非正态过程能力
当底层数据不服从正态(钟形曲线)分布时,非正态过程能力分析用于衡量过程满足规格限的程度。该分析不是把正态性假设强加于偏斜或异常的数据,而是用一种公认的非正态分布(如威布尔、对数正态、指数或伽马分布)拟合数据,再根据该分布的实际形状计算能力指数。
最后审阅
核心要点
当底层数据不服从正态(钟形曲线)分布时,非正态过程能力分析用于衡量过程满足规格限的程度。
什么是非正态过程能力?
当底层数据不服从正态(钟形曲线)分布时,非正态过程能力分析用于衡量过程满足规格限的程度。该分析不是把正态性假设强加于偏斜或异常的数据,而是用一种公认的非正态分布——如威布尔、对数正态、指数或伽马分布——拟合数据,再根据该分布的实际形状计算能力指数。
Cp 和 Cpk 等标准能力指数假定数据服从正态分布。当这一假设不成立时,这些指数会变得不准确,可能高估或低估真实的过程能力。非正态能力分析通过使用正确的分布模型解决了这一问题,能够更真实、更精确地反映过程能否持续交付符合规格的产品。
简要定义:一种专为偏斜或非正态数据设计的能力分析——它为数据拟合合适的分布,再根据该实际形状计算能力指数,而不是强加一个错误的正态假设。
何时使用非正态过程能力?
- 当过程数据为 连续型 但未通过正态性检验时使用,例如严重偏斜的周期时间、强度测量值或化学浓度。
- 当 概率图或正态性检验 确认数据服从某种特定的非正态分布(如威布尔、对数正态、指数或伽马分布)时使用。
- 当应用 Box-Cox 或 Johnson 变换 不合适或不可行时使用,例如变换后的数据难以用原始单位解释。
- 当 单值分布识别工具 已确认数据的最佳拟合分布时使用。
正确使用非正态过程能力的指南
- 务必先运行 单值分布识别,确定最佳拟合分布,然后再在本分析中选择该分布——选错分布会产生具有误导性的能力指数。
- 至少收集 100 个数据点,以确保分布拟合过程得到可靠、稳定的参数估计。
- 在进行能力分析之前,确保过程 稳定且处于统计受控状态 ——无论使用哪种分布,不稳定的过程都会产生没有意义的能力数值。
- 不要将本分析用于 计数型或计数数据 ——请改用二项分布或泊松分布能力分析。
- 使用 拟合优度统计量和概率图 验证所选分布——高 p 值和概率图上的直线可确认拟合良好。
- 能力指数,如 Pp、Ppk、Cp 和 Cpk,是基于拟合分布的百分位数而非标准差的倍数报告的——请据此解释。
替代方法:何时不宜使用非正态过程能力
- 情形
替代方法
数据服从正态分布
正态(标准)能力分析
数据可变换为正态
带 Box-Cox 或 Johnson 变换的能力分析
分布未知或不明确
非参数过程能力
数据为通过/未通过或不良品数
二项分布能力分析
数据为事件计数(单位缺陷数)
泊松分布能力分析
需要综合的图形与统计报告
能力六合一图(组间/组内)
非正态过程能力示例
某汽车零部件制造商正在为一家整车厂客户开发一个关键零部件。为确保质量,一名工程师正在检查一台钻床能否满足规格要求。零件必须在一定范围内:LSL(规格下限)为 22.15,USL(规格上限)为 22.35。工程师从该机器上抽取了 125 个样本并进行机器能力研究。步骤如下:
- 收集所需数据。

- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到非正态过程能力,请选择 Statistical module> Control Chart>Non-Normal Process Capability.
- 在工具中输入数据及其他输入项,如下所示:

5. 使用上述工具后,得到如下输出:


如何进行非正态过程能力分析
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Control Chart>Non-Normal Process Capability .
- 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
- 填写所需选项。
- 最后,点击页面底部的 calculate,即可得到所需结果。
非正态过程能力的工具界面分为两部分。

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
Load example: 将加载示例数据。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- Choose Columns 选择包含连续测量数据的列。按住 Ctrl 或 Command 并点击,可一次选择多列。这些是实际的过程测量值,例如钻孔直径、拉伸强度或周期时间,将使用所选的非正态分布,针对规格限分析其能力。
- Fit Distribution 选择最能描述数据形状的分布。这是分析中最关键的设置——能力指数是根据所选分布的数学性质计算的,因此选错分布会产生不准确的结果。在做出选择之前,务必先运行 单值分布识别,以确认哪种分布拟合您的数据。可选项及其典型用途如下:
- Weibull ——常用于可靠性、疲劳寿命和失效时间数据。能很好地处理右偏数据,是最灵活、应用最广泛的非正态分布之一。
- Exponential ——用于表示独立随机事件之间时间的数据,例如机器故障间隔时间或服务呼叫到达间隔时间。假定失效率恒定。
- Logistic ——形状与正态分布相似,但尾部更重。用于数据对称但极端值多于正态性预测的情形。
- Loglogistic ——一种用于生存和可靠性数据的右偏分布,与对数正态分布相似但尾部更重。适用于失效时间或收入类数据。
- Largest Extreme Value ——对样本中最大值的分布建模。用于数据表示最大应力、洪水水位或最高温度等峰值测量的情形。
- Smallest Extreme Value ——对样本中最小值的分布建模。常用于最小强度或观测到的最小测量值。
- 2-Parameter Exponential ——标准指数分布的扩展,包含一个阈值参数,使分布可以从非零值开始。适用于测量值不可能低于某一最小值的情形。
- 3-Parameter Weibull ——在标准威布尔分布上增加一个位置(阈值)参数,使分布可以从非零点开始。适用于低于已知最小值时不可能发生失效或测量的情形。
- Gamma ——一种灵活的右偏分布,常用于过程时间、等待时间、降雨量以及其他中度偏斜的正连续测量值。
- Lognormal ——用于数据的对数服从正态分布的情形。常见于化学浓度、颗粒尺寸、维修时间以及数值严格为正且右偏的财务数据。
- Method of Analysis 决定如何解释和报告能力统计量与规格限。有两个选项:
- Z-Score ——通过基于拟合分布的百分位数将规格限转换为标准化 Z 分数来计算能力。这以规格限距过程中心多少个标准差来表示能力,使结果可与 Cp 和 Cpk 等标准正态能力指数相比较。
- ISO ——遵循 ISO 22514 标准中非正态能力分析的方法。该方法直接根据分布百分位数(具体为第 0.135 和第 99.865 百分位数,对应于正态分布中的 ±3 西格玛界限)计算能力指数,而不转换为 Z 分数。当需要符合国际质量标准时,这是首选方法。
- LSL (Lower Specification Limit) 测量值的最小可接受值。任何低于该值的数据点都被视为超规格。请输入工程图纸、顾客要求或产品规格所规定的 LSL。必须至少提供一个规格限(LSL 或 USL)——如果测量具有双侧规格,也可同时输入两者。
- USL (Upper Specification Limit) 测量值的最大可接受值。任何超过该值的数据点都被视为超规格。请输入工程图纸或产品规格中的 USL。如果过程特性只有单侧要求(例如只有最小强度而无上限),则只需输入相应的限值。
常见问题
什么是非正态过程能力分析?
当数据不服从正态分布时,非正态过程能力分析用于衡量过程满足规格限的程度。它不强加正态性假设,而是拟合威布尔、对数正态、指数或伽马等公认分布,并根据该分布的实际形状计算能力指数。
为什么不对非正态数据使用标准的 Cp 和 Cpk?
标准的 Cp 和 Cpk 假定数据服从正态分布。当数据偏斜或以其他方式呈非正态时,这些指数会变得不准确,可能高估或低估真实的过程能力。使用正确的分布模型能够更真实、更精确地反映过程能否持续交付符合规格的产品。
如何为非正态能力分析选择合适的分布?
先运行单值分布识别以找出最佳拟合分布,再用拟合优度统计量和概率图加以验证;高 p 值和概率图上的直线表明拟合良好。选错分布会产生具有误导性的能力指数。如果没有分布能拟合,请使用非参数过程能力。
Z-Score 方法与 ISO 方法有什么区别?
Z-Score 方法基于拟合分布的百分位数将规格限转换为标准化 Z 分数,使结果可与正态的 Cp 和 Cpk 相比较。ISO 方法遵循 ISO 22514,直接根据拟合分布的第 0.135 和第 99.865 百分位数计算指数,当需要符合国际标准时为首选。
