移动/滚动 CpK<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嘿朋友们，
我有一个包含连续过程数据的表。我想在每次测量时计算 CpK，以便我可以跟踪 CpK 随时间的变化。有没有一种优雅的方式来做到这一点？
问候
SG
回复：移动/滚动 CpK您是否在 JMP Variability Plot 中绘制了原始数据？这可以用来在视觉上分解变化的许多组成部分，并且在某种程度上通常使用随机效应模型在数值上分解。 请记住，您的目标是流程和产品改进，而不是经常上下波动的 Cpk 数字。
为什么每次测量都需要重新计算 Cpk？
是强制性的吗？
您已经拥有 SPC 图表来显示过程行为中的单点偏移和趋势。
您可以将这些 OOC 偏移报告为“% OOC”，而不是使用我认为是误导性的滚动 Cpk，该 Cpk 隐藏了可能可操作的 OOC 点。
Cpk 是一个基础能力指数。
它用于根据这些规格限制估算 PPM 故障率。
它有一个基于子组标准差的“短期”指标，我发现它相对没用，除了在“控制”行为仍然不够好时，如果仅在 OOC 点上采取行动，则只能集中改进工作。
它有一个基于所有方差分量的“长期”度量，包括至少 25 个部分的时间变化。
所有 SPC 图表中 %OOC 的每日报告可以帮助确定短期车间工作的优先级，而长期 Cpk 可以帮助优先考虑改进 SPC 图表有意遗漏的常见原因变化的投资工作。
长期 Cpk 是我的客户每月或每季度报告的唯一一项，但未针对每个 SPC 图表点进行更新。
当建议采取改进行动时，长期 Cpk 低于 1.5 或 1.67 或您所在行业设定的任何目标，然后您需要回顾 SPC 图表原始数据并找到 CI 团队可以攻击的 VARIANCE COMPONENTS。 您可以使用 JMP 变量图来可视化甚至枚举这些 VC。 方差分量的示例可能是零件到零件、零件内的变化、批次之间的批次（如果是批处理），以及时间变化可能是每小时、轮班或下午到下午、或每天、每周、某些季节性测量，等等。 对于大多数生产子组以嵌套格式绘制的变异图，或用于 DOE 研究的交叉格式，对 CI 团队非常有帮助。 如果没有这种背景能力研究，我们从不报告 Cpk。
那么，您打算如何使用移动的 Cpk？在方差分量的可操作解释方面，它与移动极差和移动平均图存在相同的问题，这些问题在“多变量”或 JMP 变量图上表现得更好……在我看来。 如果需要，请挑战该请求，直到有人解释将针对它经常显示的许多起起落落采取何种行动为止，而实际上潜在的长期能力并未真正改变。使用 SPC 规则和行动计划处理短期偏移，这些规则和行动计划使用 CONTROL 限制攻击特殊的变异原因。 如有必要，处理长期过程行为与 SPEC 限制（而不是控制限制）的关系，通过攻击 SPC 图表设计为 MISS 的常见变异原因，以便您可以短期关注 OOC 点。 CI 是一个两步过程，去除特殊原因，然后使用 JMP 变量图进行可视化重新评估能力和是否边缘攻击常见原因，以及 DOE 方法来研究和改进许多其他方差分量。
这只是基于我的经验的建议，而不是任何特定的教科书。
如果您过于频繁地报告 Cpk，您会误导管理层和客户，他们会要求您解释每个上升或下降的值，这可能仅反映了降档的 OOC 点，但实际上可能是您真正知道的升档的真实值经过更长的时间！度量标准应该是现实的和可操作的，并且是可操作的必须解决每个变异源，而不是一些只会导致更多混乱的“平均”。
但请记住，我不是 SAS 专家。 我只是一名大批量制造工艺工程师，使用 JMP 推动改进工作已有 20 多年的历史，无论是短期还是长期，在规范限制严格的情况下，通常需要大笔资金来改进常见原因。
回复：移动/滚动 CpK你好麦克莱顿，
很抱歉延迟回复您。我使用 JMP 来绘制 SPC ...... （是否还有其他可以使用的东西）。对于移动 CpK 的计算，我将数据导出到 XL，进行计算，然后导出回 JMP。 这很痛苦，但是由于 JMP 没有像 XL 那样引用单个单元格的选项，我别无选择。你知道是否有解决方法吗？
您使用哪些其他插件或软件来完成此类工作？
感谢您分享您在这方面的宝贵知识。
问候
回复：移动/滚动 CpKCpk 和 Ppk（短期和长期......或在与所有变化范围内）是基础能力与规格限制的衡量标准，如果没有 SPC 图表来确保过程行为正常或至少没有严重偏差，则没有用。 它不是短期能力变化的即时测量，因为 SPC 图表可能会显示具有稀疏或间歇数据的均值或西格玛 OOC 信号。
因此，如果在长时间没有数据后您至少有 25 个点，您可能会重新计算 SPC 限制，以查看它们发生了多少变化或变得更加可变。 但是，直到您获得大约 100 分之前，我不会费心报告能力的变化……除非需要，在这种情况下，现代 SPC 软件可以为您提供 Cpk 值以及平均值和西格玛或中位数和 IQR，以满足任何 SPC 图表的要求最小样本量......此外，它们给出了标称 Cpk 或 Cpm 的高侧和低侧的置信水平（与目标相关，而不仅仅是限制）。
从 SPC 图表开始，包括 EWMA 以及 X 和移动极差图...作为一种选择，具体取决于过程行为的类型（来自探索性数据分析或良好控制期间的过程能力研究）。 查看有关此主题的其他讨论，因为它已在 ASQ.com（特别是他们的质量技术杂志）、Isixsigma.com 和链接讨论组中讨论了数百次。
每季度 SPC %OOC 和每季度 Cpk 都经常被研究以获取有关使用 SPC 图表的过程行为的提示。
流程结果中的长期差距可能只是意味着您正在监控产品而不是可能运行多个产品的流程。
因此，使用 MFG DB 中的实际过程输出和输入的所有产品的过程 Cpk 非常有用，因为它提供了更大的样本量（用于 Cpk 评估基础能力）以及可操作的警报和错误的测量（质量成本的一部分） ），加工车间很棘手，Wheeler 研究了短期制造的 SPC（其中提到了 Cpk）。 Wheeler 和 Isixsigma.com 等其他人的博客可以回答特殊问题，例如工具磨损趋势影响、短期制造、非正常过程行为。 你有什么 SPC 软件？
回复：移动/滚动 CpK嘿，
感谢您的明智指导，非常有帮助。
我有另一个问题。如果有一个过程被长期监控并且结果在时间上不是均匀分布的（在 X 轴上使用过的），我们应该开始重新计算 sigma 和平均值之后让我们说在某个（长时间）之后差距 ？
回复：移动/滚动 CpK在有人尝试编写此解决方案之前，先对 Cpk 样本大小问题进行一些思考：
小样本的 Cpk 置信区间很大，直到达到 20、200 甚至 2000 次测量。 （2.0 的标称 Cpk 可能 <1.0 或 >3.0，例如，样本很少。）仅仅因为计算机使用 2 个或更多小数点结果并不意味着它意味着什么。
您可能必须使用历史记录中的 20（或 200）个典型测量值的启动集，然后在添加每个新测量值时重新计算。
然而，Cpk 的变化非常非常非常缓慢，这就是为什么许多公司只每季度报告一次，如果高速制造，每月或每周，但具有规定的样本量和上下置信水平。 只是我基于卷制造实践的意见。
或许最好在 EWMA 或其他 SPC 图表中使用带有 OOC 规则和限制的测量值，然后在 SPC 个人图表下方的第二张图表上显示您的移动 Cpk（基于移动均值和移动标准差！）？JQT 对 Cpk 置信区间问题进行了很多讨论，以至于劳埃德·纳尔逊 (Lloyd Nelson) 禁止关于 Cpk 的文章整整一年……我记得很久以前。
