过程控制 用于能力分析
添加功能分析
要添加功能分析，请从 资产 窗格中拖放分析
拖动到画布上。Minitab Solution Center 添加一个占位符资产卡，其中包含 Default title、资产的表示形式以及包含与功能板关联的数据的下拉列表。选择要使用的数据。 打开 然后选择以打开功能分析对话框。
输入数据
能力分析要求您的数据位于工作表的单个列中。
数据列
输入要分析的数值数据列。
子组大小
注意
每个子组内的观测值应该位于工作表的相邻行中。有关使用列定义子组的更多信息，请转到 使用子组评估过程能力。
| C1 | C2 |
|---|---|
| 直径 | 子组 ID |
| 74.030 | 1 |
| 74.002 | 1 |
| 74.019 | 1 |
| 73.992 | 1 |
| 73.995 | 2 |
| 73.992 | 2 |
拟合分布
对于 正态能力，请选择一个非正态分布以拟合数据。要得出可靠的过程能力估计值，数据必须服从所选的分布。有关为非正态数据选择合适的分布的更多信息，请转到 使用非正态数据进行的能力分析。
规格下限和 规格上限
输入产品或服务的最小或最大可接受值。如果测量值不可能高于或低于此值，请选择 边界 以将规格限定义为边界。
注意
当您将规格限定义为边界时，Connect 会将与规格限/边界相关的预期能力指数报告为缺失值 （*）。因此，仅当理论上测量值不可能超出极限时，才将极限定义为边界。例如，100% 纯度的规格上限是一个边界，因为纯度不能超过 100%。0% 纯度的规格下限是一个界限，因为不可能低于 0% 纯度。
历史参数（可选）
对于 正态能力，如果您知道过程的历史均值或历史标准差，或者您有从过去数据获得的估计值，请输入要在分析中使用的值。
- 历史均值
- 输入总体分布的均值。
- 历史标准差
- 输入总体分布的标准差值。
如果不输入历史参数，Connect 会从样本数据中估计平均值和标准差，并使用这些估计值来计算过程能力。
注意
如果要指定 Connect 用于估计样本数据标准差的方法，请选择 估计。
变换
- 无变换
- 如果您的数据已经服从正态分布，请勿使用变换。
- Box-Cox 幂变换(W = Y^λ)
- 如果您的非正态数据全部为正数 (> 0) 而且您希望获取子组内（潜在）能力和整体能力的估计值，请使用 Box-Cox 变换。Box-Cox 变换是一种简单、易于理解的变换。
选择 Connect 用于转换数据的 lambda （λ） 值。
- 使用最优 λ: 使用应当生成最佳拟合变换的最优 lambda。Connect 将最佳 lambda 舍入为 0.5 或最接近的整数，除非 lambda 的置信区间不包含舍入值。
- λ = 0 (ln): 使用数据的自然对数。
- λ = 0.5 (平方根): 使用数据的平方根。
- 其他（输入 -5 到 5 之间的值）: 对 lambda 使用指定的值。其他常见的变换包括平方 (λ = 2)、逆平方根 (λ = −.5) 和逆 (λ = −1)。在大多数情况下，应当使用介于 −2 和 2 之间的值。
- Johnson 变换（仅适用于整体分析）
- 如果您的非正态数据包含负值（或 0）或者如果 Box-Cox 变换无效，请使用 Johnson 变换。Johnson 变换函数比 Box-Cox 复杂，但对于查找合适的变换而言功能非常强大。
对于估计 对于 正态能力
- （子组大小 > 1）
- 选择当每个子组中有多个观测值时用于估计子组内标准差的方法。
- Rbar: Rbar 是子组范围的平均值。此方法是标准差的常见估计值，最适合 2 到 8 的子组大小。
- Sbar: Sbar 是子组标准差的均值。与 Rbar 相比，此方法提供了更精确的标准差估计值，尤其是子组大小> 8 时。
- 合并标准差: 合并标准差是子组方差的加权平均值，它为较大的组赋予对总体结果较大的影响。当过程处于受控状态时，此方法可提供最精确的标准差估计值。
- （子组大小 = 1）
- 选择一种在有单个观测值时估计子组内标准差的方法。当子组大小为 1 时，无法计算子组内的样本标准差或范围。相反，Connect 使用移动极差来估计标准差。
- 移动极差均值: 平均移动极差是两个或多个连续点的移动极差的平均值。当子组大小为 1 时，通常使用此方法。
- 移动极差中位数: 移动极差中位数是两个或多个连续点的移动极差的中位数值。当数据具有可能影响移动范围的极端范围时，最好使用此方法。
- 递差均方和平方根: 均方递差的平方根是连续点之间平方差均值的平方根。当您无法合理地假设在相似情况下至少收集了 2 个连续点时，可以使用此方法。
- 使用长度的移动极差
- 输入用于计算移动极差的观测值个数。长度必须≤ 100。 默认长度为 2，因为连续值最有可能相似。
- 无偏常量
- 您可以选择在子组内和总体标准差的计算中使用无偏常数。无偏常数可减少从少量观测值估计参数时可能出现的偏倚。随着观测值数量的增加，无偏常数对计算结果的影响会减小。
- 使用无偏常量： 在子组内标准差的估计中使用无偏常数。此选项适用于 Sbar、合并标准差和均方递差的平方根等方法。
- 使用无偏常量来计算标准差: 在估计整体标准差时使用无偏常量。
注意
通常，是否选择无偏常量取决于公司策略或行业标准。
对于估计 对于 非正态能力
您可以让 Connect 估计用于能力分析的非正态分布的参数，也可以选择在下面输入部分或全部参数。
- 估计分布参数
- 根据样本数据估计分布参数。Connect 会估计您未指定的以下任何参数。
- 设置形状（Weibull 或 Gamma）或尺度（其他分布）为: 输入形状或尺度参数，具体取决于所选的分布类型。形状参数将影响分布的形状，如偏度。scale 参数会影响数据的分布。
- 设置阈值在: 如果您选择了 3 参数分布，则输入阈值参数。阈值参数可设置数据分布的最低位置。
注意
有关分布的形状、尺度或阈值的更多信息，请转到 处理非正态能力分析的数据 ，然后单击要了解更多信息的参数。
- 使用历史估计值
- 指定参数的历史估计值。使用显示的参数顺序输入常量或列。常量数或列中的行数必须等于分布中参数的数量。
选项
本主题介绍了 的完整 正态能力选项集。如果执行 ， 非正态能力则只会看到这些选项的子集。
目标（添加 Cpm 到表格）
如果您的流程有目标，请输入该值。如果您输入目标值，Connect 将计算 Cpm，这是一个功能指数，它还考虑数据偏离目标的程度。
对能力统计量使用 K × σ 的公差
在标准差 (σ) 数量中输入公差宽度。默认情况下，公差宽度是 6 个标准差（过程均值的每一侧有 3 个标准差）。
Connect 将 K 值解释为双边公差的宽度。如果要使用单侧公差，请输入为单侧公差两倍的双侧公差。例如，如果需要使用 3σ 的单侧公差，请输入 6。
进行分析
默认情况下，Connect 同时执行子组内能力和整体能力分析。如果您不想执行其中一项分析，请取消选中该复选框。
- 子组内分析
- 执行子组内分析，该分析指示过程的潜在（短期）能力。此分析估计在消除子组之间的偏移和漂移时，过程的执行情况。
注意
如果对数据使用 Johnson 变换，则无法计算子组内分析。在这种情况下，Connect 仅报告整体功能。
- 整体分析
- 执行整体分析，以指示过程的实际 （长期） 能力。此分析会估算您的客户的实际体验。
显示
- 百万分之: ：用百万分数 (PPM) 显示值。
- 百分比: 以百分比形式显示值。
- 包括置信区间
- 选中此选项可显示能力指标的置信区间。
- 置信水平
- 输入介于 0 到 100 之间的置信水平。通常，置信水平为 95% 即可。置信水平 95％ 表示，如果您从过程中提取 100 个随机样本，可以预期约 95 个样本将生成其中包含过程能力指标的实际值的置信区间（如果可以收集并分析所有过程数据）。
- 置信区间
- 选择要显示的置信区间或边界类型：
- 单侧: 显示能力指数的置信下限，以及 PPM 或超出规格限 % 的置信上限。对于以下情况，请使用单侧置信边界：
- 为了更确信能力指数大于必需值。例如，为了更确信 Cp 大于 1.33。
- 为了更确信 PPM 或规格外限制 % 小于必需值。例如，为了更确信规格外合计 PPM 小于 100。
- 双侧: 显示同时具有置信下限和置信上限的置信区间。
- 单侧: 显示能力指数的置信下限，以及 PPM 或超出规格限 % 的置信上限。对于以下情况，请使用单侧置信边界：
