先随意生成一组数据，共40个，把这些数据看成是从生产过程中间隔一定的时间之后，随意取样测量出来的。

事先，我们并不知道过程是否受控，也不知道这些数据是否符合正态分布。

我们都知道过程能力分析的前提条件是过程受控或数据正态，不然，进行过程能力分析是没有任何意义的。

第一步，我们先对这些数据进行正态性检验，结果如下：

P值＜0.005，说明这些数据并不服从正态分布，按照过程能力指数cpk计算的前提条件，并不能进行过程能力分析。

但，现在是科技时代，有非常强大的工具可以帮助我们，比如minitab，就可以点击一个按钮把数据转换成正态分布的，然后再计算cpk。

我们不需要手动再一个个转换，但我们要知道有这样一个过程，更要知道可以通过把数据转换成正态之后再进行过程能力分析，不能只会运用公式，要明白其中的含义。

把这40个数据经过转换，数据成正态分布之后，再进行cpk计算，结果如下：

Cpk=0.63，过程能力很低。但，我们今天讨论的重点不在这里，而是数据不服从正态分布，如果强硬的去计算cpk，结果准不准的问题。

这很简单，再手动计算一次，两者对比一下不就行了，说干就干。

首先，有点懒，不想再重复计算了，直接使用上图中的组内标准差σ=2.00164，X=52.102

Cp=（56-44）/（6*2.002）=0.999

Cpl=（52.102-44）/（3*2.002）=1.349

Cpu=（56-52.102）/（3*2.002）=0.649

因此，cpk=0.649

转换后与转换前的计算结果相比，Cp/Cpl有明显的不同，虽然说cpl基本一致，但不排除是因为“巧合”的缘故。

因此，计算cpk之前，还是先对数据进行正态性检验，以确认过程是否受控或数据是否服从正态，再决定怎么计算过程能力指数cpk。

各位小伙伴，你们的意见呢？

过程能力视频教程：

点击此处观看