Quality and Process Methods Zh 质量和过程方法

版本 13
质量和过程方法
“真正的发现之旅，并不在于寻求新的风景，
而在于拥有新的视野。”
Marcel Proust
JMP, A Business Unit of SAS

SAS Campus Drive
Cary, NC 27513 13.1
本手册的准确文献资料出处为：SAS Institute Inc. 2017. JMP® 13 质量和过程方法。Cary, NC:
SAS Institute Inc.
JMP® 13 质量和过程方法
Copyright © 2017, SAS Institute Inc., Cary, NC, USA
ISBN 978-1-62960-480-0 （硬拷贝）

ISBN 978-1-62960-584-5 (EPUB)
ISBN 978-1-62960-585-2 (MOBI)
ISBN 978-1-62960-937-9 (Web PDF)
All rights reserved. Produced in the United States of America.
复印手册：未经发行者 SAS Institute Inc 书面许可，不得复制、储存在检索系统中或以电子

拷贝、印刷品、复印件等任何形式传播本出版物。
网络下载或电子书籍：本出版物的使用必须遵守在获取本出版物时出版方所制定的条款。
未经发行者许可，通过互联网或任何其他方式扫描、上传和分发本手册均是违法行为，会受
到法律惩处。请仅购买授权的电子版本，不要参与或鼓励版权所有资料的电子盗版行为。感
谢您对他人权利的支持。
U.S. Government License Rights; Restricted Rights: The Software and its documentation
is commercial computer software developed at private expense and is provided with
RESTRICTED RIGHTS to the United States Government. Use, duplication or disclosure of
the Software by the United States Government is subject to the license terms of this
Agreement pursuant to, as applicable, FAR 12.212, DFAR 227.7202-1(a), DFAR 227.7202-3(a)
and DFAR 227.7202-4 and, to the extent required under U.S. federal law, the minimum
restricted rights as set out in FAR 52.227-19 (DEC 2007). If FAR 52.227-19 is applicable, this
provision serves as notice under clause (c) thereof and no other notice is required to be
affixed to the Software or documentation. The Government’s rights in Software and
documentation shall be only those set forth in this Agreement.
SAS Institute Inc., SAS Campus Drive, Cary, North Carolina 27513-2414.
2016 年 9 月
2017 年 2 月
SAS® and all other SAS Institute Inc. product or service names are registered trademarks or
trademarks of SAS Institute Inc. in the USA and other countries. ® indicates USA registration.
Other brand and product names are trademarks of their respective companies.
SAS software may be provided with certain third-party software, including but not limited
to open-source software, which is licensed under its applicable third-party software license
agreement. For license information about third-party software distributed with SAS
software, refer to http://support.sas.com/thirdpartylicenses.
技术许可声明
• Scintilla - Copyright © 1998-2014 by Neil Hodgson <neilh@scintilla.org>.
All Rights Reserved.
Permission to use, copy, modify, and distribute this software and its documentation for
any purpose and without fee is hereby granted, provided that the above copyright
notice appear in all copies and that both that copyright notice and this permission
notice appear in supporting documentation.
NEIL HODGSON DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS SOFTWARE, INCLUDING
ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN NO EVENT SHALL NEIL
HODGSON BE LIABLE FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY
DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF OR IN
CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
• Telerik RadControls: Copyright © 2002-2012, Telerik. Usage of the included Telerik

RadControls outside of JMP is not permitted.
• ZLIB Compression Library - Copyright © 1995-2005, Jean-Loup Gailly and Mark Adler.
• Made with Natural Earth. Free vector and raster map data @ naturalearthdata.com.
• Packages - Copyright © 2009-2010, Stéphane Sudre (s.sudre.free.fr). All rights reserved.
Redistribution and use in source and binary forms, with or without modification, are
permitted provided that the following conditions are met:
Redistributions of source code must retain the above copyright notice, this list of
conditions and the following disclaimer.
Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and/or other materials
provided with the distribution.
Neither the name of the WhiteBox nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior written
permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS “AS IS“ AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR
ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS
OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE,
EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
• iODBC software - Copyright © 1995-2006, OpenLink Software Inc and Ke Jin

(www.iodbc.org). All rights reserved.
‒ Redistributions of source code must retain the above copyright notice, this list of
‒ Redistributions in binary form must reproduce the above copyright notice, this list
of conditions and the following disclaimer in the documentation and/or other
materials provided with the distribution.
‒ Neither the name of OpenLink Software Inc. nor the names of its contributors may
be used to endorse or promote products derived from this software without specific
prior written permission.
DISCLAIMED. IN NO EVENT SHALL OPENLINK OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT,
INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING,
BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF
LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR
OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF
THE POSSIBILITY OF SUCH DAMAGE.
• bzip2, the associated library “libbzip2“, and all documentation, are Copyright ©
1996-2010, Julian R Seward. All rights reserved.
Redistributions of source code must retain the above copyright notice, this list of
The origin of this software must not be misrepresented; you must not claim that you
wrote the original software. If you use this software in a product, an acknowledgment
in the product documentation would be appreciated but is not required.
Altered source versions must be plainly marked as such, and must not be
misrepresented as being the original software.
The name of the author may not be used to endorse or promote products derived from
this software without specific prior written permission.
THIS SOFTWARE IS PROVIDED BY THE AUTHOR “AS IS“ AND ANY EXPRESS OR IMPLIED
WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF
MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO
EVENT SHALL THE AUTHOR BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR
BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER
IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING
IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.
• R software is Copyright © 1999-2012, R Foundation for Statistical Computing.

• MATLAB software is Copyright © 1984-2012, The MathWorks, Inc. Protected by U.S.
and international patents. See www.mathworks.com/patents. MATLAB and Simulink
are registered trademarks of The MathWorks, Inc. See
www.mathworks.com/trademarks for a list of additional trademarks. Other product or
brand names may be trademarks or registered trademarks of their respective holders.
• libopc is Copyright © 2011, Florian Reuter. All rights reserved.
‒ Redistributions of source code must retain the above copyright notice, this list of
‒ Redistributions in binary form must reproduce the above copyright notice, this list
of conditions and the following disclaimer in the documentation and/or other
materials provided with the distribution.
‒ Neither the name of Florian Reuter nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior
written permission.
DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR
ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
• libxml2 - Except where otherwise noted in the source code (e.g. the files hash.c, list.c
and the trio files, which are covered by a similar licence but with different Copyright
notices) all the files are:
Copyright © 1998 - 2003 Daniel Veillard. All Rights Reserved.
Permission is hereby granted, free of charge, to any person obtaining a copy of this
software and associated documentation files (the “Software“), to deal in the Software
without restriction, including without limitation the rights to use, copy, modify, merge,
publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons
to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or
substantial portions of the Software.
THE SOFTWARE IS PROVIDED “AS IS“, WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS
FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL DANIEL
VEILLARD BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN
ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION
WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
Except as contained in this notice, the name of Daniel Veillard shall not be used in
advertising or otherwise to promote the sale, use or other dealings in this Software
without prior written authorization from him.
• Regarding the decompression algorithm used for UNIX files:
Copyright © 1985, 1986, 1992, 1993
The Regents of the University of California. All rights reserved.
THIS SOFTWARE IS PROVIDED BY THE REGENTS AND CONTRIBUTORS “AS IS“ AND ANY
EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
DISCLAIMED. IN NO EVENT SHALL THE REGENTS OR CONTRIBUTORS BE LIABLE FOR ANY
DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
1. Redistributions of source code must retain the above copyright notice, this list of
2. Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and/or other materials
3. Neither the name of the University nor the names of its contributors may be used to
endorse or promote products derived from this software without specific prior written
permission.
• Snowball - Copyright © 2001, Dr Martin Porter, Copyright © 2002, Richard Boulton.
All rights reserved.
1. Redistributions of source code must retain the above copyright notice, this list of
2. Redistributions in binary form must reproduce the above copyright notice, this list of
conditions and the following disclaimer in the documentation and / or other materials
3. Neither the name of the copyright holder nor the names of its contributors may be
used to endorse or promote products derived from this software without specific prior
written permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND
CONTRIBUTORS \"AS IS\" AND ANY EXPRESS OR IMPLIED WARRANTIES,
INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF
MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
DISCLAIMED.IN NO EVENT SHALL THE COPYRIGHT HOLDER OR
CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES(INCLUDING, BUT NOT
LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF
USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED
AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT(INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN
ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
POSSIBILITY OF SUCH DAMAGE.
目录
1 了解 JMP
文档和其他资源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
格式规范 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
JMP 文档 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
JMP 文档库 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
JMP 帮助 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
学习 JMP 的其他资源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
教程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
样本数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
学习统计和 JSL 术语 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
学习 JMP 技巧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
工具提示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
JMP 用户社区 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
JMPer Cable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
用户编写的 JMP 手册 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
“JMP 起始页”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
技术支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2 质量和过程方法介绍
过程和产品改进工具 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 控制图生成器
以交互方式创建控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
“控制图生成器”概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
“控制图生成器”示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
控制图类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Shewhart 计量控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Shewhart 计数控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
稀有事件控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10 质量和过程方法
控制图类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
启动 “控制图生成器” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
“控制图生成器”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
“控制图生成器”选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
红色小三角菜单选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
选项面板和右击图表选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
右击轴选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
从数据表检索限值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
排除和隐藏的样本 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
“控制图生成器”的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
均值和 R 图阶段示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
p 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
np 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
c 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
u 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
g 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
t 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
“控制图生成器”平台的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
均值图和 R 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
均值图和 S 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
单个测量值图和移动极差图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
p 图和 np 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
u 图和 c 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Levey-Jennings 图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
g 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
t 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4 Shewhart 控制图
创建计量控制图和计数控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
“控制图”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
“控制图”平台示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Shewhart 控制图类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
计量控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
计数控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
质量和过程方法 11
启动 “控制图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
过程信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
图表类型信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
限值指定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
指定的统计量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
控制图报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
“控制图”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
控制图窗口选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
单个控制图选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
保存和检索限值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
排除、隐藏和删除的样本 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
“控制图”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
运行图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
均值图和 R 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
具有不同子组大小的均值图和 S 图的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
单个测量值和移动极差图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
p 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
np 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
c 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
u 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
UWMA 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
EWMA 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
预先汇总图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
阶段示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
“控制图”平台的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
中位数移动极差图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
UWMA 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
EWMA 图的控制限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5 累积和控制图
检测过程均值中的小偏移 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
CUSUM 控制图概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
CUSUM 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
启动 “CUSUM 控制图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
CUSUM 控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

解释双侧 CUSUM 图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
解释单侧 CUSUM 图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
“CUSUM 控制图”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
单侧 CUSUM 图的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
CUSUM 控制图的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
单侧 CUSUM 图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
双侧 CUSUM 图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6 多元控制图
同时监控多个过程特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
多元控制图概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
多元控制图的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
步骤 1：确定过程是否稳定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
步骤 2：保存目标统计量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
步骤 3：监控过程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
启动 “多元控制图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
多元控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
“多元控制图”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
T 方已分割 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
变点检测 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
主成分 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
多元控制图的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
监控使用子组数据的过程的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
“T 方已分割”的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
“变点检测”的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
多元控制图的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
单个观测的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
合理子组中观测的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
变点检测的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7 测量系统分析
使用 EMP 方法评估连续测量过程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
“测量系统分析”概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
“测量系统分析”的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
启动 “测量系统分析”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
“测量系统分析”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
平均图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
极差图或标准差图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
EMP 结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
有效分辨率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
偏移检测刻画器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
偏倚比较 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
复测误差比较 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
“测量系统分析”的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
“测量系统分析”的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8 变异性量具图
使用量具 R&R 评估连续测量过程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
变异性图概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
变异性图的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
启动 “变异性 / 计数量具图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
变异性量具图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
“变异性量具”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
方差非齐性检验 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
方差分量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
关于 “量具 R&R 方法” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
“量具 RR”选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
分辨力比 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
误分类概率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
偏倚报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
线性研究 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
变异性图的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
方差非齐性检验的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
“偏倚报表”选项的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
变异性图的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
方差分量的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
分辨力比的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
9 计数量具图
使用一致性测量评估分类测量过程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
计数量具图概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
计数量具图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
启动 “变异性 / 计数量具图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
计数量具图和报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
一致性报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
有效性报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
“计数量具”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
计数量具图的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
一致性报表的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
10 过程能力
测量随时间推移过程的变异性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
“过程能力”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
示例：包含正态变量的 “过程能力”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
示例：包含非正态变量的 “过程能力”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
启动 “过程能力”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
过程选择 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
过程子组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
历史信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
分布选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
其他指定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
输入规格限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
“规格限”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
限值数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
规格限列属性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
过程能力报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
目标图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
能力箱线图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
能力指标图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
“过程能力”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
单项详细报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
标准化箱线图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
汇总报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
制作目标图汇总表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
“过程能力”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
稳定过程的过程能力 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
不稳定过程的过程能力 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
模拟非正态过程 Ppk 的置信限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
“过程能力”平台的统计详细信息 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
变异统计量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
用于目标图和能力箱线图的符号 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
目标图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
缺失目标的过程的能力箱线图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
正态分布的能力指标 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
非正态分布的能力指标：百分位数和 Z 得分方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
分布的参数化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
11 能力分析
评估过程满足规格的能力 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
“能力”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
启动 “能力”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
输入规格限 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
“规格限”窗口 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
限值数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
规格限列属性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
能力报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
目标图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
能力箱线图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
“能力”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
标准化箱线图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
制作汇总表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
能力指标报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
单项详细报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
12 Pareto 图
着重关注重要少数的改善 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
“Pareto 图”平台概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
“Pareto 图”平台示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256

启动 “Pareto 图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Pareto 图报表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
“Pareto 图”平台选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
原因选项 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
“控制图”平台的更多示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
合并原因阈值的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
使用组间常数大小的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
使用组间非常数样本大小的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
单因子比较 Pareto 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
双因子比较 Pareto 图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
13 因果图
确定根本原因 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
因果图概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
因果图示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
准备数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
启动 “关系图”平台 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
因果图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
右击菜单 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
保存关系图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
将关系图另存为数据表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
将关系图另存为记录 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
将关系图另存为脚本 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
A 参考文献
索引
质量和过程方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
第1章
了解 JMP
文档和其他资源
本章包括以下信息：
• 手册规范
• JMP 文档
• JMP 帮助
• 其他资源，例如：
‒ 其他 JMP 文档
‒ 教程
‒ 索引
‒ Web 资源
‒ 技术支持选项
18 了解 JMP 第1章
格式规范质量和过程方法
格式规范
以下规范有助于将书面材料与您在屏幕上看到的信息相联系：
• 样本数据表名称、列名、路径名称、文件名、文件扩展名和文件夹采用 Helvetica 字体显示。
• 代码以 Lucida Sans Typewriter 字体显示。
• 代码输出以 Lucida Sans Typewriter 斜体字体显示，并且相对于之前的代码缩进显示。
• Helvetica 粗体格式表示为了完成某个任务而选择的项：
‒ 按钮
‒ 复选框
‒ 命令
‒ 可供选择的列表名称
‒ 菜单
‒ 选项
‒ 选项卡名称
‒ 文本框
• 下列项采用楷体字体显示：
‒ 重要的或具有特定 JMP 定义的字词
‒ 手册标题
• 下列项采用斜体显示：
‒ 变量
‒ 脚本输出
• 仅适用于 JMP Pro 的功能使用 JMP Pro 图标加以注释。对于 JMP Pro 功能概述，请访
问 http://www.jmp.com/software/pro/ 。
注意：特殊信息和适用的局限性将在 “注意”中显示。
提示：实用信息将在 “提示”中显示。
第1章了解 JMP 19
质量和过程方法 JMP 文档
JMP 文档
JMP 提供各种格式的文档，包括印刷手册、可移植文档格式 (PDF) 以及电子书 (e-books)。
• 可以从帮助 > 手册菜单打开 PDF 版本。
• 为了方便搜索，所有的手册也同时被整合到一个 PDF 文件中，即 JMP 文档库。可以从帮助 >
手册菜单中打开 JMP 文档库 PDF 文件。
• 您还可以在 SAS 网站上购买印刷文档和电子书：
http://www.sas.com/store/search.ep?keyWords=JMP
JMP 文档库
下表说明了 JMP 库中每本手册的用途和内容。
文档标题文档用途文档内容
发现 JMP 若您不熟悉 JMP，则从介绍 JMP 以及指导如何创建和分析数据。

该文档开始学习。
使用 JMP 了解 JMP 数据表以及如涵盖了贯穿整个 JMP 的常规 JMP 概念和

何执行基本操作。功能，包括导入数据、修改列属性、数据
排序以及连接至 SAS。
基本分析使用该文档执行基本介绍以下 “分析”菜单平台：

分析。
• 分布
• 以 X 拟合 Y
• 制表
• 文本分析器
涵盖如何通过 “分析” > “以 X 拟合 Y”
执行二元分析、单因子方差分析和列联分
析。还包括如何使用 Bootstrapping 来近
似估计抽样分布以及如何使用 “模拟”平
台执行参数再抽样。
JMP 文档质量和过程方法
基本绘图为您的数据找到最理想介绍以下 “图形”菜单平台：

的图形展示方法。
• 图形生成器
• 叠加图
• 三维散点图
• 等高线图
• 气泡图
• 平行图
• 方格图
• 矩形树图
• 散点图矩阵
• 三元图
• 图表
手册还涵盖如何创建背景地图和定制地图。
刻画器指南学习如何使用交互式刻涵盖 “图形”菜单中列出的所有刻画器。

画工具，它们可以让您还包括了对噪声因子的分析以及使用随机
查看任何响应曲面的横输入运行模拟。
截面。
实验设计指南学习如何设计实验和确涵盖 “实验设计”菜单和 “分析” > “专

定适当的样本大小。业建模”菜单中的 “专业实验设计模型”
菜单项中的所有主题。
拟合线性模型学习 “拟合模型”平台介绍以下特质，它们都位于 “分析”菜单

及其许多特质。 “拟合模型”平台中：
• 标准最小二乘
• 逐步
• 广义回归
• 混合模型
• 多元方差分析
• 对数线性方差
• 名义型 Logistic
• 有序型 Logistic
• 广义线性模型
预测和专业建模学习其他建模技巧。介绍以下“分析”>“预测建模”菜单平台：

• 建模工具
• 神经
• 分割
• Bootstrap 森林法
• 提升树
• K 最近邻
• 朴素 Bayes
• 模型比较
• 公式存储库
介绍以下“分析”>“专业建模”菜单平台：
• 拟合曲线
• 非线性
• 高斯过程
• 时间序列
• 配对
介绍以下 “分析” > “筛选”菜单平台：
• 响应筛选
• 过程筛选
• 预测变量筛选
• 关联分析
实验设计指南中对“分析”>“专业建模”>
“专业实验设计模型”菜单中的平台进行
了说明。
JMP 文档质量和过程方法
多元方法获悉同时分析多个变量介绍以下“分析”>“多元方法”菜单平台：

的技巧。
• 多元
• 主成分
• 判别
• 偏最小二乘
介绍以下 “分析” > “聚类”菜单平台：
• 层次聚类
• K 均值聚类
• 正态混合
• 潜在类分析
• 聚类变量
质量和过程方法了解用于评估和改进过介绍以下 “分析” > “质量和过程”菜单

程的工具。平台：
• 控制图生成器和单个控制图
• 测量系统分析
• 变异性 / 计数量具图
• 过程能力
• Pareto 图
• 关系图
可靠性和生存方法学习评估和改进产品或介绍以下 “分析” > “可靠性和生存”菜

系统的可靠性以及分析单平台：
人或产品的生存数据。
• 寿命分布
• 以 X 拟合寿命
• 累积损坏
• 复发分析
• 退化和破坏性退化
• 可靠性预测
• 可靠性增长
• 可靠性方框图
• 可修复系统模拟
• 生存
• 拟合参数生存
• 拟合比例风险
消费者研究学习研究消费者偏好的介绍以下 “分析” > “消费者研究”菜单

方法以及如何通过获得平台：
的洞察力创造更好的产
• 分类
品和服务。
• 多重对应分析
• 多维尺度化
• 因子分析
• 选择
• MaxDiff
• 提升
• 项目分析
Scripting Guide 学习如何使用功能强大涵盖多方面主题，例如编写和调试脚本、
的 JMP 脚本语言 (JSL)。操作数据表、构造显示框以及创建 JMP 应
用程序。
JSL Syntax Reference 获悉许多 JSL 函数及其包括 JSL 命令的语法、示例和注释。
变元和发送至对象和显
示框的消息。
学习 JMP 的其他资源质量和过程方法
注意：手册菜单还包含两个可打印的参考卡：菜单卡介绍 JMP 菜单，快速参考介绍 JMP 键盘

快捷方式。
JMP 帮助
“JMP 帮助”是文档库的缩略版本，提供针对性信息。打开 “JMP 帮助”有以下几种方式：

• 在 Windows 系统中，按 F1 键可打开 “帮助”系统窗口。
• 获取有关数据表或报表窗口特定部分的帮助。从工具菜单选择 “帮助”工具，然后点击
数据表或报表窗口中的任意位置，查看该部分的帮助。
• 在 JMP 窗口中，点击帮助按钮。
• 在 Windows 中，使用帮助 > 帮助内容、搜索帮助和帮助索引选项搜索和查看 JMP 帮助。在
Mac 中，选择帮助 > JMP 帮助。
学习 JMP 的其他资源
除了 JMP 文档和 “JMP 帮助”外，还可以使用以下资源学习 JMP：
• 教程（请参见第 24 页的 “教程”）
• 样本数据（请参见第 25 页的 “样本数据表”）
• 索引（请参见第 25 页的 “学习统计和 JSL 术语”）
• 今日提示（请参见第 25 页的 “学习 JMP 技巧”）
• Web 资源（请参见第 26 页的 “JMP 用户社区”）
• JMPer Cable 技术出版物（请参见第 26 页的 “JMPer Cable”）
• 有关 JMP 的手册（请参见第 26 页的 “用户编写的 JMP 手册”）
• JMP 起始页（请参见第 26 页的 ““JMP 起始页”窗口”）
• 教学资源（请参见第 25 页的 “样本数据表”）
教程
可以选择帮助 > 教程来访问 JMP 教程。教程菜单中的第一项是教程目录。这将打开一个新的窗
口，其中包含按类别分组的所有教程。
若您不熟悉 JMP，则从初学者教程开始。它分步介绍了 JMP 界面并解释了使用 JMP 的基本操作。
其余教程有助于您了解 JMP 的特定方面，例如设计实验以及将样本均值与常数比较。
质量和过程方法学习 JMP 的其他资源
样本数据表
JMP 文档系列中的所有示例使用的都是样本数据。选择帮助 > 样本数据库以打开样本数据目录。
要查看按字母顺序列出的样本数据表或查看不同分类下的样本数据，选择帮助 > 样本数据。
样本数据表安装在以下目录：
在 Windows 上：C:\Program Files\SAS\JMP\13\Samples\Data
在 Macintosh 上：\Library\Application Support\JMP\13\Samples\Data
在 JMP Pro 中，样本数据安装在 JMPPRO （而不是 JMP）目录中。在 JMP 的拆封许可版中，
样本数据安装在 JMPSW 目录中。
要查看使用样本数据的示例，选择帮助 > 样本数据并导航到 “教学资源”部分。要了解教学资
源的更多信息，请访问 http://jmp.com/tools 。
学习统计和 JSL 术语
帮助菜单包含以下索引：
统计索引提供统计术语定义。
脚本索引使您可以搜索有关 JSL 函数、对象和显示框的信息。您还可以从 “脚本索引”编辑
和运行样本示例。
学习 JMP 技巧
首次启动 JMP 时会看到 “今日提示”窗口。该窗口提供使用 JMP 的一些小技巧。

要关闭 “今日提示”，清除启动时显示提示复选框。要再次查看它，请选择帮助 > 今日提示。
或者可以使用 “首选项”窗口将其关闭。详细信息，请参见《使用 JMP》手册。
工具提示
若您将光标放置在下列项之上， JMP 会提供说明性工具提示：
• 菜单或工具栏选项
• 图形中的标签
• 报表窗口中的文本结果（在结果上以圆圈的方式移动光标可显示提示）
• “主窗口”中的文件或窗口
• “脚本编辑器”中的代码
提示：在 Windows 上，可在 “JMP 首选项”中隐藏工具提示。选择文件 > 首选项 > 常规，然

后取消选择显示菜单提示。在 Macintosh 上该选项不可用。
技术支持质量和过程方法
JMP 用户社区
“JMP 用户社区”提供了多种途径，帮助您更好地学习 JMP 以及与其他 JMP 用户建立联系。学

习资源库包含一页的指南、教程和演示，您可以从这里入手开始学习。之后您可以注册各种 JMP
培训课程以获得 JMP 进阶学习。
其他资源包括论坛、文件交换库（样本数据，脚本等）、网络学习视频以及社交网络小组等。
要访问网站上的 JMP 资源，选择帮助 > JMP 用户社区或访问 https://community.jmp.com/ 。
JMPer Cable
JMPer Cable 是面向 JMP 用户的年度技术出版物。您可以从以下 JMP 网站获取 JMPer Cable：
http://www.jmp.com/about/newsletters/jmpercable/
用户编写的 JMP 手册
您可以从以下 JMP 网站获取 JMP 用户编写的有关使用 JMP 的其他手册：

http://www.jmp.com/en_us/software/books.html
“JMP 起始页”窗口
若您不熟悉 JMP 或数据分析，可以从 “JMP 起始页”窗口开始操作。在该窗口中，各种选项进

行了分类并伴有说明，通过点击按钮即可启动。“JMP 起始页”窗口包括分析、图形、表和文件
菜单中的许多选项。该窗口还列出 JMP Pro 功能和平台。
• 要打开 “JMP 起始页”窗口，请选择视图（在 Macintosh 中选择窗口） > JMP 起始页。
• 在 Windows 中，要在打开 JMP 时自动显示 “JMP 起始页”，请选择文件 > 首选项 > 常规，
然后从“初始 JMP 窗口”列表中选择 JMP 起始页。在 Macintosh 中，选择 JMP > 首选项 >
初始 JMP 起始页窗口。
技术支持
JMP 技术支持由在 SAS 和 JMP 接受过培训的统计学家和工程师提供，其中很多人具有统计学
或其他技术学科的研究生学位。
许多技术支持选项在 http://www.jmp.com/support 中提供，包括技术支持电话。
第2章
质量和过程方法介绍
过程和产品改进工具
本手册介绍 JMP 中提供的一些方法和工具，用来帮助您评价和改进质量和过程性能：

• 控制图对关键变量提供反馈，并显示过程何时处在受控或失控状态。第 3 章，“控制图生成
器”和第 4 章，“Shewhart 控制图”介绍了用来创建控制图的 JMP 方法，包括一个称为“控
制图生成器”的交互式控制图平台。若您需要检测过程中的较小偏移或同时监控多个过程特
征，请分别参见第 5 章，“累积和控制图”和第 6 章，“多元控制图”。
• “测量系统分析”平台评估系统的精确性、一致性和偏倚。对某个过程开展研究之前，您需
要确保能够精准地测量该过程。若变异源自过程本身，您将无法可靠地了解该过程。使用该
分析可查明系统当前的性能。详细信息，请参见第 7 章，“测量系统分析”。
• “变异性 / 计数量具图”平台创建变异性或计数量具图。变异性图分析连续测量值并展示系
统当前的性能。计数图分析分类测量值并为您显示各响应之间的一致性测量。您还可以执行
量具研究，查看数据中的变异测量。详细信息，请分别参见第 8 章，“变异性量具图”和第
9 章，“计数量具图”。
• “过程能力”平台测量过程是否能够满足规格限要求。您可以将按过程中心化和变异性汇总
的过程性能与规格限相比较。平台基于长期和短期变异计算能力指标。该分析可帮助标识相
对于规格的变异，使合格值持续增加。详细信息，请参见第 10 章，“过程能力”。
• “能力分析”平台（位于 “分布”平台中）确定过程是否能够满足规格限要求。该平台允许
您将过程与特定容差相比较。详细信息，请参见第 11 章，“能力分析”。
• “Pareto 图”平台显示在与质量相关的过程或操作中问题出现的频率。Pareto 图可通过突出
显示问题的频率和严重性，帮助您决定要首先解决的问题。详细信息，请参见第 12 章，
“Pareto 图”。
• “关系图”平台构造因果图，可通过对问题根源加以整理执行头脑风暴，或作为初步分析以
标识变量，为进一步实验做准备。一旦完成，即可执行进一步分析以找出问题的根本原因。
详细信息，请参见第 13 章，“因果图”。
28 质量和过程方法介绍第2章
图 2.1 “质量和过程方法”示例
第3章
控制图生成器
以交互方式创建控制图
控制图是一种用于监控过程变异的图形化分析工具。使用 “控制图生成器”可创建过程数据的
控制图。选择您要绘图的变量并将其拖入工作区。 JMP 会基于数据自动选择适当的图表类型。
即时反馈有助于进一步探索数据。您可以改变想法，快速创建另一种图，也可以更改现有图的
当前设置。
图 3.1 “控制图生成器”示例
30 控制图生成器第3章
“控制图生成器”概述质量和过程方法
“控制图生成器”概述
控制图是过滤掉过程中的常规变异的一种图形化方式。过滤掉常规变异可帮助生产商和其他企
业确定某个过程是否稳定且可预测。若变异超出常规范围，则可以调整该过程，以更低成本生
产出更高质量的产品。
这一版本的 JMP 继续对控制图方法进行改进。我们逐渐过渡到一个称为 “控制图生成器”的一
体化交互式工作区。“控制图生成器”支持您创建若干类型的控制图（Shewhart 计量、
Shewhart 计数和稀有事件），旨在成为用于解决问题和过程分析的交互式工具。Shewhart 控制
图可大致划分为计量控制图和计数控制图两大类。稀有事件图适用于出现频率过低，以至于无
法适用传统图的事件。
要使用 “控制图生成器”，您无需事先了解特定图表的名称。将某个数据列拖至工作区后，“控
制图生成器”将基于数据类型和样本大小创建合适的图表。一旦创建基本图表，即可使用菜单
和其他选项来执行以下操作：
• 更改图表类型。您可以在计数图、计量图和稀有事件图之间切换，而无需重新启动该平台。
• 更改图表上的统计量。您可以添加、删除和切换变量，而无需重新启动该平台。
• 设置图表格式并创建由多个 X 变量定义的子组。
• 添加其他图表，包括三合一图：子组均值、子组内变异和子组间变异。
“控制图生成器”示例
本例使用 Socket Thickness.jmp 样本数据表，其中包含插座厚度的测量值。生产过程中的缺陷
数呈上升趋势，所以您想要调查原因。使用 “控制图生成器”可调查数据中的变异以及过程是
否受控。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Socket Thickness.jmp。
2. 选择分析 > 质量和过程 > 控制图生成器。
3. 将厚度拖至 Y 区域。
4. 将小时拖至子组区域（位于底部）。
第3章控制图生成器 31
质量和过程方法 “控制图生成器”示例
图 3.2 插座厚度控制图
通过查看平均图，您可以发现有若干点位于下控制限 7.788772 下方。您想要查看是否有其他

变量导致了该问题。
5. 将插座孔拖入阶段区域。
图 3.3 每个插座孔的控制图
控制图类型质量和过程方法
从平均图中，您可以得到以下结论：
• 插座孔之间存在差异，每个插座孔都应该有单独的控制限。
• 插座孔 1 生产的插座的平均厚度较高，指示值得对插座孔之间的差异进行进一步调查。
• 所有插座孔都有位于控制限之外的点。因此，您应该为每个插座孔调查数据中为何缺乏控制。
每个插座孔的极差图显示子组内测量值处在受控状态。
控制图类型
“控制图生成器”(CCB) 支持您创建若干类型的控制图（Shewhart 计量、Shewhart 计数和稀有
事件）。要创建图表，您无需事先了解特定图表的名称或结构。选择您要绘图的变量（或列），
然后将其拖放到工作区中。将某个数据列拖至工作区后，“控制图生成器”将基于数据类型和样
本大小创建合适的图表。一旦创建基本图表，即可使用菜单和其他选项来更改该图表的类型、统
计量和格式。
Shewhart 计量控制图
计量控制图根据在图上标绘的子组汇总统计量来分类。
• 均值图显示子组均值（平均值）
• R 图显示子组极差（最大值 – 最小值）
• S 图显示子组标准差
• 预先汇总图显示子组均值和标准差
• 单个测量值图显示单个测量值
• 移动极差图显示两个相继测量值的移动极差
均值图、 R 图和 S 图
对于在连续尺度上测量的质量特征，典型分析会显示出过程均值及其变异性，并且会有一个均
值图在其对应的 R 图或 S 图上方对齐。
单个测量值图
单个测量值图显示单个测量值。单个测量值图适用于每个子组样本仅有一个测量值的情况。若
绘制的是单个测量值，则单个测量值图显示在其对应的移动极差图上方。移动极差图显示两个
相继测量值的移动极差。
预先汇总图
若您的数据由同一过程单位的重复测量值构成，则可以将这些测量值合并为该单位的一个测量
值。除非数据中的每个过程或测量单位都有重复的测量值，否则不推荐使用预先汇总。
质量和过程方法控制图类型
通过预先汇总，可基于所选的样本大小或样本标签将过程列汇总到样本均值和 / 或标准差中。然
后基于在该窗口中所选的选项绘制汇总数据。
Levey-Jennings 图
Levey-Jennings 图显示显示过程均值，以及基于长期 sigma 的控制限。控制限位于距离中心线

3s 远的位置。Levey-Jennings 图的标准差 s 计算方法与“分布”平台中的标准差计算方法相同。
Shewhart 计数控制图
在之前的各种图中，测量值数据均为过程变量。该数据往往是连续的，所以这些图基于适用于
连续数据的原理。另一种类型的数据是计数数据或特征数据的水平计数，其中关注的变量是每
个子组的缺陷数或瑕疵数的离散计数。离散计数数据适用计数图，因为这些数据基于二项模型
和 Poisson 模型。由于是按子组来测量计数，所以在比较各图时，确定各图之间的子组中项数是
否相似这点很重要。计数图和计量图一样，按照在图上标绘的子组样本统计量来分类。
表 3.1 计数图确定
统计量
Sigma 比例计数
二项 p图 np 图
Poisson u图 c图
CCB 根据选定的变量为您做出一些决定。例如，若没有 X 变量，最初就会创建 c 图，因为没有

其他方法来估计二项分布。一旦添加了 X 变量（或批大小），该平台将切换为 np 图（若每个
子组的计数小于子组样本大小）。一旦创建基本图表，即可使用菜单和其他选项来更改该图表的
类型、统计量和格式。
• p 图显示子组样本（大小可能会发生变化）中不合格（缺陷）项的比例。由于 p 图的每个子
组都包含 Ni 项，而且任一项若非合格即为不合格，所以子组中的不合格项的最大数目为 Ni。
• np 图显示子组样本中不合格（缺陷）项的数目。由于 np 图的每个子组都包含 Ni 项，而且
任一项若非合格即为不合格，所以子组 i 中的不合格项的最大数目为 Ni。
• c 图显示子组样本（通常但不一定总是包含一个检查单位）中不合格项（缺陷项）的数目。
• u 图显示在可能包含不同数目检查单位的子组样本中，每个单位的不合格项（缺陷项）的数目。
稀有事件控制图
稀有事件图是为数据来自稀有事件的过程提供相关信息的控制图。用传统控制图来跟踪记录不
常发生的过程往往是无效的。稀有事件图专门设计用于响应稀有事件情形中的控制图限制。“控
制图生成器”提供两种稀有事件图（g 图和 t 图）。
g 图用来计算较少发生的错误或不合格事件之间的事件数，并创建随时间推移的过程图。每个点
都表示相对稀少的事件各次出现之间的单位数。例如，在某个每天都生产的物品的生产环境中，
可能会遇到意外生产线故障。您可以使用 g 图查看在各次生产线故障之间生产的单位数。此类
数据的传统图对解释控制图毫无帮助；而 g 图可帮助以传统控制图形式直观演示此类数据。
t 图可测量自上次事件后经过的时间，并创建随时间推移的过程图。该图上的每个点都表示自上
次出现的稀有事件之后经过的时间。此类数据的传统图可能在 0 处包含许多点，在 1 处偶尔有
个点。 t 图可避免将许多点标记为失控。 t 图可帮助标识特殊和一般原因变异，这样便于作出适
当的改进。
t 图可用于数值型非负数据、日期 / 时间数据和间隔时间数据：
• 数值型非负数据包含事件之间的间隔数。间隔数可以是连续的，也可以是整数值。
• 日期 / 时间数据包含每个事件的日期和时间记录。每个数据值必须大于或等于前一个值。
• 间隔时间数据（也称为耗用时间数据）代表事件 i 与事件 i-1 之间经过的时间。
和 g 图一样， t 图用于检测不良事件发生率的变化。读取 t 图时，上控制限上方的点指示事件之
间的时间延长了。所以，事件发生率下降了。下控制限下方的点指示不良事件发生率提高了。
由于为这些图测量时间的方式不同，一个关键的差异是限值上方标记为失控的点通常被视为可
取效应，因为它代表着事件之间的时间显著增加。g 图与 t 图之间的差异在于用于测量事件之间
距离的尺度。 g 图使用离散尺度，而 t 图使用连续尺度。
表 3.2 稀有事件图确定
统计量
Sigma 计数
负二项 g图
Weibull t图
控制图类型
最常见的控制图位于 “控制图生成器”和 “控制图”平台中。首选 “控制图生成器”，使用它
可轻松快捷地生成图表。 JMP 会基于数据自动选择适当的图表类型。表 3.3 - 表 3.7 汇总了各种
控制图类型。
质量和过程方法控制图类型
表 3.3 不带分组 (X) 变量或非汇总数据的计量图
图表类型 “控制图生成器”选项
点 > 统计量限值 > Sigma
单值单值移动极差
基于单值的移动极差移动极差移动极差

Levey Jennings 单值 Levey Jennings
表 3.4 带分组 (X) 变量或汇总数据的计量图
均值（基于极差计算限值）平均值极差
均值（基于标准差计算限值）平均值标准差

R 极差极差
S 标准差标准差
Levey Jennings 单个测量值。控制限基于长 Levey Jennings 或总标准差
期 sigma 的估计值。
表 3.5 预先汇总图
基于组均值的单值平均值移动极差
基于组标准差的单值标准差移动极差
基于组均值的移动极差基于均值的移动极差移动极差
基于组标准差的移动极差基于标准差的移动极差移动极差

表 3.6 计数图
p图比例二项
np 图计数二项
c图计数 Poisson
u图比例 Poisson
表 3.7 稀有事件图
g图计数负二项
t图计数 Weibull
质量和过程方法启动 “控制图生成器”
启动 “控制图生成器”
通过选择分析 > 质量和过程 > 控制图生成器可启动 “控制图生成器”。
图 3.4 “控制图生成器”的初始窗口
要开始创建控制图，请将变量从选择列框拖入工作区。若将变量放置在中心位置， JMP 会根据

是连续变量还是分类变量来猜测其放置位置。“控制图生成器”包含以下区域：
Y 指定过程变量。
子组指定子组变量。要将子组水平定义为多列的组合，请将多个变量添加至子组区域。指定
某个子组变量后，控制图中的每个点都与该子组中所有点的某个汇总统计量相对应。
阶段指定阶段变量。指定某个阶段变量后，将为每个阶段计算单独的控制限。另见第 52 页的
“添加颜色以描绘阶段”。
“控制图生成器”的初始窗口包含以下按钮：
撤销撤销上次对该窗口所做的更改。
重新开始将窗口恢复为默认状态，这样会删除所有数据并清空所有区域。
完成隐藏按钮和选择列框，并删除所有拖放区外框。在这种适于演示的格式中，您可以将图
形复制到其他程序。要使窗口恢复为交互模式，请点击 “控制图生成器”红色小三角菜单
上的显示控制面板。
“控制图生成器”窗口质量和过程方法
依据标识变量，并为列中显示的每个值生成单独的分析。
Shewhart 计量 /Shewhart 计数 / 稀有事件允许您选择“Shewhart 计量”、“Shewhart 计数”
或 “稀有事件”控制图类型。若选择 “计数”图表类型，图上会显示 n 次试验框和区域。
n 次试验在选定计数控制图时指定批大小。在您选定 “计数”图表类型时显示。
新建 Y 图为在选择列框中选定的每一列生成当前图的副本。新图使用 Y 角色中的选定列。
将变量拖至图中后，其他按钮和选项会显示在屏幕左下角，可支持您显示、隐藏或切换图上的
项（请参见图 3.5）。其中许多功能（点、限值、警告）都与右击该图所提供的功能相同。详细
信息，请参考第 41 页的“选项面板和右击图表选项”。有关警告和规则的信息，请参见第 43 页
的 “检验”和第 46 页的 “Westgard 规则”。
三因子图支持您为计量图类型生成三因子图。子组大小必须大于 1。标绘的统计量基于子组平
均值、子组内变异或子组间变异。默认的一组三个图包括一个使用移动极差限值的平均值预
先汇总图、一个移动极差图和一个极差图。
事件选择器允许图表实时响应选择更改。提供几组公认的且预评分的标准响应（例如，及格
/ 不及格、是 / 否、李克特量表、合格 / 不合格，以及缺陷 / 无缺陷）。若分析的是某项调查
的结果，并且希望只专注于某方面的结果以解决一个或多个问题，则可以在屏幕上做出选
择，图表会立即重新评分并重新标绘。事件选择器可用于响应列的建模类型为名义型或有序
型的计数图。不会为建模类型为连续型的响应列显示 “事件选择器”。
“控制图生成器”窗口
该分析会生成一个图表，可用于确定某个过程是否处于统计控制状态中。报表随您选择的图表
类型而变化。控制图随着在数据表中添加或更改数据而动态更新。图 3.5 显示了 Bottle Tops.jmp
样本数据表的 “控制图生成器”窗口。
要创建图表，请执行以下步骤：
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Bottle Tops.jmp。
3. 将状态拖至 Y 区域。
4. 将样本拖至子组区域。
质量和过程方法 “控制图生成器”窗口
图 3.5 “控制图生成器”窗口
中心线上控制限和下控
制限
您可以将其他变量拖入不同区域以扩充分析，并使用 “ “控制图生成器”选项”进一步检查数
据。某些右击图表选项（例如，显示或隐藏点、限值、警告和区域；选择统计量和 sigma 选项）
也会显示在图表左侧以便于访问。
控制图具有以下特征：
• 图上标绘的每个点都代表单个过程测量值或汇总统计量。应该合理选择子组；也就是说，在
选择子组时，应该让在子组之间观测到真正的过程信号的概率最大化。
• 控制图的垂直轴尺度按照与汇总统计量相同的单位来调整。
• 控制图的水平轴标识子组样本并按照时间来排序。随时间推移观测过程对于评估过程是否在
变化非常重要。
绿线是中心线，即表示数据的平均值。当过程处于统计控制状态时，中心线指示汇总统计量的
平均值（期望值）。测量值应均匀分布在中心线两侧。如若不然，则很可能表明过程平均值发
生了变化。
• 两条红线分别为上控制限和下控制限，相应地标记为 “上控制限”和 “下控制限”。当过程
处于统计控制状态时，这些限值可给出汇总统计量期望的变异范围。若过程仅显示出常规变
异，则所有点都会随机散布在该范围内。
• 控制限之外的点指示存在特殊原因的变异。
使用 “控制图生成器”窗口中的选项可以创建控制图，使这些控制图随着接收和记录样本或是
随着向数据表添加样本而动态更新。当控制图指示异常变异时，应采取措施使过程恢复统计控
制状态。若异常变异指示过程有所改善，则应对变异原因进行研究和实践。
双击轴时会显示相应的 “轴规格”窗口，供您指定格式、坐标轴值、刻度数、网格线、参考线
和其他要显示的选项。
“控制图生成器”选项质量和过程方法
“控制图生成器”选项
“控制图生成器”选项显示在红色小三角菜单中，也可通过右击某个图或轴来显示。某些右击图
表选项也会显示在图表左下方以便于访问。您还可以通过选择文件 > 首选项 > 平台 > 控制图生
成器，设置 “控制图生成器”中许多选项的首选项。
红色小三角菜单选项
显示控制面板显示或隐藏以下元素：
‒ 按钮
‒ 选择列框
‒ 拖放区边框
显示限值汇总显示或隐藏 “限值汇总”报表。该报表显示图的控制限（下控制限和上控制
限）、中心线（平均值）、标绘的点和限值，以及样本大小。稀有事件图不显示样本大小。
显示能力（仅对其列具有 “规格限”列属性的 Shewhart 计量图可用。）显示或隐藏 “过程能
力分析”报表。有关“过程能力分析”报表的详细信息，请参见第204 页的“过程能力报表”。
获取限值检索存储在数据表中的控制限。
设置样本大小设置子组大小。计算限值和 sigma 时会考虑缺失值。
在列中保存限值将控制限另存为现有数据表中响应变量的列属性。该选项对阶段变量无效。
在新表中保存限值将控制限保存到响应变量的新数据表。
保存汇总创建新数据表，其中包含样本标签、样本大小、所标绘的统计量、中心线、控制限
以及任何检验、警告和失败之类的信息。包含在表中的特定统计量取决于图表类型。
包括缺失类别支持图形将含有缺失值的行收集到一个分类列中，并将这些缺失值在图形上显
示为单独类别。若禁用该选项，则不仅在图形中隐藏含有缺失 X 值的所有行，还会将这些
行从计算中删除。
该选项对于连续 X 变量或分类 Y 变量不可用，因为没有好的方式在相关轴上显示收集的缺
失值。默认情况下启用该选项。
注意：若启用了 “包括缺失类别”，则当分类 X 变量有缺失值时，“控制图生成器”中的能

力分析结果将不匹配 “过程能力”平台中的能力分析结果。
请参见《使用 JMP》手册中的 “JMP 报表”一章，获取有关下列选项的信息：

本地数据过滤器显示或隐藏本地数据过滤器，该过滤器使您可以过滤特定报表中使用的数据。
恢复包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中，“自动重新
计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本包含使您可以保存脚本的选项，该脚本可在多个指定位置重新生成报表。
质量和过程方法 “控制图生成器”选项
保存 “依据”组脚本包含使您可以保存脚本的选项，该脚本可在多个指定位置为 “依据”变

量的所有水平重新生成平台报表。仅当在启动窗口中指定 “依据”变量时才可用。
注意：列转换程序仅对具有两个或更少相关图表的单个 Y 变量可用。根据所选的图表类型，只
有适合 Y 角色的列才包含在列转换程序的列列表中。
注意：在控制图生成器中，默认情况下启用 “自动重新计算”选项，不能禁用它。
选项面板和右击图表选项
以下选项显示在图表左侧以便于访问，右击某个图表时也会显示这些选项。
点提供以下选项：
‒ 统计量更改在图上标绘的统计量。请参见第 42 页的 “统计量”。
‒ 单个点显示或隐藏子组中的单个观测。仅适用于子组变量或 “设置样本大小”。该选项
不适用于 “计数”图表类型或稀有事件图。
‒ 显示连接线显示点之间的连接线。
‒ 显示点显示或隐藏图上的点。
限值提供以下选项：
‒ Sigma 指定计算 sigma 的方法。请参见第 43 页的 “Sigma”。
‒ 区域显示或隐藏图上的区域。区域定义为均值两侧的一个、两个和三个 sigma 范围。“控
制图生成器”不会将一个区域延展到与另一个区域重叠。若限值不以均值为中心，则将
以 ( 上控制限 - 平均值 )/3 所得的值用作每个区域的宽度。不在下控制限下方或上控制限
上方绘制区域。仅适用于 “计量”和 “计数”图表类型。
‒ 规格限显示或隐藏图上的规格限。仅当数据表具有 “规格限”列属性时才显示。《使用
JMP》手册中的 “‘列信息’窗口”一章详细介绍如何添加该列属性。
‒ 设置控制限支持您输入用于检验的控制限。在 “设置控制限”窗口中点击确定后，在各
组间均匀设置指定的控制限。再次选择该选项可删除指定的控制限。
‒ 添加限值指定要在图上标绘的其他控制限。这些限值不用在检验中。
‒ 显示限值显示或隐藏图上的控制限。
‒ 显示中心线隐藏或显示图上的中心线。
添加散度图向图区域添加散度图。使用点选项更改图表类型。散度图可通过标绘众多散度形
式之一（包括极差、标准差或移动极差）来说明数据中的变异。仅适用于“计量”图表类型。
设置样本大小设置子组大小。计算限值和 sigma 时会考虑缺失值。
警告提供以下选项：
‒ 定制检验支持您设计定制检验，并同时选择或取消选择多个检验。选定该选项后，随即
显示 “定制检验”窗口，供您设计检验。选择检验说明，然后输入所需的编号 (n) 和标
签。您可以将设置保存到首选项中，也可以恢复默认设置。仅适用于 “计量”和 “计
数”图表类型。
‒ 检验支持您选择要启用的统计控制检验。有关检验的详细信息，请参见第 43 页的 “检
验”。仅适用于 “计量”和 “计数”图表类型。
注意：将光标移至图上某个标记点上方可查看失败检验的说明。
‒ Westgard 规则支持您选择要启用的 Westgard 统计控制检验。由于 Westgard 规则基于

sigma 而不是区域，所以可以在不考虑常数样本大小的情况下计算这些规则。有关检验
的详细信息，请参见第 46 页的 “Westgard 规则”。仅适用于 “计量”和 “计数”图表
类型。
‒ 检验超出界限支持对超出控制限的所有点进行检验。这些点标识在图上。该检验适用于
具有限值的所有图，不论样本大小是否相同。
删除图形删除控制图。适用于具有多个 Y 图表的控制图。
注意：有关行、图形、定制和编辑菜单的说明，请参见《使用 JMP》手册。
统计量
您可以更改图上各点所表示的统计量。可用选项取决于选定的图表类型。
对于 “计量”图表类型，您可以使用以下选项更改图上各点所表示的统计量：
单值创建一个图，其中每个点都表示数据表中的单个值。
平均值创建一个图，其中每个点都表示子组中的值的平均值。
极差创建一个图，其中每个点都表示子组中的值的极差。
标准差创建一个图，其中每个点都表示子组中的值的标准差。
基于均值的移动极差计算两个相邻子组均值之间的极差差值。
基于标准差的移动极差计算两个相邻子组标准差之间的极差差值。
移动极差创建一个图，其中每个点都是两个相邻观测之间的差值。
注意：仅当指定了样本大小大于 1 的子组变量或设置了样本大小时，“平均值”、“极差”、“标
准差”、“基于均值的移动极差”和 “基于标准差的移动极差”方法才会显示。
对于 “计数”图表类型，您可以使用以下选项更改图上各点所表示的统计量：
比例创建一个图，其中每个点都表示子组样本中的项比例。
计数创建一个图，其中每个点都表示子组样本中的项数。
对于 “稀有事件”图表类型，图上各点所表示的统计量使用以下选项：
计数创建一个图，其中每个点都表示子组样本中的项数。
Sigma
您可以更改计算图表 sigma 的方法。可用选项取决于选定的图表类型。

对于 “计量”图表类型，您可以使用以下选项：
极差使用子组中数据的极差估计 sigma。
标准差使用子组中数据的标准差估计 sigma。
移动极差使用移动极差估计 sigma。移动极差是两个相邻点之间的差值。
Levey-Jennings 使用所有观测的标准差估计 sigma。
对于 “计数”图表类型，您可以使用以下选项：
二项使用二项分布模型估计 sigma。该模型指示一系列实验中的成功次数，每次实验结果都
有一定的成功概率。选择 “二项”可生成 p 图或 np 图。
Poisson 使用 Poisson 分布模型估计 sigma。该模型指示事件数以及这些事件在给定时间间隔
内出现的时间。选择 Poisson 可生成 c 图或 u 图。
对于 “稀有事件”图表类型，您可以使用以下选项：
负二项使用负二项分布模型估计 sigma。该模型指示在达到指定的失败次数之前，一系列试
验中的成功次数。选择 “负二项”可生成 g 图。
Weibull 使用 Weibull 分布模型估计 sigma。该模型指示平均失败间隔时间。选择 Weibull 可
生成 t 图。
检验
右击菜单或窗口左侧中的警告选项显示检验选项的子菜单。您可以从菜单中选择一个或多个特
殊原因的检验（Western Electric 规则）。Nelson (1984) 制定了一种用于在控制图上标识特殊检
验的编号表示法。这些检验同时适用于大小相等和不等的样本。
若选定的检验对于特定样本显示为阳性，则该点将使用检验编号来标注。若选择要显示多个检
验，而有不止一个检验在某个特定点上发出信号，则该点旁边将显示指定的编号最低的检验的
标签。您可以将光标移至图上某个标记点上方，以查看失败检验的说明。
提示：要一次添加或删除几个检验，请在警告 > 检验下的 “控制面板”中选择或取消选择这些

检验。
第 44 页上的表 3.8 列出并解释了八个检验，图 3.7 演示了这些检验。以下规则适用于各检验：

• 上限与下限之间的范围划分为六个区，每个区的宽度均为一个标准差。
• 这些区分别标注为 A、 B、 C、 C、 B、 A， C 区距离中心线最近。
• 若某个点位于 C 区与 B 区分隔线之外，即距离中心线超过一个标准差，则该点位于 B 区之
中或之外。
• 位于两个区分隔线上的任何点均被视为属于靠内区。因此，若某个点位于 A 区和 B 区之间
的线上，该点被视为处于 B 区中。
检验 1 到 8 适用于所有 Shewhart 图表类型。
检验 1、 2、 5 和 6 分别适用于图的上半部和下半部。检验 3、 4、 7 和 8 适用于整个图。
请参见 Nelson (1984, 1985)，了解关于如何使用这些检验的更多建议。
图 3.6 Western Electric 区域规则
3σ 限值
区域
中心线
表 3.8 特殊原因检验的说明与解释a
检验 1 A 区外的一点检测均值中的偏移、标准差增大或过程中
的单个偏差。为了解释检验 1，可以使用
任何散度图（R、 S 或 MR）排查变异增
大情况。
检验 2 C 区单侧（上或下）或 C 区外检测过程均值中的偏移。
的连续九个点
检验 3 持续增大或减小的连续六个点检测过程均值中的趋势或漂移。
检验 4 交替升降的连续十四个点检测系统效应，如两个轮换使用的机器、
供应商或操作员。
检验 5 连续三个点中的两个点落在 A 检测过程平均值中的偏移或标准差增
区之中或之外，而且点本身落大。三个点中任意两个点都给出阳性检
在 A 区之中或之外。验结果。
表 3.8 特殊原因检验的说明与解释a （续）
检验 6 连续五个点中的四个点落在 B 检测过程均值中的偏移。五个点中任意四
区之中或之外，而且点本身落个点都给出阳性检验结果。
在 B 区之中或之外。
检验 7 C 区之中、中心线上下连续十当单个子组中的观测来自具有不同均值的
五个点多个源时，检测分层的子组。还检测变异
减小。
检验 8 在中心线两侧连续八个点，没当一个子组中的观测来自单个源，但不同
有一点落在 C 区子组来自具有不同均值的多个源时，检测
分层的子组。
a. Nelson (1984, 1985)
图 3.7 特殊原因检验的演示1
检验 1：A 区外的一点检验 2：C 区单侧（上或下）或 C 区外的连续九
个点
A 上控制限 A 上控制限
B B
C 平均值 C 平均值
C C 2
B B
A 下控制限 A 下控制限
1
检验 3：持续增大或减小的连续六个点检验 4：交替升降的连续十四个点
A 3 上控制限 A 上控制限
B B
C 平均值 C 4 平均值
C C
B B
检验 5：连续三个点中的两个点落在 A 区之中或检验 6：连续五个点中的四个点落在 B 区之中或

之外之外
A 5 上控制限 A 上控制限
5 6
B B
C 平均值 C 平均值
C C
B B
A 5 下控制限 A 下控制限
检验 7：C 区之中（中心线上下）连续十五个点检验 8：在中心线两侧连续八个点，没有一点落

在C区
A 上控制限 A 上控制限
B B
C 7 平均值 C 平均值
C C
B B 8
Westgard 规则
当您右击图或窗口左侧后，可以通过警告选项的 Westgard 规则子菜单来实施 Westgard 规则。

不同的检验缩写为针对特定检验的决策规则。例如， 1 2s 指的是一个点距离均值两个标准差的
检验。
1. Nelson (1984, 1985)

规则 1 2S 通常用于 Levey-Jennings 图，其中的控制限设置为距离均值两个标准差。有任一点超

出这些限值就会触发该规则。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
规则 1 3S 指的是常用于 Levey-Jennings 图的规则，其中的控制限设置为距离均值三个标准差。

有任一点超出这些限值就会触发该规则。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
规则 2 2S 在两个相邻控制测量值位于距离均值两个标准差以外时触发。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
规则 R 4S 在以下条件下触发：一个测量值位于距离均值两个标准差以外，而且前一个测量值位
于相反方向上距离均值两个标准差之外的位置，以至于差值大于四个标准差。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
从数据表检索限值质量和过程方法
规则 4 1S 在四个相邻测量值位于距离均值一个标准差以外时触发。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
规则 10 X 在十个相邻点位于均值同侧时触发。
+3s 上控制限
+2s
+1s
平均值
-1s
-2s
-3s 下控制限
右击轴选项
删除删除某个变量。
有关 “轴设置”、“恢复轴”、“添加 / 删除轴标签”和 “编辑”选项的详细信息，请参见《使
用 JMP》手册中的 “JMP 报表”一章。
从数据表检索限值
JMP 可对控制图使用以前设定的控制限：
• 上控制限和下控制限，以及中心线值。
• 用于计算限值的参数（比如均值和标准差等）。
控制限或限值参数值既可位于 JMP 数据表（称为限值表）中，也可作为列属性存储在过程列
中。您可以使用 “控制图生成器”红色小三角菜单上的获取限值选项检索 “限值表”。
所有 “限值表”都必须具有：
• 用于标识每行的特殊关键字列。
• 每个变量有一列，这些变量的值为已知的标准参数或限值。该列名必须与 “控制图生成器”
要分析的数据表中的相应过程变量名相同。
“控制图生成器”可从 _LimitsKey 列中的关键字识别适当的限值。限值关键字及其关联的控制
图列表显示在表 3.9 中。
质量和过程方法从数据表检索限值
请注意以下事项：
• 含有未知关键字的行和使用已排除行状态标记的行将被忽略。
• 除了 _Sample Size 外，任何未指定的所需值均从该数据估计。
表 3.9 限值表关键字及相应图表和含义
关键字适用图表含义
_KSigma 全部，控制图生成器除外使用统计量标准差倍数计算控制限；若
限值用 alpha 水平表示，则设置为缺失
_Alpha 全部，控制图生成器除外用于计算控制限的 I 类误差概率
_Range Span IM、 MR、 MMR 用于计算移动极差的连续测量值数。不
适用于“控制图生成器”平台，在该平
台中极差跨度始终等于 2。
_Std Dev 均值、 R、 S、 IM、 MR 已知过程标准差
_U c、 u 已知每单位不合格事件的平均数
_P np、 p 已知平均不良率值
_LCL、 _UCL 均值、 IM、 p、 np、 c、均值图、单个测量值图、任何计数图或

u、 g、 t 稀有事件图的下控制限和上控制限
_AvgR R、 MR 平均极差或平均移动极差
_LCLR、 _UCLR R、 MR R 图或 MR 图的下控制限

R 图或 MR 图的上控制限
_AvgS、_LCLS、 S图 S 图的平均标准差、上控制限和下控制限
_UCLS
排除和隐藏的样本质量和过程方法
表 3.9 限值表关键字及相应图表和含义（续）
关键字适用图表含义
_AvgR_PreMeans IM、 MR 基于预先汇总组均值或标准差的均值、
_AvgR_PreStdDev 上控制限和下控制限。
_LCLR_PreMeans
_LCLR_PreStdDev
_UCLR_PreMeans
_UCLR_PreStdDev
_Avg_PreMeans
_Avg_PreStdDev
_LCL_PreMeans
_LCL_PreStdDev
_UCL_PreMeans
_UCL_PreStdDev
在 “控制图生成器”红色小三角菜单中，您可以将限值另存为数据表列属性。要将限值另存为
新数据表，请使用 “控制图”平台。详细信息，请参见第 83 页的 “保存和检索限值”。
排除和隐藏的样本
以下各项总结了不同条件对样本和子组的影响：
• 排除的子组不用在计算中，但显示在图中（尽管灰显）。
• 隐藏的观测用在计算中，但不显示在图中。
• 对于特殊原因的检验，隐藏和排除的行包括在点计数中。排除的行可使用特殊原因旗标来标
记。无法标记隐藏点。若特殊原因检验的旗标位于隐藏点上，则该旗标不会显示在图中。
• 对于部分排除的子组，若子组中有一个或多个观测被排除但该子组中至少有一个观测包含在
内，则排除的观测不包含在点统计量或限值的计算中。
• 针对全部数据（甚至包括排除值）检查负数和非整数数据。
• 检验仍继续针对所有排除的子组执行。启用检验时会标记排除的样本。
“控制图生成器”的更多示例
以下是关于 “控制图生成器”的更多示例。有些示例显示 “控制面板”，有些则不然。要显示
或隐藏 “控制面板”，请从红色小三角菜单中选择 “显示控制面板”。
质量和过程方法 “控制图生成器”的更多示例
均值和 R 图阶段示例
某一医用导管生产商收集了用于新样机的导管直径数据。收集的这些数据来自过去 40 天的生产
数据。在最初 20 天（阶段 1）后，公司对生产设备进行了一些调整。现在需要分析这些数据以
确定过去 20 天（阶段 2）的生产是否处在受控状态中。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Diameter.jmp。
3. 将直径拖至 Y 角色。
4. 将日期拖至子组角色。
图 3.8 “直径”的控制图
可以看出，前 20 天的变异性较高，在平均值中，有三个观测超出了控制限。为此，生产商
对生产设备进行了调整，并且引入了新的控制限。
要为每个阶段计算单独的控制限，请执行以下步骤：
5. 将阶段拖至阶段角色。
6. 在平均图中，右击并选择警告 > 检验超出界限。
“控制图生成器”的更多示例质量和过程方法
图 3.9 每个 “阶段”的控制图
包括阶段变量意味着阶段 2 的控制限仅基于阶段 2 的数据。阶段 2 的所有观测都位于控制限内。

因此，您可以推断出在作出调整后过程处于受控状态。
添加颜色以描绘阶段
若您的控制图中有不同的阶段，可以通过将不同的背景色添加至不同的阶段来展示它们。
1. 从图 3.9 开始，双击 X 轴。
2. 选择允许范围。
3. 为最小值输入 -0.5 （尺度最小值）。
4. 为最大值输入 19.5 （分隔线）。
5. 选择一种颜色，如黄色。将不透明度改为 40%。
6. 点击添加。
7. 点击允许范围。
8. 为最小值输入 19.5 （分隔线）。
9. 为最大值输入 39.5 （轴的最大值）。
10. 选择一种颜色，如淡蓝色。将不透明度改为 40%。
11. 点击添加。
您可以预览图的外观。
12. 点击确定。
图 3.10 带有颜色的 “直径”阶段
p 图示例
Washers.jmp 样本数据包含两个不同批大小的缺陷数据，这些数据取自 ASTM Manual on

Presentation of Data and Control Chart Analysis，美国检验与材料协会。要查看不变和可变样本大
小之间的差异，您可以对比批大小和批大小 2 这两个图。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Washers.jmp。
3. 将次品数拖至 Y 角色。
随即显示 “单值”和 “移动极差”图。
4. 从下拉列表中选择 Shewhart 计数，将该图改为计数图。
c 图随即显示。
5. 将 Sigma 改为二项以便将该图改为 np 图。
6. 将统计量从计数改为比例，以便将该图改为 p 图。
图 3.11 “次品数”的 p 图
7. 将批大小拖至 n 次试验角色。
图 3.12 含样本大小的 “次品数”的 p 图

要查看不变和可变样本大小之间的差异，只需通过将变量拖至 “n 次试验”区域，对批大小和
批大小 2 这两个图进行比较即可。
np 图示例
Bottle Tops.jmp 样本数据包含某一瓶盖生产过程的模拟数据。样本是每个瓶子的样本 ID 号。状

态指示瓶盖是否符合设计标准。在阶段列中，第一阶段代表过程调整前的时间。第二阶段代表
过程调整后的时间。过程中有关更改的注释也包括在内。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Bottle Tops.jmp。
3. 将样本拖至子组角色。
4. 将状态拖至 Y 角色。
图 3.13 “状态”的 np 图（不合格）
可以看出，原始观测有较高的变异性，共有五个观测（样本 13、15、21、22 和 23）位于上

控制限之外。样本 15 和 23 的注释中指出过程中分别引入了新材料和新操作员。在该阶段末
尾对生产设备进行了调整。因此，不应使用针对整个系列的控制限来评估阶段 2 中的控制。
要为每个阶段计算单独的控制限，请执行以下步骤：
5. 将阶段拖至阶段区域。
图 3.14 按 “阶段”分的 np 图
包括阶段变量意味着阶段 2 的控制限仅基于阶段 2 的数据。阶段 2 的所有观测都位于控制限内。

因此，您可以推断出在作出调整后过程处于受控状态。
c 图示例
Cabinet Defects.jmp 样本数据表包含在经过两个时间期间的橱柜生产后所发现的各种缺陷的相

关数据。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Cabinet Defects.jmp。
3. 将缺陷类型拖至 Y 角色。
4. 将批号拖至子组角色。
缺陷类型的 np 图随即显示。
5. 要更改为 c 图，请从 Sigma 列表中选择 Poisson。
6. 点击缺陷类型展开按钮。请注意，尽管列出了所有缺陷类型，但是仅选定了 Bruised veneer
并显示在图中。您可以选择额外的缺陷类型，图将立即更新。
图 3.15 “缺陷类型”的 c 图
7. 要添加到阶段变量，请将日期拖至阶段区域。
图 3.16 带有阶段的 “缺陷类型”的 c 图
您现在可以查看两个不同日期的结果。这两个日期看来都未超出限值。要检查其他缺陷类型行
为，请在事件选择器下选择另一种缺陷类型，并在限值更新后查看结果。
u 图示例
Shirts.jmp 样本数据表包含在几盒衬衫中发现的缺陷数的相关数据。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Shirts.jmp。
3. 将次品数拖至 Y 角色。
4. 将盒拖至子组角色。
随即显示 “次品数”的 “单值”和 “移动极差”图。
5. 要将该图改为计数图，请从下拉列表中选择 Shewhart 计数。
随即显示次品数的 c 图。
6. 将统计量从计数改为比例，以便将该图改为 u 图。
图 3.17 “次品数”的 u 图
所有点都位于控制限内。
g 图示例
若您清楚您的数据并不服从正态分布（例如，在测量计数或等待时间时），此时稀有事件图会

十分有用。若要了解稀有事件出现的频率是否比期望要高，因此值得干预，g 图是一种有效的方
式。 g 图对自上次事件以来的可能机会进行计数。若使用标准 Shewhart 控制图标绘此类数据，
您可能会看到过多的错误信号，因为限值可能过小。Adverse Reactions.jmp 样本数据表包含有

关一组医院患者报告的药物不良事件 (ADE) 的模拟数据。 ADE 是指患者服用药物后出现的任
何类型的伤害或反应。反应日期和自上次反应以来的天数将被记录。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Adverse Reactions.jmp。
3. 将自上次 ADE 以来的剂量拖至 Y 角色。
4. 将 ADE 的日期拖至子组角色。
“自上次 ADE 以来的剂量”的 “单值”和 “移动极差”图随即显示。
5. 要将该图改为稀有事件图，请从下拉列表中选择稀有事件。
随即显示 “自上次 ADE 以来的剂量”的 g 图，其中显示自上次事件以来服用药剂的次数。
图 3.18 “自上次 ADE 以来的剂量”的 g 图
t 图示例
若您清楚您的数据并不服从正态分布（例如，在测量计数或等待时间时），此时稀有事件图会

十分有用。 t 图用来测量自上次事件之后经过的时间。若使用标准 Shewhart 控制图标绘此类数
据，您可能会看到过多的错误信号，因为限值可能过小。Fan Burnout.jmp 样本数据包含某一风
扇生产过程的模拟数据。第一列表示烧毁的每个风扇。第二列表示两次烧毁间的小时数。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Fan Burnout.jmp。

3. 将两次烧毁间的小时数拖至 Y 角色。
4. 将烧毁拖至子组角色。
图 3.19 “两次烧毁间的小时数”的 “单值”和 “移动极差”图
5. 要将该图改为稀有事件图，请从下拉列表中选择稀有事件。
“两次烧毁间的小时数”的 g 图随即显示。所有点看起来都位于控制限内。
6. 将 Sigma 从负二项改为 Weibull，以便将该图改为 t 图。
质量和过程方法 “控制图生成器”平台的统计详细信息
图 3.20 “两次烧毁间的小时数”的 t 图
在 t 图中，所有点都显示在控制限内。很明显，“单值”和 “移动极差”图对于分析不合适，因
为限值太狭窄了。
“控制图生成器”平台的统计详细信息
本节包含 “控制图生成器”平台中支持的特定图表类型的统计详细信息。
注意：对于使用 “控制图”平台而非控制图生成器创建的图表，使用 k 替换公式中的 3。
均值图和 R 图的控制限
JMP 会为均值图和 R 图生成控制限，如下所示：
3σˆ
均值图的下控制限 = X w – ---------
ni
3σˆ
均值图的上控制限 = X w + ---------
ni
“控制图生成器”平台的统计详细信息质量和过程方法
ˆ ˆ
max  d 2 ( n i )σ – 3d 3 ( n i )σ, 0
R 图的下控制限 =
ˆ ˆ
R 图的上控制限 = d 2 ( n i )σ + 3d 3 ( n i )σ
R 图的中心线：默认情况下，第 i 个子组的中心线（其中 3 是 sigma 乘数），指示 Ri 的期望
值的估计值。该值计算如下：d 2 ( n i )σ̂ ，其中 σ̂ 是 σ 的估计值。
均值 /R 图的标准差估计如下：
R1 RN
----------------
- + … + ------------------
ˆ d 2 1( n ) d 2 ( nN )
σ = -------------------------------------------------------
N
其中：
X w = 子组均值的加权平均值
σ = 过程标准差
ni = 第 i 个子组的样本大小
d2(n) 是服从单位标准差正态分布的 n 个自变量的极差的期望值
d3(n) 是服从单位标准差的正态总体中的 n 个独立观测的极差的标准差
Ri 是第 i 个子组的极差
N 是 n ≥ 2 的子组数
i
均值图和 S 图的控制限
JMP 会为均值图和 S 图生成控制限，如下所示：
3σˆ
均值图的下控制限 = X w – ---------
ni
3σˆ
均值图的上控制限 = X w + ---------
ni
ˆ
S 图的下控制限 = max  c4 ( n i )σ – 3c 5 ( n i )σ̂, 0
ˆ ˆ
S 图的上控制限 = c4 ( n i )σ + 3c 5 ( n i )σ
S 图的中心线：默认情况下，第 i 个子组的中心线（其中 3 是 sigma 乘数），指示 si 的期望

c ( n )σ̂
值的估计值。该值计算如下： 4 i ，其中 σ̂ 是 σ 的估计值。
X 均值 /S 图中的标准差估计值为：
s1 sN
---------------- + … + ------------------
ˆ c4 ( n1 ) c4 ( nN )
σ = ------------------------------------------------------
N
其中：
X w = 子组均值的加权平均值
c4(n) 是服从单位标准差正态分布的 n 个自变量的标准差期望值
c5(n) 是服从单位标准差的正态总体中的 n 个独立观测的标准差的标准差
N 是 n ≥ 2 的子组数
i
si 是第 i 个子组的样本标准差
单个测量值图和移动极差图的控制限
单个测量值图的控制限计算如下：
ˆ
单个测量值图的下控制限 = X – 3σ
ˆ
单个测量值图的上控制限 = X + 3σ
移动极差图的控制限计算如下：
移动极差图的下控制限 =0
ˆ ˆ
移动极差图的上控制限 = d ( n )σ + 3d ( n )σ
2 3
单个测量值图和移动极差图的标准差估计如下：
ˆ MR
σ = --------------
d2 ( n )
其中：
均值 = 单个测量值的均值
MR = 非缺失移动极差的均值，计算方式为 (MR2+MR3+...+MRN)/(N-1) ，其中 MRi = |xi -

xi-1|。
d2(n) = 服从单位标准差正态分布的 n 个自变量的极差的期望值
d3(n) = 服从单位标准差的正态总体中的 n 个独立观测的极差的标准差。
注意：“控制图生成器”平台中的移动极差图使用 n=2 的极差跨度。
p 图和 np 图的控制限
下控制限 (LCL) 和上控制限 (UCL) 分别计算如下：
p 图下控制限 = max ( p – 3 p ( 1 – p ) ⁄ n , 0 )
i
p 图上控制限 = min ( p + 3 p ( 1 – p ) ⁄ n , 1 )
i
np 图下控制限 = max ( n p – 3 n p ( 1 – p ), 0 )
i i
np 图上控制限 = min ( n p + 3 n p ( 1 – p ), n )
i i i
其中：
p 是从各个子组中抽取的不合格项的平均比例
n1 p1 + … + nN pN X1 + … + XN
p = ---------------------------------------------- = ----------------------------------
n1 + … + nn n1 + … + nN
ni 是第 i 个子组中的项数
u 图和 c 图的控制限
下控制限 (LCL) 和上控制限 (UCL) 分别计算如下：
u 图下控制限 = max ( u – 3 u ⁄ n , 0 )
i
u 图上控制限 = u + 3 u ⁄ n
i
c 图下控制限 = max ( n u – 3 n u, 0 )
i i
c 图上控制限 = n u + 3 n u
i i
限值随 ni 变化。
ui 是第 i 个子组中的每单位不合格项数。通常， ui = ci/ni。
ci 是第 i 个子组中的不合格项总数
ni 是第 i 个子组中的检查单位数
u 是从各个子组中抽取的每单位不合格项的平均数。数量 u 计算为加权平均值
n1 u1 + … + nN uN c1 + … + cN
u = ----------------------------------------------- = --------------------------------
n1 + … + nN n1 + … + nN
N 是子组数
Levey-Jennings 图
3s 远的位置。
Levey-Jennings 图的标准差 s 计算方法与 “分布”平台中的标准差计算方法相同。
N 2
( yi – y )
s =  --------------------
N–1
-
i=1
g 图的控制限
负二项分布是扩展的几何 (Poisson) 分布，允许相对于 Poisson 的过度离散。负二项分布可用于

构建计数数据的精确和近似控制限。可基于负二项分布的卡方近似来获得近似控制限。所有数
据都用作单个观测，而与子组大小无关。
假设 X 服从参数为 (μ, k) 的负二项分布，则：
2r + 1 )
P(X ≤ r) ~ P(X2v < ---------------
1 + μk
其中：
X 2 v 是使用 v = 2μ/(1+μk) 自由度的卡方变量。
基于以上近似计算，可确定近似的上控制限和下控制限。对于标定 α 水平的一个方向上的第一
类错误概率，近似上控制限是上控制限的限值，如下所示：
2UCL + 1- ) = α
P(X > UCL) = 1 - P(X2v < ------------------------
1 + μk
同样，近似的下控制限 (LCL) 满足：

P(X < LCL) = 1 - P(X2v > 2LCL + 1- ) = α

-----------------------
1 + μk
因此，近似水平的下控制限 (LCL) 和上控制限 (UCL) 分别计算如下：
X2
v, 1 – α ( 1 + μk ) – 1
上控制限 = -----------------------------------------------------
-
2
v, α X2 ( 1 + μk ) – 1
下控制限 = ---------------------------------------------
-
2
其中：
X 2 v, 1 – α ( X 2 v, α ) 是使用 v = 2μ/(1+μk) 自由度的卡方分布的上（下）百分位数。负下控制限
可设置为零。
有关负二项控制限的详细信息，请参见 Hoffman (2003)。
t 图的控制限
若数据中没有 0，则将从数据中计算形状和尺度参数的估计值，并使用估计值来获取 Weibull 分

布的百分位数。
从数据中估计限值：
若：
对于正态分布 (0,1)， p1 = normalDist(-3)
对于正态分布 (0,1)， p2 = normalDist(0)
对于正态分布 (0,1)， p3 = normalDist(3)
则：
控制限 = Weibull 分位数 (p2, β) * α
上控制限 = Weibull 分位数 (p1, β) * α
下控制限 = Weibull 分位数 (p3, β) * α
其中：
β 是 Weibull 分位数函数的形状参数， α 是其尺度参数。有关 Weibull 分位数函数的详细信息，
请参见 “帮助” > “脚本索引”。
第4章
Shewhart 控制图
创建计量控制图和计数控制图
控制图是一种用于监控过程变异的图形化分析工具。过程中的自然变异可使用一组控制限来量
化。控制限可帮助区分一般原因变异和特殊原因变异。通常，需要采取措施消除特殊原因变异，
使过程重新受到控制。对过程中的一般原因变异进行量化也很重要，因为这决定了过程能力。
JMP 中的 “控制图”平台提供各种控制图和运行图。为了支持对过程进行完善，多数控制图选
项都支持在同一个图上为项目的不同阶段显示单独的控制图。
• 运行图
• 均值、 R 和 S 图
• 单值和移动极差图
• p、 np、 c 和 u 图
• UWMA 和 EWMA 图
• CUSUM 图
• 预先汇总、 Levey-Jennings 和多元控制图
• 均值、 R、 S、单值极差、 p、 np、 c、 u、预先汇总和 Levey-Jennings 图的阶段控制图。
图 4.1 控制图示例
68 Shewhart 控制图第4章
“控制图”平台概述质量和过程方法
“控制图”平台概述
控制图是过滤掉过程中的常规变异的一种图形化方式。过滤掉常规变异可帮助生产商和其他企
业确定某个过程是否稳定且可预测。若变异超出常规范围，则可以调整该过程，以更低成本生
产出更高质量的产品。
所有过程都会在随时间的推移测量过程期间显现出变异。过程测量中有两种变异：
• 常规或一般原因变异。即便是稳定过程中的测量值也会显现出这些随机的上下波动。若过
程测量值仅显现出一般原因变异，这些测量值会停留在期望的限值范围内。
• 异常或特殊原因变异。特殊原因变异的示例包括过程均值的变化、控制限上方或下方的点，
或呈现上升或下降趋势的测量值。这些变化可能是由工具或机器损坏、设备退化以及原材料
变更等因素引起的。过程中的变化或缺陷往往通过过程测量值中的异常变异表现出来。
控制图可对过程中的常规变异进行量化，这样即可辨别特殊原因。控制图通过应用控制限这种
方式过滤掉常规变异。控制限为仅显现出常规变异的过程定义了过程测量值的范围。控制限之
间的测量值指示稳定可预测的过程。控制限之外的测量值指示存在特殊原因，应采取措施使过
程恢复受控状态。
控制图的性能取决于所用的抽样方案。抽样方案应合理，也就是说，各子组对于过程而言很有
代表性。合理划分子组意味着在对过程抽样的过程中应合理选择子组，也就是应尽量让特殊原
因更可能出现在子组间而不是子组内。
Shewhart 控制图可大致划分为计量控制图和计数控制图两大类。计量控制图包括移动平均图和
CUSUM 图。 CUSUM 图也是一种计数图。详细信息，请参见第 70 页的 “移动平均图”和第
101 页的 “累积和控制图”一章。
“控制图”平台示例
下例使用 Quality Control 样本数据文件夹中的 Coating.jmp 样本数据表（数据取自 ASTM
Manual on Presentation of Data and Control Chart Analysis）。关注的质量特征是重量列。选定了
大小为 4 的子组样本。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Coating.jmp。
2. 选择分析 > 质量和过程 > 控制图 > 均值。
请注意选定的图表类型为均值和 R。
3. 选择重量并点击过程。
4. 选择样本并点击样本标签。
5. 点击确定。
第4章 Shewhart 控制图 69
质量和过程方法 Shewhart 控制图类型
图 4.2 涂层数据的计量图
过程的均值图和 R 图显示在图 4.2 中。样本 6 指示该过程为失控状态。要检查样本值，请点击

任一控制图上的样本 6 汇总点。相应行在数据表中突出显示。
注意：若随均值图选定了 S 图，则均值图的限值基于标准差。否则，均值图的限值基于极差。
Shewhart 控制图类型
Shewhart 控制图可大致划分为计量控制图和计数控制图两大类。
计量控制图
计量控制图根据在图上标绘的子组汇总统计量来分类：
• 运行图将数据显示为一系列连接点
Shewhart 控制图类型质量和过程方法
• 均值图显示子组均值（平均值）
• R 图显示子组极差（最大值 – 最小值）
• S 图显示子组标准差
• 预先汇总图显示子组均值和标准差
单值极差选项提供其他图表类型：
• 单个测量值图显示单个测量值
• 移动极差图显示两个或更多相继测量值的移动极差
运行图
运行图将一列数据显示为一系列连接起来的点。当通过窗口或脚本使用了样本标签角色后，运
行图还可以标绘组均值。
均值图、 R 图和 S 图
对于在连续尺度上测量的质量特征，典型分析会显示出过程均值及其变异性，并且会有一个均
值图在其对应的 R 图或 S 图上方对齐。
单个测量值图
单个测量值图显示单个测量值。单个测量值图适用于每个子组样本仅有一个测量值的情况。
移动极差图显示两个或更多相继测量值的移动极差。针对您在极差跨度框中输入的相邻测量值
个数计算移动极差。默认极差跨度为 2。由于移动极差彼此相关，所以应慎重地解释这些图。
移动平均图
在移动平均图中，取平均值的数量可以是单个观测而不是子组均值。不过，单个测量值的移动
平均图不同于单个测量值或标绘有单个测量值的移动极差的控制 (Shewhart) 图。
等加权移动平均图
等加权移动平均 (UWMA) 图亦称移动平均图，其上的各点是 w 个最近子组均值（包括当前子

组均值）的平均值。在获取新的子组样本后，下一个移动平均值的计算方式是：去除之前 w 个
子组均值中最旧的均值，代之以最新的子组均值。常数 w 被称为移动平均值的跨度，用于指示
计算移动平均值需要包含多少个子组。跨度 (w) 越大，UWMA 线越光滑，它所反映的偏移量级
就越小。这意味着较大的 w 值可防止较小的偏移。
指数加权移动平均图
指数加权移动平均 (EWMA) 图亦称几何移动平均 (GMA) 图，其上的各点是所有以前的子组均值

（包括当前子组样本的均值）的加权平均值。权重随着时间的回溯呈指数级下降。指定给当前子
组样本均值的权重 (0 < 权重 ≤ 1) 是 EWMA 图的参数。较小的权重值可用于防止较小的偏移。
质量和过程方法 Shewhart 控制图类型
预先汇总图
若您的数据由同一过程单位的重复测量值构成，则可以将这些测量值合并为该单位的一个测量
值。除非数据中的每个过程或测量单位都有重复的测量值，否则不推荐使用预先汇总。
通过预先汇总，可基于所选的样本大小或样本标签将过程列汇总到样本均值和 / 或标准差中。然
后基于在启动窗口中所选的选项绘制汇总数据。通过选中启动窗口中相应的框，您还可以追加
能力分析。
计数控制图
在之前的各种图中，测量值数据均为过程变量。该数据往往是连续的，所以这些图基于适用于
连续数据的原理。另一种类型的数据是计数数据，其中关注的变量是每个子组的缺陷数或瑕疵
数的离散计数。离散计数数据适用计数图，因为这些数据基于二项模型和 Poisson 模型。由于是
按子组来测量计数，所以在比较各图时，确定各图之间的子组中项数是否相似这点很重要。计
数图和计量图一样，按照在图上标绘的子组样本统计量来分类。
确定使用哪一种计数图
每项若非合格即为不合格：
p图显示缺陷项的比例。
np 图显示缺陷项的数目。
对于每项计算缺陷数：
c图显示缺陷项的数目。
u图显示缺陷项的比例。
对于计数图，将包含缺陷计数或缺陷比例的列指定为 “过程”变量。数据被解释为计数，除非
该列包含 0 到 1 之间的非整数值。
• p 图显示子组样本（大小可能会发生变化）中不合格（缺陷）项的比例。由于 p 图的每个子
组都包含 Ni 项，而且任一项若非合格即为不合格，所以子组中的不合格项的最大数目为 Ni。
• np 图显示子组样本中不合格（缺陷）项的数目。由于 np 图的每个子组都包含 Ni 项，而且
任一项若非合格即为不合格，所以子组 i 中的不合格项的最大数目为 Ni。
注意：要对 p 图或 np 图使用 Sigma 列属性，该值需要等于比例。JMP 将 sigma 计算为比例

和样本大小的函数。
• c 图显示子组样本（通常但不一定总是包含一个检查单位）中不合格项（缺陷项）的数目。
警告：对于 c 图，若您未指定“样本大小”或“常数大小”，则将“样本标签”作为样本大小。
• u 图显示在可能包含不同数目检查单位的每个子组样本中不合格项（缺陷项）的比例。
启动 “控制图”平台质量和过程方法
警告：对于 u 图，若您未指定“单位大小”或“常数大小”，则将“样本标签”作为单位大小。
Levey-Jennings 图

3s 远的位置。Levey-Jennings 图的标准差 s 计算方法与“分布”平台中的标准差计算方法相同。
启动 “控制图”平台
通过选择分析 > 质量和过程 > 控制图启动 “控制图”平台时，您将看到类似于图 4.3 的控制图
启动窗口。实际控件随您选择的图表类型而变化。初始窗口显示以下几类信息：
• 过程信息，用于选择测量变量
• 图表类型信息
• 限值指定
• 指定的统计量
为每个部分显示的特定信息随您选择的图表类型而变化。通过与启动窗口交互，您可以准确指
定如何创建图表。以下各节介绍各个窗口元素。
图 4.3 “均值控制图”启动窗口
过程信息
图表类型信息
限值指定向报表添加能力分析
输入或删除已知
统计量
过程信息
启动窗口显示当前数据表中列的列表。在此，您可以指定要分析的变量和子组样本大小。
质量和过程方法启动 “控制图”平台
过程
过程角色选择要绘图的变量。
• 对于计量图，将测量值指定为过程。
• 对于计数图，将缺陷计数或缺陷比例指定为过程。数据被解释为计数，除非其中包含 0 到 1
之间的非整数值。
注意：表行必须按照您希望其在控制图中显示的顺序排序。即便指定了样本标签变量，您仍须
对数据进行相应的排序。
样本标签
样本标签角色支持您指定某个变量，该变量的值不仅可标注水平轴，还可标识不等子组大小。若
未指定任何样本标签变量，样本将通过其子组的样本号来标识。
• 若样本子组的大小相同，请选择样本大小常数选项并在文本框中输入大小。若输入了“样本标
签”变量，其值将用于标注水平轴。不论样本中是否有缺失值，样本大小都用在限值计算中。
• 若各个样本子组中的行数不等或子组中有缺失值，而您有一列用来标识各个样本，请选择按
样本标签对样本分组选项，并输入样本标识列作为样本标签。
对于计数图（p、 np、 c 和 u 图），该变量是子组样本大小。启动窗口中还会显示其他选项，包
括样本大小、常数大小和 / 或单位大小，具体取决于您所做的选择。在计量图中，该变量标识样
本。若图表类型为单值极差，则会显示极差跨度文本框。极差跨度指定基于其计算移动极差的
相邻测量值数。
注意：表行必须按照您希望其在控制图中显示的顺序排序。即便指定了样本标签变量，您仍须
对数据进行相应的排序。
The illustration in 图 4.4 中的演示使用 Qulity Control 样本数据文件夹中的 Coating.jmp 样本数

据，显示了一个子组样本大小不等的过程的均值图。
图 4.4 子组样本大小不等的计量图
阶段
阶段角色支持您指定标识不同阶段或部分的列。一个阶段就是数据表中的一组相邻观测。例如，
阶段可能对应于时间期间，在这些期间内，生产中引入了新过程，而后完成了陆续的变更。使
用阶段可为指定的 “阶段”变量的每个水平生成新的 sigma、一组限值、区域和结果检验。
在均值、 R、 S、单值极差、 P、 NP、 C、 U、预先汇总和 Levey-Jennings 图的窗口中，将显
示阶段变量按钮。若指定了阶段变量，将逐行检查该阶段变量，以标识每行所属的阶段。保存
至限值文件可显示为每个阶段计算的 sigma 和特定限值。相关示例，请参见第 98 页的 “阶段
示例”。
依据
依据角色标识一个变量，用于为列中出现的每个值生成单独分析。
图表类型信息
Shewhart 控制图可大致划分为计量图和计数图两大类。移动平均图和 CUSUM 图可被视为特殊
类型的计量图。
质量和过程方法启动 “控制图”平台
图 4.5 计量控制图的窗口选项
均值、 R 和 S
单值极差
UWMA
EWMA
CUSUM
预先汇总
• 均值图菜单选项提供均值、 R 和 S 复选框。
• 单值极差菜单选项为单个测量值图、移动极差图和移动极差中位数图提供复选框选项。
• 等加权移动平均 (UWMA) 和指数加权移动平均 (EWMA) 选项是特殊的均值图。
• CUSUM 图是特殊的均值图或单个测量值图。
• 预先汇总支持您指定有关预先汇总统计量的信息。
• P 图、 NP 图、 C 图和 U 图、运行图和 Levey-Jennings 图没有其他要指定的选项。
第 68 页的 ““控制图”平台概述”中对控制图的类型进行了说明。
限值指定
您可以通过以下方式指定控制限计算方式：输入 k (K Sigma) 的值、输入 α(Alpha) 的概率，或
者从过程列属性或以前创建的 “限值表”中检索限值。第 83 页的 “保存和检索限值”一节对
“限值表”和获取限值按钮进行了说明。必须指定 K Sigma 或 Alpha。 K Sigma 的窗口默认值
为 3。
KSigma
KSigma 参数选项允许以样本标准误差的倍数形式指定控制限。 KSigma 在期望值（显示为中

心线）上下 k 个样本标准误差的位置指定控制限。要指定 k （sigma 数目），点击 KSigma 对应
的单选按钮，然后在文本框中输入一个正数 k 值。一般选择 k 为 3，即三个标准差。图 4.6 中显
示的示例对 Coating.jmp 数据的两个均值图进行了比较，这两个图分别使用 KSigma = 3 和
KSigma = 4 绘制控制限。
图 4.6 K Sigma =3 （左图）和 K Sigma=4 （右图）时的控制限
Alpha
Alpha 参数选项以概率形式指定控制限（亦称概率界限），这是通过单个子组统计量超过其控

制限的概率 α 来表示的（假定过程受控）。要指定 alpha，请点击 Alpha 单选按钮并输入所需
的概率。 α 的合理选择为 0.01 或 0.001。对于假定服从正态分布且具有已知受控参数的均值图，
与 KSigma 为 3 等价的 Alpha 值是 0.0027。
指定的统计量
指定某个过程变量后，若点击控制图启动窗口上的指定统计量（若可用）按钮，窗口底部将追
加一个选项卡，其中包含可编辑的字段。该选项卡支持您输入过程变量的历史统计量（即，来
自历史数据的统计量）。“控制图”平台使用这些条目来构造控制图。下例显示 1 作为过程变量
的标准差， 20 作为测量值均值。
图 4.7 “指定统计量”示例
注意：若均值是用户指定的，其在图中标注为 μ0。
若选定了控制图启动窗口上的能力选项（请参见图 4.3），平台启动时会显示一个窗口，提示您

输入规格限。选定的控制图标准差会发送到该窗口中，并显示为 “指定 Sigma”的值，这是默
质量和过程方法控制图报表
认选项。输入规格限并点击 “确定”后，能力输出会显示在同一窗口中控制图的旁边。有关如
何计算能力指标的信息，请参见《基本分析》手册中的 “分布”一章。
控制图报表
该分析会生成一个图表，可用于确定某个过程是否处于统计控制状态中。报表随您选择的图表
类型而变化。图 4.8 显示简单控制图的组成部分。控制图随着在数据表中添加或更改数据而动态
更新。
图 4.8 控制图示例
失控点
上控制限
测量值轴
中心线
下控制限
子组样本轴
注意：数据表中任何排除的行也同样在运行图、 p 图、 u 图和 c 图中隐藏。
控制图具有以下特征：
• 图上标绘的每个点都代表单个过程测量值或汇总统计量。在图 4.8 中，各点表示测量值样本
的平均值。
应合理选择子组；也就是说，在选择子组时，应该让在子组之间观测到真正的过程变化的概
率最大化。
• 控制图的垂直轴尺度按照与汇总统计量相同的单位来调整。
• 控制图的水平轴标识子组样本并按照时间来排序。随时间推移观测过程对于评估过程是否在
变化非常重要。
• 绿线是中心线，即表示数据的平均值。当过程处于统计控制状态时，中心线指示汇总统计量
的平均值（期望值）。测量值应均匀分布在中心线两侧。如若不然，则很可能表明过程平均
值发生了变化。
• 两条红线分别为上控制限和下控制限，相应地标记为 “上控制限”和 “下控制限”。当过程
处于统计控制状态时，这些限值可给出汇总统计量期望的变异范围。若过程仅显示出常规变
异，则所有点都会随机散布在该范围内。在图 4.8 中，有一个测量值位于上控制限上方。这
表明该测量值可能受到特殊原因影响，或者可能是一个缺陷。
• 控制限（或是 CUSUM 图的 V 形模板）之外的点指示存在特殊原因变异。
“控制图”平台选项质量和过程方法
使用每个平台中的选项可以创建控制图，使这些控制图随着接收和记录样本或是随着向数据表
添加样本而动态更新。
当控制图指示异常变异时，应采取措施使过程恢复统计控制状态。若异常变异指示过程有所改
善，则应对变异原因进行研究和实践。
双击 x 或 y 轴时会显示相应的 “轴规格”窗口，供您指定格式、坐标轴值、刻度数、网格线、
参考线和其他要在轴上显示的选项。
例如， Pickles.jmp 数据表列出了三天每天进行抽样的测量值。在图 4.9 中，默认情况下， x 轴
上的标签每隔一个刻度就显示一次。有时这会让标签重复出现，如图 4.9 中的左图所示。若指定
标签使用 8 作为增量， x 轴会每天标注一次，如右图所示。
图 4.9 示例：添加了标签的 X 轴刻度标
提示：有关警告和规则的信息，请参见本指南中的第 43 页的 “检验”和 “控制图生成器”一

章中第 46 页的 “Westgard 规则”。
“控制图”平台选项
控制图包含可影响平台各组成部分的红色小三角菜单：
• 位于最顶部的标题栏上的菜单影响整个平台窗口。其中的项根据您选择的图表类型而变化。
• 图表类型标题栏上有一个菜单，其中的选项单独影响各个图。
控制图窗口选项
窗口标题栏上的红色小三角菜单列出影响报表窗口的选项。若同时请求均值和 R，您可以选中
每种图形类型以便显示或隐藏它。可用的特定选项取决于您请求的控制图类型。不可用选项显
示为灰色的菜单项。
质量和过程方法 “控制图”平台选项
显示限值图例显示或隐藏图右侧的平均值、上控制限值和下控制限值。
忽略缺失值进行连接在某些样本包含缺失值时连接各点。在图 4.10 中，左图没有缺失点。中
间图样本 2、 11、 19 和 27 缺失，相应地也未连接这些点。若您选择了忽略缺失值进行连接
选项（默认设置），则会显示右图。
图 4.10 “忽略缺失值进行连接”选项的示例
无缺失点未连接缺失点已连接缺失点
使用中位数对于运行图，若您在单个运行图的红色小三角菜单中选择显示中心线选项，则会
绘制一条穿过列中心值的线。中心线由主运行图红色小三角菜单中的使用中位数设置决定。
若选定使用中位数，则中位数将用作中心线。否则使用均值。将限值保存至文件时，总均值
和中位数都将保存。
能力对数据执行 “能力分析” 。首先会显示一个弹出窗口，您可在其中输入过程变量的下规
格限、目标和上规格限的值。
图 4.11 “能力分析”窗口
Coating.jmp 的 “能力分析”报表示例显示在图 4.12 中，其中的下规格限设置为 16.5、目标设

置为 21.5，上规格限设置为 23。
图 4.12 Coating.jmp 的 “能力分析”报表
有关能力分析的其他信息，请参见《基本分析》手册中的 “分布”一章。

保存 Sigma 将 sigma 的计算值另存为 JMP 数据表的过程变量列中的列属性。
保存限值 > 在列中将 sigma 的计算值、中心线和上下限另存为 JMP 数据表的过程变量列中的
列属性。
保存限值 > 在新表中将特定图表类型的所有参数，包括 sigma 和 K Sigma、样本大小、中心
线以及上控制限和下控制限，保存在新的 JMP 数据表中。保存该数据表以便将来使用这些
限值。在控制图启动窗口中，点击获取限值，然后选择保存的数据表。详细信息，请参见第
83 页的 “保存和检索限值”一节。
保存汇总创建包含样本标签、样本大小、标绘的统计量、中心线和控制限的新数据表。包含
在表中的特定统计量取决于图表类型。
警告脚本支持您编写和运行指示数据未通过特殊原因检验的脚本。结果可写入日志或语音播
报。有关详细信息，请参见本指南的 “控制图生成器”一章中第 43 页的 “检验”。请参见
Scripting Guide，了解关于编写自定义警告脚本的详细信息。
质量和过程方法 “控制图”平台选项
单个控制图选项
当您点击图表名称旁边的图标时，图表选项的红色小三角菜单随即显示。某些选项也在您右击
图表时显示在图表选项中。
箱线图在均值图中标绘的子组均值之上叠加箱线图。箱线图显示子组的最大值、最小值、第
75 百分位数、第 25 百分位数和中位数。除非您取消选择显示点选项，否则会显示子组均值
的标记。显示的控制限仅适用于子组均值。箱线图选项仅可用于 X 均值图。该图最适合较大
的子组样本（子组中有超过 10 个样本）。
针使用垂直线段将标绘的各点与中心线连接。
连接点显示或隐藏连接数据点的线。
显示点显示或隐藏表示汇总统计量的点。最初会显示这些点。若箱线图选项有被选用，您就
可以使用该选项隐藏表示子组均值的标记。
连接颜色显示 JMP 调色板，供您选择用于连接各点的线段的颜色。
中心线颜色显示 JMP 调色板，供您选择用于绘制中心线的线段的颜色。
限值颜色显示 JMP 调色板，供您选择用于上下限值线的线段的颜色。
线条粗细允许您选择控制线的宽度。选项包括细、中或粗。
点标记允许您选择在图上使用的标记。
显示中心线最初中心线显示为绿色。取消选择显示中心线将从图中删除中心线及其图例。
显示控制限显示或隐藏图的控制限及其图例。
限值精度设置标签的小数限值。
检验显示一个子菜单，支持您在检验为阳性时选择要在图上标记的检验。检验仅适用于控制
限为 3σ 限值的图。检验 1 到 4 适用于均值图、单值图和计数图。检验 5 到 8 仅适用于均值
图、预先汇总图和单个测量值图。若检验不适用于某个图，“检验”选项将灰显。若样本大
小不等，“检验”选项将灰显。若样本在图处于打开状态时发生了变化，各样本大小变得相
等，而且已选定区域和 / 或检验选项，那么将立即应用区域和 / 或检验并显示在图上。这些
特殊检验亦称 Western Electric 规则。有关特殊原因检验的详细信息，请参见 “控制图生成
器”一章中第 43 页的 “检验”。
Westgard 规则 Westgard 规则是可以帮助您确定过程是否受控的控制规则。不同的检验缩写
为针对特定检验的决策规则。请参见“控制图生成器”一章中第 46 页的“Westgard 规则”
中的文本和图表。
检验超出界限将超出限值的所有点标记为 “*”。该检验适用于带有限值的所有图，不论样本
大小是否不变，也不论 k 的大小或是限值宽度如何。例如，若您具有不等样本大小，并且要
标记 r 图中超出限值的所有点，您可以使用该命令。
显示区域显示或隐藏区域线。这些区域标记为 A、 B 和 C，如下面的 Coating.jmp 样本数据

中的重量均值图所示。控制图检验将区域线用作边界。这七条区域线彼此相隔一个 sigma
的距离，在中心线两侧对称分布。
图 4.13 显示区域
区域着色为三个区域范围和这些区域之外的范围显示或隐藏默认的绿色、黄色和红色。绿色
代表距离中心线一个 sigma 远的区域，黄色代表距离中心线两个和三个 sigma 远的区域，
红色代表超出三个 sigma 远的区域。着色区域可显示出或不显示出区域线。
图 4.14 区域着色
OC 曲线为特定控制图提供操作特征 (OC) 曲线。在 JMP 中仅为均值、 p、 np、 c 和 u 图定义

了 OC 曲线。该曲线显示接受一批货的概率如何随着样本质量的好坏而改变。从控制图选项
列表中选择 OC 曲线选项后， JMP 会打开包含该曲线的新窗口，其使用直接来自当前控制
图的所有计算值。或者，您也可以从 “JMP 起始页”的控制类别直接运行 OC 曲线。选择
您希望曲线所依据的图，然后会有一个窗口提示您输入目标、下控制限、上控制限、 k、
Sigma 和样本大小。您还可以采用相同方式执行单次和二次验收抽样。要使用该功能，请
选择视图 > JMP 起始页 > 控制（在 “点击”类别下） > OC 曲线。将有一个弹出窗口支持
质量和过程方法保存和检索限值
您指定想要使用单次还是二次验收抽样。随之调用另一个弹出窗口，从中可指定验收失败次
数、检查数和批大小（对于单次验收抽样）。点击确定可生成所需的 OC 曲线。
保存和检索限值
JMP 可对控制图使用以前设定的控制限：
• 上控制限和下控制限，以及中心线值。
• 用于计算限值的参数（比如均值和标准差等）。
控制限或限值参数值必须位于 JMP 数据表（称为限值表）中，或者作为列属性存储在过程列
中。指定控制图命令后，您可以使用控制图启动窗口中的获取限值按钮检索 “限值表”。
最简单的 “限值表”创建方法是保存 “控制图”平台计算的结果。每个控制图对应的红色小三
角菜单中的保存限值命令可自动保存样本值中的限值。表中保存的数据类型随着分析窗口中的
控制图类型而变化。您还可以使用来自任意源的值并自行创建 “限值表”。
所有 “限值表”都必须具有：
• 用于标识每行的特殊关键字列。
• 每个变量有一列，这些变量的值为已知的标准参数或限值。该列名必须与“控制图”平台要
分析的数据表中的相应过程变量名相同。
第 49 页上的表 3.9 说明了限值关键字及其关联的控制图。
您可以将限值保存在新数据表中或另存为响应列的属性。若使用在新表中命令保存控制限，写
入该表的限值关键字取决于当前显示的图表类型。
图 4.15 显示了使用 Coating.jmp 将控制限保存至数据表的示例。包含值 _Mean、_LCL 和 _UCL
的行用于单个测量值图。带有 R 后缀的值（_AvgR、 _LCLR 和 _UCLR）用于移动极差图。若
使用该 “限值表”再次创建这些图，“控制图”平台会通过 _LimitsKey 列中的关键字识别合适
的限值。
排除、隐藏和删除的样本质量和过程方法
图 4.15 在数据表中保存限值的示例
请注意：可以在控制图启动窗口中指定 _KSigma、 _Alpha 和 _Range Span 的值。 JMP 始终最

先查看该窗口中的值。在该窗口中指定的值优先于在当前 “限值表”中指定的值。
含有未知关键字的行和使用已排除行状态标记的行将被忽略。除 _Range Span、 _KSigma、
_Alpha 和 _Sample Size 之外，未指定的任何所需值都从数据中估计得出。
排除、隐藏和删除的样本
下表总结了不同条件对样本和子组的影响：
表 4.1 排除、隐藏和删除的样本
创建图之前排除所有样本行。样本不包含在限值计算中，但显示在图中。
创建图之后排除样本。样本包含在限值计算中，并且显示在图中。若在图处于
打开状态时排除样本，输出不会发生任何变化。
创建图之前隐藏样本。样本包含在限值计算中，但不显示在图中。
质量和过程方法 “控制图”平台的更多示例
表 4.1 排除、隐藏和删除的样本（续）
创建图之后隐藏样本。样本包含在限值计算中，但不显示在图中。样本标记从
图中消失，样本标签仍显示在轴上，但限值保持不变。
创建图之前排除并隐藏所有样本行。样本不包含在限值计算中，并且不显示在图中。
创建图之后排除并隐藏所有样本行。样本包含在限值计算中，但不显示在图中。样本标记从
图中消失，样本标签仍显示在轴上，但限值保持不变。
创建图之前在删除样本的情况下对样本不包含在限值计算中，轴不包含样本值，并且样本
数据集取子集。标记不显示在图中。
创建图之后在删除样本的情况下对样本不包含在限值计算中，并且不显示在图中。样本标
数据集取子集。记从图中消失，样本标签从轴上移除，图发生偏移，并
且限值发生变化。
补充说明：
• 隐藏和排除操作仅对样本中第一个观测的行状态有效。例如，若样本中的第二个观测隐藏，
而第一个观测未隐藏，则样本仍会显示在图上。
• 排除 / 隐藏规则的一个例外：隐藏和排除的行均包括在针对特殊原因检验的点计数中。排除
的行可使用特殊原因旗标来标记。无法标记隐藏点。若特殊原因检验的旗标位于隐藏点上，
则该旗标不会显示在图中。
• 由于存在特定规则（请参见第 84 页上的表 4.1），控制图不支持 “自动重新计算”脚本。
“控制图”平台的更多示例
本节包含使用 “控制图”平台的更多示例。
运行图示例
运行图将一列数据显示为一系列连接起来的点。下例显示 Quality Control 样本数据文件夹的
Coating.jmp 中的重量变量的运行图（数据取自 ASTM Manual on Presentation of Data and
Control Chart Analysis）。
2. 选择分析 > 质量和过程 > 控制图 > 运行图。
5. 点击确定。
“控制图”平台的更多示例质量和过程方法
图 4.16 运行图
均值图和 R 图示例
下例使用 Coating.jmp 数据表。关注的质量特征是重量列。选定了大小为 4 的子组样本。过程

的均值图和 R 图显示在图 4.17 中。
请注意选定的图表类型为均值和 R。
5. 点击确定。
样本 6 指示该过程为失控状态。要检查样本值，请点击任一控制图上的样本 6 汇总点。相应行
在数据表中突出显示。
注意：若随均值图选定了 S 图，则均值图的限值基于标准差。否则，均值图的限值基于极差。
图 4.17 涂层数据的计量图
6. 右击重量的均值图，然后选择图表选项 > 箱线图。

7. 双击 Y 轴（重量的均值），将最小值更改为 16，然后点击 “确定”。
图 4.18 涂层数据的箱线图
图 4.18 中的箱线图显示第六个样本具有小范围的高值。
具有不同子组大小的均值图和 S 图的示例
下例使用 Coating.jmp 数据表。这次关注的质量特征是重量 2 列。过程的均值图和 S 图显示在

图 4.19 中。
3. 选择图表类型均值和 S。
4. 选择重量 2 并点击过程。
样本大小选项应自动更改为按样本标签对样本分组。
6. 点击确定。
图 4.19 具有不同子组大小的均值图和 S 图
重量 2 的数据中有若干缺失值，所以您可能会注意到图中有不规则的限值。尽管每个样本的观
测数相同，但样本 1、 3、 5、 7 均包含缺失值。
注意：若样本大小不等，“检验”选项将灰显。若样本在图处于打开状态时发生了变化，样本大
小变得相等，而且已选定区域和 / 或检验选项，那么将立即应用区域和 / 或检验并显示在图上。
单个测量值和移动极差图示例
Quality Control 样本数据文件夹中的 Pickles.jmp 数据包含各缸泡菜的酸含量。由于泡菜对酸度
很敏感并且使用大缸来生产，所以较高的酸度会破坏整缸泡菜。每天下午 1 点、2 点和 3 点都会
测量四个缸中的酸度。数据表中记录了日期、时间和酸度的测量值。您可以创建水平轴上使用
日期标签的单个测量值和移动极差图。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Pickles.jmp。
2. 选择分析 > 质量和过程 > 控制图 > 单值极差。
3. 同时选择单个测量值和移动极差图形类型。
4. 选择酸性并点击过程。
5. 选择日期并点击样本标签。
6. 点击确定。
图 4.20 中显示的单个测量值和移动极差图监控生产的每一缸泡菜的酸度。
注意：还可以评估移动极差中位数图。若同时选择移动极差中位数图和单个测量值图，单个测
量值图上的限值将移动极差中位数而不是平均移动极差用作 sigma。
图 4.20 泡菜数据的单个测量值和移动极差图
p 图示例
注意：生成 p 图时，若选择能力， JMP 会启动 “分布”中的 “二项拟合”并提供特定于二项分

布的能力分析。
Quality Control 样本数据文件夹中的 Washers.jmp 数据包含每批次 400 个镀锌垫圈共计 15 个

批次的缺陷计数。生产出的垫圈要经过检查，查看是否存在粗糙电镀和钢体裸露之类的镀层面
缺陷。若垫圈存在镀层面缺陷，则认为其不合格或有缺陷。因此，缺陷计数表示每批次 400 个
中有多少垫圈存在缺陷。使用 Washers.jmp 数据表，指定一个样本大小变量，该变量允许具有
不同的样本大小。该数据包含所有常数样本大小。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Washers.jmp。
2. 选择分析 > 质量和过程 > 控制图 > P。
3. 选择次品数并点击过程。
4. 选择批并点击样本标签。
5. 选择批大小并点击样本大小。
6. 点击确定。
图 4.21 显示了缺陷比例的 p 图。
图 4.21 p 图
请注意，尽管图上的点看起来与图 4.22 中的 np 图相同，但 y 轴、平均值和限值全都不同，因为

这些值现在都基于比例。
np 图示例
注意：生成 np 图时，若选择能力，会启动 “分布”中的 “二项拟合”并提供特定于二项分布

的能力分析。
下例使用 Washers.jmp 数据表。

• 选择帮助 > 样本数据库，然后打开 Quality Control/Washers.jmp。
• 选择分析 > 质量和过程 > 控制图 > NP。
• 选择次品数并点击过程。
• 将常数大小改为 400。
• 点击确定。
图 4.22 显示了缺陷数的 np 图。点 4 和 9 位于上控制限上方。
图 4.22 np 图
c 图示例
c 图监控整个子组中的不合格项数，由一个或多个单位组成。
注意：生成 c 图时，若选择能力， JMP 会启动 “分布”中的 “Poisson 拟合”并提供特定于

Poisson 的能力分析。
在本例中，一家服装生产商以十件一盒来装运衬衫。发运之前会检查每件衬衫是否存在缺陷。由
于生产商关注的是每件衬衫的平均缺陷数，在每盒中发现的缺陷数都会先除以 10，然后再记录。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Shirts.jmp。
2. 选择分析 > 质量和过程 > 控制图 > C。
4. 选择盒并点击样本标签。
5. 选择盒装尺寸并点击样本大小。
6. 点击确定。
图 4.23 c 图
u 图示例
Quality Control 样本数据文件夹中的 Braces.jmp 数据记录了盒装车用支架的缺陷计数。每盒支
架都是一个检查单位。每天检查的盒数是子组样本大小，该大小是可变的。图 4.24 中的 u 图监
控的是每个子组样本大小的支架缺陷数。上下边界根据检查的单位数而变化。
注意：生成 u 图时，若选择能力， JMP 会启动 “分布”中的 “Poisson 拟合”并提供特定于

Poisson 的能力分析。要使用能力功能，单位大小必须相同。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Braces.jmp。

2. 选择分析 > 质量和过程 > 控制图 > U。
4. 选择日期并点击样本标签。
5. 选择单位大小并点击单位大小。
6. 点击确定。
图 4.24 u 图
UWMA 图示例
在样本数据表 Clips1.jmp 中，关注的测量是生产的金属夹两端之间的间距。要监控平均间距的

变化过程，每天选取五个金属夹一组的子组样本。将检查跨度为 3 的移动平均的 UWMA 图。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Clips1.jmp。
1. 选择分析 > 质量和过程 > 控制图 > UWMA。
2. 选择间距并点击过程。
4. 将移动平均跨度改为 3。
5. 点击确定。
结果为图 4.25 中所示的图。第一天的点是该日五个子组样本值的均值。第二天的标绘点是第一天
与第二天的子组样本均值的平均值。其余各天的点是每一天与之前两天的子样本均值的平均值。
金属夹平均间距看起来在下降，但没有任何样本点落在 3σ 限值之外。
图 4.25 Clips1 数据的 UWMA 图
EWMA 图示例
下例使用 Clips1.jmp 数据表。

2. 选择分析 > 质量和过程 > 控制图 > EWMA。
3. 选择间距并点击过程。
5. 将权重改为 0.5。
6. 点击确定。
图 4.26 显示了与图 4.25 所示相同数据的 EWMA 图。该 EWMA 图是针对权重 = 0.5 生成的。
图 4.26 EWMA 图
预先汇总图示例
下例使用 Coating.jmp 数据表。
2. 选择分析 > 质量和过程 > 控制图 > 预先汇总。
5. 同时选择基于组均值的单值和基于组均值的移动极差。在您选择“样本标签”变量后，将自
动选定按样本标签对样本分组按钮。
使用预先汇总图时，您可以选择基于组均值选项和 / 或基于组标准差选项。若同时选择两种
单值极差图表类型，每个选项都会创建两个图（一个单个测量值图，亦称均值图，以及一个
移动极差图）。
基于组均值选项计算每个样本的均值，然后绘制均值并基于该均值创建单个测量值和移动极
差图。
基于组标准差选项计算每个样本的标准差，并将标准差标绘为单个点。针对标准差的单个测
量值和移动极差图随即显示。
6. 点击确定。
图 4.27 预先汇总数据绘制示例
尽管均值图和 S 图上的点与基于组均值的单值图和基于组标准差的单值图上的点相同，但限值
不同，因为这些限值按单值图计算。
使用 Coating.jmp 数据表还可以通过另一种方式生成预先汇总图：
1. 选择表 > 汇总。
2. 将样本指定为分组变量，然后将均值（重量）和标准差（重量）指定为统计量。
3. 点击确定。
4. 选择分析 > 质量和过程 > 控制图 > 单值极差。
5. 选择均值（重量）和标准差（重量），然后点击过程。
6. 点击确定。
生成的图和预先汇总图一致。
阶段示例
打开位于 Quality Control 样本数据文件夹中的 Diameter.jmp。该数据集包含每天从第一样机
（阶段 1）和第二样机（阶段 2）中抽取的直径数据。
• 选择帮助 > 样本数据库，然后打开 Quality Control/Diameter.jmp。
• 选择分析 > 质量和过程 > 控制图 > 均值。
• 选择直径并点击过程。
• 选择日期并点击样本标签。
• 选择阶段并点击阶段。
• 选择 S 和均值。
• 点击确定。
生成的图对每个阶段有不同的限值。
图 4.28 阶段控制图
质量和过程方法 “控制图”平台的统计详细信息
“控制图”平台的统计详细信息
本节包含中位数移动极差图、UWMA 图和 EWMA 图的统计详细信息。有关其他类型的图（如
均值和 R 图、 p 和 np 图等），请参见 “控制图生成器”一章中第 61 页的 ““控制图生成器”
平台的统计详细信息”。
中位数移动极差图的控制限
中位数移动极差图的控制限计算如下：
下控制限 MMR = max(0, MMR - kd3(n) σ̂ )
上控制限 MMR = MMR + kd3(n) σ̂
其中：
MMR 是非缺失移动极差的中位数。
σ̂ = MMR/0.954
d3(n) 是服从单位标准差的正态总体中的 n 个独立观测的极差的标准差。
UWMA 图的控制限
每个子组 i 的 UWMA 图的控制限计算如下：
σ̂ - ----
下控制限 i = X – k ----------------------- 1 -
1- ------------ 1
w + + … + ------------------------------------------
min ( i, w ) n i ni – 1 n 1 + max ( i – w, 0 )
σ̂ - ----
上控制限 i = X + k ----------------------- 1 1 -
- + ------------ 1
w + … + ------------------------------------------
min ( i, w ) n i ni – 1 n 1 + max ( i – w, 0 )
其中：
w 是跨度参数（移动平均值中的项数）
ni 是第 i 个子组的样本大小
k 是标准差的数目
Xw 是子组均值的加权平均值
σ̂ 是估计的过程标准差
“控制图”平台的统计详细信息质量和过程方法
EWMA 图的控制限
EWMA 图的控制限计算如下：
i–1 2j
下控制限 = X – kσˆ r (1 – r)
w  --------------------
ni – j
j=0
i–1 2j
上控制限 = X + kσˆ r (1 – r)
w  --------------------
ni – j
j=0
其中：
r 是 EWMA 权重参数 (0 < r ≤ 1)
xij 是第 i 个子组中的第 j 个测量值，其中 j = 1, 2, 3,..., ni
ni 是第 i 个子组的样本大小
k 是标准差的数目
Xw 是子组均值的加权平均值
σ̂ 是估计的过程标准差
第5章
累积和控制图
检测过程均值中的小偏移
CUSUM 图显示子组或单个测量值距离目标值的累积和。 CUSUM 图可帮助您通过检测过程均

值中的持续小偏移，确定过程是否处在统计控制状态中。相比之下，Shewhart 图可检测测量值
中的突发大变化，如两个或三个 sigma 偏移，但这种图对于发现更小变化（如一个 sigma 偏
移）不够有效。
图 5.1 CUSUM 图示例

102 累积和控制图第5章
CUSUM 控制图概述质量和过程方法
CUSUM 控制图概述
累积和 (CUSUM) 控制图显示子组或单个测量值距离目标值的累积和。 CUSUM 图可帮助您通
过检测过程均值中的持续小偏移，确定过程是否处在统计控制状态中。相比之下，Shewhart 图
可检测测量值中的突发大变化，如两个或三个 sigma 偏移，但这种图对于发现更小变化（如一
个 sigma 偏移）不够有效。
CUSUM 图示例
利用一种机器来装填二冲程机油添加剂到 8 盎司油罐。装填过程被视为处于统计控制中。该过
程经过设置，满罐的平均重量 (μ0) 为 8.10 盎司。之前的分析显示装填重量的标准差 (σ0) 为 0.05
盎司。
选取了四个油罐的子组样本，每小时称重一次，连续称了 12 小时。 Oil1 Cusum.jmp 数据表中
的每个观测都包含一个重量值及其关联的小时值。观测经过排序，小时值采用升序排序。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Oil1 Cusum.jmp。
2. 选择分析 > 质量和过程 > 控制图 > CUSUM。
4. 选择小时并点击样本标签。
5. 选中双侧复选框（若尚未选中）。
6. 在 “参数”区域中，点击 H 按钮并键入 2。
7. 点击指定统计量。
8. 在目标旁边键入 8.1。
8.1 是满罐的平均重量（单位为盎司）。这是目标均值。
9. 在 Delta 旁边键入 1。
1 是要检测的最小偏移的绝对值，该值作为过程标准差或标准误差的倍数。
10. 在 Sigma 旁边键入 0.05。
0.05 是以盎司为单位的装填重量的已知标准差 (σ0)。
第5章累积和控制图 103
质量和过程方法 CUSUM 图示例
图 5.2 完成的启动窗口
11. 点击确定。
图 5.3 Oil1 Cusum.jmp 数据的双侧 CUSUM 图
您可以通过将点与 V 形模板加以比较来解释该图。 V 形模板的右边缘以最近一个点（第 12 个

小时）为中心。由于没有任何点穿越 V 形模板的两臂，所以没有证据表明过程中发生偏移。请
参见第 106 页的 “解释双侧 CUSUM 图”。
启动 “CUSUM 控制图”平台质量和过程方法
启动 “CUSUM 控制图”平台
通过选择分析 > 质量和过程 > 控制图 > CUSUM 启动 “CUSUM 控制图”平台。
图 5.4 “CUSUM 控制图”启动窗口
过程标识您要绘图的变量。数据被解释为计数，除非其中包含 0 到 1 之间的非整数值。
注意：数据表中的行必须按照您希望其在控制图中显示的顺序排序。即便指定了 “样本标
签”变量，您仍须对数据进行相应的排序。
样本标签指定某个变量，该变量的值不仅可标注水平轴，还可标识不等子组大小。若未指定
任何样本标签变量，样本将通过其子组的样本号来标识。请参见 “Shewhart 控制图”一章
中第 73 页的 “样本标签”。
依据标识一列，该列创建的报表包含该变量每个水平的单独的分析结果。
双侧选定后会请求双侧 CUSUM 图。若未选定，则使用单侧图并且不显示 V 形模板。若指定
了 H 值，则显示决策区间。
数据单位指定计算累积和时不必标准化子组均值或单个值。 CUSUM 图的垂直轴尺度随之按
照与数据相同的单位来调整。
注意：“数据单位”要求子组样本大小指定为常数。
K Sigma 采用样本标准误差倍数的形式指定控制限。在 H 下方显示的框中输入 K Sigma 值。

在期望值（显示为偏移）上下 k 个样本标准误差的位置指定控制限。请参见 “Shewhart 控
制图”一章中第 75 页的 “KSigma”。
H H 是双侧图的 V 形模板原点与 V 形模板上臂或下臂之间的垂直距离 h （相关示意图可参见
图 5.6）。对于单侧图， H 即决策区间。将 H 选作标准误差的倍数。
K 指定参考值 k， k 大于零。
质量和过程方法 CUSUM 控制图
按样本标签对样本分组指示标识各个样本的列。请参见 “Shewhart 控制图”一章中第 73 页

的 “样本标签”。
样本大小常数指示样本子组的大小相同。请参见 “Shewhart 控制图”一章中第 73 页的 “样
本标签”。
指定统计量在 “CUSUM 图的已知统计量”区域中输入以下过程变量指定值：
‒ 目标是过程或总体的目标均值（目标）。目标均值必须按照与数据相同的单位来调整。
‒ Delta 指定要检测的最小偏移的绝对值，该值作为过程标准差或标准误差的倍数。这取决
于该偏移是被视为总体均值中的偏移还是子组均值的抽样分布中的偏移。 Delta 是 “偏
移”选项的替换选项（下文会加以说明）。偏移与 Delta 之间的关系可计算如下：
Δ
δ = ------------------------
(σ ⁄ ( n))
其中， δ 代表 Delta， Δ 代表偏移， σ 代表过程标准差， n 是常见的子组样本大小。
‒ 偏移是您想要在目标均值任一侧检测的最小值。应采用与数据相同的单位输入偏移值，
并将其解释为子组均值的抽样分布均值中的偏移。您可以选择 “偏移”或 Delta。
‒ Sigma 指定已知的标准差 (σ0) 作为过程标准差 σ。默认情况下，“控制图”平台从数据
估计 sigma。
‒ 起始值为单侧 CUSUM 图指定累积和的起始值 S0 （S0 通常为零）。将起始值输入为标准
差的倍数。
删除统计量删除 “CUSUM 图的已知统计量”区域中的所有统计量。
获取限值使用 JMP 数据表中以前设定的限值。请参见 “Shewhart 控制图”一章中第 83 页的
“保存和检索限值”。
能力测量过程是否符合给定的规格限。一旦在启动窗口中点击确定，但尚未将这些值定义为
列属性，系统会提示您输入规格限和目标。请参见《基本分析》手册中的 “分布”一章。
有关启动窗口的详细信息，请参见《使用 JMP》手册中的 “入门”一章。
CUSUM 控制图
CUSUM 图可为单侧图也可为双侧图。单侧图检测在一个方向上偏移指定目标均值的程度。双
侧图检测两个方向上的偏移。
CUSUM 控制图质量和过程方法
图 5.5 双侧 CUSUM 图的示例
V 形模板
偏移
• 若使用抓手工具并点击某个点，偏移和 V 形模板会相应调整以反映该点处的过程状况。
• 若向现有 CUSUM 图的数据表添加新数据，相应的图会自动更新。
有关其他选项的信息，请参见第 108 页的 ““CUSUM 控制图”平台选项”。
解释双侧 CUSUM 图
要解释双侧 CUSUM 图，请将各点与构成 V 形模板的限值进行比较。V 形模板是叠加在累积和

图上的侧边呈 V 字的形状。V 形模板是通过标绘 V 形限值形成的。V 形模板的原点是最近标绘
的点，其双臂沿着 x 轴向后延展，如图 5.6 所示。随着不断收集数据，累积和序列随之更新，原
点重新定位在最新点。
质量和过程方法 CUSUM 控制图
图 5.6 双侧 CUSUM 图的 V 形模板

上臂顶点
下臂 d
h，对应于从原点到顶点的距离 (d)
的臂上升
1 个单位 k，对应于一个抽样单位的
臂上升
由于过程均值中的偏移会使标绘点的斜率产生变化，所以在 CUSUM 图上很容易检测出这种偏

移。斜率变化位置处的点是发生偏移的点。若以前标绘的一个或多个点穿过了 V 形模板的上臂
或下臂，情况就会失控。穿过下臂的点指示过程均值增大，穿过上臂的点指示向下偏移。
CUSUM 图与 Shewhart 图之间有着重要的差异：
• Shewhart 控制图基于单个子组样本的信息标绘各点。在 CUSUM 图中，每个点都基于来自
选取到当前子组（并包含当前子组）的所有样本的信息。
• 在 Shewhart 控制图上，水平控制限定义某个点是否指示失控状况。在 CUSUM 图上，限值
既可采用 V 形模板的形式也可采用水平决策区间的形式。
• Shewhart 控制图上的控制限通常指定为 3σ 限值。在 CUSUM 图上，基于平均运行长度、误
差概率或经济设计来确定限值。
CUSUM 图对于检测过程均值中的小偏移更加高效。Lucas (1976) 指出 V 形模板检测 1σ 偏移的
速度比 Shewhart 控制图快三倍。
解释单侧 CUSUM 图
使用单侧 CUSUM 图可标识接近或超出关注一侧的数据。

“CUSUM 控制图”平台选项质量和过程方法
图 5.7 单侧 CUSUM 图的示例
决策区间或水平线在您于启动窗口中输入的 H 值处设置。在本例中，决策区间为 0.25。若有任

何值超过决策区间 0.25，则表示存在偏移或失控状况。在本例中，观测 4 看起来是发生偏移的
位置。还请注意，单侧 CUSUM 图不显示 V 形模板。
“CUSUM 控制图”平台选项
有关 “控制图”旁边的红色小三角菜单中选项的说明，请参见 “Shewhart 控制图”一章中第
78 页的 “控制图窗口选项”。CUSUM 旁边的红色小三角菜单包含以下选项：
显示点显示或隐藏样本数据点。
连接点用线条连接各样本点。
V 形模板颜色（仅在已选定 “显示 V 形模板”时适用）为 V 形模板选择线条颜色。
连接颜色（仅在已选定 “连接点”时适用）为连接线选择颜色。
中心线颜色（仅在已选定 “显示偏移”时适用）为中心线或偏移选择颜色。
显示偏移显示或隐藏您在启动窗口中输入的偏移。
显示 V 形模板根据您在 “CUSUM 控制图”启动窗口中指定的统计量显示或隐藏 V 形模板。
显示参数显示或隐藏汇总 CUSUM 绘图参数的报表。
显示 ARL 显示或隐藏平均运行长度 (ARL) 信息。平均运行长度是在指示失控状况之前所抽取
的期望样本个数，如下所示：
‒ ARL (Delta)，有时表示为 ARL1，是用于检测指定 Delta 大小的偏移的平均运行长度。
‒ ARL(0)，有时表示为 ARL0，是指定参数的受控平均运行长度 (Montgomery 2013)。
质量和过程方法单侧 CUSUM 图的示例
单侧 CUSUM 图的示例
请考虑第 102 页的“CUSUM 图示例”中使用的数据，其中使用一种机器来装填 8 盎司机油罐。
为了削减成本，生产商现在更关注显著的超量装填情况（而不太关注装填不满的情况）。使用单
侧 CUSUM 图可标识所有超量装填情况。超过均值 (8.1) 0.25 盎司的所有情况均被视为有问题。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Oil1 Cusum.jmp。
2. 选择分析 > 质量和过程 > 控制图 > CUSUM。
3. 取消选择双侧。
5. 选择小时并点击样本标签。
6. 点击 H 并键入 0.25。
7. 点击指定统计量。
8. 在目标旁边键入 8.1。
8.1 是满罐的平均重量（单位为盎司）。这是目标均值。
9. 在 Delta 旁边键入 1。
1 是要检测的最小偏移的绝对值，该值作为过程标准差或标准误差的倍数。
10. 在 Sigma 旁边键入 0.05。
0.05 是以盎司为单位的装填重量的已知标准差 (σ0)。
11. 点击确定。
图 5.8 Oil1 Cusum.jmp 数据的单侧 CUSUM 图
决策区间设置在您输入的 H 值 (0.25) 的位置。您可以看到，在第四个小时处，出现了显著的超

量装填情况。
CUSUM 控制图的统计详细信息质量和过程方法
CUSUM 控制图的统计详细信息
这些公式中使用了以下符号：
• μ 表示总体均值，亦称过程均值或过程水平。
• μ0 表示总体的目标均值（或目标）。有时用符号 X0 来表示 μ0。请参见 American Society for
Quality Statistics Division (2004)。您可以将 μ0 用作启动窗口 “CUSUM 图的已知统计量”
区域中的 “目标”。
• σ 表示总体标准差。σ̂ 表示 σ 的估计值。
• σ0 表示已知的标准差。您可以将 σo 用作启动窗口 “CUSUM 图的已知统计量”区域中的
Sigma。
• n 表示 CUSUM 图的名义样本大小。
• δ 表示要检测的 μ 中的偏移，表示为标准差的倍数。您可以将 δ 用作启动窗口 “CUSUM 图
的已知统计量”区域中的 Delta。
• Δ 表示要检测的 μ 中的偏移，用数据单位表示。若样本大小 n 在各子组之间保持不变，则适
用以下计算：
Δ = δσ = ( δσ ) ⁄ n
X
您可以将 Δ 用作启动窗口 “CUSUM 图的已知统计量”区域中的 “偏移”。
注意：有些作者使用符号 D 而不是 Δ。
单侧 CUSUM 图
正偏移
若要检测的偏移 δ 为正，第 t 个子组的累积和计算如下：

St = max(0, St – 1+ (zt – k))
t = 1, 2,..., n，其中 S0 = 0, zt 针对双侧图定义，参数 k （称为参考值）为正数。若未在启动窗口

中指定参数 k，则将 k 设置为 δ/2。将 CUSUM St 称为上累积和。 St 可计算如下：
 X i – ( μ 0 + kσ )
max  0, S t – 1 + -----------------------------------------
Xt 
σ 
 Xt 
序列 St 对子组均值中距离 μ0 超过 k 个标准误差的偏差进行累积。若 St 超过正值 h （称为决策

区间），则指示偏移或失控状况。
质量和过程方法 CUSUM 控制图的统计详细信息
负偏移
若要检测的偏移为负，第 t 个子组的累积和计算如下：
St = max(0, St – 1 – (zt + k))
t = 1, 2,..., n，其中 S0 = 0, zt 针对双侧图定义，参数 k （称为参考值）为正数。若未在启动窗口

中指定参数 k，则将 k 设置为 δ/2。 CUSUM St 称为下累积和。 St 可计算如下：
 X i – ( μ 0 – kσ )
max  0, S t – 1 – ----------------------------------------
Xt 
-
σ 
 X t 
序列 St 对子组均值中距离 μ0 为 k 个标准误差以内的偏差绝对值进行累积。若 St 超过正值 h（称

为决策区间），则指示偏移或失控状况。
请注意，不论 δ 正负如何， St 始终为正， h 始终为正。对于设计用于检测负偏移的图，有些作
者定义了 St 的相反版本，即：在 St 小于负限值时指示偏移。
Lucas 和 Crosier (1982) 说明了 CUSUM 图的快速初始响应 (FIR) 功能的属性，其中的初始
CUSUM S0 设置为 “起始值”。他们给出的平均运行长度计算表明 FIR 功能在过程受控时影响
极小，所以这导致对初始失控状况的响应速度比标准 CUSUM 图更快。您可以在启动窗口
“CUSUM 图的已知统计量”区域中提供 “初始值”。
常数样本大小
若子组样本大小为常数 (= n)，最好按照与数据相同的单位来调整和计算累积和。累积和计算如下：
S t = max ( 0, S t – 1 + ( X t – ( μ 0 + kσ ⁄ n ) ) )
其中， δ > 0
S t = max ( 0, S t – 1 – ( X t – ( μ 0 – kσ ⁄ n ) ) )
其中 δ < 0。在任何一种情况下，参数 k 按 k' = kσ ⁄ n 重新调整尺度。若未在启动窗口中指定参

数 k，则将 k 设置为 δ/2。若 St 超过 h' = hσ ⁄ n 则指示偏移。某些作者用符号 H 来代替 h'。
双侧 CUSUM 图
若 CUSUM 图为双侧，为第 t 个子组标绘的累积和 St 如下所示：

St = St - 1 +zt
t = 1, 2,..., n。此处的 S0=0，项 zt 计算如下：
zt = ( Xt – μ0 ) ⁄ ( σ ⁄ nt )
CUSUM 控制图的统计详细信息质量和过程方法
其中， Xt 是第 t 个子组的平均值， nt 是第 t 个子组的样本大小。若子组样本由单个测量值 xt 构

成，项 zt 简化为以下计算：
zt = (xt – μ0)/σ
第一个方程可重写为以下形式：
t t
St =  zi =  ( Xi – μ0 ) ⁄ σ
Xi
i=1 i=1
其中，序列 St 对距离目标均值 μ0 的子组平均值标准差进行累积。

在许多应用中，子组样本大小 ni 为常数 (ni = n)， St 的方程可简化如下：
t t
St = ( 1 ⁄ σ )
X  ( Xi – μ0 ) = ( n ⁄ σ )  ( Xi – μ0 )
i=1 i=1
在某些应用中，最好按如下方式计算 St：
t
St =  ( Xi – μ0 )
i=1
该式按照与数据相同的单位来调整尺度。在这种情况下，过程将 V 形模板参数 h 和 k 的尺度分

别重新调整为 h' = hσ ⁄ n 和 k' = kσ ⁄ n 。某些作者用符号 F 代替 k'，用 H 代替 h'。
若过程处于受控状态且均值 μ 达到目标 μ0 或接近该目标，则采用随机漫步模型。因此，点可能
离开零，但是不会呈现大的趋势，因为距离 μ0 的正偏移量和负偏移量趋近于彼此抵消。若 μ 具
有正向偏移量，则点呈现向上趋势；若 μ 具有负向偏移量，则点呈现向下趋势。
第6章
多元控制图
同时监控多个过程特征
多元控制图用于监控两个或更多相互关联的过程变量。一元控制图用于监控单个独立过程特征；
而当过程变量相互关联时，则需要多元控制图。使用 “多元控制图”平台可以创建 Hotelling T2
图。您可以使用该平台确定某个过程是否稳定以及通过收集新数据来监控过程。
图 6.1 多元控制图的示例
114 多元控制图第6章
多元控制图概述质量和过程方法
多元控制图概述
多元控制图用于监控两个或更多相互关联的过程变量。一元控制图用于监控单个独立过程特征；
而当过程变量相互关联时，则需要多元控制图。 Hotelling T2 图（简称 T2 图）是一种多元控制
图。T2 图可以检测均值偏移或检测几个相关变量之间的关系。观测可以是过程变量的单个观测，
也可以将它们划分为合理的子组。
您可以使用当前或历史数据构造多元控制图。若使用当前数据构造控制图，则将控制图称为“阶
段 I”图；若使用历史数据集的目标统计量构造控制图，则称之为 “阶段 II”图。在 “阶段 I”
中，您查看过程是否稳定并确定一个历史数据集来计算过程的目标统计量。在 “阶段 II”中，
多元控制图使用 “阶段 I”中的目标统计量来监控新过程观测。
要构造“阶段 II”多元控制图，请首先确定一个时间段，在该时间段内过程是稳定的、有能力的。
1. 绘制 “阶段 I”控制图来验证过程在该时间段内是稳定的。
“阶段 I”中使用的数据提供了历史数据集
2. 保存该历史数据集的目标统计量。
3. 使用 “阶段 II”控制图基于在步骤 2 中保存的目标统计量监控正在进行的过程。
多元控制图的示例
以下示例说明如何为未分子组的数据构造控制图。该数据是有关蒸汽涡轮发动机的测量数据。
有关使用子组数据的示例，请参见第 121 页的 “监控使用子组数据的过程的示例”。
步骤 1：确定过程是否稳定
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Steam Turbine Historical.jmp。

2. 选择分析 > 质量和过程 > 控制图 > 多元控制图。
3. 选择所有列并点击 Y，列。
4. 点击确定。
第6章多元控制图 115
质量和过程方法多元控制图的示例
图 6.2 初始多元控制图
该过程似乎处于合理的统计控制中，因为只有一个失控的点。因此，根据该数据创建目标是合
理的。
步骤 2：保存目标统计量
1. 从红色小三角菜单，选择保存目标统计量。
这将创建一个包含过程的目标统计量的新数据表。
图 6.3 蒸汽涡轮数据的目标统计量
2. 将新数据表另存为 Steam Turbine Targets.jmp。

既然已经设定了目标统计量，接下来可以创建用于监控过程的多元控制图。
启动 “多元控制图”平台质量和过程方法
步骤 3：监控过程
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Steam Turbine Current.jmp。

该样本数据表包含过程中的最近观测。
3. 选择所有列并点击 Y，列。
4. 点击获取目标。
5. 打开您保存的 Steam Turbine Targets.jmp 表。
6. 点击确定。
默认 alpha 水平设置为 0.05。将它更改为 0.001。
7. 从红色小三角菜单，选择设置 Alpha 水平 > 其他。
8. 键入 0.001 并点击确定。
图 6.4 蒸汽涡轮控制图
图 6.4 显示失控情况出现在观测 2、 3、 4、 5 和 8 中。该结果暗示这些观测与 Steam Turbine

Historical.jmp 中的历史数据不符，需要进一步调查过程。为了找到可指定的原因，您可能要查
看各个一元控制图或执行另一个一元过程。
启动 “多元控制图”平台
通过选择分析 > 质量和过程 > 控制图 > 多元控制图启动 “多元控制图”平台。
质量和过程方法多元控制图
图 6.5 多元控制图启动窗口
Y，列指定要分析的列。
子组输入带有子组数据的列。从层次上看，该组嵌套在分组中。
分组输入指定最高层次级别的组成员关系的列。
权重标识数据表列，该列的变量为数据分配权重（如重要性或影响）。
频数标识数据表列，该列的值为每行分配频数。当您的数据表包含汇总数据时，这很有用。
获取目标点击以选择包含过程的历史目标的 JMP 表。
多元控制图
使用多元控制图可快速标识过程中的偏移，并针对特殊原因指示监控您的过程。
按第 114 页的 “多元控制图的示例”中的说明操作以生成图 6.6 中所示的结果。
多元控制图质量和过程方法
图 6.6 多元控制图
提示：有关其他选项的信息，请参见第 119 页的 ““多元控制图”平台选项”。
多元控制图绘制 Hotelling T2 统计量。控制限的计算基于是否指定了目标而有所不同。要了解

如何计算 T2 统计量和 UCL （上控制限），请参见第 127 页的 “多元控制图的统计详细信息”。
有关控制限的更多详细信息，请参见 Tracy, et al., 1992。
在该示例中，两个数据集的 “主成分”报表指示第一个特征值（对应于第一个主成分）解释了
变量中大约 95% 的总变异。两个 “特征向量”表中的值指示第一个主成分主要受变量 “燃料”
和 “汽流”影响。您可以使用该信息仅基于第一个成分构造有可能更敏感的控制图。有关 “主
成分”报表的更多详细信息，请参见第 120 页的 “主成分”。
质量和过程方法 “多元控制图”平台选项
“多元控制图”平台选项
可从平台红色小三角菜单使用以下选项：
T 方图显示 T2 图。 Hotelling T2 图是将相关性考虑在内的均值图的多元扩展。
T 方已分割基于 Y 的主成分构造多元控制图。指定 T2 的主成分个数。请参见第 119 页的 “T
方已分割”。
设置 Alpha 水平设置用于计算控制限的 α 水平。默认值为 α=0.05。
显示协方差显示协方差。协方差是两个变量之间线性关系的一种测度。
显示相关性显示相关性报表。
显示逆协方差显示逆协方差，若它是奇异的，则显示广义逆协方差矩阵。
显示逆相关性显示逆相关性，若它是奇异的，则显示广义逆相关性矩阵。
显示均值显示每个组的均值。
保存 T 方在包含 T2 值的数据表中创建新列。
保存 T 方公式在数据表中创建新列。在列中储存计算 T2 值的公式。
保存目标统计量创建包含过程的目标统计值的新数据表。目标统计量包括：样本大小、样本
数、均值、标准差和所有相关性。
变点检测（不适用于子组数据）显示行号对检验统计量的变点检测图，并指示出现变点的行
号。请参见第 120 页的 “变点检测”。
主成分显示列出特征值及其相应特征向量的报表。主成分帮助您了解在您监控的变量中哪些
对过程变异的贡献最大。请参见第 120 页的 “主成分”。
保存主成分在数据表中创建包含统一尺度的主成分的新列。
T 方已分割
若您正在监控大量相关的过程特征，可以使用“T 方已分割”选项来构造基于主成分的控制图。
若很少数目的主成分解释了测量值中的大部分变异，则基于这些重要成分的多元控制图可能比
基于原始的更高维数据的图更灵敏。
当您的协方差矩阵为病态时，“T 方已分割”选项也很有用。在这种情况下，具有小特征值的成
分解释很少的变异，它们对 T2 可能有严重的误导性影响。研究过程行为时，将这些较不重要的
成分分离出来是很有用的。
选择 “T 方已分割”选项后，您需要确定要使用多少个主成分。
该选项创建两个多元控制图：具有大的主成分的 T 方和具有小的主成分的 T 方。假定您首次选
择该选项时输入 r 作为主成分个数。具有大的主成分的图基于 r 个主成分（对应于 r 个最大的
“多元控制图”平台选项质量和过程方法
特征值）。这些是解释最大变异量的 r 个成分，如 “主成分 : 基于协方差”报表的 “百分比”和

“累积百分比”列中所示。具有小的主成分的图基于其余主成分。
对于指定的子组，它在大的主成分图中的 T2 值和在小的主成分图中的 T2 值之和为 “具有全部
主成分的 T2”报表中显示的总 T2 统计量。有关如何计算已分割的 T2 值的详细信息，请参见
Kourti, T. 和 MacGregor, J. F. (1996)。
变点检测
当数据集由多元单个观测组成时，可以建立控制图以检测均值向量、协方差矩阵或这两者中的
偏移。该方法分割数据并针对偏移计算似然比检验统计量。在控制图上标绘的该统计量是观测
的似然比检验统计量除以以下项的积所得：
• 假定无偏移的近似期望值。
• 上控制限的近似值。
除以近似上控制限允许针对有效的上控制限 1 标绘点。“变点检测”图清晰显示发生控制图统计
量最大值的偏移时的变点。 JMP 中的 “变点检测”方法基于 Sullivan 和 Woodall (2000)，相关
说明请参见第 131 页的 “变点检测的统计详细信息”。
注意：“变点检测”方法设计用于显示数据中的单个偏移。递归应用该方法可以检测多个偏移。
对于 “变点检测”图，请注意以下事项：
• 1.0 以上的值指示数据中可能有偏移。
• 通过将关注值（均值向量或协方差矩阵）的似然比统计量除以归一化因子，可以得到 “变
点检测”图的控制图统计量。
• 对于 “变点检测”图，数据的变点发生在具有最大检验统计值的观测。
对于散点图矩阵，请注意以下事项：
• 该图显示样本均值向量中的偏移。
• 在第 126 页的 ““变点检测”的示例”中，数据被分为两组。前 24 个观测归为第一组。其
余观测归为第二组。
主成分
“主成分”报表包含以下信息：
特征值协方差矩阵的特征值。
百分比相应特征向量所解释的变异百分比。随之还显示条形图。
累积百分比对应于特征值的特征向量所解释的累积变异百分比。
卡方提供用于确定数据中剩余的相关性是否为随机的检验。这是 Bartlett 球形检验。当该检验
拒绝原假设时，意味着数据中的剩余结构与该特征值有关。
质量和过程方法多元控制图的更多示例
自由度与卡方检验关联的自由度。
概率 > 卡方检验的 p 值。
特征向量对应于特征值的特征向量表。请注意，每个特征向量被除以其相应特征值的平方根。
有关主成分的详细信息，请参见《多元方法》手册中的 “主成分”一章。
多元控制图的更多示例
本节提供创建多元控制图来监控单个过程和检测变点的更多示例。
监控使用子组数据的过程的示例
监控使用子组数据的多元过程的工作流程类似于监控单个数据的工作流程。请参见第114 页的“多
元控制图的示例”。您创建一个初始控制图来保存目标统计量，然后使用这些目标来监控过程。
步骤 1：确定过程是否稳定
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Aluminum Pins Historical.jmp。

3. 选择所有直径和长度列，然后点击 Y，列。
4. 选择子组并点击子组。
5. 点击确定。
图 6.7 子组数据的多元控制图，步骤 1
多元控制图的更多示例质量和过程方法
该过程看起来处于统计控制中，使用该数据创建目标是合适的。
步骤 2：保存目标统计量
1. 从红色小三角菜单，选择保存目标统计量。
这将创建一个包含过程的目标统计量的新数据表。
2. 将新数据表另存为 Aluminum Pins Targets.jmp。
既然已经设定了目标统计量，接下来可以创建用于过程监控的多元控制图。
步骤 3：监控过程
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Aluminum Pins Current.jmp。

该样本数据表包含过程中的最近观测。
3. 选择所有直径和长度列，然后点击 Y，列。
4. 选择子组并点击子组。
5. 点击获取目标。
6. 打开您保存的 Aluminum Pins Targets.jmp 表。
7. 点击确定。
8. 从红色小三角菜单，选择显示均值。
“显示均值”选项给出每个子组的均值。您然后可以观察哪些组最不相似。
图 6.8 子组数据的多元控制图，步骤 3
图 6.8 显示不稳定出现在子组 4-7、 9-11、 18 和 20 中。该结果暗示这些观测与 Aluminum Pins

Historical.jmp 中的历史数据不符，需要进一步调查过程。要确定过程在这些点失控的原因，您
可能要查看各个一元控制图或执行另一个一元过程。
监控该过程的替代方法是基于大的主成分。在本示例中，对于历史数据，前三个主成分解释了
大约 98% 的变异。基于此，您可以构造前三个主成分的图。然后，使用这三个成分监控当前数
据。用于监控过程的图的控制限应基于相应历史数据的图。
“T 方已分割”的示例
在研究过程行为时，使用“T 方已分割”将更重要的成分与不太重要的成分分离。在本示例中，
每 50 个钢筋条的涂层在条上 12 个间距相等的位置进行测量。您想检查测量值中的变异并确定
是否需要进一步调查导致变异的原因。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Thickness.jmp。
3. 选择所有厚度列并点击 Y，列。
4. 点击确定。
当前 alpha 水平设置为 0.05，它对应于 5% 的误报率。您想将误报率设置为 1%。
5. 通过从红色小三角菜单选择设置 Alpha 水平并选择 0.01 更改 alpha 水平。
图 6.9 Thickness.jmp 的初始多元控制图
图 6.9 中的总控制图指示特殊原因影响了钢筋条 1、 2、 4、 5 和 22。通过查看 “主成分”报

表，您可以看到第一个主成分解释了 12 个厚度测量值中几乎 95% 的变异。您想进一步调查
与该主成分相关的变异。
6. 从红色小三角菜单，选择 T 方已分割。
7. 通过点击确定接受 1 个主成分的默认值。
图 6.10 “T 方已分割”控制图
对比 “主成分”报表，“具有大的主成分的 T 方”图（仅反映第一个成分的变异）显示不出来

存在特殊原因的证据。“具有小的主成分的 T 方”图显示特殊原因存在于其余更小的成分中。这
些更小的成分没有解释很多变异，很可能表示随机噪声。因此，您可以认定厚度测量值中的变
异不是值得关注的主要原因。
“变点检测”的示例
使用变点检测查找数据中发生偏移的点。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Gravel.jmp。
质量和过程方法多元控制图的统计详细信息
3. 选择大和中，然后点击 Y，列。
4. 点击确定。
5. 从红色小三角菜单，选择变点检测。
图 6.11 Gravel.jmp 的变点检测
提示：根据您的数据，您可能需要拖动轴来查看两个组的密度椭圆。
在“变点检测”图中，1.0 以上的值指示数据中可能有偏移。至少一个偏移是明显的，变点出现
在第 24 个观测处，偏移紧接在该处之后发生。两个组的 95% 预测区域有几乎相同的大小、形状
和方向，这直观地指出样本协方差矩阵是相似的。
多元控制图的统计详细信息
本节包含单个数据、子组数据和变点检测的统计详细信息。
单个观测的统计详细信息
考虑未分子组的测量值，即自然子组大小为 n = 1 的情况。用 m 表示观测数，用 p 表示测量的变
量数。为每个观测计算 T2 统计量并标绘它。 T2 统计量和上控制限 (UCL) 的计算取决于目标统
计量的来源。在 “阶段 I”图中，限值基于在控制图上标绘的同一数据。在 “阶段 II”图中，限
值基于从历史数据集计算得出的目标统计量。有关 T2 统计量和 Hotelling T2 控制图的控制限计
算的详细信息，请参见 Montgomery (2013)。
多元控制图的统计详细信息质量和过程方法
“阶段 I”控制图的计算
在 “阶段 I”控制图中，按以下方式定义第 i 个观测的 T2 统计量：
2 –1
T i = ( Y i – Y )'S ( Yi – Y )
其中：
Yi 是第 i 个观测的 p 个测量值的列向量
Y 是 p 个变量的样本均值的列向量
S-1 是样本协方差矩阵的逆矩阵
i 个观测中每个观测的 Ti2 值都是在多元控制图上标绘的点。
计算“阶段 I”控制限时，上控制限基于 beta 分布。具体而言，按以下方式定义上控制限 (UCL)：
2
(m – 1)
UCL = --------------------- β
m p m–p–1
1 – α ;--- ;----------------------
2 2
其中：
p = 变量数
m = 观测数
Beta  p---, m – p – 1- 分布的第 β = (1–α)th 分位数

---------------------
2 2  p m–p–1
1 – α ;--- ;----------------------
2 2
“阶段 II”控制图的计算
在“阶段 II”控制图中，将历史数据集定义为 X。然后按以下方式定义第 i 个观测的 T2 统计量：
2 –1
T i = ( Y i – X )'S X ( Yi – X )
其中：
Yi 是第 i 个观测的 p 个测量值的列向量
X 是 p 个变量的样本均值的列向量，从历史数据集计算
SX-1 是样本协方差矩阵的逆矩阵，从历史数据集计算
i 个观测中每个观测的 Ti2 值都是在多元控制图上标绘的点。

计算 “阶段 II”控制限时，新观测独立于历史数据集。在这种情况下，上控制限 (UCL) 是 F 分
布的函数，部分依赖于从中计算目标的历史数据集中的观测数。按以下方式定义上控制限：

 p(m + 1)( m – 1)
----------------------------------------- F [ 1 – α, p, m – p ] 若 m ≤ 100
 m(m – p)
UCL = 
 p(m – 1)
 --------------------- F [ 1 – α, p, m – p ] 若 m > 100
m–p

其中：
p = 变量数
m = 历史数据集中的观测数
F ( p, m – p ) 分布的 F = (1–α) 分位数
[ 1 – α, p , m – p ]
合理子组中观测的统计详细信息
考虑监控 p 个变量且获取大小为 n > 1 的 m 个子组的情况。为每个子组计算 T2 统计量并标绘
它。 T2 统计量和上控制限 (UCL) 的计算取决于目标统计量的来源。在 “阶段 I”图中，限值基
于在控制图上标绘的同一数据。在 “阶段 II”图中，限值基于从历史数据集计算得出的目标统
计量。有关 T2 统计量和 Hotelling T2 控制图的控制限计算的详细信息，请参见 Montgomery
(2013)。
“阶段 I”控制图的计算
对于 “阶段 I”控制图，按以下方式定义第 j 个子组的 T2 统计量：
2 –1
T j = ( Y j – Y )'S p ( Yj – Y )
其中：
Yj 是第 j 个子组的 p 个测量值的 n 个列向量的均值
m
1
Y = ----  Y j 是子组均值的均值
m
j=1
Sj 是第 j 个子组中 n 个观测的样本协方差矩阵
m
1
S p = ----  S j 是合并的协方差矩阵，计算为子组内协方差矩阵的均值
m
j=1
按以下方式定义 “阶段 I”的上控制限 (UCL)：
p(m – 1)(n – 1)
UCL = --------------------------------------- F [ 1 – α, p, mn – m – p + 1 ]
mn – m – p + 1
其中：
p = 变量数
n = 每个子组的样本大小
m = 子组数
F ( p, mn – m – p + 1 ) 分布的 F = (1–α) 分位数
[ 1 – α, p, mn – m – p + 1 ]
“阶段 II”控制图的计算
在 “阶段 II”控制图中，将从中计算目标统计值的历史数据集定义为 X。然后按以下方式定义

第 j 个子组的 T2 统计量：
2 –1
T j = ( Y j – X )'S p ( Yj – X )
其中：
Yj 是第 j 个子组的 p 个测量值的 n 个列向量的均值
Xk 是第 k 个子组（来自历史数据集）中的 p 个测量值的 n 个列向量的均值
m
1
X = ----  X k 是观测的总均值
m
k=1
Sk 是第 k 个子组（来自历史数据集）中的 n 个观测的样本协方差矩阵

m
1
S p = ----  S k 是合并的协方差矩阵，计算为子组内协方差矩阵的均值
m
k=1
按以下方式定义 “阶段 II”上控制限 (UCL)：
p(m + 1)(n – 1)
UCL = --------------------------------------- F [ 1 – α, p, mn – m – p + 1 ]
mn – m – p + 1
其中：
p = 变量数
n = 子组样本大小
m = 历史数据集中的子组数
F ( p, mn – m – p + 1 ) 分布的 F = (1–α) 分位数
[ 1 – α, p, mn – m – p + 1 ]
合理子组中观测的检验统计量的加和性
将 mn 个独立正态分布的观测样本分为 m 个大小为 n 的合理子组时，将 T2M 定义为第 j 个子组

的均值 Yj 与目标值之间的间距。（对于合理子组中的观测， T2M 与上一节中的 T2 等价。）您还
可以计算与每个子组中的内部变异性有关的 T2 统计量和围绕目标值的总变异性。 T2 统计量的
分量是可相加的，很像平方和。具体来说，以下关系对于 m 个子组均成立：
2 2 2
TA = TM + TD
j j j
在所有以下定义中， Sp 的定义方式与上一节中相同，根据控制图是 “阶段 I”还是 “阶段 II”

控制图而定。同样，对于“阶段 I”控制图将 μ 定义为 Y，对于“阶段 II”控制图将其定义为 X。
按以下方式定义与第 j 个子组的目标值的间距：
2 –1
T M = n ( Y j – μ )'S P ( Y j – μ )
j
按以下方式定义第 j 个子组的内部变量性：
n
2 –1
TD =
j
 ( Y ji – Y j )'S P ( Y ji – Y j )
i=1
其中 Yji 是第 j 个子组的 p 个测量值的第 i 个列向量。

按以下方式定义第 j 个子组的总变异性：
n
2 –1
TA =
j
 ( Y ji – μ )'S P ( Y ji – μ )
i=1
其中 Yji 是第 j 个子组的 p 个测量值的第 i 个列向量。
注意：当您从 “多元控制图”红色小三角菜单选择保存 T 方或保存 T 方公式选项时，在每行中

保存的三个值对应于上述三个定义中的一个 i 值。
变点检测的统计详细信息
本讨论采纳 Sullivan 和 Woodall (2000) 方法。
假定
用 Np(μi,Σi) 表示均值向量为 μi、协方差矩阵为 Σi 的 p 维多元分布。假定 xi 是来自这类分布的 m

（其中 m > p）个独立观测。
x i ∼ N p ( μ i ,Σ i ), i = 1, … ,m
若过程是稳定的，则表示 μi 和协方差矩阵 Σi 等于一个公值，使 xi 服从 Np(μ, Σ) 分布。

假定 m1 和 m1+1 个观测之间的均值向量和 / 或协方差矩阵中出现单个变化，则以下条件成立：
• 观测 1 到 m1 具有相同的均值向量和相同的协方差矩阵 (μa,Σa)。
• 观测 m1 + 1 到 m 具有相同的均值向量和相同的协方差矩阵 (μb,Σb)。
• 出现以下情形之一：
‒ 若变化影响均值， μa ≠ μb。
‒ 若变化影响协方差矩阵， Σa ≠ Σb。
‒ 若变化同时影响均值和协方差矩阵， μa ≠ μb 且 Σa ≠ Σb。
概述
似然比检验方法用于确定均值向量和协方差矩阵中的一个还是两者均发生变化。使用似然比检
验统计量来计算近似上控制限为 1 的控制图统计量。为所有可能的 m1 值标绘该控制图统计量。
若任何观测的控制图统计量超过上控制限 1，这表示发生了偏移。假定正好有一个偏移，该偏移
被视为紧跟在具有最大控制图统计量值的观测之后。
似然比检验统计量
按以下方式给出前 m1 个观测的对数似然函数两倍的最大值：
l 1 = – m 1 k 1 log [ 2π ] – m 1 log S 1 – m1 k1
k1
l1 的等式使用以下符号：
• S1 是前 m1 个观测的协方差矩阵的最大似然估计值。
• k1 = Min[p,m1-1] 是 p x p 矩阵 S1 的秩。
• 符号 S 1 k1 表示矩阵 S1 的广义行列式，将该值定义为 k1 个正特征值 λj 的积：
k1
S1
k1
= ∏ λj
j=1
当 S1 具有满秩时，广义行列式等于普通行列式。
用 l2 表示后面 m2 = m - m1 个观测的对数似然函数两倍的最大值，用 l0 表示所有 m 个观测的对
数似然函数两倍的最大值。指定 l2 和 l0 所用的表达式类似于 l1 的表达式。
似然比检验统计量将 l1 + l2 的和与 l0 进行比较。l1 + l2 的和是该对数似然的两倍，后者假定 m1 处
可能有偏移。值 l0 是假定无偏移的对数似然的两倍。若 l0 远小于 l1 + l2，则假定过程是不稳定的。
按以下方式计算似然比检验统计量，它检验某个变化是否在观测 m1 + 1 处开始：
lrt [ m 1 ] = ( l1 + l2 – l0 )
= ( m 1 ( p – k 1 ) + m 2 ( p – k 2 ) ) ( 1 + log ( 2π ) )
+ m log [ S ] – m 1 log S 1 – m 2 log S 2

k1 k2
似然比检验统计量服从自由度为 p(p + 3)/2 的渐近卡方分布。对数似然比值大指示过程是不稳

定的。
控制图统计量
模拟结果表明 lrt[m1] 的期望值随观测在序列中的位置而变化，特别取决于 p 和 m。（请参见

Sullivan 和 Woodall, 2000。）
lrt[m1] 期望值的近似公式从模拟推导而来。为了降低期望值与 p 的相关性，用 lrt[m1] 除以其渐
近期望值 p(p + 3)/2。
以下是 lrt[m1] 的近似期望值除以 p(p+3)/2 的公式：
 a +m b , 若 m <p+1
 p 1 p 1
 a + ( m – m )b , 若 m – m < p + 1
ev [ m ,p ,m 1 ] =  p 1 p 1
 m – 2p – 1
 1 + ----------------------------------------------------- , 否则
 ( m1 – p ) ( m – p – m1 )
其中
0.08684 ( p – 14.69 ) ( p – 2.036 )

a p = – --------------------------------------------------------------------------
(p – 2)
0.1228 ( p – 1.839 )
b p = --------------------------------------------
(p – 2)
对于 p = 2，当 m1 或 m2 = 2 时， ev[m,p,m1] 的值为 1.3505。
注意：上述公式对于 p > 12 或 m < (2p + 4) 是不准确的。在这些情况中，应使用模拟来获取近似

期望值。
按以下方式给出一个近似上控制限，在假定过程是稳定时，该控制限对应产生假的失控信号的
概率大约为 0.05：
2 3
上控制限 [ m ,p ] ≅ ( 3.338 – 2.115 log [ p ] + 0.8819 ( log [ p ] ) – 0.1382 ( log [ p ] ) )
3
+ ( 0.6389 – 0.3518 log [ p ] + 0.01784 ( log [ p ] ) ) log [ m ].
请注意，该公式依赖于 m 和 p。
将控制图统计量定义为似然比检验统计量对数的两倍除以 p(p + 3)、除以其近似期望值以及控制
限的近似值。因为除以上控制限的近似值，因此可以针对上控制限 1 标绘控制图统计量。按以
下方式给出近似控制图统计量：
2lrt [ m 1 ]
ŷ [ m 1 ] = ----------------------------------------------------------------------------------------------
p ( p + 3 ) ( ev [ m ,p ,m 1 ]上控制限 [m,p] )
第7章
测量系统分析
使用 EMP 方法评估连续测量过程
“测量系统分析”(MSA) 平台评估测量系统的精确性、一致性和偏倚。在研究过程本身之前，您
需要确保能够精准地测量过程。若您看到的大多数变异来自测量过程本身，您将无法可靠地了
解过程。使用 MSA 可查明测量系统当前的性能。
本章介绍 EMP 方法。“量具 R&R”方法在第 157 页的 “变异性量具图”一章中说明。
图 7.1 “测量系统分析”的示例
136 测量系统分析第7章
“测量系统分析”概述质量和过程方法
“测量系统分析”概述
“测量系统分析”平台中的 EMP （评估测量过程）方法主要基于 Donald J. Wheeler 所著 EMP
III Using Imperfect Data (2006) 一书中所述的方法。 EMP 方法提供了易于解释的直观信息和结
果，可帮助使测量系统发挥最大作用。
“量具 R&R”方法分析多少变异性来自操作员变异（再现性）和测量变异（重复性）。“量具
R&R”适用于许多交叉模型和嵌套模型的组合，不论模型是否平衡。详细信息，请参见第 157
页的 “变异性量具图”一章。
在 6 Sigma DMAIC 方法中， MSA （测量系统分析）解决测量阶段问题，过程行为图（或控制
图）解决控制阶段问题。 MSA 帮助您预测将来结果并刻画其特征。您可以使用从 MSA 收集的
信息帮助解释和配置过程行为图。
有关控制图的详细信息，请参见第 29 页的 “控制图生成器”。
“测量系统分析”的示例
在该示例中，三名操作员测量了相同的五个部件。根据在测量中发现了多少变异，了解测量系
统的运行状况。
1. 选择帮助 > 样本数据库，然后打开 Variability Data/Gasket.jmp。
2. 选择分析 > 质量和过程 > 测量系统分析。
3. 将 Y 分配给 Y，响应角色。
4. 将部件分配给部件，样本 ID 角色。
5. 将操作员分配给 X，分组角色。
请注意， MSA 方法设置为 EMP，散度图类型设置为极差，模型类型设置为交叉。请参见图
7.5。
6. 点击确定。
第7章测量系统分析 137
质量和过程方法 “测量系统分析”的示例
图 7.2 MSA 初始报表
平均图显示每个操作员和部件组合的平均测量值。在该示例中，部件测量值的均值通常超过
了控制限。这是想要的结果，因为它指示您可以检测部件间变异。
极差图显示每个操作员和部件组合的变异性。在该示例中，极差位于控制限内。这是想到的
结果，因为它指示操作员采用相同的方式测量部件且具有相似的变异。
每个部件的颜色编码显示在图下方的图例中。
7. 从 “Y 的测量系统分析”旁边的红色小三角菜单，选择平行性图。
“测量系统分析”的示例质量和过程方法
图 7.3 操作员和部件的平行性图
平行性图按操作员显示每个部件的平均测量值。因为线条通常是平行的，没有主要的交叉
点，您可以推断出操作员和部件之间没有交互作用。
提示：交互作用指示存在需要进一步调查的严重问题。
8. 从 “Y 的测量系统分析”旁边的红色小三角菜单，选择 EMP 结果。
图 7.4 “EMP 结果”报表

质量和过程方法启动 “测量系统分析”平台
“EMP 结果”报表计算若干统计量，可帮助您对测量系统进行评估和分类。“组间相关”指示
可以归因于部件的总变异的比例。
从 “EMP 结果”报表，您可以得出以下结论：
• “组间相关”值接近 1，这说明大多数变异来自部件而非测量系统。
• 分类为 “一级”，这表示过程信号强度削弱了不到 11%。
• 仅使用检验 1 时至少有 99% 的机会检测到警告。
• 使用检验 1-4 时有 100% 的机会检测到警告。
注意：有关检验和检测过程偏移的详细信息，请参见第 144 页的 “偏移检测刻画器”。
操作员和部件之间没有交互作用，您的测量值有很小的变异（分类为 “一级”）。因此，您可

以推断出测量系统工作得很好。
启动 “测量系统分析”平台
通过选择分析 > 质量和过程 > 测量系统分析启动 “测量系统分析”平台。
图 7.5 “测量系统分析”窗口
“测量系统分析”窗口包含以下功能：
选择列列出当前数据表中的所有变量。将所选列移到一个角色。
“测量系统分析”平台选项质量和过程方法
MSA 方法选择要使用的方法：EMP （评估测量过程）或量具 R&R。本章介绍 EMP 方法。有

关量具 R&R 方法的详细信息，请参见第 157 页的 “变异性量具图”一章。
散度图类型指定显示变异的图表类型。选择极差选项或标准差选项。
注意：对于 EMP 方法，散度图类型确定如何计算 “EMP 结果”报表中的统计量。若选择

极差选项，且您有一个因子或两个因子的平衡交叉模型，则该报表中的统计量基于极差。否
则，该报表中的统计量基于标准差。
模型类型指定模型类型：
‒ “主”：将具有名义型或有序型建模类型的变量视为主效应。
‒ “交叉”：当每个因子的每个水平与所有其他因子的每个水平同时出现时模型交叉。
‒ “带二因子交互作用的交叉”：当二因子的每个水平与其他因子的每个水平同时出现时模
型交叉。
‒ “嵌套”：当一个因子的所有水平仅在任何其他因子的单个水平内出现时模型嵌套。
‒ “先交叉后嵌套（仅限 3 因子）”：因子先交叉然后嵌套（仅限 3 因子）。
‒ “先嵌套后交叉（仅限 3 因子）”：因子先嵌套然后交叉（仅限 3 因子）。
选项包含以下选项：
‒ 分析设置设置 REML 最多迭代次数和收敛。
‒ 指定 Alpha 指定 1-alpha 置信水平。
Y，响应是测量值的列。
部件，样本 ID 是指定部件或单元的列。
X，分组是表示分组变量的列。
“测量系统分析”平台选项
平台选项显示在 “测量系统分析”旁边的红色小三角菜单中。选择一个选项可在 MSA 报表窗
口中创建相应的图形或报表。取消选择一个选项将删除该图形或报表。从以下选项中选择：
平均图部件和 X 变量的每个组合的平均测量值图。平均图帮助您检测产品变异（不考虑测量
变异）。在平均图中，失控数据是想要的，因为它检测部件间变异。请参见第 142 页的 “平
均图”。
极差图部件和 X 变量的每个组合的变异性统计量图。仅当您在启动窗口中选择了极差作为散
度图类型时才显示它。极差图帮助您检查子组内的一致性。在极差图中，限值内的数据是想
要的，这指示误差的齐性。请参见第 142 页的 “极差图或标准差图”。
质量和过程方法 “测量系统分析”平台选项
标准差图部件和 X 变量的每个组合的标准差统计量图。仅当您在启动窗口中选择了标准差作

为散度图类型时才显示它。标准差图帮助您检查子组内的一致性。在标准差图中，限值内的
数据是想要的，这指示误差的齐性。请参见第 142 页的 “极差图或标准差图”。
平行性图反映每个部件的平均测量值的叠加图。若线条相对不平行或交叉，则部件和 X 变量
之间可能有交互作用。
提示：交互作用指示存在需要进一步调查的严重问题。例如，部件和操作员之间的交互作用
表示操作员平均来说在以不同方式测量不同的部件。因此，测量变异性无法预测。这个问题
需要进一步调查，以了解操作员对于各部件不具有相同模式或刻画的原因。
EMP 结果计算若干统计量以帮助您对测量系统进行评估和分类的报表。请参见第 142 页的

“EMP 结果”。
有效分辨率包含测量系统分辨率结果的报表。请参见第 144 页的 “有效分辨率”。
偏倚比较一个均值分析图，用于检验 X 变量是否有不同的平均值。请参见第 148 页的 “偏倚
比较”。
复测误差比较一个方差均值分析图或极差均值分析图，用于检验任何组是否具有不同的复测
误差水平。请参见第 148 页的 “复测误差比较”。
偏移检测刻画器一组交互式图，您可以调整它们来查看在过程行为图中得到警告的概率。请
参见第 144 页的 “偏移检测刻画器”。
方差分量一个包含指定模型的方差分量估计值的报表。该报表中的计算基于方差而不是极
差。平衡数据使用 EMS 方法。非平衡数据使用 REML 方法。
注意：该报表类似于 “变异性图”平台中的 “方差分量”报表，除了它不计算 Bayesian 方

差分量估计值之外。详细信息，请参见 “变异性量具图”一章中第 164 页的 “方差分量”。
EMP 量具 RR 结果一个将测量值中的变异性分割为部件变异和测量系统变异的报表。该报表
中的计算基于方差而不是极差。
注意：该报表类似于 “变异性图”平台中的 “量具 R&R”报表，除了再现性的计算不包括

交互作用之外。有关量具 R&R 研究的详细信息，请参见 “变异性量具图”一章中第 166 页
的 “关于 “量具 R&R 方法””。

平均图
“平均图”旁边的红色小三角菜单包含以下选项：
显示总均值在图上绘制 Y 变量的总均值。
显示连接均值绘制连接所有平均测量值的线条。
显示控制限绘制表示上控制限 (UCL) 和下控制限 (LCL) 的线条并定义这些值。
显示控制限着色在上控制限和下控制限之间添加着色。
显示分隔线绘制在 X 变量之间描绘的垂直线。
显示数据向图中添加数据点。
注意：可以使用以下两种方法之一替换平均图中的变量：通过将变量从一个轴拖放到另一个轴
来交换现有变量，或点击相关数据表的 “列”面板中的某个变量并将其拖到一个轴上。
极差图或标准差图
“极差图”或 “标准差图”旁边的红色小三角菜单包含以下选项：
显示平均散度在图上绘制平均极差或标准差。
显示连接的点绘制连接所有极差或标准差的线条。
显示控制限绘制表示上控制限 (UCL) 和下控制限 (LCL) 的线条并定义这些值。
显示控制限着色在上控制限和下控制限之间添加着色。
显示分隔线绘制在 X 变量之间描绘的垂直线。
注意：可以使用以下两种方法之一替换极差图或标准差图中的变量：通过将变量从一个轴拖放
到另一个轴来交换现有变量，或点击相关数据表的 “列”面板中的某个变量并将其拖到一个
轴上。
EMP 结果
注意：在此情况下，该报表中的统计量基于极差：若您选择了 EMP 作为 MSA 方法以及极差作

为散度图类型，并且具有一个因子或两个因子的平衡交叉模型。否则，该报表中的统计量基于
方差。
“EMP 结果”报表计算若干统计量，可帮助您对测量系统进行评估和分类。使用该报表，您可
以确定：
• 如何影响过程图。
• 设置哪些检验。
• 过程信号有多大程度的减弱。
• 偏倚因子在多大程度上影响您的系统和减小可能的组间相关系数。
“EMP 结果”报表包含以下计算：
复测误差指示测量变异或重复性（也称为组内误差或纯误差）。
自由度指示用于估计组内误差的信息量。
概差单个测量值的误差中位数。指示您的测量值的分辨率质量，帮助您确定在记录测量值时
使用多少位。详细信息，请参见第 144 页的 “有效分辨率”。
组间相关指示可归因于部件的总变异的比例。若测量变异很小，则该数字接近 1。
‒ 组间相关（不含偏倚）在计算结果时不考虑偏倚或交互作用因子。
‒ 组间相关（带偏倚）在计算结果时考虑偏倚因子（如操作员、仪器等）。
‒ 组间相关（带偏倚和交互作用）在计算结果时考虑偏倚和交互作用因子。仅当模型交叉
并使用标准差而不是极差的情况下，才显示该计算。
偏倚影响偏倚因子导致的组间相关减小量。
偏倚和交互作用影响偏倚和交互作用因子导致的组间相关减小量。仅当模型交叉并使用标准
差而不是极差的情况下，才显示该计算。
过程监控等级
要了解系统和等级参数，您必须首先了解 “监控等级图例”。
图 7.6 监控等级图例
该图例描述以下等级：一级、二级、三级和四级。每个等级指示以下信息：
• 相应的组间相关值
• 过程信号衰减（减小）量
• 使用 Wheeler 的检验 1 或所有四个检验在 10 个子组内检测到 3 标准误差偏移的机会
Wheeler (2006) 确认采用了四种检测检验，称为西电区域检验。在 “偏移检测刻画器”内，有
八个检验可供您选择。对应于 Wheeler 检验的检验为第一个、第二个、第五个和第六个检验。
提示：要阻止出现图例，请在“EMP 测量系统分析”平台首选项中取消选择显示监控等级图例。
有效分辨率
“有效分辨率”报表帮助您确定测量值增量是否合适。记录测量值时，您可能需要增加或减小位
数，也可能当前增量是合适的。请注意以下事项：
• “概差”计算测量值的误差中位数。
• “当前测量值增量”反映当前将数据近似到多少位，以 10 的最近次幂形式取自数据。将该数
字与 “最小有效增量”、“增量下限”和 “最大有效增量”比较。根据比较结果给出建议。
• 大的测量值增量在最后一位的不确定性较小，但是误差中位数大。小的测量值增量的误差中
位数小，但是在最后一位的不确定性更大。
偏移检测刻画器
使用 “偏移检测刻画器”评估用于监控过程的控制图的灵敏度。“偏移检测刻画器”估计检测
到产品均值或产品标准差中的偏移的概率。控制图限值提供了测量值误差变异的来源。根据这
些限值，“偏移检测刻画器”估计警告概率。这是监控过程均值的控制图对下 k 个子组发出警告
信号的概率。
您可以设置要用于控制图的子组大小。请注意以下事项：
• 若 “子组大小”等于 1，则控制图是单个测量值图。
• 若 “子组大小”超过 1，则控制图为均值图。
您可以探索 “子组大小”对控制图灵敏度的影响。还可以探索减小偏倚和复测误差的好处。
图 7.7 显示 Variability Data 文件夹中的 Gasket.jmp 样本数据表的 “偏移检测刻画器”报表。
图 7.7 Gasket.jmp 对应的 “偏移检测刻画器”
警告概率
“警告概率”是在过程中检测到变化的概率。变化由“偏移检测刻画器”中的“部件均值偏移”
和 “部件标准差”设置定义。概率计算假定在 “定制和选择检验”分级显示框中选择的检验会
应用到刻画器中指定的 “子组数”。
单个测量值图（子组大小 = 1）和均值图（子组大小 > 1）的控制限基于“受控图 Sigma”。“受
控图 Sigma”考虑偏倚因子（再现性）变异和复测（重复性）变异。这些值初始设置为从 MSA
研究获取的值。“受控图 Sigma”还包含“受控部件标准差”。这两个值与基于“受控图 Sigma”
的误报概率一起显示在刻画器下面。
受控部件标准差稳定过程的真实部件值的标准差（排除了测量值误差）。“受控部件标准差”
的默认值是 MSA 分析估计的部件分量的标准差，它显示在 “方差分量”报表中。
通常，进行 MSA 研究的部件选择为具有特定属性，并且不一定反映在生产中看到的部件间
变异。因此，您可以通过从“偏移检测刻画器”红色小三角菜单选择更改受控部件标准差，
指定受控部件标准差。
受控图 Sigma 用于计算控制限的 sigma 值。使用在 “偏移检测刻画器”中指定的 “受控部件

标准差”、“偏倚因子标准差”和 “复测标准差”以及 “子组大小”来计算该值。假定再现
性因子在子组中为常数。
对于大小为 n 的子组，控制限设置为以下值：
± 3 ( 受控图 Sigma ) ⁄ ( n )
这里的 “受控图 Sigma”是以下项平方和的平方根：

‒ 受控部件标准差
‒ “偏移检测刻画器”中指定的 “偏倚因子标准差”乘以 n
‒ “偏移检测刻画器”中指定的 “复测标准差”
用 “偏倚因子标准差”乘以 n 来解释再现性因子在子组内是常数的假定。
当您更改 “受控部件标准差”、“偏倚因子标准差”、“复测标准差”或 “子组大小”时，
JMP 更新 “受控图 Sigma”。
误报概率当部件均值或标准差没有变化时控制图检验发出警告信号的概率。当您更改 “子组
数”或 “定制和选择检验”中的检验时， JMP 会更新 “误报概率”。
有关“方差分量”报表的详细信息，请参见“变异性量具图”一章中第 164 页的“方差分量”。
“偏移检测刻画器”设置
子组数计算警告概率所依据的子组数。若子组数设置为 k，刻画器基于这 k 个子组给出控制图

至少发出一次警告信号的概率。默认情况下，“子组数”设置为 10。拖动图中的垂直线可更
改 “子组数”。
部件均值偏移部件均值的偏移。默认情况下，刻画器设置为检测 1 sigma 偏移。初始值是
MSA 分析估计的部件分量的标准差，可在 “方差分量”报表中找到。拖动图中的垂直线或
点击图下方的值可更改 “部件均值偏移”。
部件标准差真实部件值的标准差（排除了测量值误差）。“部件标准差”的初始值为 MSA 分
析估计的部件分量的标准差，可在 “方差分量”报表中找到。拖动图中的垂直线或点击图
下方的值可更改 “部件标准差”。
偏倚因子标准差与再现性有关的因子的标准差。偏倚因子包括操作员和仪器因素。偏倚因子
变异不包括部件和重复性（组内）变异。初始值由 MSA 分析估计的再现性和交互作用方差
分量推导得出，可在 “方差分量”报表中找到。拖动图中的垂直线或点击图下方的值可更
改 “偏倚因子标准差”。
复测标准差模型中复测（或重复性）变异的标准差。初始值是 MSA 分析估计的 “组内”分
量的标准差，可在 “方差分量”报表中找到。拖动图中的垂直线或点击图下方的值可更改
“复测标准差”。
子组大小用于每个子组的样本大小。默认情况下它设置为 1。您可以增加样本大小来改进控制
图的性能。从 1 开始增加样本大小可演示从单个测量值图到均值图的变化中发生了什么。拖
动图中的垂直线可更改 “子组大小”。
“偏移检测刻画器”选项
“偏移检测刻画器”的红色小三角菜单提供了几个选项。这里只介绍一个选项。
更改受控部件标准差指定稳定过程的部件标准差的值。受控部件标准差应反映真实部件值的
变异（排除了测量值误差）。输入一个新值，然后点击 “确定”。
“受控部件标准差”最初设置为 MSA 分析估计的部件分量的标准差，可在 “方差分量”报
表中找到。
若选择用于 EMP 研究的部件不是来自过程的随机样本，该选项很有用。
重置因子网格显示每个因子的窗口，允许您为因子的当前设置输入特定值以锁定该设置和控
制网格的各个方面。详细信息，请参见《刻画器指南》手册中的 “刻画器简介”一章。
因子设置包含以下选项的子菜单：
记住设置将一个分级显示项节点添加到报表，每当调用“记住设置”命令时，该报表累计
当前设置的值。每个记住的设置前面有一个单选按钮，用于重置这些设置。
复制设置脚本将当前刻画器的设置复制到剪贴板。
粘贴设置脚本将刻画器的设置从剪贴板粘贴到另一报表中的刻画器。
设置脚本设置一个脚本，每当某个因子变化时调用该脚本。设置脚本接收表单的变量列表：
{factor1 = n1, factor2 = n2, ...}
例如，要将该列表写入日志，请首先定义一个函数：
ProfileCallbackLog = Function({arg},show(arg));
然后在“设置脚本”对话框中输入 ProfileCallbackLog?
类似函数将因子值转换为全局值：
ProfileCallbackAssign = Function({arg},evalList(arg));
或一次访问一个值：
ProfileCallbackAccess =
Function({arg},f1=arg["factor1"];f2=arg["factor2"]);
偏移检测刻画器图例
该面板简要介绍了四个“偏移检测刻画器”设置。有关其他详细信息，请参见第 146 页的““偏

移检测刻画器”设置”。
提示：要阻止显示图例，请在 “EMP 测量系统分析”平台首选项中取消选择显示偏移检测刻画

器图例。
定制和选择检验
在 “定制和选择检验”面板中，选择和定制要应用到控制图中 k 个子组的检验。这八个检验基于
Nelson (1984)。有关检验的更多详细信息，请参见“控制图生成器”一章中第 43 页的“检验”。
“偏移检测刻画器”计算将这些检验考虑在内。添加更多检验时，“警告概率”和 “误报概率”
值会增大。因为这些计算基于拟随机模拟，当更新刻画器时，可能有一点延迟。
“定制和选择检验”面板包含以下选项：
恢复默认设置若没有设置保存到首选项，该选项仅将所选检验重置为第一个检验。 n 的值也
重置为 “控制图生成器”一章中第 43 页的 “检验”中所述的值。若设置已保存到首选项，
该选项将所选检验和 n 的值重置为首选项中指定的值。
注意：您可以通过选择文件 > 首选项 > 平台 > 控制图生成器访问控制图检验的首选项。定

制检验 1-8 对应于 “定制和选择检验”中所示的 8 个检验。
将设置保存到首选项保存所选检验和 n 的值以在将来的分析中使用。这些首选项会添加到

“控制图生成器”平台首选项。
偏倚比较
偏倚比较选项创建均值分析图。该图显示分组变量的每个水平的均值并将它们与总均值进行比
较。您可以使用该图查看操作员平均来说测量部件得到的值是否太高或太低。
“均值分析”旁边的红色小三角菜单包含以下选项：
设置 Alpha 水平从最常用的 alpha 水平中选择一个选项，或使用其他选项指定任意水平。更
改 alpha 水平会修改上决策限和下决策限。
显示汇总报表显示一个包含组均值和决策限的报表，并说明组均值是否大于上决策限或小于
下决策限。
显示选项包括以下选项：
‒ 显示决策限绘制表示上决策限 (UDL) 和下决策限 (LDL) 的线条并定义这些值。
‒ 显示决策限着色在 UDL 和 LDL 之间添加着色。
‒ 显示中心线绘制表示平均值的中心线统计量。
‒ 点选项将图显示方式更改为针、连接的点或点。
复测误差比较
复测误差比较选项创建方差均值分析图或极差均值分析图。该图显示操作员间之间的复测误差
是否存在差异。例如，您可以使用该图查看每个操作员的测量方法是否存在不一致。当极差用
于方差分量时显示极差均值分析图。
• 有关 “操作员方差检验”旁边的红色小三角菜单中的选项信息，请参见第 148 页的 “偏倚
比较”。
• 有关方差均值分析图的详细信息，请参见“变异性量具图”一章中第 164 页的“方差分量”。
质量和过程方法 “测量系统分析”的更多示例
“测量系统分析”的更多示例
在该示例中，三名操作员对六个晶圆的单个特征测量了两次。执行详细的分析以了解测量系统
的性能。
执行初始分析
1. 选择帮助 > 样本数据库，然后打开 Variability Data/Wafer.jmp。
2. 选择分析 > 质量和过程 > 测量系统分析。
3. 将 Y 分配给 Y，响应角色。
4. 将晶圆分配给部件，样本 ID 角色。
5. 将操作员分配给 X，分组角色。
请注意， MSA 方法设置为 EMP，散度图类型设置为极差，模型类型设置为交叉。
6. 点击确定。
“测量系统分析”的更多示例质量和过程方法
图 7.8 平均图和极差图
平均图显示某些部件的平均测量值超过控制限。这是想要的结果，指示可测量的部件间变异。
极差图显示没有点超过控制限。这是想要的结果，指示操作员测量值在部件内是一致的。
查看交互作用
我们来进一步查看操作员和部件之间的交互作用。从 “Y 的测量系统分析”旁边的红色小三角
菜单，选择平行性图。
图 7.9 平行性图
通过查看按操作员的平行性图，您可以看到线条相对平行，只有一些轻微的交叉。
查看操作员一致性
我们来进一步查看操作员之间的变异。从 “Y 的测量系统分析”旁边的红色小三角菜单，选择
复测误差比较。
图 7.10 复测误差比较
通过查看 “复测误差比较” ，您可以看到没有操作员的复测误差与总复测误差有显著差异。这

说明操作员的测量是一致的。
为了确定这一点，您决定查看偏倚比较图，该图指示操作员测量部件所得的值是否太高或太低。
从 “Y 的测量系统分析”旁边的红色小三角菜单，选择偏倚比较。
图 7.11 偏倚比较
通过查看偏倚比较图，您可以发现以下几点：
• 操作员 A 和操作员 B 具有可检测的测量偏倚，因为它们与总平均值具有显著差异。
• 操作员 A 的测量值明显偏低。
• 操作员 B 的测量值明显偏高。
• 操作员 C 的测量值与总平均值没有显著差异。
对测量系统分类
查看 “EMP 结果”报表以对测量系统分类，寻找改进的机会。从 “Y 的测量系统分析”旁边的
红色小三角菜单，选择 EMP 结果。
图 7.12 EMP 结果
该分类为 “二级” ，它指示仅使用检验 1 有 88% 以上的机会在 10 个子组内检测到 3 标准差偏

移。您发现偏倚因子对组间相关有 11% 的影响。换句话说，若您可以消除偏倚因子，您的组间
相关系数将提高 11%。
探索控制图检测过程变化的能力
使用 “偏移检测刻画器”探索控制图可在过程中检测到变化的概率。从 “Y 的测量系统分析”
旁边的红色小三角菜单，选择偏移检测刻画器。
图 7.13 偏移检测刻画器
默认情况下，选择的唯一检验针对超过 3 个 sigma 限值的点。还请注意，默认子组大小为 1，这

指示您在使用单个测量值图。
我们来探索一下在均值偏移之后的 10 个子组中检测到大小为两个部件标准差偏移的能力。点击
部件均值偏移值 2.1701，将它更改为 4.34（2.17 乘以 2）。检测到两个部件标准差的偏移的概率
为 56.9%。
接着，查看消除偏倚如何影响检测到两个部件标准差的偏移的能力。将偏倚因子标准差值从
1.1256 更改为 0。检测到偏移的概率增加到 67.8%。
最后，增加更多检验来查看检测到两个部件标准差偏移的概率如何变化。除了第一个检验外，选
择第二个、第五个和第六个检验（Wheeler 规则 4、 2 和 3）。使用这四个检验在没有偏倚变异
的情况下，检测到偏移的概率为 99.9%。
您还可以探索使用较大的子组大小对控制图的影响。对于 2 或更大的子组大小，控制图为均值
图。将偏倚因子标准差值改回 1.1256，只选择第一个检验。在刻画器中将子组大小设置为 4。此
时检测到两个部件标准差偏移的概率为 98.5%。
质量和过程方法 “测量系统分析”的统计详细信息
查看测量值增量
最后，查看您的测量值增量是否合适。从 “Y 的测量系统分析”旁边的红色小三角菜单，选择
有效分辨率。
图 7.14 有效分辨率
“当前测量值增量”为 0.01，低于“增量下限”0.09，指示应调整以后的测量值使记录位数少 1。
“测量系统分析”的统计详细信息
按以下方式计算不带偏倚的组间相关：
σ̂ p2
r pe = ----------------------
σ̂ p2 + σ̂ pe 2
按以下方式计算带偏倚的组间相关：
σ̂ p2
r b = -----------------------------------
σ̂ p2 + σ̂ b2 + σ̂ pe 2
按以下方式计算带偏倚和交互作用因子的组间相关：
σ̂ p2
r int = -----------------------------------------------------
σ̂ p2 + σ̂ b2 + σ̂ int 2 + σ̂ 2
pe
按以下方式计算概差：
Z
0.75 × σ̂ pe
2
σ̂ pe = 纯误差的方差估计值
“测量系统分析”的统计详细信息质量和过程方法
σ̂ p2 = 产品的方差估计值
σ̂ b2 = 偏倚因子的方差估计值
2 = 交互作用因子的方差估计值
σ̂ int
Z0.75 = 标准正态分布的 75% 分位数

第8章
变异性量具图
使用量具 R&R 评估连续测量过程
变异性量具图用于分析连续测量值，可揭示您的测量系统当前的性能。您还可以执行量具研究，
查看数据中的变异测量。
提示：本章只介绍变异性图。有关计数图的详细信息，请参见第 157 页的“变异性量具图”一章。
图 8.1 变异性图的示例
158 变异性量具图第8章
变异性图概述质量和过程方法
变异性图概述
提示：变异性图的传统名称为多变异图，但是因为该名称不广为人知，改用更一般的变异性图。
就像控制图显示过程中随时间的变异一样，变异性图显示各个类别（如部件、操作员、重复次
数和仪器）的同类变异。变异性图针对分组因子的每个水平绘制数据和均值，将所有图并排放
在一起。连同数据一起，您可以查看每个类别中数据的均值、极差和标准差，了解它们如何随
类别变化。报表选项基于主要考察均值和方差如何随类别变化的假设。
变异性图通常用于量具 R&R 这类测量系统分析。该分析查看多少变异性来自操作员变异（再现
性）和测量变异（重复性）。“量具 R&R”适用于许多交叉模型和嵌套模型的组合，不论模型
是否平衡。
第8章变异性量具图 159
质量和过程方法变异性图的示例
变异性图的示例
假定您有包含部件测量值的数据。三名操作员 Cindy、 George 和 Tom 分别测量了 10 个部件。
他们将每个部件都测量了三次，总共得到 90 个观测。您想确定操作员间的变异。
1. 选择帮助 > 样本数据库，然后打开 Variability Data/2 Factors Crossed.jmp。
2. 选择分析 > 质量和过程 > 变异性 / 计数量具图。
3. 对于图表类型，选择变异性。
4. 选择测量并点击 Y，响应。
5. 选择操作员并点击 X，分组。
6. 选择部件编号并点击部件，样本 ID。
7. 点击确定。
图 8.2 变异性图的示例
通过查看标准差图，您可以看到 Cindy 和 George 的测量值比 Tom 的测量值有更大的变异，

Tom 测量部件是最一致的。George 的测量值具有最大的变异，因此他测量部件是最不一致的。
启动 “变异性 / 计数量具图”平台质量和过程方法
启动 “变异性 / 计数量具图”平台
通过选择分析 > 质量和过程 > 变异性 / 计数量具图启动 “变异性 / 计数量具图”平台。将图表
类型设置为变异性。
图 8.3 “变异性 / 计数量具图”启动窗口
图表类型在变异性量具分析（对于连续响应）和计数量具分析（对于分类响应，通常为 “通

过”或 “失败”）之间作出选择。
注意：本章的内容仅涉及变异性图表类型。有关计数图表类型的详细信息，请参见第 157 页
的 “变异性量具图”一章。
模型类型选择模型类型（主效应、交叉、嵌套等）。请参见第 175 页的 “方差分量的统计详

细信息”。
分析设置指定计算方差分量的方法。请参见第 164 页的 “分析设置”。
指定 Alpha 指定该平台使用的 alpha 水平。
Y，响应指定测量值列。指定多个 Y 列可为每个响应生成单独的变异性图。
标准指定一个标准或参考列，它包含测量部件的 “真实”或已知值。包括该列后可启用偏倚
和线性研究选项。这些选项对观测到的测量值与参考或标准值之间的差异执行分析。请参见
第 169 页的 “偏倚报表”和第 169 页的 “线性研究”。
X，分组指定用于对测量值分组的分类列。若因子构成嵌套层次，请先指定高层次的项。若您
在进行量具研究，请首先指定操作员，然后指定部件。
频数标识数据表列，该列的值为每行分配频数。这在有汇总数据时很有用。
部件，样本 ID 标识所测量的部件或样本。
质量和过程方法变异性量具图
变异性量具图
变异性图和标准差图显示变异的模式。您可以使用这些图来标识可能的变异组（子组内、子组
间、随时间）。若您发现任何这些来源的变异很大，可以想办法减小该来源的变异。
图 8.4 变异性量具图
带极差条的点
组均值
单元格均值
连接单元格均值
的线条
这些图显示 y 轴上的响应和多水平分类的 x 轴。
在图 8.4 中，测量值图显示按部件划分的每名操作员的测量值极差。每个测量值显示在图上。最
大值条和最小值条指示每个单元格值的极差，单元格均值条指示每个值组合的中位数值。标准
差图绘制操作员测量每个部件所得测量值的标准差。
您可以向图中添加一些功能，如图 8.4 中所示。请参见第 162 页的““变异性量具”平台选项”。
要替换图中的变量，请执行以下操作之一：
• 通过将变量从一个轴标签拖到另一轴标签来交换现有变量。当您将变量拖到图上或点击某个
轴标签时，轴标签会突出显示。这样可指示要放置变量的位置。
• 点击相关数据表的 “列”面板中的某个变量，将它拖到某个轴标签上。
在其他平台上，相关数据表中排除的行仍显示在图上。但是，在变异性图中，排除的行不显示
在图上。
“变异性量具”平台选项质量和过程方法
“变异性量具”平台选项
使用红色小三角选项可修改图的外观、执行量具 R&R 分析和计算方差分量。
注意：图 8.4 显示了其中的一些选项。
提示：要设置这些选项的默认行为，请选择文件 > 首选项 > 平台 > 变异性图。
垂直图将布局更改为水平或垂直。
变异性图显示或隐藏变异性图。
显示点显示或隐藏各个行对应的点。
显示极差条显示或隐藏指示每个单元格的最小值和最大值的条。
显示单元格均值显示或隐藏每个单元格的均值标记。
连接单元格均值连接或不连接一组单元格内的单元格均值。
显示分隔线显示或隐藏 X，分组变量的两个水平间的分隔线。
显示组均值（仅在您有两个或多个 “X，分组”变量或一个 “X，分组”变量和一个 “部件，
样本 ID”变量时可用）显示或隐藏由水平实线表示的单元格组的均值。将显示一个窗口，
提示您选择一个分组变量。
显示总均值显示或隐藏总均值，它用横跨整个图形的灰色虚线表示。
显示总中位数显示或隐藏总中位数，它用横跨整个图形的蓝色虚线表示。
显示箱线图显示或隐藏箱线图。
均值菱形显示或隐藏均值菱形。置信区间使用每个单元格的组内标准差。
均值控制限在变异性图上显示或隐藏上控制限和下控制限处的线条。
随机散布点向绘制的点添加一些随机噪声，以便同时发生的点在图上不重合。
显示偏倚线（仅当您指定了标准变量时可用）在主变异性图中显示或隐藏偏倚线。
显示标准均值（仅当您指定了标准变量时可用）显示或隐藏标准列的均值。
变异性汇总报表显示或隐藏一个报表，该报表给出均值、标准差、均值标准误差、置信区间
上限和下限、最小值、最大值以及观测数。
标准差图显示或隐藏一个单独的图形，其中显示各类别单元格的单元格标准差。
标准差均值在标准差图上显示或隐藏标准差均值处的线条。
标准差控制限在标准差图上显示或隐藏指示上控制限和下控制限的线条。
标准差组均值在标准差图上显示或隐藏均值线。
质量和过程方法 “变异性量具”平台选项
方差非齐性检验执行一个检验来比较各组的方差。请参见第 163 页的 “方差非齐性检验”。

方差分量估计特定模型的方差分量。计算以下模型的方差分量：主效应、交叉、嵌套、先交
叉后嵌套（仅限 3 因子）和先嵌套后交叉（仅限 3 因子）。请参见第 164 页的“方差分量”。
量具研究包含以下选项：
‒ 量具 RR 将第一个因子解释为分组列，将最后一个因子解释为部件，并使用估计的方差
分量创建量具 R&R 报表。（请注意启动窗口中还有一个 “部件”字段）。请参见第 166
页的 ““量具 RR”选项”。
‒ 分辨力比描述特定产品的指定测量值的相对效用。它比较测量值的总方差与测量值误差
的方差。请参见第 168 页的 “分辨力比”。
‒ 误分类概率显示拒绝良好部件和接受不良部件的概率。请参见第168 页的“误分类概率”。
‒ 偏倚报表显示观测值与标准之间的平均差异。将显示一个平均偏倚图和汇总表。仅当您
在启动窗口中指定 “标准”变量时，该选项才可用。请参见第 169 页的 “偏倚报表”。
‒ 线性研究使用标准值作为 X 变量且偏倚作为 Y 变量执行回归。该分析检查偏倚和部件大
小之间的关系。理想情况下，您希望斜率为 0。非零斜率指示您的量具在测量不同大小的
部件时表现不同。仅当您在启动窗口中指定 “标准”变量时，该选项才可用。请参见第
169 页的 “线性研究”。
‒ 量具 RR 图显示或隐藏均值图（按模型中每个主效应划分的响应均值）和标准差图。若
模型是纯嵌套的，将使用嵌套结构显示图形。若模型是纯交叉的，则显示交互作用图形。
否则，独立对每个效应绘制图形。对于标准差图，用红线连接每个效应的
加权方差的均值。
‒ AIAG 标签允许您指定应根据 AIAG 标准（在汽车行业分析中使用很广泛）标记质量统
计量。
方差非齐性检验
注意：请参见第 170 页的 “方差非齐性检验的示例”。
方差非齐性检验选项执行一个检验来比较各组的方差。该检验是基于方差均值分析 (ANOMV)
的方法。该方法指示任何组标准差是否与平均组方差的平方根有差异。
为了对非正态数据保持稳健，该方法使用置换模拟来计算决策限。有关该方法的完整详细信息，
请参见 Wludyka 和 Sa (2004)。由于该方法使用模拟，所以决策限每次可能稍有不同。要每次获
得相同的结果，请按住 Ctrl 和 Shift 并选择该选项，然后指定相同的随机种子。
检验报表的红色小三角菜单包含以下选项：
设置 Alpha 水平设置检验的 alpha 水平。
显示汇总报表显示或隐藏检验的汇总报表。报表中的值与图中显示的值相同。
显示选项显示或隐藏决策限、阴影、中心线和针。
方差分量
方差分量选项用于对测量值间的变异建模。假定响应为常数均值加上与分类的各个水平关联的
随机效应。
注意：您选择方差分量选项后，若之前未在启动窗口中选择模型类型（若选择了稍后决定），系
统将提示您选择模型类型。有关模型类型的详细信息，请参见第 160 页的 “启动 “变异性 / 计
数量具图”平台”。
图 8.5 “分差分量”报表的示例
仅当使用 EMS 方差分量估计方法时，才显示“方差分析”报表。该报表显示模型中每个效应的

显著性。
“方差分量”报表显示估计值本身。请参见第 175 页的 “方差分量的统计详细信息”。
分析设置
从启动窗口，点击分析设置可选择计算方差分量的方法。
图 8.6 “分析设置”窗口
选择最佳分析（EMS、 REML 或 Bayesian）使用以下逻辑从 EMS、REML 或 Bayesian 中选

择最佳分析：
‒ 若数据平衡，且没有方差分量为负数，则使用 EMS （期望均方）来估计方差分量。
‒ 若数据不平衡，则使用 REML （限制最大似然）方法，除非估计方差分量为负数，此时
使用 Bayesian 方法。
‒ 若使用 EMS 方法估计任何方差分量为负数，则使用 Bayesian 方法。
‒ 若方差分量中存在混杂，则使用有界 REML 方法，并且所有负方差分量估计值都设为零。
选择最佳分析（EMS 或 REML）使用与选择最佳分析（EMS、 REML 或 Bayesian）选项相
同的逻辑从 EMS 或 REML 中选择最佳分析。但是，该选项从不使用 Bayesian 方法，即使
方差分量为负数。使用有界 REML 方法并将任何负方差分量强制设置为 0。
使用 REML 分析使用有界 REML 方法，即使数据平衡。有界 REML 方法可以处理不平衡数
据并将任何负方差分量强制设置为 0。
使用 Bayesian 分析使用 Bayesian 方法。 Bayesian 方法可处理不平衡数据并将所有方差分量
强制设置为正数且非零。若方差分量中存在混杂，则使用有界 REML 方法，并且所有负方
差分量估计值都设为零。在 JMP 中实施的方法使用 Jeffreys 先验的修改版本计算后验均
值。有关详细信息，请参见 Portnoy (1971) 和 Sahai (1974)。
最多迭代次数（仅适用于 REML 方法）对于复杂的问题，您可能要增加迭代次数。增加该值
意味着 JMP 在优化阶段将尝试更多次来求解。
收敛极限（仅适用于 REML 方法）对于要求更高精度的问题，您可能要将收敛极限变得小一
点。减小该值意味着 JMP 在优化阶段将使用更高的准确度来求解。不过，这会增加求解的
时间。提供较大的收敛值会更快返回结果，但精度也会降低。
迭代横坐标数（仅适用于 Bayesian 方法）对于要求更高准确度的问题，您可能要增加迭代横
坐标数。不过，这会增加求解的时间。提供较小的数字会更快返回结果，但精度也会降低。
函数最大计算次数（仅适用于 Bayesian 方法）对于要求更高准确度的问题，您可能要增加函
数最大计算次数。不过，这会增加求解的时间。提供较小的数字会更快返回结果，但精度也
会降低。
关于 “量具 R&R 方法”
“量具 R&R”方法分析测量系统中的多少变异性来自操作员变异（再现性）和测量变异（重复

性）。“量具 R&R”研究适用于许多交叉模型和嵌套模型的组合，不论模型是否平衡。
提示：或者，您可以使用 EMP 方法来评估测量系统。请参见第 135 页的“测量系统分析”一章。
在执行量具 R&R 研究前，从您的过程中所有不同大小的部件中随机抽取作为部件样本。随机选

择几名操作员来测量每个部件几次。变异归因于以下来源：
• 过程变异，来自部件间。如果测量值是可靠的，这是您要研究的最终变异。
• 执行多次测量固有的变异性，即重复性。在第 166 页上的表 8.1 中，这称为组内变异。
• 由于不同操作员测量部件导致的变异性，即再现性。
“量具 R&R”分析便根据重复性和再现性报告变异。
表 8.1 “量具 R&R”分析中的术语和求和定义
方差和术语和缩写备择术语
V( 组内 ) 重复性 (EV) 设备变异
V( 操作员 )+V( 操作员 * 部件 ) 再现性 (AV) 评估者变异
V( 操作员 * 部件 ) 交互作用 (IV) 交互作用变异
V( 组内 )+V( 操作员 )+V( 操作员 * 部件 ) 量具 R&R (RR) 测量变异
V( 部件 ) 部件变异 (PV) 部件变异
V( 组内 )+V( 操作员 )+ V( 操作员 * 部总变异 (TV) 总变异

件 )+V( 部件 )
Shewhart 控制图可标识随时间失控的过程。变异性图还可以帮助标识在均值或方差中存在系统
差异的操作员、仪器或部件来源。
“量具 RR”选项
量具 RR 选项显示操作员和部件的量具研究所解释的变异测量。
选择量具 RR 选项后，若尚未选择模型类型，系统将提示您选择模型类型。然后修改 “量具
R&R”规格。
注意：“变异性”的平台首选项包含 “量具 R&R 规格”对话框选项。默认情况下选择该首选

项。取消选择该首选项将使用在数据表中定义的规格限。
输入 / 验证量具 R&R 规格
“输入 / 验证量具 R&R 规格”窗口包含三个选项：

选择容差输入方法选择如何输入容差，如下所示：
选择容差区间可直接输入容差，其中容差 = 上规格限 - 下规格限。
选择上规格限和（或）下规格限可输入规格限，然后使 JMP 计算容差。
K， Sigma 乘数 K 是您选择要与 sigma 相乘的常数值。例如，您可能键入 6 以便查看 6*sigma
或 6 sigma 过程。
提示：通过选择文件 > 首选项 > 平台 > 变异性图可修改 K 的默认值。
容差区间，上规格限 - 下规格限输入过程的容差，该值为上规格限与下规格限的差值。

规格限输入上规格限和下规格限。
历史均值计算单侧规格限的容差范围，即 “上规格限 - 历史均值”或 “历史均值 - 下规格
限”。若未输入历史均值，则使用总均值。
历史 Sigma 输入一个描述变异的值（您可以从历史记录或过去的经验得到该值）。
“量具 R&R”报表
图 8.7 “量具 R&R”报表的示例
完整的量具 R&R
报表
简化的量具 R&R
报表
注意：要生成简化的量具 R&R 报表，请选择文件 > 首选项 > 平台 > 变异性图 > 简化的量具 RR
报表。
在该示例中，“变异”列中的值是按 k 的值（该示例中为 6）统一尺度的方差分量之和的平方根。

表 8.2 显示 Barrentine (1991) 所建议的测量变异准则。
表 8.2 可接受的测量变异百分比
< 10% 非常好
11% 到 20% 合适
21% 到 30% 勉强可接受

> 30% 不可接受
• 若您在 “输入 / 验证量具 R&R 规格”窗口中提供了容差区间，则在 “量具 R&R”报表中
会显示容差百分比列。该列的计算公式为：100*( 变异 / 容差 )。此外在报表底部会显示（精
度 / 容差）比率。该比率表示由于量具变异性丧失的容差或能力区间所占的比例。
• 若您在 “输入 / 验证量具 R&R 规格”窗口中提供了历史 Sigma，则在 “量具 R&R”报表
中会显示过程百分比列。该列定义如下：100*( 变异 /(K* 历史 Sigma))。
• 区别分类数 (NDC) 定义为：(1.41*(PV/RR))，向下舍入到最接近的整数。
分辨力比
分辨力比描述特定产品的指定测量值的相对效用。通常，当分辨力比小于 2 时，测量无法检测
到产品变异，这意味着测量过程需要改进。大于 4 的分辨力比足够检测到不可接受的产品变异，
这意味着生产过程需要改进。
详细信息，请参见第 176 页的 “分辨力比的统计详细信息”。
误分类概率
由于测量变异，可能拒绝良好部件和接受不良部件。这称为误分类。您选择误分类概率选项后，
若尚未选择模型类型和输入规格限，系统将提示您这样做。
图 8.8 “误分类概率”报表的示例
• 第一个和第二个值是条件概率。
• 第三个和第四个值是联合概率。
• 第五个值是边缘概率。
• 前四个值是随着测量变异减小而减小的误差概率。
偏倚报表
偏倚报表显示总测量值偏倚图和汇总表，以及相对于标准值的测量值偏倚图和汇总表。显示 X
变量的每个水平的平均偏倚，即观测值与标准值之间的差值。还给出偏倚的 t 检验。
仅当在启动窗口中提供标准变量时，偏倚报表选项才可用。
“测量值偏倚”报表包含以下红色小三角选项：
置信区间计算每个部件的平均偏倚的置信区间，并在相对于标准值的测量值偏倚报表图上设
置标记。
测量值误差图生成测量值误差对所有分组列的图。还提供单独的每个分组列的测量值误差图。
线性研究
线性研究使用标准变量作为 X 变量且偏倚作为 Y 变量执行回归分析。该分析检查偏倚和部件大
小之间的关系。理想上，您希望斜率为零。若斜率与零存在显著差异，您可以推断部件大小或
作为标准测量的变量与测量能力之间有显著关系。
仅当在启动窗口中提供标准变量时，线性研究选项才可用。
该报表显示以下信息：
• 每个标准的偏倚汇总统计量。
• ANOVA 表，检验线条的斜率是否等于零。
• 线条参数，包括斜率（线性）和截距（偏倚）的检验。仅当斜率的检验无法拒绝斜率 = 0 的
原假设时，截距的检验才有用。
• 线条的方程显示在图形正下方。
“线性研究”报表包含以下红色小三角选项：
变异性图的更多示例质量和过程方法
设置 Alpha 水平更改在偏倚置信区间中使用的 alpha 水平。

分组线性图为您在启动窗口中指定的 X，分组变量的每个水平生成单独的线性图。
变异性图的更多示例
本节提供变异性图的更多示例。
方差非齐性检验的示例
假定您有包含部件测量值的数据。三名操作员（Cindy、 George 和 Tom）分别测量了 10 个部
件。他们将每个部件都测量了三次，总共得到 90 个观测。您想查看以下事项：
• 每名操作员的测量值方差是否相同
• 每个部件的方差是否相同
• 每个操作员 * 部件组合的方差是否相同
理想上，您希望每个组的所有方差在统计上视为相同。
1. 选择帮助 > 样本数据库，然后打开 Variability Data/2 Factors Crossed.jmp。
3. 选择测量并点击 Y，响应。
4. 选择操作员并点击 X，分组。
5. 选择部件编号并点击部件，样本 ID。
6. 点击确定。
7. 从红色小三角菜单，选择方差非齐性检验。
8. 选择交叉。
9. 点击确定。
质量和过程方法变异性图的更多示例
图 8.9 “方差非齐性检验”报表
注意：由于该方法使用模拟，所以决策限每次可能稍有不同。
在 “操作员”方差检验中，所有三个水平超过了上决策限和下决策限。据此您推断每名操作员
与平均组方差的平方根有不同的变异性。您可能想要了解为什么每名操作员之间的变异不同。
在 “部件编号”方差检验和交互作用（操作员 * 部件编号）方差检验中，没有超过决策限的水
平。据此您推断这些方差与平均组方差的平方根在统计上没有差异。每个部件与其他部件具有
相似的方差，每个操作员 * 部件编号组合与其他操作员 * 部件编号组合具有相似的方差。
“偏倚报表”选项的示例
注意：这些数据来自美国汽车工业行动集团 (AIAG) (2002) 的 Measurement Systems Analysis

Reference Manual 第三版， 94。
假定您是工厂管理者，要在过程中引进新的测量系统。作为生产部件批准过程 (PPAP) 的一部

分，需要评估测量系统的偏倚和线性。根据记录的过程变异，在测量系统的工作范围中，选择
了 5 个部件。对每个部件进行全尺寸检验，以确定其参考值。随后由操作员组长对每个部件测
量 12 次。这些部件是当天随机选择的。在该示例中，您要检查总偏倚和单个测量值偏倚（相对
于标准值）。
1. 选择帮助 > 样本数据库，然后打开 Variability Data/MSALinearity.jmp。
3. 选择响应并点击 Y，响应。
4. 选择标准并点击标准。
5. 选择部件并点击 X，分组。
6. 点击确定。
7. 从红色小三角菜单，选择量具研究 > 偏倚报表。
质量和过程方法变异性图的更多示例
图 8.10 测量值偏倚报表
为每个测量值计算偏倚（响应 - 标准）。“总测量值偏倚报表”显示偏倚的直方图和 t 检验结果，

以查看平均偏倚是否为 0。您可以看到平均偏倚不为 0，它等于 -0.0533。但是，0 包含在置信区
间 (-0.1152,0.0085) 内，这表示平均偏倚与 0 没有显著差异。在显著性水平为 0.05 时，您可以看
到 p 值大于 0.05，这也显示平均偏倚与 0 没有显著差异。
“相对于标准值的测量值偏倚报表”显示每个部件的平均偏倚值。在图上绘制每个部件的偏倚平
均值和实际偏倚值，以便您可以看到它的散布情况。在该示例中，部件编号 1 （标准值为 2）具
有高偏倚，部件 4 和 5 （标准值为 8 和 10）具有低偏倚。
提示：要查看偏倚的置信区间，请在表中右击，然后选择列 > 95% 下限和 95% 上限。

“线性研究”的示例
使用与偏倚报表选项相同的数据和情形，您现在可以检查线性以确定部件大小与操作员测量它
们的能力之间是否存在显著关系。
1. 选择帮助 > 样本数据库，然后打开 Variability Data/MSALinearity.jmp。
3. 选择响应并点击 Y，响应。
6. 点击确定。
7. 从红色小三角菜单，选择量具研究 > 线性研究。
8. 在提示您指定过程变异的窗口中，键入 16.5368。
图 8.11 线性研究
• 斜率为 -0.131667。该值作为等式的一部分显示在图形下方，还显示在第三个表中。
• 与斜率检验相关的 p 值很小， <.0001。执行斜率的 t 检验，查看偏倚是否随标准值变化。
因为 p 值很小，您可以推断部件大小与操作员测量它们的能力之间存在显著的线性关系。您还
可以在图中看到这一点。若部件或标准值很小，则偏倚很高，反之亦然。
质量和过程方法变异性图的统计详细信息
变异性图的统计详细信息
本节包含方差分量和分辨力比的统计详细信息。
方差分量的统计详细信息
您选择的确切模型类型取决于如何收集数据。例如，操作员是测量相同部件（在这种情况下您有
交叉设计）还是测量不同部件（在这种情况下您有嵌套设计）？为了说明这一点，假定在一个模
型中， B 嵌套在 A 中，多个测量值同时嵌套在 B 和 A 中，有 na•nb•nw 个测量值，如下所示：
• na 个随机效应归因于 A
• na•nb 个随机效应归因于 A 内的每 nb 个 B 水平
• na•nb•nw 个随机效应归因于 A 内 B 内的每 nw 个水平
y ijk = u + Za i + Zb ij + Zw ijk .
Z 是分类的每个水平的随机效应。假定每个 Z 的均值为零，独立于所有其他随机项。响应 y 的
方差是归因于每个 z 分量的方差之和：
方差 ( y ijk ) = 方差 ( Za i ) + 方差 ( Zb ij ) + 方差 ( Zw ijk ) .
表 8.3 显示支持的模型和模型中有什么效应。
表 8.3 “变异性图”平台支持的模型
模型因子模型中的效应
主效应 1 A
2 A， B
无限制针对更多因子，依此类推
交叉 1 A
2 A， B， A*B
3 A， B， A*B， C， A*C， B*C， A*B*C
4 A，B，A*B，C，A*C，B*C，A*B*C，D，A*D，B*D，
A*B*D， C*D， A*C*D， B*C*D， A*B*C*D，
变异性图的统计详细信息质量和过程方法
表 8.3 “变异性图”平台支持的模型（续）
模型因子模型中的效应
嵌套 1 A
2 A， B(A)
3 A， B(A)， C(A,B)
4 A， B(A)， C(A,B)， D(A,B,C)
先交叉后嵌套 3 A， B， A*B， C(A,B)
先嵌套后交叉 3 A， B(A)， C， A*C， C*B(A)
分辨力比的统计详细信息
分辨力比比较测量值的总方差 M 与测量值误差的方差 E。计算所有主效应（包括嵌套的主效
应）的分辨力比。按以下方式计算分辨力比 D：
2  ------------- + 1
P
D =
 T – P
其中：
P = 因子的估计方差
T = 估计的总方差
第9章
计数量具图
使用一致性测量评估分类测量过程
计数图分析分类测量值，并且有助于为您显示各响应（如评级员）之间的一致性测量。在计数
数据中，关注的变量具有有限数量的类别。通常，数据仅有两种可能的结果，例如通过或失败。
您可以检查如下方面：评级员在对某个部件分类时的有效程度、评级员相互之间的一致程度，以
及评级员在若干次评级过程中保持自我一致的程度。
提示：本章只介绍计数图。有关变异性图的详细信息，请参见第 157 页的“变异性量具图”一章。
图 9.1 计数图示例
178 计数量具图第9章
计数量具图概述质量和过程方法
计数量具图概述
创建计数量具图之前，应使用以下准则设置数据的格式：
• 为了比较不同评级员之间的一致性，数据表中的每个评级员必须位于单独的列中。随后在启
动窗口中将这些列分配至 Y，响应角色。在图 9.2 中，每个评级员（A、 B 和 C）都位于单
独的列中。
• 不同列中的响应可以是字符（通过或失败），也可以是数值（0 或 1）。在图 9.2 中，评级员
响应为数值（0 代表通过， 1 代表失败）。所有响应列的数据类型必须相同。
• 您可能要用作 X，分组变量的任何其他关注变量都应各自堆叠在一列中显示（请参见图 9.2
中的 “部件”列）。您还可以定义一个 “标准”列，用于生成包含评级员与标准的比较结果
的报表。“标准”列与响应列的数据类型必须相同。
图 9.2 计数量具数据
计数量具图示例
假定您的数据中包含部件通过或失败的评级信息。三位评级员（分别标识为 A、 B 和 C）各自
记录了 50 个部件的评级信息：0 （通过）或 1 （失败），且每个部件记录三次。您想要检查以
下方面：评级员对部件正确分类的有效程度、评级员相互之间的一致程度，以及评级员在各次
评级过程中保持自我一致的程度。
1. 选择帮助 > 样本数据库，然后打开 Attribute Gauge.jmp。
3. 对于图表类型，选择计数。
4. 选择 A、 B 和 C，然后点击 Y，响应。
7. 点击确定。
第9章计数量具图 179
质量和过程方法启动 “变异性 / 计数量具图”平台
图 9.3 计数图示例
第一个图（部件）显示评级员针对每一个部件相互之间保持一致的程度。例如，从该图上您可
以看到部件 6、 12、 14、 21、 22 等的一致性百分比有所下降。这些部件可能较难分类。
第二个图（评级员）显示就给定的部件，每个评级员本人各次评价以及与其他评级员之间的一
致性（评级已针对所有部件进行了汇总）。在本例中，看起来评级员的表现比较相似。评级员
C 的一致性最低，但差异不显著（约为 89%，而不是 91%）。
启动 “变异性 / 计数量具图”平台
通过选择分析 > 质量和过程 > 变异性 / 计数量具图启动 “变异性 / 计数量具图”平台。将图表
类型设置为计数。
计数量具图和报表质量和过程方法
图 9.4 “变异性 / 计数量具图”启动窗口
图表类型在变异性量具分析（对于连续响应）和计数量具分析（对于分类响应，通常为 “通

过”或 “失败”）之间作出选择。
注意：本章的内容仅涉及计数图表类型。有关变异性图表类型的详细信息，请参见第 157 页
的 “变异性量具图”一章。
指定 Alpha 指定该平台使用的 alpha 水平。

Y，响应指定每个评级员给出的评级所在的列。您必须指定多个评级列。
标准指定一个标准或参考列，其中包含部件的“真实”或已知值。在报表窗口中，将显示“有
效性报表”，并且“一致性比较”报表中也会显示一个附加部分，用来显示评级员与标准的
比较结果。
X，分组指定用于对测量值分组的分类列。若因子构成嵌套层次，请先指定高层次的项。
频数标识数据表列，该列的值为每行分配频数。这在有汇总数据时很有用。
计数量具图和报表
计数量具图标绘 “一致性百分比” ，该百分比用来测量研究中每个部件对应的评级员一致性程
度。每个部件的一致性是通过将每对评级员对该部件的评级与该部件的全部评级加以比较而计
算得出的。请参见第 185 页的 “计数量具图的统计详细信息”。
按第 178 页的 “计数量具图示例”中的说明操作以生成图 9.5 中所示的结果。
质量和过程方法计数量具图和报表
图 9.5 计数量具图
图 9.5 中的第一个图在 x 轴上使用所有 “X 分组”变量（在该情况下为 “部件”）。第二个图

在 x 轴上使用所有 Y 变量（在该情况下为 “评级员”，通常也是如此）。
• 在第一个图中，您可以查找“一致性百分比”值较低的部件，调查以确定评级员为何对该特
定部件给出的测量值不一致。
• 在第二个图中，您可以查找“一致性百分比”值较低的评级员，调查以确定这些评级员为何
与其他评级员或是自我评级不一致。
有关其他选项的信息，请参见第 184 页的 ““计数量具”平台选项”。
一致性报表
注意：Kappa 值是一个用来表示一致性的统计量。 Kappa 值越接近 1，一致性就越高。 Kappa

值越接近 0 则指示一致性越低。
“一致性报表”显示针对每个评级员汇总的一致性以及总体一致性。该报表是在“计数量具图”
报表的第二个图中表示的数据的数值形式。请参见图 9.5。
“一致性比较”报表使用 Kappa 统计量显示每个评级员与其他所有评级员的比较结果。仅当您
在启动窗口中指定了 “标准”变量后，才会将评级员与该标准加以比较。
计数量具图和报表质量和过程方法
“评级员内部的一致性”报表显示所检查的项数。置信区间为得分置信区间（正如 “Agresti 和

Coull， 1998”所建议的那样）。“匹配数”是检查的项数总和，其中每次检查单个项，评级员
本人都给出了相同的评级。“评级员得分”是 “匹配数”除以 “检查数”后得到的结果。
“类别间的一致性”报表显示随机情况下期望的分类的一致性。它评估的是固定数目的评级员在
对项分类时相互之间的一致程度。
图 9.6 一致性报表
有效性报表
仅当您在启动窗口中指定了 “标准”变量后，才会显示 “有效性报表”。有关 “标准”变量的
说明，请参见第 179 页的 “启动 “变异性 / 计数量具图”平台”。该报表将每个评级员与标准
进行比较。
质量和过程方法计数量具图和报表
图 9.7 有效性报表
“一致性计数”表显示关于标准的每个水平的正确数和不正确数的单元格计数。在图 9.7 中，标

准变量有两个水平：0 和 1。评级员 A 对于水平 0 有 45 个正确响应和 3 个不正确响应，对于水
平 1 有 97 个正确响应和 5 个不正确响应。
有效性定义如下：正确决策数与决策机会总数之比。例如，假定评级员 A 对抽样的每个部件都
评级三次。对于第六个部件，有一个决策不一致（例如，通过、通过、失败）。另外两个决策
仍计为正确决策。这一有效性定义不同于 MSA 第 3 版中的定义。根据 MSA 的定义，评级员 A
对部件六的全部三个机会都将计为不正确。单独包含所有检查可为您提供关于整个检查过程的
更多信息。
在 “有效性”表中，关于有效性给出了 95% 置信区间。这些为得分置信区间。事实证明，得分
置信区间可提供更高的覆盖概率，特别是在观测接近边界的情况下。（请参见 Agresti 和 Coull，
1998。）
“误分类”表显示不正确标签。行表示标准的水平或接受的参考值。列包含评级员给出的水平。
合格性报表
“合格性报表”显示误报概率和漏报概率。仅当评级有两个水平时（如 “通过”或 “失败”， 0

或 1），“合格性报表”才会显示。
请谨记以下说明：
误报部件被判为不合格，但实际上却合格。
漏报部件被判为合格，但实际上却不合格。
P （误报）误认为不合格的部件数除以认定为合格的部件总数。
“计数量具”平台选项质量和过程方法
P （漏报）误认为合格的部件数除以实际上不合格的部件总数。
“合格性报表”红色小三角菜单包含以下选项：
更改合格类别反转被视为合格的响应类别。
计算逃逸率计算逃逸率，即生产出不合格部件但未检测出来的概率。逃逸率的计算方式：过
程生产出不合格部件的概率乘以漏报概率。您需要指定过程生产出不合格部件的概率，亦称
“不合格概率”。
注意：在该平台中缺失值被视为单独的类别。为避免这一单独的类别，请从数据表中排除包含
缺失值的行。
“计数量具”平台选项
“计数量具”红色小三角菜单包含以下选项：
计数量具图显示或隐藏量具计数图和效率图。
显示一致性点显示或隐藏图上的一致性点。
连接一致性点连接图中的一致性点。
评级员一致性的置信区间显示或隐藏效率图上评级员一致性的置信区间。
显示一致性组均值显示或隐藏量具计数图上的一致性组均值。在您指定了多个“X，分组”变
量后，该选项才可用。
显示一致性总均值显示或隐藏量具计数图上的一致性总均值。
显示有效性点显示或隐藏图上的有效性点。
连接有效性点在图中的有效性点之间绘制连接线。
评级员有效性的置信区间在 “计数量具图”报表的第二个图中显示或隐藏置信区间。请参见
图 9.5。
有效性报表显示或隐藏有效性报表。该报表使用 Kappa 统计量将每个评级员与标准进行比较。
质量和过程方法计数量具图的统计详细信息
计数量具图的统计详细信息
对于图 9.5 中在 x 轴上标绘所有 X，分组变量的第一个图而言，“一致性百分比”计算如下：
k
 水平的响应数 l
 2  
=1
对象的一致性百分比 i = l---------------------------------------------------------
N
 i
 2
对于在图 9.5 中在 x 轴上标绘所有 Y，响应变量的第二个图而言，“一致性百分比”计算如下：

n  ri 
 该评级员 k 在部件 i 内针对重复次数 j 的
 未计匹配水平的数目 
i = 1j = 1 
评级员的一致性百分比 k = -------------------------------------------------------------------------------------------------------------------------------------------------
n  i r

   i 
 N – j
i = 1 j = 1 
• n = 对象（分组变量）的数目
• ri = 对象 i 的重复次数 (i = 1,...,n)
• m = 评级员数
• k = 水平数
• Ni = m x ri。针对对象 i (i = 1,...,n) 的评级数。其中包含所有评级员的响应，以及针对某部件
的重复评级次数。例如，若 3 个评级员每人给对象 i 测量了 3 次，则 Ni 为 3 x 3 = 9。
例如，请考虑下面这个包含三个评级员的数据表，每个评级员都有关于一个对象的三次重复。
表 9.1 评级员 A、 B 和 C 的三次重复
A B C
1 1 1 1
2 1 1 0
3 0 0 0
使用该表，您可以执行以下计算：
 4 +  5
一致性百分比 = ----------------------
2  2
- = 16
------ = 0.444
 9 36
 2
计数量具图的统计详细信息质量和过程方法
+3+3
一致性百分比 [ 评级员 A] = 一致性百分比 [ 评级员 B] = 4--------------------- 10
= ------ = 0.476 ，
8+7+6 21
+3+2
一致性百分比 [ 评级员 C] = 4--------------------- 9
= ------ = 0.4286
8+7+6 21
一致性报表的统计详细信息
简单 Kappa 系数是一个用于测量评级员之间一致性的测度。
ˆ P0 – Pe
κ = ------------------
1 – Pe
其中：
P0 =  p ii
i
并且：
Pe =  pi. p .i
i
若将两个响应变量视为 n 个对象的两个独立评级，则当评级员之间完全一致时， Kappa 系数等

于 +1。当观测到的一致性超过机会一致性时， Kappa 系数为正，其量值反映了一致性的强度。
当观测到的一致性小于机会一致性时，Kappa 系数为负，尽管这在实际中并不常见。Kappa 的
最小值介于 -1 到 0 之间，具体取决于边缘比例。
使用以下等式估计简单 Kappa 系数的渐近方差：
A+B–C
方差 = --------------------------
2
( 1 – Pe ) n
其中：
ˆ
A =  pii 1 – ( p i. + p .i ) ( 1 – κ )
i
ˆ 2 2
B = (1 – κ)   pij ( p.i + pj. )
i≠j
并且：
ˆ ˆ 2
C = κ – Pe ( 1 – κ )
将会标绘 Kappa 系数，同时给出标准误差。

质量和过程方法计数量具图的统计详细信息
注意：即便变量水平不平衡，也会在 “计数图”平台中显示 Kappa 统计量。
“类别间一致性”报表中提供分类 Kappa 统计量 (Fleiss 1981)。

假设如下：
• n = 对象（分组变量）的数目
• m = 评级员数
• k = 水平数
• ri = 对象 i 的重复次数 (i = 1,...,n)
• Ni = m x ri。针对对象 i (i = 1, 2,...,n) 的评级数。其中包含所有评级员的响应，以及针对某部
件的重复评级次数。例如，若 2 个评级员每人给对象 i 测量了 3 次，则 Ni 为 3 x 2 = 6。
• xij = 针对对象 i (i = 1, 2,...,n) 的水平 j (j=1, 2,...,k) 的评级数。各类别的 Kappa 如下：
n n
 x ij ( N i – x ij )  xij
ˆ i=1
κ j = 1 – ----------------------------------------------------
- 其中 pj = = 1
i-----------------
qj = 1 – pj
n n
( pj qj )  Ni ( Ni – 1 )  Ni
i=1 i=1
总 Kappa 如下：
k
 q j p j κˆj
ˆ =1
κ = j-------------------------
-
k
 pj qj
j=1
ˆ
κ j 和 κ 的方差如下：
2
方差 ( κ̂ j ) = ---------------------------
nN ( N – 1 )
 k 2 k
ˆ
方差 ( κ ) = -------------------------------------------------------- ×   p j q j –  p j q j ( q j – p j )

2
 k 2 j = 1 
  j=1
  p j q j nN ( N – 1 )
j = 1 
ˆ
仅当每个对象的评级数相等时才会显示 κ̂ j 和 κ 的标准误差（例如，对于所有 i=1,…,n，Ni = N。
计数量具图的统计详细信息质量和过程方法
第 10 章
过程能力
测量随时间推移过程的变异性
过程能力分析用在过程控制中，用来测量一个过程相对于给定规格限的表现情况。好的过程不
仅稳定，并且能持续生产符合规格限的产品。能力指标测量相对于规格限的过程性能，它由过
程中心和变异性来汇总。
目标图和箱线图之类的图形化工具为您提供了直观的方式，使您能够快速识别哪些过程或产品
特征在规格限之内。单项详细报表为分析中的每个变量显示一个能力报表。该分析使您能够标
识相对于规格或需求的变异，使合格值持续增加。
您可以指定子组以将过程的总变异与子组内变异相比较。可以为生成服从各种分布的测量值的
过程计算能力指标。对于不服从任何指定分布的数据，您可以计算非参数能力指标。
图 10.1 “过程能力”平台示例
190 过程能力第 10 章
“过程能力”平台概述质量和过程方法
“过程能力”平台概述
“过程能力”平台提供测量过程是否符合给定的规格所需的工具。默认情况下，JMP 为您使用正
态分布拟合的变量显示目标图、能力箱线图和能力指标图。在能力指标图上标绘非正态变量的
能力指标。您可以为分析中的变量添加标准化箱线图、汇总报表和单项详细报表。
可以通过以下几种方式提供规格限：
• 在数据表中，使用列属性
• 在启动窗口中请求 “规格限对话框”
• 从规格限数据表中加载限值
您可以指定双侧、单侧或非对称规格限。
注意：“过程能力”平台对 “能力”分析（可通过分析 > 分布以及通过分析 > 质量和过程 > 控

制图访问）进行了重大扩展。
能力指标
能力指标是一个比值，它将过程能力与生产满足规格限的产品相关联。该指标将质量特征的均
值和标准差的估计值与规格限相关联。组内能力估计值基于从子组内变异构造的标准差。总能
力估计值使用根据所有过程数据构造的标准差的估计值。请参见第 236 页的 “正态分布的能力
指标”和第 232 页的 “变异统计量”。
仅当与中心化或离散相关的过程稳定时，均值或标准差的估计值才会准确定义。因此，组内能
力指标的解释要求过程离散很稳定。总能力指标的解释要求过程中心化和离散均稳定。
根据小样本构造的能力指标可能会有很大变异。“过程能力”平台为多数能力指标提供置信区
间。使用这些置信区间可为质量特征的实际能力确定潜在值的范围。
注意：若不提供置信区间（例如，对于非正态分布），您可以使用 “模拟”功能构造置信

区间。有关示例，请参见第 227 页的 “模拟非正态过程 Ppk 的置信限”。
有关能力指标值的准则，请参见 Montgomery (2013)。最小推荐值为 1.33。六西格玛方法以获

取更高的能力水平为目标，相对应就是极低的每百万部件缺陷率。
非正态过程的能力指标
“过程能力”平台为具有以下分布的过程测量值构造能力指标：正态、gamma、Johnson、对数
正态和 Weibull。“最佳拟合”选项确定这些分布中的最佳拟合，并为该拟合提供能力指标。该
平台还提供 “非参数拟合”选项，该选项可以提供能力的非参数估计值。
对于非正态方法，使用两种方法构造估计值：ISO/ 分位数方法（百分位数）和 Bothe/Z 得分方
法（Z 得分）。要了解关于这些方法的详细信息，请参见第 237 页的 “非正态分布的能力指标：
百分位数和 Z 得分方法”。
第 10 章过程能力 191
质量和过程方法示例：包含正态变量的 “过程能力”平台
注意：单个响应的 “过程能力”分析可通过分析 > 质量和过程 > 控制图生成器访问。不过，只

有 “过程能力”平台才提供非正态分布。
总 Sigma 估计值和组内 Sigma 估计值
“过程能力”平台中的多数能力指标可基于总（长期）变异和子组内（短期）变异的估计值进

行计算。若过程稳定，这两个变异测度应产生类似的结果，因为总变异和子组内变异应相似。标
准化箱线图和汇总表可使用总变异或子组内变异进行计算。有关为稳定和不稳定过程计算的能
力指标的示例，请参见第 220 页的 ““过程能力”平台的更多示例”。
您可以在启动窗口内指定子组以便估计子组内变异。可以指定定义子组的列，或选择一个常数
子组大小。对于所有这些方法，您可以选择使用无偏标准差的平均值或使用极差的平均值来估
计过程变异。若不指定子组，“过程能力”平台将使用大小为 2 的子组的移动极差来构建过程变
异的子组内估计值。最后，您可以指定一个历史 sigma 用作过程标准差的估计值。
能力指标符号
“过程能力”平台提供了两组能力指标。有关能力指标计算的详细信息，请参见第 236 页的“正
态分布的能力指标”。
• Cpk、 Cpl、 Cpu、 Cp 和 Cpm。这些指标基于过程标准差的子组内（短期）估计值。
• Ppk、Ppl、Ppu、Pp 和 Cpm。这些指标基于过程标准差的总（长期）估计值。注意，若过
程不稳定，则过程标准差不存在。请参见 Montgomery (2013)。
“过程能力”平台使用相应的 AIAG 符号来表示能力指标：Ppk 标签表示基于总变异估计值构
造的指标， Cpk 表示基于子组内变异估计值构造的指标。
注意：默认选定 “添加 AIAG (Ppk) 标签”平台首选项。您可以通过取消选定 “过程能力”下

的这一首选项，将报告方式改为仅使用 Cp 符号。
有关过程能力分析的详细信息，请参见 Montgomery (2013) 和 Wheeler (2004)。
示例：包含正态变量的 “过程能力”平台
本例使用 Semiconductor Capability.jmp 样本数据表。变量表示半导体生产商在加工晶片过程
中可能采用的标准测量值。通过列属性 > 规格限属性在数据表中输入了变量的规格限。
1. 选择帮助 > 样本数据库，然后打开 Semiconductor Capability.jmp。
2. 选择分析 > 质量和过程 > 过程能力。
3. 选择 PNP1、 PNP2、 NPN2、 PNP3、 IVP1、 PNP4、 NPN3 和 IVP2，然后点击 Y，过程。
4. 点击确定。
5. 从目标图红色小三角菜单中选择添加总 Sigma 点标签。
示例：包含正态变量的 “过程能力”平台质量和过程方法
图 10.2 Semiconductor Capability.jmp 的示例结果
图 10.2 中的目标图为每个变量在 x 轴上显示规格标准化均值偏移，以及在 y 轴上显示规格标准

化标准差。图下方中心处红线定义的三角区域是目标三角形。它定义了能力指标值的区域。您
可以使用图下方的 Ppk 滑块来调整目标三角形。当滑块设置为 1 时，请注意 PNP1、 PNP3、
IVP1 和 IVP2 均位于目标三角形之外，所以很可能超出规格范围。
“能力箱线图”报表为分析中的每个变量显示一个箱线图。每列的值以其目标值为中心，并以规
格范围统一尺度。在本例中，所有过程变量都同时具有上规格限和下规格限，并且规格限关于
目标值对称。在这里绿实线显示目标应该所处的位置，而虚线表示规格限。
看起来 IVP1 的多数点都位于其上规格限 (USL) 上方，而 IVP2 的多数点都小于其目标。 PNP2
看起来位于目标上，并且所有数据值都位于规格限以内。
质量和过程方法示例：包含非正态变量的 “过程能力”平台
“能力指标图”绘制了每个变量的 Ppk 值。四个变量来自能力水平很高的过程， Ppk 值为 2 或

更高。四个变量的 Ppk 值低于 1。
示例：包含非正态变量的 “过程能力”平台
Process Measurements.jmp 数据表包含针对用于构造产品的七个不同过程得到的测量值。对于
每个过程，规格限都另存为列属性。您最先要做的是检查您的过程数据的分布。可以看到分布
不服从正态分布。然后您使用 “过程能力”平台的非正态能力功能来计算能力指标。
查看分布
1. 选择帮助 > 样本数据库，然后打开 Process Measurements.jmp。
2. 选择分析 > 分布。
3. 从选择列列表中选择全部七列，然后点击 Y，列。
4. 选中仅显示直方图旁边的框。
5. 点击确定。
对于多数过程，直方图都有证据表明测量值的理论分布有偏斜，不服从正态分布。因此，对
于每个过程，您都会在所有可用参数分布中找到最佳拟合分布。
执行能力分析
2. 从列列表中选择全部七列，然后点击 Y，过程。
3. 选择 Y，过程列表中的全部七列。
4. 打开分布选项面板，然后从分布列表中选择最佳拟合。
5. 点击设置过程分布。
后缀 & 分布 ( 最佳拟合 ) 添加至 “Y，过程”列表中的每个变量名。“最佳拟合”选项指定
应该为每个变量拟合最佳拟合参数分布。可用的参数分布包括正态、gamma、Johnson、对
数正态和 Weibull 分布。请参见图 10.3。
6. 打开非正态分布选项分级显示项。请注意，“非正态能力指标方法”设置为百分位数，
“Johnson 分布拟合方法”设置为分位数匹配，“分布比较准则”设置为 AICc。
示例：包含非正态变量的 “过程能力”平台质量和过程方法
图 10.3 完成的启动窗口
“分位数匹配”方法是用于拟合 Johnson 分布的默认方法，因为它有着优越于 “最大似然”

的稳定性和速度。请注意，“最大似然”用在 “分布”平台中。
7. 点击确定。
8. 从目标图红色小三角菜单中选择添加总 Sigma 点标签。
9. 从 “能力指标图”红色小三角菜单中选择添加总 Sigma 点标签。
图 10.4 已添加变量标签的初始报表
注意：点击图中某个标签并拖动它以便让该图更容易解释。点击 “能力指标图”的右侧框
架，将其拖至右侧，以便让标签更易区分。
“目标图”仅显示一个点，并且该点对应过程 7。“能力箱线图”报表为过程 7 显示了一个

箱线图。这是因为过程 7 的最佳拟合是正态分布。
10. 在 “能力指标图”下方，将 Ppk 值设置为 2。
示例：包含非正态变量的 “过程能力”平台质量和过程方法
“能力指标图”显示全部七个过程的 Ppk 值。只有两个过程 — 过程 2 和过程 7 — 的能力值

超过 2。请注意，最佳拟合非正态分布显示在 “能力指标图”中变量名称右侧的括号中。过
程 7 的最佳拟合分布由于是正态分布而未加以显示。
11. 从过程能力红色小三角菜单中，选择单项详细报表。
由于您在启动窗口中请求了“最佳拟合”，所以从每个分布的红色小三角菜单中选定了“比
较分布”选项。
12. 滚至名为过程 4 ( 对数正态 ) 能力的报表。
图 10.5 过程 4 的单项详细报表
过程 4 的报表标题表明能力计算基于对数正态拟合。“比较分布”报表中除 “非参数”复选
框之外的所有复选框均已选中，这表示拟合了这五个分布。（这是因为您在启动窗口中请求
了 “最佳拟合”。）在 “已选定”列中选定的按钮指示 “对数正态”分布是用在 “过程 4 (
对数正态 ) 能力”报表中其余部分的分布，用来估计能力和不合格。
启动 “过程能力”平台质量和过程方法
“比较分布”报表支持您比较五个分布拟合。“直方图 - 比较分布”报表给出拟合的直观估
计，“比较详细信息”报表显示选定分布的拟合统计量。无论是图还是拟合统计量都指示对
数正态分布在所有选定的分布中可提供最佳拟合。
默认显示的“单项详细报表”信息包含一个显示估计的最佳拟合分布的直方图、过程信息的
汇总、基于总 Sigma 估计值的能力指标、拟合对数正态分布的参数估计值，以及观测到的和
预期的不合格水平。
启动 “过程能力”平台
通过选择分析 > 质量和过程 > 过程能力启动 “过程能力”平台。在图 10.6 中（该图使用
Semiconductor Capability.jmp 数据表），所有分级显示项和面板均已打开。
图 10.6 “过程能力”启动窗口
“过程能力”启动窗口包含以下分级显示项和选项：
质量和过程方法启动 “过程能力”平台
• 第 199 页的 “过程选择”
• 第 199 页的 “过程子组”
• 第 200 页的 “历史信息”
• 第 200 页的 “分布选项”
• 第 201 页的 “其他指定”
在启动窗口中点击 “确定”后，除非出现以下情况之一，否则将显示 “规格限”窗口：
• 所有列都包含规格限。
• 您在启动窗口中选定了否（跳过不含规格限的列）。
若您在启动窗口中选择“是”，还会出现“规格限”窗口。否则会显示“过程能力”报表窗口。
过程选择
选择要包括在能力分析中的过程变量。
Y，过程分配您要分析的变量。
注：
• “变换”菜单不可用于 “过程能力”启动窗口中的 “选择列”列表。右击数据表中的列标

题，然后选择新建公式列创建要用在过程能力中的变换列。有关创建新公式列的详细信息，
请参见《使用 JMP》手册中的 “输入和编辑数据”一章。
• 虚拟连接表的引用列不可用于 “过程能力”平台。
过程子组
这组选项支持您为 “Y，过程”列表中的每个变量分配一个子组 ID 列或常数子组大小。
使用 ID 列创建子组
1. 选择 “Y，过程”列表中的一个或多个变量。
2. 从子组分组依据选项中选择子组 ID 列。
3. 在 “选择列”列表中选择一个子组 ID 列。
4. 点击嵌套子组 ID 列。
子组 ID 列显示在 “Y，过程”列表中变量名右侧的括号内。
使用常数子组大小创建子组
2. 从子组分组依据选项中选择常数子组大小。
3. 在设置常数子组大小旁边输入子组大小。
启动 “过程能力”平台质量和过程方法
4. 点击按大小划分的子组。
子组大小显示在 “Y，过程”列表中变量名右侧的括号内。
嵌套子组 ID 列在您选择 “子组 ID 列”时可用。分配您从 “选择列”列表中选择的列，以便
为选定的 “Y，过程”列定义子组。
按大小划分的子组在您选择 “常数子组大小”时可用。分配您在 “设置常数子组大小”框中
指定的子组大小，以便为选定的 “Y，过程”列定义子组。
设置常数子组大小在您选择 “常数子组大小”时可用。为选定的 “Y，过程”列指定常数子
组大小。您需要使用 “按大小划分的子组”分配该值。
子组内变异统计量在使用 “过程子组”时可用。指定是否使用标准差或极差计算标准差的子
组内估计值。
历史信息
使用该分级显示项可以向 “Y，过程”列表中的变量分配以往接受的标准差的值。
2. 在 “设置历史 Sigma”旁边输入一个值。
3. 选择 “使用历史 Sigma”将该值分配给选定变量。
指定的值显示在 “Y，过程”列表中变量名右侧的表达式 “&Sigma()”中的括号内。
注意：若设置历史 sigma，则针对选定过程变量的子组分配将不再相关，所以将被删除。
分布选项
除非另外指定，分析所有 “Y，过程”变量的假设前提是：所有变量都服从正态分布。使用 “分
布选项”分级显示项向 “Y，过程”列表中的变量分配其他分布或计算方法，并且指定与非正
态计算相关的选项。
• 可用的分布包括正态、 gamma、 Johnson、对数正态和 Weibull 分布。除 Johnson 分布之
外，使用最大似然估计来拟合分布。请参见第 201 页的 “Johnson 分布拟合方法”。
• “最佳拟合”选项确定可用分布中的最佳拟合并且应用该拟合。
• “非参数”选项使用核密度估计拟合分布。
有关与非正态拟合相关的更多选项，请参见第 201 页的 “非正态分布选项”。
指定分布
2. 从 “分布”列表中选择一种分布。
3. 选择 “设置过程分布”将该分布分配给选定的变量。
质量和过程方法输入规格限
指定的分布显示在 “Y，过程”列表中变量名右侧的表达式 “& 分布 ()”中的括号内。
注意：若选择 “正态”之外的分布，则您无法分配 “子组 ID”列或 “历史 Sigma”。用于计算

非正态能力指标的方法不支持以上选择。请参见第 237 页的 “非正态分布的能力指标：百分位
数和 Z 得分方法”。
非正态分布选项
非正态能力指标方法指定用于计算非正态分布的能力指标的方法。请参见第 237 页的 “非正

态分布的能力指标：百分位数和 Z 得分方法”。
Johnson 分布拟合方法指定用于查找最佳拟合 Johnson 分布的方法。估计参数之前，需要从
Johnson Su、 Sb 和 Sl 系列中确定最佳拟合分布系列。 Slifker and Shapiro (1980) 中所述的
过程用于查找最佳拟合系列。
分位数匹配默认方法。比最大似然更稳定更快速。分位数匹配参数估计值（假定采用最佳
拟合系列）通过使用分位数匹配方法来获取。请参见 Slifker and Shapiro (1980)。
最大似然最佳拟合系列的参数使用最大似然确定。
分布比较准则（在选定“最佳拟合分布”时可用。）指定要用于确定最佳拟合的准则。该准则
还确定 “比较详细信息”报表中分布的顺序。请参见第 217 页的 “排序依据比较准则”。
其他指定
依据为依据变量的每个水平生成单独的报表。若分配了多个依据变量，则为依据变量水平的
每种可能组合都生成一个单独的报表。
指定 Alpha 水平指定置信限的显著性水平。
显示规格限对话框指定如何处理没有规格限的列。
注意：最好确保所有过程变量的规格限都指定为 “规格限”列属性，或从 “限值数据”表

中加载规格限（请参见第 202 页的 “限值数据表”）。如若不然，您可以在点击启动窗口中
的 “确定”后出现的 “规格限”窗口中以交互方式指定限值（除非您在启动窗口中选择否
（跳过不含规格限的列）。
输入规格限
下规格限 (LSL)、上规格限 (USL) 和目标定义质量过程的下限、上限和目标值。
可通过多种方式输入规格限：
• 在启动窗口中选定列后，在“规格限”窗口中输入限值。请参见第 202 页的““规格限”窗口”。
• 从 JMP 数据表（称为 “限值表”）导入限值。请参见第 202 页的 “限值数据表”。
输入规格限质量和过程方法
• 输入限值，将其作为数据表中的 “规格限”列属性。请参见第 203 页的 “规格限列属性”。

• 若通过运行 JSL 脚本创建 “过程能力”报表，则在该脚本中输入限值。请参见第 204 页的
“过程能力报表”。
每个选定列只需一个规格限。若仅指定上规格限，则箱线图和目标图点为蓝色。若仅指定下规
格限，则箱线图和目标图点为红色。
“规格限”窗口
在启动窗口中点击确定后，若任何一列不包含限值，而您也未在启动窗口中选择否（跳过不含
规格限的列），此时便会显示 “规格限”窗口。若您在启动窗口中选择 “是”，还会出现 “规
格限”窗口。图 10.7 显示在启动窗口中将臭氧、一氧化碳、二氧化硫和一氧化氮选作过程变量
后， Cities.jmp 样本数据表的 “规格限”窗口。输入已知的规格限，然后点击确定查看 “过程
能力”报表。
图 10.7 Cities.jmp 的 “规格限”窗口
限值数据表
您还可以使用 “规格限”窗口中的从数据表加载规格限选项指定限值数据表。点击选择数据表
按钮，然后选择包含适用于分析的规格限的适当数据表。选择适当的限值表后，这些值将填充
到该窗口中。点击确定查看 “过程能力”报表。
限值数据表可采用两种不同的格式：高型或宽型。高型限值数据表将各个响应显示在一列中，其
他各列分别显示限值关键字。宽型限值数据表让每个响应对应一列，再用一列添加限值关键字
的标签。这两种格式均可使用从数据表加载规格限选项来读取。
• 高型表包含四列，每个过程对应一行。第一列的数据类型为字符型，其中包含在 “过程能
力”平台中分析的列的名称。其他三列需分别命名为 _LSL、 _USL 和 _Target。
图 10.8 示例：高型规格限表
• 宽型表对于 “过程能力”平台中分析的每列都包含三行和一列，另有一个 _LimitsKey 列。

在 _LimitsKey 列中，有三行需要包含标识符 _LSL、 _USL 和 _Target。
图 10.9 示例：宽型规格限表
最简单的限值数据表创建方法是保存 “过程能力”平台计算的结果。“过程能力”红色小三角
菜单中的 “保存规格限”选项可自动保存样本值中的限值。输入或加载规格限后，您可以执行
以下操作：
• 选择将规格限保存为列属性可将限值保存至数据表中的列。
• 选择在新表中保存规格限可将限值保存至新的高型规格限数据表。若您已选定至少一个非正
态分布，包含指定分布的名为分布的列也会添加至限值数据表。
详细信息，请参见第 210 页的 ““过程能力”平台选项”。
规格限列属性
执行能力分析时，您可以使用 “列属性” > “规格限”将规格限另存为列属性。“规格限”属性
仅应用于数值列。
某些过程具有单侧规格。有些过程则无目标。您可以输入以下适用的任意项：下规格限、上规
格限或目标值。
图 10.10 针对样本数据表 Cities.jmp 中的臭氧显示了 “列属性”窗口的 “规格限”部分。
过程能力报表质量和过程方法
图 10.10 “列属性”窗口的 “规格限”部分
提示：将规格限另存为列属性可在重复执行分析时确保一致性。
过程能力报表
默认情况下，“过程能力”平台提供以下报表：
• 第 205 页的 “目标图”（仅在至少有一个变量使用正态分布拟合时提供，并且仅显示使用正
态分布拟合的变量对应的点）
• 第 207 页的 “能力箱线图”（仅在至少有一个变量使用正态分布拟合时提供，并且仅显示使
用正态分布拟合的变量对应的箱线图）
• 第 208 页的 “能力指标图”
第 192 页上的图 10.2 显示了默认 “过程能力”报表的示例。
使用过程能力红色小三角菜单，您可以添加单项详细报表、标准化箱线图，以及汇总报表。红
色小三角菜单还包含一些选项，可用于标识数据表中的超出规格限的值、创建汇总数据表、更
改分析列的显示顺序，以及保存规格外限值。第 210 页的 ““过程能力”平台选项”中对这些
选项进行了说明。
您可以通过文件 > 首选项 > 平台 > 过程能力更改默认报表。对于通过 “文件” > “首选项” >
“平台”选择的相关 “过程能力”主题选项所生成的报表，您还可以更改这些报表的外观。
质量和过程方法过程能力报表
目标图
目标图为每个变量在 x 轴上显示规格标准化均值偏移，在 y 轴上显示规格标准化标准差。该图
可用于快速提供关于变量是否符合规格限的汇总视图。默认情况下，“目标图”仅显示每列使用
总 sigma 计算的那些点。将光标置于每个点上方可查看变量名以及用于计算点的 sigma 方法。
有关 “目标图”坐标计算的详细信息，请参见第 234 页的 “目标图”。
注意：非 “正态”分布的过程变量不会标绘在目标图上。
目标图点
目标图上各点对应的是列而不是行。在目标图中选择某个点也会选择数据表中的相应列。
目标图上的点还链接至 “目标图汇总表”中的行，其中每行都对应一列。您可以选择目标图中
的某个点，右击并应用行状态。这些行状态应用于 “目标图汇总表”中的行。您在 “目标图汇
总表”中应用的行状态反映在目标图中。要查看该表，请从 “过程能力”红色小三角菜单中选
择 “制作目标图汇总表”。请参见第 219 页的 “制作目标图汇总表”。
提示：若隐藏目标图中某个点，则可以通过更改 “目标图汇总表”中的相应行状态再次显示
该点。
目标图三角形
目标图三角形显示在目标图底部中央。图下方的滑块支持您调整图中目标三角形的大小。
默认情况下，Ppk 滑块和其下的值设置为 Ppk = 1。这近似不合格率为 0.0027（若为正态分布）。
目标三角形表示框中显示的 Ppk。要更改 Ppk 值，请移动滑块或在框中输入数字。
默认情况下， JMP 根据 Ppk 值提供 “目标图”。您可以通过文件 > 首选项 > 平台 > 过程能力更
改该首选项。若未选中 AIAG (Ppk) 标签首选项，则所有 Ppk 标签都将改为 Cpk 标签，包括目
标图下滑块的标签。
目标图选项
“目标图”红色小三角菜单包含以下选项：
显示组内 Sigma 点显示或隐藏使用组内 sigma 估计值计算的点。
显示总 Sigma 点显示或隐藏使用总 sigma 估计值计算的点。
着色水平显示或隐藏 Ppk 水平着色。请参见图 10.11。选择 “着色水平”时，着色区域显示
在图中。着色区域说明如下，其中使用 p 来表示 Ppk 下方框中显示的值：
‒ 红色区域中的点：Ppk < p。
‒ 黄色区域中的点：p < Ppk < 2p。
‒ 绿色区域中的点：2p < Ppk。
添加组内 Sigma 点标签显示或隐藏使用组内 sigma 估计值计算的点的标签。

添加总 Sigma 点标签显示或隐藏使用总 sigma 估计值计算的点的标签。
缺陷率等高线显示或隐藏表示指定缺陷率的等高线。
图 10.11 显示在从 “目标图”红色小三角菜单中选择着色水平和显示组内 Sigma 点后，
Semiconductor Capability.jmp 样本数据表的整个数据集的目标图。
图 10.11 目标图
单侧或缺失规格限
若某列只有一个规格限，则标记和颜色的使用方式如下：
• 若仅指定了上规格限 (USL)，目标图上的点通过指向右侧的三角形来表示且标记为蓝色。
• 若仅指定了下规格限 (LSL)，目标图上的点通过指向左侧的三角形来表示且标记为红色。
• 若至少有一个过程仅有上规格限，则目标三角形的右半部分为蓝色。
• 若至少有一个过程仅有下规格限，则目标三角形的左半部分为红色。
仅有上规格限的过程用蓝色表示，所以应该与目标三角形的蓝色（右）侧相比较。仅有下规格
限的过程用红色表示，所以应该与目标三角形的红色（左）侧相比较。有关如何计算点坐标的
详细信息，请参见第 234 页的 “目标图”。
能力箱线图
能力箱线图为分析中选定的每个变量显示一个箱线图。每列的值以其目标值为中心，并以规格
限之间的差值统一尺度。若目标不在规格限的中心，则值将按目标与规格限之间最小差值的两
倍统一尺度。对于每个过程列 Yj （请参见第 234 页的 “用于目标图和能力箱线图的符号”，了
解符号说明）：
Y ij – T j
Z ij = ---------------------------------------------------------------------------
2 × min(T j – LSL j, USL – T j )
j
对于仅有单侧规格的过程，请参见第 206 页的“单侧或缺失规格限”。有关未指定目标的情形，

请参见第 235 页的 “缺失目标的过程的能力箱线图”。
注意：非 “正态”分布的过程变量不会标绘在能力箱线图上。
图 10.11 显示了 Semiconductor Capability.jmp 样本数据表中的八个变量的“能力箱线图”报表。
图 10.12 能力箱线图
该图显示在 ±0.5 处各绘制了一条绿色虚线。

• 对于目标在其规格限之间居中显示的过程，绿色虚线表示标准化规格限。
• 对于目标未在其规格限之间居中显示的过程，其中一条绿色虚线表示更接近目标的限值的标
准化规格限。另一条绿色虚线表示反方向上相同的距离。
该图可用于将变量与其规格限加以比较。例如，在图 10.12 中， IVP1 的大多数点都高于其上规
格限，而 IVP2 的大多数点都小于其目标。 PNP2 看起来位于目标上，并且所有数据点都位于规
格限以内。
单侧或缺失规格限
若某列只有一个规格限，则颜色的使用方式如下：
• 若仅指定了上规格限 (USL)，箱线图将显示为蓝色。
• 若仅指定了下规格限 (LSL)，箱线图将显示为红色。
• 若至少有一个过程仅有上规格限，则 0.5 处的虚线显示为蓝色。
• 若至少有一个过程仅有下规格限，则 -0.5 处的虚线显示为红色。
假定仅指定了下规格限和过程目标。能力箱线图基于变换观测的以下值。请参见第 234 页的“用
于目标图和能力箱线图的符号”，了解符号说明：
Y ij – T j
Z ij = -------------------------------
2 ( T j – LSL j )
假定仅指定了上规格限和过程目标。能力箱线图基于变换观测的以下值：
Y ij – T j
Z ij = --------------------------------
2 ( USL j – T j )
有关如何在仅有单侧规格限时处理缺失目标的详细信息，请参见第 236 页的 “单个规格限且无

目标”。
能力指标图
能力指标图显示您输入为 “Y，过程”的所有变量的 Ppk 值。
• 每个变量名都显示在水平轴上。若拟合非正态分布，拟合分布名称显示在图中，作为变量名
的后缀显示在括号内。
• 垂直轴显示 Ppk 值。
• 水平线位于图下方的滑块指定的 Ppk 值处。
图 10.13 显示 Process Measurements.jmp 样本数据表的 “能力指标图”报表。使用非正态分
布拟合了七个变量。使用正态分布拟合了过程 7。使用 “能力指标图”红色小三角菜单中提供
的 “添加总 Sigma 点标签”选项为点添加了标签。
图 10.13 具有非正态分布的能力指标图
能力指标图选项
“能力指标图”红色小三角菜单包含以下选项：
显示组内 Sigma 点显示或隐藏使用组内 sigma 估计值计算的点。
显示总 Sigma 点显示或隐藏使用总 sigma 估计值计算的点。
着色水平显示或隐藏 Ppk 水平着色。选择 “着色水平”时，着色区域显示在图中。着色区域
说明如下，其中使用 p 来表示 Ppk 下方框中显示的值：
‒ 红色区域中的点：Ppk < p。
‒ 黄色区域中的点：p < Ppk < 2p。
‒ 绿色区域中的点：2p < Ppk。
添加组内 Sigma 点标签显示或隐藏使用组内 sigma 估计值计算的点的标签。
添加总 Sigma 点标签显示或隐藏使用总 sigma 估计值计算的点的标签。
“过程能力”平台选项质量和过程方法
“过程能力”平台选项
“过程能力”红色小三角菜单包含以下选项：
单项详细报表为分析中的每个变量显示或隐藏单项详细报表。详细信息，请参见第 211 页的
“单项详细报表”。
目标图显示或隐藏数据的目标图。目标图为每个变量在 x 轴上显示规格标准化均值偏移，在 y
轴上显示规格标准化标准差。详细信息，请参见第 205 页的 “目标图”。（只有您指定了正
态分布的变量才显示在图中。）
能力箱线图为分析中的每个变量显示或隐藏能力箱线图。每列的值以其目标值为中心，并以
目标值和规格限之间最小差值的两倍统一尺度。详细信息，请参见第 207 页的 “能力箱线
图”。（仅为您指定了正态分布的变量显示箱线图。）
标准化箱线图针对为每个过程变量显示标准化箱线图的图提供两个选项。每一列都通过减去
其均值并除以该列标准差的估计值进行标准化。该箱线图使用标准化值的分位数来构造。详
细信息，请参见第 217 页的 “标准化箱线图”。（仅为您指定了正态分布的变量显示标准化
箱线图。）
组内 Sigma 标准化箱线图显示或隐藏称为 “组内 Sigma 标准化箱线图”的图。该箱线图使
用标准差的子组内估计值来构造。
总 Sigma 标准化箱线图显示或隐藏称为 “总 Sigma 标准化箱线图”的图。该箱线图使用
标准差的总估计值来构造。
能力指标图显示您输入为 “Y，过程”的所有变量的总 Ppk 值。请参见第 208 页的 “能力指
标图”。
汇总报表提供两个用于能力指标汇总报表的选项。详细信息，请参见第 218 页的“汇总报表”。
组内 Sigma 汇总报表显示或隐藏使用标准差的子组内估计值计算的能力指标的汇总报表。
（仅为具有指定正态分布的变量提供结果）。
总 Sigma 汇总报表显示或隐藏使用标准差的总估计值计算的能力指标的汇总报表。
操作选项
以下红色小三角菜单选项执行下列操作：
超出规格限的值提供的选项用于数据表中包含超出规格限的值的单元格。
选择超出规格限的值选择数据表中包含至少一个不在规格限内的值的所有行列。
对数据表中与超出规格限的值对应的单元格着色。若值高于上规格
对超出规格限的值着色
限，则单元格着蓝色；若值低于下规格限，则单元格着红色。
提示：要删除特定单元格中的颜色，请选择所有相关单元格。右击其中某一个单元格，然后
选择 “清除颜色”。要删除所有单元格中的颜色，请取消选择 “对超出规格限的值着色”。
质量和过程方法 “过程能力”平台选项
制作目标图汇总表为 “目标图”中绘制的点创建汇总表。该表中包括变量名、其规格标准化
均值偏移以及其规格标准化标准差。该表中每个变量都有两行：每个 sigma 类型有一行（组
内和总）。详细信息，请参见第 219 页的 “制作目标图汇总表”。
排序方式重新排序箱线图、汇总报表和单项详细报表。您可以按照初始顺序、反转初始顺序、
组内 Sigma Cpk 升序、组内 Sigma Cpk 降序、总 Sigma Ppk 升序或总 Sigma Ppk 降序重
新排序。依据“组内 Sigma”排序的选项只会为具有指定正态分布的变量重新排序图元素。
保存规格限提供用于保存规格限的选项。
将规格限保存为列属性将规格限保存至分析中每个变量的列属性。若规格限列属性不存在，
则创建列属性。若规格限列属性存在，则覆盖列属性中的值。详细信息，请参见第 203
页的 “规格限列属性”。
在新表中保存规格限将规格限保存至高型的限值数据表。详细信息，请参见第 202 页的
“限值数据表”。
将分布另存为列属性将计算能力时使用的分布另存为 “过程能力分布”列属性。请参见《使
用 JMP》手册中的 “列信息”窗口一章。
若某列包含的 “分布”属性指定的是非正态分布并且不包含 “过程能力分布”属性，则
“过程能力”平台应用非正态拟合。“过程能力”平台使用 “分布”列属性中指定的分布；
若该分布在过程能力中不受支持，则使用 Johnson 拟合。若某列包含 “过程能力分布”属
性，则 “过程能力”平台会使用 “过程能力分布”列属性中指定的分布。
注意：若想要在“过程能力”平台中使用特定分布，请将其另存为“过程能力分布”列属性。
重新启动对话框打开平台启动窗口并重新调用用于创建报表的设置。
单项详细报表
单项详细报表选项为分析中的每个变量都显示一个能力报表。
正态分布
图 10.14 显示了 Semiconductor Capability.jmp 样本数据表中的 PNP1 的“单项详细报表”，如

第 191 页的 “示例：包含正态变量的 “过程能力”平台”中所述。
图 10.14 单项详细报表
具有正态分布的某变量的 “单项详细报表”显示直方图、过程汇总详细信息，以及能力和不合
格统计量。该直方图显示值的分布、上规格限、下规格限和过程目标（若已指定），以及显示
假设分布的一条或两条曲线。图 10.14 中的直方图显示两条正态曲线 — 一条基于标准差的总估
计值，另一条基于子组内估计值。
使用正态分布拟合过程时，“过程汇总”包括稳定性比，这是一个用于衡量过程稳定性的测度。
稳定性比定义如下：
( 总 Sigma/ 组内 Sigma)2
稳定的过程的稳定性比接近 1。较高的值指示稳定性较差。
非正态分布
注意：基于子组内变异的能力指标和稳定性比不可用于您指定了非正态分布的过程。
图 10.15 显示了 Process Measurements.jmp 样本数据表中的过程 1 的“单项详细报表”，如第

193 页的 “示例：包含非正态变量的 “过程能力”平台”中所述。
图 10.15 过程 1 的 “单项详细报表”
该报表打开时会显示一条注释，总结您在启动窗口中选定的非正态分布选项。
具有非正态分布的某变量的 “单项详细报表”显示直方图、过程汇总详细信息，以及能力和不
合格统计量。该直方图显示值的分布、上规格限、下规格限和过程目标（若已指定）。显示拟合
分布的曲线叠加在该直方图之上。若选定了非参数分布，直方图中显示的曲线将为非参数密度。
若选定非正态参数分布，报表中还会显示一个 “参数估计值”报表；若选定非参数拟合，则报
表中还会显示一个 “非参数密度”报表。请参见第 214 页的 “参数估计值”和第 214 页的 “非
参数密度”。
单项详细报表选项
“单项详细报表”部分中每个变量的分级显示项标题都采用 < 变量名 > 能力的格式。不过，若请

求了非正态能力，相关分布名称将在分级显示项标题中显示在括号内。
每个能力报表都包含一个提供以下选项的红色小三角菜单：
比较分布显示或隐藏用于比较过程分布的控制面板。请参见第 215 页的 “比较分布”。
过程汇总显示或隐藏变量的汇总统计量，包括总 sigma 估计值，以及组内 sigma 估计值和稳
定性比（若指定了正态分布）。
直方图显示或隐藏变量值的直方图。直方图报表包括一个红色小三角菜单，用于控制直方图
的以下功能：
显示规格限在直方图上显示或隐藏过程规格限处的红色垂直线。
显示目标在直方图上显示或隐藏过程目标处的绿色垂直线。
显示组内 Sigma 密度在直方图上显示或隐藏近似正态密度函数，其中的均值来自样本均
值，标准差来自组内 sigma 估计值。
显示总 Sigma 密度在直方图上显示或隐藏近似正态密度函数，其中的均值来自样本均
值，标准差来自总 sigma 估计值。
显示计数轴在直方图右侧显示或隐藏用于显示观测计数的附加轴。
显示密度轴在直方图右侧显示或隐藏用于显示观测比例的附加轴。
能力指标控制以下能力指标报表的显示：
组内 Sigma 能力（当分布为 “正态”时可用。）显示或隐藏基于组内（短期） sigma 的
能力指标（以及置信区间）。
组内 Sigma Z 基准（当分布为 “正态”时可用。）显示或隐藏基于组内（短期） sigma
的 Z 基准指标。
总 Sigma 能力显示或隐藏基于总（长期） sigma 的能力指标（以及置信区间）。
总 Sigma Z 基准（当分布为 “正态”时可用。）显示或隐藏基于总（长期） sigma 的 Z
基准指标。
不合格显示或隐藏观测低于下规格限、高于上规格限、以及位于规格限之外的观测百分比和
期望百分比。不合格表包含观测和期望 PPM 以及计数的隐藏列。
参数估计值（当分布非 “正态”或选定 “非参数”时可用。）显示或隐藏 “参数估计值”报
表，该报表提供选定分布的参数的估计值。
除 Johnson 系列分布之外所有分布的估计值都使用最大似然得到。有关 Johnson 系列拟合
的详细信息，请参见第 201 页的 “Johnson 分布拟合方法”。
第 237 页的 “非正态分布的能力指标：百分位数和 Z 得分方法”中对用于正态、 gamma、
Johnson、对数正态和 Weibull 分布的参数和概率密度函数进行了说明。以上这些也是 “分
布”平台中使用的参数化，只不过 “过程能力”不支持阈值参数。请参见《基本分析》手
册中的 “分布”一章。
非参数密度（在将 “非参数”选作分布时可用。）显示或隐藏 “非参数密度”报表，其中提
供拟合非参数分布时使用的核带宽。核带宽通过以下公式得出，其中， n 是观测数， S 是
未校正样本标准差：
0.9S
带宽 = -----------
5 n
比较分布
“比较分布”报表支持您比较和应用各种分布拟合。请注意以下事项：
• 您选定的分布将在 “已选定”列中指示出来。
• 该报表最初显示 “已选定”分布以及 “比较详细信息”报表中的其他拟合分布的拟合统计
量。若选定了 “最佳拟合”，“比较详细信息”报表最初显示所有参数拟合的统计量。
• 在 “分布”列表中选中您想要比较的分布。
‒ 您选择的每个系列中的最佳拟合分布的概率密度函数将叠加在 “直方图 - 比较分布”报
表中的直方图之上。
‒ 若为参数分布，则“比较详细信息”报表中会添加针对该系列的一行，其中包含拟合结果。
‒ 若在 “分布”列表中选中了 “非参数”，“比较详细信息”报表中会添加 “非参数密度”
报表，其中显示最佳拟合核带宽。请参见第 214 页的 “非参数密度”。
‒ 您可以更改选定的分布，只需选定 “已选定”下对应的单选按钮。能力报表将随之更新
以显示选定分布的结果。
图 10.16 显示 Process Measurements.jmp 样本数据表中过程 1 的 “比较分布”报表。“已选
定”分布（即 “对数正态”）正与 “正态”分布作比较。“比较详细信息”报表显示这两种分
布的拟合统计量。
通过从 “比较分布”红色小三角菜单中选择 “概率图”选项，您可以获取概率图。图 10.16 中
正态分布的概率图中的各点并未紧贴线条分布。这表示拟合不佳。
图 10.16 比较带有正态概率图的分布
比较分布选项
“比较分布”红色小三角菜单中提供以下选项。
比较详细信息对于每个分布，提供 AICc、 BIC 和 -2 对数似然值。请参见《拟合线性模型》
手册中的 “统计详细信息”附录。（不可用于非参数拟合。）
比较直方图显示或隐藏直方图报表。
概率图显示或隐藏为您拟合的每个参数分布显示概率图的报表。请参见图 10.16。观测的水平
坐标是其调整过中点的 Kaplan-Meier 估计值。观测的垂直坐标是观测秩的拟合分布的分位
数值。对于正态分布，总 sigma 估计值用于确定拟合分布。
注意：若不可能计算 gamma 分布的概率尺度的分位数，该图将显示线性尺度。
与每个 “概率图”关联的红色小三角菜单都包含以下选项。
联合经验置信限在数据来自选定参数系列的前提下，显示或隐藏有联合 95% 置信水平包含
真概率函数的置信限。这些限值在所有点处都包含相同的估计精度。用这些值来确定选
定的参数分布是否能够很好地拟合数据。请参见 Nair (1984) 和 Meeker and Escobar
(1998)。
警告：联合经验置信限不受 “过程能力”启动窗口中选定的 “Alpha 水平”影响。
联合经验置信限着色显示或隐藏联合经验置信限之间的区域的着色。
参数拟合线显示或隐藏基于拟合分布显示观测的预测概率的线条。
参数拟合置信限着色显示或隐藏参数拟合置信区间之间区域的着色。参数拟合置信限具有
置信水平 (1 - Alpha)，其中， Alpha 是您在启动窗口中指定的值。（仅当参数拟合置信
限有意义并且能够计算它们的情况下才可用。）
若可能，通过将参数分布 F 表示为位置尺度系列来计算区间，以便 F(y) = G(z)，其中，
z = (y - μ)/σ。使用 delta 方法来计算拟合位置尺度分量在某点处的近似标准误差。使用
标准误差估计值，将为每个点计算 z 的 Wald 置信区间。累积分布函数 F 的置信区间通
过使用 G 变换 Wald 区间得到。请注意，在某些情况下，需要特别调整以便在过程测量
值区间端点附近提供适当区间。
排序依据比较准则根据您选择的准则对“比较详细信息”报表中的分布排序。默认依照 AICc
排序，除非您在启动窗口的 “分布比较准则”面板中选定了其他准则。
标准化箱线图
“组内 Sigma 标准化箱线图”和“总 Sigma 标准化箱线图”选项显示或隐藏分别使用组内 sigma
和总 sigma 标准化的箱线图。绘制标准化箱线图时， JMP 会通过减去均值并除以标准差对各列
进行标准化，之后使用这些标准化值为每列生成箱线图。
图 10.17 组内 Sigma 标准化箱线图
图10.17 显示了在 Semiconductor Capability.jmp 样本数据表中使用晶片作为子组变量选择过程

变量的 “组内 Sigma 标准化箱线图”。
绿色垂直线表示通过每个变量的均值和标准差进行标准化的每个变量的规格限。在 ±0.5 的位置
上绘制灰色垂直虚线，因为数据是按照标准差 1 进行的标准化。
汇总报表
“组内 Sigma 能力汇总报表”和 “总 Sigma 能力汇总报表”选项显示或隐藏包含每个变量以下
统计量的表：下规格限、目标、上规格限、样本均值、Sigma、Cpk、Cpl、Cpu、Cp、Cpm 和
不合格统计量。这些统计量分别使用组内 sigma 和总 sigma 计算。图 10.18 显示了两个汇总报
表的部分列，如第 191 页的 “示例：包含正态变量的 “过程能力”平台”中所述。该报表提供
以下可选列：
• Cpk、 Cpl、 Cpu、 Cp 和 Cpm 的置信区间
• 期望和观测 PPM 统计量（规格外、低于下规格限、高于上规格限）
• 样本标准差
• 样本大小（数目）、最小值和最大值。
要显示这些可选列，请右击报表并从列子菜单中选择列名。
注意，报表（基于总 sigma）显示总能力指标 Ppk、 Ppl、 Ppu 和 Pp，而不是组内能力指标

Cpk、 Cpl、 Cpu 和 Cp。总能力指标的标签取决于 AIAG (Ppk) 标签首选项的设置。
图 10.18 组内 Sigma 和总 Sigma 能力汇总报表
制作目标图汇总表
“制作目标图汇总表”选项可生成一个汇总数据表，其中包含每个变量的名称、其规格标准化均
值偏移，以及其规格标准化标准差。对于每个变量，两种 sigma 类型（“组内”和 “总”）各
对应一行。
注意：若某个变量是使用正态分布之外的分布拟合的，那么拟合分布的名称将括在变量名后面
的括号中。不为非状态变量提供 “规格标准化均值偏移”和 “规格标准化标准差”的值。
目标图中的点链接至 “目标图汇总表”中的行。若对目标图中的点应用行状态，您可以在 “目
标图汇总表”中更改相应的行状态。相反，若在 “目标图汇总表”中应用行状态，则行状态将
反映在目标图中。
图 10.19 显示了第 191 页的“示例：包含正态变量的“过程能力”平台”中所述的 Semiconductor
Capability.jmp 样本数据表的 “目标图汇总表”。
“过程能力”平台的更多示例质量和过程方法
图 10.19 汇总表
“过程能力”平台的更多示例
稳定过程的过程能力
在本例中，您验证一些假设，基于这些假设您可以用能力分析来估计 PPM 缺陷率。可直接通过
“控制图生成器”访问 “过程能力”。数据中大小为 5 的子组有 22 个。缺失 6 个读数，两个连
续子组中每个都缺失 3 个读数。
通过 “控制图生成器”得到的过程能力
您可以使用“控制图生成器”查看过程稳定性以及过程特征的正态分布假定。还可以直接在“控
制图生成器”中获得 “过程能力”信息。
2. 右击间距列并选择列信息。
3. 选择规格限列属性。
4. 选择显示为图形参考线，然后点击确定。
6. 将日期拖至子组区域。
7. 将间距拖至 Y 区域。
质量和过程方法 “过程能力”平台的更多示例
图 10.20 “间距”的均值和 R 控制图
控制图指示间距随时间推移是稳定的。由于 “间距”具有 “规格限”列属性，“过程能力分

析”报表将出现在控制图的右侧。
图 10.21 “间距”的过程能力分析中的直方图
直方图和拟合正态蓝色曲线表明间距的分布近似服从正态分布。尽管过程是稳定的，间距的
分布还是会向规格范围的右侧偏移。
“过程汇总”报表显示了保存至 “规格限”列属性的规格限。还显示了根据子组内变异计算
的 sigma 估计值（组内 Sigma）与样本标准差给出的总估计值（总 Sigma）没有很大差异。
因此，稳定性比接近 1 (0.958966)。由于过程是稳定的，因此这是期望的结果。
8. 右击不合格报表的主体，然后从 “列”子菜单中选择期望组内 PPM。
图 10.22 能力指标和不合格报表
使用子组变异计算的 Cpk 值为 0.966，指示过程能力水平不高。 Cpl 值表明性能良好，但这

是因为过程有偏离下规格限。缺陷部件通常是由于间距值较大产生的。
注意， Cpk 的置信区间很宽；范围介于 0.805 到 1.128 之间。即使有 104 个观测也是如此。
由于能力指标是比率值，因此变化异常大。基于能力指标的点估计值很容易得出错误结论。
不合格报表中给出的超出规格范围的产品估计值提供了直接衡量过程性能的测度。不合格报
表中的 PPM 值指示，间距很少落在下规格限（每百万 1.4 个部件）之下。不过，间距落在
上规格限之上的部件数为每百万 1869.0 个部件。
对于未中心化的过程，若过程调整为是中心化的，则 Cp 值指示潜在能力。若该过程调整为
以目标值 14.8 为中心，则其能力为 1.264，且置信区间从 1.071 到 1.457。
“过程能力”平台
您已验证了 “间距”的稳定性和正态性，现在您可以在 “过程能力”平台中获得其他信息。

2. 选择间距并点击 Y，过程。
3. 打开过程子组分级显示项。
4. 在 “选择列”列表中选择日期，并在 “角色”列表中选择间距。
默认情况下，“子组内变异统计量”选项设置为 “无偏标准差的平均值”。在 “控制图生成
器”示例中（第 220 页的 “通过 “控制图生成器”得到的过程能力”），使用了子组极差。
6. 点击确定。
图 10.23 “间距”的目标图和箱线图
目标图显示“间距”的 Ppk 指标基本上等于 1。箱线图显示大部分值落入规格范围内，但数

据值的大多数向规格范围内的右侧偏移。
7. 从 “过程能力”红色小三角菜单中，选择 “单项详细报表”。
报表使用 “控制图生成器”获得，只是 “组内 Sigma”基于平均标准差而不是平均极差。
请参见第 221 页的 ““间距”的过程能力分析中的直方图”和第 222 页的 “能力指标和不合
格报表”。
不稳定过程的过程能力
在以下示例显示的情况中，由于过程不稳定，总变异与组内变异存在差别。它使用 Quality
Control 样本数据文件夹中的 Coating.jmp 数据表（数据取自 ASTM Manual on Presentation of
Data and Control Chart Analysis）。关注的过程变量为重量列，按照样本列划分为子组。
“过程能力”平台


3. 选择重量并点击 Y，过程。
4. 打开过程子组分级显示项。
5. 在左侧的选择列列表中选择样本。
6. 在右侧的为选定列指定角色列表中选择重量。
8. 点击确定。
9. 在规格限窗口中，为下规格限输入 16，目标输入 20，上规格限输入 24。
10. 点击确定。
11. 从目标图红色小三角菜单中，选择显示组内 Sigma 点。
图 10.24 Coating.jmp 数据的 “过程能力”报表

图 10.24 显示了所得到的 “过程能力”报表。“目标图”显示的两个点分别代表根据规格限标准

化的均值偏移和标准差。标为 “总 Sigma”的点使用总样本标准差计算。标为 “组内 Sigma”
的点使用子组内标准差的估计值计算。
使用 “总 Sigma”计算的点位于对应于 Ppk 为 1 的目标三角形之外。这表示变量重量将产生不
合格产品。
不过，使用 “组内 Sigma”计算的点位于目标三角形内。这表示若过程稳定，重量值将很可能
落入规格限范围内。
评估稳定性的控制图
使用 “控制图生成器”可确定重量测量值是否稳定。
2. 将样本拖至子组区域。
3. 将重量拖至 Y 区域。
图 10.25 “重量”的均值和 R 图
该控制图指示重量测量值不稳定。过程受特殊原因影响且不可预测。这使得对能力指标和不合格
估计值的解释非常不可靠。由于过程不可预测，甚至基于 “总 Sigma”的估计值也变得不可靠。
图 10.24 中的直方图显示了重量值的分布，以及叠加在直方图上使用了两种 sigma 估计值的正

态密度曲线。使用 “总 Sigma”估计值的正态曲线比使用 “组内 Sigma”估计值的正态曲线更
加扁平。该正态曲线更为分散，这是因为 “总 Sigma”的估计值受到使过程不稳定的特殊原因
影响而膨胀。若过程稳定，更窄的正态曲线将反映过程行为。
您还可以将 Cpk 估计值 (1.142) 与 Ppk 估计值 (0.814) 进行比较。Ppk 远小于 Cpk 这一事实也可
证实这是一个不可预测的过程。 Cpk 估计值是在过程获得稳定状态下得到的对能力的预测。
注意：单项详细报表截止首选项可确定默认情况下是否显示单项报表。若启用该首选项，则当
过程变量数小于等于首选项中指定的数值时，默认情况下显示单项报表。您可以在首选项 > 平
台 > 过程能力中更改该首选项。
模拟非正态过程 Ppk 的置信限
在本例中，您首先为 Tablet Measurements.jmp 中的三个非正态变量执行能力分析。随后使用

“模拟”为变量纯度查找不合格百分比置信限。
非正态能力分析
若不想遵循以下步骤，您可以通过运行 Tablet Measurements.jmp 中的过程能力表脚本来获取

这一部分中的结果。
1. 选择帮助 > 样本数据库，然后打开 Tablet Measurements.jmp。
3. 选择重量、厚度和纯度，然后点击 Y，过程。
4. 在右侧的为选定列指定角色列表中选择重量、厚度和纯度。
5. 打开分布选项分级显示项。
6. 从分布列表中，选择最佳拟合。
7. 点击设置过程分布。
后缀 & 分布 ( 最佳拟合 ) 添加至右侧列表中的每个列名。
8. 点击确定。
随即显示一个能力指标图，其中显示 Ppk 值。请注意，只有厚度变量显示在表示 Ppk = 1 的
那条线的上方。纯度几乎就位于这条线上。尽管测量值数目 250 看似较大，估计的 Ppk 值仍
然变异较大。出于此原因，您需要为真正的纯度 Ppk 值构造置信区间。
注意：由于未显示目标图，您可以推断出正态分布拟合并不是这三个变量中任一个变量的最
佳拟合。
最佳拟合如下所示：
‒ 重量：对数正态
‒ 厚度：Johnson Sb （请参见 “厚度 (Johnson) 能力”报表标题正下方的注释）

‒ 纯度：Weibull
构造模拟列
要使用 “模拟”实用程序估计 Ppk 置信限，您需要构造反映拟合 Weibull 分布的模拟公式。若

不想遵循以下步骤，您可以通过运行添加模拟列表脚本来获取这一部分中的结果。
1. 滚至 “纯度 (Weibull) 能力”报表并查找 “参数估计值”报表。
图 10.26 纯度的 Weibull 参数估计值
这些是最佳拟合分布（即 Weibull）的参数估计值。
1. 在 Tablet Measurements.jmp 样本数据表中，选择列 > 新建列。
2. 在列名旁边，输入模拟纯度。
3. 从列属性列表中，选择公式。
4. 在公式编辑器中，选择随机 > 随机 Weibull。
5. 随即选定 beta 的占位框。点击插入元素 (^)。
图 10.27
这将会添加参数 alpha 的占位框。

6. 在 “参数估计值”报表中右击并选择制成数据表。
7. 复制估计值列第 2 行中的条目 (1589.7167836)。
8. 在公式编辑器窗口中，选择随机 Weibull 公式中 beta 的占位框并将 1589.7167836 粘贴到

beta 的占位框中。
9. 在您从 “参数估计值”报表创建的数据表中，复制估计值列的第一行中的条目
(99.918708989)。
10. 在公式编辑器窗口中，选择随机 Weibull 公式中 alpha 的占位框并将 99.918708989 粘贴到
alpha 的占位框中。
图 10.28 完成的公式窗口
11. 在公式编辑器窗口中点击确定。
模拟纯度列包含模拟来自最佳拟合分布的值的公式。
模拟纯度 Ppk 和预期不合格百分比的置信区间
使用 “模拟”时，将按照您指定的次数运行整个分析。为缩短计算时间，您可以通过仅运行所
需的分析尽量减少计算负担。在本例中，由于您只对具有拟合的 Weibull 分布的纯度感兴趣，所
以运行 “模拟”之前，您只执行该分析。
1. 在 “过程能力”报表中，从 “过程能力”红色小三角菜单中选择重新启动对话框。
2. （可选）关闭 “过程能力”报表。
3. 在启动窗口中，从为选定列指定角色列表中，选择重量 & 分布 ( 对数正态 ) 和厚度 & 分布
(Johnson)。
4. 点击删除。
5. 点击确定。
6. 从 “过程能力”红色小三角菜单中，选择单项详细报表。
同时提供了 Ppk 值和 Ppl 值，但是这些值相同，因为纯度仅有下规格限。
7. 在 “总 sigma 能力”报表中，右击估计值列并选择模拟。
在换出列列表中选定了纯度。在换入列列表中选定了模拟纯度。
8. 在样本数旁边，输入 500。
注意：下一步非必需步骤。但该步可以确保您得到的模拟值与本例所显示的完全一致。
9. （可选）在随机种子旁边，输入 12345。
10. 点击确定。
计算过程需要几秒钟的时间。随即显示名为 “过程能力模拟结果（估计值）”的数据表。该
表中的 Ppk 和 Ppl 列各自包含基于模拟纯度公式计算的 500 个值。第一行（已排除）包含
最初分析中得到的纯度的值。由于纯度仅有下规格限，所以 Ppk 值与 Ppl 值相同。
11. 在 “过程能力模拟结果（估计值）”数据表中，点击分布脚本旁边的绿色小三角。
图 10.29 纯度的模拟 Ppk 值的分布
显示了两个分布报表，一个针对 Ppk，另一个针对 Ppl。但是纯度仅有下规格限，所以 Ppk

与 Ppl 的值相同。出于此原因，两个分布报表完全相同。
“模拟结果”报表显示 Ppk 的 95% 置信区间介于 0.909 到 1.145 之间。真正的 Ppk 值可能高
于 1.0，那么纯度就会位于您在第 227 页的 “非正态能力分析”中构造的 “能力指标图”的
Ppk = 1 线条上方。
12. 在 “过程能力”报表中，右击 “不合格”报表中的期望总体百分比列，然后选择模拟。
13. 在样本数旁边，输入 500。
14. （可选）在随机种子旁边，输入 12345。
15. 点击确定。
计算过程需要几秒钟的时间。随即显示名为“过程能力模拟结果（期望总体百分比）”的数
据表。由于纯度仅有下规格限，所以低于下规格限值与规格外合计值相同。
16. 在 “过程能力模拟结果（期望总体百分比）”数据表中，点击分布脚本旁边的绿色小三角。
图 10.30 纯度的模拟规格外合计值的分布
同样，显示了两个相同的分布报表。“模拟结果”报表显示 “期望不合格总体百分比”的
95% 置信区间介于 0.055 到 0.238 之间。
“过程能力”平台的统计详细信息质量和过程方法
“过程能力”平台的统计详细信息
以下各节提供 “过程能力”平台的统计详细信息：
• 第 232 页的 “变异统计量”
• 第 234 页的 “用于目标图和能力箱线图的符号”
• 第 234 页的 “目标图”
• 第 235 页的 “缺失目标的过程的能力箱线图”
• 第 236 页的 “正态分布的能力指标”
• 第 237 页的 “非正态分布的能力指标：百分位数和 Z 得分方法”
• 第 238 页的 “分布的参数化”
变异统计量
使用 σ 表示过程的标准差。“过程能力”平台提供了两种类型的能力指标。Ppk 指标基于 σ 的
估计值，它以不依赖于子组的方式使用所有数据。这一总估计值可能会反映特殊原因以及普通
原因变异。Cpk 指标基于试图仅捕获普通原因变异的估计值。Cpk 指标使用 σ 的子组内（即短
期）估计值构造。这样，它们试图反映真实的过程标准差。若过程不稳定， σ 的总估计值和组
内估计值会有明显差异。
总 Sigma
总 sigma 不依赖于子组。 JMP 计算 σ 的总估计值方法如下：

N
1 2
σ̂ = -------------
N–1  ( yi – y )
i=1
该公式使用以下符号：
N = 整个数据集中的非缺失值个数
yi = 第 i 个观测的值
y = = 整个数据集中的非缺失值的均值
警告：若过程稳定，“总 Sigma”估计过程标准差。若过程不稳定， σ 的总估计值是不可靠值，

因为过程标准差未知。
基于子组内变异的 Sigma 的估计值
基于子组内变异的 σ 的估计值可通过以下三种方式之一构造：
• 通过极差平均值估计的组内 sigma
质量和过程方法 “过程能力”平台的统计详细信息
• 通过无偏标准差的平均值估计的组内 sigma
• 通过移动极差估计的组内 sigma
若您在启动窗口中指定了子组 ID 列或常数子组大小，则可以指定首选子组内变异统计量。请参
见第 198 页的 “启动 “过程能力”平台”。若不指定子组 ID 列、常数子组大小或历史 sigma，
JMP 将使用第三种方法（大小为 2 的子组的移动极差）估计组内 sigma。
基于极差平均值的组内 sigma
通过极差平均值估计的组内 sigma 与均值 /R 图的标准差估计值相同：
R1 RN
----------------
- + … + ------------------
d2 ( n1 ) d2 ( nN )
σ̂ = -------------------------------------------------------
N
Ri = 第 i 个子组的极差
d2(ni) = 服从单位标准差正态分布的 ni 个自变量的极差期望值
N = n ≥ 2 的子组数
i
基于无偏标准差的平均值的组内 sigma
通过无偏标准差的平均值估计的组内 sigma 与均值 /S 图的标准差估计值相同：
s1 sN
---------------- + … + ------------------
c4 ( n1 ) c4 ( nN )
σ̂ = ------------------------------------------------------
N
c4(ni) = 服从单位标准差正态分布的 ni 个自变量的标准差期望值
N = n ≥ 2 的子组数
i
si = 第 i 个子组的样本标准差。
基于移动极差的组内 Sigma
通过移动极差估计的组内 sigma 与 “单个测量值”和 “移动极差”图的标准差的估计值相同：

MR
σ̂ = --------------
d2 ( 2 )
MR = 非缺失移动极差的均值，计算方式为 (MR2+MR3+...+MRN)/(N-1)，其中，MRi = |yi - yi-1|。
d2(2) = 服从单位标准差正态分布的两个自变量的极差期望值。
用于目标图和能力箱线图的符号
用于目标图和能力箱线图的公式使用以下符号：
Yij = 过程 j 的第 i 个观测
Y j = 过程 j 的观测均值
SD ( Y j ) = 过程 j 的观测标准差
Tj = 过程 j 的目标值
LSLj = 过程 j 的下规格限
USLj = 过程 j 的上规格限
SD(Yj) = 过程 j 的标准差
目标图
本节提供有关根据 “目标图”中绘制的规格量标准化的均值偏移和标准差的计算的详细信息。
本节使用第 234 页的 “用于目标图和能力箱线图的符号”中定义的符号。
根据第 j 列的规格限标准化的均值偏移和标准差定义如下：
j j Y –T
规格标准化均值偏移 = --------------------------------------------------------------------------
-
j
SD ( Y )
j
规格标准化标准差 = --------------------------------------------------------------------------
-
j
注意：若 LSLj 或 USLj 缺失，则 “目标图”坐标的分母中将使用目标与非缺失规格限之间距离

的两倍。
缺失目标的过程的目标图各点
假定过程同时具有上规格限和下规格限，但没有目标。则使用第 234 页的 “目标图”中提供的

公式，并且用两个规格限的中点替代 Tj。
假定过程仅有一个规格限且没有目标。要获取目标图上某个点的 (x,y) 坐标，将使用过程的能力

指标。（请参见第 236 页的 “正态分布的能力指标”，了解理论均值和标准差的定义。）对于样
本观测，存在以下关系：
USL j – Y j
C pu = ------------------------
3SD ( Y j )
Y j – LSL j
C pl = -----------------------
3SD ( Y j )
若某过程具有两个规格限并且目标位于限值中点，则该点在目标图上的 (x,y) 坐标满足以下

关系：
C pu = ( 0.5 – x ) ⁄ 3y
C pl = ( 0.5 + x ) ⁄ 3y
要在仅有一个规格限且无目标的情况下获取坐标，将使用以下关系。要确定唯一点，则需要关
于从原点出发的线条（各点落在其上）的斜率的假设。对于仅有上规格限的情况，假定斜率为
0.5 ；对于仅有下规格限的情况，假定斜率为 -0.5。当能力值等于 1 且目标图三角形的 Ppk 滑块
设置为 1 时，这些斜率会使各点落在目标图三角线上。
考虑仅有上规格限且无目标的情况。使用以下假设：(x,y) 坐标落在从原点出发斜率为 0.5 的线
上，对 x 和 y 求解将得到以下坐标：
x = 1 ⁄ ( 3C pu + 2 )
y = 1 ⁄ ( 6C pu + 4 )
考虑仅有下规格限且无目标的情况。使用以下假设：(x,y) 坐标落在从原点出发斜率为 -0.5 的线

上，对 x 和 y 求解将得到以下坐标：
x = – 1 ⁄ ( 3C pl + 2 )
y = 1 ⁄ ( 6C pl + 4 )
注意：若 Cpu 或 Cpl 小于 -0.6，则在上面的公式中将设置为 -0.6。在值 -2/3 处， x 的分母假设值

为 0。将能力值绑定在 -0.6 可防止分母假设值为 0 或切换符号。
缺失目标的过程的能力箱线图
无目标的列可同时具有上下规格限，或仅有一个规格限。本节使用第 234 页的 “用于目标图和
能力箱线图的符号”中定义的符号。
两个规格限且无目标
若没有为第 j 列指定目标，能力箱线图将基于变换观测的以下值：
Y ij – ( LSL j + USL j ) ⁄ 2
Z ij = ---------------------------------------------------------
USL j – LSL j
单个规格限且无目标
假定仅指定了下规格限。（与仅指定上规格限的情况相似。）
若没有为第 j 列指定目标，能力箱线图将基于变换观测的以下值：
Y ij – Y j
Z ij = --------------------------------
2 ( Y j – LSL j )
注意：若某列仅有一个规格限且没有目标值，而且样本均值落在规格区间之外，则不标绘该列
的能力箱线图。
正态分布的能力指标
本节提供有关正态数据的能力指标计算的详细信息。
对于具有均值 μ 和标准差 σ 的过程特征，基于总体的能力指标定义如下：对于样本观测，参数
将被其估计值取代：
USL – LSL
Cp = ----------------------------
6σ
μ – LSL-
Cpl = -------------------
3σ
Cpu = USL – μ-
--------------------
3σ
Cpk = min( Cpl, Cpu )
Cpm = min ( T – LSL, USL – T )-

------------------------------------------------------------
T–μ 2
3σ 1 +  -------------
σ
这些公式使用以下符号：
LSL = 下规格限
USL = 上规格限
T = 目标值
对于 “组内 Sigma”能力的估计值， σ 使用您指定的子组方法估计。对于 “总 Sigma”能力的
估计值， σ 使用样本标准差估计。使用默认的 AIAG (Ppk) 标签时，基于 “总 Sigma”的指标
表示为 Pp、 Ppl、 Ppu 和 Ppk。若使用 “总 Sigma”，指标 Cpm 的标签不变。
若任一规格限缺失，包含缺失规格限的能力指标将报告为缺失。
非正态分布的能力指标：百分位数和 Z 得分方法
本节说明如何为非正态分布计算能力指标。说明了两种方法：百分位数（亦称 ISO/ 分位数）方

法和 Z 得分（亦称 Bothe/Z 得分）方法。为某个非正态过程变量选择分布时，可以拟合参数分
布或非参数分布。您可以使用百分位数或 Z 得分方法来计算相关过程变量的能力指标。不过，
除非数据量很大，否则非参数拟合可能无法精确反映分布尾部的行为。
注意：对于百分位数或 Z 得分方法，若数据服从正态分布，则能力公式简化为基于正态性的能
力指标的公式。
这两种方法的描述使用以下符号：
LSL = 下规格限
USL = 上规格限
T = 目标值
百分位数（ISO/ 分位数）方法
百分位数方法用拟合分布的中位数替换了标准能力公式中的均值，用相应的百分位数极差替换
了 6σ 值范围。 AIAG (2005) 中对该方法进行了说明。
用 Pα 表示拟合分布的第 α*100 个百分位数。那么，百分位数方法能力指标定义如下：
 P 0.5 – LSL USL – P 0.5 

P pk = min  -------------------------------------- , --------------------------------------
 P 0.5 – P 0.00135 P 0.99865 – P 0.5
P 0.5 – LSL
P pl = --------------------------------------
P 0.5 – P 0.00135
USL – P 0.5
P pu = --------------------------------------
P 0.99865 – P 0.5
USL – LSL
P p = ------------------------------------------------
P 0.99865 – P 0.00135
T – LSL USL – T
min  -------------------------------------- , --------------------------------------
P – P 
0.5 0.00135 0.99865 – P 0.5
P
C pm = ------------------------------------------------------------------------------------------------
μ–T 2
1 +  -------------
 σ 
Z 得分（Bothe/Z 得分）方法
Z 得分方法将规格限转换为在标准正态尺度上具有相同概率的值。它计算与正态分布（其风险
水平与拟合的非正态分布相同）对应的能力测度。
用 F 表示具有下规格限 (LSL) 和上规格限 (USL) 的某个过程变量的拟合分布。将等效的标准正
态规格限定义如下：
–1
LSL F = Φ ( F ( LSL ) )
–1
USL F = Φ ( F ( USL ) )
那么， Z 得分方法能力指标定义如下：
P pk = min ( – LSL F ⁄ 3 , USL F ⁄ 3 )
P pl = – LSL F ⁄ 3
P pu = USL F ⁄ 3
P p = ( USL F – LSL F ) ⁄ 6
注意：由于 Cpm 是一个基于目标的测度，所以无法使用 Z 得分方法计算。
注意：对于很符合要求的数据， F(LSL) 或 F(USL) 可能相应地非常接近 0 或 1，以致于无法计算

LSLF 或 USLF。在这些情况下，相应的能力指标定义为 “无穷大”。
分布的参数化
本节为“过程能力”平台中使用的分布提供密度函数 f，同时还为除 Johnson 分布之外的所有分
布提供期望值和方差。
正态
1 1
f ( x μ, σ ) = -------------- exp – --------- ( x – μ ) 2 , – ∞ < x < ∞ , – ∞ < μ < ∞ , σ > 0
σ 2π 2σ 2
E(X) = μ
Var(X) = σ2
Gamma
1
f ( x α, σ ) = -------------------- x α – 1 exp ( – x ⁄ σ ) , x > 0, α > 0, σ > 0
Γ ( α )σ α
E(X) = ασ
Var(X) = ασ2
Johnson
Johnson Su
δ x – θ 2 –1 ⁄ 2 x–θ
f ( x γ, δ, σ, θ ) = --- 1 +  ------------ φ γ + δ sinh– 1  ------------ , – ∞ < x, θ, γ < ∞ , θ > 0, δ > 0
σ  σ   σ 
Johnson Sb
x–θ δσ
f ( x γ, δ, σ, θ ) = φ γ + δ ln  --------------------------  ------------------------------------------------ , θ < x < θ+σ, σ > 0
 σ – ( x – θ )  ( x – θ ) ( σ – ( x – θ ) )
Johnson Sl
δ x–θ
f ( x γ, δ, σ, θ ) = --------------- φ γ + δ ln  ------------ ，适用于：x > θ （若 σ = 1）， x < θ （若 σ = -1）
x–θ  σ 
其中，φ ( . ) 是标准正态概率密度函数。
对数正态
– ( log ( x ) – μ ) 2
exp -------------------------------------
1 2σ 2
f ( x μ, σ ) = -------------- ----------------------------------------------------- , x > 0, – ∞ < μ < ∞ , σ > 0
σ 2π x
E(X) = exp ( μ + σ 2 ⁄ 2 )
Var(X) = exp ( 2 ( μ + σ 2 ) ) – exp ( 2μ + σ 2 )

Weibull
β x β
f ( x α, β ) = ------- x β – 1 exp –  --- , α > 0, β > 0
αβ  α
E(X) = αΓ  1 + --1-
 β
Var(X) =α 2  Γ  1 + --2- – Γ 2  1 + --1-  ，其中 Γ ( . ) 是 gamma 函数。

 β  β 

第 11 章
能力分析
评估过程满足规格的能力
能力分析用在过程控制中，用来测量过程是否符合给定的规格限。使用这些限值，您可以将当
前过程与特定容差相比较，并保持生产中的一致性。目标图和箱线图之类的图形化工具为您提
供了直观的方式，令您能够快速观察到行为是否在规格限之内。单项详细报表为分析中的每个
变量显示一个能力报表。该分析可帮助减少相对于规格或要求的变异，使合格值持续增加。
图 11.1 “能力”平台示例
242 能力分析第 11 章
“能力”平台概述质量和过程方法
“能力”平台概述
“能力”平台提供测量过程是否符合给定的规格所需的工具。默认情况下，JMP 为分析中的每个
变量显示一个目标图和一个能力箱线图。您可以为分析中的每个变量添加标准化箱线图、汇总
表、能力指标和单项报表。应该为数据表中的每个变量输入或提供规格限。
单项详细报表包括的指标可帮助说明系统是否有能力满足一组要求。能力指标有助于将关注点
从仅仅满足要求转移到持续改进过程上。
能力分析方法通常要求所研究的数据在统计上稳定，不存在变异。若某个系统很稳定，能力分
析既可以证明系统以往的能力，也可以预测系统将来的性能。
“能力”平台已替换为 “过程能力”平台。有关新平台的详细信息，请参见第 189 页的 “过程
能力”。“能力”平台已从分析 > 质量和过程菜单中删除，它仅可通过脚本访问。
注意：“过程能力”平台对 “能力”分析（可通过分析 > 分布以及通过分析 > 质量和过程 > 控

制图访问）进行了重大扩展。默认情况下，“过程能力”平台使用适当的 AIAG 符号来表示能
力指标。它使用 Ppk 标签表示根据总变异估计值构造的指标。之前的 “能力”平台基于平台首
选项使用 Cpk 或 Ppk 标签仅报告总变异。在新平台中， Cpk 对应于组内变异， Ppk 对应于总
变异。
启动 “能力”平台
通过提交以下 JSL 启动 “能力”平台：
Capability();
图 11.2 Semiconductor Capability.jmp 的 “能力”启动窗口
“能力”启动窗口包含以下选项：
第 11 章能力分析 243
Y，列分配您要分析的变量。
权重分配某个变量，赋予观测不同的权重。
频数为该角色分配频数变量。若有汇总数据，该选项很有用。
依据为依据变量的每个水平生成单独的报表。若分配了多个依据变量，则为依据变量水平的
每种可能组合都生成一个单独的报表。
忽略不含规格限的列当数据表不含选定变量的规格限时，阻止显示 “规格限”窗口。
点击确定后，若没有为选定变量指定限值，而同时也未选定忽略不含规格限的列，此时会显示
“规格限”窗口。否则会显示报表窗口。
输入规格限
下规格限 (LSL)、上规格限 (USL) 和目标定义质量过程的下限、上限和目标值。
可通过多种方式输入规格限：
• 在启动窗口中选定列后，在“规格限”窗口中输入限值。请参见第 243 页的““规格限”窗口”。
• 从 JMP 数据表（称为 “限值表”）导入限值。请参见第 244 页的 “限值数据表”。
• 输入限值，将其作为数据表中的 “规格限”列属性。请参见第 244 页的 “规格限列属性”。
每个选定列只需一个规格限。若仅指定了上规格限 (USL)，箱线图将显示为蓝色。若仅指定了下
规格限 (LSL)，箱线图将显示为红色。
“规格限”窗口
在启动窗口中点击确定后，若数据表不含选定列的限值，而您也未在启动窗口中选定忽略不含
规格限的列，此时便会显示 “规格限”窗口。图 11.3 显示在启动窗口中选择臭氧、一氧化碳、
二氧化硫和一氧化氮后， Cities.jmp 样本数据表的 “规格限”窗口。输入已知的规格限，然后
点击下一步查看报表。
图 11.3 Cities.jmp 的 “规格限”窗口

输入规格限质量和过程方法
限值数据表
您还可以使用 “规格限”红色小三角菜单中的导入规格限选项检索限值数据表。选择导入规格
限，然后选择包含适用于分析的规格限的适当数据表。选择适当的限值表后，这些值将填充到
该窗口中。点击下一步前进到报表窗口。
在所有限值数据表中，对于变量值为已知标准参数或限值的每个变量，都必须有一个对应列。限
值数据表可采用两种不同的格式：宽型或高型。您可以让每个响应对应一列，将限值关键字显
示在一列中；或是将各个响应显示在一列中，其他各列分别显示限值关键字。这两种格式均可
使用导入规格限命令来读取。图 11.4 显示了两种类型的限值数据表的示例。
图 11.4 宽型（上图）和高型（下图）规格限表
• 宽型表对于 “能力”平台中分析的每列都包含一列，共有三行，另有一个 _LimitsKey 列。

在 _LimitsKey 列中，有三行需要包含标识符 _LSL、 _USL 和 _Target。
• 高型表对于“能力”平台中分析的每列都包含一行，共有四列。第一列包含列名。其他三列
需分别命名为 _LSL、 _USL 和 _Target。
最简单的限值数据表创建方法是保存 “能力”平台计算的结果。“能力”红色小三角菜单中的
保存规格限命令可自动保存样本值中的限值。输入或加载规格限后，您可以通过以下方式保存
限值：
• 通过选择将规格限保存为列属性，将限值保存到数据表中。
• 通过选择在新表中保存规格限，将限值保存至新的宽型数据表，每个分析列对应一列。
• 通过选择在新表中保存规格限 - 高，将限值保存至新的高型数据表，每个分析列对应一行。
请考虑对包含数百个变量的表使用该选项。
详细信息，请参见第 249 页的 ““能力”平台选项”。
规格限列属性
执行能力分析时，您不必每次重新指定限值。使用数据表中的列属性 > 规格限属性可将规格限
另存为列属性。将这些限值保存到列中还可以确保各次使用时保持一致。例如，您可能会运行
质量和过程方法能力报表
使用这些限值的分析。分析之后，若更改了数据，您可以仍使用这些限值针对新数据运行新分
析。图 11.5 针对样本数据表 Cities.jmp 中的臭氧显示了 “列属性”窗口的 “规格限”部分。
为数值列输入下规格限和上规格限以及一个目标值。理想情况下，过程变异应介于下规格限与
上规格限之间。
显示为图形参考线选项将规格限绘制为图形上的参考线。有关列属性的详细信息，请参见《使
用 JMP》手册中的 “‘列信息’窗口”一章。
图 11.5 “列属性”窗口的 “规格限”部分
能力报表
默认情况下，能力报表包含两个主要部分：
• 第 246 页的 “目标图”
• 第 247 页的 “能力箱线图”
使用能力红色小三角菜单，您可以添加标准化箱线图、能力指标和汇总表，还可以为分析中的
每一单个变量显示能力报表。第 249 页的 ““能力”平台选项”中对这些选项进行了说明。
您可以通过文件 > 首选项 > 平台 > 能力更改报表默认首选项。
能力报表质量和过程方法
图 11.6 Semiconductor Capability.jmp 的默认结果
目标图
目标图为每个变量在 x 轴上显示规格标准化均值偏移，在 y 轴上显示规格标准化标准差。该图
可用于快速提供关于变量是否符合规格限的汇总视图。将光标置于每个点上方可查看变量名。
目标图红色小三角菜单包含以下命令：
着色 CPK 水平显示或隐藏 CPK 水平着色。
目标图标签显示或隐藏点上的标签。
缺陷率等高线显示或隐藏表示指定缺陷率的等高线。
图 11.7 显示在从 “目标图”红色小三角菜单中选择着色 CPK 水平后， Semiconductor
Capability.jmp 样本数据表的整个数据集的目标图。
质量和过程方法能力报表
图 11.7 目标图
CPK 滑块
CPK 编辑框
对于包含下规格限、目标和上规格限的每一列，这些量定义如下：
规格标准化均值偏移 = ( 均值 ( 列 [i]) - 目标 ) / ( 上规格限 [i] - 下规格限 [i])
规格标准化标准差 = 标准差 ( 列 [i])/ ( 上规格限 [i] - 下规格限 [i])
默认情况下， CPK 滑块和数字编辑框设置为 CPK = 1。这近似不合格率为 0.0027 （若呈中心化
分布）。红色目标线表示编辑框中的 CPK。要更改 CPK 值，请移动滑块或在编辑框中输入数
字。图上各点表示列而不是行。
着色区域说明如下，其中使用 C 来表示 CPK 编辑框中的值：
• 红色区域中的点：CPK < C。
• 黄色区域中的点：C < CPK < 2C。
• 绿色区域中的点：2C < CPK。
JMP 优先绘制 PPK 而不是 CPK。若启用该首选项，滑块的标签会显示 PPK。您可以通过文
件 > 首选项 > 平台 > 能力更改该首选项。
能力箱线图
能力箱线图为分析中选定的每个变量显示一个箱线图。每列的值以其目标值为中心，并以规格
限之间的差值统一尺度。对于每一列 Yj：
能力报表质量和过程方法
Y ij – T j
Z ij = ------------------------------- ，其中 Tj 为目标
USL j – LSL j
图 11.8 能力箱线图
图 11.8 显示了 Semiconductor Capability.jmp 样本数据表的 “能力箱线图”。在 ±0.5 位置上绘

制的左右绿色虚线分别表示标准化 LSLj 和 USLj。该图可用于将变量与其规格限加以比较。例
如，IVP1 的多数点都位于其上规格限上方，而 IVP2 的多数点都小于其目标。PNP2 看起来位于
目标上，并且所有数据点都位于规格限以内。
缺失规格限
若某列的规格限缺失，箱线图将被着色。若仅指定了上规格限 (USL)，箱线图将显示为蓝色。若
仅指定了下规格限 (LSL)，箱线图将显示为红色。请参见图 11.9。图底部会有注释来说明对该图
使用的计算。
质量和过程方法 “能力”平台选项
图 11.9 缺失规格限
“能力”平台选项
通过在报表窗口中点击 “能力”红色小三角菜单可访问以下选项：
目标图显示数据的目标图。目标图为每个变量在 x 轴上显示规格标准化均值偏移，在 y 轴上
显示规格标准化标准差。详细信息，请参见第 246 页的 “目标图”。
标准化箱线图显示数据的标准化箱线图。每一列都通过减去均值并除以标准差进行标准化，
之后为每一标准化列生成分位数。基于这些标准化分位数为每列生成箱线图。详细信息，请
参见第 250 页的 “标准化箱线图”。
能力箱线图为分析中的每个变量显示能力箱线图。每列的值以其目标值为中心，并以规格限
之间的差值统一尺度。详细信息，请参见第 247 页的 “能力箱线图”。
制作汇总表为数据制作汇总表，表中包含变量的名称、其规格标准化均值偏移，以及其规格
标准化标准差。详细信息，请参见第 250 页的 “制作汇总表”。
能力指标报表显示数据的能力指标报表，其中显示每个变量的下规格限、目标、上规格限、均
值、标准差、 Cp、 CPK 和 PPM。详细信息，请参见第 251 页的 “能力指标报表”。
单项详细报表为分析中的每个变量显示单项详细报表。详细信息，请参见第 251 页的 “单项
详细报表”。
排序方式允许您对箱线图、能力指标报表和单项详细报表重新排序。您可以按照初始顺序、反
转初始顺序、 CPK 升序或 CPK 降序来重新排序。
保存规格限支持您保存数据的规格限。请参见第 244 页的 “限值数据表”。
“能力”平台选项质量和过程方法
标准化箱线图
绘制标准化箱线图时， JMP 会首先通过减去均值并除以标准差对各列进行标准化，然后再为每
一标准化列生成分位数。基于这些标准化分位数为每列生成箱线图。
图 11.10 标准化箱线图
规格限
图 11.10 显示了 Semiconductor Capability.jmp 样本数据表的 “标准化箱线图”。

绿色垂直线表示通过均值和标准差标准化的规格限。在 ±0.5 的位置上绘制灰色垂直虚线，因为
数据是按照标准差 1 进行的标准化。
制作汇总表
“制作汇总表”选项可生成一个汇总表，表中包含变量的名称、其规格标准化均值偏移以及其规
格标准化标准差，以便于进一步评估。
图 11.11 显示了 Semiconductor Capability.jmp 样本数据表的 “汇总表”。
质量和过程方法 “能力”平台选项
图 11.11 汇总表
能力指标报表
“能力指标报表”选项用来显示或隐藏一个表，其中显示每个变量的下规格限、目标、上规格
限、均值、标准差、Cp、CPK 和 PPM。图 11.12 显示了 Semiconductor Capability.jmp 样本数
据表的“能力指标”。该报表的可选列包括置信区间下限、置信区间上限、CPM、CPL、CPU、
PPM 低于下规格限、PPM 高于上规格限等等。要显示这些可选列，请右击报表并从列子菜单中
选择列名。
图 11.12 能力指标
单项详细报表
单项详细报表选项为分析中的每个变量都显示一个能力报表。该报表与 “分布”平台中的 “能
力分析报表”相同，后者在《基本分析》手册中的 “分布”一章有详细讲述。图 11.13 显示了
Semiconductor Capability.jmp 样本数据表中的 PNP1 的 “单项详细报表”。
“能力”平台选项质量和过程方法
图 11.13 单项详细报表
第 12 章
Pareto 图
着重关注重要少数的改善
使用 Pareto 图改进过程或操作的统计质量。Pareto 图是一个显示与质量相关的过程或操作中的

问题严重性（频率）的图。 Pareto 图可通过突出显示问题的频率和严重性，帮助您决定要首先
解决的问题。
图 12.1 Pareto 图示例

254 Pareto 图第 12 章
“Pareto 图”平台概述质量和过程方法
“Pareto 图”平台概述
“Pareto 图”平台所生成的图可显示与质量相关的过程或操作中的问题的相对频率或严重性。
Pareto 图最初显示为一个条形图，其中显示以降序排列的问题的分类。值为问题原因的列将被
分配 Y 角色，并称为过程变量。
您还可以生成比较 Pareto 图，用来合并同一过程变量的两个或更多 Pareto 图。单个显示图显示
分配了 X 角色的列中的每个值，或是两个 X 变量的水平组合。分配了 X 角色的列称为分类变量。
Pareto 图可对单个 Y （过程）变量绘图，可不带任何 X 分类变量，也可带有一个 X 变量或两个
X 变量。 Pareto 函数不区分数值和字符变量，也不区分建模类型。您可以在条形图与饼图之间
切换。所有值都被视为离散值，条形或楔形代表计数或百分比。
“Pareto 图”平台示例
本例使用 Failure.jmp 样本数据表，其中包含失败数据和一个频数列。表中列出集成电路制作过
程中失败的原因，以及每种类型缺陷出现的次数。从分析中，您可以确定导致过程失败的最重
要因子。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failure.jmp。
2. 选择分析 > 质量和过程 > Pareto 图。
3. 选择失败并点击 Y，原因。
该列列出失败原因。它是您要检查的变量。
4. 选择数量并点击频数。
该列列出每种类型的失败出现的次数。
5. 点击确定。
第 12 章 Pareto 图 255
质量和过程方法 “Pareto 图”平台示例
图 12.2 “Pareto 图”报表窗口
左轴表示失败计数，右轴表示每一类别中的失败百分比。直条采用降序排序，出现最频繁的
失败原因位于左侧。曲线从左到右指示累积失败情况。
6. 从 “Pareto 图”旁边的红色小三角菜单中选择添加累积百分比点标签。
请注意，“污染”占失败总数的 45% 左右。“氧化层缺陷”直条上方的点显示 “污染”和
“氧化层缺陷”合起来共占了失败总数的 71% 左右。
7. 从红色小三角菜单中，取消选择添加累积百分比点标签和显示累积百分比曲线。
8. 点击标记为 N 的 y 轴，将它重命名为计数。
9. 双击 y 轴以显示 Y 轴设置窗口。
‒ 在最大值字段中，键入 15。
‒ 在增量字段中，键入 2。
‒ 在轴标签行面板中，为主网格线选择网格线。
‒ 点击确定。
10. 从红色小三角菜单中，选择类别图例。
“Pareto 图”平台示例质量和过程方法
图 12.3 带有显示选项的 Pareto 图
图 12.3 显示不同类型的失败计数，并显示类别图例。垂直计数轴的尺度经过调整，在主刻度
标处显示网格线。
11. 要以饼图形式显示数据，请从红色小三角菜单中选择 “饼图”。
图 12.4 显示为饼图的 Pareto 图
很明显，“污染”和 “氧化层缺陷”是失败的主要原因。
质量和过程方法启动 “Pareto 图”平台
启动 “Pareto 图”平台
通过选择分析 > 质量和过程 > Pareto 图启动 “Pareto 图”平台。
图 12.5 “Pareto 图”启动窗口
“Pareto 图”启动窗口包含以下选项：
Y，原因标识其值为问题原因的列。该列称为过程变量，是您想要检查的变量。
X，分组标识分组因子。分组变量生成一个 Pareto 图窗口，其中并排显示每个值的图。您可
以不分配分组变量、分配一个分组变量（请参见第 265 页的“单因子比较 Pareto 图示例”）
或两个分组变量（请参见第 267 页的 “双因子比较 Pareto 图示例”）。
权重分配某个变量，赋予观测不同的权重。
频数标识其值含有频数的列。
依据标识一个变量，用于为列中出现的每个值生成单独分析。
合并原因阈值支持您通过指定最小比率或计数来指定合并原因阈值。选择该选项，然后选择
尾部百分比或计数并输入阈值。“尾部百分比”选项根据指定的占合计百分比（合并的小组
计数 / 组的总计数）合并较小的计数组。“计数”选项支持您指定特定的计数阈值。有关示
例，请参见第 260 页的 “合并原因阈值的示例”。
每单位分析支持您比较各组的缺陷率。JMP 计算缺陷率以及缺陷率的 95% 置信区间。选择该
选项，然后选择常数或频数列中的值并相应地输入样本大小值或原因代码。“常数”选项支
持您在启动窗口中指定常数样本大小。“频数列中的值”选项支持您通过特殊原因代码为某
个组指定唯一的样本大小，以便将行指定为原因行。
尽管可以在 Pareto 图中对原因进行组合，但这些分析的计算不会相应更改。
有关示例，请参见第 262 页的 “使用组间常数大小的示例”和第 263 页的 “使用组间非常
数样本大小的示例”。
Pareto 图报表
Pareto 图同时显示一个显示数据中变量百分比的条形图以及一个显示变量累积百分比的线图。
Pareto 图报表质量和过程方法
图 12.6 Pareto 图示例
Pareto 图可对单个 Y （过程）变量绘图，可不带任何 X 分类变量，也可带有一个 X 变量或两个

X 变量。 Pareto 图不区分数值和字符变量，也不区分建模类型。所有值都被视为离散值，直条
代表计数或百分比。下面的列表说明 Pareto 图的布局构成：
• 不带 X 分类变量的 Y 变量生成单个图，其中每个 Y 变量值都对应一个直条。有关示例，请
参见第 254 页的 ““Pareto 图”平台示例”。
• 带有一个 X 分类变量的 Y 变量生成一排 Pareto 图。 X 变量的每个水平都对应一个图，每个
Y 水平都对应一个直条。这些图称为比较 Pareto 图的单元格。 X （分类）变量的每个水平
都对应一个单元格。由于只有一个 X 变量，所以这称为单因子比较 Pareto 图。有关示例，请
参见第 265 页的 “单因子比较 Pareto 图示例”。
• 带有两个 X 变量的 Y 变量生成按行列排列的 Pareto 图。第一个 X 变量的每个水平都对应一
行，第二个 X 变量的每个水平都对应一列。由于有两个 X 变量，所以这称为双因子比较
Pareto 图。在行中，第一个 X 变量的每个值都有一个 Pareto 图（如前所述）。左上角单元
格称为关键单元格。其中的直条按降序排列。其他单元格中的直条采用与关键单元格中的直
条相同的顺序。您可以重新排列单元格的行列顺序。移至左上角的单元格变为新的关键单元
格，所有其他单元中的直条都随之重新排列。有关示例，请参见第 267 页的 “双因子比较
Pareto 图示例”。
• 每个直条采用在相关的数据表中为其分配 Y 水平的行对应的颜色。否则，对于其 Y 水平不
具有所分配颜色的行的所有直条使用单一颜色。若 Y 水平的行具有不同颜色，则该 Y 水平
的直条采用数据表中该 Y 水平的第一行的颜色。
您可以使用 “Pareto 图”红色小三角菜单中的选项更改尺度类型和直条排列方式，还可以将这
些直条转换为饼图。详细信息，请参见第 259 页的 ““Pareto 图”平台选项”。
质量和过程方法 “Pareto 图”平台选项
“Pareto 图”平台选项
“Pareto 图”旁边的红色小三角菜单包含用来定制图外观的命令。原因子菜单中也有一些选项影
响 Pareto 图的单个直条。以下命令影响 Pareto 图的整体外观：
百分比尺度显示或隐藏左垂直轴显示的计数和百分比。
数量图例在图区域中显示或隐藏总样本大小。
类别图例显示或隐藏添加标签的直条和单独的类别图例。
饼图显示或隐藏条形图和饼图。
水平方向重新排序，垂直方向重新排序有一个或多个分组变量时，对分组的 Pareto 图重新排序。
取消组合图形将一组 Pareto 图拆分为多个单独的图。
计数分析执行每单位缺陷分析。支持您在组间和组内比较缺陷率并执行比率检验：
‒ 每单位比率比较组间的缺陷率。若指定了样本大小，则每单位的缺陷数 (DPU) 列和每百
万部件数 (PPM) 列将添加至报表。
‒ 检验组内比率检验（似然比卡方）各原因之间的每单位的缺陷数 (DPU) 在组内是否相同。
‒ 检验组间比率检验（似然比卡方）每个原因的每单位的缺陷数 (DPU) 在组间是否相同。
显示累积百分比曲线显示或隐藏直条上方的累积百分比曲线以及右垂直轴上的累积百分比轴。
显示累积百分比轴显示或隐藏右垂直轴上的累积百分比轴。
显示累积百分比点显示或隐藏累积百分比曲线上的点。
添加累积百分比点标签显示或隐藏累积曲线上的点的标签。
累积百分比曲线颜色更改累积百分比曲线的颜色。
原因包含影响一个或多个各图直条的选项。有关这些选项的说明，请参见第 260 页的 “原因
选项”。
原因选项
您可以通过点击某个直条将其突出显示。使用 Ctrl+ 点击可选择多个不相邻的直条。选择直条
后，您可以访问红色小三角菜单上影响 Pareto 图直条的命令。这些选项位于红色小三角菜单上
的原因子菜单中。右击图区域中的任意位置后也会提供这些选项。以下选项适用于突出显示的
直条而不是整个图：
合并原因合并选定（突出显示）的直条。您可以选择已选定、最后原因、第一原因，或从图
12.7 所示的变量列表中进行选择。
图 12.7 “合并原因”窗口
分离原因将选定的直条分离成其原始的构成直条。
移至最前将一个或多个突出显示的直条移至左侧（第一个）位置。
移至最后将一个或多个突出显示的直条移至右侧（最后一个）位置。
颜色显示用于对一个或多个突出显示直条着色的调色板。
标记在实行显示累积百分比点命令时，显示用于为累积百分比曲线上的点分配标记的标记选
项板。
标签在所有突出显示直条的上方显示直条的值。
“控制图”平台的更多示例
本节包含使用 “Pareto 图”平台的更多示例。
合并原因阈值的示例
本例使用 Failure.jmp 样本数据表，其中包含失败数据和一个频数列。表中列出集成电路制作过
程中失败的原因，以及每种类型缺陷出现的次数。为该示例指定的阈值为 2。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failure.jmp。

5. 选择合并原因阈值，然后选择计数。
6. 输入 2 作为阈值。
7. 点击确定。
图 12.8 阈值计数为 2 的 Pareto 图
图 12.8 显示在指定计数 2 后标绘的图。计数为 2 或小于 2 的所有原因都合并为标签为“4 其

他”的最后一个直条。
8. 要将合并的直条分离成图 12.9 中所示的原始类别，请选择原因 > 分离原因。
图 12.9 原因分离后的 Pareto 图
使用组间常数大小的示例
本例使用 Failures.jmp 样本数据表，其中包含失败数据和一个频数列。表中列出集成电路制作
过程中失败的原因，以及两个过程中出现每种类型缺陷的次数。为该示例指定的常数样本大小
为 1000。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failures.jmp。
3. 选择失败原因并点击 Y，原因。
4. 选择工序并点击 X，分组。
5. 选择计数并点击频数。
6. 选择每单位分析，然后选择常数。
7. 在样本大小中输入 1000。
8. 点击确定。
工序 A 指示 “污染”是首要失败原因，工序 B 指示 “氧化层缺陷”为首要失败原因。
9. 从红色小三角菜单中选择计数分析 > 检验组间比率。
图 12.11 “检验组间比率”的结果
请注意，组间（工序 A 和 B）“污染”的 DPU 大约为 0.06。
使用组间非常数样本大小的示例
本例使用 Failuressize.jmp 样本数据表，其中包含失败数据和一个频数列。表中列出集成电路制
作过程中失败的原因，以及两个过程中出现每种类型缺陷的次数。在其他原因（氧化层缺陷、
硅缺陷等）中，有一种原因标记为 size。将大小指定为原因代码，即可将行指定为大小行。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failuressize.jmp。
3. 选择失败原因并点击 Y，原因。
4. 选择工序并点击 X，分组。
5. 选择计数并点击频数。
6. 选择每单位分析，然后选择频数列中的值。
7. 在代码原因中输入 size。
8. 点击确定。
9. 从红色小三角菜单中选择计数分析 > 每单位比率和计数分析 > 检验组间比率。

图 12.13 “每单位比率”和 “检验组间比率”的结果
请注意，使用样本大小 101 来计算组 A 中原因的 DPU ；但使用样本大小 145 来计算组 B 中

原因的 DPU。
若有两个分组变量（比如，日期和工序），“每单位比率”将为每种原因列出每种日期和工
序组合的 DPU 或比率。不过，“检验组间比率”仅检验组间的总差异。
单因子比较 Pareto 图示例

本例使用 Failure2.jmp 样本数据表。该表记录清洗扩散炉中的管道之前生产的一组电容样本中
的失败数据，以及在清洗扩散炉之后生产的一组样本中的数据。对于每类失败数据，变量清洗
使用值 “before”或 “after”来标识样本。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failure2.jmp。
4. 选择清洗并点击 X，分组。
6. 点击确定。
图 12.14 为变量清洗的每个值显示了并排图。
图 12.14 单因子比较 Pareto 图
这两个图的水平轴和垂直轴采用相同的尺度。第一个图中的直条以降序显示 y 轴值，由此决
定所有单元格的顺序。
7. 通过点击第一个图块中的标题 (after) 并将其拖至下一图块的标题 (before)，可重新排列这些
图的顺序。
通过比较这两个图，可以看出在清洗之后氧化层缺陷减少了。不过，采用图 12.15 所示的
“before-after”图形式表示时，各图更容易解释。请注意，原因顺序会改变以反映基于第一
个单元格的顺序。
图 12.15 单元格已重新排序的单因子比较 Pareto 图
双因子比较 Pareto 图示例
本例使用 Failure3.jmp 样本数据表。该数据监控在清洗扩散炉之前和之后三天的电容生产过程

的生产样本。数据表中有一个称为日期的列，其中包含值 OCT 1、 OCT 2 和 OCT 3。
1. 选择帮助 > 样本数据库，然后打开 Quality Control/Failure3.jmp。
4. 选择清洗和日期，然后点击 X，分组。
6. 点击确定。
图 12.16 显示了具有双因子图布局的 Pareto 图，其中显示了两个 X 变量的每个水平。左上
角单元格称为关键单元格。其中的直条按降序排列。其他单元格中的直条采用与关键单元格
中的直条相同的顺序。
7. 点击关键单元格中的 Contamination 和 Metallization，相应类别的直条在其他所有单元格中
会突出显示。
图 12.16 双因子比较 Pareto 图
图 12.16 中显示的 Pareto 图突出显示了重要的少数。在双因子比较图的每个单元格中，表示两

个最频繁出现的问题的直条处于选定状态。 Contamination 和 Metallization 是所有单元格中重
要的两个类别，但在清洗扩散炉后， Contamination 这个问题已不再重要。
第 13 章
因果图
确定根本原因
使用 “关系图”平台可构建因果图，亦称石川因果图或鱼骨图。使用这些关系图可以：
• 整理导致某种效应的原因（问题根源）
• 执行头脑风暴分析
• 标识变量，为进一步实验做准备
图 13.1 因果图示例
270 因果图第 13 章
因果图概述质量和过程方法
因果图概述
使用 “关系图”平台可构建因果图，亦称石川因果图或鱼骨图。使用这些关系图可以：
• 整理导致某种效应的原因（问题根源）
• 执行头脑风暴分析
• 标识变量，为进一步实验做准备
因果图示例
您的数据中记录着电路板中的缺陷。您想要通过关系图来检查缺陷的主要因子和可能原因。
1. 选择帮助 > 样本数据库，然后打开 Ishikawa.jmp。
2. 选择分析 > 质量和过程 > 关系图。
3. 选择父项并点击 X，父级项。
4. 选择子项并点击 Y，子级项。
5. 点击确定。
图 13.2 Ishikawa.jmp 关系图
主要因子包括 Inspection、Solder process、Raw card、Components 和 Component insertion。

从每个主要因子中又可细分出可能的分支原因，如从 Inspection 因子可细分出 Inspector、
Measurement 和 Test coverage。
您可以一次关注一个方面，进一步检查每个主要因子的可能原因或变异来源。
准备数据
生成关系图之前，请先从数据表中的两列数据入手。
第 13 章因果图 271
质量和过程方法启动 “关系图”平台
图 13.3 Ishikawa.jmp 数据表的示例
请注意，父项值 Defects in circuit board （效应）有五个主要因子，这些因子列在子项列中。其

中一个主要因子是 Inspection，该因子本身包含的原因列在子项列中。父项值可包含子项，而子
项又可以包含自己的子项（因此可同时列在父项列和子项列中。）
启动 “关系图”平台
通过选择分析 > 质量和过程 > 关系图启动 “关系图”平台。
图 13.4 “关系图”启动窗口
提示：若想不基于数据表创建基本关系图，请将 Y，子级项和 X，父级项字段留空，并点击确

定。然后使用右击菜单中的选项编辑节点。请参见第 272 页的 “右击菜单”。
Y，子级项表示为父项因子做贡献的子项因子。
X，父级项表示包含子项因子的父项因子（包括效应）。
标签在关系图节点中包含 “标签”列中的文本。
依据为 “依据”变量的每个值生成单独的关系图。
272 因果图第 13 章
因果图质量和过程方法
因果图
在图 13.5 中，效应或问题 Defects in circuit board，作为中心线显示在右侧。主要贡献因子显示在
分支末尾（Inspection、Solder process、Raw Card 等）。可能原因显示为每个主要因子的分支。
图 13.5 因果图
主要因子
可能原因
效应
右击菜单
右击某一突出显示的节点可执行修改文本、插入新节点、更改关系图类型等操作。请注意以下
事项：
• 右击某个标题可更改字体和颜色、位置、可见性或格式。
• 点击并突出显示某个节点可对其重命名。
• 点击并拖动可移动某个节点。
“文本”菜单
“文本”菜单包含以下选项：
字体选择文本或数值字符的字体。
颜色选择文本或数值字符的颜色。
向左旋转、向右旋转、水平旋转文本或数字使其水平显示、向左旋转 90 度或向右旋转 90 度。
“插入”菜单
使用插入菜单可向现有节点插入项。“插入”菜单包含以下选项：
之前在突出显示的节点右侧插入新节点。例如，图 13.6 在子项 2 之前插入了子项 1.5。
第 13 章因果图 273
质量和过程方法因果图
图 13.6 之前插入
之后在突出显示的节点左侧插入新节点。例如，图 13.7 在子项 2 之后插入了子项 3。
图 13.7 之后插入
之上在当前节点之上的一级插入新节点。例如，图 13.8 在“父项”之上的一级插入了“祖项”。
图 13.8 之上插入
之下在当前节点之下的一级插入新节点。例如，图 13.9 在“子项 2”之下的一级插入了“孙项”。
图 13.9 之下插入
“移动”菜单
使用 “移动”菜单可移动节点或分支。“移动”菜单包含以下选项：
第一个将突出显示的节点移至其父项下的第一个位置。
最后一个将突出显示的节点移至其父项下的最后一个位置。
另一侧将突出显示的节点移至其父项线的另一侧。
强制靠左使所有水平绘制的元素显示在其父项的左侧。
强制靠右使所有水平绘制的元素显示在其父项的右侧。
274 因果图第 13 章
保存关系图质量和过程方法
强制靠上使所有垂直绘制的元素显示在其父项上方。
强制靠下使所有垂直绘制的元素显示在其父项下方。
强制交替在父项线两侧交替绘制子项。
图 13.10 强制选项
强制靠左强制交替强制靠右
强制靠上强制靠下
其他菜单选项
突出显示节点的右击菜单还包含以下选项：
更改类型将整个图表类型改为鱼骨图、层次或嵌套。
不可编辑禁用除移动和更改类型之外的其他所有命令。
文本换行宽度指定文本换行时的标签宽度。
制成数据表将当前突出显示的节点转换为数据表。通过突出显示整个关系图（效应）转换所
有节点。
关闭显示突出显示的节点。
删除删除突出显示的节点及其所有子项。
保存关系图
可通过不同方式保存您的关系图。请从以下方法中选择一种：
• 将关系图另存为数据表
第 13 章因果图 275
质量和过程方法保存关系图
• 将关系图另存为记录
• 将关系图另存为脚本
将关系图另存为数据表
1. 突出显示整个关系图。
2. 右击并选择制成数据表。
3. 保存新的数据表。
需要注意关于该方法的以下事项：
• 若有其他过程需要更新该数据表，则这是一种可供选择的理想方法。
• 几乎不能进行定制，因为数据表无法表示定制内容。
将关系图另存为记录
1. 突出显示整个关系图。
2. 右击并选择编辑 > 记录。
3. 保存新记录。
• 该选项对于临时的工作不失为好的选择。例如，您可以手动生成关系图，将其另存为记录，
稍后再重新打开该记录，继续生成和编辑关系图。
• 所有定制内容仅在记录中存在，记录本身不会连接到数据表。
将关系图另存为脚本
1. 从红色小三角菜单中，选择保存脚本 > 到脚本窗口。
2. 保存新脚本。
• 若有其他过程需要更新该数据表，则这是一种可供选择的理想方法。
• 若是基于数据表创建的关系图，则会显示简单的脚本，可针对该数据表重新启动但不显示任
何定制内容。
• 若并不是使用数据表创建的关系图或者是从记录创建的关系图，则会显示较为复杂的脚本，
其中包含添加和定制关系图各区域所需的所有命令。
276 因果图第 13 章
保存关系图质量和过程方法
附录 A
参考文献
Agresti, A., and Coull, B. (1998), “Approximate is Better Than ‘Exact’ for Interval Estimation of
Binomial Proportions,” The American Statistician, 52, 119–126
American Society for Quality Statistics Division (2004), Glossary and Tables for Statistical Quality
Control, Fourth Edition, Milwaukee: Quality Press.
Automotive Industry Action Group (AIAG) (2002), Measurement Systems Analysis Reference
Manual, Third Edition.
Automotive Industry Action Group (AIAG) (2005), Statistical Process Control, Second Edition.
Barrentine (1991), Concepts for R&R Studies, Milwaukee, WI: ASQC Quality Press.
Bothe, D.R. (1997), Measuring Process Capability: Techniques and Calculations for Quality and
Manufacturing Engineers, McGraw-Hill.
Fleiss, J. L. (1981), Statistical Methods for Rates and Proportions. New York: John Wiley and Sons.
Hoffman, D. (2003), “Negative binomial control limits for count data with extra-Poisson
variation,” Pharmaceutical Statistics, 2, 127–132.
Kourti, T. and MacGregor, J. F. (1996), “Multivariate SPC Methods for Process and Product
Monitoring,” Journal of Quality Technology, 28:4, 409-428.
Lucas, J.M. (1976), “The Design and Use of V–Mask Control Schemes,” Journal of Quality
Technology, 8, 1–12.
Lucas, J.M. and Crosier, R.B. (1982), “Fast Initial Response for CUSUM Quality Control
Schemes: Give Your CUSUM a Head Start,” Technometrics, 24, 199-205.
Meeker, W. Q. and Escobar, L. A., (1998), Statistical Methods for Reliability Data, John Wiley &
Sons.
Montgomery, D.C. (2013), Introduction to Statistical Quality Control, 7th Edition New York: John
Wiley and Sons.
Nair, V.N. (1984), “Confidence Bands for Survival Functions with Censored Data: A
Comparative Study,” Technometrics, 26:3, 265-275.
Nelson, L. (1984), “The Shewhart Control Chart—Tests for Special Causes,” Journal of Quality
Technology, 15, 237–239.
Nelson, L. (1985), “Interpreting Shewhart X Control Charts,” Journal of Quality Technology, 17,
114–116.
Nelson, W.B. (1982), Applied Life Data Analysis, New York: John Wiley and Sons.
Portnoy, S.(1971), “Formal Bayes Estimation with Application to a Random Effects Model”,
The Annals of Mathematical Statistics, Vol. 42, No. 4, pp. 1379–1402.
278 参考文献附录 A
Sahai, H. (1974), “Some Formal Bayes Estimators of Variance Components in the Balanced
Three-Stage Nested Random Effects Model”, Communication in Statistics – Simulation and
Computation, 3:3, 233–242.
Slifker, J.F., Shapiro, S.S. (1980), “The Johnson System: Selection and Parameter Estimation,”
Technometrics, 22, 239-246.
Sullivan, J.H. and Woodall, W.H. (2000), “Change-point detection of mean vector or
covariance matrix shifts using multivariate individual observations,” IIE Transactions, 32,
537-549.
Tracy, N. D., Young, J. C. and Mason, R. L. (1992), “Multivariate Control Charts for Individual
Observations,” Journal of Quality Technology, 24:2, 88-95.
Westgard, J.O. (2002), Basic QC Practices, 2nd Edition. Madison, Wisconsin: Westgard QC Inc.
Wheeler, Donald J. (2004) Advanced Topics in Statistical Process Control, 2nd Edition. SPC Press.
Wheeler, Donald J. (2006) EMP III Using Imperfect Data. SPC Press.
Wludyka, P. and Sa, P. (2004) “A robust I-Sample analysis of means type randomization test for
variances for unbalanced designs,” Journal of Statistical Computation and Simulation,
74:10,701-726
索引
符号操作特征曲线 82
_LimitsKey 203, 244 测量系统分析（参见 MSA）
重置因子网格 147
垂直方向重新排序 259
A 垂直图 162
Aluminum Pins Historical.jmp 121
D
B 单个测量值 70
Bayesian 方差分量 166 单个测量值图 32, 70
百分比尺度 259 “单个点”选项 41
保存 T 方 119 单因子比较 Pareto 图 258
保存 T 方公式 119 导入规格限 202, 244
保存规格限 244 “点”选项 41
保存汇总 40, 80 “定制检验”选项 41
保存目标统计量 115, 119 多变异图 158
保存限值多元控制图 114, 116–134
“控制图”平台 83
控制图生成器 40 E
保存主成分 119
EMP 结果 141
包括缺失类别 40
EMP 量具 RR 结果 141
比较 Pareto 图 254, 258 EWMA 70
变异性汇总报表 162
“变异性图”平台 161–164
量具 R&R 166–168 F
启动 163 方差分量 141, 163–164
选项 162 非正态分布选项 , 过程能力 201
标记 260 非正态过程 , 过程能力 190
标签 260 分类变量 254
标准差均值 162 分离原因 260
标准差控制限 162 分析设置 140
标准差图 141, 162 复测误差比较 141
标准差组均值 162
饼图 259
G
概差 143
C 关键单元格 258, 267
c 图 92 过程角色 254
CUSUM 控制图 101–112
280 索引
H L
2 Levey-Jennings 75
Hotelling T 图 114
合并原因 260 类别图例 259
合格性报表 183 累积百分比曲线颜色 259
合理划分子组 68 累积频率图 253
获取目标 117 连接单元格均值 162
获取限值量具 R&R 分析 158, 162, 166–168
“控制图”平台 83 量具标准差 163
控制图生成器 40 量具研究 163
J M
极差图 140 MSA
计数分析 259 监控等级图例 143
计数数据 177 启动 139
“检验超出界限”选项 42 示例 136–139, 149–155
“检验”选项 42 统计详细信息 155
检验组间比率 259 MSA 方法 140
检验组内比率 259 模型类型 140
脚本 162 目标图标签 246
阶段 37
阶段检测 119 N
“警告”选项 41
均值菱形 162 能力分析 71
均值图 32, 70, 163 控制图 76
均值图限值 162 “能力”平台 241
能力指标
非正态过程 190
K 正态过程 190
控制图能力指标报表 251
c 92 能力指标符号 , 过程能力 191
CUSUM 101–112
单个测量值 32, 70 O
均值 32, 70
p 92 OC 曲线 82
R 32, 70 Oil1 Cusum.jmp 102
S 32, 70
u 92 P
移动极差 70 p 图 92
移动平均 32, 70 Pareto 图
控制图生成器示例 260
启动 37 选项 260
取消选择多个检验 43 偏倚比较 141
示例 51–52 偏倚和交互作用影响 143
选项 38, 40–48 偏移检测刻画器 141, 144
偏倚影响 143
索引 281
频率排序 253 W
频率图 253
Western Electric 规则 43
评级员内部的一致性 182
Westgard 规则 42, 46
平均图 140
误分类概率 168
平行性图 141
Q X
显示单元格均值 162
取消组合图形 259
显示点 162
“区域”选项 41
“显示点”选项 41
缺陷率等高线 246
显示分隔线 162
显示极差条 162
R 显示均值 119
R 图 32, 70 显示控制面板 40
显示累积百分比点 259–260
显示累积百分比曲线 259
S 显示累积百分比轴 259
S 图 32, 70 显示逆相关性 119
Sigma 选项 41, 43 显示逆协方差 119
Steam Turbine Current.jmp 116 显示偏倚线 162
Steam Turbine Historical.jmp 114 显示限值汇总 40
散度图选项 140 “显示限值”选项 41
删除图形 42 显示相关性 119
“删除”选项 48 显示箱线图 162
设置 Alpha 水平 119 显示协方差 119
设置脚本 147 显示中心线 79
设置样本大小 41 “显示中心线”选项 41
石川因果图 269 显示总均值 162
使用中位数 79 显示总中位数 162
数量图例 259 显示组均值 162
水平方向重新排序 259 线性研究 169
随机散布点 162 “限值”选项 41
相对频率图 253
T 新建 Y 图 38
T 2 图 119
T 方已分割 119 Y
添加累积百分比点标签 259 Y，原因角色 257
添加散度图 41 颜色 260
“添加限值”选项 41 移动极差图 70
“统计量”选项 , 控制图 42 移动平均图 32, 70
一致性报表 181
U 一致性比较 181
一致性计数 183
u 图 92
UWMA 70 移至最后 260
移至最前 260
282 索引
因果图 269
有效分辨率 141
有效性报表 182–183
鱼骨图 269
预先汇总 32, 70, 75
原因 259
运行图 75
Z
着色 CPK 水平 246
指定 Alpha 140
制作汇总表 250
重要的少数 268
主成分 119
子组 37
总估计值和组内估计值 , 过程能力 191
组间相关 143

Quality and Process Methods Zh 质量和过程方法

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Quality and Process Methods Zh 质量和过程方法

Uploaded by

Copyright:

Available Formats

版本 13

JMP, A Business Unit of SAS

ISBN 978-1-62960-480-0 （硬拷贝）

复印手册：未经发行者 SAS Institute Inc 书面许可，不得复制、储存在检索系统中或以电子

• Telerik RadControls: Copyright © 2002-2012, Telerik. Usage of the included Telerik

• iODBC software - Copyright © 1995-2006, OpenLink Software Inc and Ke Jin

• R software is Copyright © 1999-2012, R Foundation for Statistical Computing.

CUSUM 控制图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

“Pareto 图”平台示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256

下表说明了 JMP 库中每本手册的用途和内容。

文档标题 文档用途 文档内容

发现 JMP 若您不熟悉 JMP，则从 介绍 JMP 以及指导如何创建和分析数据。

使用 JMP 了解 JMP 数据表以及如 涵盖了贯穿整个 JMP 的常规 JMP 概念和

基本分析 使用该文档执行基本 介绍以下 “分析”菜单平台：

文档标题 文档用途 文档内容

基本绘图 为您的数据找到最理想 介绍以下 “图形”菜单平台：

刻画器指南 学习如何使用交互式刻 涵盖 “图形”菜单中列出的所有刻画器。

实验设计指南 学习如何设计实验和确 涵盖 “实验设计”菜单和 “分析” > “专

拟合线性模型 学习 “拟合模型”平台 介绍以下特质，它们都位于 “分析”菜单

文档标题 文档用途 文档内容

预测和专业建模 学习其他建模技巧。 介绍以下“分析”>“预测建模”菜单平台：

文档标题 文档用途 文档内容

多元方法 获悉同时分析多个变量 介绍以下“分析”>“多元方法”菜单平台：

质量和过程方法 了解用于评估和改进过 介绍以下 “分析” > “质量和过程”菜单

文档标题 文档用途 文档内容

可靠性和生存方法 学习评估和改进产品或 介绍以下 “分析” > “可靠性和生存”菜

消费者研究 学习研究消费者偏好的 介绍以下 “分析” > “消费者研究”菜单

注意：手册菜单还包含两个可打印的参考卡：菜单卡介绍 JMP 菜单，快速参考介绍 JMP 键盘

“JMP 帮助”是文档库的缩略版本，提供针对性信息。打开 “JMP 帮助”有以下几种方式：

首次启动 JMP 时会看到 “今日提示”窗口。该窗口提供使用 JMP 的一些小技巧。

提示：在 Windows 上，可在 “JMP 首选项”中隐藏工具提示。选择文件 > 首选项 > 常规，然

“JMP 用户社区”提供了多种途径，帮助您更好地学习 JMP 以及与其他 JMP 用户建立联系。学

您可以从以下 JMP 网站获取 JMP 用户编写的有关使用 JMP 的其他手册：

若您不熟悉 JMP 或数据分析，可以从 “JMP 起始页”窗口开始操作。在该窗口中，各种选项进

本手册介绍 JMP 中提供的一些方法和工具，用来帮助您评价和改进质量和过程性能：

通过查看平均图，您可以发现有若干点位于下控制限 7.788772 下方。您想要查看是否有其他

Levey-Jennings 图显示显示过程均值，以及基于长期 sigma 的控制限。控制限位于距离中心线

CCB 根据选定的变量为您做出一些决定。例如，若没有 X 变量，最初就会创建 c 图，因为没有

表 3.3 不带分组 (X) 变量或非汇总数据的计量图

点 > 统计量 限值 > Sigma

基于单值的移动极差 移动极差 移动极差

表 3.4 带分组 (X) 变量或汇总数据的计量图

点 > 统计量 限值 > Sigma

均值（基于标准差计算限值） 平均值 标准差

点 > 统计量 限值 > Sigma

基于组均值的单值 平均值 移动极差

基于组标准差的单值 标准差 移动极差

基于组均值的移动极差 基于均值的移动极差 移动极差

基于组标准差的移动极差 基于标准差的移动极差 移动极差

点 > 统计量 限值 > Sigma

点 > 统计量 限值 > Sigma

要开始创建控制图，请将变量从选择列框拖入工作区。若将变量放置在中心位置， JMP 会根据

注意：若启用了 “包括缺失类别”，则当分类 X 变量有缺失值时，“控制图生成器”中的能

请参见 《使用 JMP》手册中的 “JMP 报表”一章，获取有关下列选项的信息：

保存 “依据”组脚本 包含使您可以保存脚本的选项，该脚本可在多个指定位置为 “依据”变

‒ Westgard 规则支持您选择要启用的 Westgard 统计控制检验。由于 Westgard 规则基于

注意：有关行、图形、定制和编辑菜单的说明，请参见 《使用 JMP》手册。

您可以更改计算图表 sigma 的方法。可用选项取决于选定的图表类型。

提示：要一次添加或删除几个检验，请在警告 > 检验下的 “控制面板”中选择或取消选择这些

第 44 页上的表 3.8 列出并解释了八个检验，图 3.7 演示了这些检验。以下规则适用于各检验：

图 3.6 Western Electric 区域规则

表 3.8 特殊原因检验的说明与解释a （续）

检验 5：连续三个点中的两个点落在 A 区之中或 检验 6：连续五个点中的四个点落在 B 区之中或

检验 7：C 区之中（中心线上下）连续十五个点 检验 8：在中心线两侧连续八个点，没有一点落

文档标题文档用途文档内容

发现 JMP 若您不熟悉 JMP，则从介绍 JMP 以及指导如何创建和分析数据。

使用 JMP 了解 JMP 数据表以及如涵盖了贯穿整个 JMP 的常规 JMP 概念和

基本分析使用该文档执行基本介绍以下 “分析”菜单平台：

文档标题文档用途文档内容

基本绘图为您的数据找到最理想介绍以下 “图形”菜单平台：

刻画器指南学习如何使用交互式刻涵盖 “图形”菜单中列出的所有刻画器。

实验设计指南学习如何设计实验和确涵盖 “实验设计”菜单和 “分析” > “专

拟合线性模型学习 “拟合模型”平台介绍以下特质，它们都位于 “分析”菜单

文档标题文档用途文档内容

预测和专业建模学习其他建模技巧。介绍以下“分析”>“预测建模”菜单平台：

文档标题文档用途文档内容

多元方法获悉同时分析多个变量介绍以下“分析”>“多元方法”菜单平台：

质量和过程方法了解用于评估和改进过介绍以下 “分析” > “质量和过程”菜单

文档标题文档用途文档内容

可靠性和生存方法学习评估和改进产品或介绍以下 “分析” > “可靠性和生存”菜

消费者研究学习研究消费者偏好的介绍以下 “分析” > “消费者研究”菜单

点 > 统计量限值 > Sigma

基于单值的移动极差移动极差移动极差

点 > 统计量限值 > Sigma

均值（基于标准差计算限值）平均值标准差

点 > 统计量限值 > Sigma

基于组均值的单值平均值移动极差

基于组标准差的单值标准差移动极差

基于组均值的移动极差基于均值的移动极差移动极差

基于组标准差的移动极差基于标准差的移动极差移动极差

点 > 统计量限值 > Sigma

点 > 统计量限值 > Sigma

请参见《使用 JMP》手册中的 “JMP 报表”一章，获取有关下列选项的信息：

保存 “依据”组脚本包含使您可以保存脚本的选项，该脚本可在多个指定位置为 “依据”变

注意：有关行、图形、定制和编辑菜单的说明，请参见《使用 JMP》手册。

检验 5：连续三个点中的两个点落在 A 区之中或检验 6：连续五个点中的四个点落在 B 区之中或

检验 7：C 区之中（中心线上下）连续十五个点检验 8：在中心线两侧连续八个点，没有一点落

_LCL、 _UCL 均值、 IM、 p、 np、 c、均值图、单个测量值图、任何计数图或

表 3.9 限值表关键字及相应图表和含义（续）

Washers.jmp 样本数据包含两个不同批大小的缺陷数据，这些数据取自 ASTM Manual on

图 3.13 “状态”的 np 图（不合格）

若您清楚您的数据并不服从正态分布（例如，在测量计数或等待时间时），此时稀有事件图会

若您清楚您的数据并不服从正态分布（例如，在测量计数或等待时间时），此时稀有事件图会

R 图的中心线：默认情况下，第 i 个子组的中心线（其中 3 是 sigma 乘数），指示 Ri 的期望

S 图的中心线：默认情况下，第 i 个子组的中心线（其中 3 是 sigma 乘数），指示 si 的期望

X 2 v, 1 – α ( X 2 v, α ) 是使用 v = 2μ/(1+μk) 自由度的卡方分布的上（下）百分位数。负下控制限

过程的均值图和 R 图显示在图 4.2 中。样本 6 指示该过程为失控状态。要检查样本值，请点击

等加权移动平均 (UWMA) 图亦称移动平均图，其上的各点是 w 个最近子组均值（包括当前子

• c 图显示子组样本（通常但不一定总是包含一个检查单位）中不合格项（缺陷项）的数目。

KSigma 参数选项允许以样本标准误差的倍数形式指定控制限。 KSigma 在期望值（显示为中

Alpha 参数选项以概率形式指定控制限（亦称概率界限），这是通过单个子组统计量超过其控

若选定了控制图启动窗口上的能力选项（请参见图 4.3），平台启动时会显示一个窗口，提示您

有关能力分析的其他信息，请参见《基本分析》手册中的 “分布”一章。

显示区域显示或隐藏区域线。这些区域标记为 A、 B 和 C，如下面的 Coating.jmp 样本数据

OC 曲线为特定控制图提供操作特征 (OC) 曲线。在 JMP 中仅为均值、 p、 np、 c 和 u 图定义

表 4.1 排除、隐藏和删除的样本（续）