質量管理五大工具 【必讀】SPC：非正態數據如何做過程能力分析

我們是非正態的數據如何做過程能力的分析 關於非正態在自己的日常工作中有沒有應用到過 然後有應用到過的話 大家扣個一啊 沒有的話 扣二主要是非正態數據如何做過程能力分析啊 大家有沒有應用過啊 應用過的話 大家可以扣個一啊 沒有應用過的話 扣個二 我簡單的先看一看啊 我們上節課其實給大家講了講過程能力對不對 然後CPK以及PPK的區別 然後這裏的話 然後先問大家一個問題啊 先問大家簡單一個問題 大家在做CPK的時候 有四個前提 有四個前提啊 1234這四個前提分別是什麼呀 大家知道的話 把你的答案打在公屏上 我們做CPK或者使用CPK來衡量過程能力的時候 我們需要有四個前提 有四個前提 什麼前提啊 線上如果知道的話 朋友可以把你的答案打在公屏上啊 可以把你的答案打在公屏上啊 現在朋友如果知道的話 好 如果我先給大家說兩個前提吧 第一個的話是數據之間的相互獨立性 第二點的話是說我們的測量系統啊 必須是合格的 第三點和第四點有人知道嗎 知道的話把你的答案打在公屏上 非常好 然後第三點的話就是穩定的過程 對不對 還有當然穩定的過程 其實前面還有個點就是數據必須是正態的 這是我們所說的 在使用CP和CPK時候必須滿足我們這四個前提 然後如果我們使用PP和PPK的時候 其實在更多情況下 我們可以不要計較啊 過程的一個穩定 以及數據的一個正態性啊 是這樣 當然我們還是給大家結合案例啊 讓大家更好的瞭解啊 CP和CPK啊 好 我們還是看這個案例啊 我們還是看這個案例吧 然後某幾家車間啊 CNC設備連續生產彎管 然後其溝槽寬度是一個重要的質量特性 這告訴我們了 對不對 溝槽寬度啊 是我們要衡量的一個指標 對不對啊 是我們要衡量的一個特性 質量特性 公共差呢 也告訴我們了 10.9到11 然後呢 也告訴我們了 對這個溝槽寬度啊 每半個小時控制一次啊 抽樣一次啊 每次抽5個樣品 共計抽25次 那麼就是一共是25個樣品了 對不對 然後我們試着分析其過程能力 好 這裏的話 我需要給大家先展示一下嘛 用minitab展示一下生成下面這個數據嗎 需要的話 大家在公屏里扣個一啊 不需要的話 大家扣個二 我們就接着往下講啊 就需要我使用minitab給大家去演示一下嗎 需要的話 大家公屏里扣個一啊 不需要的話 大家扣個二 要的話扣個一啊 不需要的扣個二啊 對的啊 我帶大家簡單回顧一下正態數據啊 正態數據如何做過程能力分析 然後接下來我會給大家講到非正態數據 需要嗎 現場的需要扣一啊 不需要扣二 我們就繼續往下走啊 好 看索性方向啊 扣一 然後像我這兒有些人扣二 其他人呢 如果啊 沒有那麼多人扣一的話 那我們就繼續往下走了 那大家可能就比較瞭解啊 相關的知識 那我們繼續往下走啊 好 然後這個其實我們可以看到是不是 根據我們這個相應的結果 能看到我們的PPK與我們的CPK的數值是比較接近的 從這個方面也可以看出什麼呀 我們的過程是肯定是穩定的 那麼數據之間啊 數據是不是正態的呢 我們其實可以使用minitab的六合一報告 然後進行生成 同時能判斷我們過程的一個穩定性 比如我們通過六合一報告能生成均值圖啊 還有極差圖 對不對 通過均值極差控制圖 我們來判斷沒有異常點的出現 所以可以說明我們的過程是穩定的 然後通過正態概率圖的話 我們也能看到啊 P值大於0.05 就是我們沒有辦法拒絕數據是正態的 所以從正態性方面也沒有任何問題 所以這樣的話 我們通過上面兩點的話 我們使用CPK也好 或者是PPK也好都OK 因爲它倆的數據啊是比較接近的 好 然後這就是我們上節課給大家講的 關於正態數據如何做過程能力分析 然後接下來我們給大家講今天的重點啊 重點就是我們非正態數據如何做過程能力的分析啊 然後我們看了一下新進來的一些討教直播間的同學啊 我們公益直播的話 其實也不需要大家達成什麼禮物 但是大家最好還是不要吝嗇你的點贊 給直播間點點贊 或者分享一下我們直播間可以吧 或者是啊 就是點贊一下我們直播間 關注一下我們直播間啊 這個大家還是能做到的 對不對 所以大家可以點點贊 或者關注一下我們討教直播間啊 好 然後我們再看數據 我這裏先不給大家講非正態與正態數據吧 就是數據如何做過程能力的分析 首先的話 我們拿到一組樣本數據的話 我建議大家做的第一步 就是識別樣本數據的一個分佈是成什麼分佈的 比如說它是不是正態的 以及不正態的話 它滿足不滿足其他的分佈 比如啊 邏輯分佈或者是微博分佈啊 等等啊 如果正態也不滿足 其他分佈也不滿足的話 那麼這個時候我們只能使用非參數的方法 進行過程能力的分析 所以我們今天會結合 當然正態就不講了 正態的話 是我們上兩節課已經給大家分享的知識哈 就是如果數據不正態的話 我們怎麼樣可以把數據轉化爲正態呢 其實我們有兩種方式 一個是我們所說的逆函數轉換 另一種方式的話 就是我們的Johnson變換 通過這兩種方式 我們可以將非正態的數據轉化爲正態數據 如果也沒有辦法轉化爲正態數據的話 我們可以看看它滿足不滿足其他的分佈 像我剛纔說的 比如說啊 邏輯分佈或者是 或者是微博分佈等等 當然這些都不滿足的前提下 我們就需要使用非參數方法 進行過程能力的分析 然後接下來 這個是我們今天主要課的重點 好 我們先講第一步 第一步 怎麼樣識別最優分佈 也就是個體分佈是成什麼分佈的 也就是我們數據是成什麼分佈的 好 首先大家看看這個案例 看看案例 某化工生產過程中 當催化劑接近耗盡的時候 然後雜質的含量 然後這個如我們所說的 這個就是我們的minitab的數據 是然後質量標準也告訴我們了 僅有上限 因爲我們雜質含量嘛 對不對 不必須小於等於24 那麼這個時候 我們需要進行過程能力的分析 好 我們首先把數據給大家打開 我們把數據給大家打開 我們就直接通過數據啊 給大家進行演示了 我把這些所有關掉 把這些所有都關掉 好 然後啊 大家可以看看 這個就是我們的一些數據啊 這個就是我們的數據 然後也告訴我們了 五個V1P4啊 他也是要五個五個進行一次抽樣的 好 然後我們首先第一步幹嘛呀 現場同學 我們第一步幹嘛 剛纔給大家講了 我們第一步需要做什麼呀 現場同學 我們第一步需要做什麼 現場同學說啊 陳總說很好 識別分佈非常好 好 我們給大家演示一下識別分佈啊 統計 然後質量工具 這裏有一個啊 在哪裏了 個體分佈識別 點擊個體分佈識別 然後需要把我們研究的數列啊 錄入到我們單列中 我們要研究的數列是雜質含量 所以這能用雜質含量 子組大小的話是五個V1組 所以我們先寫五就可以了 然後我們點擊確定 好 然後其實這裏大家可以看看結果啊 結果還是比較多的 有數據 有圖形 對不對 那麼我建議大家看哪裏呢 大家直接看這裏 看這一個 擬核優度檢驗啊 把這個啊 給大家複製一下 複製一下 我們直接看這裏啊 我們首先看看正態 正態的PE值是不是 PE值肯定小於0.05了 因爲它的PE值已經小於0.005了 所以數據正態不正態啊 所以大家數據正態不正態啊 數據正態不正態啊 現場的朋友 正態不正態啊 然後陳某說不正態 然後魯蘇吉不正態 對 那麼PE值小於0.05 就代表了我們的數據肯定不正態 對不對 然後我們再看密函數轉換 以及招訓變換 密函數轉換之後 這個PE值是不是大於0.05了 以及招訓變換之後 PE值是不是也大於0.05了 這裏意味着什麼呢 這裏就意味着通過密函數轉換 以及招訓變換 能將數據轉化爲正態的數據 所以下面這些的話 其實我們可以先不用看啊 所以的話 其實我們可以通過招訓變換 或者是密函數轉換 將數據轉化爲正態數據以後 再進行過程能力的分析 然後是這樣 有人說這個時候 最大的PE值是不是最好的 是這樣 如果密函數轉換以及招訓變換的話 它的數據相差不是很大的話 其實我個人更希望你使用密函數轉換 因爲密函數轉換的公式相對簡單一些 這是我個人的理解 好 然後我們再回到我們剛纔這裏 是不是 我們其實有兩種方式 答案兩種方式其實都可以應用 密函數轉換或者是我們的招訓變換都可以 那麼接下來我們需要怎麼做呀 接下來我們需要怎麼做呀 這裏的話我還給大家賣個官司啊 賣個官司啊 好 我們其實根據剛纔的一個輸出 對不對 我們可以通過密函數轉換以及招訓變換 將其轉化爲正態數據 那麼接下來怎麼做過程能力分析呢 我給大家去演示一下 然後統計 質量工具 能力分析 大家這裏還是點擊正態啊 大家這裏還是先點擊正態 點擊正態 然後我們也要研究的單列是雜質含量 子組大小是幾啊 子組大小是不是五個爲一組啊 對不對 一個批次是五個數據 對不對 然後規格上限是24 對不對 我們剛纔根據我們的例題啊 因爲我們的雜質含量的上限是24 然後我們要點擊哪裏呢 因爲這裏是正態的 我們其實前面已經分析了原始數據不正態 我們只能將其轉化爲正態 對不對 而且我們說了密函數轉換以及招訓變換 可以將其轉化爲正態分佈 所以我們這裏可以點擊密函數轉換 點擊密函數轉換之後 然後我們點擊確定就可以了 我們再點擊確定 可以看看我們的輸出報告啊 過程沒報告 這裏我還是給大家 大家這裏可以看一看 大家可以這裏看一看 這是我們的原始數據 原始數據的話 大家可以看看是不是乘右偏的 所以原始數據一定不是正態的 但是將其轉換完後的數據 大家可以看一看 這裏的話還是啊 很好的呈現一個正態分佈的 對不對 那麼關於轉換完之後的過程能力啊 在哪裏呢 大家可以看看啊 CTK 0.51 TPK 0.53 但是不論採用哪個指標的話 其實它的過程能力啊 都是非常不好的 好 這就是我們所使用的密函數轉換 將其轉化爲正態數據之後 怎麼樣進行過程能力的分析 好 那個現場的朋友們 可以給直播間現在點點贊啊 點點贊 或者關注一下我們淘嬌直播間 也可以分享一下我們直播間啊 因爲我知道這可能節後第一天 可能大家都忙於 都沉浸在放假的這個愉悅心情裏啊 但是啊 我們支持的話 其實可以大家簡單的開學學習啊 大家可以點擊一下 關注一下我們直播間啊 關注一下直播間 給直播間多多點點贊啊 可以分享一下 希望大家更多的人能看到 好 然後這是我們所說的密函數轉換 但是大家剛纔說 我們是不是通過JSON變換 也可以將其轉換爲正態數據啊 好 有軟件的話 我們可以給大家演示一下 JSON變換怎麼樣將其轉換爲啊 正態數據 然後還是點擊變換這裏 然後這裏的話 我們選擇JSON變換啊 就可以了 我們點擊確定 然後再點擊確定 還可以看看JSON變換之後的話 只有PPK了 其實JSON變換之後 有時有CPK 有時有PPK 這個的話可能就是概率的一個問題 因爲它的數學轉換可能比較複雜一點啊 它的數據變化 它的數據 因爲你看 因爲long的話裏面必須是大於零的 所以的話 這裏的話 數學轉換的公式啊 相對於密函數轉換 還是有一些複雜的 但是大家可以看 PPK的值 跟我們剛纔選擇的密函數轉換的PPK的值 其實都是相近的或者相等的 所以無論從哪個數據來看 我們的過程能力都非常不好 對不對 對的話 大家在公屏里扣1啊 對的話 大家在公屏里扣1 或者是有問題的話 大家把你的問題打在公屏上 我給大家去解釋一下 這裏大家有問題嗎 有問題的話 大家可以把你的問題打在公屏上 有問題的話 把你的問題打在公屏上 沒有的話 我們就繼續啊 沒有的話就繼續啊 好 沒有的話我們繼續 我們沒有的話我們繼續啊 是這樣 好 我們再回到我們剛纔那個PPK裏啊 對不對 我們雖然有一些數據是非正態的 我們可以通過密函數轉換 或者是裝置變換 將其轉化爲正態的數據啊 是沒有問題的 可以進行過程能力分析 但是其實有一些我們所說的質量樣本啊 或者質量特性 已經明確的告訴大家是乘什麼分佈的 這個時候其實我更多建議大家就直接 尤其是根據你們公司的自己的大量的數據的相關經驗 用乘的這個分佈的啊 一個分佈啊 進行過程能力分析啊 是比較好的一個結果啊 非正態數據怎麼檢驗前後改善效果是否明顯啊 其實是一樣的 其實還是通過過程能力的指數來分析啊 還是通過過程能力的指數 我們說過程能力指數是衡量一個過程能力的一個很好的指標 所以我們還是通過指標來衡量啊 好 我給大家舉個例子啊 就是其他分佈的你和其他分佈的 好 這裏的話 大家都應該是做質量的 或者工程技術的相關人員 我問問大家 尤其在可靠性方面 尤其是電子設備的一些相關可靠性的壽命方面 通常情況下數據是不是一般都是服從微波爾分佈的 是不是一般都是服從微波爾分佈的 就是關於電子設備的質量或者壽命等等 我給大家舉這個例子啊 然後說一位電氣工程師希望評估生產過程中 電子設備的質量 那麼電子設備的質量好壞的話 我們說從哪裏來說 是不是那麼的研究啊 我們電子設備的一個使用壽命就ok了 對不對 然後他已經收集了150臺設備的使用壽命 然後現已知數據的話是服從微波爾分佈的 因爲我們所說的微波爾分佈的話 更多用於我們另一門課程叫什麼課程呀 是不是產品的可靠性方面 是的話大家在公屏里扣個1啊 是的話大家在公屏里扣個1 是的話大家在公屏里扣個1啊 然後在分析中也告訴我們了 就是我們肯定要定義一個產品的使用壽命的下限 對不對啊 告訴我們大家了產品的使用下限是1000小時啊 然後目標值呢 當然我們也希望有一個目標值是不是啊 是2410 但其實這個事情就挺扯的 給我們更多從客戶的角度啊 客戶的角度就是我們使用者的角度來行來想是不是 我們當然希望我們的電子使用設備的理論壽命或者實際壽命越大越好 對不對 但是對於廠商來說 他並不希望你的使用壽命越大越好 因爲你的使用壽命越大越好的話 就可能代表他的設備的更新和換代 或者是我們所說的就是啊 我們消費者的購買意願啊 也會越來越低 所以這就是爲什麼啊 然後很多啊 工廠說我們也希望我們的使用壽命啊 不是越大越好 而是接近某一目標值是比較合理的 那當然是沒有規格上限的 然後試試分析其過程能力 好我們先把這個數據還是先打開啊 好大家看看這是我們研究了啊 這麼多機臺啊 這麼多機器啊 150個機臺或者150個機器的使用壽命 然後第一步的話 其實做的依然是大家可以驗證一下是不是數據啊 呈微波爾分佈呢 我們可以給大家快速的驗證一下 然後統計質量工具 然後個體分佈識別啊 指定的話啊 我們可以看看啊 先不指定了 我們還是先單研究吧 然後字數大小是1 然後確定就可以了 好我們直接找微波爾啊 直接找微波爾分佈啊 可以看看微波爾分佈 這裏說了大於0.250 對不對 當然三參數微波爾其實也是微波爾分佈的一種啊 所以我們直接選擇微波爾就可以了 好 然後我們用微波爾分佈來分析它的過程能力 怎麼做呢 我們給大家演示一下啊 統計質量工具依然在過程能力這裏啊 這裏大家選擇非正態 然後我們還是要輸入我們的單列 單列就是我們所說的研究對象是什麼啊 當然研究對象是我們的小時數啊 當然我們已經知道它擬合的分佈是微波爾分佈了 所以我們直接從這裏選擇微波爾分佈就OK 我們的規格下限是1000小時 對不對 然後我們的目標值是多少來 我看一看啊 2410對不對 2410 然後我們點擊確定 我再點擊確定 我們看看我們最終的一個輸出報告 其實輸出報告的話 大家可以看看最終的一個PPK是多少呀 是1.13 對不對 那麼1.13滿足不滿足要求呢 因爲電器行業啊 可能跟汽車行業還不太一樣 所以這個情況下還是說具體問題具體分析 如果你認爲你的PPK必須大於1.67 或者1.633的話 那麼這個數據啊肯定是不符合的 對這個還是實際問題實際分析 就是我們最終只是告訴大家啊 數據啊是多少 但是這個數據能不能被接受啊 還是根據每個公司自己的實際情況去決定的 好這個就是關於如果數據啊 不能轉化爲正態數據 或者我們已經知道了數據服從於某一分部啊 用這一分部模型更好的能評估過程能力的時候 那麼我們就可以這麼做啊 這個微博分部不選擇CPK 爲什麼呀 大家想想CPK一個前提是什麼呀 我們說CPK有四個前提 其中一個前提是什麼 CPK的有四個前提 其中一個前提是不是是數據正態呀 對過程能力穩定 MSA合格 然後數據獨立啊 那麼他們還有個什麼呀 分部是正態的 你已經數據不正態了 對不對 你幹嘛還用微博分部給你輸出一個CPK 對對的是這樣 這個我們這裏沒有變換數據啊 沒有將其轉化爲正態分部啊 是這樣 這是我們所說的 剛纔我們的模型 這一部分你和其他分部對不對 我給大家舉了一個微博分部的例子 對不對 然後一函數轉換 裝飾變換這個將其轉化爲正態數據 我這裏給大家演示完了 對不對 就是原來的數據不正態 我們可以通過密函數轉換 或者裝飾變換 將其轉化爲正態數據 那麼如果這三種情況都不行的時候 那我們只能使用非參數方法 進行過程能力的分析 故事會老師 我想靠美國認證的六七個嗎 但是我不做品質這塊 怎麼解決這個問題 是這樣 然後七星網故事會 我建議你可以先點擊一下下方的小風車 先預約一下我們的課程 然後這是我們今天還是說給大家準備的直播的第一個 大家可以點擊下方小風車 然後去免費領取我們六星的相關資料 我們的相關資料裏包括了考點總結 考試大綱 公式整理 電子版教材 這裏的話我可以給大家看一看 將近200多兆的一個備考資料還是比較多的 然後我給大家舉個例子 六星的黑帶 或者是綠帶的培訓PPT 然後這裏我給大家可以看一看 然後將近600頁左右的一個PPT 700頁左右的一個PPT 比如說我們今天所講的這個過程能力分析 也在這裏 比如分散的一個推定等等等等 當然大家都可以結合這些我們的案例 然後進行實際的操作演練 這是我們直播間的第一個福利 然後第二個福利的話 就是針對你剛纔那位同學提出的一個問題 我們的話也給大家準備了直播間第二個福利 就是我們有專門的老師 給大家一對一的進行相關的輔導 是這樣 然後什麼意思呢 如果你在六星的考試過程中有相關的問題 不論是你的備考有問題 或者是知識點有問題 或者你在實際工作中的應有問題 都可以聯繫我們的這些線上的老師 當然這個福利的話 就是隻準備了20個 先到先得 所以大家可以現在抓緊時間去點擊 下方的小紅車 去聯繫我們相關資料 然後我們的老師會後臺就聯繫各位了 聯繫大家了 所以大家可以點擊下方小紅車 去聯繫我們相關的資料 好的資料好的 然後我們再說到非參數方法 過程能力如何進行分析 給大家還是幾個案例 我們回到我們的這裏 然後給大家看一看 某燃油濾清機廠 生產某一產品 當然它的產品肯定還是燃油濾清器 它一產品特性 要求進行過程能力的分析 然後它也收集了100個單值數據 公差也告訴我們了 32-0.06是分析過程能力 我們打開它這組數據 我們還是現在看它的數據 好 大家可以看看 大家可以看數據 這是100個數據 我們首先第一步 還是個體的一個分佈識別 對不對 統計啊 質量工具 然後個體分佈識別 然後輸入濾清器 然後詞組大小是1 因爲我們沒有進行分組 對我們點擊確定 好 我們看看我們的輸出結果 好 我們看看我們的擬合優度檢驗 好 大家看看這裏的P值 有沒有大於0.05的 這樣的朋友 這裏的P值有沒有大於0.05的 是不是沒有 那麼也就是說數據肯定不正常 通過密函數轉換等等 也不能將其轉換正常數據 然後其他相應的分佈的話 也不能滿足要求 那麼這個時候 我們只能使用非參數方法 進行過程能力的分析 對 然後有人說什麼叫非參數方法 過程能力的分析呢 或者它的底層邏輯是什麼 我這裏問大家一個問題 我爲什麼給大家講課的時候 一定要給大家先講一些基礎呢 我首先這裏問大家一個問題 過程能力就拿CPK來說 我們先拿CP來說 CP的公式是什麼 是不是我們的USL-LSL 除以6倍的SIGMA 對不對 現場的同學 然後USL-SL是我們的什麼呀 是我們的公插帶 是我們的顧客的聲音 對不對 那麼6倍的SIGMA是代表了什麼 6倍的SIGMA代表的是什麼呀 現場的同學 6倍的SIGMA代表的是什麼呀 然後這些同學可以給我們點點贊啊 點點贊啊 6倍的SIGMA代表的是什麼 代表的是不是我們的過程的聲音呀 或者說過程的波動非常好啊 那麼6SIGMA 如果一個數據呈正態的話 涵蓋了我們百分之多少的數據啊 是不是99.73%的數據 對不對 6SIGMA是不是涵蓋了我們過程99.73%的質量特性啊 正常來說 對不對 那麼其實CP也好 PP也好 底下其實除以的6倍的SIGMA 這個6倍的SIGMA或者幾倍的SIGMA 就是代表了我們絕大多數的產品的質量特性的一個覆蓋區間 其實無論你數據成不成正態的話 我們只要說我們這個分佈的話 涵蓋了我們絕大多數的產品不就OK了嗎 無論你數據啊 我給大家舉個例子啊 無論你數據成任何的一個分佈 我給大家舉個不太不恰當的例子啊 比如這種分佈啊 當然這是不可能的 你只要這個分佈 我們找到99.73%的一個區間不就可以了嗎 因爲你正態的話 其實這裏的話也是包含了99.73% 是一個邏輯的 所以我們只要找到非正態數據 包含了絕大多數的這個樣品的一個區間帶就可以了 我們就是公差帶除以包含了我們這個區間帶不就可以了嗎 對不對 好 這裏的話大家聽明白了嗎 聽明白的話扣個1啊 聽明白的話扣個1 可能這裏的話就是我們所說的過程能力分析的一個底層的邏輯啊 這裏的話聽明白嗎 聽明白扣個1啊 是這樣 好 那我們就繼續 如果底層邏輯講完了 大家理解了 那麼接下來的工作就好做了 好 我們回到我們這個案例 然後所以非參數方法的過程能力的計算公式其實也很簡單 但這裏其實不能用CP表示了 我這裏只是說用 因爲我們所說的非參數方法的時候 過程能力其實已經不是我們說的不能用CP,CPK了 其實這裏更好用CNP 我用CNP吧 CPK的話 我們這樣要CNPK就是非參數方法 非參數的一個PK啊 就是過程能力啊 然後這裏大家可以看看 然後公差上面是一樣的啊 上面是一個公差帶 然後下面的話包含了百分之多少的數據 大家可以看一看 下面的話包含了百分之多少的數據 下面的話包含了多少數據啊 是99% 對不對 那麼爲什麼不是99.73%呢 爲什麼呀 現在的同學大家看這裏啊 其實還是主要取決於我們樣本量的一個數量 就是針對於數據的非參數過程能力的研究的樣本數量 遠遠要比我們鄭太書記的樣本數量要抽取的多 或者是抽樣的多 因爲這裏的話 比如說這裏是0.005分位數 這裏是0.995分位數 就是拿我們這個分位數來說 我給大家舉個例子 比如說我們要知道0.005分位數的話 那麼我們所取的樣本的話 應該大於等於1% 這個p就是我們的0.005 大家算一算 那麼n其實要大於等於100個 所以這個時候我們才能得到0.995分位數 以及0.005分位數 但是如果大家要找到99.73%的話 大家可以算算 1-99.73% 是不是0.27% 對不對 單邊的話是不是就是0.135 大家可以算一算 如果這裏0.135的話是多少 然後我大概算了一下 是需要抽取370個樣本了 所以這裏的樣本數量會非常多 所以我們所說的使用非參數方法 基於樣本的考慮的話 我們只要包括了99%的數據就可以了 而不需要用99.73%了 因爲如果你選擇99.73% 你的分位數也會變得非常之小 然後這裏的話 你的樣本數量也會非常之大 這個邏輯大家理解了吧 這裏就是我剛纔給說的這個邏輯 好 有人說x怎麼計算 不要着急 這個是我們接下來給大家演示的另一個物種 就是有人想知道分位數怎麼計算 對不對 這個是0.995分位數 這是0.005分位數 這個的話就是我們所說的中位數 對不對 那麼這些數據怎麼做 我們可以兩種方式給大家講講 一個是Excel可以給大家解釋怎麼做 另外的話給大家用minitab生成一下 我給大家講講 我們還是先用minitab給大家講講 還是先用minitab給大家展示一下 minitab的話 其實在minitab裏邊 在比較老的minitab裏邊 沒有非參數方法的過程能力的一個 一個就是我們所說的對話框或者什麼 只能通過命令行編輯器 採用鴻方式的一個運行 然後來展示我這裏的話 把這個鴻 然後也給大家列在這裏了 大家可以如果有minitab 直接去驗證一下就可以了 我們還是打開這個數據 怎麼做呢 然後點擊查看 然後點擊命令行 然後我們把我們PPT裏的格式 輸入到我們這裏 這裏的話我們需要把這些都清空 然後再一個 1%CAPA就不需要動了 C1就是我們的研究數據的鏈在哪裏 當然這裏我們輸入C1 如果你的數據在C2 你這裏就需要輸入C2 然後這個就是我們的規格線 然後規格線我們剛纔告訴大家了 然後下公差是31.94% 上公差是32.06% 好 我們點擊確定一下 我們先運行一下看看 當然這裏說彈出錯誤 那麼可能我們的一些字符 有一些問題 比如說我們可能是中式的 我們需要改成英式的 然後比如點 給大家去換一下 換一下這個分號 然後點擊再確定看一看 好 沒有問題了 對不對 這裏 然後大家看一看 我們的CNPK最終是多少 現場的朋友們 或者說我們的過程能力是多少 我們最終的過程能力是多少 我們的最終過程能力是多少 再把你的答案打在公屏上 我們最終過程能力是多少 沒有人知道答案嗎 然後我給鼠標給大家去指導引導一下 當然可以參考了 當然可以參考 所以參數絕對可以參考 爲什麼不能參考 對2.36對不對 對的就是2.36 這裏的話 其實如果領導想要這種資料 或者這種材料 你可以把這個圖形 然後給領導複製到你的PPT裏 或者是你的客戶需要的話 也可以是一樣的道理 當然這個的話可以 就是我們所說的使用minitab 爲什麼使用minitab 是因爲你minitab的數據 更具有什麼 權威性 比你自己分析的話 要很少得到客戶的質疑 對不對 但是如果其實你使用Excel做 然後通過公式 也是一樣能計算出來的 比如說我們其實可以通過Excel 然後這裏其實我也把數據 錄入到了Excel裏 得到了我們0.005分位數是多少 以及0.995分位數是多少 以及0.5分位是多少 然後通過相應的公式 也計算出了CNPU 然後以及CNPL 對不對 然後我們選擇其中的一個小小數 那麼就是我們最終的一個CNPK 對不對 那麼最終的話也是2.368 對的 21版12版的話是有這個公式的 但是老的話其實是沒有的 所以我喜歡給大家計算 就是介紹一下老的 如果是新的的話 其實大家可以從這裏應該是有 我記得統計 然後質量工具 然後能力分析 然後這裏的話應該有一個非參數的 大家可以直接應用就可以了 因爲它背後的底層邏輯已經告訴大家了 但是Excel其實也是一樣可以計算出來的 那Excel怎麼計算的話 可能我們需要留在下節課給大家講了 就是大家如果使用Excel 怎麼來計算 其實也是一樣的 但是呢 你使用Excel的話 給你客戶提供的數據 是不是有一定的權威性的話 這個的話客戶能不能接受 這個就不好說了 但是你如果使用ManyType 最終生成我們所說的這麼一個數據 或者圖形的話 客戶至少知道 你的底層邏輯是沒有問題的 它不會過多的去挑戰你