在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在本视频中，我们展示了如何计算能力指数金属零件使用 JMP 中的分发平台的示例。
首先，我们选择分配来自分析菜单。
我们选择厚度为了Y，列，然后单击好的。
为了计算能力指数，我们选择 Process能力从红色三角形开始厚度。
我们的下限规格是 35，目标是 40，上限规格是 45。
请注意，有多个过程能力选项。
默认分布是正态分布，但您也可以根据其他分布计算能力。 如果过程特性的分布不正常，您可以选择使用非正态分布，然后您可以从可用发行版列表中选择适当的发行版。 您还可以选择其他选项来计算非正态能力指数。
在本视频中，我们根据正态分布计算能力指数。
默认子组大小为 1，但您也可以使用子组 ID 列，或指定常量子组大小。 我们每小时都会获取有理子组，因此我们使用小时作为子组 ID 列。
能力分析的结果在过程能力大纲中提供。 JMP 提供直方图和多个默认报告。 厚度能力旁边的红色三角形下方提供了其他分析选项，例如交互式能力图。
让我们仔细看看各个报告。
从直方图中，我们可以看到过程均值向规格上限移动，并且一些观测值超出了规格上限。
在“过程摘要”报告中，您可以看到规格、样本平均值和两个 sigma 估计值。 inside sigma 是 sigma 的短期估计，Overall 是 sigma 的长期估计。
使用这两个西格玛估计值可以计算出几个能力指数。
C的短期估计p ，在 Sigma 能力范围内报告，为 0.94，并且 C PK是0.69。
西格玛的长期估计用于估计总体西格玛能力下报告的能力指数。 P p为 0.963，P PK是0.707。
我们如何解释这些估计？ 两者都是C p和P p接近于 1，因此过程分布与我们的规格限制大致相同。 然而，两个C PK和P PK远低于 1，因此该过程偏离目标。
请注意，JMP 还报告了指数的置信区间。 我们来看看C的区间p 。 这是这个区间的松散解释：真正的 C p可能低至 0.806 或高至 1.074。
最后，我们来谈谈不合格报告。 在观察百分比下，我们看到 2.4% 的测量值超出了规格上限。
还报告了基于 sigma 的内部估计和总体估计的超出规格的估计百分比。 这些是对未来过程性能的估计。
还可以显示其他测量值，例如观察到的和估计的 PPM 率。 为此，请右键单击表，然后在“列”下选择感兴趣的度量。
最后一点... 在此示例中，JMP 报告了 P p和P PK当使用西格玛的长期或总体估计时。 现在这是默认标签。
如果你想显示C p和C PK对于分发平台中的长期能力的标签，您可以设置平台首选项。
为此，我们选择优先来自文件菜单（或联合管理计划Mac 上的菜单）。 然后，在平台分组，我们选择分配。 在选项列表中我们取消选择Ppk 能力标签关闭标签，或者我们选择此选项来打开标签。 要接受更改，我们单击好的。
下次我们使用分发平台运行能力分析时，将应用更改。
