該文章原創文章，同步發表於公眾號“品質星動力”，歡迎各位關註點贊，更希望能幫助到大傢。

也歡迎私信加我的品質群，或知識星球，一起探索。

“CPK，一般品質人剛接觸到這個概念的時候覺得晦澀，有挑戰性。有的認為：這不就是技術專業知識嗎？也碰巧大一大二學的高等數學，概率統計基礎還在，猛如虎的操作可能豁然開朗，然而一段時間後，模糊瞭，再過一段時間，好像沒印象瞭。”

一 CPK是什麼？

其實就是衡量生產過程能力高低的數據，CP,CPK,PPK,CMK因為生產工藝復雜性和取樣等不同而導致不同。我經常舉個例子：兩個短跑運動員，一個訓練最好成績9.9s，一個11s，這個類似CP，是個人能力。同樣是數控加工中心，馬紮克和北京精雕機，精度是不一樣的。一個做到+/-0.01，一個假如+/-0.02，這是設備能力。但是假如臨時比賽，大概率是9S的運動員獲勝。這裡還涉及到精度和其他比賽因素，個人心理因素，像極瞭一個生產加工的工序過程。例子就是例子，你隻要記住我有能力達到多少，但是實際上表現出多少能力，這是兩個概念幫助你理解CP和CPK。

過程能力(process capability)以往稱為工序能力，是指過程的加工水平滿 足技術標準的能力，它是衡量過程加工內在一致性的標準。過程能力與生產能 力不同，生產能力是加工方面的能力。過程能力取決於人、機、料、法、 環而與公差無關，故通常用統計控制狀態下的6倍標準差(表示過程能力）。

過程能力指數(process capability index)表示過程能力滿足技術標準(產品 規范、公差)的程度，一般記為PCI或CP。

二 過程能力分析的基礎是什麼？

依據數理統計理論，當生產過程穩定時，絕大多數計量值特性服從常態分佈。

對一個正常的過程參數（比如：尺寸）隨機抽樣，（計量值）數據應呈常態分佈（正態分佈或高斯分佈）。

依據概率理論計算，99.73%的樣本將落在+/-3σ的范圍內，隻有很小的概率（0.27%）+/-3σ的范圍內，由於小概率事件一般不會發生，可以認為不會有尺寸在規格之外。

三 與Cpk值相關的幾個重要概

USL (Upper Specification Limit): 即規格上限；

LSL (Low Specification Limit): 即規格下限；

U：規格中心值

平均值 =(x1+x2+… …+xn)/n ；(n為樣本數)

T：規格公差，即 T=規格上限一規格下限=USL-LSL；

σ（sigma）：為數據的標準差

四 Cpk值的計算公式

制程能力指數（CPK）：是工程精確度（Ca)和工程能力指數(Cp）的綜合評價：Cpk=Cp(1－︱Ca︱)

Cp(Capability of Precision) — 制程精密度Ca(Capability of Accuracy) — 制程準確度

K= ︱Ca︱ — 制程偏差度

註：計算Cpk時，取樣數據至少應有20組數據，方具有一定代表性。Ca (Capability of Accuracy)：制程準確度；Ca 在衡量“實際平均值“與“規格中心值”之一致性；①對於單邊規格，不存在規格中心，因此也就不存在Ca；②對於雙邊規格:

Cpk值的計算公式（2）

CP=(USL-LSL)/6δ=T/6δ

CPK=Min（CPU，CPL）=Min[（（USL-X平均值）/3 δ）；（X平均值-LSL）/3 δ）]

五 如何運用？

兄弟們，看公式枯燥不？其實實際運用中不需要這麼麻煩，大傢會用就行，原理看瞭能懂，記住更好。誰傢的CPK不是根據設定的表格，隻需要填寫公式就OK 瞭啊。一般的是客戶特定的格式，一種就是自己用軟件比如minitable來計算。我下面貼兩個例子：

作為PQE而言，可能用第一種合適，你隻需要設計好方案和尺寸選取，並千萬註意要進行MSA分析，確保瞭量測的精準度後再去讓QC收集數據，你來分析就可以。如何評判？有參照表。如何分析，這的結合工藝，從公式入手，無非就是人機料法環的相關因素？這裡不做贅述。後續可能會直播視頻。

作為SQE而言，你要練的火眼金睛。第一選擇真正你需要的CPK尺寸，第二辨別清楚供應商量具使用的精準度，不然數據有何意義？第三準確識別出假數據和真數據。第四考慮風險。

六 實例計算

最後，來個例子去計算，加深印象。註意兩種方法啊。

某零件長度質量要求為120±0.5mm，知生產一批零件的均值為120.2mm、標準差為0.1mm，求Ppk（　）計算？

出答案的可以評論區回復，嚴格套取公式即可，兩種方式均已驗證OK 。