我和JMP歐洲技術經理Malcolm Moore聊了聊科學計算 Mark Anawis的文章： “PC世界中的六西格瑪 - 研究方法得益於統計工具的力量。” Anawis描述了統計工具（包括JMP）如何用作DMAIC方法的一部分。
馬爾科姆指出這一點 JMP 提供了一種簡單，穩健和快速的方法來計算Cp / Cpk估計值，以確定不遵循正態分佈的連續變量的性能。一個簡單地適合JMP中可用的所有13個連續分佈，然後讓JMP使用AICc標準來確定最佳擬合分佈。當規範限制被定義為列屬性時，JMP自動返回Cp / Cpk估計值和長期西格瑪，以獲得最佳擬合分佈。
我運行了這個例子，MFI規格限制為192和198，目標為195。在這種情況下，最佳擬合分佈是Johnson SI，並且從該分佈計算Cp / Cpk指數。
這種方法只是JMP中的幾個步驟，對於六西格瑪團隊的人員來說尤其有價值。當它們符合最佳分佈時，他們將更準確地預測DMAIC的測量和控制步驟期間的過程的未來缺陷機會，或者在他們可能採用的類似過程改進方法期間。
想親自試試嗎？這個例子來自2010年的書視覺六西格瑪：數據分析精益 ：第8章“改善聚合物製造工藝”。該數據 （2 MB .zip文件）也可供您下載。
