移动/滚动 CpK<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嘿朋友们，
我有一张包含连续过程数据的表格。 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 变异性图中绘制了原始数据？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，您的目标是过程和产品改进，而不是经常上下移动的 Cpk 数。
为什么每次测量都需要重新计算 Cpk？
它是强制性的吗？
您已经有 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”，而不是使用我认为具有误导性的滚动 Cpk，它隐藏了可能可操作的点 OOC。
Cpk 是基础能力指数。
它用于根据这些规范限制估计 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”行为仍然不够好的情况下集中改进工作，因为只对 OOC 点采取行动。
它有一个基于所有方差分量的“长期”指标，包括至少 25 个部分的时间变化。
所有 SPC 图表中 %OOC 的每日报告有助于确定短期车间工作的优先级，而长期 Cpk 有助于确定投资工作的优先级，这些工作侧重于改善 SPC 图表故意遗漏的常见原因变异。
长期 Cpk 是我的客户每月或每季度报告的唯一一个，但没有针对每个 SPC 图表点进行更新。
当建议采取改进措施时，长期 Cpk 低于 1.5 或 1.67 或您的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可以被 CI 团队攻击的 VARIANCE COMPONENTS。您可以使用 JMP 可变性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、批次到批次（如果是批处理），以及时间变化（可能是每小时、班次到班次、或 PM 到 PM，或每天、每周、某些季节性测量） ， ETC。大多数生产子组以嵌套格式绘制的变异图，或 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，我们绝不会报告 Cpk。
再说一遍，你打算如何使用移动的 Cpk？在我看来，就方差分量的可操作解释而言，它与移动范围和移动平均图表的问题相同，这些解释在“多变量”或 JMP 可变性图上表现得更好……在我看来。如果需要，请质疑该请求，直到有人解释将针对它经常显示的许多起伏采取什么行动，而实际上潜在的长期能力并没有真正改变。 使用 SPC 规则和行动计划来处理短期偏差，这些规则和行动计划使用控制限制来攻击变异的特殊原因。如有必要，通过攻击 SPC 图表旨在 MISS 的常见变异原因来处理长期过程行为与 SPEC 限制（而不是控制限制），这样您就可以短期关注 OOC 点。CI 是一个两步过程，去除特殊原因，然后使用 JMP 可变性图进行可视化和 DOE 方法来研究和改进许多其他方差分量，然后重新评估能力以及是否边缘攻击常见原因。
这只是根据我的经验提出的建议，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一个向上或向下的值，这可能只是反映了降级的 OOC 点，但实际上可能是真实的升班，而您只有真正知道经过更长的时间！指标应该是现实的和可操作的，并且可操作的必须解决每个变化的来源，而不是一些只会导致更多混乱的“平均值”。
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 已有 20 多年的时间来推动改进工作，无论是短期还是长期，当规格限制很紧时，通常需要大笔资金来改善常见原因。
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 ...（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，所以我别无选择。 你知道是否有解决办法吗？
您使用哪些其他插件或软件来完成此类工作？
感谢您分享您的宝贵知识。
问候
回复：移动/滚动 CpKCpk 和 Ppk（短期和长期......或在所有变化范围内）是基础能力与规格限制的度量，如果没有 SPC 图表来确保过程行为是正常的或至少没有严重歪斜，则无用。它不是对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之后您至少有 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多变数。但是，直到您可能获得 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 值以及任何符合 SPC 图表的平均值和 sigma 或中值和 IQR最小样本量....此外，它们给出了标称 Cpk 或 Cpm 的高低端的置信水平（与目标相关，而不仅仅是限制）。
从 SPC 图表开始，包括 EWMA 以及 X 和移动范围图表......作为一种选择，取决于过程行为的类型（来自探索性数据分析，或在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（尤其是他们的质量技术期刊）、Isixsigma.com 和链接的讨论组中讨论了数百次。
每季度的 SPC %OOC 和每季度的 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。
过程结果中的长时间差距可能仅仅意味着您正在监控产品而不是可能运行多个产品的过程。
因此，在 MFG DB 中使用真实过程输出和输入的所有产品的过程 Cpk 可能很有用，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度量（质量成本的一部分)，工作车间很棘手，Wheeler 研究了用于短期制造的 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、非正常工艺行为。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（X轴上曾经使用过的），我们是否应该开始重新计算sigma和平均值，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，关于 Cpk 样本大小问题的一些想法：
小样本的 Cpk 置信区间很大，直到您进行 20、200 甚至 2000 次测量。（2.0 的标称 Cpk 可能小于 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 变化非常非常非常缓慢，这就是为什么许多公司仅按季度报告它的原因，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。只是我基于批量制造实践的意见。
最好在 EWMA 或其他具有 OOC 规则和限制的 SPC 图表中使用您的测量值，然后在 SPC 个人图表下方的第二张图表上显示您的移动 Cpk（基于移动平均值和移动标准差！）？ JQT 对 Cpk 置信区间问题进行了如此多的讨论，以至于 Lloyd Nelson 整整一年禁止发表有关 Cpk 的文章……我记得很久以前。
