InsightFab — AI 製程分析平台

情境

你的製程數據明顯右偏，無法直接用 Cpk 或 ANOVA。同事說「取 log」，你取了，但常態性檢定還是不過。另一個同事說「取平方根」，也不行。有沒有更系統化的方法找到最佳轉換？

有，就是 Box-Cox 轉換。

Y(λ) = (Xλ - 1) / λ，當 λ ≠ 0

Y(λ) = ln(X)，當 λ = 0

λ（lambda）是轉換參數，由數據決定最佳值。

λ 值等效轉換 -21/X² -11/X（倒數） -0.51/√X 0ln(X)（自然對數） 0.5√X（平方根） 1X（不轉換） 2X²（平方）

統計軟體（Minitab、InsightFab）會自動：

嘗試不同 λ 值（通常 -5 到 5）

對每個 λ，計算轉換後數據的 log-likelihood

找到讓 log-likelihood 最大的 λ

同時提供 95% 信賴區間，若區間包含整數（如 0 或 0.5），取整數更好溝通

Step 1：確認數據符合使用條件

數據必須全部 > 0（Box-Cox 不能處理負數或零）

如有零，加一個常數：X' = X + 0.001

Step 2：執行 Box-Cox，取得最佳 λ 和信賴區間 Step 3：用最佳 λ 轉換數據 Step 4：對轉換後數據做常態性檢定確認 Step 5：在轉換後的尺度做分析 Step 6：結果需要解讀時，反轉換回原始尺度

規格界限也要轉換

如果用 Box-Cox 計算 Cpk，USL 和 LSL 必須用同樣的 λ 轉換，才能在轉換後尺度比較。

不能無中生有

Box-Cox 只是改變數據的尺度，不能把真正的非常態製程（如雙峰分布）變成常態。轉換後還是要做常態性確認。

λ 是從當前數據估計的

新數據應使用相同的 λ，不要每批數據重新計算 λ（否則前後不可比）。

方法特點 Box-Cox自動找最佳 λ，適用廣 Johnson 轉換更靈活，能處理更多分布類型手動 log/sqrt直觀，但可能不是最佳

「Box-Cox 不是魔法，是在你的數據中找到一把最順手的尺——換了尺，問題還是你的問題，只是現在標準工具能量了。」