通過此系列文章，目前我們學習了過程能力分析的意義，基于Minitab的正態/非正態數據過程能力分析的思路和方法，其中在非正態數據能力分析中，我們講了兩種方法——轉換方法和擬合其他分布方法。文章發布后，果不其然大家又有了新的問題，我們今天先來回答一些問題，再來介紹非正態數據能力分析的另外一種方法——非參數方法。

你有這些疑問嗎?

基于前面文章的說明，我們反復強調過程能力分析的一些前提條件(計算Cp/Cpk要求數據滿足“獨立、正態、MSA合格、穩定”，計算Pp/Ppk只要求數據滿足“MSA合格，獨立”)。我們還說過，以下公式只適用于正態分布數據。

那么，你有跟下面這位朋友一樣的疑問嗎?

對于這個問題，首先我們要知道，不管是正態數據還是非正態數據都可以計算Ppk，但是擬合分布不同計算結果肯定是有差異。如果數據正態可以按照上面的公式計算，如果非正態我們前面文章介紹了兩種方法——轉換/擬合其他分布。雖然計算Ppk不需要數據正態，但是做為數據分析人員我們要知道到底選擇的正態方法還是非正態方法。直白點說，雖然計算Ppk不要求數據正態，但是我們仍然要在做過程能力分析計算Ppk之前執行正態性檢驗，只有這樣你才知道從Minitab的哪個窗口進入分析。

另外一個問題，也是經常被問到(就我而言，就最少被問過不下20次)。

前面文章我們說過，如果數據非正態不要急著轉換數據或盲目套其他分布，我們可以先來個“個體分布標識”。但是在“個體分布標識”中我們可能會遇到以下情況——兩種變換都不行，14種分布中沒有一個能夠很好擬合數據。

對于這種情況，我們需要花費更多的精力回到數據搜集的現場做調查，而不是為了得到一個過程能力報告去尋求統計專家的幫助(再高明的專家如果不去現場也只能幫助你猜原因)。我之前寫過一篇相關的文章供大家參考——數據非正態如何分析?您可能問了錯誤的問題!(https://mp.weixin.qq.com/s/PC5Tisk430voyoHQqEi15Q)

比如像上面的“個體分布標識”輸出，為什么找不到合適分布，其實我把數據展示一部分給大家看一下就知道原因了(測量系統分辨力不夠或數據經過了修約處理)。

上面的“個體分布標識”是Y2的輸出結果，如果我對Y1列執行相同分析呢?

這里我只是展示一種可能找不到合適分布的原因——測量系統分辨力不足，那你的數據又是什么原因導致找不到合格分布呢?這個問題別人無法回答，需要你去現場找答案。那如果我所有懷疑的原因都找了一圈結果還是沒有發現問題出在哪里，那可不可以計算過程能力呢?這時候如果你的數據量比較大的話(最好1000以上)，我們還有一種方法可以來計算過程能力——非參數方法。這種方法不需要知道擬合分布，但要求樣本量比較大。

非參數方法

非參數方法計算過程能力的核心邏輯跟前面介紹的擬合其他分布是一樣的。

因為找不到合適擬合分布，所以這里的分位數計算就不能用之前的方法了，在這里你可以手算也可以利用 Minitab自帶的宏命令來計算這些分位數。

點擊“幫助”菜單，我們可以在幫助文檔中找到相應的宏命令。

把這個宏命令下載下來，運行之前請閱讀仔細閱讀幫助中說明，尤其要注意把宏放到指定的位置。

審核編輯：湯梓紅