非正态 Capability Sixpack 的能力统计量

对于随非正态 Capability Sixpack 提供的每个整体能力度量,查找定义和解释指导。

形状

分布的形状参数确定了分布函数的形状。可从数据估计形状值,也可以根据历史记录知识来指定形状值。

解释

给定分布的形状参数可影响数据的对称或偏斜方式。

形状参数对 Weibull 分布的影响

下图显示了不同的形状参数值对 Weibull 分布的影响。

尺度

分布的尺度参数,确定分布函数的尺度。可从数据估计尺度,也可以根据历史过程知识来指定尺度。

解释

尺度参数会影响数据的发散方式。一般来说,较大的尺度值可能会导致发布更多地呈水平发散。较小的尺度值可能会导致分布更多地呈水平收缩。

尺度参数对 Logistic 分布的影响

下图显示了不同的尺度参数值对 Logistic 分布的影响。

位置

位置参数控制分布的位置。可从数据估计位置值,也可以根据历史过程知识来指定位置值。

解释

位置参数可以通过沿 x 轴偏移数据来影响数据的位置。正位置值将向右侧偏移分布,负位置值将向左侧偏移分布。

位置参数对 Logistic 分布的影响

下图显示了不同的位置参数值对 Logistic 分布的影响。

阈值

阈值参数提供随机变量的估计最小值。可从数据中估计阈值,或者根据历史过程知识指定阈值。

解释

阈值参数将定义分布中理论上可能的数据最小值的位置。

阈值参数对 Weibull 分布的影响

下图显示了不同的阈值参数值对 Weibull 分布的影响。

Pp

Pp 是过程的整体能力的度量。Pp 是用于比较下列两个值的比率:
  • 规格散布用 Z 值表示。此区间表示按照标准正态分布的 Z 值,来自选定非正态分布的原始规格限。
  • 标准正态分布的 6-σ 散布。当测量值服从正态分布时,位于过程均值中间位置的 6-σ 散布包含 99.74% 的过程测量值。

此 Pp 定义基于 Z 分数计算方法(默认方法)。有关更多信息,请转到使用 Z 值法确定非正态数据的整体能力

注意

必须同时提供规格下限 (LSL) 和规格上限 (USL) 才能计算 Pp 指数。如果规格上限或规格下限超过了您为数据建模而指定的分布范围,则无法使用默认方法计算 Pp。要更改计算方法,请选择工具 > 选项 > 控制图和质量工具 > 能力分析

解释

可使用 Pp 基于过程展开来评估该过程的整体能力。整体能力表示您客户在一段时间内体验到的实际过程性能。

总体上讲,Pp 值越高,过程的能力越高。Pp 值低表明可能需要改进过程。如果 Pp < 1,则规格散布小于过程散布,表明过程不能生产至少 99.74% 的合格部件。

低 Pp

在此例中,相对于过程散布,规格散布较小。因此,Pp 较低 (≈ 0.40),过程的整体能力较差。

高 Pp

在此例中,相对于过程散布,规格散布较大。因此,Pp 较高 (≈ 1.80),过程的整体能力较好。

您可以将 Pp 与其他值进行比较,以获取有关过程能力的更多信息。
  • 将 Pp 与基准值进行比较以评估过程的整体能力。许多行业使用基准值 1.33。如果 Pp 比基准值低,则考虑如何通过减少过程变异来改进过程。

  • 比较 Pp 和 Ppk 以评估过程中位数是否接近于规格中点。如果 Pp > Ppk,则过程中位数将远离规格中点并接近于规格限之一。

Ppk

Ppk 是过程的整体能力的度量,等于 PPU 和 PPL 的最小值。Ppk 是用于比较下列两个值的比率:
  • 基于标准正态尺度中的规格下限 (Z.LSL) 或规格上限 (Z.USL) 的单边规格散布(取较小值)。
  • 标准正态分布 6-σ 散布的一半,值等于 3。

此 Ppk 定义基于 Z 分数计算方法(默认方法)。有关更多信息,请转到使用 Z 值法确定非正态数据的整体能力

注意

如果规格下限和规格上限均超过了您为数据建模而指定的分布范围,则无法使用默认方法计算 Ppk。要更改计算方法,请选择工具 > 选项 > 控制图和质量工具 > 能力分析

解释

可使用 Ppk 基于过程位置和过程展开来评估该过程的整体能力。整体能力表示您客户在一段时间内体验到的实际过程性能。

总体上讲,Ppk 值越高,过程的能力越高。Ppk 值低表明可能需要改进过程。

低 Ppk

在此示例中,在此示例中,与规格上限有关的过程性能表现比与规格下限有关的过程性能表现要差。因此,Ppk 值等于 PPU (≈ 0.40),该值较低并且指示能力较差。

高 Ppk

在此示例中,与过程的规格下限有关的执行性能比与其规格上限有关的执行性能低。因此,Ppk 值等于 PPL (≈ 1.40),该值较高并且指示能力较好。

您可以将 Ppk 与其他值进行比较,以获取有关过程能力的更多信息。
  • 如果 Ppk < 1,则规格散布小于过程散布,表明 0.13% 以上的过程输出至少超出其中一个规格限的范围。

  • 将 Ppk 与基准值(代表可接受的过程最小值)进行比较。许多行业使用基准值 1.33。如果 Ppk 比基准值低,则考虑如何改进您的过程。

警告

Ppk 指数仅表示过程测量的“较差”一面(即,展现较差过程性能的一面)的过程能力。如果过程中存在超出两个规格上限范围的不合格部件,请检查超出两个规格限的部件的能力图形和概率,以便更加完整地评估过程能力。

预期整体性能所对应的合计 PPM

针对预期整体性能的合计 PPM 是其测量值超出规格限的部件的预期百万分数 (PPM)。针对预期整体性能的合计 PPM 等于 1,000,000 乘以从选定非正态分布中随机选择的部件的测量值超出规格限的几率。
随机选择的部件超出规格限的几率由分布曲线下的阴影区域显示。

解释

可使用预期整体性能的“合计 PPM”来基于过程整体变异估计预期处于规格限外的不合格品的数目(以百万分数表示)。整体性能值表示客户在一段时间内实际体验到的过程性能。

较低的合计 PPM 值表示更高的过程能力。在理想情况下,很少或无任何部件具有位于规格限外的测量值。

您还可以使用 PPM 来估计过程中的合格部件和不合格部件的百分比。
PPM 不合格部件 % 合格部件 %
66807 6.807% 93.193%
6210 0.621% 99.379%
233 0.0233% 99.9767%
3.4 0.00034% 99.99966%

总体能力的基准 Z 值

基准 Z 值(整体)是对过程整体体西格玛能力的量度。估计基准 Z 值所将考虑低于 LSL 和高于 USL 的产品的几率。此估计基于您为分析指定的非正态分布的参数。

注意

要显示基准 Z 值度量,您必须在执行能力分析时单击 选项 并将能力统计量的默认输出更改为基准 Z 值。

解释

可使用基准 Z 值(整体)评估过程的整体西格玛能力。

总体上讲,基准 Z 值越高,过程的能力越高。基准 Z 值低表明可能需要改进过程。如果可能,基于过程知识或行业标准将基准 Z 值与基准值进行比较。如果基准 Z 值低于您的基准值,则考虑如何改进过程。

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