分析（组间/组内）。

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. 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 ．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如果DPMO=1350,则P=0.00135,按照如上步骤，则有：逆累积分布函数正态分布，平均值 = 0 和标准差 = 1P( X <= x ) x0.00135 -2.99998，所以Z=2.99+1.5=4.5。

过程能力概述〔Process CapabilityOverview〕在过程处于统计控制状态之后，即生产比拟稳定时，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比照来片段过程能力。

在评价其能力之前，过程应该处于控制状态，否那么，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，即标准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拟不同的过程。

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拟差的统计。

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。

过程能力概述（Process CapabilityOverview）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。