非正态数据处理决策：控制图中变换vs威布尔等分布（Minitab应用疑问）

我经常碰到做SPC的朋友纠结这个问题——非正态数据到底该转成正态再用常规控制图，还是直接用威布尔这类非正态分布的控制图？尤其是用Minitab的时候，总找不到清晰的决策路径。咱们一步步拆解：

先搞清楚「什么时候需要处理非正态」 #

• 首先，不是所有非正态都要处理：如果你的过程本身就是非正态的（比如寿命数据、计数型数据的某些变种），且过程稳定，那先别急着变换，先确认非正态是过程固有特性还是异常导致的。用Minitab的分布拟合工具先做个分布检验，看数据到底贴合哪种非正态分布（威布尔、对数正态、伽马都是常见选项）。
• 如果非正态是过程异常导致的（比如混入了异常值、过程有漂移），那优先解决过程问题，而不是先处理数据。这时候用Minitab的箱线图或单值控制图先排查异常点，剔除或修正后再看分布。

数据变换 vs 非正态分布控制图：怎么选？ #

选数据变换的场景 #

• 你需要用常规的Xbar-R、Xbar-S这类控制图（比如团队习惯用，或者客户要求），且变换后数据能稳定贴合正态分布。Johnson变换是个不错的选择，但要注意它的争议点：Johnson变换是“为了正态而正态”，可能会掩盖过程的实际特性——比如原本的偏态数据反映了过程的单侧波动风险，变换后可能会让你忽略这个风险。所以用Johnson变换的前提是：变换后的数据依然能反映过程的实际变异，且你能解释变换后的控制限含义（比如对数变换后，控制限对应的原始数据范围要能解读）。
• Minitab里操作：统计 > 控制图 > 单值控制图 > 单值，然后在「选项」里选「变换」，Johnson变换是默认选项之一，变换后Minitab会自动生成控制图，同时你可以看变换诊断里的正态性检验结果，确认变换效果。

选非正态分布控制图的场景 #

• 过程本身就是非正态的（比如产品寿命、失效时间），且拟合的非正态分布（威布尔、对数正态）显著性很好（Minitab里拟合优度检验的p值>0.05）。
• 你需要保留原始数据的物理意义，不想通过变换扭曲数据解读。比如寿命数据用威布尔控制图，控制限直接对应寿命的上下限，比变换后的数据更直观。
• Minitab里操作：统计 > 控制图 > 单值控制图 > 非正态分布的单值控制图，然后选择对应的分布（威布尔、对数正态等），Minitab会基于拟合的分布参数计算控制限，生成控制图。

简化决策流程（用Minitab一步步走） #

1. 第一步：验证过程是否稳定（先不纠结分布）：先做一张单值-移动极差控制图（I-MR图），看有没有超出控制限的点或非随机模式。如果过程已经不稳定，先解决异常，再谈分布。
2. 第二步：拟合分布：用统计 > 质量工具 > 个体分布标识，把数据放进去，Minitab会自动拟合常见分布（正态、威布尔、对数正态、伽马、Johnson等），看哪个分布的p值最高（拟合最好）。
3. 第三步：决策：
   • 如果正态分布的p值>0.05，直接用常规控制图。
   • 如果非正态分布拟合更好（p值最高），且过程本身就是这类非正态特性，选非正态分布控制图。
   • 如果非正态分布拟合一般，但Johnson变换后正态性检验p值>0.05，且变换后的控制限能解读，选Johnson变换；如果变换后无法解释实际意义，还是回到非正态控制图。
4. 第四步：验证控制图的有效性：不管选哪种方法，都要观察控制图的表现——有没有非随机模式？控制限是否合理？实际过程异常能被及时捕捉吗？

记住，控制图的核心是监控过程变异，而不是追求完美的正态性。变换和非正态分布只是工具，最终要服务于过程改进的目标。

内容的提问来源于stack exchange，提问作者Beerhunter