多变量正态能力分析 的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。

数据应当是连续的

连续数据是测量值,可以是连续尺度上位于某个值范围内的任何数值(包括分数值或小数值)。常见示例包括长度、重量和温度等测量值。

如果您有属性数据(如缺陷品数或缺陷数),请使用 二项式分布过程能力分析Poisson 能力分析

收集足够的数据以获取过程能力的可靠估计值
尝试为每个变量收集至少 100 个总数据点(子组大小*子组数),例如 25 个大小为 4 的子组或 35 个大小为 3 的子组。如果没有在足够长的一段时间内收集到充足的数据量,数据可能无法准确地代表不同的过程变异源,并且估计值可能无法指示过程的真实能力。
如果可能,应当采用合理子组的形式收集数据
合理子组是相似项的小样本,这些项是在一小段时间内生成的,属于过程代表。应在相同的输入和条件(如人员、环境或设备)下收集各子组的观测值。如果您没有收集合理子组,则子组中的变异可能会反映出过程的特殊原因变异,而非自然或固有变异。
过程必须稳定且受控制
如果当前过程不稳定,则将无法使用能力指标来可靠地评估将来的过程持续能力。 如果不确定过程是否受控制,请使用 Xbar-S 控制图正态 Capability Sixpack 评估过程稳定性,然后再执行此分析。
每个变量的数据应服从正态分布
针对此分析的过程能力估计值基于正态分布。如果数据不是正态分布的,则过程的能力估计值将不准确。如果数据属于非正态数据,则可以使用此分析的变换选项中的 Box-Cox 变换或 Johnson 变换进行数据变换。 要确定数据是否为正态数据,或者要确定非正态数据的变换是否有效,请使用 个体分布标识 如果数据是非正态数据且变换无效,请考虑使用 非正态能力分析
对于组间/组内分析,每个子组应当有两个或更多个观测值
如果在所有子组中都没有两个或更多个观测值,Minitab 将无法执行分析,因为子组间变异无法与子组内变异分开进行估计。
对于组间/组内分析,如果可能,所有子组的大小都应相同
如果因缺失数据或样本数量不相等而导致并非所有子组的大小都相等,Minitab 将仅使用大小最常见的子组来估计子组间变异。