自动过程能力分析
自动过程能力分析省去了手动正态性检查。它运行 Anderson-Darling 检验:p 值达到或高于阈值(默认 0.1)时,计算正态 Pp、Ppl、Ppu 和 Ppk;低于阈值时,通过最大似然法拟合候选非正态分布,选出拟合最佳者并采用 z 分数法。输出显示所走路径、拟合直方图、各项指数以及期望和观测 PPM。
最后审阅
核心要点
自动过程能力分析使用 Anderson-Darling 检验正态性,并根据正态模型或拟合最佳的非正态分布自动计算 Pp 和 Ppk,同时记录所走的路径。
用途
自动过程能力分析省去了先手动检验正态性、再另行选择正态或非正态能力模型的步骤。该工具自行运行 Anderson-Darling 正态性检验:数据通过检验时,自动将计算转入标准正态能力指数;未通过时,则转入最佳拟合的非正态分布(从应用的候选分布库中选取)——最终生成一份报告,并在顶部记录路径判定结果。
主要功能
- 自动运行 Anderson-Darling 正态性检验——无需单独的正态性检查步骤。
- 当正态假设被拒绝时,自动选择拟合最佳的非正态候选分布,所用分布拟合库与应用中其他非正态能力工具相同。
- 可配置正态性 p 值阈值,用户可据此调整工具默认走正态路径的保守程度。
- 在输出中直接报告所走路径(正态还是非正态,以及采用哪种分布),使路径判定过程透明、可审计。
- 支持可选的 Factor 列以及“Compare selected columns as separate groups”模式,与应用中其他能力工具保持一致。
统计方法
正态性采用 Anderson-Darling 检验评估(以 scipy 的 anderson() 对照正态参考分布),使用标准小样本修正 AD = A²·(1 + 0.75/n + 2.25/n²),p 值由修正后 AD 统计量的 D'Agostino–Stephens 分段经验近似公式导出。
路径判定规则:若 Anderson-Darling 的 p 值大于或等于正态性 p 值阈值(默认 0.1),则视数据为正态——工具通过移动极差法(MRbar/d2,或中位数移动极差变体)估计 σ_overall,并据此计算基于 z 的标准性能指数 Pp、Ppl、Ppu、Ppk。若 p 值低于阈值,则工具改为通过最大似然法拟合应用支持的每一种候选非正态分布(Weibull、3-Parameter Weibull、Exponential、2-Parameter Exponential、Gamma、Logistic、Loglogistic、Lognormal,以及 Smallest/Largest Extreme Value 分布),按拟合优度排序,并自动选出拟合最佳者。
在非正态路径下,计算所选分布自身的 CDF 在 LSL 和 USL 处的取值,得到尾部概率 p_lsl 和 p_usl,再通过正态分布反函数(norm.ppf)将其转换为等效的标准正态 z 分数——即“z 分数法”。随后利用这些 z 分数,在熟悉的 Cpk 尺度上报告能力:Pp = (z_usl − z_lsl) / 6,PPL = −norm.ppf(p_lsl) / 3,PPU = norm.ppf(p_usl) / 3,Ppk = min(PPL, PPU)——这样,偏态分布的真实尾部风险先被捕获,再以应用中通用的类 Cpk 单位表达,而不是把原始正态 Z 分数误用于非正态数据。
PPM(百万分之几)数值有两种报告方式:“期望”PPM 来自拟合分布在各规格限之外的尾部概率,“观测”PPM 则直接统计原始样本中实际落在规格限之外的比例。
输入字段和选项
字段 | 说明 |
Choose columns | 待分析的响应列。 |
Factor | 可选。当数据为单个 Response 列加一个 Factor 列时,用于比较各组的能力。 |
Compare selected columns as separate groups | 选择 2 列或更多列时,对每列分别运行能力分析并并排比较。 |
LSL / USL | 规格下限和规格上限,应用于每个所选列。 |
Normality p-value threshold | 默认 0.1。若 Anderson-Darling 的 p 值达到或高于此值,则假定正态来计算能力;低于此值,则自动选择并改用拟合最佳的非正态分布。 |
Download as Excel | 可选。将报告导出为 Excel 工作簿。 |

图 1 — Data pane 中粘贴到 C1 的 60 个灌装重量读数,以及 Options 面板中已填写的 LSL/USL 和 Normality p-value threshold。
输出说明
- 正态性检验结果——Anderson-Darling 统计量和 p 值,以及所走路径(正态,或自动选出的具体非正态分布)。
- 拟合分布的直方图——样本直方图,叠加拟合密度曲线以及 LSL/USL 参考线。
- 分布参数表——LSL、USL、样本均值、样本量,以及拟合分布的形状/尺度(或等效)参数。
- 能力指数——根据所选分布计算的 Pp、Ppl、Ppu、Ppk。
- PPM 表——期望 PPM(来自拟合分布的尾部)和观测 PPM(来自原始样本),各自分为 PPM < LSL、PPM > USL 和 PPM Total。

图 2 — 分布参数及由此得到的 Pp/Ppl/Ppu/Ppk 指数,以及期望和观测 PPM 表。

图 3 — 自动路径判定(Anderson-Darling 结果和所走路径)及拟合分布直方图。
计算示例
一条灌装线灌装粘稠的清洁液;在一个班次内抽取 60 瓶测量灌装重量(g)(C1 列),LSL = 495 g,USL = 512 g。在默认阈值 0.1 下,Anderson-Darling 检验得到 AD = 0.6630,P = 0.0794——低于阈值——因此工具自动转入非正态路径,选择 3-Parameter Weibull 拟合(AD = 0.1799,P = 0.9164)作为拟合最佳的分布,并根据拟合 Weibull 的尾部概率报告 Ppk = 0.378,而不是依据(具有误导性的)正态分布假设。
常见问题
自动过程能力分析有什么作用?
它对数据运行 Anderson-Darling 正态性检验,然后自动转入相应的能力计算:数据通过检验时采用标准正态能力指数,未通过时采用拟合最佳的非正态分布。一份报告即显示正态性结果、所走路径和所用分布,使路径判定过程透明、可审计。
该工具如何在正态与非正态能力之间做出选择?
若 Anderson-Darling 的 p 值大于或等于正态性 p 值阈值(默认 0.1),则视数据为正态。若低于阈值,工具通过最大似然法拟合 Weibull、3-Parameter Weibull、Gamma、Lognormal 等候选分布,按拟合优度排序并选出最佳者。
非正态数据的 Ppk 如何计算?
由所选分布的 CDF 得到 LSL 和 USL 之外的尾部概率,再转换为等效的标准正态 z 分数。然后 PPL = -z(p_lsl)/3,PPU = z(p_usl)/3,Ppk = min(PPL, PPU)。这样既能反映偏态分布的真实尾部风险,又使结果保持在熟悉的类 Cpk 尺度上。
如何在 Zometric Statistical Software 中运行自动过程能力分析?
粘贴数据,选择响应列,可选择 Factor 或将各列作为独立组比较的选项,并输入 LSL 和 USL。设置 Normality p-value threshold(默认 0.1)。报告会显示路径判定结果、拟合直方图、分布参数、能力指数和 PPM 表,并可导出到 Excel。
