过程能力(正态分布)
正态过程能力将过程的变异和居中情况与其 LSL 和 USL 进行比较。适用于来自稳定过程的连续型、服从正态分布的数据,最好在合理子组中至少有 100 个点。Cp 和 Cpk 使用组内标准差;Pp 和 Ppk 使用整体、长期标准差。Cpk 或 Ppk 至少为 1.33,是公认的有能力过程的最低值。
最后审阅
核心要点
正态数据的过程能力分析使用 Cp 和 Cpk(组内)以及 Pp 和 Ppk(整体、长期)指数,衡量稳定过程在其规格限内持续产出的能力。
什么是过程能力(正态分布)?
过程能力是衡量制造过程生产符合预定规格或公差的零件的能力的统计指标。它量化过程特性(如尺寸或重量)的固有变异,以确定过程在规定限内持续产出的稳定程度。从本质上讲,过程能力评估过程中的自然变异,以评价其是否稳定,以及能否持续生产出符合设计标准的产品。Cpk 或 Ppk 至少为 1.33,是公认的有能力过程的最低值。该指标对于确保产品质量和识别过程改进机会至关重要。
- 潜在能力(Cp):该指标将过程变异的宽度与规格限的宽度进行比较,假定过程在这些限内居中。它给出过程能力的最佳情形。
- 实际能力(Cpk):该指标考虑过程的实际表现,包括与目标规格的任何偏离。它同时考虑过程的离散程度和均值偏移,对生产期间过程满足规格的程度给出符合实际的度量。
- 西格玛(σ):西格玛常用于计数型数据,是以缺陷率表示的能力估计值。它表示过程均值与最近规格限之间相隔多少个标准差。西格玛值越高,缺陷率越低,过程能力越高。
- 过程性能指数(Pp 和 Ppk):与 Cp 和 Cpk 类似,但使用整体(长期)标准差计算,因此衡量过程在所研究的整个期间内的实际表现。Pp 评估整体离散程度相对于规格宽度的情况,而 Ppk 还考虑评估期间的均值偏移。
何时使用过程能力?
以下是过程能力分析常用的一些场景:
- 质量控制:过程能力分析在制造业中被广泛用于评估生产过程满足客户要求的能力。它有助于确定过程是否能够生产出符合规定公差的产品。
- 过程改进:过程能力分析可用于找出过程中需要改进的方面。通过了解过程的当前能力,组织可以有针对性地进行改进,以减少变异并提高过程满足客户需求的能力。
- 新产品开发:在引入新产品或新过程时,过程能力分析可以提供有关过程表现的洞察,并帮助确定其是否满足所需规格。它使组织能够及早发现潜在问题,并在全面生产之前做出必要的调整。
- 供应商评估:过程能力分析可用于评估供应商满足规定要求的能力。通过评估其过程的能力,组织在选择或评估供应商时可以做出明智的决策。
- Six Sigma 项目:过程能力分析是 Six Sigma 方法论的组成部分。它有助于衡量初始过程能力、建立基线表现,并评估过程改进工作的成效。
正确使用过程能力(正态分布)的指南
- 使用连续型数据:连续型数据可以在一个范围内取任意数值,包括分数或小数。
- 对计数型数据使用适当的分析:对于缺陷计数,请使用二项分布能力分析或泊松分布能力分析。
- 收集足够的数据:力求收集至少 100 个数据点,例如 25 个大小为 4 的子组,或 35 个大小为 3 的子组。
- 以合理子组收集数据:确保子组是在短时间内、在一致的条件下生产的相似产品的小样本。
- 确保过程稳定:过程必须稳定且受控;请使用 Xbar-S 控制图或能力六合一图(正态)评估稳定性。
- 确保数据正态:数据应服从正态分布;否则,请使用 Box-Cox 或 Johnson 变换,或考虑非正态过程能力。
替代方法:何时不宜使用过程能力(正态分布)
- 如果不知道过程数据是否受控,或是否可用正态分布评估,请在使用本分析之前,先用能力六合一图(正态)评估这些假设。
- 如果数据为非正态,并且希望通过拟合非正态分布(而不是变换数据)来评估过程能力,请使用非正态过程能力。
- 如果数据是计数型数据,例如不合格品数或缺陷数,请使用二项分布能力分析或泊松分布能力分析。
过程能力(正态分布)示例
某汽车零部件工厂的一名质量工程师监控凸轮轴的长度。工程师从其中一台机器上每 30 分钟以子组大小 5 收集数据。凸轮轴长度的规格限设定为规格下限(LSL)595 mm、目标值 600 mm、规格上限(USL)605 mm。工程师使用正态能力分析来评估凸轮轴长度与规定限的比较情况。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/。
- 要找到过程能力,请选择 Statistical module> Graphical analysis>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,得到的输出如下:

如何进行过程能力分析
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> Graphical analysis >Process Capability。
- 点击 Process Capability,进入工具界面。
- 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。
- 接下来,填写所需的详细信息,如 lsl、usl、target、K 等。
- 最后,点击页面底部的 calculate,即可得到所需结果。
在过程能力的工具界面中,窗口分为两个部分。

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。数据可以手动输入,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:
- Lsl: 过程能力中的 LSL 指规格下限。它是为某个特定过程参数或特性设定的下边界或阈值。在过程能力分析中,LSL 用于确定过程是否能够生产出在期望范围或规格之内的输出。
- Usl: 过程能力中的 USL 指规格上限。它表示为某个特定过程参数或特性设定的上边界或阈值。在过程能力分析中,USL 用于评估过程是否能够生产出在期望范围或规格之内的输出。
- Target: 在过程能力中,目标值指某个特定过程参数或特性的期望值或理想值。它表示过程拟达到或围绕其居中的值。目标值通常基于设计规格或客户要求。
- Historical Mean: 过程能力中的历史均值指基于过去或历史数据的某个过程参数或特性的平均值或集中趋势。它表示过程在一段时间内表现出的典型或预期值。
- Historical Standard Deviation: 过程能力中的历史标准差指基于过去或历史数据的某个过程参数或特性的离散程度或变异度量。它量化数据点偏离历史均值或集中趋势的程度。
- K: 能力统计量的公差倍数:过程离散程度取为 K × 西格玛。默认值为 6,即标准的 6 西格玛约定。
- Within Stdev estimation method:
- Pooled: 合并标准差是各子组方差的加权平均,子组越大,对总体估计的影响越大。当过程稳定时,该方法能给出更准确的标准差估计。
- Rbar: Rbar 表示各子组内极差的平均值。Rbar 方法是应用广泛的标准差估计方法,对于大小为 2 至 8 的子组尤为有效。
- Sbar:它计算各子组的平均标准差(Sbar),以监控过程变异。Sbar 对于设定 S 图的控制限至关重要,可指示数据离散程度随时间的变化。该方法确保在质量控制实践中对过程变异进行一致而准确的评估。
- Within stdev estimation method for subgroup size = 1:
- Average Moving Range: 平均移动极差是两个或多个连续点极差的平均值,通常在子组大小为 1 时使用。
- Median Moving Range: 移动极差中位数是两个或多个连续点极差的中间值,当数据存在可能使移动极差产生偏差的极端极差时推荐使用。
- Square root of MSSD: MSSD(均方逐次差)的平方根,是相邻点之差的平方的平均值的平方根,在相邻点不是在相似条件下收集时有用。
- Moving range of length: 指定用于计算移动极差的观测值个数,长度须 ≤ 100。默认长度为 2,因为相邻的值最有可能相似。
- Use Unbiasing Constants: 在估计组内标准差时应用无偏化常数,适用于 Sbar、合并标准差和 MSSD 平方根方法。
- Use Unbiasing Constants to Calculate Overall Standard Deviation: 在估计整体标准差时应用无偏化常数。
- Download as Excel: 以 Excel 格式显示结果,可方便地编辑,并通过 load file 选项重新加载用于计算。
常见问题
什么是过程能力分析?
过程能力是衡量过程生产符合预定规格或公差的零件的能力的统计指标。它量化特性(如尺寸或重量)的变异,以确定过程在规格限内持续产出的稳定程度。Cpk 或 Ppk 至少为 1.33,是公认的有能力过程的最低值。
Cp、Cpk、Pp 和 Ppk 有什么区别?
Cp 将过程变异的宽度与规格限的宽度进行比较,假定过程居中,给出潜在能力的最佳情形。Cpk 还考虑均值的任何偏移。Pp 和 Ppk 与之类似,但使用整体、长期标准差,因此衡量过程在所研究的整个期间内的实际表现;Ppk 还考虑均值偏移。
过程能力研究需要多少数据?
力求至少 100 个数据点,例如 25 个大小为 4 的子组或 35 个大小为 3 的子组。以合理子组收集数据,即在短时间内、在一致的条件下生产的相似产品的小样本。数据应为连续型,且过程必须稳定且受控,可用 Xbar-S 控制图或能力六合一图(正态)检查。
如果数据不是正态或是计数型数据怎么办?
如果数据不是正态,请使用 Box-Cox 或 Johnson 变换,或使用非正态过程能力来拟合非正态分布。对于不合格品数或缺陷数等计数型数据,请使用二项分布能力分析或泊松分布能力分析。如果稳定性或正态性未知,请先用能力六合一图(正态)检查这两者。
