参数设置
- 数据列：在数据页签上表格列名称
- 子组大小：每次采集样本大小
- 子组间评估标准差方法：系统提供移动极差均值，移动极差中位数和递差均方和平方根方法
- 移动极差长度：系统计算移动极差时步进长度一般选择2
- 使用无偏常量计算整体标准差：在计算整体标准差是否使用无偏差常量
- 子组内估计标准差方法：系统提供RBar，SBar和合并标准差方法
- 使用无偏常量计算子组内标准差：在计算子组内标准差是否使用无偏差常量
- 规格上限：指定的规格上限值
- 目标：指定的规格目标值
- 规格下限：指定的规格下限值
根据正态分布，使用组间/组内能力分析（CPK）评估您的过程（如批量过程）在自然产生子组间系统性变异时的能力。使用此分析，可以执行以下操作：
要执行分析，您必须指定规格下限或规格上限（或同时指定两者），以定义您的过程要求。该分析将评估过程数据的展开与规格限的关系。当过程有能力时，过程展开小于规格展开。该分析也可以指示您的过程是否居中并达到目标值。此外，它还将估计未满足规格的产品比率。
连续数据是测量值，可以是连续尺度上位于某个值范围内的任何数值（包括分数值或小数值）。常见示例包括长度、重量和温度等测量值。
尝试收集至少 100 个总数据点（子组大小*子组数），例如 25 个大小为 4 的子组或 35 个大小为 3 的子组。如果没有在足够长的一段时间内收集到充足的数据量，数据可能无法准确地代表不同的过程变异源，并且估计值可能无法指示过程的真实能力。
合理子组是相似项的小样本，这些项是在一小段时间内生成的，属于过程代表。应在相同的输入和条件（如人员、环境或设备）下收集各子组的观测值。如果您没有收集合理子组，则子组中的变异可能会反映出过程的特殊原因变异，而非自然或固有变异。
如果因缺失数据或样本数量不相等而导致并非所有子组的大小都相等，凯特勒SPC 将仅使用大小最常见的子组来估计子组间变异。
如果在所有子组中都没有两个或更多个观测值，凯特勒SPC 将无法执行分析，因为子组间变异无法与子组内变异分开进行估计。
如果当前过程不稳定，则将无法使用能力指标来可靠地评估将来的过程持续能力。如果不确定过程是否受控制，请使用 Xbar-S 控制图 评估过程稳定性，然后再执行此分析。
针对此分析的过程能力估计值基于正态分布。如果数据不是正态分布的，则能力估计值将不准确。如果数据属于非正态数据，请考虑使用 非正态能力分析。
将整体实曲线与直方图的条形进行比较，评估数据是否大致是正态的。如果条形与曲线存在很大差异，则数据可能不是正态的，并且过程的能力估计值可能不可靠。
将整体实曲线与组间/组内虚曲线进行比较，确定它们的对齐紧密程度。如果组间/组内曲线和整体曲线之间的差异很大，则表明过程可能不稳定，或者除子组间/子组内变异以外，过程还可能存在其他变异源。在执行能力分析之前使用控制图验证过程是否稳定。
直观检查直方图中的数据与规格下限和规格上限的关系。理想情况下，数据的散布窄于规格散布，并且所有数据都在规格限内。超出规格限的数据表示不合格项。
评估过程是否位于规格限的中间，或者在目标值处（如果具有目标值）。数据的中心出现在分布曲线的尖峰，并通过样本均值估计。
例如，质量工程师希望在同时考虑子组内变异和子组间变异的情况下，评估金属制品涂层过程的能力。子组内变异是一个金属制品内的涂层厚度的变异。子组间变异是在机器重置期间可能出现的制品间变异。该工程师将执行组间/组内能力分析，用于评估涂层厚度满足 55 ± 3 微米的客户要求的能力。