应用命令、工作表标识符和示例数据值保留原文。截图、图表和下载文件均为英文。
示例： 定位销直径
团队在 30 个按小时采集的组中测量 150 根定位销，每组五根。图样目标值为 12.000 mm，规格区间为 11.950–12.050 mm。尚未确认过程稳定性。
下载定位销示例（CSV，英文列名）此示例与 Help 中使用的示例相同。diameter_mm 包含以 mm 为单位的直径；subgroup_id 标识各个五根定位销的组。其他列记录采集顺序、时间和组内位置。
1. 创建工作区
在侧边栏中打开 Process control，选择 Capability & Performance，并为分析命名。选择 New blank worksheet 和 Create analysis。
2. 导入数据
在 Worksheet 中选择 Import。选择已下载的文件或粘贴其内容。将分隔符设为 Comma，使用 Decimal dot，并选中 First row contains column names。预览导入内容，然后选择 Import into worksheet。保持数据行的采集顺序。
3. 指定输入列
在 Inputs 中，在 Study type 下选择 Process performance。将 Data layout 设为 One measurement column，将 Subgroups defined by 设为 ID column。使用各字段的列选择器，将 diameter_mm 指定给 Measurement column 1，将 subgroup_id 指定给 Subgroup ID column。
4. 设置模型和规格
在 Distribution model 下选择 Normal，在 Calculation method 下选择 General geometric (.G)。在 Lower specification limit (LSL) 中输入 11.950，在 Upper specification limit (USL) 中输入 12.050。打开 Target (optional)，在 Target value 中输入 12.000。这三个值的单位均为 mm。
打开 Plot options。将 Histogram binning 设为 Automatic，将 Histogram scale 设为 Frequency。保持 Show fitted distribution 选中。.G 后缀标识 General geometric (.G)，即所选的性能指数计算方法；它并非另一组定位销测量值。
5. 运行分析
选择 Run analysis，然后打开 Results。
6. 解读结果
理解研究类型
本次运行描述相对于给定图样规格的整体过程性能。尚未确认过程稳定性，因此结果不能证明过程能力。
将定位销与规格比较
全部 150 根定位销的直径均在 11.950–12.050 mm 内。其均值为 12.0124 mm，高于目标值 12.000 mm，且更接近规格上限。曲线是拟合的正态模型。规格线描述可接受的定位销直径，并非控制限。
英文图表：150 个定位销直径，单位为 mm，含规格限、目标值及拟合正态曲线。 查看原尺寸图表 （在新标签页中打开） 检查拟合模型
将各点与正态参考直线比较，包括图的两端。应用尚未自动评估此模型是否适用。此图也无法证明随时间的稳定性；应另行查看合适的控制图。
英文图表：定位销直径的正态概率图。检查拟合情况，包括尾部。 查看原尺寸图表 （在新标签页中打开） 阅读性能指数
.G 后缀表示所选的一般几何计算方法。Pp.G 描述拟合分布的离散程度与规格宽度的关系。Ppk.G 还考虑均值在规格限之间的位置。此处 Pp.G 为 1.391，Ppk.G 为 1.046；规格上限是限制性能的一侧。
区分观测与模型中的不合格
样本中没有定位销超出规格。正态模型仍估计每百万根定位销约有 854 根不合格，大多超过规格上限。PPM 表示百万分数。150 根定位销中观测到零不合格，并不表示长期不合格率为零。模型估计依赖于模型适用这一条件。
决定调查方向
调查均值为何高于目标，以及距规格上限还剩多少余量。按采集顺序检查过程稳定性，并审阅模型的限定说明。将观测到的零不合格与模型估计分别报告；计算验证声明不能证明过程稳定性或模型适用性。
更多详情：阅读各结果部分
完整结果表采用六位有效数字，与 Help 中一致。
过程性能指数
Pp.G 为 1.391，Ppk.G 为 1.046。较小的上侧指数表明，接近规格上限限制了模型中的性能。这些指数使用数据集的整体变差，不能证明统计受控，也不保证未来性能。
| 统计量 | 数值 |
|---|---|
| Pp.G | 1.39063 |
| PpL.G · 规格下限 | 1.7357 |
| PpU.G · 规格上限 | 1.04557 |
| Ppk.G | 1.04557 |
- 所有主要 C 和 P 指数均表示整体变差。其名称标识研究条件；未用子组内变差替代整体变差。
- 一般几何指数将规格距离与拟合分布的中位数及第 0.135 / 99.865 百分位数比较。对于正态模型，计算使用均值 ± 3 倍样本标准差。
- 对于相同的拟合模型，改变指数方法不会改变其超出规格概率的估计。
- — 表示结果不可用，原因显示在旁边。
观测与预期不合格
此样本中未观测到超出规格的产品。正态模型仍估计每百万件约有 854 件超出规格，几乎均超过上限。此估计对拟合尾部进行了外推，并非观测到的缺陷计数。
| 规格侧 | 观测计数 | 观测 ppm | 预期 ppm |
|---|---|---|---|
| 低于 LSL | 0 | 0 | 0.0959132 |
| 高于 USL | 0 | 0 | 854.265 |
| 总计 | 0 | 0 | 854.361 |
- 观测值统计严格超出规格限的测量值。预期值使用所选拟合分布；观测到零不合格不能证明未来风险为零。
- 不适用表示该侧未提供规格限。自然边界并非规格限。
研究与模型
此研究使用正态模型、一般几何方法和整体变差，评估过程性能。关于计算验证的限定说明针对软件实现，不能证明这些数据的稳定性或适用性。
| 设置 | 数值 |
|---|---|
| 研究 | 过程性能 |
| 所选分布模型 | Normal |
| 计算方法 | 通用几何法（.G） |
| 主要指数所表征的变差 | 完整数据集中的整体变差 |
| 参数估计方法 | Distribution Fit Analysis 报告的拟合结果 |
| 位置参数（原始单位） | 12.0124 |
| 尺度参数（原始单位） | 0.0119849 |
| 模型支持域 | 下端点：无界；上端点：无界 |
| 规格下限 | 11.95 |
| 规格上限 | 12.05 |
| Fit | 可用 |
| 模型来源 | 为本次过程能力分析拟合 |
| 验证 | 已使用验证数据集核对过程能力计算。 |
- 参考：AIAG–VDA SPC，2026 年二月黄皮卷，第 7 章（§7.8.2）。
- 所选分布必须充分描述测量值，尤其是其尾部。直方图和分布图辅助目视审阅；本次运行不能证明模型适用性或统计稳定性。
- 未进行自动验收判定，也未施加 1.5σ 偏移。
样本统计量
确认 150 个观测值、均值及整体标准差。整体变差用于计算主要过程性能指数。存在子组 ID 并不能使此研究成为已证实稳定过程的能力研究。
| 统计量 | 数值 |
|---|---|
| 观测数（n） | 150 |
| 均值 | 12.0124 |
| 标准差（整体） | 0.0119849 |
等效正态 Z 详情
各尾部的 Z 将其拟合不合格概率换算为等效正态距离。Z.Bench 换算合并的不合格概率；存在两个尾部时，它并非简单地等于最小指数的三倍。未施加 1.5σ 偏移。这些数值由模型推导，并非时间稳定性诊断。
| 尾部 | 预期不合格概率 | 等效正态 Z |
|---|---|---|
| 规格下限 | 9.59132e-8 | 5.20709 |
| 规格上限 | 0.000854265 | 3.13671 |
| 两侧适用尾部（Z.Bench） | 0.000854361 | 3.13668 |
- 各侧的 Z 是该侧拟合不合格尾部概率对应的正态生存函数反函数值。采用 Z-score 方法时，该侧指数等于 Z / 3。
- Z.Bench 换算合并的不合格概率。两个尾部均有贡献时，它并非最小能力指数的三倍。未施加 1.5σ 偏移。
子组内诊断
将子组内标准差、估计方法、可用组、纳入/排除的观测值及任何 Cw/Cwk 条目视为过程改进诊断。将组内变差视为固有变差前，必须满足稳定性要求。它与主要指数不同，并不能证明稳定性。原生应用会从正式报告中省略此诊断部分；在 Results 中仍可查看。
仅用于过程改进。这些诊断不包含在正式报告中（§7.8.2.5）。
| 统计量 | 数值 |
|---|---|
| Cw | 1.34141 |
| Cwk | 1.00856 |
| 标准差（子组内） | 0.0124248 |
| 估计方法 | R̄ / d₂ |
| 可用子组数 | 30 |
| 纳入组内估计的观测数 | 150 |
| 未纳入组内估计的观测数 | 0 |
- 将组内变差解读为固有变差，需要统计稳定性。主要指数与组内指数之间存在差异，本身并不能证明稳定性。
- 全部测量值均保留在整体计算中。单个观测值的组及固定组大小方式下末尾不完整的组，仅从组内估计中排除；绝不会使用整体标准差替代。
7. 创建报告
保留英文原始 Capability & performance histogram、Normal probability plot、Study and model、Sample statistics、Process performance indices、Observed and expected nonconformance 和 Equivalent normal Z details。保留模型的限定说明。说明尚未确认稳定性，并区分观测到零不合格品与模型尾部估计。
在已完成的运行中选择 Add to report 。打开 Choose individual items and advanced options 以选择表格和图表，然后选择 Add to draft。隐藏的项目仍会保留在已保存的分析中。
为报告命名，并添加研究目的和您的解读。选择 Save，查看 Preview，然后使用 Export → Download HTML。以下示例包含全部已选内容，包括超出单屏显示范围的结果。