引言
众所周知,过程能力分析是指通过顾客质量要求的范围与实际产品质量变异范围之间的数值比较来衡量实际生产过程满足规格要求的能力。具体来说,就是根据公式1.1和1.2计算出过程能力指数Cp和Cpk值,确定其过程能力等级,判断过程能力是不足、尚可还是充分,进而采取相应的改进和维护措施。这个简单易行的量化管理工具已经在生产线能力评估、六西格玛项目、供应商审核等各个领域都有了广泛的应用。
其中USL为规格上限,LSL为规格下限 Xbar为样本数据的平均值,s为样本数据的标准差
但是,过程能力分析是以正态分布为前提的。也就是说,只有通过数据正态性的验证,才能应用公式1.1和公式1.2得出准确的分析结论。这就给我们提出了一个问题:如果收集到的数据是非正态的,应该如何进行过程能力分析?这个问题非常具有现实意义,因为很多流程或产品特性的数据往往就是非正态分布的,如寿命和可靠性试验中的数据。
目前解决这类问题比较常见的方法是“数据转换法”。即通过Box-Cox转换法或Johnson转换法将原始非正态数据转换为正态数据,然后再按常规步骤进行过程能力分析。不过,相当数量的工程技术人员对这种方法的负面评价是:并不是所有的原始数据都能找到合适的转换方法,即使能够找到转换方法,也会因为数据和规格上下限都发生了变化,增加了理解上的难度,减少了现实指导意义。
一、新方法背景说明 那么,是否存在更好的解决方法来执行非正态数据的过程能力分析呢?本文将结合英特尔、陶氏化学等已经广泛应用统计技术熟的企业的实际经验,以案例分析的形式结合高端六西格玛软件JMP,介绍两种实用的新型解决方法——分布拟合法和百分位数法。JMP目前的应用领域包括业务可视化、数据发现、六西格玛和持续改进、研发和创新、实验设计DOE等等。
|