回复：Cpk和Ppk这是一个不错的起点：统计过程控制基本术语和定义。
我强烈建议您在此浏览“质量方法”模块： online-statistics-course.html
使用基于移动范围（连续点之间的差）的σ估计值来计算Cpk。
使用基于与均值之差的σ估计值来计算Ppk。 （又称展位偏差）
Cpk是短期变化（在连续点之间）Ppk是长期变化或总体变化。
回复：Cpk和Ppk我们是否必须尝试猜测这个问题？我会尽力：
“什么是过程能力分析历史上最糟糕的干预措施之一”
回复：Cpk和Ppk@戴维·伯纳姆：我得咯咯笑。 早在讲授基本质量和统计方法的那一天，我曾经说过：“统计中使用最多的两个统计数据是R ^ 2和Cp / Cpk。 今晚在酒吧给我买啤酒，然后坐下来听我的咆哮。”回复：Cpk和Ppk哈，我想知道是否有人要对此线程发表评论。 @戴维·伯纳姆。好问题。 我曾经从报告其Cpk为2的客户那里获取数据集。使用他们的数据并使用简单的枚举统计来估计他们在Cpk计算中使用的均值和标准差周围的置信区间，我得出的Cpk为0.2- 6.0。 Cpk没用（或任何这些能力比率）！
回复：Cpk和Ppk我想我对那些想完全了解这类统计数据背后的数学知识的人还可以。 但是，对于决策，过程理解以及过程能力空间中的数据，结论和建议的交流和共享，
简而言之，成功进行数据分析有以下三个规则：
1.绘制数据
2。 绘制数据
3。 绘制数据
JMP的过程能力和过程筛选平台中有许多有用的数据可视化技术，只有那些遭受严重“单体病”困扰的人才会对能力指数感到困扰。
回复：Cpk和Ppk完全同意第1、2和3点。
也许第4点是“在上下文中绘制数据”（例如，使用时间序列，利用上下文来使图表更具洞察力，例如，绘制不同颜色的不同生产班次的结果，这在JMP中非常容易做到） ）
