过程能力指数实战指南：如何正确使用 Cp、Cpk、Pp 与 Ppk
过程能力分析的目的，不是生成一组“漂亮的指数”，而是回答一个经营问题：在当前设备、材料、方法、人员与环境条件下，这个过程能否持续稳定地满足顾客规格？许多工厂把 Cpk 当成绩单，只要大于 1.33 就结案，却忽略稳定性、数据分布、测量系统和抽样方式。结果是报表显示能力良好，现场仍不断产生不良。
一、先区分规格界限与控制界限
规格上限 USL 和规格下限 LSL 来自设计或顾客要求，代表产品“允许到哪里”；控制界限来自过程数据，代表过程“通常会到哪里”。规格界限不能用历史平均值代替，控制界限也不能由工程师主观指定。能力分析比较的正是过程自然波动与规格宽度，因此在过程失控时直接计算 Cpk，结论没有预测意义。
二、四个指数分别回答什么
Cp=(USL-LSL)/(6σwithin)，只比较规格宽度与短期组内波动，不考虑平均值偏移；Cpk=min[(USL-μ)/(3σwithin),(μ-LSL)/(3σwithin)]，同时考虑短期波动和中心偏移。Pp 与 Ppk 的结构相同，但分母使用所有数据的总体标准差 σoverall，反映跨班次、批次和时间漂移后的长期表现。
| 指标 | 波动估计 | 主要用途 | 典型解读 |
|---|---|---|---|
| Cp | 组内短期 | 评价潜在能力 | Cp高、Cpk低表示中心偏移 |
| Cpk | 组内短期 | 评价当前短期能力 | 关注最靠近的一侧规格 |
| Pp | 总体长期 | 评价长期潜在绩效 | 包含批次和时间差异 |
| Ppk | 总体长期 | 评价实际长期绩效 | 通常不高于Cpk |
三、可直接执行的分析流程
- 确认 CTQ 与规格。明确测量对象、单位、单边或双边规格，并确认规格来自有效图纸或顾客文件。
- 验证测量系统。量具分辨率宜不大于公差的十分之一；关键尺寸先完成偏倚、稳定性和量具 R&R 研究。
- 制定合理抽样。不要连续拿同一件或同一小段产品。应覆盖代表性的班次、设备、模穴、材料批次和操作员。常见起点是 20～25 个合理子组，每组 3～5 件。
- 先画控制图。连续数据可按子组结构选择 Xbar-R、Xbar-S 或 I-MR 图。发现特殊原因时先调查，不要为了提高指数任意删除数据。
- 检查分布。结合直方图、概率图、工艺机理和样本量判断。不能只凭正态性检验的 p 值机械决策。
- 计算并给出置信区间。小样本的点估计波动很大，报告下置信限比只报 Cpk=1.36 更稳妥。
- 把结果转成行动。中心偏移优先调中心，波动过大则针对材料、设备、参数和测量系统降低变差。
四、计算案例
某轴径规格为 19.90～20.10 mm，稳定过程均值为 20.04 mm，组内标准差 0.020 mm，总体标准差 0.027 mm。则 Cp=0.20/(6×0.020)=1.67；Cpu=(20.10-20.04)/(3×0.020)=1.00；Cpl=(20.04-19.90)/(3×0.020)=2.33，因此 Cpk=1.00。长期 Pp=0.20/(6×0.027)=1.23，Ppk=min[0.06/(3×0.027),0.14/(3×0.027)]=0.74。
这个过程并非“波动完全失控”，而是同时存在向上偏移和长期漂移。第一优先是把中心从 20.04 调回约 20.00；第二优先是调查换刀、升温和批次差异。若只缩小短期波动而不校正中心，靠近 USL 的风险仍很高。
五、非正态数据怎样处理
寿命、平面度、泄漏量等数据可能天然偏斜。不要为得到较高 Cpk 而强行删除尾部。可先判断偏斜是否来自混合总体，例如不同模穴或机种混在一起；如果机理上确属单一非正态分布，可使用 Weibull、对数正态等分布拟合，或采用 Johnson 变换和基于分位数的能力分析。选择模型时要查看概率图、拟合优度与尾部表现，因为不良率主要由尾部决定。
六、常见误区与改善优先级
- 过程失控仍报告 Cpk：应先消除特殊原因。
- 把检验后筛选的数据用于能力分析：这会低估真实风险。
- 混合多台设备后算一个指数：应先分层，再判断是否可以合并。
- 只看 Cp 不看 Cpk：可能掩盖严重偏心。
- 把 Cpk 直接换算为不良率：只有在分布、稳定性与模型假设成立时才可靠。
实务上可建立红黄绿规则：稳定且 Cpk 下置信限达到顾客要求才判定具备能力；指数不足但中心可调时先中心化；Cpk 与 Ppk 差距大时优先处理时间漂移；两者都低时启动系统性降变差项目。过程能力的价值不在排名，而在指出资源应投入何处。