對于過程能力分析，通過之前的文章我們知道在計算能力指标之前需要确認一些前提條件是否滿足要求(獨立，正态，MSA合格，穩定)，今天我們繼續延續之前的話題來讨論非正态數據如何做過程能力分析。

非正态解決方案

如果您使用為正态數據設計的能力分析，您的數據必須服從正态分布。

對于上面的這些公式，我相信很多朋友比較熟悉(不同教材在公式寫法和叫法上可能稍微不同)，但我們今天讨論的不是這組公式，為什麼呢？因為上面這些公式隻适用于正态數據，而我們今天想分享的是非正态數據的能力分析。

對于非正态數據，我們可以通過以下方法來獲得準确描述生成非正态數據的過程的能力指數。

正如你所看到的，解決方法有很多，當然方法選擇不同結果肯定是有差異的，那麼問題又來了，哪個方法是比較合适的呢？别急，我們可以先參考以下路徑圖幫助我們選擇。

在上一篇文章中我們分享了變換的方法(Box-Cox變換)，在這篇文章中，我們打算找到拟合數據的合适分布(除了正态分布外，Minitab在這裡還提供了其他13種分布)，采用非正态的方法來計算Ppk(注意，由于是非正态分布，這時候就無法計算Cp/CpK了)。

拟合其他分布法(ISO方法)原理

對于非正态數據，Minitab後台提供兩種算法(21版本中，默認算法為“Z值法”)

但是，我們今天要分享的是“ISO方法”，原因很簡單，這種算法大家在六西格瑪相關課程和教材中其實學過了(先混個臉熟)。

介紹“ISO方法”之前，我們首先來回顧一下能力分析的含義(如下圖所示)。

其中，“客戶之聲”就是客戶給定的公差帶寬(USL-LSL)，關鍵是怎麼得到“過程之聲”。

回想一下，如果數據服從正态分布，我們是怎麼估計“過程之聲”的？用正态分布的均值做為中心位置，用平均值±3标準差來構造一個99.73%的區間來做為“過程之聲”的估計。

那如果是非正态數據呢，我們是不是也可以想辦法來獲得“過程之聲”？但是很多非正态數據的分布不像正态分布那樣是對稱的(如下面的Weibull分布)。

那麼這時候怎麼獲得中心位置和99.73%的區間呢？我們可以借助“ISO算法”通過計算分位數方法來估計“過程之聲”。

說明：表示指定分布的第0.99865個百分位數(太專業了，看不懂？直白一點說，分布選擇不同，計算出來的結果不一樣，所以我們需要找到合适的分布)。說到這裡我相信大家應該理解了為什麼在用Minitab做非正态數據能力分析時需要我們先指定分布了。

拟合其他分布法(ISO方法)計算

基于以上分析，我們可以通過以下三步驟來計算非正态數據的過程能力。

找到合适的分布(除正态分布外有13種選擇)，怎麼确定哪種分布拟合的比較好呢？我們可以利用Minitab中的“個體分布标識”功能。

确定好分布後，第二步就是計算出對應分布的三個百分位數：0.5分位數、0.99865分位數和0.00135分位數(我們可以通過“概率分布圖”計算這三個百分位數)。

把計算出來的三個百分位數帶入“ISO方法”的公式得到Pp和Ppk。