• python之Cp、Cpk、Pp、Ppk


    目录

    1、Cp、Cpk、Pp、Ppk

    2、python计算


    1、Cp、Cpk、Pp、Ppk

    Cp= Process Capability Ratio 可被译为“过程能力指数”

    Cpk= Process Capability K Ratio 可被译为“过程能力K指数”

    Pp= Process Performance Ratio 可被译为“过程绩效指数”

    Ppk= Process Performance K Ratio  可被译为“过程绩效K指数”

    当   Cpk<1说明制程能力差,不可接受。

    1≤Cpk≤1.33,说明制程能力可以,但需改善。

    ​1.33≤Cpk≤1.67,说明制程能力正常。

    过程绩效指数(Pp和Ppk)是过程的过去或现实;而过程能力指数(Cp和Cpk)是过程的潜能或将来。过程能力指数的计算必须满足"过程稳定"和"数据正态分布"两个必要条件;而用于Pp和Ppk计算的数据则不必进行这两个测试。过程能力指数及过程绩效指数的数学关系是:Cp≥Pp , Cpk≥Ppk。当过程稳定(stable或under control)且数据呈正态分布时Cp=Pp,Cpk=Ppk(注意这里的"="是统计学意义上的相同);只要有特殊原因存在, Cp>Pp , Cpk>Ppk。理解这一点对它们的应用很关键。

    如果想知道目前的过程是否已经是达到了稳定的潜在状态时,可以比较过程能力指数和过程绩效指数的差别,即Cp和Pp, Cpk和Ppk的差别:二者差别越小,说明目前的过程的绩效越接近稳定状态,即过程不存在太多的特殊原因引起的偏离(variation)。如果差异很大,则说明过程不稳定,需要找出那些特别的原因,消除这些原因,过程即可被改进。管理者也可以利用过程能力指数和过程绩效指数的差别,制订不断改进的目标。

    2、python计算

    1. import numpy as np
    2. import matplotlib.pyplot as plt
    3. def Cp(data,USL,LSL):
    4. """
    5. :param data: 数据
    6. :param USL: 数据指标上限
    7. :param LSL: 数据指标下限
    8. :return:
    9. """
    10. # 计算每组的平均值和标准差
    11. sigma = np.std(data, axis=1)
    12. m, n = np.shape(data)
    13. sum=0
    14. for i in range(m):
    15. sum+=(n-1)*sigma[i]**2
    16. s=np.sqrt(sum/(m*n-m))
    17. cp=(USL-LSL)/6/s
    18. return cp
    19. def Cpk(data,USL,LSL):
    20. """
    21. :param data: 数据
    22. :param USL: 数据指标上限
    23. :param LSL: 数据指标下限
    24. :return:
    25. """
    26. u = np.mean(data)
    27. sigma = np.std(data, axis=1)
    28. m, n = np.shape(data)
    29. sum = 0
    30. for i in range(m):
    31. sum += (n - 1) * sigma[i] ** 2
    32. s = np.sqrt(sum / (m * n - m))
    33. cpk=min(USL-u,u-LSL)/3/s
    34. return cpk
    35. def Pp(data,USL,LSL):
    36. """
    37. :param data: 数据
    38. :param USL: 数据指标上限
    39. :param LSL: 数据指标下限
    40. :return:
    41. """
    42. sigma=np.std(data)
    43. pp=(USL-LSL)/6/sigma
    44. return pp
    45. def Ppk(data,USL,LSL):
    46. """
    47. :param data: 数据
    48. :param USL: 数据指标上限
    49. :param LSL: 数据指标下限
    50. :return:
    51. """
    52. u=np.mean(data)
    53. sigma = np.std(data)
    54. ppk=min(USL-u,u-LSL)/3/sigma
    55. return ppk
    56. # 使用matplotlib画图
    57. data=np.random.normal(0, 1, (25, 5))
    58. cp=Cp(data,2,-2)
    59. cpk=Cpk(data,2,-2)
    60. pp=Pp(data,2,-2)
    61. ppk=Ppk(data,2,-2)
    62. print("Cp=",cp,"Cpk=",cpk,"Pp=",pp,"Ppk=",ppk)

    Cp= 0.7068034057688628 Cpk= 0.705282201140378 Pp= 0.6345352278919454 Ppk= 0.6331695611199301

  • 相关阅读:
    GIL全局解释器锁
    AcWing-1-递归实现指数型枚举
    微服务学习
    思维导图-vb.net开发带进度条的复制文件夹功能c#复制文件夹
    【答读者问】零基础可以学习linux吗?
    你不知道的cookie
    硬件工程师成长之路(0)----认识元件
    Unknown custom element: <el-image>无法使用该组件,升级element-ui版本后项目报错
    定义丈夫类Husband 和妻子类Wife
    SOAP接口对接
  • 原文地址:https://blog.csdn.net/T20151470/article/details/134001848