组间/组内过程能力
组间/组内过程能力适用于子组均值可能漂移(例如每小时之间漂移)的分组数据。它估计组内标准差、组间标准差以及组间/组内合并标准差。Cp、Cpk 和 CCpk 使用组间/组内西格玛;Pp 和 Ppk 使用整体样本标准差;给定目标值时还会增加 Cpm。输出包括上述指数、Z 值、PPM 以及拟合正态曲线的直方图。
最后审阅
核心要点
组间/组内过程能力将子组之间的变异与子组内部的变异分开,并基于组间/组内合并标准差报告 Cp/Cpk,同时给出整体 Pp/Ppk。
用途
组间/组内过程能力会生成一份能力报告,将任何分组过程中存在的两种变异来源分开——子组之间的变异(班次之间或每小时之间的漂移)和子组内部的变异(短期的机器/测量噪声)——并排报告组间/组内能力(Cp/Cpk 系列,基于组间与组内合并标准差)和整体/总能力(Pp/Ppk 系列)。它相当于完整能力六合一图中“Between/Within”面板的独立版本,供只需要指数和直方图、不需要附带控制图的用户使用。
主要功能
- 既可接受多个重复列(每列为同一子组内的一个重复读数),也可接受单个响应列并明确指定子组大小。
- 可选的 Factor 列,可在单一 Response + Factor 数据布局下比较不同命名组(例如机器、产线)的能力。
- 可选的“Compare selected columns as separate groups”模式,可将多个列作为独立过程分别运行,而不是合并在一起。
- 根据同一数据集同时计算 Between/Within(Cp/Cpk)和 Overall(Pp/Ppk)能力,提供目标值时还计算 Cpm。
- 可配置的 K 西格玛公差乘数和基于移动极差的西格玛估计,与本应用中的其他能力工具保持一致。
统计方法
该工具根据分组数据估计三种标准差。σ_within 是跨所有子组的合并短期估计(子组大小为 1 时,采用平均移动极差估计 MRbar/1.128;子组更大时,采用跨子组的合并标准差估计)。σ_xbar 根据子组均值的移动极差估计(MRbar/d2,或中位数移动极差变体),然后按 σ_between = √(max(0, σ_xbar² − σ_within²/n)) 反推出 σ_between,其中 n 为子组大小。将二者合并得到 σ_between_within = √(σ_between² + σ_within²),即“Potential”(组内 + 组间)能力西格玛。另外,σ_overall 是围绕总均值、直接根据所有单个观测值计算的普通样本标准差,即“Performance”西格玛。
“Potential”指数以 σ_between_within 计算:Cp = (USL − LSL) / (K·σ_between_within),Cpu = (USL − x̄) / ((K/2)·σ_between_within),Cpl = (x̄ − LSL) / ((K/2)·σ_between_within),Cpk = min(Cpu, Cpl),采用默认 K = 6(6 西格玛)的公差惯例。
“Performance”指数(Pp、Ppu、Ppl、Ppk)使用相同的公式,但以 σ_overall 代替 σ_between_within——这与标准 SQC 术语一致(Montgomery,Introduction to Statistical Quality Control),而本工具自身的组间/组内分解同时为两类指数提供输入。
CCpk 使用相同的组间/组内西格玛,但以目标值(未提供目标值时,以规格限的中点)而非过程均值为基准进行度量:CCpk = min[(USL−Target)/((K/2)·σ_between_within), (Target−LSL)/((K/2)·σ_between_within)]——即过程以目标值为中心时应具有的能力,可用于区分对中程度的影响与离散程度的影响。
提供目标值时,还会报告 Cpm:Cpm = min(USL − Target, Target − LSL) / ((K/2)·√(mean((x−Target)²))),它使用所有单个观测值相对目标值的均方偏差;即使过程均值仍完全处于规格范围内,只要偏离目标值,该指数也会相应降低。
Z.LSL 和 Z.USL(Within 和 Overall 两种)报告过程均值与各规格限之间的标准化距离;PPM 值将拟合正态分布在各规格限之外的预期尾部概率与原始数据中实际观测到的超规格数量结合起来。
输入字段和选项
字段 | 说明 |
|---|---|
Subgroup Columns | 选择 2 个或以上的重复列(每列保存同一子组内的一个重复读数),或选择单个列并在下方明确指定 Subgroup size。 |
LSL / USL | 响应的规格下限和规格上限。 |
Target | 可选。提供时,报告中会增加 Cpm 指数。 |
Subgroup size | 仅在选择了单个 Subgroup Column,或勾选了“Compare selected columns as separate groups”时必填。选择多个重复列时留空。 |
Factor | 可选。当数据为单个 Response 列加一个 Factor 列(每个读数一行)时,用于比较不同命名组的能力。需要选择单个 Subgroup Column。 |
Compare selected columns as separate groups | 选择 2 个或以上 Subgroup Columns 时,对每列分别运行能力分析并进行并排比较,而不是将它们合并为一个过程。 |
SD estimation method | 根据子组均值的移动极差估计组间西格玛的方法:“Average moving range”(默认)或“Median moving range”。 |
Length of moving range | 用于 SD 估计的移动极差跨度;默认值为 2。 |
Tolerance (K) | 构成能力公差带时施加于西格玛的乘数;默认值为 6(标准 6 西格玛能力)。 |

图 1 — Data pane 中载入了 20 个子组、每组 4 个重复直径读数;Options 面板中选择了 Subgroup Columns C1–C4,并填写了 LSL/USL/Target。
输出说明
- 字段汇总表——本次运行所用的 LSL、Target 和 USL。
- Potential (Between/Within) 指数——StDev Within、StDev Between、Cp、Cpl、Cpu、Cpk、CCpk、Z.LSL Within、Z.USL Within。该列中的 Cp、Cpl、Cpu、Cpk、CCpk 和 Z 值均以 StDev B/W 计算。
- Performance (Overall) 指数——StDev Overall、StDev B/W(用于 Cp/Cpk 系列的组间/组内合并标准差)、Pp、Ppl、Ppu、Ppk、Cpm、Z.LSL Overall、Z.USL Overall。
- 直方图——合并后的响应分布,带有 LSL/Target/USL 参考线,并叠加拟合的正态密度曲线。
- 通过 Download as PDF 按钮将完整报告导出为 PDF。

图 2 — 输出报告:带有 LSL/Target/USL 参考线和拟合正态曲线的能力直方图,以及 Within(“Potential”)和 Overall(“Performance”)能力指数表。
计算示例
某 CNC 产线加工轴的外径(mm)。操作员每小时连续抽取 4 个零件(一个子组)并测量直径,20 小时内得到 20 个子组、每组 4 个重复值(列 C1–C4)。在 LSL = 9.94、USL = 10.06、Target = 10.00 的条件下,工具报告 StDev Within ≈ 0.0044,StDev Overall ≈ 0.0110——整体(总)离散程度明显大于每小时内的离散程度,表明大部分过程变异来自每小时之间的漂移,而非短期机器噪声,这正是本工具旨在揭示的区别。如图 2 所示,Cp 和 Cpk 根据 StDev B/W 计算,Pp 和 Ppk 根据 StDev Overall 计算。
常见问题
什么是组间/组内过程能力?
这是一种针对分组数据的能力分析,用于区分两种变异来源:子组之间的变异(例如班次之间或每小时之间的漂移)和子组内部的变异(例如短期的机器或测量噪声)。它并排报告组间/组内能力(Cp/Cpk 系列,基于组间与组内合并标准差)和整体能力(Pp/Ppk 系列),并提供直方图。
组间标准差如何计算?
组内西格玛是跨子组的合并短期估计。子组均值的西格玛根据其移动极差得出,组间西格玛为 max(0, sigma_xbar 的平方减去 sigma_within 的平方 / n) 的平方根,其中 n 为子组大小。组间/组内西格玛为 sigma_between 的平方加 sigma_within 的平方之和的平方根。
什么情况下应使用组间/组内过程能力而不是普通过程能力?
当过程按子组收集,且子组之间可能存在真实变异(例如每小时之间的漂移),仅用组内西格玛会低估过程离散程度时,使用该方法。它是能力六合一图中组间/组内面板的独立版本,适用于只需要指数和直方图、不需要控制图的情况。
本报告中的 Cpk、CCpk 和 Cpm 有什么区别?
Cpk 使用组间/组内西格玛,以过程均值为基准进行度量。CCpk 使用相同的西格玛,但以目标值为基准(未给定目标值时以规格限的中点为基准),显示过程对中时的能力。Cpm 在输入目标值时报告,使用相对目标值的均方偏差,因此均值偏离目标值时该指数会降低。
