非正态分布过程能力分析：从分布识别、变换到百分位数法
Cp、Cpk、Pp和Ppk通常建立在近似正态分布的假设上。然而寿命、时间、浓度、平面度、缺陷间距等数据经常呈偏态、长尾、截断或混合分布。若不检查分布形态就直接套用“均值±3σ”，可能严重低估尾部不合格率。非正态过程能力分析的核心不是寻找一个漂亮指数，而是用与数据生成机制相符的模型估计规格外风险。
一、先区分稳定性与分布形态
过程能力分析的前提是过程处于统计稳定状态。控制图若显示特殊原因、阶段切换或批间差异，把全部数据拟合为某种分布没有实际意义。稳定性回答“过程是否保持同一机制”，正态性回答“该机制产生的数据形态是什么”，两者不可混为一谈。应先按时间顺序绘制运行图和适当控制图，再考察直方图、概率图与工艺背景。
二、正态能力指数的局限
对于双侧规格，常用：
Cpk = min[(USL − μ)/(3σ), (μ − LSL)/(3σ)]
公式隐含尾部距离可以用标准差等比例描述。当分布右偏时，右侧尾部比正态分布长，使用对称的3σ距离会给出过于乐观的上限风险。另一方面，若数据受到物理零点限制，左尾不可能无限延伸，正态模型又可能夸大下限风险。
三、四条常用分析路线
1. 直接拟合非正态分布
根据机理和概率图选择对数正态、Weibull、Gamma、最小极值等分布，使用最大似然估计参数，再计算规格外概率与等效能力。分布选择不能只比较一个拟合优度P值，应结合尾部拟合、样本量、工艺机理和参数稳定性。
2. Box-Cox变换
对严格为正的数据，可寻找λ使变换后的数据更接近正态。λ=0时通常采用自然对数，λ=0.5近似平方根。规格限必须使用同一变换，最终结果还应回到原量纲解释。变换改善的是统计建模，不会改变过程本身。
3. Johnson变换
Johnson系统以更灵活的函数将偏态或有界数据映射到正态空间，适合Box-Cox难以处理的形态。但灵活模型也容易过拟合，必须检查新数据上的稳定性以及尾部是否符合物理逻辑。
4. 百分位数或非参数法
当无法找到可信分布且样本充足时，可以经验百分位数估计尾部位置。其优点是少依赖分布假设，缺点是极端百分位数需要很大样本，置信区间往往较宽。对于百万分率级风险，仅靠几十个观测值不可能可靠估计。
四、案例：循环时间的右偏分布
某装配工序循环时间上限为90秒。150组稳定数据均值为68秒，但少数换料与定位动作造成右长尾。直接正态法得到较好的Ppk；概率图则显示上尾明显偏离。团队按工艺机理拟合对数正态分布，并用自助法估计置信区间，得到的超上限风险约为正态法估计的三倍。进一步分层发现长尾主要来自特定物料包装方式，改善后上尾收缩，平均值变化不大，但实际超时率显著下降。
五、模型选择与验证流程
- 确认测量系统适用，并检查数据按时间的稳定性。
- 识别单侧或双侧规格，确认规格是工程要求而非控制界限。
- 绘制直方图、箱线图和概率图，按机台、产品、班次分层。
- 优先从物理机理提出候选分布，再比较拟合与尾部残差。
- 报告规格外概率、能力指数及其置信区间，并进行敏感性分析。
- 用后续数据验证模型；若机制改变，重新评估而非沿用旧参数。
六、特别警惕混合分布
两个近似正态的机台、模具或供应商混在一起，整体可能呈双峰或长尾。此时强行寻找一个非正态分布只是掩盖分层原因。能力分析应回到过程族：不同机制分别受控、分别估计，必要时再按真实生产比例汇总风险。
结语
非正态能力分析的专业性体现在“假设透明、尾部可信、风险可解释”。最有价值的输出不是某个Cpk数值，而是规格外概率从哪里来、模型对哪些假设敏感、改善应瞄准均值、离散还是长尾事件。延伸阅读可参考ISO 22514过程能力系列、NIST/SEMATECH统计工程手册及可靠性与工业统计教材。