非正态数据的可用分析
- 使用过程的工程或历史知识。
- 大多数情况下，最好使用过程的工程和历史知识来确定适合过程数据的方法。例如，数据是否遵守对称分布？过去有什么方法适用于类似情况？
- 使用拟合优度评估。
- Anderson-Darling 检验评估给定分布是否拟合来自过程的数据。概率图是评估数据与分布的紧密程度的另一种工具。
- 评估不同的方法如何影响您的结论。
- 如果几种方法提供了对数据和类似结论的充分拟合，那么选择的重要性就不大了。相反，如果您的结论取决于方法，您可能需要报告最保守的结论或收集更多信息。例如，您可以使用分布 自动化能力分析 结果或百分位数来 个体分布标识 查看结论如何依赖于该方法。
- 如果您计划随时间推移对过程执行重复的能力分析，请尝试使用一种可能随时间推移始终如一地充分表征过程的方法。使用相同的方法可以轻松直接地比较重复分析中的指数。
- 非正态和非参数模型使用实际数据单位。变换中的法线模型使用变换后的单位。
- 转换的正态模型提供总体和过程内能力的估计值。
用于 自动化能力分析 让 Minitab 统计软件帮助确定拟合数据的合理方法，同时考虑该方法的有用性和实用性。分析首先考虑分布，然后考虑变换。如果没有模型拟合数据，则分析使用非参数方法。
要查看有关数据的更多详细信息，请使用 个体分布标识。该分析提供了不同方法的拟合优度度量，以支持您决定使用哪种方法。
用于 自动化能力分析 选择方法
用于 自动化能力分析 评估几种方法与数据的兼容性并做出合理的选择。
- 选择 。
- 指定数据是按单列排列还是跨行排列。
- 输入流程的规格限。
分析先考虑分布，然后考虑变换。如果没有参数方法拟合数据，则分析使用非参数方法。结果包括提供合理拟合的第一种方法的能力报告。分布结果表显示方法评估的顺序、有关方法拟合的信息以及能力统计量。您可以为替代方法生成结果，以更详细地研究这些方法。
用于 自动化能力分析 选择方法的示例
工程师收集有关瓷砖翘曲程度的数据。数据分布未知，因此她对数据执行 个体分布标识 以确定能力分析的合理方法。
分布结果表显示了方法的评估顺序。在第一行中，安德森-达令检验的结论是，由于 p 值小于 0.05，因此数据不服从显著性 0.05 水平的正态分布。在第二行中，安德森-达林检验的结论是，Weibull 分布与数据是合理的拟合，因为 p 值大于 0.05。能力结果适用于威布尔分布，因为威布尔分布是列表中提供合理拟合的第一种方法。
工程师使用过程知识来考虑威布尔分布是否是一种合理的方法。例如，威布尔分布的边界为 0。在数据中，0 是表示未变形图块的边界。
该分析包括使用 Weibull 分布的能力分析。
自动化能力分布结果： 翘曲程度
| 分布 | 位置 | 尺度 | 阈值 | 形状 | P | Ppk | Cpk |
|---|---|---|---|---|---|---|---|
| 正态 | 2.9231 | 1.7860 | 0.0100421 | 0.5743 | 0.5838 | ||
| Weibull* | 3.2781 | 1.6937 | >0.25 | 0.5133 | |||
| 对数正态 | 0.8443 | 0.7444 | <0.005 | 0.4242 | |||
| 最小极值 | 3.8641 | 1.9924 | <0.01 | 0.5362 | |||
| 最大极值 | 2.0958 | 1.4196 | 0.212835 | 0.5130 | |||
| Gamma | 1.2477 | 2.3428 | 0.238337 | 0.4851 | |||
| Logistic | 2.7959 | 1.0162 | 0.0127347 | 0.5799 | |||
| 对数 Logistic | 0.9097 | 0.4217 | <0.005 | 0.4090 | |||
| 指数 | 2.9231 | <0.0025 | 0.3780 | ||||
| 3 参数 Weibull | 2.9969 | 0.2099 | 1.5049 | 0.467097 | 0.4980 | ||
| 3 参数对数正态 | 1.3788 | 0.4184 | -1.4002 | 0.4961 | |||
| 3 参数 Gamma | 1.2314 | -0.0197 | 2.3898 | 0.4864 | |||
| 3 参数对数 Logistic | 1.3043 | 0.2700 | -1.0940 | 0.4656 | |||
| 2 参数指数 | 2.6679 | 0.2552 | <0.01 | 0.3982 | |||
| Box-Cox 变换 | 1.6237 | 0.5380 | 0.574337 | 0.5116 | 0.5214 | ||
| Johnson 变换 | 0.0112 | 0.9949 | 0.798895 | 0.4959 | |||
| 非参数 | 0.6187 |
用于 个体分布标识 查找适当的分布或转换
在执行能力分析之前使用 个体分布标识 来确定最适合您的数据的分布或变换。如果没有分布或变换与您的数据兼容，请考虑 能力分析（非参数）。
- 选择 。
- 选择您的数据是安排在单个列中还是跨多个行。
- 选择 使用所有分布和变换 或 并选择 指定 最多 4 个分布和变换进行测试。
- 非正态能力分析
- 多变量非正态能力分析
- 非正态 Capability Sixpack
- 正态能力分析
- 正态 Capability Sixpack
- 多变量正态能力分析
- 组间/组内能力分析
用于 个体分布标识 比较分布和变换拟合的示例
工程师收集有关瓷砖翘曲程度的数据。数据分布未知，因此她对数据执行 个体分布标识 以比较约翰逊变换后指数分布和正态分布之间的拟合优度。
指数分布
此概率图表明，指数分布的拟合优度不佳，其 p 值很低，足以否定数据服从指数分布的原假设。
进行了 Johnson 变换的正态分布
但是，对其应用 Johnson 变换后，您的数据接近正态分布，因为其 p 值较大，且几乎所有数据点都落在正态概率图的置信边界内。
