步骤 1：确定您的过程是否稳定
在评估过程的能力之前，确定过程是否稳定。如果过程不稳定，则估计的过程能力可能不可靠。
可使用 P 控制图在视觉上监视缺陷百分比，以及确定缺陷百分比是否稳定并受控制。
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。
在此 P 控制图中，大多数点随机变化，且在控制限之内。未显示出任何趋势或模式。但是，第 19 日的缺陷单位比率不受控制。在评估过程能力之前，需调查和消除可能于当日导致异常高的缺陷率的任何特殊原因。
步骤 2：确定数据是否服从二项分布
在评估过程的能力之前，确定它是否服从二项分布。如果数据不服从二项分布，则估计的过程能力可能不可靠。Minitab 所显示的用于评估数据分布情况的图形取决于子组大小是否相同。
子组大小相同
如果所有子组大小相同，Minitab 会显示二项图。
检查此图以确定绘制点是否大致遵循一条直线分布。如果不是，那么“数据是从二项分布采样的”这一假定可能是错误的。
二项分布
在此图中，数据点紧密地分布在这条线的周围。您可以假设数据服从二项分布。
非二项分布
在此图中，数据点不沿右上部附近的线分布。这些数据不服从二项分布，并且无法使用二项能力分析对其进行可靠评估。
子组大小不同
如果子组大小不同，Minitab 会显示缺陷率图。
检查此图以查看缺陷品百分比是否在整个样本数量中随机分布，或是否存在一种模式。如果数据随机分布在中心线周围，则可以推断数据服从二项分布。
二项分布
在此图中，点随机分布在中心线周围。您可以假设数据服从二项分布。因此，可使用二项能力分析评估数据。
非二项分布
在此图中，模式不是随机的。对于大于 1900 的样本数量，缺陷百分比率随样本数量增加而增高。此结果表明在样本数量和缺陷百分比之间存在相关性。因此，这些数据不服从二项分布，并且无法使用二项能力分析对其进行可靠评估。
步骤 3：评估缺陷单元的百分比
检查缺陷百分比估计值和置信区间
使用样本数据的缺陷百分比均值来估计过程的缺陷百分比均值。使用置信区间作为估计值的误差容限。
置信区间提供了一系列您过程中缺陷百分比实际值的可能值（如果您能够收集和分析其生成的所有项）。在置信水平为 95％ 的情况下，您可以 95％ 地确信过程的实际缺陷百分比包含在置信区间内。也就是说，如果从过程中收集 100 个随机样本，可以期望约 95 个样本生成含有缺陷百分比实际值的区间。
置信区间有助于评估样本估计值的实际意义。如果您有一个基于过程知识或行业标准的最大允许缺陷百分比值，则将置信上限与该值进行比较。如果置信上限小于最大允许缺陷百分比值，则您可以确信过程符合规格，即使考虑到将影响估计值的随机抽样变异也是如此。
| 汇总统计 | |
|---|---|
| （95.0％ 置信度） | |
| 缺陷百分比: | 0.39 |
| 置信区间下限: | 0.24 |
| 置信区间上限: | 0.60 |
| 目标值: | 0.50 |
| PPM 缺陷: | 3931 |
| 置信区间下限: | 2435 |
| 置信区间上限: | 6003 |
| 过程 Z: | 2.6579 |
| 置信区间下限: | 2.5120 |
| 置信区间上限: | 2.8155 |
主要结果：缺陷百分比，CI
二项能力分析的结果包括汇总统计表，其位于输出内容中间偏下部分。在此模拟的汇总统计表中，目标值 (0.50%) 表示过程的最大允许缺陷百分比。缺陷百分比估计值为 0.39％，其低于最大允许缺陷百分比值。但是，缺陷百分比的置信区间上限是 0.60％，其超出了最大允许值。因此，您无法 95％ 地确信此过程有能力。您可能需要使用更大的样本数量或者减少过程变异，以获得针对缺陷百分比估计值的更窄置信区间。
确定您是否具有足够数据以进行可靠的估计
可使用累积百分比缺陷图确定是否具有足够样本，从而能够获得百分比缺陷的稳定估计值。
检查按时间排序的缺陷品百分比，以查看当收集更多样本时估计值如何变化。理想情况下，缺陷品百分比在几个样本后稳定，由沿缺陷品均值线的变平绘制点显示。
样本足够
在此图中，缺陷百分比沿缺陷百分比均值线稳定地分布。因此，此能力研究包含了足够样本来稳定、可靠地估计缺陷百分比均值。
样本不够
在此图中，缺陷百分比不稳定。因此，此能力研究未包含足够的样本来可靠地估计缺陷百分比均值。
