要选择适当的能力分析,需确定您具有的数据类型。两种可用于能力分析的主要数据类型是连续数据和属性数据。Minitab 为连续数据提供正态和非正态分析,为属性数据提供二项分析和 Poisson 分析。

如果可以选择收集连续数据或属性数据,请尽量收集连续数据,因为它们通常可提供更多信息且更客观。属性数据更易于收集,因此常用于难以获取连续测量值时的情况。

连续数据

连续数据用于测量部件或过程的特征,如长度、重量或温度。此类数据通常包括小数值。例如,一家食品制造商要调查谷类产品的重量是否在一段时间内保持一致。为了收集数据,质量分析员将记录盒装谷类食品样本的重量。

工业过程中的连续数据通常不服从正态分布。非正态分布的连续数据可能服从特定类型的非正态分布,如 Weibull 分布或指数分布。有时,可变换非正态数据以使其服从正态分布。

属性数据

属性数据通常计数某个特征或条件出现的次数,比如物理形状、某一类缺陷或等级评定,如成功/失败。属性数据通常依赖于主观评估,并由评估者通过解释。主要有两种类型的属性数据:缺陷(不符合)的计数和缺陷品(不合格品)的计数。

缺陷是指产品的特定质量特性,如撕裂、划伤或褪色。每个产品可有一个以上的缺陷,并且缺陷可能并不总导致产品不可使用。例如,纺织公司的分析员检查毛巾的撕裂或不当拼接问题,并为每批 25 条毛巾记录缺陷数量。每条毛巾都可能会存在 1 处以上的缺陷,例如 1 处撕裂和 1 处撕拉。当监视缺陷时,将收集 Poisson 数据。

缺陷品指的是整个产品的总体状况是否可以接受。因此,通常的数据形式为“是/否”、“合格/不合格”或“缺陷/缺陷品”。由于一个产品可能有许多质量特性,因此可能具有许多缺陷,但产品本身要么有缺陷要么无缺陷。例如,分析员检查来自每个供应商的灯泡样本,并计数每个样本中的破损灯泡数。当监视缺陷品时,将收集二项式数据。

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