传统的统计过程控制理论基于数据统计独立的假设,随着相关设备及仪器自动化和智能化水平的提高,生产过程中由于数据自动采集和采样间隔缩短,造成一些过程数据存在明显自相关,这种情况是不能满足常规Cpk评价理论中观测值统计独立的假定,常规工序能力评价方法此时将失效。为了寻找对平稳自相关过程进行工序能力评价的有效方法,本文首先介绍了常规过程能力分析和自相关过程的特点和识别。基于工业生产中广泛存在的AR(1)型自相关模型,通过仿真研究了AR(1)型自相关过程的工序能力分析问题。讨论了不同的抽样和标准偏差的估计方法对平稳自相关过程工序能力指数计算的影响,结果表明,在对过程标准偏差进行估计时采用不同的抽样及标准偏差估计方法对自相关过程的工序能力分析有很大影响,而且随着自相关程度的增加,这种影响越加明显;在使用有效的抽样和标准偏差估计方法的基础上,再次通过大量仿真,研究了样本量对自相关过程模型识别以及过程工序能力指数计算的影响,并通过与过程总体的不合格品率相对比,给出了计算工序能力指数所需的最小样本量;最后讨论了对过程进行不连续抽样时,计算工序能力指数所面临的问题,给出采用不连续样本进行工序能力指数计算的依据。