我在网上到处找，找不到来源。 对于特定数据集，我的正态分布 Cpk 为 1.5，正态 2 混合分布 Cpk 为 1.1。
谢谢
你好@s_ard ,
一个快速的谷歌搜索把我带到了这篇 JMP 社区文章这里还有这个 JMP 博客，这里，描述如何使用 JMP 13 及更高版本在过程能力平台中考虑非正态分布。 根据博客，您可以根据最佳拟合结果指定分布，也可以使用假设没有已知分布的非参数方法。
话虽如此，我认为你应该遵循一些建议@cwillden在社区文章中关于对正常 2 混合物分布的根本原因进行一些背景尽职调查和额外调查。 例如，查看控制图，正如他所指出的（作为旁注，查看 MDMVCC 平台对于查找一些可能导致异常行为的异常进程非常有用。
作为一个描述性示例，您可能有一个过程，在运行数月后，平均值发生了某种变化，比如从 20 到 25，您不知道（并且所有材料仍处于规范中）。 如果您查看控制图，您或许能够确定这种转变发生的时间，然后返回生产并查看发生了什么变化。 假设生产部门发现他们有一个有故障的流量计，在将其更换后，他们获得了正确的吞吐量，这导致了平均值的变化。 这可能会显示为非正态分布，但可以通过两个阶段来解释，并且在控制图中进行相应处理时，将计算每个阶段的统计数据。 这将解释变化并为您提供每个阶段的正确值。
如果您的过程确实具有非正态分布并且必须在过程能力平台中加以考虑，那么您将使用最佳拟合分布函数并直接告诉 JMP 分布应该是什么。 然后 JMP 将正确计算相关统计数据。
但是，正如社区文章中提到的，稳定性对于正确使用这些索引至关重要。 如果它确实不稳定并且需要进行更多的尽职调查，请在尝试报告 cpk 值之前执行此操作。 如果它稳定并且这确实是发行版，那么您需要明确告诉 JMP 使用替代发行版。 我的理解是，将平均值和标准偏差与规格限制进行比较的计算是相同的，但不同的分布将改变平均值的定义以及用于计算 cpk 的标准偏差。
希望这可以帮助，
DS
