屬性的 Cp/Cpk如何使用 JMP 計算屬性資料的 Cp/Cpk 或 Pp/Ppk？
品質和工藝工程回覆：屬性的 Cp/Cpk所以，這是我的 JMPy 朋友的一個黏性檢票口。
您需要以某種方式獲取通過/失敗數據並將其轉換為連續數據，或者更好的是，獲取底層連續數據以做出通過/失敗決策。
我們經常使用屬性控製圖（U、P、C、P'、U'）作為屬性資料來追蹤一段時間內通過/失敗的比例。
棘手的部分是，製程能力取決於計算「西格瑪」（總體/長期或內部/短期）並將「西格瑪」的數量與平均值和最近的規格限制之間的距離進行比較。 ……並且它假設事情通常是“正常的”。
屬性資料具有二項式分佈，因此我們仍然可以獲得在屬性圖表中繪製資料的控制限制，但處理能力卻沒有那麼多。
在這個例子中，我有 10 個單元的盒子（n 次試驗 = 10），每個盒子的通過/失敗是隨機分類的
回覆：屬性的 Cp/Cpk你好，
多謝！
我們可以繼續討論這個問題嗎？
有一個名為「Braces」的樣本資料檔案（位於 Samples\Data\Quality Control 下），並且有不同樣本大小的 # 個缺陷的資料。如果我們有一些規格限制，例如，假設最多 25 個缺陷單位為“通過”，那麼為什麼我們不能使用分銷平台下的“流程能力”選項簡單地計算能力指數，其中 LSL=target=0 和 USL =25 ……？
並說這是一個非參數分佈...
我在這裡混合了很多東西嗎？
回覆：屬性的 Cp/Cpk修正 - 找出一個比例（缺陷數量/單位尺寸），然後找出該比例的規格限制
回覆：屬性的 Cp/Cpk稍微重述一下這個問題：
因為我沒有你的數據...
假設我有一個包含 100 行的表，並且該公式在一列中：
Abs( Round( Random Normal( 10, 10 ), 1 ) )
此數據代表每批/批次/晶圓的缺陷品百分比。且其規格上限為 25。
我的數據可能是這樣的。
我可以將 Weibul 分佈、Gamma 分佈或指數分佈擬合到數據中。
然後從那個擬合的分佈中我可以得到過程能力報告。
值得注意的是，我們不再尋找屬性的能力，而是尋找變量，即缺陷百分比。
與這些數據一起運行 P、C 或 U 圖表可能仍然是一個非常好的主意。
回覆：屬性的 Cp/Cpk請原諒我的社論，如果它讓您不高興，請忽略我，但缺陷/缺陷的能力是沒有意義的。為什麼要對缺陷品/缺陷的數量製定規格？有瑕疵和缺陷可以嗎？這種能力指標的目的是什麼？什麼是可接受的能力指標？在計算能力之前如何評估一致性？你想一直做壞事嗎？您不想找出導致缺陷的原因而不是報告能力指標嗎？
拜倫是當場。首先，您需要認識到缺陷和缺陷之間是有區別的。對於缺陷品，您的樣品數量受到限制。它們根據通過/失敗（二項分佈）進行分類。對於缺陷，每個樣品的缺陷數量沒有限制。這是計數資料（泊松分佈）。拜倫的第一個想法是使用連續度量而不是分類/離散度量。有什麼缺陷？可以測量嗎？例如，一個視覺刮痕…刮痕的長度、深度、面積可以測量嗎？或為什麼會失敗（進行/不進行）？尺寸不符合規格。然後測量實際尺寸。
缺陷品的「西格瑪」估計值（p 圖）：
對於缺陷（c 圖表）：
會假設這些值（p 和 c）是常數，這絕對不是您想要的。你希望它們變得更小。
