组间/组内 Capability Sixpack 的图形

对于随组间/组内 Capability Sixpack 提供的每个图形,查找定义和解释指导。

子组均值的单值控制图

单值 (I) 控制图标绘子组均值。中心线是子组均值的估计值。控制限(设定为位于中心线上方和下方 3 个标准差的距离)显示子组均值中的预期变异量。

对于组间/组内 Capability Sixpack,将使用 I 控制图(而非 Xbar 控制图),这是因为将使用子组间变异(而非子组内变异)来计算 I 控制图的控制限。

解释

可使用 I 控制图来监视过程的均值,以及确定它是否足够稳定以便执行能力分析。

红点表示至少未通过一个特殊原因检验且不受控制的观测值。失控点表示过程可能不稳定,并且能力分析的结果可能不可靠。您应该在分析过程能力之前确定点失控的原因并消除特殊原因变异。

在此控制图中,点在中心线周围随机变化,且在控制限制之内。未显示出任何趋势或模式。过程中心稳定,足以执行能力分析。

子组均值的移动极差控制图

MR 控制图标绘连续子组均值的移动极差。中心线是所有移动极差的平均值。控制限(设定为位于中心线上方和下方 3 个标准差的距离)显示移动极差中的预计变异量。

解释

可使用 MR 控制图来监视您过程的变异(移动极差),以及确定它的稳定性是否足以执行能力分析。在组间/组内分析中,MR 控制图显示子组之间的过程变异是否受控。

红点表示至少未通过一个特殊原因检验且不受控制的观测值。失控点表示过程可能不稳定,并且能力分析的结果可能不可靠。您应该在分析过程能力之前确定点失控的原因并消除特殊原因变异。

在这些结果中,点在中心线周围随机变化,且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定,可以执行能力分析。

所有数据的极差控制图

极差 (R) 控制图标绘子组极差。如果子组大小为常量,则 R 控制图上的中心线是子组极差的平均值。如果子组大小不同,则中心线的值取决于子组大小,因为较大的子组倾向于具有较大的极差。控制限(设定为位于中心线上方和下方 3 个标准差的距离)显示子组极差中的预计变异量。

如果子组大小小于等于 8,Minitab 将显示 R 控制图。如果 50% 以上的子组的尺寸相同,则最普遍的子组大小将决定控制图。否则,最大的子组大小将决定控制图。

解释

它的稳定性是否足以执行能力分析可使用 R 控制图来监视过程的变异,以及确定它的稳定性是否足以执行能力分析。对于组间/组内分析,可使用 R 控制图来指示子组中的变异是否受控。

红点表示至少未通过一个特殊原因检验且不受控制的子组。失控点表示过程可能不稳定,并且能力分析的结果可能不可靠。您应该在分析过程能力之前确定点失控的原因并消除特殊原因变异。

在这些结果中,点在中心线周围随机变化,且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定,可以执行能力分析。

所有数据的 S 控制图

S 控制图标绘子组标准差。中心线是所有子组标准差的平均值。控制限(设定为位于中心线上方和下方 3 个标准差的距离)显示子组标准差中的预计变异量。

Minitab 显示 S 控制图以监视变异(如果子组大小大于或等于 9)。如果 50% 以上的子组的大小相同,则最普遍的子组大小将决定控制图。否则,最大子组大小将决定控制图。

解释

可使用 S 控制图来监视您过程的变异(标准差),以及确定它的稳定性是否足以执行能力分析。对于组间/组内分析,S 控制图指示显示子组内的变异是否受控制。

红点表示至少未通过一个特殊原因检验且不受控制的子组。失控点表示过程可能不稳定,并且能力分析的结果可能不可靠。您应该在分析过程能力之前确定点失控的原因并消除特殊原因变异。

在这些结果中,点在中心线周围随机变化,且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定,可以执行能力分析。

特殊原因检验

特殊原因检验评估每个控制图上的标绘点是否随机分布在控制限制之内。

解释

使用特殊原因检验,可以确定需要调查的观测值和您数据中的具体模式和趋势。每项特殊原因检验将检测您数据中的具体模式或者趋势,这将揭示过程不稳定性的不同方面。

1 个点,距离中心线超过 3 个标准差
检验 1 会标识与其他子组相比异常的子组。检验 1 是公认的、用于检测失控情况的必要检验。如果对过程中的较小偏移感兴趣,则您可以使用检验 2 来补充检验 1,以便创建一个具有更高敏感度的控制图。
连续 9 点在中心线同一侧
检验 2 会标识过程居中或变异中的偏移。如果对过程中的较小偏移感兴趣,则您可以使用检验 2 来补充检验 1,以便创建一个具有更高敏感度的控制图。
连续 6 点,全部递增或全部递减
检验 3 检测趋势。该检验会查找值一致增加或减少的长序列连续点。
连续 14 点上下交错
检验 4 检测系统变异。您希望过程中的变异模式随机,但是未通过检验 4 的一个点可能表明,变异模式是可预测的。
3 个点中有 2 个点,距离中心线(同侧)大于 2 个标准差
检验 5 检测过程中的较小偏移。
3 个点中有 2 个点,距离中心线(同侧)大于 2 个标准差
检验 6 检测过程中的较小偏移。
一行中连续 15 个点,距离中心线(任一侧)1 个标准差以内
检验 7 检测时常被误认为是良性控制证据的变异模式。此检验可检测到过宽的控制限。过宽的控制限通常是由分层数据导致的,如果每个子组中存在系统变异源,则数据会发生分层现象。
一行中连续 8 个点,距离中心线(任一侧)大于 1 个标准差
检验 8 检测混合模式。在混合模式中,这些点趋于避开中心线,但落在控制限附近。

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。

直方图中的组间/组内曲线和整体曲线是使用过程均值和不同的过程变异估计值生成的正态分布曲线。组间/组内曲线(黑色虚线)使用子组间/子组内标准差,而整体曲线(红色)使用整体标准差。

解释

使用能力直方图直观地显示样本数据与分布拟合和规格限的关系。

要直观地评估分布拟合,请将直方图中的条形与拟合曲线进行比较。直方图中的数据形状应该与该曲线大致相符。要确定数据是否服从分布,请使用概率图中的结果。

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。

在这些结果中,过程数据出现在规格限之间的中央。但是,过程展开大于规格展开,这表明能力差较。虽然大部分数据都在规格限内,但是也有一些低于规格下限 (LSL) 和高于规格上限 (USL) 的部件。

注意

要确定您过程中的不合格项的数量,请使用整体 PPM 结果。

正态概率图

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

使用正态概率图评估数据服从正态分布的要求。

如果正态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并且沿位于置信限之间的拟合线排列。背离这条直线表明违背正态性。如果 p 值大于 0.05,则可以假设数据服从正态分布。您可以使用正态分布评估过程的能力。

如果 p 值小于 0.05,则数据不是正态数据且能力分析结果可能不准确。请使用个体分布标识确定是否必须变换数据或者拟合非正态分布才能执行能力分析。

能力图

能力图位于组间/组内 Capability Sixpack 的右下角。

能力图包含三个区间:

  • 组间/组内区间表示潜在过程公差,通过 6 乘以 B/W(组间和组内)标准差计算。
  • 整体区间表示实际过程公差,通过 6 乘以整体标准差计算。
  • 规格区间表示指定的规格下限和规格上限(LSL 和 USL)之间的区间。

过程中心由整体和组间/组内过程展开区间内的刻度标记显示。目标(如果有)由规格展开(规格)内的刻度标记显示。

解释

使用概率图直观地评估过程的能力。

将组间/组内和整体区间与规格区间进行对比。对于有能力的过程,组间/组内和整体区间应该比规格区间要窄,并且位于目标的中心位置或是规格的中心。

如果具有目标值,请将过程中心与该目标值进行比较。如果过程居中(在目标值上),则规格散布和过程散布的中间刻度标志呈垂直排列。如果过程未居中,请调查原因。

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