属性的 Cp/Cpk如何使用 JMP 计算属性数据的 Cp/Cpk 或 Pp/Ppk？
质量与工艺工程回复：属性的 Cp/Cpk所以，这是一个棘手的问题，我的朋友。
您需要以某种方式获取通过/失败数据并将其转换为连续的数据，或者更好的是，获取用于做出通过失败决策的底层连续数据。
我们通常使用属性控制图（U、P、C、P'、U'）来跟踪属性数据随时间通过/失败的比例。
棘手的部分是，过程能力取决于计算“sigma”（整体/长期或内部/短期）并将“sigma”的数量与平均值和最近的规格限值之间的距离进行比较......并且它假设事情通常是“正常的”。
属性数据具有二项分布，因此我们仍然可以获得在属性图表中绘制数据的控制限，但过程能力却不能。
在这个例子中，我有 10 个单位的盒子（n 次试验=10），每个盒子都有随机的通过/失败组合
回复：属性的 Cp/Cpk你好，
多谢！
我们可以继续讨论这个问题吗？
有一个名为“Braces”的样本数据文件（位于 Samples\Data\Quality Control 下），其中有不同样本大小的缺陷数数据。如果我们有一些规格限制，例如，最多 25 个缺陷为“合格”，那么为什么我们不能简单地使用“分布”平台下的“过程能力”选项来计算能力指数，其中 LSL=target=0 和 USL=25...？
并说它是一个非参数分布....
我是不是把很多东西混在一起了？
回复：属性的 Cp/Cpk修正 - 找到一个比例（缺陷数量/单位大小），然后为该比例指定限值
回复：属性的 Cp/Cpk稍微重述一下这个问题：
因为我没有你的数据...
假设我有一张包含 100 行的表格，其中一列有以下公式：
Abs( Round( Random Normal( 10, 10 ), 1 ) )
该数据表示每批次/每批/每片晶圆的缺陷品百分比。其规格上限为 25。
我的数据可能看起来像这样。
我可以对数据拟合威布尔分布、伽马分布或指数分布。
然后，从拟合的分布中我可以得到过程能力报告。
值得注意的是，我们不再关注属性的能力，而是一个变量，即缺陷百分比。
结合这些数据运行 P、C 或 U 图表可能仍然是一个好主意。
回复：属性的 Cp/Cpk请原谅我的评论，如果让您不高兴，请忽略我，但缺陷/瑕疵品的能力是无意义的。为什么要对缺陷/瑕疵品的数量进行规范？有缺陷和瑕疵是可以的吗？这种能力指标的目的是什么？什么是可接受的能力指标？在计算能力之前，您如何评估一致性？您想一直表现不好吗？难道您不想找出导致缺陷的原因，而不是报告能力指标吗？
Byron 说得对。首先你需要意识到缺陷品和瑕疵品之间存在差异。对于缺陷品，样本数量是有限的。它们根据通过/未通过（二项分布）进行分类。对于瑕疵品，每个样本的瑕疵品数量没有限制。这是计数数据（泊松分布）。Byron 的第一个想法是使用连续测量而不是分类/离散度量。缺陷是什么？可以测量吗？例如，视觉划痕...可以测量划痕的长度、深度、面积吗？或者为什么它不合格（合格/不合格）？尺寸不符合规格。然后测量实际尺寸。
缺陷品的“西格玛”估计值（p 图）：
对于缺陷（c 图）：
会假设这些值（p 和 c）是恒定的，这绝对不是您想要的。您希望它们变得更小。
