我在網上到處找，找不到來源。 對於特定數據集，我的正態分佈 Cpk 為 1.5，正態 2 混合分佈 Cpk 為 1.1。
謝謝
你好@s_ard ,
一個快速的谷歌搜索把我帶到了這篇 JMP 社區文章這裡還有這個 JMP 博客，這裡，描述如何使用 JMP 13 及更高版本在過程能力平台中考慮非正態分佈。 根據博客，您可以根據最佳擬合結果指定分佈，也可以使用假設沒有已知分佈的非參數方法。
話雖如此，我認為你應該遵循一些建議@cwillden在社區文章中關於對正常 2 混合物分佈的根本原因進行一些背景盡職調查和額外調查。 例如，查看控製圖，正如他所指出的（作為旁注，查看 MDMVCC 平台對於查找一些可能導致異常行為的異常進程非常有用。
作為一個描述性示例，您可能有一個過程，在運行數月後，平均值發生了某種變化，比如從 20 到 25，您不知道（並且所有材料仍處於規範中）。 如果您查看控製圖，您或許能夠確定這種轉變發生的時間，然後返回生產並查看發生了什麼變化。 假設生產部門發現他們有一個有故障的流量計，在將其更換後，他們獲得了正確的吞吐量，這導致了平均值的變化。 這可能會顯示為非正態分佈，但可以通過兩個階段來解釋，並且在控製圖中進行相應處理時，將計算每個階段的統計數據。 這將解釋變化並為您提供每個階段的正確值。
如果您的過程確實具有非正態分佈並且必須在過程能力平台中加以考慮，那麼您將使用最佳擬合分佈函數並直接告訴 JMP 分佈應該是什麼。 然後 JMP 將正確計算相關統計數據。
但是，正如社區文章中提到的，穩定性對於正確使用這些索引至關重要。 如果它確實不穩定並且需要進行更多的盡職調查，請在嘗試報告 cpk 值之前執行此操作。 如果它穩定並且這確實是發行版，那麼您需要明確告訴 JMP 使用替代發行版。 我的理解是，將平均值和標準偏差與規格限制進行比較的計算是相同的，但不同的分佈將改變平均值的定義以及用於計算 cpk 的標準偏差。
希望這可以幫助，
DS
