回复：Cpk和Ppk這是一個不錯的起點：統計過程控制基本術語和定義。
我強烈建議您在此瀏覽“質量方法”模塊： online-statistics-course.html
使用基於移動範圍（連續點之間的差）的σ估計值來計算Cpk。
使用基於與均值之差的σ估計值來計算Ppk。 （又稱展位偏差）
Cpk是短期變化（在連續點之間）Ppk是長期變化或總體變化。
回复：Cpk和Ppk我們是否必須嘗試猜測這個問題？我會盡力：
“什麼是過程能力分析歷史上最糟糕的干預措施之一”
回复：Cpk和Ppk@戴維·伯納姆：我得咯咯笑。 早在講授基本質量和統計方法的那一天，我曾經說過：“統計中兩個最濫用的統計數據是R ^ 2和Cp / Cpk。 今晚在酒吧給我買啤酒，然後坐下來聽我的咆哮。”回复：Cpk和Ppk哈，我想知道是否有人要對此線程發表評論。 @戴維·伯納姆。好問題。 我曾經從報告其Cpk為2的客戶那裡獲取數據集。使用他們的數據並使用簡單的枚舉統計來估計他們在Cpk計算中使用的均值和標準差周圍的置信區間，我得出的Cpk為0.2- 6.0。 Cpk沒用（或任何這些能力比率）！
回复：Cpk和Ppk我想我對那些想完全了解這類統計數據背後的數學知識的人還可以。 但是，對於決策，過程理解以及過程能力空間中的數據，結論和建議的交流和共享，
簡而言之，成功進行數據分析有以下三個規則：
1.繪製數據
2。 繪製數據
3。 繪製數據
JMP的過程能力和過程篩選平台中有許多有用的數據可視化技術，只有那些遭受嚴重“單體病”困擾的人才會對能力指數感到困擾。
回复：Cpk和Ppk完全同意第1、2和3點。
也許第4點是“在上下文中繪製數據”（例如，使用時間序列，利用上下文來使圖表更具洞察力，例如，繪製不同顏色的不同生產班次的結果，這在JMP中非常容易做到） ）
