多变量非正态能力分析 的图形

对于随针对多个变量的非正态能力分析提供的每个图形,查找定义和解释指导。

概率图

概率图显示每个数据点以及样本中小于或等于该数据点的值的百分比。
概率图包括以下组成部分:
中线
基于极大似然参数估计的分布的预期百分位数。
置信限线
左侧曲线表示百分位数的置信区间下限。右侧曲线表示百分位数的置信区间上限。
Anderson-Darling 检验统计量和 p 值
用于确定数据是否服从分布的检验结果。

解释

使用概率图评估每个变量的非正态分布的拟合。

如果分布能够与数据实现良好拟合,这些点应该大致形成一条直线。背离这条直线表明拟合不可接受。如果 p 值大于 0.05,则可以假设数据服从该分析中使用的非正态分布。

如果 p 值小于 0.05,则数据不服从所选的分布且能力分析结果可能不准确。请使用个体分布标识确定哪种非正态分布或数据变换对您的数据更为有效。
注意

如果多个变量的分布存在差异,您应该为每个变量执行单独的能力分析。

能力直方图

能力直方图可显示样本数据的分布。直方图上的每个条形代表数据在区间内的频率。
红色实曲线表示已为分析选择非正态分布模型。

解释

使用能力直方图查看样本数据与分布拟合和规格限的关系。

查找所选非正态数据分布的失拟证据

对于每种变量,请将分布曲线与直方图的条形进行比较,评估数据是否看上去服从您为分析所选的分布。如果条形与曲线存在很大差异,则数据可能不服从所选的分布,并且过程的能力估计值可能不可靠。如果您不确定哪种分布能与数据进行最佳拟合,请使用个体分布标识确定适合的分布或变换。

良好拟合
不良拟合
重要信息

直方图仅提供对分布拟合的粗略估算。要更准确评估分布拟合,请使用概率图上的结果。如果多个变量的分布存在差异,您应该为每个变量执行单独的能力分析。

检查样本数据与规格限的关系。
对于每个变量,直观检查直方图中的数据与规格下限和规格上限的关系。理想情况下,数据的散布窄于规格散布,并且所有数据都在规格限内。超出规格限的数据表示不合格项。理想的情况是很少或根本没有部件超出规格限。

在这些结果中,过程展开大于规格展开,这表明能力较差。虽然大部分数据都在规格限内,但是也有许多低于规格下限 (LSL) 和高于规格上限 (USL) 的项。

注意

要确定过程中不合格项的实际数量,请使用 PPM < 规格下限、PPM > 规格上限以及合计 PPM 的结果。有关更多信息,请转到“所有统计量和图形”。

评估过程的位置

对于每个变量,评估过程是否位于规格限的中间,或者在目标值处(如果具有目标值)。分布曲线的峰值显示数据最密集的位置。

在这些结果中,虽然样本观测值在规格限内,但是分布曲线的峰值未在目标上的中心位置。大部分数据超出目标值,并接近于规格上限。

要更全面地分析非正态能力分析的假定,请使用非正态 Capability Sixpack
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