资料来源（ 
数据是否符合正态分布是非常重要的。但是我们经常碰到非正态分布的参数。而控制图的基础就是正态分布，这是很多人头痛的问题。一般解决方法
1。确认为什么是非正态分布。我的工作经验告诉我，只要波动主要来自于随机的小的因素，没有明显的大的特殊因素影响，普通情况下应该是服从正态分布的。
  如果不是，必须仔细研究实际发生的情况和原因，认真排除异常的特殊原因，很多时候，我们会发现，原来看起来不是正态分布的数据变成正态了。
2。确认分布是否是稳定的，将积累的足够多数据按时间分成若干组，分别做直方图，看他们的形状是否相似（当然不象正态了，否则就没有问题的说）。
  如果是稳定的话，那么我们可以利用合理的subgroup，将几个数据合在一个组里面，利用同分布的数据的平均值近似符合正态分布的特点来进行控制，这也是为什么Xbar图经常被使用的原因。
3。特定分布。如weibull等很多关于失效数据的分布，都有标准的转化方法（其实我也是知道大概，具体转化过程不知道的说）好象minitab里面有专门的东东来对付它。
  
4。控制图不是万能的，不要指望它能解决一切问题，所以实在不行的时候问自己为什么一定要用它呢？也许在寻找这个问题的过程中你能找到好的方法来转换，或者直接用其他方法进行控制。
以上意见只是一点经验，希望大家一起讨论，但经验告诉我事情没有这么难，毕竟是做工程的SPC，不是理论的SPC撒，所以大多情况下1和2两点应该够用了。
  否则SPC也不会在老外那里这么吃香的说。
根据其他地方的讨论，应该还有MSA的问题存在导致数据无法变换成正态分布的可能。该文章中对非正态分布的能力分析给出了非常好的建议。简单地说就是使用Johnson曲线模拟实际分布，它分为Su，Sb，Sl三种类型，其中Su是无限分布的，通常的t分布，正态分布等曲线都是这类的，而Sb是有限分布，通常都是有上限和/或下限的分布，比如gamma , beta等分布，Sl是正态分布的LOG系列。
  其中Sb系列的通常变化方法为：Z=γ+ηln((X-ε)/(λ+ε-X))，共四个特征参数需要根据实际情况进行拟合。ε和ε+λ是曲线的下/上限。