过程能力数据分析需要多少数据

⑴ 过程能力指数必须达多少是可接受的过程

一、对8.2.3条款的理解
8.2.3条款是这样表述的：“组织应采用适宜的方法对质量管理体系过程进行监视，并在适用进进行没蛳。这些方法应证实过程实现所策划的结果的能力。当未能达到所策划的结果时，应采取适当的纠正和纠正措施，以确保产品的符合性”。
这三句话的核心含义：应采用适宜的监视和测量（适用量）质量管理体系的方法证实过程现实所策划的结果的能力。以达到确保产品符合性的目的，据此，可以得出以下结论。
1、过程监视和测量的重点应是产品实现过程。
这一些论可以从ISO9001：2008标准的条款顺序中得到启示。该标准在8.1“总则”中提出了组织在策划并实施所需监视、测量、分析和改进过程的a)、b)、c)三方面。在8.2“监视和测量”中，8.2.1提出了对顾客满意进行监视，将其作为对质量管理体系业绩的一种测量，这主要是针对8.1C)提出的。8.2.2“内部审核”作为一种监视和测量方法，涉及质量管理体系的各个过程，其重点是质量管理体系审核，主要是针对8.1b)提出的。8.2.3和8.2.4条款主要是针对8.1a)提出的。前者从证实过程能力的角度进行监视和测量，从而控制过程质量，确保产品的符合性；后者是对产品的特性进行监视和测量，通过控制实物质量保证放行产品的符合性。在制造业，前者主要属于工艺部门的职能范围，后者主要属于检验部门的职能范围。前者对产品大批量生产，确保产品的符合性特别生要。一旦发现过程能力不满足，检验员就要全检，检验量过大易造成疲劳，会增大错、漏检率；如若增加检验员，则会造成生产成本大幅度提高。
2、所选择的监视和测量方法应能证实过程能力。
多数人对过程能力并不陌生，在ISO9001：1994的4.9条款中，就有“对设备进行适当的维护，以保持过程能力”；“要求预选鉴定过程能力的过程，通常被称为是特殊过程”。ISO9004.1-1994的10.1.1条款也提出“应进行过程能力研究以确定过程的潜在效能“。应该说，这些条款同ISO9001：2008的8.2.3条款有很可的关联性，有助于理解后者。
如果过程能力不足，过程就处于失稳状态，就可能产生不合格。通常，影响过程能力的因素是人、机、料、法、环、测。对这些因素进行分析，对过程能力进行计算，一般都要使用统计技术。ISO9001：2000标准的附录B将8.2.3条款同ISO9001-1994中的4.20.1和4.20.2条款相对照的道理就在这里。笔者认为，似乎还应加上4.9条款，在ISO/FDIS9001：2000中就是这样对应的。ISO9001：2000标准正式发布后，附录B中删去了与4.9条款的对应。对此，可理解为8.2.3“过程的监视和测量”的适用范围扩大了，涉及“质量管理体系所需的过程应当包括与管理活动、资源提供、产品实现和测量有关的过程”（见ISO9001：2008中的4.1注），其重点应是产品实现过程。
通常，制造业对产品实现的过程能力的证实是通过工艺验证实现的。过程能力的目标一般也是由工艺人员策划后确定的。

二、8.2.3条款的实施
8.2.3条款的适用范围和内容界定后，实施方法就容易确定了，通常采用的监视和测量方法如下：
1、通过质量审核
按审核对象的不同，可以将其分为质量管理体系审核、过程质量审核、产品质量审核和服务质量审核等。8.2.3条款指的是过程质量审核。
进行过程质量审核一般从分析人、机、料、法、环、测入手。有的过程还要实施测量，在获得必要的数据后，再应用统计技术进行处理，得出结论。当过程未能达到笄的预定目标时，要针对其原因制定纠正措施，提高过程的能力。
2、过程验证
过程验证的方法很多。在制造业，每一道工序就是一个过程，有些过程只涉及一道工艺。验证方法主要有：
① 工艺试验
如焊接工艺，先由焊接技术人员拟定方案，然后焊接试板，最后进行各种试验评定工艺方法的合理性和正确性。
② 过程能力及其指数测定
在制造业，一般将产品生产过程的过程能力称为工序能力。工序能力反映了该工序在人、机、料、法、环、测受到管理和控制时的实际加工能力。一般将工序能力定量表示为B=6，总体标准偏差。工序能力指数用来定量描述工序能力能否达到产品规定的要求。以产品质量特性值为双向公差的工序能力指数CPK的计算公式为例，T为规定的上下公差界限的差值，S为样本标准偏差，为规定上下公差的分布中心与实际则量公差中心的偏移值。
非定量过程的过程能力指数（或工序能力指数）CPK的计算公式为：
CPK=过程结果的评定/过程所策划的目标
计算过程能力和过程能力指数，要收集、整理有关该过程质量特性值的数据，所以需要运用统计技术。加工工序的工序能力指数计算方法有试切渚SCAT法。前者需要较多数据，后者需要的数据较少。
计算出CPK后，就能评价过程满足产品规定要求的能力了。
当Cpk>1时，过程是稳定的。当CPK<1时，过程处于不稳定状态，容易出现不合格。这时，必须分析原因，采取纠正措施以提高过程能力。
③ 首件检验
每一批产品在加工每一件时，对每一个加工过程都要进行检验，以有效防止成批产品出现不合格。相对于工序能力指数测定而言，这种监视和测量方法只是初步鉴定过程的能力，通常还要安排中间抽查和完工检验。

3、统计过程控制（SPC）
这种方法主要是在生产过程中采集数据，制成控制图，以及时发现过程失稳的征兆，及时采取纠正措施消除不稳定因素。该方法将证实过程能力、报警和采取纠正措施紧密结合起来，对确保产品符合性作用重大。
使用预控制表也有类似控制图的功能，虽然可信度稍低一些，但制作简便，需要的取样数量少，操作者容易掌握。

4、产品验证
通过试生产一件样品，证实这种产品设计文件、工艺安排的合理性和过程能力不是少企业采取的做法。
有些企业为了证实其设计、加工的工装模具能否在生产过程中保证产品质量，往往对该工装模具加工的少量产品进行检验后予以验证。这也是一种对过程能力的产品验证方法。

还有许多进行“过程的监视和测量“的方法，如过程有效性评价、工艺纪律检查等。

⑵ 用excel做过程能力分析

我用word做了一个分析报告，数据来源于excel，请教...

一、利润敏感性分析型

第一、建立基础数据

可用EXCEL的滚动条调节百分比值

第二因素变动对利润的综合影响

1、计算预计利润额

利润额=销售量*（产品单价—单位变动成本）—固定成本

2、计算变动后利润

变动后的利润=变动后的销量*（变动后产品单价—变动后单位变动成本）—变动后的固定成本

利用EXCEL输入公式，就可以看到滚动条的变化，随之带来的变化的数值变化。

第三、分析单因素变动对利润的影响

二、利用利润敏感性分析设计调价价格模型

1、基础数据

2、利用EXCEL模拟运算表，求出在单价、销量变化时的利润。最后用有效性把大于某个数据的值标为黄颜色。

在选择调价时，就可以参照黄颜色区间的利润值，为调价作科学的决策。

如何做excel数据透视表分析报告
步骤1、在此以Excel2013为例说打开你需要进行数据分析的Excel文件；

步骤2、鼠标左击最上方菜单栏中的“插，然后点击下方工具栏中的“数据透视表”或者“推荐的数据透视表”

步骤3、假设点击“推荐的数据透视表”，则会出现Excel推荐的各种数据透视表，也就是不同的数据统计方式，比如选择统计班级男女的数据透视表，则会在新的Sheet中出现如下图所示风格；

步骤4、把鼠标点击到数据区域的任意单元格中，然后点击“数据透视表”，则会弹出如下图所示的“创建数据透视表”窗口，会自动选中数据区域，可以自己设置数据透视表是放置于新的工作表中还是已经存在的工作表中；

步骤5、鼠标左键点击字段名称，拖动到下方的对应区域中，比如把性别作为列，就拖动到列，然后松开鼠标左键即可；采用同样的方法可以拖动其它字段到对应的行、列或者筛选器中；下图所示为统计所有班级中男女同学各有多少人；

步骤6、假设我们需要在步骤5的基础上去统计各个班级中男女同学有多少人，那么同样的方法，拖动字段“班级”到筛选器中

步骤7、通过鼠标左键点击左上方B2单元格中的下拉框，可以选择你需要统计的班级，也就是以班级作为筛选过滤条件；另外可以通过在“数据透视表字段”中把“班级”拖动到“行”中，也可以实现统计各个班级中的男女同学数，
如何用excel做过程能力分析报告
步骤1、在此以Excel2013为例说打开你需要进行数据分析的Excel文件；

⑶ minitab软件多少数据能算过程能力

1. 对于输出特性为离散型的数据过程，也需要进行过程能力的计算，数据分布不同（常见的分布为Poisson分布和二项分布），过程能力的计算方法也不同，常见的指标有DPMO，DPU等。在Minitab软件中，可以通过以下方式计算得到这些数值：

2. 
   统计-----质量工具----能力分析----二项

3. 
   在Minitab的输出图形中，可以获得很多信息，首先左侧P控制图和累积不良品的控制图可以判断流程是否处于稳定状态，其次，右侧的二项分布概率图和不良品的直方图表明过程输出数据是否服从二项分布。再次，途中下方的摘要统计显示过程的绩效指标PPM的大小和缺陷率数值，然后计算出西格玛水平及执行区间。

⑷ 过程能力分析需要多少个数据

过程能力也称工序能力，是指过程加工方面满足加工质量的能力，它是衡量过程加工内在一致性的，最稳态下的最小波动。当过程处于稳态时，产品的质量特性值有99.73%散布在区间μ-3σ，μ+3σ。

其中μ为产品特性值的总体均值，σ为产品特性值总体标准差，也即几乎全部产品特性值都落在6σ的范围内﹔因此，通常用6σ表示过程能力，它的值越小越好。

工序过程能力指该工序过程在5M1E正常的状态下，能稳定地生产合格品的实际加工能力。过程能力取决于机器设备、材料、工艺、工艺装备的精度、工人的工作质量以及其他技术条件。过程能力指数用Cp、Cpk表示。

⑸ 计算CPK最少需要多少数据

一般情况下至少需要25组或以上的数据。

在制作CPK之前应先确定过程是否稳定，常用控制制图分析（最常用的是用Xbar-R图），而Xbar-R图一般是要100-125组数据，因而如果只有5组是不可行的。

就PPK而言过程稳定也是前提，在PPAP手册中也是建议用125组进行初始过程性能指数的计算。另就CPK与PPK只是长期能力指数与短期能力指数，在计算时都要求过程稳定，只是在标准差的计算上有所不同。

CPK密钥管理体制依据离散对数难题的数学原理构建公开密钥与私有密钥矩阵，采用杂凑函数与密码变换将实体的标识映射为矩阵的行坐标与列坐标序列，用以对矩阵元素进行选取与组合，生成数量庞大的由公开密钥与私有密钥组成的公钥、私钥对，从而实现基于标识的超大规模的密钥生产与分发。

(5)过程能力数据分析需要多少数据扩展阅读

基于ECC的CPK的主要思想如下：

(1)设定由整数矢量（rij）组成的m*h阶私钥种子矩阵SSK。适当选取阶为素数门的椭圆曲线E，选择其上的一个基点G，计算公钥矢量(rijG)=（xij，yij），得出公钥种子矩阵PSK。保留SSK，公布PSK；

(2)以用户A的标识ID为参数，作h次映射（映射函数可以是加密算法或Hash函数），得五个映射值MAPi(i=1，2，3，…，)，进行模n下的加法运算，得出私钥SK=(RMAP11+RMAP22+……+RMAPhh)；

(3)根据映射值和公钥种子矩阵，设用户A的h次映射值分别为i，j，k，进行椭圆曲线E上点的加法运算，得出公钥PKA。由此形成了用户A的公、私钥对PKA和SKA。因子矩阵大小为mh的CPK系统，可组合出的密钥量却为mh，因此，CPK只需很小的存储空间就可形成一个相当大的密钥空间。

⑹ 过程能力分析的来龙去脉

===========

过程能力分析离不开正态分布的知识，所以我们先从直方图及正态分布讲起。
一、直方图与正态分布
描绘计量型数据的分布离不开直方图，下面先来回顾一下直方图的画法：
1、确定所要研究的对象，为了能更准确的反映总体的状况，至少收集100个数据。
2、计算数据的极差，极差＝最大值－最小值。
3、确定分组数，一般来说可以按k=1+3.32lg(n)来定分组数，其中，n为样本量。
4、计算组距，

5、确定组界，组界由下组界和上组界构成。第一组的下组界为最小值－最小分度值的一半，第一组的上组界为第一组的下组界＋组距，以此类推。
6、统计数据落入每组中的频数。
7、以组距为底，频数为高画直方，就可以得到一张直方图。
下面举一个画直方图的例子：
您在一家汽车工厂工作，目前正面临所用凸轮轴长度的变异性问题。您想了解由两家供应商提供的凸轮轴的质量是否相当，因此从每家随机抽取 100 件凸轮轴测量其长度。请分别给这两家供应商的数据画两张直方图。
手工画直方图比较繁琐，我们可以利用数据统计分析软件——Minitab来画直方图，画出的直方图如下：

从上面两张图可以发现：供应商1提供的凸轮轴的长度数据比供应商2的更加集中一点，表现为中间多两头少，而供应商2的数据就比较分散，凭直觉判断，我们应该选用供应商1的凸轮轴。
直方图有频数直方图和频率直方图，上面我们介绍的就是频数直方图。如果在画直方图时把频数替换为频率就成了频率直方图。频率是频数除以样本量，所以频率直方图就是频数直方图在坐标轴缩小“样本量”倍，但从形状上来看与频数直方图是一模一样的。
下面我们要在频率直方图的基础上来了解一下分布的概念。如果在画频率直方图时我们限定两个条件①收集的数据足够多；②分组数为无穷多组，大家想一想，这样画出来的直方图将会变成什么形状？
（直方图上的每个直方将会变成一条线）
每一条线的高度在数学上称为“概率密度”，如果用一条光滑的曲线把这些线的端点连接起来，就是我们平时所讲的分布曲线。所以分布曲线并不是很难理解的东西的，它实际上是概率密度函数在图形上的反映。
数据的分布形状有很多种类型，我们平时接触到最多也是最常用的分布是正态分布。分布的形状跟数据的类型有关。不同类型的数据具有不同的分布。数据通常分为两类：连续型数据（或者叫做计量型数据）和离散型数据（或者叫做计数型数据）。所谓连续型数据就是数据之间的间隔是可以无限细分的，比如长度是可以无限细分的，米可以分成分米，厘米，毫米，微米，纳米，……，所以长度就是一个连续型数据，体积、时间、压力等都是连续型数据。离散型数据是指不能无限细分的，它总存在一个最小的数据间隔，比如，不合格品数，它只能以“整”个来描述，不可能说成1.5个不合格品，2.5个不合格品，象这样一类的数据就是离散型数据，离散型数据还有很多，比如外观缺陷数，瑕疵数等等。
我们平时接触到最多也是最常用的分布是正态分布。正态分布也称高斯分布，它是由德国数学家高斯于1809年正式给出表达式的。为了纪念高斯的伟大贡献，在德国10马克的钞票上不但印上了高斯的头像，而且把正态分布曲线连同它的表达式印在钞票的正面。

正态分布的数学表达式为：

这个数学表达式中竖线后面的两个字母是正态分布的两个分布参数。μ是正态分布的分布中心， σ2是正态分布的方差，σ就是正态分布的标准差。我们只要知道这两个参数，一条正态分布曲线就可以把它确定下来。任何一条正态分布曲线都可以形象地描述为“中间高、两边低、左右对称、延伸到无穷”的钟形曲线。
分布中心反映了正态分布在横轴上的位置，而标准差反映了正态分布的离散状况，以下是不同分布中心和标准差的正态分布的比较。

有一类正态分布我们必须熟练应用，那就是标准正态分布。所谓标准正态分布就是分布中心为0，标准差为1的正态分布，任何一个正态分布都可以通过

数学变换转换成标准正态分布。以下就是一个分布中心为10，标准差为2的正态分布转换前后的图形。

下面我们来说说如何来计算μ和σ。μ和σ在数理统计上有专门的定义，但如果按照定义去求μ和σ的精确值几乎不大可能。我们通常是利用样本的状况去推断总体的状况，这在统计学上就称为参数估计。比如对于正态分布的中心和标准差，我们就可以用样本均值

和样本标准差s来估计。为了使估计值和精确值有所区分，我们用

分别表示μ和σ的估计值。

下面我们对上面提到的凸轮轴长度的数据再用正态分布曲线拟合一下，可以得到以下图形：

现在我们可以用数据来解释供应商1与供应商2之间的差异了：供应商 1 的凸轮轴似乎比供应商 2 的凸轮轴短。这可以从表格中的平均值（分别为 599.5 和 600.2）以及拟合正态分布峰值的相对位置看出来。
供应商 2 样本的标准差 (1.874) 远远高于供应商 1 的标准差 (0.6193)。这使得供应商 2 的拟合正态分布较低且较宽。供应商 2 的产品中大量变异性可能是导致凸轮轴长度不一致的主要原因。
二、过程输出与正态分布
过程输出→产品→产品可以用质量特性值来表示→质量特性值可分为计量型和计数型数据→数学理论上可以证明，如果某项计量型数据的指标受到很多项随机因素的干扰，而每项干扰都很小的话，则所有干扰影响的综合结果将导致此项指标的分布为正态分布
通过上面这段文字的指引，我们可以发现，如果过程的输出可以用计量型数据来表示的话，那么往往就可以用正态分布来表示过程的输出。正因为我们要了解过程的输出，而输出又可以用正态分布来表示，这就是我们为什么要学习正态分布的原因。
三、正态分布与过程不合格品率
也许生产控制人员最关心的问题就是产品的不合格品率。那么我们有没有办法通过正态分布来求产品的不合格品率呢？
假如有一个磨加工车间在磨一只产品，它的规范限是9.8—10.2，通过抽取样本画出的频率直方图如下：

图上的两条红线就是产品的规范限，从图上标明的数据很容易可以知道，这个样本中的不合格品率是0.01＋0.01＋0.02＝0.04，也就是把所有超过规范限的“直方”加起来。而通过前面所学的知识我们知道，频率直方图上的一个直方在正态分布曲线图上就是一条线，如果要通过正态分布曲线来求不合格品率，只需把超出规范限以外的所有的“线”加起来，而所有的线加起来就构成了“面积”。所以利用正态分布求不合格品率就变成了求超出规范限以外的正态分布曲线与横轴所围成的面积。

那么如何来求“超出规范限以外的正态分布曲线与横轴所围成的面积”呢？这个比较复杂，需要运用高等数学里的积分的方法求。但是我们可以借助MINITAB软件把它求出来。比如上面所举的例子，磨加工高度的规范限是9.8—10.2，现在通过抽取样本计算出均值为10.1，标准差为0.1，我们可以先通过正态分布求出该磨加工过程的合格品率。

通过上图可知，该磨加工过程的合格品率为84%，那么不合格品率就是16%。
假如通过改进过程，使得过程的平均值靠近公差带中心，即10，我们再来看一下过程的不合格品率会发生什么变化。

这时，过程的合格品率就提高到了95.4%，而不合格品率就降低为4.6%。
如果过程的均值没有发生变化，但设法提高了过程的加工精度，标准差由0.1减小为0.07，我们再来看一下过程的不合格品率又发生了什么变化。

我们可以发现合格品率由84%提高到了92.3%，而不合格品率降为7.7%。
最后我们得出减小过程不合格品率的两种策略：
在产品的公差范围不变的情况下，通过改进过程，使得过程的均值向公差带中心靠拢和/或减小过程的变差，可以显着地减小过程的不合格品率。
在两种策略中，相比较而言，让过程均值向公差带中心靠拢更容易实现一些。所以在过程不合格品率过大的情况下，首先要分析一下过程均值有没有跟公差带中心靠拢，然后再设法提高加工的精度。
四、过程能力指数
通过上面的介绍，我们知道，过程是可以用分布来描述的。而分布有它的一些特定的参数，比如分布中心和标准差。分布参数不同，满足顾客要求的能力也不同。比如标准差大的比标准差小的满足顾客要求的能力要差，因为标准差大的过程产生的不合格品会多一些。我们通常把6倍的标准差称为过程的能力。把过程能力与顾客的要求（即公差范围）去比较，称为过程能力指数。所以过程能力指数是表征过程满足顾客要求的能力的指标。

过程能力指数的计算公式是：

但是，如果标准差相同，分布中心不同，这两个过程满足顾客要求的能力也是不同的。如下图所示，两个过程标准差相同，但分布中心相差ε，这两个过程的不合格品率也是不同的。

如果光从Cp来表示还不能区分这两个过程满足顾客能力的大小，所以又增加了一个指数Cpk：

其中ε为过程分布中心偏离公差带中心的距离。
对Cpk的算式进行简单处理，可以得到如下等式：
令：T＝USL－LSL

接下来的问题是，如何来估计总体的标准差σ？在解决这个问题之前，我们先要了解一下稳定的和不稳定的过程。
所谓稳定的过程是在任何一个时刻去观测过程，它的分布位置和分布宽度都是恒定不变的。如下图所示的就是一个稳定的过程。它的特点是过程的均值和标准差都保持不变。

而不稳定的过程是指在不同的时刻去观测过程，它的分布位置和分布宽度都可能会发生变化。如下图所示的就是一个不稳定过程。

对于不稳定的过程，任一时刻的过程的输出的标准差都可能会不同，用任一时刻的过程输出的标准差来代表整个过程的标准差都是片面的，不合理的。因此计算过程能力指数有一个前提条件，那就是：过程必须预先用控制图来判断是稳定的。在这种状态下可以用

来估计σ，其中

是控制图当中的极差平均值，

是一个跟子组大小有关的系数，可查表。比如当子组大小为5的时候，

。
在这时候过程能力指数就可表示为：

可是如果过程确实是不稳定的怎么办？这时候我们可以用合并的标准差，也就是样本标准差s来估计总体的标准差。

当σ用s来估计时，得到的就不是过程能力指数，而是过程性能指数Ppk。

接下来我们来看看

和6s有什么区别。我们用图示的方法来说明。

对于稳定的过程，任一时刻的输出的中心和分布宽度基本上是不变的。如果把某一时刻的过程输出当成一个子组，那么每个子组之间只存在着组内波动，

，

，……，表示的就是组内波动。它不存在着组与组之间的波动。而且组内的波动也是相等的，只是由于抽样的缘故，它们之间会存在略小的差别。总的过程波动可以用各个组内波动的平均

来估计。从波动引起的机理上来说，组内波动主要由偶然因素引起，组间波动由异常因素引起。所以稳定的过程也可以说是只有偶然因素在起作用的过程。而不稳定的过程是除了组内波动以外，还有组间波动，组间波动主要表现为子组的分布中心发生了漂移，而且从上图可以看出组内的波动也可能是不相等的。不稳定的过程是除了偶然因素在起作用以外还有异常因素在起作用的过程。所以总的过程标准差必须用合并的标准差，即样本标准差s来估计。这个s既包括了偶然因素引起的波动，又包括了异常因素引起的波动，最后计算出来的s应该比其中任何一个都要大。如果一个过程计算出的s与

差不多大，那么我们也可以大致推断过程是稳定的。
正因为

与6s存在上面这样的一种关系，所以从理论上来说过程性能指数Ppk总要比Cpk小。
因为在实际过程运行中，稳定是相对的，变化是绝对的。不发生变化（这种变化是由于异常因素在起作用而引起）的过程几乎是不可能，即便是稳定的过程，也只能是保持在相对来说比较长的一段时间内。所以我们有时把过程能力指数称为短期过程能力指数，把过程性能指数称为长期过程能力指数。
如果把一个过程比作一个人的话，那么一个稳定的过程就相当于是一个精神正常的人，而一个不稳定的过程就象是一个有精神病的人，我们谁都希望跟精神正常的人打交道，谁都不愿意跟精神不正常的人相处。因为我们对一个精神病人的行为是无法把握的，这就会增加我们心中的恐惧感。让过程处于稳定受控状态是现场控制人员的一项重要任务。上面我们也提到，过程总有一种由稳定向不稳定变化的趋势，怎么样发现过程已经开始发生变异是采取措施的关键。控制图就是帮助我们识别过程发生变异的重要工具。如果我们在控制图上规定一些采取措施的“行动点”，及时对开始变异的过程加以调整，我们是完全能够使过程处于稳定状态的。
下面举一个利用MINITAB进行过程能力分析的例子。
某台机器连续生产钢珠，直径是它的一个重要质量特性。为对钢珠直径进行控制，每隔15分钟抽样1次，每次抽取产品5个，共抽样25次。测量并记录数据。经检验钢珠直径服从正态分布，试绘制Xbar—R控制图并进行过程能力分析。
首先是利用MINITAB画出控制图，判断这个过程是否处于稳定状态。

丛图上可知，所有的点都在控制限内，并且也没有非随机的趋势，因此我们可以判断生产过程处于稳定状态。接下来我们进行过程能力的分析。

观察上图，可以获得很多信息。首先，图正中带两条拟合曲线的直方图给了我们最直观的认识。两条线几乎完全重合，将左上角的标准差（组内）＝0.024841与标准差（总体）＝0.024722相比，相差甚微，这说明除了组内的偶然因素引起的波动以外，几乎不存在组间波动。其次，Cp＝0.67，Cpk＝0.67，两者均小于1.33，说明过程能力不足，需要改进过程，两者没有差别，说明主要改进方向是设法降低过程的偶然因素引起的波动。再次，图左下方的PPM值的统计从可能出现的不良率这个角度解释了过程能力的优劣。
五、过程能力指数和不合格品率之间的关系
从过程能力指数的计算公式

⑺ Cpk——过程能力指数是怎么计算的1.33和1.67等等从何而来.

计算公式：Cpk=MIN(Tu-μ，μ-Tl）/（3*σ)。1.33和1.67等是根据计算结果而来的。

min即取小的那个值，TU、TL分别为上、下公差界限；σ为过程统计量的总体标准差；μ为过程统计量的分布均值。

指数意义：

1、Cpk范围1.67-2过大，可适当放宽检验。

2、Cpk范围1.33-1.67充分，继续保持。

3、Cpk范围1-1.33正常，但接近1危险。

4、Cpk范围小于1，需改进，严重时停产需整顿。

(7)过程能力数据分析需要多少数据扩展阅读

计算Cpk的注意事项：

1、分析时，应注意对数据的正确分层，否则可能会发生误判。

2、对公差界限进行分析时，需要观察是否有异常点或者离群点出现。

3、当数据较多时，可能会重复数据出现，对重复数据要进行区分，并加以分析。

4、一般情况下，至少应取25组以上的数据进行分析。

5、通常情况下，横坐标用来表示原因或者自变量，纵坐标用来表示效果或者因变量。

参考资料来源：网络=cpk

⑻ 论文数据分析需要多少个

200以上。
1、论文数据大概需要200以上个数据，一篇论文需要有多少数据取决于这篇论文的性质和水平。
2、通常来说，本科毕业论文需要的数据并不太多，一般一章左右正文内容就够了，而硕士论文需要3至4章的内容，至于发表在高水平学术期刊上的论文则需要大量的核心数据以佐证你的论点和结论。

⑼ 什么是过程能力分析

过程能力也称工序能力，是指过程加工方面满足加工质量的能力，它是衡量过程加工内在一致性的，最稳态下的最小波动。当过程处于稳态时，产品的质量特性值有99.73%散布在区间[μ-3σ，μ+3σ]，（其中μ为产品特性值的总体均值，σ为产品特性值总体标准差）也即几乎全部产品特性值都落在6σ的范围内﹔因此，通常用6σ表示过程能力，它的值越小越好。

原因

进行过程能力分析，实质上就是通过系统地分析和研究来评定过程能力与指定需求的一致性。

之所以要进行过程能力分析，有两个主要原因。首先，我们需要知道过程度量所能够提供的基线在数量上的受控性；其次，由于我们的度量计划还相当“不成熟”，因此需要对过程度量基线进行评估，来决定是否对其进行改动以反映过程能力的改进情况。根据过程能力的数量指标，我们可以相应地放宽或缩小基线的控制条件。

过程能力分析能力分析

工序过程能力指该工序过程在5M1E正常的状态下，能稳定地生产合格品的实际加工能力。过程能力取决于机器设备、材料、工艺、工艺装备的精度、工人的工作质量以及其他技术条件。过程能力指数用Cp 、Cpk表示。

过程能力分析分析方法

当需要进行过程能力分析的计量数据呈非正态分布时，直接按普通的计数数据过程能力分析的方法处理会有很大的风险。一般解决方案的原则有两大类：一类是设法将非正态数据转换成正态数据，然后就可按正态数据的计算方法进行分析；另一类是根据以非参数统计方法为基础，推导出一套新的计算方法进行分析。遵循这两大类原则，在实际工作中成熟的实现方法主要有三种，现在简要介绍每种方法的操作步骤。

非正态数据的过程能力分析方法1：Box-Cox变换法

• 估计合适的Lambda（λ）值；

• 计算求出变换后的数据Yx，

• 根据原来给定的USL和LSL，计算求出变换后的USLx和LSLx，

• 对Yx用USLx和LSLx求出过程能力指数。

非正态数据的过程能力分析方法2：Johnson变换法

• 根据Johnson判别原则确定转换方式；

• 计算求出变换后的数据Yx，

• 计算求出变换后的USLx和LSLx，

• 对Yx用USLx和LSLx求出过程能力指数。

非正态数据的过程能力分析方法3：非参数计算法

当第一种、第二种方法无法适用，即均无法找到合适的转换方法时，还有第三种方法可供尝试，即以非参数方法为基数，不需对原始数据做任何转换，直接按以下数学公式就可进行过程能力指数CP和CPK的计算和分析。

非正态数据CP和CPK的计算公式

右侧公式中，Xa是数据X分布的a分位数，例如X0.005表示随机变量X分布的0.005（即0.5%）分位数。