在六西格玛质量管理中，Cpk（过程能力指数）常用来判断过程能否稳定满足规格要求。但Cpk并不是拿到一组数据就可以直接计算。要让结果具有实际意义，至少需要确认数据具有代表性、过程处于统计稳定状态，并了解数据分布是否适合传统Cpk模型。
一、数据必须能够代表过程的实际情况
用于计算Cpk的数据，首先要真实反映过程的正常运行状态。如果只抽取某一天、某个班次或某一批次的数据，很可能无法反映长期过程能力。
比较合理的做法，是让数据覆盖足够的生产周期、班次、设备状态或原材料批次，同时避免遗漏明显的过程变化。换句话说，Cpk分析的第一步不是套公式，而是先问一句：这批数据真的代表我要评价的那个过程吗？
二、过程必须稳定，没有特殊原因持续干扰
这是计算Cpk最重要的前提之一。
所谓过程稳定，是指过程中的变异主要来自共同原因（Common Cause Variation），而不是设备突然异常、人员操作改变、原材料异常等特殊原因（Special Cause Variation）。
很多刚开始学习六西格玛的人容易把“过程稳定”和“Cpk高”混为一谈。实际上，稳定性与过程能力是两个不同的问题。
一个过程完全可以很稳定，但稳定地生产出不符合规格的产品；反过来，一个过程即使暂时计算出很高的Cpk，如果本身处于失控状态，这个数字也没有多少预测价值。
例如，同一道工序没有统一操作标准，操作员今天采用一种方法，明天又采用另一种方法，那么过程波动实际上来自人为操作变化。此时过程输出缺乏一致性和可预测性，直接计算Cpk就很容易产生误导。
质量管理大师W. Edwards Deming曾强调：
A process has a capability only if it is stable.
“只有当过程稳定时，它才具有能力。”
因此，实际分析中通常应该先通过控制图判断过程是否处于统计控制状态，再进一步讨论Cpk。
三、传统Cpk计算需要考虑数据分布
传统Cpk计算通常建立在数据近似正态分布的基础上。原因是Cpk使用过程均值和标准差描述数据相对于规格上下限的位置，而正态分布使这些统计量能够较好地反映过程尾部超出规格的风险。
因此，在正式解释Cpk之前，可以结合直方图、概率图或正态性检验观察数据分布。
不过，这并不意味着“数据不是正态分布，就完全不能分析过程能力”。如果数据明显偏态、存在天然边界，或者本身属于非正态过程，可以考虑数据转换或采用适合非正态分布的过程能力分析方法，而不是机械套用传统Cpk公式。
如果系统学习过程能力分析，我个人会建议把控制图、稳定性判断和Cpk放在一起理解，而不是单独背公式；这也是六西格玛绿带课程中比较值得掌握的一组基础逻辑。
四、总结：先判断过程，再计算Cpk
计算Cpk之前，可以先确认三个问题：数据是否具有代表性？过程是否稳定？所采用的分布模型是否合适？
尤其要记住，Cpk回答的是“一个稳定过程满足规格的能力如何”，而不是用来判断过程是否稳定。先分析稳定性，再分析过程能力，才是更可靠的统计分析顺序。
