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。 两者的数据都不服从正态分布。 我按照以下帖子中提供的提示进行操作：
https://community.jmp.com/t5/JMPer-Cable/Process-Capability-Analysis-for-nonnormal-data/ba-p/38112
根据此分析，3 种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”。
根据这一分析，计算出的 CpK（3 个正常值的混合物）为 0.65，而使用“正常”计算出的 CpK 值为 0.9。这种做法正确吗？
第二个参数甚至更加复杂，因为数据出现偏差主要是由于报告的检测 LOQ 值低于 109。
任何帮助表示赞赏！
谢谢
回复：非正态数据能力分析您为分布选择了正态 3 混合物，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分布也称为 sinh-arcsinh分配。 这分配与约翰逊相似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一个特例。 这分配可以是对称的或不对称的。
此外，您还有两个异常值，一个远低于您的 LOQ，另一个则高于或超出您的 USL。您可能想要隐藏和排除这些点并重新拟合您的分布，以查看这些点对整体拟合和 Cpk 的影响程度。
回复：非正态数据能力分析LOQ 是定量限。 基本上，这是测定可以可靠报告的最低值。
回复：非正态数据能力分析我不知道LOQ是什么意思。我不确定我能对这些问题有多大帮助。
回复：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 Norm 3 的新 CpK 计算值较低，为 3.1。
有没有办法处理近LOQ数据？ 这样的 CpK 计算准确吗？
感谢大家之前的回复！
回复：非正态数据能力分析我认为你可以消除那些你知道准备不正确的样本，因为你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，所以我想说它不是该过程的一部分。
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。你能做的最好的事情就是为每个人分配最接近的模式，但你可能会弄错很多。如果您可以查看来自分布不同部分的样本，看看是否可以找出它们有何不同。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。
查看控制图也可能有所帮助。如果分布的不同模式对应于 X 轴上的时间段，您也许能够找到根本原因。
回复：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？
我还忘记提及，下面突出显示的一些数据点被确定是由于样本准备错误造成的。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（收紧或放宽）。
回复：非正态数据能力分析嗯，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。它们不一定是正态的，但数据需要保持恒定的均值和方差。在另一个线，马克和迈克谈到了理解为什么有多种模式。这并不绝对意味着您没有稳定的流程，因为有时有完全合理的理由需要使用多模式数据，但它们无法“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表明您未来将拥有的能力。
话虽这么说，如果您确信自己的过程是稳定的，那么无论如何都要根据最合适的拟合分布进行能力计算。另一种选择是非参数能力，它不假设任何分布。
