移動/滾動 CpK<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嘿朋友們，
我有一張包含連續過程數據的表格。 我想在每次測量時計算 CpK，以便我可以跟踪 CpK 隨時間的變化。 有沒有一種優雅的方式來做到這一點？
問候
SG
回复：移動/滾動 CpK您是否在 JMP 變異性圖中繪製了原始數據？這可以用來在視覺上分解變化的許多組成部分，並且在某種程度上通常使用隨機效應模型在數值上分解。請記住，您的目標是過程和產品改進，而不是經常上下移動的 Cpk 數。
為什麼每次測量都需要重新計算 Cpk？
它是強制性的嗎？
您已經有 SPC 圖表來顯示過程行為中的單點偏移和趨勢。
您可以將這些 OOC 偏移報告為“% OOC”，而不是使用我認為具有誤導性的滾動 Cpk，它隱藏了可能可操作的點 OOC。
Cpk 是一個基礎能力指數。
它用於根據這些規範限制估計 PPM 故障率。
它有一個基於子組標準差的“短期”指標，我發現它相對沒用，除了在“控制”行為仍然不夠好的情況下集中改進工作，因為只對 OOC 點採取行動。
它有一個基於所有方差分量的“長期”指標，包括至少 25 個部分的時間變化。
所有 SPC 圖表中 %OOC 的每日報告有助於確定短期車間工作的優先級，而長期 Cpk 有助於確定投資工作的優先級，這些工作側重於改善 SPC 圖表故意遺漏的常見原因變異。
長期 Cpk 是我的客戶每月或每季度報告的唯一一個，但沒有針對每個 SPC 圖表點進行更新。
當建議採取改進措施時，長期 Cpk 低於 1.5 或 1.67 或您的行業設定的任何目標，然後您需要回顧 SPC 圖表原始數據並找到可以被 CI 團隊攻擊的 VARIANCE COMPONENTS。您可以使用 JMP 可變性圖來可視化甚至枚舉這些 VC。方差分量的示例可能是零件到零件、零件內的變化、批次到批次（如果是批處理），以及時間變化（可能是每小時、班次到班次、或 PM 到 PM，或每天、每週、某些季節性測量） ， ETC。大多數生產子組以嵌套格式繪製的變異圖，或 DOE 研究的交叉格式，對 CI 團隊非常有幫助。如果沒有這種背景能力研究，我們絕不會報告 Cpk。
再說一遍，你打算如何使用移動的 Cpk？在我看來，就方差分量的可操作解釋而言，它與移動範圍和移動平均圖表的問題相同，這些解釋在“多變量”或 JMP 可變性圖上表現得更好……在我看來。如果需要，請質疑該請求，直到有人解釋將針對它經常顯示的許多起伏採取什麼行動，而實際上潛在的長期能力並沒有真正改變。 使用 SPC 規則和行動計劃來處理短期偏差，這些規則和行動計劃使用控制限制來攻擊變異的特殊原因。如有必要，通過攻擊 SPC 圖表旨在 MISS 的常見變異原因來處理長期過程行為與 SPEC 限制（而不是控制限制），這樣您就可以短期關注 OOC 點。CI 是一個兩步過程，去除特殊原因，然後使用 JMP 可變性圖進行可視化和 DOE 方法來研究和改進許多其他方差分量，然後重新評估能力以及是否邊緣攻擊常見原因。
這只是根據我的經驗提出的建議，而不是任何特定的教科書。
如果您過於頻繁地報告 Cpk，您會誤導管理層和客戶，他們會要求您解釋每個向上或向下的值，這可能僅反映了降級的 OOC 點數，但實際上對於升班來說可能是真實的，您只會真正知道經過更長的時間！指標應該是現實的和可操作的，並且可操作的必須解決每個變化的來源，而不是一些只會導致更多混亂的“平均值”。
但請記住，我不是 SAS 專家。我只是一名大批量製造工藝工程師，使用 JMP 已有 20 多年的時間來推動改進工作，無論是短期還是長期，當規格限制很緊時，通常需要大筆資金來改善常見原因。
回复：移動/滾動 CpK你好麥克萊頓，
很抱歉延遲回复您。 我使用 JMP 來繪製 SPC ...（還有其他可以使用的東西）。 對於移動 CpK 的計算，我將數據導出到 XL，進行計算，然後導出回 JMP。這很痛苦，但是由於 JMP 沒有像 XL 那樣引用單個單元格的選項，所以我別無選擇。 你知道是否有解決辦法嗎？
您使用哪些其他插件或軟件來完成此類工作？
感謝您分享您的寶貴知識。
問候
回复：移動/滾動 CpKCpk 和 Ppk（短期和長期......或在所有變化範圍內）是基礎能力與規格限制的度量，如果沒有 SPC 圖表來確保過程行為正常或至少不會嚴重傾斜，則無用。它不是對短期能力變化的即時測量，因為 SPC 圖表可能會顯示具有稀疏或間歇數據的均值或西格瑪 OOC 信號。
因此，如果在長時間沒有數據之後您至少有 25 個點，您可能會重新計算 SPC 限制，以查看它們發生了多少變化或變得更多變數。但是，直到您可能獲得 100 分之前，我不會費心報告能力的變化……除非需要，在這種情況下，現代 SPC 軟件可以為您提供 Cpk 值以及任何符合 SPC 圖表的平均值和 sigma 或中值和 IQR最小樣本量....此外，它們給出了標稱 Cpk 或 Cpm 的高低端的置信水平（與目標相關，而不僅僅是限制）。
從 SPC 圖表開始，包括 EWMA 以及 X 和移動範圍圖表...作為一種選擇，取決於過程行為的類型（來自探索性數據分析，或在良好控制期間的過程能力研究。查看有關此主題的其他討論，因為它已在 ASQ.com（尤其是他們的質量技術期刊）、Isixsigma.com 和鏈接的討論組中討論了數百次。
每季度的 SPC %OOC 和每季度的 Cpk 都經常被研究以獲取有關使用 SPC 圖表的過程行為的提示。
過程結果中的長時間差距可能僅僅意味著您正在監控產品而不是可能運行多個產品的過程。
因此，在 MFG DB 中使用真實過程輸出和輸入的所有產品的過程 Cpk 可能很有用，因為它提供了更大的樣本量（用於 Cpk 評估基礎能力）以及可操作的警報和錯誤的度量（質量成本的一部分)，工作車間很棘手，Wheeler 研究了用於短期製造的 SPC（其中提到了 Cpk）。Wheeler 和 Isixsigma.com 等其他人的博客可以回答特殊問題，例如工具磨損趨勢影響、短期製造、非正常工藝行為。你有什麼SPC軟件？
回复：移動/滾動 CpK嘿，
感謝您的明智指導，非常有幫助。
我有另一個問題。 如果有一個過程被長期監控並且結果在時間上的間隔不均勻（X軸上曾經使用過的）我們是否應該開始重新計算sigma和平均值，讓我們說在某個（長時間）之後差距 ？
回复：移動/滾動 CpK在有人嘗試編寫此解決方案之前，關於 Cpk 樣本大小問題的一些想法：
小樣本的 Cpk 置信區間很大，直到您進行 20、200 甚至 2000 次測量。（2.0 的標稱 Cpk 可能小於 1.0 或 >3.0，例如，樣本很少。）僅僅因為計算機使用 2 個或更多小數點結果並不意味著它意味著什麼。
您可能必須使用歷史記錄中的 20（或 200）個典型測量值的啟動集，然後在添加每個新測量值時重新計算。
然而，Cpk 變化非常非常非常緩慢，這就是為什麼許多公司僅按季度報告它的原因，例如高速製造、每月或每週報告，但具有規定的樣本量和上下置信水平。只是我基於批量製造實踐的意見。
最好在 EWMA 或其他具有 OOC 規則和限制的 SPC 圖表中使用您的測量值，然後在 SPC 個人圖表下方的第二張圖表上顯示您的移動 Cpk（基於移動平均值和移動標準差！）？ JQT 對 Cpk 置信區間問題進行瞭如此多的討論，以至於 Lloyd Nelson 整整一年都禁止發表有關 Cpk 的文章……我記得很久以前。
