步骤 1：检查数据是否有问题
过程应稳定，并且原始（或变换后）过程数据应服从正态分布。控制图和概率分布图可以帮助您评估是否符合这些要求。
确定您的过程是否稳定
控制图可帮助您通过标识数据中的失控点、模式和趋势来监视过程的稳定性。
红点表示至少未通过一个特殊原因检验且不受控制的观测值。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。
在这些控制图中，点在中心线周围随机变化，且在所有这些控制图的控制限之内。
注意
Minitab 为所有数据的控制图显示的控制图类型取决于子组大小。如果子组大小小于等于 8，Minitab 将显示 R 控制图。如果子组大小大于等于 9，Minitab 将显示 S 控制图。
评估数据的正态性
使用正态概率图评估数据服从正态分布的要求。
如果正态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并且沿位于置信限之间的拟合线排列。背离这条直线表明违背正态性。如果 p 值大于 0.05，则可以假设数据服从正态分布。您可以使用正态分布评估过程的能力。
如果 p 值小于 0.05，则数据不是正态数据且能力分析结果可能不准确。请使用个体分布标识确定是否必须变换数据或者拟合非正态分布才能执行能力分析。
注意
如果您的数据为非正态数据，可以使用在此分析中包含的 变换 选项来变换数据。要向您的数据拟合非正态分布，请使用 非正态 Capability Sixpack。
主要结果：P 值
在此图中，点大致地以沿拟合（中）线分布。p 值大于 0.05，因此没有足够证据表明数据未服从非正态分布。可以使用组间/组内能力分析来评估这些数据
步骤 2：检查过程的观测性能
可使用能力直方图在视觉上检查样本观测值，以与过程要求进行比较。
检查过程展开
直观检查直方图中的数据与规格下限和规格上限的关系。理想情况下，数据的散布窄于规格散布，并且所有数据都在规格限内。超出规格限的数据表示不合格项。
在此直方图中，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，但是也有一些低于规格下限 (LSL) 和高于规格上限 (USL) 的项。
Note
要确定您过程中不合格部件的实际数量，请使用 PPM 的结果。
评估过程的中心
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）。数据的中心出现在分布曲线的尖峰，并通过样本均值估计。
在此直方图中，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的中心位置。大部分数据超出目标值，并接近于规格上限。
步骤 3：评估过程的能力
使用主要能力指数来评估过程符合要求的程度。
评估组间/组内能力
使用 Cpk 评估过程的组间/组内能力，同时考虑其位置和散布。通常，值越高，过程的能力越大。Cpk 值低表示可能需要改进过程。
-
将 Cpk 与基准值（代表可接受的过程最小值）进行比较。许多行业都使用基准值 1.33。如果 Cpk 比基准值低，请考虑如何改进您的过程，例如减少其变异或改变其位置。
-
比较 Cp 和 Cpk。如果 Cp 和 Cpk 大致相等，则过程位于两个规格限制之间的中心位置。如果 Cp 和 Cpk 不同，则过程不位于中心位置。
主要结果：Cpk
对于这些过程数据，Cpk 为 1.09。因为 Cpk 小于 1.33，所以过程的组间/组内能力无法满足客户要求。过程数据太接近规格下限。由于过程未居中，因此 Cpk 不等于 Cp (2.76)。
评估整体能力
可使用 Ppk 根据过程位置和过程散布评估过程的整体能力。整体能力表示客户在一段时间内体验的实际性能。
总体上讲，Ppk 值越高，过程的能力越高。Ppk 值低表示可能需要改进过程。
-
将 Ppk 与基准值（代表可接受的过程最小值）进行比较。许多行业都使用基准值 1.33。如果 Ppk 比基准值低，请考虑如何改进您的过程。
-
比较 Pp 和 Ppk。如果 Pp 和 Ppk 大致相等，则该过程位于两个规格限制之间的中心位置。如果 Pp 和 Ppk 不同，则过程不位于中心位置。
- 比较 Cpk 和 Ppk。如果 Ppk 比 Cpk 大得多，则除子组之间/之内的变异外，过程中还可能存在其他系统性变异源。
主要结果：Ppk
对于这些过程数据，Ppk = 0.52。因为 Ppk 小于 1.33，所以整体过程能力无法满足客户要求。由于过程未居中，因此 Ppk ≈ Pp (0.53)。但是，Ppk < Cpk (0.72)，这表明如果减少或排除其他系统性过程变异源，将可以改善整体能力。
重要信息
Cpk 和 Ppk 指标用于度量过程的能力（仅同与过程均值最接近的规格限相关）。因此，这些指标只表示过程曲线的一侧，而不度量过程曲线另一侧的过程执行情况。如果过程中存在超越两个规格限的不合格项，请使用其他能力度量，以便更加完整地评估过程性能。
