下载文档原格式
1、输入数据。
2、堆栈:将数据堆叠到一列中,点选数据—堆叠—列。
出现堆叠列选项框,选取要堆叠的列，点选当前工作表的列，输入存放堆叠的列C26，点确定,即可出现堆叠的列C26。
3、正态性检验
点选工具栏统计-—基本统计量-—正态性检验
选择堆叠的列C26，点选百分位数线无，正态性检验Anderson-Darling,输入标题,确定
自动生成正态性检验
4、绘制Xbar-R控制图
点选工具栏统计—控制图—子组的变量控制图-—Xbar-R(B）
出现Xbar-R控制图选项框，选择刚堆叠的列，输入子组大小,
点选选项，出现下图对话框，点选检验，选择对特殊原因进行所有检验，确定点选标签，出现下图对话框，输入标题,确定
Xbar-R控制图选项框确定后，自动生成Xbar—R控制图
5、过程能力分析
点选工具栏统计--质量工具—-能力分析--正态
点选单列，选取堆叠的列，输入子组大小、规格上下限，
确定后，自动生成过程能力分析图表。
6、6σ绘制
点选工具栏统计—-质量工具-—Capability Sixpack(S）-—正态
在正态分布对话框中点选单列，选择堆叠的列C26，输入子组大小、规格上下限点选检验,出现下图对话框，点选进行所有8项检验（A），确定
点选选项，出现下图对话框，输入标题，确定确定后，自动生成。
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）。
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）。
