cpk计算公式详细解释-cpk 计算详解

在车间里，有人盯着那个红胶印，认定只要贴得对就行，反正白底黑字看着挺顺眼。但在真正干活的家伙眼里，这实际上是件费事事。
要是标准偏差大，哪怕只有一下没贴齐，整条线都得停工重来，工人得空胳膊擦擦汗，机器还得停机修修。CPK 这东西，说白了就是管这个线到底干得有多像。它不是个随意凑个数字塞进报表的玩意儿，而是个能真正帮你抓出难题的工具。 咱们先说说别把那啥“过程本事指数”当回事。有些老员工看到"CPK=1.33"要么"1.67"，心里直打鼓：“哟，挺能扛啊，这质量如何还如此稳？”这就大错特错了。CPK 只是算出来的那个数字，它告诉你的是“理论上”能做到多稳。但这数字本身是死的，它不告诉你这个线在实际造里到底表现咋样，也不告诉你目前是不是确实出了毛病。 举个最典型的例子，你拿个柏努利质量计（比如检漏器）在造线上跑一圈，发现有 10% 的管子漏了，这 10% 的数据看起来挺清楚、挺对称。
这时候算出来 CPK 是 1.33，听起来不错，工程上可能认定这就够用了。但要是你量了五百个管子，只有五十个才漏，一百个是接的，最终发现漏的实际上占了 10%，连个偏差都没有。CPK 看着像，实际却差得远。
这说明啥？说明那些漏掉的管子，可能不是偶然，而是有规律地出难题。
比如漏的管子长度特别短，要么接头处特别好办裂。CPK 没把这“规律性”看出来，出于它只盯着那 10% 的平均值，没管这 10% 到底是啥意思。 这就把 CPK 和 Cpk 给分开了。咱们平时说的 CPK 实际上是个“假设”，它默认所有管子都是同质的，都是完美的。但实际嘛，车间里哪有完美的？有的管子短三条，加上那个漏了点胶的，那长度就怪怪的；有的管子长两条，本来该是漏的，结局变成长了。
这些管子混在一起，CPK 算出来的平均值可能凑合，但真情况是，那些“怪”管子占的比例实际上挺大的。
这时候你就得算个 Cpk，看看那些“坏”管子一共占了多少。你会发现，别看平均值还在 10%，但那些坏管子的分布挺散，两头都有，害得 Cpk 掉到了 0.5 就连更低的水平。
这时候再想改进，光靠把“平均点”调好是救不了的，得想办法把那几根特别短的管子修好，要么把那几根特别长的管子筛掉。 大量人搞不懂为啥有时候 CPK 高，有时候 Cpk 低。
这往往是出于我们算 CPK 的时候，数据没凑够。CPK 是个统计工具，它讲究的是 $3sigma$ 那个区间。但这 $sigma$（标准差）是得出来的，你得把数据量凑够 200 个以上，要么统计周期只要 60 分钟到 2 小时，才能算出准的 $sigma$。
要是在你算 CPK 的时候，数据够不满，那算出来的 $sigma$ 就会偏大，害得 CPK 虚高；反之，要是数据凑得忒满，算出来的 $sigma$ 又偏小，CPK 反而会偏低。
这就好比你在盖楼，材料少了一点点，楼的结构就弱了；多了一点点，楼反而结实了。CPK 就是如此敏感，数据凑不对，结局就歪了。 还有一点特别要注意，就是“过程”这个字。CPK 不是造出来的，它是算出来的。算出来之后，你得回头去问车间里，是不是真有那个过程？
有没有那些漏掉的管子？
有没有那些接错的管子？
是不是工厂机器没修好？
是不是原材料批次不对？CPK 只是个旁观者，它不主动去调查。
要是车间里明明漏了管子，但 CPK 算出来是 1.33，那你得赶紧找车间主管，让他别把数据藏起来，要么帮他再量一百个，看看是不是真有偏差。
有时候数据是改数据改出来的，CPK 就会跟着改，那时候再改数据，就显得更虚伪了。 故此，别把 CPK 当成那个看着挺唬人的数字。它是个工具，是个尺子。尺子量出来多少，说明你这条线理论上的极限是多少。但真正的质量，实际上得看你的 Cpk 是多少，还有你的造过程里到底有没有那些“坏”管子。
要是你时常看到漏的管子，Cpk 就低；要是你时常接错管子，Cpk 就低。
那时候，光盯着 CPK 看，你就像盯着一个只露出半张脸的胖人看，看不清他到底胖了多少。你得去摸他的肚子，去数他身上的痘痘。
只有把过程稳住，数据凑够了，算出来的 CPK 才会真正反映出来车间的真表现。