2024年4月22日发(作者：畅桂华)
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
1 / 25
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。
2 / 25
2024年4月22日发(作者：畅桂华)
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
1 / 25
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。
2 / 25