下载文档原格式
过程能力分析minitab版过程能力概述（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。
⼆、直⽅图与过程能⼒分析(⼀)直⽅图直⽅图是反映个变量分布的⼀种横道图。
⽤⼀栏代表⼀个问题的⼀个特性或属性，每⼀栏的⾼度代表改种特性或属性的出现相对频率。
通过各栏的形状和宽度来确定问题根源。
直⽅图⼀⽬了然，可以直观地传达有关过程的各种信息，可以显⽰波动的状况，决定何处需集中⼒量进⾏处理改进。
l.应⽤程序①收集数据信息。
②确定数据的极差R，等于值减去最⼩值。
③确定所画直⽅图的组数K及每组宽度，K通常6～12组，每组宽度由极差除以组数得到。
④统计频数，列频数分布表。
⑤画横坐标和纵坐标，横坐标按数据值⽐例画，纵坐标按频数⽐例画。
⑥按纵坐标画出每个矩形的⾼度，代表落在此矩形中的发⽣次数。
2．⼏种常见直⽅图(图11--8)①标准型直⽅图。
也称对称型或正常型。
它具有两边低，中间⾼，左右对称的特点。
如果产品质量特征值的分布呈现标准直⽅图形状，则可初步断定⽣产处于稳定过程。
②孤岛型直⽅图。
在标准型直⽅图的⼀侧有⼀个孤⽴的⼩岛。
主要是由于分析时夹杂了其他分布的少量数据。
③双峰型直⽅图。
在直⽅图中存在两个左右分布的单峰。
在两种不同分布混合⼀起时会出现这种情况。
④偏峰型直⽅图。
数据的平均值不在中间值的位置，从左到右(或从右到左)数据分布的频数先增加到某⼀值，然后突然减少。
主要是由于操作者的⼼理因素和习惯引起。
[例题5]下列那些是常见的直⽅图（）。
A. 绝壁型直⽅图B. 标准型直⽅图C. 孤岛型直⽅图D. 双峰型直⽅图E. 偏峰型直⽅图答案：BCDE3．应⽤举例某设备零部件的直径尺⼨为Ф45.0±1mm，现场随机抽样100个，其数据如表11--4所⽰。
直⽅图作法为：表11--4 随机抽样数据表45．5 46．8 45．0 45．2 45．045．3 44．6 44．5 45．4 45．345．1 44．3 44．9 46．0 44．945．8 45．4 46．0 45．9 45．246．1 44．7 45．4 45．8 45．344．8 44．8 45．3 45．0 45．144．8 44．8 45．3 45．0 45．144．7 45．1 45．4 44．9 45．445．4 45．2 46．5 45．1 45．445．4 45．1 44．9 44．6 45．345．0 45．0 45．8 44．6 45．444．7 45．2 45．7 45．3 45．345．2 46．3 45．1 44．9 46．145．4 46．4 45．7 46，2 45．245．8 44．9 45．4 45．3 45．745．3 44．5 45．0 44．6 45．145．1 45．6 45．3 45．0 44．446．0 45．7 45．8 45．6 44．943．9 45．3 44．7 46．0 44．645．8 44．6 45．1 44．8 45．9(1)收集数据，⼀般取N=100个左右；(2)找出数据的值与最⼩值，分别⽤L和S表⽰，本例L=46.8，S=43.9；(3)确定组数K；(本例中K=10)(4)确定组距h=(46.8-43.9)/10=0.3(5)计算频数(即落在各组的数据个数)；(6)列出频数分布表(表11--5)：(7)根据频率画出直⽅图(图11-9)，纵坐标表⽰频数，横坐标标明组界：表11—5 某设备零部件直径频数分布表组号组界值频数组号组界值频数1 43．85—44．15 1 6 45．35—45．65 162 44．15—44．45 2 7 45．65—45．95 123 44．45—44．75 13 8 45．95—46．25 74 44．75—45．05 19 9 46．25—46．55 35 45．05—45。
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）。
