二项式分布过程能力分析 的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。

数据必须为缺陷项的计数
子组中的每个项必须分类为可接受或不可接受(缺陷品)。如果数据不是缺陷品数,则无法使用二项分布来估计过程的能力。如果有针对每个项的缺陷数,请使用 Poisson 能力分析 评估每单位的缺陷数。
收集子组内数据

子组是相似项的集合,这些项是您要评估的过程的输出代表。应在相同的过程条件(如人员、设备、供应商或环境)下收集各子组的项。如果没有在相同的过程条件下收集子组中的数据,则子组中的变异可能会反映特殊原因变异,而非过程的自然、固有变异。

收集足够的子组以获取过程能力的可靠估计值
尝试收集至少 25 个子组。如果没有在足够长的一段时间内收集到充足的数据量,数据可能无法准确地代表不同的过程变异源,并且估计值可能无法指示过程的真实能力。
子组必须足够大
对于所有子组,平均缺陷品比率乘以子组大小应当至少为 .5。 如果子组大小不够大,则根据数据估计的控制限可能不可靠。
子组大小可以不同

子组大小可以存在差异。例如,如果某个呼叫中心每小时追踪 100 个来电,并对不满意等待时间的次数进行计数,则所有子组大小都为 100。但是,如果呼叫中心追踪一天中随机选定的小时内的所有打入的电话,来电数可能会不相同,从而产生不同的子组大小。子组大小可能存在差异。例如,如果一家呼叫中心每小时跟踪 100 通来电,并统计不满意等候时间的数量,则所有子组大小都为 100。但是,如果呼叫中心跟踪一天中随机选择的一小时内的所有来电,则来电数可能会不同,从而导致子组大小不相等。

过程必须稳定且受控制
如果当前过程不稳定,则将无法使用能力指标来可靠地评估将来的过程持续能力。 使用二项能力分析输出中的 P 控制图可确定过程是否稳定且受控制。 在评估过程能力前,请先调查失控点并消除过程中的所有特殊原因导致的变异。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策