在质量管理和六西格玛项目中，过程能力分析经常会被用来判断一个过程能不能稳定地生产出符合规格要求的产品。很多工程师会直接看Cpk，但如果过程本身还不稳定，或者数据不符合所采用模型的前提条件，那么单独看一个Cpk数字，很容易得出过度乐观的结论。
Minitab的Capability Sixpack，也就是过程能力六合一图，价值就在这里。它把控制图、过程分布、正态性检查和过程能力指数放在同一个分析结果中，让使用者先判断过程是否稳定、数据分布是否合理，再进一步看Cp、Cpk、Pp和Ppk等能力指标。
下面用一个发动机零件的例子，说明这张图应该怎样看。
案例背景：评估活塞环直径的过程能力
假设一家发动机制造厂正在评估锻造活塞环的直径过程。质量工程师每次连续测量5个活塞环，把这5件产品作为一个子组，一共收集25个子组，因此总共有125个测量值。
活塞环的目标直径为74.00 mm，允许偏差为±0.05 mm，所以规格为：
- 规格下限LSL = 73.95 mm
- 目标值Target = 74.00 mm
- 规格上限USL = 74.05 mm
现在要回答的并不只是「这125件产品有没有超规格」，而是更进一步的问题：这个生产过程本身是否稳定？如果继续按照当前条件生产，未来是否有能力持续满足73.95到74.05 mm的规格？
为什么不能只计算Cpk？
Cpk反映的是过程均值距离最近规格界限还有多少余量，并同时考虑过程波动。
但是，Cpk的解释通常建立在一个重要前提上：过程应该处于统计稳定状态。
如果设备正在漂移、刀具持续磨损，或者不同批次之间有明显特殊原因，那么过程均值和波动会不断变化。这时候算出来的Cpk，只代表当前这批数据的某种结果，并不一定能够代表未来。
所以更合理的分析顺序应该是：
先看稳定性，再看分布，最后看过程能力。
Capability Sixpack正好把这几步整合在一起。
在Minitab里怎样建立正态能力六合一图？
把125个直径数据输入Minitab后，可以选择正态过程能力的Sixpack分析。
在分析设置中，图形变量选择「直径」，子组大小输入5，规格下限输入73.95，规格上限输入74.05，并在选项中设置目标值74.00。
完成以后，Minitab会一次给出几类重要信息。对于这种子组大小为5的数据，通常会看到Xbar控制图、R控制图、最后25个子组的分布、能力直方图、正态概率图以及能力指数。
真正分析时，不建议从右下角的Cpk直接开始看。最好按照下面的顺序阅读。
第一步：先看Xbar和R控制图，确认过程是否稳定
Xbar控制图用来观察各个子组平均值随时间有没有异常变化，R控制图则观察子组内部的波动是否稳定。
如果控制图出现数据点超过控制限，或者出现明显的非随机模式，就说明过程可能存在特殊原因。
例如某几个子组平均值突然大幅升高，可能与设备调整、材料批次、温度变化或操作方式有关。如果R图突然升高，则可能代表短期波动扩大。
在这个案例中，Xbar和R控制图都没有显示明显失控信号，说明过程在这段数据范围内相对稳定。
这一步很重要，因为只有先确认过程没有明显特殊原因，后面的过程能力分析才更有解释价值。
第二步：看「最后25个子组」，判断过程有没有明显漂移
Sixpack中的子组图可以让我们直观看到各个子组数据随时间的分布情况。
这一部分虽然不像控制图那样有正式判异规则，但可以帮助分析人员观察数据是否围绕某个中心稳定分布，有没有逐渐向上或向下移动，或者某些子组明显比其他组更分散。
如果最后几个子组不断靠近USL，即使暂时还没有超规格，也应该警惕过程中心是否正在漂移。
在这个活塞环案例里，数据大致围绕74.00 mm分布，没有明显持续偏移，因此和控制图得到的稳定性判断基本一致。
第三步：检查正态概率图，不要跳过分布假设
正态过程能力分析建立在数据近似正态分布的假设上，所以Sixpack里会提供正态概率图。
如果数据点大致沿着参考直线分布，而且相关的正态性检验没有显示明显问题，就可以继续使用正态能力分析。
如果数据严重偏态、存在多个峰或者明显不符合正态分布，则不应该勉强使用正态Cpk结果。这时候可以考虑数据转换，或者使用非正态过程能力分析。
在这个案例中，数据表现与正态分布基本一致，因此使用正态过程能力模型是合理的。
第四步：再看直方图和规格线
能力直方图可以让我们同时看到过程数据分布和规格上下限的位置。
最理想的情况是，数据分布比较集中，而且中心接近目标值，离LSL和USL都有足够距离。
如果分布很宽，即使平均值刚好位于目标，也可能有相当多产品接近规格边界；如果分布很窄但整体偏向一侧，则可能出现Cp很好但Cpk较低的情况。
在这个案例中，直方图显示过程中心接近74.00 mm，而且数据分布明显落在规格范围内部，说明从图形上看，过程能力表现不错。
第五步：理解Cp和Cpk的区别
Cp只比较规格宽度和过程自身的短期波动宽度。
它回答的是：
如果过程平均值刚好位于规格中心，这个过程理论上有多少潜在能力？
Cpk则进一步考虑过程平均值的位置，所以更接近当前实际能力。
如果Cp和Cpk非常接近，说明过程大致位于规格中心；如果Cp明显高于Cpk，则说明过程虽然波动不算大，但中心位置发生了偏移。
因此，只看Cp是不够的。实际应用中，Cpk往往更能反映过程当前距离最近规格界限还有多少余量。
Pp和Ppk又代表什么？
Pp和Ppk与Cp、Cpk的公式结构很相似，但它们使用的是整体标准差，因此更接近这段数据实际呈现出的长期总体表现。
简单理解：
- Cp和Cpk更关注组内短期波动；
- Pp和Ppk更多反映整体长期波动。
如果过程长期非常稳定，Cpk和Ppk通常不会相差太多。
如果Cpk明显高于Ppk，则可能说明不同子组之间存在额外波动。也就是说，单个短期阶段看起来很稳定，但跨时间以后过程中心或波动发生了变化。
所以Cpk和Ppk之间的差距，本身也是值得调查的信息。
Cpm为什么还要看目标值？
如果分析中设置了Target，Minitab还可能给出Cpm。
Cpm和Cpk不同，它不仅考虑规格范围和波动，还会对过程偏离目标值进行惩罚。
例如某个过程虽然所有产品都在规格内，Cpk也不差，但平均值长期偏离设计目标。对于某些对目标值敏感的产品来说，这种偏移仍然可能影响功能或后续装配。
这时候Cpm可以提供额外信息。
Cpk大于1.33就一定合格吗？
1.33确实是制造业中很常见的过程能力参考值，但不能说它是所有行业、所有客户都统一规定的最低标准。
不同产品、客户和风险等级可能要求1.33、1.67甚至更高。
因此，在这个案例中，如果Cpk、Ppk和Cpm都高于1.33，可以说过程表现具有较好的能力，但最终是否满足要求，仍然应该以客户规范、企业内部标准或行业要求为准。
这点比简单写「1.33是公认最低接受值」更准确。
所有125件产品都在规格内，为什么还需要Cpk？
这是过程能力分析最重要的意义之一。
假设125件样品全部合格，只能说明这125件产品没有超规格，却不能直接证明未来10000件也会保持同样表现。
Cpk关注的是过程分布与规格之间的关系。即使目前没有发现不良，如果过程波动已经非常接近规格边界，未来仍然有较高风险。
相反，如果过程分布非常窄，而且离规格上下限都很远，就算只抽样了一部分产品，也可以对未来表现建立更强的统计信心。
所以过程能力分析并不是替代检验，而是从「已经生产出来的产品」进一步走向「这个过程未来能不能持续满足要求」。
这个案例可以怎样下结论？
对于这个活塞环案例，可以按照一条完整逻辑来判断。
先看Xbar-R控制图，过程没有明显特殊原因；再看正态概率图，数据基本符合正态能力分析要求；直方图显示过程中心接近74.00 mm目标值，而且分布位于73.95到74.05 mm规格范围内；最后再结合Cpk、Ppk和Cpm等指标判断过程能力。
如果这些主要能力指数都满足客户设定的要求，那么就可以认为当前锻造过程对活塞环直径具有足够的过程能力。
这里的重点不是「所有产品现在都合格」，而是稳定性、分布和过程能力三方面的证据彼此一致。
六合一图最常见的几个误区
第一个误区，是打开结果以后只看Cpk。这样会忽略过程稳定性和分布假设。
第二个误区，是认为控制图稳定就等于过程有能力。一个过程可以非常稳定，但稳定地生产在规格之外。
第三个误区，是认为所有数据都在规格内，就证明Cpk一定好。样本全部合格并不能说明过程分布离规格边界足够远。
第四个误区，是把1.33当作绝对标准。实际上，过程能力要求应该根据客户和风险确定。
第五个误区，是忽略Cpk和Ppk之间的差异。如果两者相差很大，往往说明长期波动比短期波动更加明显。
过程能力六合一图在DMAIC中适合放在哪里？
在六西格玛DMAIC项目中，Capability Sixpack最常见于Measure阶段，也可能在Improve和Control阶段再次使用。
Measure阶段用它建立当前过程能力基线；Improve以后重新计算，可以确认改善是否提升能力；Control阶段则继续通过控制图和能力指标观察成果是否维持。
因此，它并不是只用来做一次报告的图，而可以贯穿整个改善项目。
结语
Minitab过程能力六合一图的价值，不是把六张图放在一起看起来更专业，而是强迫分析人员按照正确顺序思考。
先确认过程稳定，再确认所采用的分布模型合理，之后才判断过程能力。如果直接跳到Cpk，很容易忽略一些真正重要的问题。
优思学院认为，真正会看Capability Sixpack，不是记住每一块图叫什么，而是知道每一块图回答的是什么问题。
控制图回答「过程稳不稳定」，概率图回答「分析模型是否合适」，能力指数才回答「稳定过程能不能满足规格」。把这三个问题分开，过程能力分析才真正有意义。
