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。
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