泊松分布能力分析
当数据服从泊松分布时,泊松分布能力分析衡量过程满足缺陷率或稀有事件发生率规格的程度。它适用于每个检验单元可能有多个缺陷或事件的情形——例如每块面板上的划痕数、文档中的错误数、一段电线中的瑕疵数,或每小时呼入服务台的电话数——目的是确定缺陷率是否在可接受的目标水平之内。
最后审阅
核心要点
当数据服从泊松分布时,泊松分布能力分析衡量过程满足缺陷率或稀有事件发生率规格的程度。
什么是泊松分布能力分析?
当数据服从泊松分布时,泊松分布能力分析衡量过程满足缺陷率或稀有事件发生率规格的程度。它适用于每个检验单元可能有多个缺陷或事件的情形——例如每块面板上的划痕数、文档中的错误数、一段电线中的瑕疵数,或每小时呼入服务台的电话数——目的是确定缺陷率是否在可接受的目标水平之内。
连续型能力分析将测量值与规格上限和下限比较,与之不同,泊松分布能力分析以 最大允许缺陷率 作为基准。它以 每百万机会缺陷数(DPMO)和等效的西格玛水平来表示过程性能,便于与 Six Sigma 绩效目标进行比较。
简单定义:一种针对计数数据的能力分析,专门用于衡量每个单元上缺陷或事件发生的频率,以及该比率是否低到足以满足质量目标
何时使用泊松分布能力分析?
- 当数据表示 每个单元或每个时间段的缺陷、事件或发生次数的计数 时使用——例如每辆汽车的油漆缺陷数、每页的打字错误数或每月的机器故障次数。
- 当 单个项目可能有多个缺陷 时使用——这与二项分布能力分析不同,后者只是将每个项目分为合格或不合格。
- 当 缺陷率较低且事件彼此独立 发生时使用——这是定义泊松过程的基本条件。
- 当您有 明确的目标或最大允许缺陷率 以便对照比较性能时使用。
正确使用泊松分布能力分析的指南
- 确认数据确实 服从泊松分布 ——计数数据的均值和方差应近似相等;二者之间差异很大表示存在过度离散,可能需要使用其他模型。
- 每个缺陷或事件必须 与其他缺陷或事件相互独立 ——一次发生不应影响下一次发生的概率。
- 所有观测值的检验 机会数大小必须一致 ——或者,如果它有变化,则分析必须考虑每个单元不同的机会数大小。
- 收集 足够多的子组或时间段,以获得过程缺陷率的稳定估计——建议在得出结论之前至少有 25 个子组。
- 确保过程 稳定后再解读能力 ——使用 U 控制图或 C 控制图检查缺陷率没有漂移,也没有出现失控信号。
- 关键输出指标是 DPU(每单位缺陷数)、DPMO(每百万机会缺陷数)和西格玛水平 ——应相对于您的质量目标来解读这些指标,而不是相对于传统的 Cp/Cpk 阈值。
替代方法:何时不宜使用泊松分布能力分析
情形
应改用
每个项目只是合格或不合格(不是缺陷计数)
二项分布能力分析
数据为连续测量值
正态、非正态或非参数能力分析
计数数据存在过度离散(方差远大于均值)
负二项分布或带过度离散模型的泊松分布
缺陷率较高(不是稀有事件过程)
在能力分析之前先检查过程稳定性
各单元之间的机会数大小差异显著
对可变的机会数大小,使用基于 U 控制图的分析
泊松分布能力分析示例
某过程工程师正在评估电线绝缘层的耐久性。工程师随机选取若干段电线,对其进行电压测试,以找出绝缘层中可能导致使用中失效的薄弱点。对每段电线,工程师记录检出的薄弱点数(缺陷)和电线长度(米)。目标是进行泊松分布能力分析,以评估绝缘过程满足耐久性标准的表现,确定它在不同电线长度下是否始终保持所要求的质量水平。步骤如下:
- 已收集所需数据。

- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到泊松分布能力分析,请选择 Statistical module> Process Capability>Poisson Capability.
- 在工具中,按如下方式输入数据及其他输入项:

- 使用上述工具后,得到如下输出:


如何进行泊松分布能力分析
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> Process Capability >Poisson 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。
在泊松分布能力分析的工具界面中,窗口分为两部分。

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可手动输入数据,也可从 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:
- Defects 选择包含每个检验时段或子组中记录的 缺陷或事件计数 的列,例如每块面板的表面划痕数、每份文档的错误数,或每单位长度电缆的故障数。此列中的每个值表示在一个检验单元或时间段内观察到的缺陷总数。这是分析用来估计过程缺陷率的主要输入。
- Sample Size 选择包含与每个缺陷计数相对应的 单元数或检验面积大小 的列。这是必需的,因为缺陷率由缺陷数除以样本量得到,例如检验 300 个单元共有 12 个缺陷,则缺陷率为每单元 0.04 个缺陷。如果每一行的样本量相同,可以输入一个常数值来代替列。
- Historical Mu (μ) 可选。Mu (μ) 表示过程的 已知的或历史上已确立的平均缺陷率。如果您有来自以往研究或长期过程记录的可靠基线缺陷率,请在此输入。提供后,分析会直接使用此值来计算能力统计量并设定性能基准,而不是仅根据当前数据集估计缺陷率。这会产生更稳定、更一致的结果,尤其是在当前样本较小时。留空则由分析根据数据估计 mu。
- Target 过程应达到的 期望的或理想的缺陷率。输入目标值后,分析可将当前过程性能与确定的目标直接比较,例如目标为每单位 0.01 个缺陷,表示每 100 个单元中最多可接受 1 个缺陷。该值在输出中用作基准,并在能力图上显示为参考线,便于看出当前过程距期望的性能水平有多远。
- Check Rule 1: 1 point > K Stdev from center line: 检验 1 对于识别明显偏离其他子组的子组至关重要,是公认的检测失控情形的通用工具。为提高灵敏度并检测过程中较小的偏移,可将检验 2 与检验 1 结合使用,以增强控制图的效果。
- Check Rule 2: K points in a row on same side of center line: 检验 2 检测过程中心或变异的变化。在监控过程的微小偏移时,可将检验 2 与检验 1 结合使用,以提高控制图的灵敏度。
- Check Rule 3: K points in a row, all increasing or all decreasing: 检验 3 用于识别过程中的趋势。该检验专门查找连续的一长串数据点,其数值持续上升或持续下降,这表示过程行为中可能存在潜在趋势。
- Check Rule 4: K points in a row, alternating up and down: 检验 4 用于识别过程中的系统性变异。理想情况下,过程中的变异模式应是随机的。然而,如果某个点未通过检验 4,则可能表明变异并非随机,而是遵循可预测的模式。
- Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): 检验 5 检测过程中的微小偏移。
- Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):检验 6 检测过程中的微小偏移。
- Check Rule 7: K points in a row within 1 standard deviation of center line (either side):检验 7 识别可能被错误地解读为受控良好的证据的变异模式。该检验检测过宽的控制限,这通常是分层数据造成的。当每个子组内存在系统性变异来源,使控制限看起来比应有的更宽时,就会出现分层数据。
- Check Rule 8: K points in a row > 1 standard deviation from center line (either side):检验 8 检测混合模式。在混合模式中,点倾向于远离中心线,而落在控制限附近。
常见问题
什么是泊松分布能力分析?
当数据服从泊松分布时,泊松分布能力分析衡量过程满足缺陷率或稀有事件发生率规格的程度。它不使用规格上限和下限,而是以最大允许缺陷率作为基准,并以每单位缺陷数、每百万机会缺陷数(DPMO)和等效的西格玛水平报告性能。
何时应使用泊松分布能力而不是二项分布能力?
当数据是每个单元或每个时间段的缺陷或事件计数,且单个项目可能有多个缺陷(如每辆汽车的油漆缺陷数)时,使用泊松分布能力。当每个项目只是分为合格或不合格时,使用二项分布能力。对于连续测量值,请改用正态、非正态或非参数能力分析。
泊松分布能力分析有哪些假设?
计数应服从泊松分布,均值和方差近似相等;二者差异很大表示存在过度离散。缺陷必须独立发生,并且机会数大小必须一致,或在其变化时予以考虑。建议至少有 25 个子组,并且在解读能力之前,过程应稳定,可用 U 控制图或 C 控制图检查。
如何解读泊松分布能力分析的结果?
关键输出是 DPU(每单位缺陷数)、DPMO(每百万机会缺陷数)和西格玛水平。应相对于您的质量目标来解读它们,而不是相对于传统的 Cp 或 Cpk 阈值。如果输入了目标缺陷率,它会在能力图上显示为参考线,表明当前过程距期望性能有多远。
