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
非正态分布的公式可以在这里找到：
非正态分布的能力指数：百分位数和 Z 分数方法 (jmp.com)
正态分布的公式可以在这里找到：
正态分布的能力指数 (jmp.com)
你好@s_ard ,
通过 Google 快速搜索，我找到了这篇 JMP 社区文章这里以及这个 JMP 博客，这里，描述如何使用 JMP 13 及更高版本考虑过程能力平台中的非正态分布。 根据该博客，您可以根据最佳拟合结果指定分布，也可以使用非参数方法（假设没有已知的分布）。
话虽如此，我认为您应该遵循以下建议@cwillden在社区文章中，有关对正态 2 混合分布的根本原因进行一些背景尽职调查和其他调查。 例如，正如他指出的那样，查看控制图（作为旁注，查看 MDMVCC 平台对于查找可能导致非正常行为的一些异常进程非常有用。
作为一个描述性示例，您可能有一个流程，在运行数月后，平均值发生了某种变化，比如说从 20 到 25，您对此一无所知（并且所有材料仍符合规格）。 如果您查看控制图，您也许能够确定这种转变何时发生，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的流量计有故障，在更换流量计后，他们获得了正确的吞吐量，这导致了平均值的变化。 这可能显示为非正态分布，但可以通过两个阶段来解释，并且当在控制图中相应处理时，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。
如果您的流程确实具有非正态分布并且必须在流程能力平台中加以考虑，那么您将使用最适合的分布函数并直接告诉 JMP 分布应该是什么。 JMP 随后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。 如果它是稳定的并且这确实是分布，那么您需要明确告诉 JMP 使用替代分布。 据我了解，将平均值和标准差与规格限值进行比较时，计算结果是相同的，但不同的分布将改变用于计算 cpk 的平均值和标准差的定义。
希望这可以帮助，
DS
