過程能力數據分析需要多少數據

⑴ 過程能力指數必須達多少是可接受的過程

一、對8.2.3條款的理解
8.2.3條款是這樣表述的：「組織應採用適宜的方法對質量管理體系過程進行監視，並在適用進進行沒螄。這些方法應證實過程實現所策劃的結果的能力。當未能達到所策劃的結果時，應採取適當的糾正和糾正措施，以確保產品的符合性」。
這三句話的核心含義：應採用適宜的監視和測量（適用量）質量管理體系的方法證實過程現實所策劃的結果的能力。以達到確保產品符合性的目的，據此，可以得出以下結論。
1、過程監視和測量的重點應是產品實現過程。
這一些論可以從ISO9001：2008標準的條款順序中得到啟示。該標准在8.1「總則」中提出了組織在策劃並實施所需監視、測量、分析和改進過程的a)、b)、c)三方面。在8.2「監視和測量」中，8.2.1提出了對顧客滿意進行監視，將其作為對質量管理體系業績的一種測量，這主要是針對8.1C)提出的。8.2.2「內部審核」作為一種監視和測量方法，涉及質量管理體系的各個過程，其重點是質量管理體系審核，主要是針對8.1b)提出的。8.2.3和8.2.4條款主要是針對8.1a)提出的。前者從證實過程能力的角度進行監視和測量，從而控制過程質量，確保產品的符合性；後者是對產品的特性進行監視和測量，通過控制實物質量保證放行產品的符合性。在製造業，前者主要屬於工藝部門的職能范圍，後者主要屬於檢驗部門的職能范圍。前者對產品大批量生產，確保產品的符合性特別生要。一旦發現過程能力不滿足，檢驗員就要全檢，檢驗量過大易造成疲勞，會增大錯、漏檢率；如若增加檢驗員，則會造成生產成本大幅度提高。
2、所選擇的監視和測量方法應能證實過程能力。
多數人對過程能力並不陌生，在ISO9001：1994的4.9條款中，就有「對設備進行適當的維護，以保持過程能力」；「要求預選鑒定過程能力的過程，通常被稱為是特殊過程」。ISO9004.1-1994的10.1.1條款也提出「應進行過程能力研究以確定過程的潛在效能「。應該說，這些條款同ISO9001：2008的8.2.3條款有很可的關聯性，有助於理解後者。
如果過程能力不足，過程就處於失穩狀態，就可能產生不合格。通常，影響過程能力的因素是人、機、料、法、環、測。對這些因素進行分析，對過程能力進行計算，一般都要使用統計技術。ISO9001：2000標準的附錄B將8.2.3條款同ISO9001-1994中的4.20.1和4.20.2條款相對照的道理就在這里。筆者認為，似乎還應加上4.9條款，在ISO/FDIS9001：2000中就是這樣對應的。ISO9001：2000標准正式發布後，附錄B中刪去了與4.9條款的對應。對此，可理解為8.2.3「過程的監視和測量」的適用范圍擴大了，涉及「質量管理體系所需的過程應當包括與管理活動、資源提供、產品實現和測量有關的過程」（見ISO9001：2008中的4.1注），其重點應是產品實現過程。
通常，製造業對產品實現的過程能力的證實是通過工藝驗證實現的。過程能力的目標一般也是由工藝人員策劃後確定的。

二、8.2.3條款的實施
8.2.3條款的適用范圍和內容界定後，實施方法就容易確定了，通常採用的監視和測量方法如下：
1、通過質量審核
按審核對象的不同，可以將其分為質量管理體系審核、過程質量審核、產品質量審核和服務質量審核等。8.2.3條款指的是過程質量審核。
進行過程質量審核一般從分析人、機、料、法、環、測入手。有的過程還要實施測量，在獲得必要的數據後，再應用統計技術進行處理，得出結論。當過程未能達到笄的預定目標時，要針對其原因制定糾正措施，提高過程的能力。
2、過程驗證
過程驗證的方法很多。在製造業，每一道工序就是一個過程，有些過程只涉及一道工藝。驗證方法主要有：
① 工藝試驗
如焊接工藝，先由焊接技術人員擬定方案，然後焊接試板，最後進行各種試驗評定工藝方法的合理性和正確性。
② 過程能力及其指數測定
在製造業，一般將產品生產過程的過程能力稱為工序能力。工序能力反映了該工序在人、機、料、法、環、測受到管理和控制時的實際加工能力。一般將工序能力定量表示為B=6，總體標准偏差。工序能力指數用來定量描述工序能力能否達到產品規定的要求。以產品質量特性值為雙向公差的工序能力指數CPK的計算公式為例，T為規定的上下公差界限的差值，S為樣本標准偏差，為規定上下公差的分布中心與實際則量公差中心的偏移值。
非定量過程的過程能力指數（或工序能力指數）CPK的計算公式為：
CPK=過程結果的評定/過程所策劃的目標
計算過程能力和過程能力指數，要收集、整理有關該過程質量特性值的數據，所以需要運用統計技術。加工工序的工序能力指數計算方法有試切渚SCAT法。前者需要較多數據，後者需要的數據較少。
計算出CPK後，就能評價過程滿足產品規定要求的能力了。
當Cpk>1時，過程是穩定的。當CPK<1時，過程處於不穩定狀態，容易出現不合格。這時，必須分析原因，採取糾正措施以提高過程能力。
③ 首件檢驗
每一批產品在加工每一件時，對每一個加工過程都要進行檢驗，以有效防止成批產品出現不合格。相對於工序能力指數測定而言，這種監視和測量方法只是初步鑒定過程的能力，通常還要安排中間抽查和完工檢驗。

3、統計過程式控制制（SPC）
這種方法主要是在生產過程中採集數據，製成控制圖，以及時發現過程失穩的徵兆，及時採取糾正措施消除不穩定因素。該方法將證實過程能力、報警和採取糾正措施緊密結合起來，對確保產品符合性作用重大。
使用預控製表也有類似控制圖的功能，雖然可信度稍低一些，但製作簡便，需要的取樣數量少，操作者容易掌握。

4、產品驗證
通過試生產一件樣品，證實這種產品設計文件、工藝安排的合理性和過程能力不是少企業採取的做法。
有些企業為了證實其設計、加工的工裝模具能否在生產過程中保證產品質量，往往對該工裝模具加工的少量產品進行檢驗後予以驗證。這也是一種對過程能力的產品驗證方法。

還有許多進行「過程的監視和測量「的方法，如過程有效性評價、工藝紀律檢查等。

⑵ 用excel做過程能力分析

我用word做了一個分析報告，數據來源於excel，請教...

一、利潤敏感性分析型

第一、建立基礎數據

可用EXCEL的滾動條調節百分比值

第二因素變動對利潤的綜合影響

1、計算預計利潤額

利潤額=銷售量*（產品單價—單位變動成本）—固定成本

2、計算變動後利潤

變動後的利潤=變動後的銷量*（變動後產品單價—變動後單位變動成本）—變動後的固定成本

利用EXCEL輸入公式，就可以看到滾動條的變化，隨之帶來的變化的數值變化。

第三、分析單因素變動對利潤的影響

二、利用利潤敏感性分析設計調價價格模型

1、基礎數據

2、利用EXCEL模擬運算表，求出在單價、銷量變化時的利潤。最後用有效性把大於某個數據的值標為黃顏色。

在選擇調價時，就可以參照黃顏色區間的利潤值，為調價作科學的決策。

如何做excel數據透視表分析報告
步驟1、在此以Excel2013為例說打開你需要進行數據分析的Excel文件；

步驟2、滑鼠左擊最上方菜單欄中的「插，然後點擊下方工具欄中的「數據透視表」或者「推薦的數據透視表」

步驟3、假設點擊「推薦的數據透視表」，則會出現Excel推薦的各種數據透視表，也就是不同的數據統計方式，比如選擇統計班級男女的數據透視表，則會在新的Sheet中出現如下圖所示風格；

步驟4、把滑鼠點擊到數據區域的任意單元格中，然後點擊「數據透視表」，則會彈出如下圖所示的「創建數據透視表」窗口，會自動選中數據區域，可以自己設置數據透視表是放置於新的工作表中還是已經存在的工作表中；

步驟5、滑鼠左鍵點擊欄位名稱，拖動到下方的對應區域中，比如把性別作為列，就拖動到列，然後松開滑鼠左鍵即可；採用同樣的方法可以拖動其它欄位到對應的行、列或者篩選器中；下圖所示為統計所有班級中男女同學各有多少人；

步驟6、假設我們需要在步驟5的基礎上去統計各個班級中男女同學有多少人，那麼同樣的方法，拖動欄位「班級」到篩選器中

步驟7、通過滑鼠左鍵點擊左上方B2單元格中的下拉框，可以選擇你需要統計的班級，也就是以班級作為篩選過濾條件；另外可以通過在「數據透視表欄位」中把「班級」拖動到「行」中，也可以實現統計各個班級中的男女同學數，
如何用excel做過程能力分析報告
步驟1、在此以Excel2013為例說打開你需要進行數據分析的Excel文件；

⑶ minitab軟體多少數據能算過程能力

1. 對於輸出特性為離散型的數據過程，也需要進行過程能力的計算，數據分布不同（常見的分布為Poisson分布和二項分布），過程能力的計算方法也不同，常見的指標有DPMO，DPU等。在Minitab軟體中，可以通過以下方式計算得到這些數值：

2. 
   統計-----質量工具----能力分析----二項

3. 
   在Minitab的輸出圖形中，可以獲得很多信息，首先左側P控制圖和累積不良品的控制圖可以判斷流程是否處於穩定狀態，其次，右側的二項分布概率圖和不良品的直方圖表明過程輸出數據是否服從二項分布。再次，途中下方的摘要統計顯示過程的績效指標PPM的大小和缺陷率數值，然後計算出西格瑪水平及執行區間。

⑷ 過程能力分析需要多少個數據

過程能力也稱工序能力，是指過程加工方面滿足加工質量的能力，它是衡量過程加工內在一致性的，最穩態下的最小波動。當過程處於穩態時，產品的質量特性值有99.73%散布在區間μ-3σ，μ+3σ。

其中μ為產品特性值的總體均值，σ為產品特性值總體標准差，也即幾乎全部產品特性值都落在6σ的范圍內﹔因此，通常用6σ表示過程能力，它的值越小越好。

工序過程能力指該工序過程在5M1E正常的狀態下，能穩定地生產合格品的實際加工能力。過程能力取決於機器設備、材料、工藝、工藝裝備的精度、工人的工作質量以及其他技術條件。過程能力指數用Cp、Cpk表示。

⑸ 計算CPK最少需要多少數據

一般情況下至少需要25組或以上的數據。

在製作CPK之前應先確定過程是否穩定，常用控制制圖分析（最常用的是用Xbar-R圖），而Xbar-R圖一般是要100-125組數據，因而如果只有5組是不可行的。

就PPK而言過程穩定也是前提，在PPAP手冊中也是建議用125組進行初始過程性能指數的計算。另就CPK與PPK只是長期能力指數與短期能力指數，在計算時都要求過程穩定，只是在標准差的計算上有所不同。

CPK密鑰管理體制依據離散對數難題的數學原理構建公開密鑰與私有密鑰矩陣，採用雜湊函數與密碼變換將實體的標識映射為矩陣的行坐標與列坐標序列，用以對矩陣元素進行選取與組合，生成數量龐大的由公開密鑰與私有密鑰組成的公鑰、私鑰對，從而實現基於標識的超大規模的密鑰生產與分發。

(5)過程能力數據分析需要多少數據擴展閱讀

基於ECC的CPK的主要思想如下：

(1)設定由整數矢量（rij）組成的m*h階私鑰種子矩陣SSK。適當選取階為素數門的橢圓曲線E，選擇其上的一個基點G，計算公鑰矢量(rijG)=（xij，yij），得出公鑰種子矩陣PSK。保留SSK，公布PSK；

(2)以用戶A的標識ID為參數，作h次映射（映射函數可以是加密演算法或Hash函數），得五個映射值MAPi(i=1，2，3，…，)，進行模n下的加法運算，得出私鑰SK=(RMAP11+RMAP22+……+RMAPhh)；

(3)根據映射值和公鑰種子矩陣，設用戶A的h次映射值分別為i，j，k，進行橢圓曲線E上點的加法運算，得出公鑰PKA。由此形成了用戶A的公、私鑰對PKA和SKA。因子矩陣大小為mh的CPK系統，可組合出的密鑰量卻為mh，因此，CPK只需很小的存儲空間就可形成一個相當大的密鑰空間。

⑹ 過程能力分析的來龍去脈

===========

過程能力分析離不開正態分布的知識，所以我們先從直方圖及正態分布講起。
一、直方圖與正態分布
描繪計量型數據的分布離不開直方圖，下面先來回顧一下直方圖的畫法：
1、確定所要研究的對象，為了能更准確的反映總體的狀況，至少收集100個數據。
2、計算數據的極差，極差＝最大值－最小值。
3、確定分組數，一般來說可以按k=1+3.32lg(n)來定分組數，其中，n為樣本量。
4、計算組距，

5、確定組界，組界由下組界和上組界構成。第一組的下組界為最小值－最小分度值的一半，第一組的上組界為第一組的下組界＋組距，以此類推。
6、統計數據落入每組中的頻數。
7、以組距為底，頻數為高畫直方，就可以得到一張直方圖。
下面舉一個畫直方圖的例子：
您在一家汽車工廠工作，目前正面臨所用凸輪軸長度的變異性問題。您想了解由兩家供應商提供的凸輪軸的質量是否相當，因此從每家隨機抽取 100 件凸輪軸測量其長度。請分別給這兩家供應商的數據畫兩張直方圖。
手工畫直方圖比較繁瑣，我們可以利用數據統計分析軟體——Minitab來畫直方圖，畫出的直方圖如下：

從上面兩張圖可以發現：供應商1提供的凸輪軸的長度數據比供應商2的更加集中一點，表現為中間多兩頭少，而供應商2的數據就比較分散，憑直覺判斷，我們應該選用供應商1的凸輪軸。
直方圖有頻數直方圖和頻率直方圖，上面我們介紹的就是頻數直方圖。如果在畫直方圖時把頻數替換為頻率就成了頻率直方圖。頻率是頻數除以樣本量，所以頻率直方圖就是頻數直方圖在坐標軸縮小「樣本量」倍，但從形狀上來看與頻數直方圖是一模一樣的。
下面我們要在頻率直方圖的基礎上來了解一下分布的概念。如果在畫頻率直方圖時我們限定兩個條件①收集的數據足夠多；②分組數為無窮多組，大家想一想，這樣畫出來的直方圖將會變成什麼形狀？
（直方圖上的每個直方將會變成一條線）
每一條線的高度在數學上稱為「概率密度」，如果用一條光滑的曲線把這些線的端點連接起來，就是我們平時所講的分布曲線。所以分布曲線並不是很難理解的東西的，它實際上是概率密度函數在圖形上的反映。
數據的分布形狀有很多種類型，我們平時接觸到最多也是最常用的分布是正態分布。分布的形狀跟數據的類型有關。不同類型的數據具有不同的分布。數據通常分為兩類：連續型數據（或者叫做計量型數據）和離散型數據（或者叫做計數型數據）。所謂連續型數據就是數據之間的間隔是可以無限細分的，比如長度是可以無限細分的，米可以分成分米，厘米，毫米，微米，納米，……，所以長度就是一個連續型數據，體積、時間、壓力等都是連續型數據。離散型數據是指不能無限細分的，它總存在一個最小的數據間隔，比如，不合格品數，它只能以「整」個來描述，不可能說成1.5個不合格品，2.5個不合格品，象這樣一類的數據就是離散型數據，離散型數據還有很多，比如外觀缺陷數，瑕疵數等等。
我們平時接觸到最多也是最常用的分布是正態分布。正態分布也稱高斯分布，它是由德國數學家高斯於1809年正式給出表達式的。為了紀念高斯的偉大貢獻，在德國10馬克的鈔票上不但印上了高斯的頭像，而且把正態分布曲線連同它的表達式印在鈔票的正面。

正態分布的數學表達式為：

這個數學表達式中豎線後面的兩個字母是正態分布的兩個分布參數。μ是正態分布的分布中心， σ2是正態分布的方差，σ就是正態分布的標准差。我們只要知道這兩個參數，一條正態分布曲線就可以把它確定下來。任何一條正態分布曲線都可以形象地描述為「中間高、兩邊低、左右對稱、延伸到無窮」的鍾形曲線。
分布中心反映了正態分布在橫軸上的位置，而標准差反映了正態分布的離散狀況，以下是不同分布中心和標准差的正態分布的比較。

有一類正態分布我們必須熟練應用，那就是標准正態分布。所謂標准正態分布就是分布中心為0，標准差為1的正態分布，任何一個正態分布都可以通過

數學變換轉換成標准正態分布。以下就是一個分布中心為10，標准差為2的正態分布轉換前後的圖形。

下面我們來說說如何來計算μ和σ。μ和σ在數理統計上有專門的定義，但如果按照定義去求μ和σ的精確值幾乎不大可能。我們通常是利用樣本的狀況去推斷總體的狀況，這在統計學上就稱為參數估計。比如對於正態分布的中心和標准差，我們就可以用樣本均值

和樣本標准差s來估計。為了使估計值和精確值有所區分，我們用

分別表示μ和σ的估計值。

下面我們對上面提到的凸輪軸長度的數據再用正態分布曲線擬合一下，可以得到以下圖形：

現在我們可以用數據來解釋供應商1與供應商2之間的差異了：供應商 1 的凸輪軸似乎比供應商 2 的凸輪軸短。這可以從表格中的平均值（分別為 599.5 和 600.2）以及擬合正態分布峰值的相對位置看出來。
供應商 2 樣本的標准差 (1.874) 遠遠高於供應商 1 的標准差 (0.6193)。這使得供應商 2 的擬合正態分布較低且較寬。供應商 2 的產品中大量變異性可能是導致凸輪軸長度不一致的主要原因。
二、過程輸出與正態分布
過程輸出→產品→產品可以用質量特性值來表示→質量特性值可分為計量型和計數型數據→數學理論上可以證明，如果某項計量型數據的指標受到很多項隨機因素的干擾，而每項干擾都很小的話，則所有干擾影響的綜合結果將導致此項指標的分布為正態分布
通過上面這段文字的指引，我們可以發現，如果過程的輸出可以用計量型數據來表示的話，那麼往往就可以用正態分布來表示過程的輸出。正因為我們要了解過程的輸出，而輸出又可以用正態分布來表示，這就是我們為什麼要學習正態分布的原因。
三、正態分布與過程不合格品率
也許生產控制人員最關心的問題就是產品的不合格品率。那麼我們有沒有辦法通過正態分布來求產品的不合格品率呢？
假如有一個磨加工車間在磨一隻產品，它的規范限是9.8—10.2，通過抽取樣本畫出的頻率直方圖如下：

圖上的兩條紅線就是產品的規范限，從圖上標明的數據很容易可以知道，這個樣本中的不合格品率是0.01＋0.01＋0.02＝0.04，也就是把所有超過規范限的「直方」加起來。而通過前面所學的知識我們知道，頻率直方圖上的一個直方在正態分布曲線圖上就是一條線，如果要通過正態分布曲線來求不合格品率，只需把超出規范限以外的所有的「線」加起來，而所有的線加起來就構成了「面積」。所以利用正態分布求不合格品率就變成了求超出規范限以外的正態分布曲線與橫軸所圍成的面積。

那麼如何來求「超出規范限以外的正態分布曲線與橫軸所圍成的面積」呢？這個比較復雜，需要運用高等數學里的積分的方法求。但是我們可以藉助MINITAB軟體把它求出來。比如上面所舉的例子，磨加工高度的規范限是9.8—10.2，現在通過抽取樣本計算出均值為10.1，標准差為0.1，我們可以先通過正態分布求出該磨加工過程的合格品率。

通過上圖可知，該磨加工過程的合格品率為84%，那麼不合格品率就是16%。
假如通過改進過程，使得過程的平均值靠近公差帶中心，即10，我們再來看一下過程的不合格品率會發生什麼變化。

這時，過程的合格品率就提高到了95.4%，而不合格品率就降低為4.6%。
如果過程的均值沒有發生變化，但設法提高了過程的加工精度，標准差由0.1減小為0.07，我們再來看一下過程的不合格品率又發生了什麼變化。

我們可以發現合格品率由84%提高到了92.3%，而不合格品率降為7.7%。
最後我們得出減小過程不合格品率的兩種策略：
在產品的公差范圍不變的情況下，通過改進過程，使得過程的均值向公差帶中心靠攏和/或減小過程的變差，可以顯著地減小過程的不合格品率。
在兩種策略中，相比較而言，讓過程均值向公差帶中心靠攏更容易實現一些。所以在過程不合格品率過大的情況下，首先要分析一下過程均值有沒有跟公差帶中心靠攏，然後再設法提高加工的精度。
四、過程能力指數
通過上面的介紹，我們知道，過程是可以用分布來描述的。而分布有它的一些特定的參數，比如分布中心和標准差。分布參數不同，滿足顧客要求的能力也不同。比如標准差大的比標准差小的滿足顧客要求的能力要差，因為標准差大的過程產生的不合格品會多一些。我們通常把6倍的標准差稱為過程的能力。把過程能力與顧客的要求（即公差范圍）去比較，稱為過程能力指數。所以過程能力指數是表徵過程滿足顧客要求的能力的指標。

過程能力指數的計算公式是：

但是，如果標准差相同，分布中心不同，這兩個過程滿足顧客要求的能力也是不同的。如下圖所示，兩個過程標准差相同，但分布中心相差ε，這兩個過程的不合格品率也是不同的。

如果光從Cp來表示還不能區分這兩個過程滿足顧客能力的大小，所以又增加了一個指數Cpk：

其中ε為過程分布中心偏離公差帶中心的距離。
對Cpk的算式進行簡單處理，可以得到如下等式：
令：T＝USL－LSL

接下來的問題是，如何來估計總體的標准差σ？在解決這個問題之前，我們先要了解一下穩定的和不穩定的過程。
所謂穩定的過程是在任何一個時刻去觀測過程，它的分布位置和分布寬度都是恆定不變的。如下圖所示的就是一個穩定的過程。它的特點是過程的均值和標准差都保持不變。

而不穩定的過程是指在不同的時刻去觀測過程，它的分布位置和分布寬度都可能會發生變化。如下圖所示的就是一個不穩定過程。

對於不穩定的過程，任一時刻的過程的輸出的標准差都可能會不同，用任一時刻的過程輸出的標准差來代表整個過程的標准差都是片面的，不合理的。因此計算過程能力指數有一個前提條件，那就是：過程必須預先用控制圖來判斷是穩定的。在這種狀態下可以用

來估計σ，其中

是控制圖當中的極差平均值，

是一個跟子組大小有關的系數，可查表。比如當子組大小為5的時候，

。
在這時候過程能力指數就可表示為：

可是如果過程確實是不穩定的怎麼辦？這時候我們可以用合並的標准差，也就是樣本標准差s來估計總體的標准差。

當σ用s來估計時，得到的就不是過程能力指數，而是過程性能指數Ppk。

接下來我們來看看

和6s有什麼區別。我們用圖示的方法來說明。

對於穩定的過程，任一時刻的輸出的中心和分布寬度基本上是不變的。如果把某一時刻的過程輸出當成一個子組，那麼每個子組之間只存在著組內波動，

，

，……，表示的就是組內波動。它不存在著組與組之間的波動。而且組內的波動也是相等的，只是由於抽樣的緣故，它們之間會存在略小的差別。總的過程波動可以用各個組內波動的平均

來估計。從波動引起的機理上來說，組內波動主要由偶然因素引起，組間波動由異常因素引起。所以穩定的過程也可以說是只有偶然因素在起作用的過程。而不穩定的過程是除了組內波動以外，還有組間波動，組間波動主要表現為子組的分布中心發生了漂移，而且從上圖可以看出組內的波動也可能是不相等的。不穩定的過程是除了偶然因素在起作用以外還有異常因素在起作用的過程。所以總的過程標准差必須用合並的標准差，即樣本標准差s來估計。這個s既包括了偶然因素引起的波動，又包括了異常因素引起的波動，最後計算出來的s應該比其中任何一個都要大。如果一個過程計算出的s與

差不多大，那麼我們也可以大致推斷過程是穩定的。
正因為

與6s存在上面這樣的一種關系，所以從理論上來說過程性能指數Ppk總要比Cpk小。
因為在實際過程運行中，穩定是相對的，變化是絕對的。不發生變化（這種變化是由於異常因素在起作用而引起）的過程幾乎是不可能，即便是穩定的過程，也只能是保持在相對來說比較長的一段時間內。所以我們有時把過程能力指數稱為短期過程能力指數，把過程性能指數稱為長期過程能力指數。
如果把一個過程比作一個人的話，那麼一個穩定的過程就相當於是一個精神正常的人，而一個不穩定的過程就象是一個有精神病的人，我們誰都希望跟精神正常的人打交道，誰都不願意跟精神不正常的人相處。因為我們對一個精神病人的行為是無法把握的，這就會增加我們心中的恐懼感。讓過程處於穩定受控狀態是現場控制人員的一項重要任務。上面我們也提到，過程總有一種由穩定向不穩定變化的趨勢，怎麼樣發現過程已經開始發生變異是採取措施的關鍵。控制圖就是幫助我們識別過程發生變異的重要工具。如果我們在控制圖上規定一些採取措施的「行動點」，及時對開始變異的過程加以調整，我們是完全能夠使過程處於穩定狀態的。
下面舉一個利用MINITAB進行過程能力分析的例子。
某台機器連續生產鋼珠，直徑是它的一個重要質量特性。為對鋼珠直徑進行控制，每隔15分鍾抽樣1次，每次抽取產品5個，共抽樣25次。測量並記錄數據。經檢驗鋼珠直徑服從正態分布，試繪制Xbar—R控制圖並進行過程能力分析。
首先是利用MINITAB畫出控制圖，判斷這個過程是否處於穩定狀態。

叢圖上可知，所有的點都在控制限內，並且也沒有非隨機的趨勢，因此我們可以判斷生產過程處於穩定狀態。接下來我們進行過程能力的分析。

觀察上圖，可以獲得很多信息。首先，圖正中帶兩條擬合曲線的直方圖給了我們最直觀的認識。兩條線幾乎完全重合，將左上角的標准差（組內）＝0.024841與標准差（總體）＝0.024722相比，相差甚微，這說明除了組內的偶然因素引起的波動以外，幾乎不存在組間波動。其次，Cp＝0.67，Cpk＝0.67，兩者均小於1.33，說明過程能力不足，需要改進過程，兩者沒有差別，說明主要改進方向是設法降低過程的偶然因素引起的波動。再次，圖左下方的PPM值的統計從可能出現的不良率這個角度解釋了過程能力的優劣。
五、過程能力指數和不合格品率之間的關系
從過程能力指數的計算公式

⑺ Cpk——過程能力指數是怎麼計算的1.33和1.67等等從何而來.

計算公式：Cpk=MIN(Tu-μ，μ-Tl）/（3*σ)。1.33和1.67等是根據計算結果而來的。

min即取小的那個值，TU、TL分別為上、下公差界限；σ為過程統計量的總體標准差；μ為過程統計量的分布均值。

指數意義：

1、Cpk范圍1.67-2過大，可適當放寬檢驗。

2、Cpk范圍1.33-1.67充分，繼續保持。

3、Cpk范圍1-1.33正常，但接近1危險。

4、Cpk范圍小於1，需改進，嚴重時停產需整頓。

(7)過程能力數據分析需要多少數據擴展閱讀

計算Cpk的注意事項：

1、分析時，應注意對數據的正確分層，否則可能會發生誤判。

2、對公差界限進行分析時，需要觀察是否有異常點或者離群點出現。

3、當數據較多時，可能會重復數據出現，對重復數據要進行區分，並加以分析。

4、一般情況下，至少應取25組以上的數據進行分析。

5、通常情況下，橫坐標用來表示原因或者自變數，縱坐標用來表示效果或者因變數。

參考資料來源：網路=cpk

⑻ 論文數據分析需要多少個

200以上。
1、論文數據大概需要200以上個數據，一篇論文需要有多少數據取決於這篇論文的性質和水平。
2、通常來說，本科畢業論文需要的數據並不太多，一般一章左右正文內容就夠了，而碩士論文需要3至4章的內容，至於發表在高水平學術期刊上的論文則需要大量的核心數據以佐證你的論點和結論。

⑼ 什麼是過程能力分析

過程能力也稱工序能力，是指過程加工方面滿足加工質量的能力，它是衡量過程加工內在一致性的，最穩態下的最小波動。當過程處於穩態時，產品的質量特性值有99.73%散布在區間[μ-3σ，μ+3σ]，（其中μ為產品特性值的總體均值，σ為產品特性值總體標准差）也即幾乎全部產品特性值都落在6σ的范圍內﹔因此，通常用6σ表示過程能力，它的值越小越好。

原因

進行過程能力分析，實質上就是通過系統地分析和研究來評定過程能力與指定需求的一致性。

之所以要進行過程能力分析，有兩個主要原因。首先，我們需要知道過程度量所能夠提供的基線在數量上的受控性；其次，由於我們的度量計劃還相當「不成熟」，因此需要對過程度量基線進行評估，來決定是否對其進行改動以反映過程能力的改進情況。根據過程能力的數量指標，我們可以相應地放寬或縮小基線的控制條件。

過程能力分析能力分析

工序過程能力指該工序過程在5M1E正常的狀態下，能穩定地生產合格品的實際加工能力。過程能力取決於機器設備、材料、工藝、工藝裝備的精度、工人的工作質量以及其他技術條件。過程能力指數用Cp 、Cpk表示。

過程能力分析分析方法

當需要進行過程能力分析的計量數據呈非正態分布時，直接按普通的計數數據過程能力分析的方法處理會有很大的風險。一般解決方案的原則有兩大類：一類是設法將非正態數據轉換成正態數據，然後就可按正態數據的計算方法進行分析；另一類是根據以非參數統計方法為基礎，推導出一套新的計算方法進行分析。遵循這兩大類原則，在實際工作中成熟的實現方法主要有三種，現在簡要介紹每種方法的操作步驟。

非正態數據的過程能力分析方法1：Box-Cox變換法

• 估計合適的Lambda（λ）值；

• 計算求出變換後的數據Yx，

• 根據原來給定的USL和LSL，計算求出變換後的USLx和LSLx，

• 對Yx用USLx和LSLx求出過程能力指數。

非正態數據的過程能力分析方法2：Johnson變換法

• 根據Johnson判別原則確定轉換方式；

• 計算求出變換後的數據Yx，

• 計算求出變換後的USLx和LSLx，

• 對Yx用USLx和LSLx求出過程能力指數。

非正態數據的過程能力分析方法3：非參數計演算法

當第一種、第二種方法無法適用，即均無法找到合適的轉換方法時，還有第三種方法可供嘗試，即以非參數方法為基數，不需對原始數據做任何轉換，直接按以下數學公式就可進行過程能力指數CP和CPK的計算和分析。

非正態數據CP和CPK的計算公式

右側公式中，Xa是數據X分布的a分位數，例如X0.005表示隨機變數X分布的0.005（即0.5%）分位數。