關於「過程不穩定就算 Cpk」蒲友的討論
Kslam:
我讀了一篇文章"產品質量年度回顧"。
作者在其Cpk和Ppk分析的結論是:
"Ppk的計算過程囊括了統計過程所有的數據波動，包括隨機因素（如檢測誤差）和特殊因素（如人為偏差）導致的波動，該數值真實的反映了過程能力水平，不論對於APR中的過程能力分析，還是對於後續過程和工藝改進方向確定，Ppk都應當是優先考慮使用的數據"。
過程不穩定就算Cpk?
看過控制圖後,我不同意這個結論。根據GB / T3780.22-2016,過程必須處於受控狀態,然後計算Cpk。上面的圖顯示過程處於不統計受控狀態，卻仍然計算出Cpk，這種情況相當普遍。為什麼作者同時計算Cpk和Ppk?
作者認為"如果Cpk與Ppk的數值相差不大（不論誰大誰小），說明生產過程中只受隨機誤差波動的影響；如果Cpk與Ppk相差較大，可以確認生產過程中除了隨機誤差波動的影響，批間還存在較大差異，在分析的過程中需進行必要的關注，如設備性能漂移/老化，操作者不同引起的技術差異、設備的調整、儀錶的校準、原輔料的質量波動等因素均會導致批次間的差異，這些情況下用Ppk衡量過程能力比用Cpk衡量要具有統計學意義。"
換句話說,如果Cpk和Ppk一致，說明過程穩定，否則差別越大說明越不穩定。
但我們必須從變異的來源進行分析-只有子組內變異，是統計控制過程；如果還有子組間變異，不是統計控制過程。Cpk是短期的數據而Ppk則是長期的數據。長期的過程總是不穩的，短期的過程總是穩定的。對於過程不受控的情況，Ppk對過程能力是沒有意義的，因為它們不能夠預測過程性能。
孫靜博士在《接近零不合格過程的質量控制》一書中提出了自己對Pp和Ppk的觀點。主流認同的是過程必須是受控狀態。
歲寒三友:穩不穩，都應該計算，然後評價是否穩定。
Kslam:
控制圖顯示它不穩定,仍然需要計算？
王小妞:個人認為CPK和過程是否穩定的狀態混在一起，這是兩個方面的評價
Kslam:
如果過程不受控,計算的Cpk是否可靠?過程能力圖顯示Cpk=2.04,等於六西格瑪!
如果你計算PPM，計算值是多少？我的答案是0.0005PPM,但是在控制上限之外還有一些點。這個矛盾告訴你什麼？這個Cpk有意義的嗎？
Kslam:
相對而言，長期是指批內+批間,短期是指批內。練習如何計算Cpk和Ppk,你會知道兩者的區別。
Kslam:
許多Minitab用戶有這種做法:垃圾進，垃圾出（Garbage in, Garbage out , GIGO）
Kslam:
統計學方法在藥學研發、生產與質量管理中的應用
代駿豪，鄭強
(北京大學藥物信息與工程研究中心，北京大學工學院工業工程與管理系，北京100871)
同樣注意，不僅應當報告Cpk的估計值，還應當報告估計的精確度。Cpk指標能夠反應真實工藝能力的前提是，工藝處在統計學受控狀態，且質量屬性的單個觀測值服從正態分布。
儘管一些計算機軟體可以輔助生成控制圖，報告工藝能力，但對工藝能力的解釋應當謹慎[60]，確保滿足指標的前提，並給出工藝能力的區間估計。例如，從一個穩定的工藝中，通過若干次取樣得到總共20個觀測值估計得到=1.33，似乎工藝能力充足。構造其顯著水平α=0.05下的置信區間0.88≤Cpk≤1.78。可以看出，基於20個觀測的小樣本得到=1.33的結論並不可靠，幾乎不能提供關於工藝能力真實水平的任何信息。
評價工藝能力是否充足沒有統一的標準，應當根據具體工藝的質量風險和對工藝的理解程度，將工藝能力控制在與之適應的水平。
Kslam:
某六西格瑪團隊在進行過程能力分析時，對於是否需要進行過程穩定性、數據正態性和獨立性三方面的檢查發生了分歧，以下說法正確的是：
A．穩定性是過程能力分析的前提
B．只要數據滿足正態性和穩定性，則獨立性就一定沒有問題
C．只要數據滿足正態性和獨立性，則穩定性就一定沒有問題
D．只要數據滿足正態性，則穩定性和獨立性就一定沒有問題
Kslam:
某項目團隊在測量階段要測量其項目指標「溫度」的過程能力，收集溫度數據時每半小時測量一次，每次測得1個數據，共收集30個數據，過程穩定且數據服從正態分布，採用MINITAB計算得出，Cp=1.3，Pp=0.4，根據這一結果，下列哪個推斷可能是正確的？
A．過程獨立性有問題存在，過程數據存在自相關性
B．過程分布中心和公差中心存在較大偏移
C．Pp數據不可行，Cp數據是可信的
D．以上判斷都不對
桃源佬:
缺乏統計學的基本知識，一頭霧水。求解答。
過程穩定能否理解為系統誤差和偶然誤差造成的生產工藝過程穩定？
數據的正態性理解為所得到的數據符合統計分析的基本要求？
數據的獨立性是說數據的波動與工藝波動存在一定的關聯性？
我選C。符合正態分布且數據和過程存在關聯，那麼過程的穩定性就沒有問題。
桃源佬:
請問過程不穩定應該如何理解？是過程不穩定還是由於檢測指標本身的誤差或者代表性不強呢？
由於您上傳的圖像沒有顯示，請問不穩定是通過統計分析得來的嗎？如何判斷的？
Kslam:
從控制圖上可以判斷是否統計穩定.
桃源佬:
能介紹一本嗎？只想能夠利用統計學工具計算cpk值，現在利用minitab的六合圖，出現一個問題，含量結果不符合正態分布，無法解釋。
Kslam:
Minitab的信息
控制圖的正態假設
子組數據的控制圖的正態假設
雖然很多變數數據的控制圖在形式上基於正態性假設，但如果您收集子組中的數據，仍可以使用非正態數據得到好的結果。非正態的強大性與樣本大小之間的關係基於中心極限定理。只要您的子組為獨立子組，那麼更大的子組大小將會使子組均值呈現更為正態的分布。雖然所需的子組大小取決於數據的非正態程度，但實際上，任何子組通常都是充足的。
雖然對於含有子組的控制圖來說，變換並非始終需要，但如果數據偏斜很大，您可能會考慮Box-Cox變換。
如果您不確定過程數據是否需要變換，請對包含變換數據的控制圖和包含未變換數據的控制圖進行比較。然後，分析控制圖是否給出不同的失控信號，以及哪些信號對於描述過程更有用。
單值數據的控制圖的正態性假設
數據應當呈現適度的正態性。
適度偏離正態分布的情況不會顯著影響控制圖的結果。然而，嚴重偏離正態分布的情況可能會增加錯誤失控信號的數量。
如果數據偏斜很大，您可以嘗試Box-Cox變換，看看是否能夠糾正非正態分布的情況。如果過程自然產生非正態數據並且變換有效，則可使用變換後數據的控制圖來評估過程的穩定性。
TAG:太陽林 |