导读
很多人计算出来的Cpk，其实更接近Ppk。这两个指标都用于评估制程能力，但计算方式、统计基础及适用时机并不相同，因此经常被混淆。本文将深入解释Cpk与Ppk的定义、公式、应用场景及常见误区，帮助你正确理解制程能力分析。如果你正在学习六西格玛，这也是必须掌握的重要统计概念。
不少工程师第一次学习制程能力分析时，都会以为只要把平均值、标准差和规格上下限代入公式，就一定是在计算Cpk。然而，当你仔细查看Excel模板、Minitab软件，甚至不同公司的计算方法时，就会发现同一批数据竟然可以得到不同的结果。
原因其实只有一个：你算的未必是Cpk，而是Ppk。
虽然两者公式十分相似，但最大的区别并不是规格限制（USL、LSL），而是标准差（Standard Deviation）的来源。
一、Cpk与Ppk到底有什么分别？
Cpk（Process Capability Index）
Cpk用于评估制程在受控状态（Statistical Control）下的能力，因此它采用的是组内标准差（Within Standard Deviation）。
组内标准差只考虑短时间内、相同生产条件下的变异，因此能够反映机器本身真正的能力。
Cpk计算公式如下：
Cpk = Min [(USL − μ) / (3σwithin), (μ − LSL) / (3σwithin)]
由于σ采用组内标准差，所以Cpk通常又称为短期制程能力（Short-term Capability）。
Ppk（Process Performance Index）
Ppk则采用整体标准差（Overall Standard Deviation）。
整体标准差会把所有时间、所有班次、所有设备、所有批次产生的变异都计算进去，因此更能反映客户实际收到产品时的表现。
Ppk公式为：
Ppk = Min [(USL − μ) / (3σoverall), (μ − LSL) / (3σoverall)]
由于整体标准差通常比组内标准差大，因此Ppk几乎都会低于Cpk。
二、为什么很多人会把Ppk误认为Cpk？
最大的原因，是很多人直接使用Excel的STDEV函数计算标准差。
Excel默认计算的是整批数据的标准差，也就是Overall Standard Deviation。
换句话说，如果你没有先将数据分组，再计算组内变异，你实际上得到的是Ppk，而不是Cpk。
很多网络上的Cpk计算器，也都是直接输入一串数据后自动计算，其背后采用的其实就是整体标准差，因此严格来说，它们计算出来的是Ppk。
这也是为什么许多人觉得自己的Cpk一直偏低，却找不到原因。
三、组内标准差（Within）与整体标准差（Overall）的区别
假设某家公司每天生产100件产品，共连续生产30天。
如果每天机器状态都略有不同，例如：
第一天偏高0.02 mm；第二天偏低0.01 mm；第三天温度改变导致尺寸变化；夜班与日班操作员不同。
这些长期漂移（Long-term Variation），都会反映在Overall Standard Deviation中。
但是Within Standard Deviation只会观察每天内部100件产品之间的差异，并不会把不同天之间的漂移计算进去。
因此：
Within Variation ＜ Overall Variation
于是：
Cpk ≥ Ppk
如果两者差距很大，就代表制程长期稳定性不足。
四、什么时候应该看Cpk？什么时候应该看Ppk？
适合使用Cpk的情况
如果你的目的，是确认机器能力、制程设计是否足够优秀，那么应该使用Cpk。
例如：
新产品试产（Pilot Run）、设备验收（Machine Qualification）、DOE实验、改善项目完成后的能力验证。
这些时候通常都会确认制程已经进入统计管制状态，因此Cpk具有代表性。
适合使用Ppk的情况
如果希望了解客户长期收到产品的品质表现，则应该采用Ppk。
例如：
月度品质报告、供应商审核、客户审核（Customer Audit）、年度制程绩效分析。
因为客户不会区分今天生产还是昨天生产，只关心最终收到的产品是否符合规格。
五、为什么Minitab会同时显示Cpk和Ppk？
第一次使用Minitab的人，经常会疑惑为什么同一份Capability Analysis报告里面，会同时出现Cp、Cpk、Pp、Ppk。
其实软件正是在帮助我们比较短期能力与长期绩效。
如果：
Cpk = 1.67
Ppk = 1.63
说明制程非常稳定。
但如果：
Cpk = 1.80
Ppk = 1.10
则代表机器本身能力不错，但长期存在漂移、换线、换料、设备老化或人员差异等问题。
这正是六西格玛改善项目最常分析的重点。
六、一个简单例子理解Cpk与Ppk
假设产品规格：
LSL = 9.90
USL = 10.10
平均值 μ = 10.00
如果：
组内标准差 σ = 0.020
那么：
Cpk = 1.67
但是长期统计发现：
整体标准差 σ = 0.030
则：
Ppk = 1.11
虽然机器本身能力优秀，但长期来看，因为平均值持续漂移，所以真正交付给客户的品质能力已经明显下降。
七、常见误区：标准差不是只有一种
很多人学习统计时，以为标准差只有一种。
事实上，在制程能力分析里面，标准差至少有数种估计方式，包括Range Method、Moving Range、Pooled Standard Deviation及Overall Standard Deviation等。
不同软件甚至提供不同的估计方法，因此计算出来的Cpk可能略有差异。
真正重要的，不只是公式，而是理解你所使用的是哪一种标准差。
总结：先确认标准差，再谈Cpk
Cpk与Ppk最大的差别，并不是公式，而是标准差的来源。Cpk采用组内标准差，用来评估短期制程能力；Ppk采用整体标准差，用来评估长期制程绩效。因此，若直接使用全部数据计算标准差，再代入所谓Cpk公式，实际上得到的往往是Ppk。
在实际品质改善工作中，两者都非常重要。Cpk告诉你设备与制程本身有没有潜力，Ppk则反映客户最终体验到的品质表现。只有同时理解两者，并配合统计制程管制（SPC）一起分析，才能真正掌握制程能力。
如果希望系统学习这些统计工具，我自己认为透过完整的六西格玛课程，会比单靠背公式更容易理解各种指标之间的关系，尤其是在实际改善项目中的应用。
