
- 統計學教程
- 首頁
- 調整後的R平方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 迴圈排列
- 整群抽樣
- 科恩Kappa係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均偏差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差 (r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力 (Cp) & 過程效能 (Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- 夏農-威納多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤 (SE)
- 標準正態分佈表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83指數迴歸
- 轉換
- 截尾均值
- I型和II型錯誤
- 方差
- 韋恩圖
- 大數弱定律
- Z表
- 統計學有用資源
- 統計學 - 討論
統計學 - 過程能力 (Cp) & 過程效能 (Pp)
過程能力
過程能力可以定義為相對於其規格的過程的可測量屬性。它表示為過程能力指數 ${C_p}$。過程能力指數用於檢查過程產生的輸出的變異性,並將變異性與產品公差進行比較。${C_p}$ 受以下公式約束
公式
${ C_p = min[\frac{USL - \mu}{3 \times \sigma}, \frac{\mu - LSL}{3 \times \sigma}] }$
其中 -
${USL}$ = 上限規格。
${LSL}$ = 下限規格。
${\mu}$ = 過程的估計均值。
${\sigma}$ = 過程的估計變異性,標準差。
過程能力指數 ${C_p}$ 的值越高,過程越好。
示例
考慮汽車及其停車場的案例。車庫尺寸表示規格限值,汽車定義過程輸出。此處,過程能力將說明汽車尺寸、車庫尺寸以及您可以在車庫中間停放汽車的距離之間的關係。如果汽車尺寸略小於車庫尺寸,則您可以輕鬆地將汽車停入其中。如果汽車尺寸與車庫尺寸相比非常小,則它可以從中心任何距離停放。在過程控制方面,這種變化很小的過程允許輕鬆將汽車停入車庫並滿足客戶的要求。讓我們以過程能力指數 ${C_p}$ 的形式檢視上述示例。
${C_p = \frac{1}{2}}$ - 車庫尺寸小於汽車,無法容納您的汽車。
${C_p = 1}$ - 車庫尺寸剛好足以容納汽車,並且只能容納您的汽車。
${C_p = 2}$ - 車庫尺寸是您汽車的兩倍,並且可以同時容納兩輛汽車。
${C_p = 3}$ - 車庫尺寸是您汽車的三倍,並且可以同時容納三輛汽車。
過程效能
過程效能用於檢查使用該過程生成的樣本的合格性。它表示為過程效能指數 ${P_p}$。它檢查是否滿足客戶要求。它與過程能力的不同之處在於,過程效能適用於特定批次的材料。抽樣方法可能需要相當大才能支援批次中的變化。僅當無法評估過程控制時,才應使用過程效能。${P_p}$ 受以下公式約束
公式
${ P_p = \frac{USL - LSL}{6 \times \sigma} }$
其中 -
${USL}$ = 上限規格。
${LSL}$ = 下限規格。
${\sigma}$ = 過程的估計變異性,標準差。
過程效能指數 ${P_p}$ 的值越高,過程越好。