芯耀
1930
制程能力之分类主要有如下几类：
- 计量型（基于正态分布）
- 计数型（基于二项分布）
- 计数型（基于泊松分布）
一、MINITAB 能力分析的选项(计量型)
1. Capability Analysis (Normal)
• 该命令会划出带理论正态曲线的直方图， 这可直观评估数据的正态性。输出报告中 还包含过程能力统计表，包括子组内和总 体能力统计。
2. Capability Analysis (Between/Within)
• 该命令会划出带理论正态曲线的直方图， 可以直观评估数据的正态性。
• 该命令适用于子组间存在较大变差的场 合。输出报告中还包含过程能力统计表， 包括子组间／子组内和总体能力统计。
3. Capability Analysis (Nonnormal)
• 该命会会划出带非正态曲线的直方图，这 可直观评估数据是否服从其他分布。输出 报告中还包含总体过程总能力统计
4. Capability Analysis (Multiple Variable normal)
• 用于对多个变量进行分析
5. Capability Analysis (Multiple Variable Nonnormal)
• 用于对多个变量进行分析
（一）制程能力分析做法
1. STEP1决定Y特性
2. 收集Y特性数据
3. 输入Minitab数据表
4. 进行分析
5. 结果分析
6. 练习一：
1）输入数据
•Select: Stat >Quality Tools > Capabilty Analysis(Normal)
2）输入选项
3）选择标准差的估计方法
4）选项的输入
5）以Cpk, Ppk结果的输出
a. Cp:过程能力指数,又称为潜在过程能力指数, 为容差的宽度与过程波动范围之比.
b. Cpk:过程能力指数,又称为实际过程能力指数, 为过程中心µ与两个规范限最近的距离 min{USL- µ, µ-LSL}与3σ之比.
c. Cpm:过程能力指数，有时也称第二代过程力 指数，质量特性偏离目标值造成的质量损失．
d. Pp与Ppk:过程绩效指数，计算方法与计算Cp和 Cpk类似，所不同的是，它们是规范限与过程总 波动的比值．过程总波动通常由标准差s来估计．
e. 过程能力与缺陷率的关系：
1、假如过程中心µ位于规范中心M与上 规范限USL之间，即M≤ µ ≤ USL时，
2 、假如过程中心µ位于规范中心M与下 规范限LSL之间，即LSL≤ µ ≤ M时，
6）以Zbench方式输出
结果说明：
7. 练 习二：
1）填入参数：
2）结果输出：
(二）通过DPMO求Sigma Level
•Select :Calc–Calculator
•Select :Calc–Probability Distribution-Normal
结果输出：
（三）Capability Analysis (Between/Within)
※StDev(overall):长期标准差的估计值※StDev(B/W) :短期标准差的估计值
过程相对稳定系数的评价参考
（四）Capability Analysis (Nonnormal)
此项的分析是用在当制程不是呈现正 态分布时所使用。因为如果制程不是 正态分布硬用正态分布来分析时，容易产生误差，所以此时可以使用其他分布来进行分析，会更贴近真实现像。
1. 练习
• 请使用同前之数据来进行分析。
• 上规格：103 • 下规格：97
• 规格中心：1001）输入相关参数Select: Stat >Quality Tools > Capabilty Analysis(Nonnormal)
2）填入选项要求
3）结果图形
4) 正态分布适用性的判定
• 可以使用 – Stat>basic statistic>normality test
• 但数据要放到同一个column中，所以必须针对前面的数据进行一下处理
a. 数据调整
b. 填写选项
c. 结果输出
d. 结果输出(加标0.5概率)
(五）计量型制程能力分析总结
• 一般的正态分布使用 – Capability Analysis (Normal)
• 如果是正态分布且其组内和组间差异较大时可用 – Capability Analysis (Between/Within)
• 当非正态分布时则可以使用 – Capability Analysis (Nonnormal)
1. Capability Sixpack (Normal)
• 复合了以下的六个图形 – Xbar – R – 原始数据分布（plot） – 直方图 – 正态分布检定 – CPK, PPK
• 练习
• 请以前面的数据来进行相应的Capability Sixpack (Normal)练习
• Select: Stat >Quality Tools > Capabilty Sixpack(Normal)
1) 输入各项参数
2) 选定判异准则
3) 选择标准差估计方法
4) 考虑可选择项
5) 结果输出
2. Capability Sixpack (Between/Within)
• 复合了以下的六个图形 – Individual – Moving Range – Range – 直方图 – 正态分布检定 – CPK, PPK
• 同前练习及结果
3. Capability Sixpack (Nonnormal)
• 复合了以下的六个图形 – Xbar – R – 原始数据分布 – 直方图 – 正态分布检定 – CPK, PPK• 结果输出
三、二项分布制程能力分析
• 二项分布只适合用在 – 好，不好 – 过，不过 – 好，坏
• 不可以用在 – 0,1,2,3等二项以上的选择，此种状况必须使用 泊松分布。
1. 填好各项的参数
2. 选好控制图的判异准则
四、泊松(Weibull)分布制程能力分析
• 泊松分布只适合用在 – 计数型，有二个以上的选择时
• 例如可以用在 – 外观检验，但非关键项部份 – 0,1,2,3等二项以上的选择，此种 状况必须使用泊松分布。
1. 填好各项的参数
2. 结果及输出
本篇文章介绍了《Minitab过程能力分析》，下篇将介绍《Minitab基础统计与假设检定》，请大家持续关注。
