过程能力概述（ Process Capability Overview） 在过程处于统计控制状态之后，即生产比较稳定时，你很可能希望知道过程 能力，也即满足规格界限和生产良品的能力。你可以将过程变差的宽度与规格界 限的差距进行对比来片段过程能力。在评价其能力之前，过程应该处于控制状态， 否则，你得出的过程能力的估计是不正确的。 你可以画能力条形图和能力点图来评价过程能力，这些图形可以帮助你评价 数据的分布并验证过程是否受控。你还可以计算过程指数，即规范公差与自然过 程变差的比值。过程指数是评价过程能力的一个简单方法。因为它们无单位，你 可以用能力统计量来比较不同的过程。 一、选择能力命令（Choosing a capability command） Minitab提供了许多不同的能力分析命令，你可以根据数据的属性及其分布 来选择适当的命令。你可以为以下几个方面进行能力分析： ?正态或 Weibull概率模型(适合于测量数据) ?很可能来源于具有明显组间变差的总体的正态数据 ?二项分布或泊松概率分布模型(适合于属性数据或计数数据) 注：如果你的数据倾斜严重，你可以利用 Box-Cox转换或使用 Weibull概率 模型。 在进行能力分析时，选择正确的分布是必要的。例如： Minitab提供基于正 态和 Weibull概率模型的能力分析。使用正态概率模型的命令提供更完整的一系 列的统计量，但是你的数据必须近似服从正态分布以保证统计量适合于这些数 据。举例来说，Analysis (Normal)利用正态概率模型来估计期望的 PPM。这些 统计量的结实依赖于两个假设：数据来自于稳定的过程，且近似服从的正态分布。 类似地，Capability Analysis (Weibull)利用Weibull分布模型计算PPM。在两种 情况下，统计的有效性依赖于假设的分布的有效性。 如果数据倾斜严重，基于正态分布的概率会提供对实际的超出规格的概率做 比较差的统计。这种情况下，转化数据使其更近似于正态分布，或为数据选择不 同的概率模型。在 Minitab中，你可以用“Box-Cox power transformation”或 Weibull 概率模型。Non-normal data对这两个模型进行了比较。 如果你怀疑过程具有较明显的组间变差，使用Capability Analysis (Between/Within)或 Capability Sixpack (Between/Within)。子组内部的随机误差之 上，子组数据可能还有子组之间的随机变差。对子组变差的两个来源的理解可以 为过程潜在能力提供更实际的估计。Capability Analysis (Between/Within)和 Capability Sixpack (Between/Within)计算了组间和组内标准差，然后再估计长期 的标准差。 Minitab还为属性数据和计数数据进行能力分析，基于二项分布和泊松概率 模型。例如：产品可以根据标准判定为合格和不合格 (使用Capability Analysis (Binomial)).。你还可以根据缺陷的数量进行分类(使用 Capability Analysis (Poisson)). 二、能力分析命令概况 Capability Analysis (Normal)为单个测量结果画一张能力条形图，图上包含基 于过程均值和标准差的正态曲线。这可以帮助你对正态性假设进行视觉上的评 价。报告还包括一张过程能力统计量的表，包括组内和组间统计量。 Capability Analysis (Between/Within)为单个测量结果画一张能力条形图，图 上包含基于过程均值和标准差的正态曲线。这可以帮助你对正态性假设进行视觉 上的评价。报告还包括一张组间/组内和长期过程能力统计量的列表。 Capability Sixpack (Normal)同时显示以下图形，以及能力统计量的子集： -一张 Xbar (or Individuals), R or S (or Moving Range),和 run chart,可用 来验证过程是否处于控制状态； -一个能力条形图和正态概率图，可以帮助验证数据是否服从正态分布； -一个能力图，显示过程变差与规范界限的相对性。 Capability Sixpack (Between/Within)适合于组间变差比较明显的子组数据。 Capability Sixpack (Between/Within)同时显示以下图形，以及能力统计量的子集： -一张 Individuals Cha