Re：CpkおよびPpkここから始めるのが良いでしょう： Statistical_process_control基本的な用語と定義。
私はここに品質法モジュールを通過することを強くお勧めします： online-statistics-course.html
Cpkは、連続するポイント間の差である移動範囲に基づくシグマの推定値を使用して計算されます。
Ppkは、平均との差に基づくシグマの推定を使用して計算されます。 （別名スタンド偏差）
Cpkは短期的な変動（連続したポイント間）ですPpkは長期的または全体的です。
Re：CpkおよびPpk質問を推測してみる必要がありますか？私が試してみます：
「プロセス能力分析の歴史におけるより悪い介入の1つは何ですか」
Re：CpkおよびPpkあずきっく：私は笑わなければなりませんでした。 基本的な品質と統計手法を教えていた当時、私は次のように言っていました。「統計で最も乱用されている2つの統計は、R ^ 2とCp / Cpkです。 今夜バーでビールを買って、座って私の暴言を聞いてください。」Re：CpkおよびPpkハ、誰かがこのスレッドにコメントするのだろうかと思っていました。 あずきっく。素晴らしい質問です。 以前は、Cpk 2を報告しているクライアントからデータセットを取得していました。データを使用し、単純な列挙統計を使用して、Cpk計算で使用した平均と標準偏差の信頼区間を推定すると、Cpkは0.2になりました。 6.0。 Cpk（またはこれらの機能比率のいずれか）はどれほど役に立たないのでしょうか。
Re：CpkおよびPpkこの種の統計の背後にある数学を完全に理解したい好奇心旺盛な人々には大丈夫だと思います。 しかし、意思決定、プロセスの理解、データの伝達と共有、プロセス能力の分野での結論と推奨事項については、、、、
簡単に言えば、データ分析を成功させるための3つのルールがあります。
1.データをプロットします
2。 データをプロットする
3.3。 データをプロットする
JMPの工程能力および工程スクリーニングプラットフォームには非常に多くの有用なデータ視覚化手法があり、「工程能力指数」の深刻なケースに苦しんでいる人だけが工程能力指数に悩まされます。
Re：CpkおよびPpkポイント1、2、3に完全に同意します。
おそらく、ポイント4は「データをコンテキストでプロットする」（たとえば、時系列を使用する、コンテキストを使用してプロットをより洞察に満ちたものにする、たとえば、さまざまな生産シフトからの結果をさまざまな色でプロットする）である可能性があります。これは、JMPで非常に簡単に実行できます。 ）
