非正態數據能力分析大家好，
我在嘗試著計算 CpK對於兩個不同的參數。 兩者的數據都不服從正態分佈。 我按照以下帖子中提供的提示進行操作：
https://community.jmp.com/t5/JMPer-Cable/Process-Capability-Analysis-for-nonnormal-data/ba-p/38112
根據此分析，3 種法線的混合看起來最好 (AICc)。 然後我繪製了各個概率圖。下面顯示的是前 3 個概率圖，包括“正常”。
根據這一分析，計算出的 CpK（3 個正常值的混合物）為 0.65，而使用“正常”計算出的 CpK 值為 0.9。這種做法正確嗎？
第二個參數甚至更加複雜，因為數據出現偏差主要是由於報告的檢測 LOQ 值低於 109。
任何幫助表示讚賞！
謝謝
回复：非正態數據能力分析您為分佈選擇了正態 3 混合物，但 SHASH 和 Johnson Su 是更好的選擇，因為它們的 AICc 分數較低。AICc 越低越好。
這SHASH分佈也稱為 sinh-arcsinh分配。 這分配與約翰遜相似分佈因為這是向常態的轉變，但SHASH分佈包括正常的分配作為一個特例。 這分配可以是對稱的或不對稱的。
此外，您還有兩個異常值，一個遠低於您的 LOQ，另一個則高於或超出您的 USL。您可能想要隱藏和排除這些點並重新擬合您的分佈，以查看這些點對整體擬合和 Cpk 的影響程度。
回复：非正態數據能力分析LOQ 是定量限。 基本上，這是測定可以可靠報告的最低值。
回复：非正態數據能力分析我不知道LOQ是什麼意思。我不確定我能對這些問題有多大幫助。
回复：非正態數據能力分析在以下數據嚴重傾斜的情況下，縮小規格限制的理由是什麼？
基本上大部分數據都在 109，這是測定的 LOQ。
同樣，Norm 3 混合看起來最好，而 Norm 3 的新 CpK 計算值較低，為 3.1。
有沒有辦法處理近LOQ數據？ 這樣的 CpK 計算準確嗎？
感謝大家之前的回复！
回复：非正態數據能力分析我認為你可以消除那些你知道準備不正確的樣本，因為你有一個可分配的原因。您的目標是推廣到未抽樣的產品，而未抽樣的產品根本沒有準備好進行測試，所以我想說它不是該過程的一部分。
JMP 無法真正確定哪些樣本屬於哪種模式；沒有辦法準確地確定這一點。你能做的最好的事情就是為每個人分配最接近的模式，但你可能會弄錯很多。如果您可以查看來自分佈不同部分的樣本，看看是否可以找出它們有何不同。我們有時會在強度測試中看到多種模式，並且這些模式與不同的失效模式相一致。
查看控製圖也可能有所幫助。如果分佈的不同模式對應於 X 軸上的時間段，您也許能夠找到根本原因。
回复：非正態數據能力分析感謝卡梅倫的快速回复！ 有沒有辦法在 JMP 14 中識別這些多種模式並對其進行分析？
我還忘記提及，下面突出顯示的一些數據點被確定是由於樣本準備錯誤造成的。這些是否可以從工藝能力中消除，或者樣品製備或混合錯誤被視為您工藝的一部分？
此外，目標不僅是計算 CpK，還要根據能力分析的結果更改規格（收緊或放寬）。
回复：非正態數據能力分析嗯，我當然不會相信正常的估計，但我不確定我會相信其中的任何一個。穩定性是能力指數的基本假設。它們不一定是正態的，但數據需要保持恆定的均值和方差。在另一個線，馬克和邁克談到了理解為什麼有多種模式。這並不絕對意味著您沒有穩定的流程，因為有時有完全合理的理由需要使用多模式數據，但它們無法“修復”。但是，您確實需要確保進行盡職調查。如果不滿足穩定性假設，那麼您的能力估計可能無法表明您未來將擁有的能力。
話雖這麼說，如果您確信自己的過程是穩定的，那麼無論如何都要根據最合適的擬合分佈進行能力計算。另一種選擇是非參數能力，它不假設任何分佈。
