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。
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。
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。
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。
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。
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”。
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。