Xbar 控制图
Xbar 控制图标绘每个子组内测量值的平均值。中心线是所有子组平均值的平均值。控制限设置在距离中心线上方和下方 3 个标准差的位置，它们显示子组平均值中的预期变异量。
如果子组大小大于 1，Minitab 将显示 Xbar 控制图。
解释
可使用 Xbar 控制图来监视过程的均值，以及确定它的稳定性是否足以执行能力分析。
在这些结果中，点在中心线周围随机变化，且在控制限制之内。未显示出任何趋势或模式。过程中心足够稳定，可以执行能力分析。
I 控制图
I 控制图标绘单独的观测值。中心线是过程平均值的估计值。控制限设置在距离中心线上方和下方 3 个标准差的位置，它们显示各个样本值中预期的变异量。
如果子组大小为 1，Minitab 将显示 I 控制图。
解释
使用 I 控制图来评估多个度量值是否受控，并确定过程的稳定性是否足以执行能力分析。
红点表示至少在一个特殊原因检验中失败且不受控制的观测值。失控点表示过程可能不稳定、能力分析结果可能不可靠。分析过程能力之前，应当先确定导致失控点的原因并消除特殊原因变异。
在该控制图中，点在中心线周围随机变化，且在控制限之内。未显示出任何趋势或模式。过程中心足够稳定，可以执行能力分析。
R 控制图
R 控制图标绘子组极差。如果子组大小恒定，则中心线是所有子组极差的平均值。如果子组大小有变化，则中心线的值取决于子组大小，因为较大的子组往往具有较大的极差。控制限设置在距离中心线上方和下方 3 个标准差的位置，它们显示子组极差中的预期变异量。
如果子组大小大于 2 但小于 9，Minitab 将显示 R 控制图以监视变异。
解释
可使用 R 控制图来监视过程的变异，以及确定它的稳定性是否足以执行能力分析。R 控制图将指示子组之间的变异是否受控制。
在这些结果中，点在中心线周围随机变化，且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定，可以执行能力分析。
S 控制图
S 控制图标绘子组标准差。中心线是所有子组标准差的平均值。控制限设置在距离中心线上方和下方 3 个标准差的位置，它们显示子组标准差中的预期变异量。
如果子组大小大于或等于 9，Minitab 将显示 S 控制图以监视变异。
解释
可使用 S 控制图来监视您过程的变异（标准差），以及确定它的稳定性是否足以执行能力分析。S 控制图将指示子组之间的变异是否受控制。
在这些结果中，点在中心线周围随机变化，且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定，可以执行能力分析。
移动极差 (MR) 控制图
MR 控制图标绘连续观测值的移动极差。中心线是所有移动极差的平均值。控制限（设定为位于中心线上方和下方 3 个标准差的距离）显示移动极差中的预计变异量。
如果子组大小为 1，Minitab 将显示 MR 控制图。
解释
可使用 MR 控制图来监视您过程的变异（移动极差），以及确定它的稳定性是否足以执行能力分析。MR 控制图表明观测值之间的变异是否受控制。
红点表示至少在一个特殊原因检验中失败且不受控制的观测值。失控点表示过程可能不稳定、能力分析结果可能不可靠。在分析过程能力之前，您应当确定导致失控点的原因并消除特殊原因变异。
在这些结果中，点在中心线周围随机变化，且在控制限制之内。未显示出任何趋势或模式。过程变异足够稳定，可以执行能力分析。
特殊原因检验
特殊原因检验评估每个控制图上的标绘点是否随机分布在控制限之内。
解释
使用特殊原因检验，可以确定需要调查的观测值和您数据中的具体模式和趋势。每项特殊原因检验将检测您数据中的具体模式或者趋势，这将揭示过程不稳定性的不同方面。
- 1 个点，距离中心线超过 3 个标准差(P)
- 检验 1 识别与其他子组相比异常的子组。检验 1 是公认的、用于检测失控情况的必要检验。如果对过程中的较小偏移感兴趣，您可以使用检验 2 来补充检验
1，以便创建一个敏感度更高的控制图。
- 连续 9 点在中心线同一侧(N)
- 检验 2 会标识过程居中或变异中的偏移。如果对过程中的较小偏移感兴趣，您可以使用检验 2 来补充检验 1，以便创建一个敏感度更高的控制图。
- 行内连续 6 点，全部递增或全部递减(S)
- 检验 3 检测趋势。该检验会查找值一致增加或减少的长序列连续点。
- 行内连续 14 点上下交错(F)
- 检验 4 检测系统变异。您希望过程中的变异模式随机，但是未通过检验 4 的点可能表示变异模式是可预测的。
- 3 个点中的 2 个，距离中心线超过 2 个标准差（同侧）(T)
- 检验 5 检测过程中的较小偏移。
- 5 个点中的 4 个，距离中心线超过 1 个标准差（同侧）(U)
- 检验 6 检测过程中的较小偏移。
- 行内连续 15 点，距离中心线 1 个标准差以内（任一侧）(I)
- 检验 7
检测时常被误认为是良性控制证据的变异模式。此检验可检测到过宽的控制限。过宽的控制限通常是由分层数据导致的，如果每个子组中存在系统变异源，则数据会发生分层现象。
- 行内连续 8 点，距离中心线超过 1 个标准差（任一侧）(E)
- 检验 8 检测混合模式。在混合模式中，这些点趋于避开中心线，而落在控制限附近。
最后 25 个子组图
最后 25 个子组图显示最后 25 个子组中每个子组的数据点，并且显示整体过程均值线。
解释
使用最后 25 个子组图评估子组内观测值的分布是否符合能力分析的要求。
- 子组是否包含异常值
- 数据是否围绕过程过程均值对称分布
- 分布在子组之间是否有变化
如果该图显示子组间存在问题或变化的证据，则能力结果可能无效。请调查您的过程，确定数据值未在子组间随机分布的原因。
在此图中，标绘点似乎围绕着过程均值随机且对称地分布着。
注意
如果子组大小为 1，Minitab 将显示最后 25 个观测值图，其解释方式类似。
能力直方图
能力直方图可显示样本数据的分布。直方图上的每个条形代表数据在区间内的频率。
直方图中的组内曲线和整体曲线是使用过程均值和不同的过程变异估计值生成的正态分布曲线。组内虚曲线使用子组内标准差。整体实曲线使用整体标准差。解释
使用能力直方图直观地显示样本数据与分布拟合和规格限的关系。
要直观地评估分布拟合，请将直方图中的条形与拟合曲线进行比较。直方图中的数据形状应该与该曲线大致相符。要确定数据是否服从分布，请使用概率图中的结果。
在这些结果中，过程数据出现在规格限之间的中央。但是，过程展开大于规格展开，这表明能力差较。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) 的部件。
注意
要确定您过程中的不合格项的数量，请使用整体 PPM 结果。
正态概率图
- 中线
- 基于极大似然参数估计的分布的预期百分位数。
- 置信限线
- 左侧曲线表示百分位数的置信区间下限。右侧曲线表示百分位数的置信区间上限。
- Anderson-Darling 检验统计量和 p 值
- 用于确定数据是否服从分布的检验结果。
解释
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。
能力图
能力图位于正态 Capability Sixpack 报告的右下角。
能力图包含三个区间：
- 组内区间表示潜在过程公差，通过 6 乘以子组内标准差计算。
- 整体区间表示实际过程公差，通过 6 乘以整体标准差计算。
- 规格区间表示指定的规格下限和规格上限（LSL 和 USL）之间的区间。
过程中心由整体和组内过程展开区间内的刻度标记显示。目标（如果有）由规格展开（规格）内的刻度标记显示。
解释
使用概率图直观地评估过程的能力。
要评估过程的潜在能力，请将组内过程散布与规格散布进行比较。要评估过程的整体能力，请将整体过程散布与规格散布进行比较。如果过程散布大于规格散布，则需要改善过程。
如果具有目标值，请将过程中心与该目标值进行比较。如果过程居中（在目标值上），则规格散布和过程散布的中间刻度标志呈垂直排列。如果过程未居中，请调查原因。
如果组内过程散布和整体过程散布存在很大差异，则过程可能不稳定。请查看控制图，确保过程受控制。
