非正态数据变换（能力分析）大家好，
我有很多非正态数据，所以我阅读了如何使用连续拟合和拟合全部，请参见下文，例如。图1。
现在我必须强制执行 8.4-9.2 的规格，因此首先我通过选择对数正态（使用“保存拟合分位数”）图 2 来转换数据，因为 Johnson-Si 和 Johnson Su 显示了一个非常奇怪的峰值。
现在我想知道：
1）我选择了正确的转换吗
2）如果是，我是否需要转换8.4和9.2的Spec值
3）对转换后的数据进行能力分析是否正确，因为数据仍然不正常（由拟合优度显示）
请指教
提前致谢
回复：非正态数据转换（能力分析）好吧...这是给你的一个想法。 您是否考虑过运行一个设计好的实验，其中数据范围的 1 和 99% 分位数处的相关特征水平是该因子的高值和低值的起始值？ 也许添加一些与关键输出特性相关的其他因素？ 当然，您必须使用此处绘制的变量作为因子，而不是实验环境中的响应。 并找到一些有意义的适合使用特征的特征，这些特征可能是由客户最终使用需求驱动的。 您甚至不必进行多因素实验……尽管它可以产生非常有价值的信息……特别是如果这个单一因素与整个过程中具有影响力的其他因素相互作用。 我也会给你发私信。
回复：非正态数据转换（能力分析）谢谢
我确实让我笑了，因为规格限制实际上是按照您所说的上述过程的方式设计的，
因此，我们面临的挑战是挑战极限并重新思考这些极限在现实世界中是否适用。
我们测试了正态性，但它没有通过。
我读了很多关于使用非正态数据控制图的文章，我知道我们可以使用控制图，无论数据的性质如何。
所以，现在我有基于手头数据的控制限制。
我希望使用这些限制并计算能力指数，并对规格限制和控制限制进行比较。
回复：非正态数据转换（能力分析）谢谢回复，
我正在使用 JMP 14。
我确实使用了上面的方法，它非常有用且直观回复：非正态数据转换（能力分析）我想我不会太担心哪种转换、任何过程能力指数或与手头的实际问题相关的任何其他统计数据。 不幸的是，这个过程是无能的……结论本质上不是“统计”的……但对未转换的数据进行粗略检查，并覆盖了规格限制，表明大部分数据超出了规格限制。 我假设你的过程是稳定的，没有可分配的原因变化。 如果是这样的话，现在就到了困难的部分......要么减少变化。 或者，第一步可能是质疑规格限值的有效性和适用性。 它们反映了一些现实生活标准吗？ 监管、供应商驱动、客户驱动、行业标准/规范驱动？ 或者它们是由“我们真的不知道适当的公差值应该是多少......所以为了迫使制造“瞄准”，我们将只使用目标作为规格范围的中心......并且在此基础上加减 10%。
别笑……我看到这种想法在工业中经常应用。
回复：非正态数据转换（能力分析）我认为“最佳实践”是根据有关生成数据的过程的知识来选择分布模型，而不是“最佳拟合”标准。 该标准基于单个样本。 知识是基于人口的。
请注意，如果您在“分布”平台中拟合分布，则拟合模型的红色小三角菜单包含启动非正态分布过程能力分析的命令。 在这种情况下，您不需要改变规格限制。
回复：非正态数据转换（能力分析）@RBAero ,
您没有提及您正在使用哪个版本的 JMP 或 JMPPro。 如果您的 PC 上有 Process Capability 平台，下面的链接提供了分步示例。 您可以选择设置分布或使用最佳拟合。PPK，使用百分位数的最大似然估计是一种常用的选择。
请注意，PPK 和 Cpk 计算假设数据相同且独立分布 ( IID )，这意味着没有系统变化。
希望这可以帮助。
非正态能力分析的 JMP 文档
