什么是过程能力？
过程能力是衡量一项过程在多大程度上持续满足指定限制或目标要求的度量。过程能力分析又称过程能力研究，它使用统计方法来确定一项过程产生符合规定限值或目标要求的产出的能力。它通过比较一项过程的自然变异和设定限制来评估过程性能，并生成有助于评估过程或系统能力的关键指数。
过程能力分析有助于确定过程是否能够始终如一地产出符合容差要求的产品，因此对质量控制、过程优化和持续改进至关重要。
过程能力为什么很重要？
过程能力分析对各行各业都至关重要，因为：
- 评估过程稳定性：使用 Cp 和 Cpk 等指数对过程变异进行量化和控制，确保过程保持在规定限制内。
- 最大限度地减少缺陷：确定变异的主要来源，减少缺陷，优化成本效益和高质量的生产。
- 优化性能：使用能力数据调整过程，提高吞吐量和效率，从而确保以最少的干预获得一致的结果。
过程能力分析应用
过程能力分析的应用包括：
- 制造：通过计算能力指数监控生产线质量，确保制造的组件满足容差级别
- 电子和半导体在电路板或 IC 芯片生产中，评估晶圆生产情况，优化元件布局，并最大限度地减少缺陷
- 航空航天和汽车：通过减少加工过程中的变异性，确保涡轮叶片、制动组件和其他关键组件符合严格的性能和安全要求
使用 MATLAB 执行过程能力分析
您可以使用 MATLAB® 计算过程能力指数、创建能力图、执行正态性检验、构建自定义 App 并自动化工作流。
过程能力指数
您可以使用内置的 capability 函数计算 Cp、Cpk 和其他能力指数，以评估过程的性能：
capability_indices = capability(data, specLimits)
其中
- 数据以 1×N 向量形式表示过程或系统测量数据，其中 N 是数据点的数量。
specLimits是 2×1 向量，用于指定设定上限和下限。capability_indices以结构体形式包含能力指数，如 Cp 和 Cpk。
能力绘图
您可以使用交互式直方图、控制图和箱线图来可视化过程性能。
使用 capaplot 函数绘制的过程能力图，显示指定限值之间的概率。（请参阅 MATLAB 代码。）
使用 controlchart 函数绘制的用于监控过程稳定性的 X 条形图和 R 控制图。（请参阅 MATLAB 代码。）
正态性检验
您可以使用假设检验，如单样本 t 检验 (ttest) 或安德森-达林检验 (adtest)，来检查过程数据是否遵循正态分布。在执行能力分析前，请对于非正态分布的数据进行其他分布拟合，如威布尔、对数正态和伽马，或应用复杂变换或非参数化方法。
使用 normplot 函数绘制的评估数据分布的正态概率图。（请参阅 MATLAB 代码。）
自定义 App 和自动化
您可以使用 App 设计工具构建自定义 App，或使用 MATLAB 脚本自动化分析，从而高效地简化和自定义从分析到生成报告的工作流。通过这种方法，您可以更高效地执行统计分析、生成报告和创建数据可视化。
使用 App 设计工具自定义统计分析应用。
示例和操作方法
软件参考
过程能力常见问题
过程能力是通过将过程的固有变异与规格限进行比较，衡量一个过程在多大程度上能持续满足规定的限值或目标要求。
过程能力分析对于评估稳定过程是否满足规格、识别变异来源以最小化缺陷、以及优化性能以确保在尽量少的干预下获得一致结果都非常重要。
使用 capability 函数，语法为 capability_indices = capability(data, specLimits)，其中 data 是 1xN 的测量向量，specLimits 是包含下限和上限规格限的 2x1 向量。
Cp 衡量潜在能力——即规格宽度与过程分布宽度（6σ）的比值，表示过程变异相对于公差范围是否足够小，而不考虑中心位置。Cpk 衡量实际能力，同时考虑过程相对于规格限的偏移情况。如果过程偏离中心，可能出现 Cp 高但 Cpk 低的情况。
可以使用 capaplot 函数创建过程能力图，以显示带有规格限的正态分布；或使用 controlchart 函数生成 X-bar 和 R 控制图来监控过程稳定性。
使用诸如 Anderson-Darling 检验（adtest）或 Lilliefors 检验（lillietest）等假设检验来检查过程数据是否符合正态分布。
对于非正态数据，可拟合其他分布，例如 Weibull 分布、对数正态分布（lognormal）和伽马分布，或在进行能力分析前应用复杂变换或非参数方法。
过程能力分析适用于制造业的生产线质量监控、电子与半导体的晶圆生产与缺陷最小化，以及航空航天和汽车工业以确保关键零部件满足严格的安全要求。
Cp 和 Cpk 使用子组内变异来衡量短期（潜在）能力，而 Pp 和 Ppk 使用观测到的总体变异来衡量长期（总体）性能。如果 Cp 明显高于 Pp，说明存在显著的组间变异，应予以调查。MATLAB 中的 capability 函数会计算这两组指标。
Cpk 为 1.0 表示过程勉强满足规格。Cpk 为 1.33 通常被认为对大多数行业可接受。许多汽车和航空航天标准要求关键特性达到 1.67 或更高。更高的数值表示过程性能与规格限之间有更大的余量。
