非常態資料變換（能力分析）大家好，
我有很多非常態數據，所以我閱讀瞭如何使用連續擬合和擬合全部，請參見下文，例如。圖1。
現在我必須強制執行8.4-9.2 的規格，因此首先我透過選擇對數常態（使用「儲存擬合分位數」）圖2 來轉換數據，因為Johnson-Si 和Johnson Su 顯示了一個非常奇怪的峰值。
現在我想知道：
1）我選擇了正確的轉換嗎
2）如果是，我是否需要轉換8.4和9.2的Spec值
3）對轉換後的資料進行能力分析是否正確，因為資料仍然不正常（由適合度顯示）
請指教
先致謝
回覆：非常態資料轉換（能力分析）好吧...這是給你的一個想法。 您是否考慮過執行一個設計好的實驗，其中資料範圍的 1 和 99% 分位數處的相關特徵水準是該因子的高值和低值的起始值？ 也許加入一些與關鍵輸出特性相關的其他因素？ 當然，您必須使用此處繪製的變數作為因子，而不是實驗環境中的反應。 並找到一些有意義的適合使用特徵的特徵，這些特徵可能是由客戶最終使用需求所驅動的。 您甚至不必進行多因素實驗……儘管它可以產生非常有價值的資訊……特別是如果這個單一因素與整個過程中具有影響力的其他因素相互作用。 我也會給你私訊。
回覆：非常態資料轉換（能力分析）謝謝
我確實讓我笑了，因為規格限制實際上是按照您所說的上述過程的方式設計的，
因此，我們面臨的挑戰是挑戰極限並重新思考這些極限在現實世界中是否適用。
我們測試了正態性，但它沒有通過。
我讀了很多關於使用非常態資料控製圖的文章，我知道我們可以使用控製圖，無論資料的性質如何。
所以，現在我有基於手邊資料的控制限制。
我希望使用這些限制併計算能力指數，並對規格限制和控制限制進行比較。
回覆：非常態資料轉換（能力分析）謝謝回复，
我正在使用 JMP 14。
我確實使用了上面的方法，它非常有用且直觀回覆：非常態資料轉換（能力分析）我想我不會太擔心哪種轉換、任何過程能力指數或與手頭上的實際問題相關的任何其他統計數據。 不幸的是，這個過程是無能的……結論本質上不是“統計”的……但是對未轉換的數據進行粗略檢查，並覆蓋了規格限制，表明大部分數據超出了規格限制。 我假設你的過程是穩定的，沒有可分配的原因變化。 如果是這樣的話，現在就到了困難的部分......要么減少變化。 或者，第一步可能是質疑規格限值的有效性和適用性。 它們反映了一些現實生活標準嗎？ 監管、供應商驅動、客戶驅動、產業標準/規範驅動？ 或者它們是由“我們真的不知道適當的公差值應該是多少......所以為了迫使製造“瞄準”，我們將只使用目標作為規格範圍的中心......並且在此基礎上加減10%。
別笑……我看到這種想法在工業中經常被應用。
回覆：非常態資料轉換（能力分析）我認為“最佳實踐”是根據有關生成數據的過程的知識來選擇分佈模型，而不是“最佳擬合”標準。 該標準基於單一樣本。 知識是基於人口的。
請注意，如果您在「分佈」平台中擬合分佈，則擬合模型的紅色小三角選單包含啟動非常態分佈過程能力分析的命令。 在這種情況下，您不需要改變規格限制。
回覆：非常態資料轉換（能力分析）@RBAero ,
您沒有提及您正在使用哪個版本的 JMP 或 JMPPro。 如果您的 PC 上有 Process Capability 平台，下面的連結提供了逐步範例。 您可以選擇設定分佈或使用最佳擬合。PPK，使用百分位數的最大似然估計是常用的選擇。
請注意，PPK 和 Cpk 計算假設資料相同且獨立分佈 ( IID )，這表示沒有系統變更。
希望這可以幫助。
非常態能力分析的 JMP 文檔
