在上一文章《過程能力分析01—不要忽略“穩定”》中，我們強調了做過程能力分析之前需要穩定的過程，在本篇文章中我們來討論另外一個前提-數據正態。其中我們在之前的文章中對正態性問題已經有過一些討論，詳見《數據非正態如何分析？您可能問了錯誤的問題！》 但是今天我們想進一步討論非正態數據能力分析的處理辦法。

非正態解決方案

如果您使用為正態數據設計的能力分析，您的數據必須服從正態分布。如果您的數據不是正態的，則分析結果可能不準確，但是我們可以通過以下方法來獲得準確描述生成非正態數據的過程的能力指數。

正如你說看到的，解決方法有很多，當然方法選擇不同結果肯定是有差異的，那么問題又來了，哪個方法是比較合適的呢？別急，我們可以先參考以下路徑圖幫助我們選擇。

在這篇文章中，我們先來看看數據變換的方法-Box-Cox變換。為了說明數據變換方法，可以想象一下密碼員將文本變換為編碼消息的方法。當密碼員對消息加密時，他們不更改其含義，只更改其外觀。

同樣，我們可以變換數據值，使數據外觀發生變化。數學變換提取數據集中的現有數字，將它們插入到函數中。變換不更改數據的物理含義，僅更改它們的值。如果能夠找到使非正態數據看上去像正態數據的變換，則可以使用早先了解的正態能力工具來計算過程數據的能力指數。

案例背景

密封馬鈴薯片袋子。操作員將每個袋子插入到兩個金屬柱之間，其中一個金屬柱已加熱，用于將袋口密封。如果封口強度太弱，袋子在貨運過程中可能會打開。如果封口強度太強，顧客可能很難打開袋子。封口強度是打開袋子所需的力量。為了研究過程，操作員從一個批次中隨機采樣了 250 個袋子，測量它們的封口強度。

對此列數據，我們先來一個圖形化匯總（統計-基本統計-圖形化匯總）。

直方圖右側偏斜，Anderson-Darling 檢驗的 p 值小于 0.05，數據非正態，我們嘗試變換數據。
在嘗試變換之前，建議先執行“個體分布標識”，因為并不是所有數據都可以變換成功。

在個體分布標識中包含：正態分布+2種變換+13種其他分布，一共16種選擇。

從“擬合優度檢驗”的結果中可以看到，兩種變換都是可以的（P值大于0.05）。

Box-Cox變換

Box-Cox 變換是一種冪變換，其中，y是初始數據值，λ 是變換參數（-5≤λ≤5）

審核編輯：符乾江