CPK/PPK亲爱的社区，
我有一个“简单”的问题……但这一刻却给我带来了麻烦。
对于我的分析，我使用 JMP 14。
很多时候我需要计算CPK和PPK。
当我要求 JMP 计算 CPK 时，软件会生成此分析并给我数字。
我查了一下，在这个 CPK 数字中，用于计算的 sigma 是“平方和法”，而不是 R/D2。
所以...这代表的是PPK而不是CPK...
这是对的吗？
这让我对过程能力的解释产生了一些困惑。
您有什么意见或建议吗？
提前致谢？
最好的问候，
西蒙娜
回复：CPK/PPK我知道这是一篇旧帖子，但我最近看到它，如果我正确理解你的帖子，是的，我同意他们使用整体西格玛来计算“长期 CPK”有点令人困惑。 长期 CPK 不是我心目中的事情。短期/内部 sigma/CPK 是一件事，长期/整体 sigma/PPK 是一件事。 长期/整体西格玛/CPK 让我感到困惑。
我猜这只是这个特定平台的限制，它不提供单独的 PPK，并且将长期 CPK 作为其同义词。 我不知道我是否见过这样的做法，但我的经验并不具有普遍性。
回复：CPK/PPK谢谢劳拉尔，
另请参阅与版本 15 与版本 14 相关的详细信息。
此致，
西蒙娜
回复：CPK/PPK亲爱的 P_Bartell，
感谢您提供有关此主题的技术参考。
我肯定会读它。
此致，
西蒙娜
回复：CPK/PPK谢谢托尼亚的反馈。
我理解，这证实了我对此的“看法”。
让我困惑的一点是……在 JMP 输出中……写的是：“CPK”。
但现在一切都清楚了。
谢谢。
祝你有美好的一天。
此致，
西蒙娜
回复：CPK/PPK你好，
我只是想提一下，通过使用流程能力平台而不是分布平台，您可以获得 Mark 在 JMP 14 的帖子中显示的相同报告。（分布能力报告已在 JMP 15 中更新。）
open("$SAMPLE_DATA\Big Class.jmp");
Process Capability(
Process Variables( :height ),
Spec Limits( :height( LSL( 50 ), Target( 60 ), USL( 70 ) ) ),
Individual Detail Reports( 1 ),
Capability Box Plots( 0 ),
Goal Plot( 0 ),
Capability Index Plot( 0 ),
Process Performance Plot( 0 )
);
回复：CPK/PPK这就是您正在查看的基于长期西格玛的能力分析。在本例中，总体标准差用于 sigma。要使用 Rbar/d2(n)，当您从“分布”启动功能时，需要在“功能分析”对话框中选中移动范围、范围跨度复选框。
回复：CPK/PPK亲爱的斯塔曼、马克和 P_Bartell，
感谢大家的反馈（感谢）。
我得到了知识的提示。
对我来说“误导性”的 JMP 输出是在我申请时：分析 -> 分布 -> 能力分析。
在这种情况下，JMP (14) 输出如下（请考虑到这是一个完整的发明数据，目标不是使用正确的分布......但仅了解 JMP 中的 CPK 是如何计算的）。
如果我读到这个输出：CKP 是通过使用“整体西格玛”计算的，所以这不是 CPK 而是 PPK...
这让我产生了……一些困惑。
我读了你的评论，我明白对于能力 analisys 最好使用命令：分析 -> 质量和流程 -> 流程能力。
谢谢。
此致，
西蒙娜
回复：CPK/PPK@西蒙1 : 除了贡献之外@马克贝利和@statman我建议仔细阅读有关能力指数主题的 JMP 文档。 您正在使用的 JMP 14 与下面链接的 JMP 15 文档之间可能存在一些细微差别。 尽管如此，在广泛的叙述中所有的选项、公式等都在这里得到了解释：
https://www.jmp.com/support/help/en/15.1/#page/jmp/process-capability-2.shtml#
回复：CPK/PPK是的，当然，马克，但不幸的是，JMP 无法确保所选样本能够代表正在研究的过程。 数据和分析的好坏取决于为获取数据而进行的采样。回复：CPK/PPK我的计算机上没有安装 JMP 14。 我使用 JMP Pro 15.1 来说明 JMP 如何计算指数。
您可以在此示例中看到，JMP 使用基于能力指数移动极差的 sigma 短期估计值和基于绩效指数样本标准差的 sigma 长期估计值。 我使用了“分发平台”菜单中的“流程能力”命令。 您如何获得这些指数？
注意@statman JMP 认识到样本估计值的不确定性，并提供区间估计值和点估计值。
回复：CPK/PPK西蒙，你可能不喜欢我的回答，但任何这些能力比率都有点不切实际。 首先，您必须估计 2 个样本统计数据（平均值和标准差）。 你如何估计这些？ 它基于您的样本。 你是如何得到你的样品的？ 您的样本对整个人口的代表性如何？ 这些都是难题。 通常会做出一些抽样决定，...比方说 30（我不知道有人是如何想出这个数字的，不知何故它被普遍使用）。 您获得的样本的变化是采样期间变化的变量的函数。 如果变量的变化超出了您在样本中捕获的变量（或者存在变化的变量未包含在样本中），那么这些样本并不能很好地代表真实的变化。 我显然不喜欢任何这些指标（能力比率）。 当我们知道这不可能是真的时，它们被表述为一个数字。 我看过很多数据集，报告的Cpk为2时，听起来不错。 但是，当您对 Cpk（均值和标准差）中的每个统计数据应用简单的置信区间时，2.0 可以从 0.2 变为 6.0。 不是很有用。
有多种方法可以估计样本的变异性。 我确实喜欢 R-bar/d2，因为它需要在进行任何估计之前首先查看稳定性数据（R-图表）。 当然还有其他方法。 我不会挂断电话。 选择一项并坚持下去（以评估随着时间的推移所取得的进步）。 我建议您阅读 Victor Kanes 的论文“过程能力指数”（JQT，第 18 卷，1986 年 1 月 1 日），以全面解释不同的指数以及 Bert Gunter 的关于 Cpk 的使用和滥用的系列（统计角质量）进步）。
