CPK 计算：到底啥时候该报警？ 假设我们盯着屏幕，手里拿着一张刚出炉的食品检验报告，上面写着“批次刚出来，CPK 是 2.5"，这时候心里可能有点慌。CPK 是 2.5 意味着我们别看能做出合格品，但合格率大约 99.73%，略微有点波动，离“六西格玛”的标准还差得远。但别再拿个尺子去量工件的长短了，CPK 不是让你为了让产品好看而强行降速，也不是随意往分数上贴标签。CPK 的核心逻辑只有一个：看过程稳定性和管住本事。
要是领导力认定“反正只有一千次机会嘛，扣扣扣扣”，那这个 CPK 的定义本身就错了。 大量人对 CPK 的第一反应是看动作图（Arms Diagram）上那个红圈里到底包没包住。
实际上动作图只是辅助，真正的呼吸点是 Cp 值。一旦 Cp 低于 1.33，说明过程本身就忒浪了，这时候强行去拉 Cp 要么去修动作图，都是对过程本事的无效折腾。
要是 Cp 是 1.33 以下，说明过程本身就不稳定，根本谈不上修动作图，直接得寻思是不是设备、原料要么工艺参数出现了大难题。
这时候的报警信号不是“产品不合格”，而是“过程本事不足，需求重构”。 再来看看实际操作中如何算。假设我们要管住某种螺纹尺寸，设定中心值 0，公差范围是 ±0.1。理想情况下，标准差 σ 是 0.02，那 Cp 就是 0.5。99.73% 的产品自然都在 ±0.1 这 0.2 的区间里。但现实中，要是 σ 变成了 0.04，那 Cp 就跌到了 0.5/0.1 = 5，这实际上是过程超本事了。但我们要看的是 Cpk，也就是实际表现。 要是 σ 是 0.04，均值偏移到了 -0.08（往小了 0.08），那实际在公差带内的就是：(0.1 - 0.08) + 0.02 = 0.04，除以 σ 0.04，拿到 Cpk = 1.0。
这意味着 95.44% 的产品合格，但还有 5.44% 的废品。 这时候哪位派？是质量工程师派，还是造主管派？要是只看动作图，公差区间包住了产品，看来一切正常。但换个操作，要是标准差波动变成 0.06，Cpk 就跌到 0.8。
这时候产品合格率直接掉到 92.38%，你的造线可能直接停机，造主管就得咆哮：“这批次如何全废了？”实际上根本不需求停产，只要稳住参数，让 σ 回落到 0.04，让 Cpk 回升到 1.33，99.73% 的产品都能稳过。 这里有个挺关键的误区。大量人认定 CPK 越高越好，要么认定只要大于 2.0 就完美无缺，哪怕过程跑得忒快。
实际上 CPK 2.0 以上的过程忒好办了，略微有点小意外就能崩盘。CPK 2.0 一般意味着过程本事过剩，但在这个阶段，重点不是提升 CPK，而是下降过程变异（σ），出于变异降了，CPK 自然会跟着水涨船高。
比如在注塑成型里，要是操作工习惯在模具间隙里多注一点料，这看似让 CPK 提升了，实际上是增添了过程的波动，未来可能全崩。 故此，CPK 计算在 Excel 里如何落地？不要整那些花哨的公式，直接用数据讲话。 假设你有 100 个质量点，均值 AVERAGE 是 100，标准差 STDDEV 是 5。 Cpk = MIN((100 - 100 - (-3)) / 5, (100 - 100 - 3) / 5) / 3 / 2 ≈ 1.5。 要是这 100 条数据里，有 3 条是比均值大 3 个单位，有 3 条是比均值小 3 个单位，中间 94 条是标准差范围内的。 这时候你的判断依据就出来了：要是 σ 大于 0.02，说明过程本事不足，直接报警，别管动作图如何画。
要是 σ 小于 0.02，说明过程本事过剩，重点找变异来源，降变异，别想着硬拉 CPK。 还有一个极端的例子。假设设定值在这个位置，但实际均值偏移了 4 个单位。
这时候别看 σ 挺小，就连不到 0.01，但只要均值偏离了，Cpk 还是小于 1。
这说明产品根本没在你的预期范围内。
这时候报警不是“本事不足”，而是“规格毛病”要么“参数偏移”。
这时候别看 CPK 挺低，但要是你能麻利把均值拉回去，让 Cpk 回到 1.33，那还是能接纳的。但要是你把均值拉偏了 4 个单位，哪怕 σ 降到了极致，Cpk 也一辈子小于 1，你唯一的办法是修规格，要么重新定义合格线。 在实际执行中，CTQ 分析（关键质量特性）的关键性远超 CPK 计算本身。
要是你的目标只是“看起来合格”，那 CPK 就是摆设。
要是目标是“客户中意”，那你就要看 Ppk 和 Ct 值。 举个例子，假设客户把关键尺寸要求变成了“长度务必 100，不能差 1 以内”。 要是 σ 是 0.02，A=100，Cpk = 1.5，Ct = 2.0。
这意味着 99.73% 的产品合格，还有 3% 落在 99~101 之间。
要是你客户的门槛是 100，那这 3% 就是废品。 这时候要是造主管说“反正只有一千次，我把它修到公差 98 以内”，那别看知足了客户，但这 3% 的废品成本哪位来承担？并且赶明儿要是 σ 变大 0.01，95% 的产品就直接报废。
这时候报警的信号是：客户投诉率上升，要么返修成本过高，这时候报警的不是过程本事，而是不可接纳的损失。 再多个数据支撑一下。假设有一批产品，共 1000 个。 合格品 990 个，不合格品 10 个。 不合格品中，有 8 个是刚好卡在公差边缘，好办造成 rejects 费事；2 个是明显超差，造成严厉罚款。 这时候直接算 Cpk。
要是 σ 是 0.12，A=100，Cpk=0.83。10% 的不合格品里，8 个是浅层，2 个是深层。 这时候你的决策树就清楚了： 1.检查 σ。
要是 σ > 0.2，直接报警，过程不稳定，联系设备维护，别管动作图。 2.要是 σ < 0.1，说明过程本事过剩。
这时候重点不是检查，而是找变异源头。 3.要是 Cpk < 1.33，说明均值偏移了。统计方式里，要是 Cpk < 1.0，说明均值偏移超过 3σ，这时候产品根本不在规格内，直接报警，重新定义公差。 4.要是 Cpk >= 1.33，说明均值偏移没那么大，持续监控 σ。 常有人问，为啥有时候 CPK 看起来挺好，但质量还是不中？ 可能是出于你在用 CPK 去衡量“规格符合率”，但忽略了“过程稳定性”。
要是 σ 确实挺大，哪怕 Cpk 是 2.0，这个 2.0 也是有风险的。就像一辆车，时速 100 公里，GPS 显示稳定在 100 公里，但红绿灯一变，它可能直接撞墙。
这时候的 Cpk 是 2.0，但实际表现挺差。 反过来，要是 σ 挺小，但均值偏了，出厂全错。
这时候 Cpk 是 0.5，但要是你能麻利把均值拉回，Cpk 变成 1.5，产品就合格了。 故此，CPK 计算公式的精髓在于：它不是用来证明产品完美的，是用来预警过程是否健康的。
要是 CpCpk 两个指标都掉了，要么 Cpk 低于 1.33，这就是红色警报。
这时候不要急着找动作图，不要急着做“完美工序”，先停下来，看看是不是设备卡住了，是不是原料脏了，是不是参数设错了。 最终总结一下，CPK 在 Excel 里的应用，实际上就是数据驱动的决策。
不要迷信那个 2.0 的分数。 要是 σ > 0.02，直接报警，过程不稳定。 要是 Cpk < 1.33，且均值偏移大，直接报警，规格或参数有难题。 要是 Cpk >= 1.33，但过程波动大，找降变异的方式。 要是 Cpk 挺高，但返修率高，检查是不是客户规格忒紧，要么是不是产量拉得忒快，害得单件尺寸不准。 记住，过程本事不是用来维持过程的，过程本事是用来提醒过程的。当你发现过程本事在报警，那才是启动行动的时候。
哪怕动作图画得像艺术品，要是过程不稳定，你做的动作图也是徒劳。
只有当过程稳定了，你的 CPK 才会真正成为你质量的盾牌。 故此，下次看到 CPK 表，别急着看动作图。先看 Cpk 和 Cp，看均值偏移，看看 σ。
要是这三个指标里的任何一个出了大毛病，直接报警，暂停当下的动作，去解决根本难题。
这才是 CPK 的真正用法，别在数字游戏里浪费工夫，要在实际的稳定性里寻找答案。
