放子组代号。 举例见数据。
Tip 为了做一个你能完全解释的控制图， 你的数据必须服从正态分布. 如果e Weibull 分布更适合你的数据 , 一
个log正态 分布大概也比较适合。转化 数据, 使用控制 图 命令下的选项Box-Cox 转化, 输入Lambda = 0(natural log). 更多细节, 见非-正态 数据的Box-Cox 能力转化。
数据必须是正数。
如果某个子组的一个观察值丢失了， MINITAB 在为那个子组计算这些统计时忽略它。这可能使那组数据的控制界限不同。如果整组数据丢失，在平均值图会出现一个缺口。 执行能力 sixpack (Weibull 概率模型)
1 选择Stat ??Quality Tools ??能力 Sixpack (Weibull). 2 进行以下之一操作:
——当数据在一列时，在Single column中输入数据列号，在 Subgroup size中输入子组容量或子组号所在的列号。
——当数据在几列时，选择 Subgroups across rows of, 输入包含数据的列号。
3 、在Lower spec 或 Upper spec中, 分别输入规范的上限或下限,，必须至少输入一个。这些界
限必须是正数，虽然规范下限可能为0
4、如需要，使用下列的任何选项s ， 然后点击 OK.
选项
选项子对话框
??
输入你自己的Weibull 形状和刻度参数—见 Weibull 分布家族。如果你不 输入数值, MINITAB 将
从现有数据获得最大可能性的评估。
警告：当你输入 “已知” 的这些参数数值时，要小心这些参数的细小变化，特别是形状参数，可能对相关概率
有很大影响。
???
改变组数或观察值的数量来显示运行图。默认值是25。
——通过输入δ公差来代替六倍的标准偏差间隔（过程均值每边3倍δ）来计算能力统计。例如，输入12表示用12倍的标准偏差宽度，过程均值每边6倍δ来计算。 ——用自己的标题代替默认的图形标题。
能力统计
能力 Sixpack (Weibull) 显示整体能力统计, Pp and Ppk. 这些计算是在Weibull分布的形状和刻度的最大可能性基础上进行的。优于当作正态情况下平均值和变差的评估。
这些统计的说明信息, 见 能力统计 能力 sixpack (Weibull probability model)举例
假设你在生产地板砖的工厂工作，关心的是地板砖的弯曲度，为保证产品质量，你每天测量10块地板砖，连续进行了10 天。
数据的柱状图显示不服从正态 分布—见带Box-Cox转化的 能力分析举例。所以你决定执行一个Weibull概率模型基础上的能力sixpack 。
1 打开工作表TILES.MTW.
2 选择 Stat ??Quality Tools ??能力 Sixpack (Weibull). 3 In Single column, 输入 Warping. In Subgroup size, type 10. 4 In Upper spec, type 8. 点击 OK.
结果说明
能力柱状图没有显示假设模型和数据间的明显差异，在Weibull概率图上，数据点也大致是一条直线。但是， 能力图显示过程不满足规范。Ppk (0.77) 小于指标线 1.33, 所以你的过程能力不足。相同数据的能力 Sixpack (正态)分析, 见 带Box-Cox转化的能力 sixpack举例。
能力分析(二项分布)
当数据服从二项式分布时，用能力分析(二项式)产生一个过程能力报告。二项式分布通常用来记录由抽样总数产生的缺陷项目数。例如，你可能有一个通过/失败的标准来确定一个项目是不是缺陷。然后你可能记录检查的零件总数和按标准确定的失败数量。或者，你可以记录每天预定工作的人数和每天的生病的人数。
如果数据满足下列条件，使用能力分析（二项式）：?
??每个项目在同样条件下?
??每个项目可能导致一个或两个可能的结果（成功?失败，可行?不可行）? ??对每个项目，成功（或失败）的概率相等? ??每个项目的结果都是互相独立的。
能力分析（二项式）产生一个包括下面内容的过程能力报告：?
P 图——检验过程是否受控。
图 of cumulative Tfective——检验你是否已从足够的样本收集数据以对缺陷%有一个稳定的评估。
柱状图 of Tfective——显示从收集的样本中缺陷%的整体分布。 Defective rate plot——检验缺陷%是否受取样项目数量的影响。?
数据?
使用服从二项式分布的数据工作表中每列的项目应包含每组的缺陷数。当子组容量不等
时，你必须要输入子组容量的列。 假设你已收集了检验零件的数量和不合格零件的数量，所有数据都是变化的，在一列中输入不合格零件的数量，如果总的检验数量变化，那么在另一列中输入子组容量。
不合格品数量 11 12 9 13 9 15
检验量 1003 968 897 1293 989 1423 丢失的数据
如果一个观察值丢失了，在P图上将有一个缺口，而那里组容量线已画出来了。除了丢失的数据外其他的线和图都相似。 不等的子组大小
在P图中，控制限是子组大小的函数。一般来说，在子组容量小的控制限比子组容量大的控制限离中心线更远。当子组大小不等时，相对于样本大小的缺陷%的线允许你检验两者之间是否有关系。例如，当更多的项目被抽样时，如果缺陷率有变小的趋势，这可能是由于检验员疲劳所致，这是一个普遍的问题。子组大小在其他图上没有意义，因为这些图只显示缺陷%。
执行一个能力分析（二项式分布模型）
1、 选择Stat ??Quality Tools ??能力分析 (Binomial). 2、 在Defectives,中，输入包含缺陷数的列。 3、 进行下列之一的操作：
——当样本数是常数时，在Constant size中输入样本数 ——当样本数不同时，在Use sizes in中输入包含样本数的列。 4、 如需要，使用下面列出的选项，然后点击OK。 选项
能力分析（二项式）子对话框
——输入缺陷比例的历史数据，这个值必须在0到1之间。 ——输入缺陷%的目标值。
试验子对话框
——在4个特殊原因的试验中选择——见做特殊原因的试验，用为特殊原因定义试验，校准试验的敏感度。 选项子对话框
——选择打印的颜色配置