过程报告的所有过程能力报表

过程性能顶部图：静态过程性能，长期/短期

直方图上的正态曲线显示估计的项目 CTQ 测量值分布。CTQ（质量关键点）是指为了满足客户的需求而必须达到其性能标准的产品或过程的主要可度量特征。CTQ 可以包含与产品或服务相关的任何变量，而且可以具有规格上限和规格下限。

Minitab 通过过程均值和过程标准差的长期 (LT) 和短期 (ST) 估计值计算这些曲线，然后绘制一条长期正态曲线和一条短期正态曲线。大多数情况下，长期正态曲线略宽于短期正态曲线。

规格限（LSL 和 USL）提供参考点。目标值（名义值）通常（但不总是）位于规格下限和规格上限的中央。理想情况下，均值应接近于目标值。在上面的示例中，过程均值似乎与目标非常接近。

过程性能底部图：动态过程性能，长期/短期

此图针对 LT（长期）和 ST（短期），在每个数据子组后面显示估计的累积 DPMO（每一百万个机会中的缺陷数）。Minitab 通过先获取每个子组后面的基准 Z 值并将其转换为 DPMO 来计算 DPMO。基准 Z 值是长期和短期估计均值和标准差的函数。

如果过程是稳定的，此图中的线条接近于稳定值。如果线条不稳定，则要么过程不稳定，要么包含的数据不足。在上面的示例中，这两种线条均趋向于在图的左侧波动，但随后在图的右侧稳定下来。如果这些线条在图的左侧均相对平缓，则以恒定的方式增加或减少。这表示过程中的某些数据可能已发生变化：均值已偏移，或者过程变异发生更改。几乎所有情况下，由于受到过程偏移和漂移的影响长期线将位于短期线上方，这是因为长期基准 Z 值比短期基准 Z 值小。

此图中的线条应在子组数量较少的左侧显示为上下振荡，但如果收集了足够的数据并且过程稳定，应在右侧显示为稳定。如果线条显示为不稳定，“报表 4：累积统计量”中的图应该有助于确定此问题的原因是数据不足还是过程不稳定。

过程分布统计

分布统计表显示您指定的项目信息和过程信息。

过程基准

粗体显示的数字为短期西格玛（或基准 Z 值）和长期 DPMO。大多数黑带报告过程性能均使用这两个值。

过程数据控制图

显示数据收集期间的过程稳定性。对于大于 1 的子组，请使用 Xbar 控制图帮助确定过程均值的稳定性，并使用 S 控制图帮助确定过程标准差的稳定性。如果子组大小 = 1，Minitab 会显示 I 控制图和 MR 控制图。

过程能力图，长期/短期

显示与规格限相关的估计过程公差。过程公差就是过程居中点 ± 3 个标准差。由于长期和短期的过程居中点和标准差不同，因此有两个图。长期使用过程均值作为居中点，而短期使用目标（或者规格之间的中点，或过程均值（当只给出了一个规格时））作为居中点。有关详细信息，请参见Minitab 如何选择过程报告的短期统计量的居中值。

换言之，这些图形显示车（过程）的大小是否与车库相符（规格），或者就此而言此车是否专门针对此车库研制。在上面的示例中，过程比规格宽。但是，过程已居中（如长期图中所示），这表明过程居中点（均值）几乎与目标相同。

能力指数，长期/短期

显示通常用于报告过程性能的统计量。请参见了解能力度量，了解比较度量长期 (LT) 和短期 (ST) 性能的统计量的讨论。

使用基准 Z 值来说明过程性能。基准 Z 值统计量不仅基于相应的过程条件，它们还可直接生成缺陷的概率估计值：PPM、DPMO 等。可接受的备择项为 CCpk 和 Ppk，因为这些值与基准 Z 值统计量一样基于相同的过程条件。

有关具体计算的详细信息，请参见针对过程报告的过程统计量和能力值计算。

基本统计量

此表提供过程均值（长期均值）、过程标准差（长期标准差）以及其他基本统计量。

使用偏度和峰度可帮助确定数据是否呈正态分布。但是，概率图更加有用。（在报表 6 中，正态图估计缺陷概率。）

最小值、第 1 个四分位数、中位数、第 3 个四分位数和最大值显示数据的散布。例如，25% 的数据不大于 39.1540（第 1 个四分位数），50% 的数据不大于 40.0381（中位数），而 75% 的数据不大于 40.8249（第 3 个四分位数）。

高级统计量

此表提供过程参数、短期均值和标准差的统计推断。

过程均值含有一个 95% 的置信区间以及多个检验统计量，可以显示过程均值是否等于过程目标。如果过程均值和过程目标在统计意义上没有显著差异，p 值应该 > 0.05，而过程目标将位于置信区间的界限内。在上方的示例中，检验的 p 值为 0.9830 而目标 (40) 位于均值的 95% 置信区间的界限内。您不能否定过程均值等于过程目标的原假设。

此表提供长期和短期标准差的 95% 置信区间，以及一个用于这两个数量是否相等的检验。如果长期和短期过程标准差在统计意义上没有显著差异，您可以得出结论：过程并未呈现显著的移位和/或漂移，并且数据在收集时没有显现特殊原因。在上方的示例中，针对等方差的检验的 p 值为 0.0011。因此，必须拒绝原假设，并得出结论：长期标准差和短期标准差显著不同。

累积标准差（长期/短期）

此图在每个数据子组后显示长期标准差和短期标准差的估计值。因为所有过程性能的度量都基于过程标准差的估计值，您应该确定这些估计值是否适用。其适度性取决于过程是否稳定（过程的固有变异性不发生变化）以及是否有足够的数据描述过程的特征。

长期标准差和短期标准差的估计值应在图左侧相应震荡（其中包含几个子组）。如果过程稳定并且您收集了足够的数据，这些估计值将在图形的右侧稳定下来。如果图中的线条继续显示为波动，则可能因为您收集的数据不足，也可能是因为过程变异不稳定。

对于稳定的过程，长期标准差和短期标准差之间的间隙应该变得相当恒定。如果过程发生变化，例如均值发生偏移或变异发生变化，长期标准差与短期标准差之间的间隙也将发生变化。

有关更多信息，请转到通过过程报告确定过程均值偏移和通过过程报告确定过程变异性的增加。

累积 SS（长期/短期）

此图在每个数据子组之后显示平方差之和（总 SS 或长期 SS），并在每个数据子组之后显示每个子组中的所有平方差之和（组内 SS 或短期 SS）。有关更多信息，请转到针对过程报告的平方和计算。

短期 SS 是一个极佳的诊断工具，可用于检测过程中固有变异发生的变更。如果固有变异为稳定变异，则每个子组的组内 SS 将大致一样。因此，对于每个子组，短期 SS 都应增加大致相同的数量，从而生成一条恒定向上倾斜的短期 SS 线。过程的固有变异性发生的任何变化都将显示为短期 SS 线的斜率发生变化。

总 SS 是组内 SS 与组间 SS 之和。因此，总 SS 会受过程方差和过程均值稳定性的影响。如果这两个值都稳定，对总 SS 的贡献对于每个子组都应大致相同。因此，对于每个子组，长期 SS 都应增加大致相同的数量，从而生成一条恒定向上倾斜的长期 SS 线。过程的固有变异性发生的任何变化都将显示为长期 SS 线的斜率发生变化。

固有过程变异性发生的突然变更会同时影响组内 SS 和组间 SS，将同时改变短期 SS 和长期 SS 线条的斜率。因此，这两种线条的斜率发生变化都将表明固有过程变异性发生变更。

过程均值移位将影响组间 SS 但不会影响组内 SS，将更改长期 SS 线的斜率而不会更改短期 SS 线的斜率。因此，长期 SS 线的斜率发生变化而短期 SS 线的斜率不变，这表明过程均值发生偏移。

有关更多信息，请转到通过过程报告确定过程均值偏移和通过过程报告确定过程变异性的增加。

累积均值

此图在每个子组后显示过程均值的估计值。过程均值的估计值取决于您收集的数据量以及过程的稳定性。

估计值应在图左侧（其中包含一些子组）显示为上下大幅波动。如果过程稳定并且您收集了足够的数据，这些估计值将在图形的右侧稳定下来。如果图中的线条继续显示为波动，则可能是因为您收集的数据不足，也可能是因为过程均值波动极大。查看累积标准差图以确定问题是否因为您没有足够数据而导致。如果没有足够数据，则长期和短期线条也将波动。

移位 Z 值

移位 Z 值等于长期基准 Z 值和短期基准 Z 值之间的间隙。

当子组数不多时，在图的左侧，图中的线条显示为上下波动，但如果您收集了足够的数据并且过程稳定，线条应该在图的右侧显示为稳定。

长期和短期基准 Z 值

基准 Z 值图表明您收集的数据是否足以自信地使用这些统计量以报告过程性能。在子组数量较少时，此图中的线条应在左侧显示为上下波动，但如果您收集了足够的数据并且过程稳定，应在右侧显示为稳定。如果线条显示为不稳定，“累积统计量”报表中的图可帮助确定此问题的原因是数据不足还是过程不稳定。

基准 Z 值图中的间隙和移位 Z 值图中的线条都应接近于常量值，如上方的示例中所示。

正态图、数据直方图和均值直方图

这些图可帮助您确定数据是否为正态数据。如果数据为非正态数据，缺陷概率（例如 DPMO）的估计值将不准确。大多数情况下，这些估计值往往比实际值低。因此，在使用任何估计值（如 DPMO）之前，请检查正态图和两种直方图以了解数据是否至少呈现合理的正态分布。上述示例中的数据呈现正态分布。

如果数据呈现严重偏斜，请尝试变换（例如 Box-Cox 变换）以更正存在的问题。当您在过程报告选项子对话框中选择使用 Box-Cox 指数变换 (W=Y^λ)时，Minitab 将自动转换数据、目标和规格限。但是，如果您手动转换数据，则还必须手动转换目标和规格限。

标准差与均值

当子组均值和子组标准差之间不相关时，此图应显示随机分散的点，如以上示例所示。

如果均值与标准差之间存在正相关，子组标准差倾向于在子组均值增大的同时增大。Box-Cox 变换 (λ = 0) 是一种通常在这种情况下有效的知名方差稳定性变换。

滞后 1 均值与均值

滞后 1 均值与均值比较图是（子组均值）_i 与（子组均值）_i-1 相比较的图。此图应该显示随机分散的点（如以上示例所示），以指示在连续的子组均值之间不存在相互关系。

如果存在正相关，并且一个子组均值大于整体过程均值，则下一个子组均值也有可能会大于整体过程均值。因此，正相关意味着过程将根据均值的波动而定。如果呈负相关，这将表明交替的子组均值（低-高-低）不是两个连续的低子组均值。此类负相关表示对过程过度控制。

滞后 1 标准差与标准差

滞后 1 标准差与标准差比较图是（子组标准差）_i 与（子组标准差）_i-1 相比较的图。此图应该显示随机分散的点（如以上示例所示），以便显示连续的子组标准差之间不存在相互关系。

当使用子组均值时，如果存在正相关并且一个子组的标准差大于所有子组的平均标准差，则下一个子组的标准差大于所有子组的平均标准差的可能性很大。因此，子组标准差将呈上下波动趋势。随此情况出现的还有上下波动的均值以及子组均值和子组标准差之间的相关性。在此情况下，请尝试使用 λ = 0 的 Box-Cox 变换。

子组标准差呈现正的自相关可由工具磨损或其他过程衰减导致（造成不断增大的变异性），或者是因为存在会对变异性产生影响的不受控制的多余因子（例如相关湿度）导致。