正态 Capability Sixpack 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 或 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。 使用 Capability Sixpack 输出中的控制图可确定过程是否稳定且受控制。

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。 使用 Capability Sixpack 输出中的正态概率图和直方图可确定数据（或变换后的数据）是否服从正态分布。