CPK/PPK親愛的社區，
我有一個“簡單”的問題……但這一刻卻給我帶來了麻煩。
對於我的分析，我使用 JMP 14。
很多時候我需要計算CPK和PPK。
當我要求 JMP 計算 CPK 時，軟件會生成此分析並給我數字。
我查了一下，在這個 CPK 數字中，用於計算的 sigma 是“平方和法”，而不是 R/D2。
所以...這代表的是PPK而不是CPK...
這是對的嗎？
這讓我對過程能力的解釋產生了一些困惑。
您有什麼意見或建議嗎？
提前致謝？
最好的問候，
西蒙娜
回复：CPK/PPK我知道這是一篇舊帖子，但我最近看到它，如果我正確理解你的帖子，是的，我同意他們使用整體西格瑪來計算“長期 CPK”有點令人困惑。 長期 CPK 不是我心目中的事情。短期/內部 sigma/CPK 是一件事，長期/整體 sigma/PPK 是一件事。 長期/整體西格瑪/CPK 讓我感到困惑。
我猜這只是這個特定平台的限制，它不提供單獨的 PPK，並且將長期 CPK 作為其同義詞。 我不知道我是否見過這樣的做法，但我的經驗並不具有普遍性。
回复：CPK/PPK謝謝勞拉爾，
另請參閱與版本 15 與版本 14 相關的詳細信息。
此致，
西蒙娜
回复：CPK/PPK親愛的 P_Bartell，
感謝您提供有關此主題的技術參考。
我肯定會讀它。
此致，
西蒙娜
回复：CPK/PPK謝謝托尼亞的反饋。
我理解，這證實了我對此的“看法”。
讓我困惑的一點是……在 JMP 輸出中……寫的是：“CPK”。
但現在一切都清楚了。
謝謝。
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，通過使用流程能力平台而不是分佈平台，您可以獲得 Mark 在 JMP 14 的帖子中顯示的相同報告。（分佈能力報告已在 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這就是您正在查看的基於長期西格瑪的能力分析。在本例中，總體標準差用於 sigma。要使用 Rbar/d2(n)，當您從“分佈”啟動功能時，需要在“功能分析”對話框中選中移動範圍、範圍跨度複選框。
回复：CPK/PPK親愛的斯塔曼、馬克和 P_Bartell，
感謝大家的反饋（感謝）。
我得到了知識的提示。
對我來說“誤導性”的 JMP 輸出是在我申請時：分析 -> 分佈 -> 能力分析。
在這種情況下，JMP (14) 輸出如下（請考慮到這是一個完整的發明數據，目標不是使用正確的分佈......但僅了解 JMP 中的 CPK 是如何計算的）。
如果我讀到這個輸出：CKP 是通過使用“整體西格瑪”計算的，所以這不是 CPK 而是 PPK...
這讓我產生了……一些困惑。
我讀了你的評論，我明白對於能力 analisys 最好使用命令：分析 -> 質量和流程 -> 流程能力。
謝謝。
此致，
西蒙娜
回复：CPK/PPK@西蒙1 : 除了貢獻之外@馬克貝利和@statman我建議仔細閱讀有關能力指數主題的 JMP 文檔。 您正在使用的 JMP 14 與下面鏈接的 JMP 15 文檔之間可能存在一些細微差別。 儘管如此，在廣泛的敘述中所有的選項、公式等都在這裡得到了解釋：
https://www.jmp.com/support/help/en/15.1/#page/jmp/process-capability-2.shtml#
回复：CPK/PPK是的，當然，馬克，但不幸的是，JMP 無法確保所選樣本能夠代表正在研究的過程。 數據和分析的好壞取決於為獲取數據而進行的採樣。回复：CPK/PPK我的計算機上沒有安裝 JMP 14。 我使用 JMP Pro 15.1 來說明 JMP 如何計算指數。
您可以在此示例中看到，JMP 使用基於能力指數移動極差的 sigma 短期估計值和基於績效指數樣本標準差的 sigma 長期估計值。 我使用了“分發平台”菜單中的“流程能力”命令。 您如何獲得這些指數？
注意@statman JMP 認識到樣本估計值的不確定性，並提供區間估計值和點估計值。
回复：CPK/PPK西蒙，你可能不喜歡我的回答，但任何這些能力比率都有點不切實際。 首先，您必須估計 2 個樣本統計數據（平均值和標準差）。 你如何估計這些？ 它基於您的樣本。 你是如何得到你的樣品的？ 您的樣本對整個人口的代表性如何？ 這些都是難題。 通常會做出一些抽樣決定，...比方說 30（我不知道有人是如何想出這個數字的，不知何故它被普遍使用）。 您獲得的樣本的變化是採樣期間變化的變量的函數。 如果變量的變化超出了您在樣本中捕獲的變量（或者存在變化的變量未包含在樣本中），那麼這些樣本並不能很好地代表真實的變化。 我顯然不喜歡任何這些指標（能力比率）。 當我們知道這不可能是真的時，它們被表述為一個數字。 我看過很多數據集，報告的Cpk為2時，聽起來不錯。 但是，當您對 Cpk（均值和標準差）中的每個統計數據應用簡單的置信區間時，2.0 可以從 0.2 變為 6.0。 不是很有用。
有多種方法可以估計樣本的變異性。 我確實喜歡 R-bar/d2，因為它需要在進行任何估計之前首先查看穩定性數據（R-圖表）。 當然還有其他方法。 我不會掛斷電話。 選擇一項並堅持下去（以評估隨著時間的推移所取得的進步）。 我建議您閱讀Victor Kanes 的論文“過程能力指數”（JQT，第18 卷，1986 年1 月1 日），以全面解釋不同的指數以及Bert Gunter 的關於Cpk 的使用和濫用的系列（統計角質量）進步）。
