非正态数据能力分析大家好，
我在尝试着计算 CpK对于两个不同的参数。 两者的数据都没有正态分布。 我遵循了以下帖子中提供的提示：
https://community.jmp.com/t5/JMPer-Cable/Process-Capability-Analysis-for-nonnormal-data/ba-p/38112
基于此分析，3 个法线的混合看起来最好（AICc）。 然后我绘制了各个概率图。下面显示的是前 3 个概率图，包括“正常”。
基于该分析，计算的 CpK（3 个正常值的混合物）为 0.65，而用“正常值”计算的 CpK 为 0.9。这种方法正确吗？
第二个参数更加复杂，因为数据偏斜主要是由于报告为 109 的测定值低于 LOQ。
任何帮助表示赞赏！
谢谢
Re: 非正态数据能力分析您为您的分布选择了 Normal 3 混合，但 SHASH 和 Johnson Su 是更好的选择，因为它们的 AICc 分数较低。AICc 越低越好。
这SHASH 分布也被称为 sinh-arcsinh分配. 这个分配类似于约翰逊分布因为这是向常态的转变，但SHASH 分布包括正常的分配作为特例。 这个分配可以是对称的或不对称的。
此外，您有两个异常值，一个低于您的 LOQ，另一个高于和超出您的 USL。您可能想要隐藏和排除这些点并重新拟合您的分布，以查看这些点在多大程度上利用了整体拟合和 Cpk。
Re: 非正态数据能力分析LOQ 是定量限。 基本上，这是化验可以可靠报告的最低值。
Re: 非正态数据能力分析我不知道 LOQ 是什么意思。我不确定我对这些问题有多大帮助。
Re: 非正态数据能力分析在以下数据严重倾斜的情况下，缩小规格限制的理由是什么？
基本上大部分数据都在 109，这是测定的 LOQ。
同样，Norm 3 混合看起来最好，而带有 Norm 3 的新 CpK 计算值更低，为 3.1。
有没有办法处理近 LOQ 数据？ 这样 CpK 计算准确吗？
感谢之前的所有回复！
Re: 非正态数据能力分析我认为您可以消除那些您知道准备不正确的样本，因为您有一个可分配的原因。您的目标是推广到未抽样的产品，而未抽样的产品根本没有准备好进行测试，所以我想说它不是过程的一部分。
JMP 无法真正确定哪些样本属于哪种模式；没有办法准确地确定这一点。您可能会做的最好的事情是将每个人分配到最接近的模式，但您可能会弄错很多。如果您可以查看来自分布不同部分的样本，看看您是否可以弄清楚它们有何不同。我们有时会在强度测试中看到多种模式，并且这些模式与不同的失效模式相一致。
查看控制图也可能会有所帮助。如果您的分布的不同模式对应于沿 X 轴的时间段，您可能能够找到根本原因。
Re: 非正态数据能力分析感谢卡梅伦的快速回复！ 有没有办法在 JMP 14 中识别这些多种模式并对其进行分析？
另外我忘了提到，下面突出显示的一些数据点被确定是由于样品制备错误造成的。这些是否可以从工艺能力中消除，或者样品制备或混合错误是否被视为您工艺的一部分？
此外，目标不仅是计算 CpK，还要根据能力分析的结果更改规格（收紧或加宽）。
Re: 非正态数据能力分析好吧，我当然不会相信正常的估计，但我不确定我会相信其中的任何一个。稳定性是能力指数的基本假设。它们不必是正常的，但数据需要保持恒定的均值和方差。在另一个线, Mark 和 Mike 谈到了理解为什么你有多种模式。这并不绝对意味着你没有一个稳定的过程，因为有时有完全合理的理由拥有多模态数据并且它们不能被“修复”。但是，您确实需要确保进行尽职调查。如果不满足稳定性假设，那么您的能力估计可能无法指示您将来拥有的能力。
话虽如此，如果您确信您的过程是稳定的，那么一定要根据最合适的拟合分布进行能力计算。另一种方法是非参数能力，它不假设任何分布。
