一、Cpk和Ppk分别是什么意思？
Cpk的英文全称是 Process Capability Index，中文通常译为“过程能力指数”。
Ppk的英文全称是 Process Performance Index，中文通常译为“过程性能指数”。
从英文名称已经可以看出两者关注点的差异：
- Cpk关注过程能力：在过程处于统计稳定状态时，它有多大能力持续满足规格要求。
- Ppk关注过程表现：根据目前收集到的全部数据，这段过程实际表现得怎么样。
因此，可以把Cpk理解为过程稳定运行时的“内在能力”，把Ppk理解为观察期间实际结果的“总体表现”。
不过，“Cpk看过程、Ppk看结果”只是一种便于记忆的说法。两者真正的统计差别，在于所使用的标准差不同。
二、Cpk和Ppk的计算公式
Cpk和Ppk都要同时考虑过程均值的位置，以及规格上限和规格下限。
Cpk的计算公式为：
Ppk的计算公式为：
其中：
- USL是规格上限
- LSL是规格下限
- μ或x̄是过程平均值
- σwithin是组内标准差，也称短期标准差
- soverall是所有数据的整体标准差
两组公式的结构几乎一样，但分母使用的标准差不同，这正是Cpk与Ppk产生差异的核心原因。
三、Cpk为什么使用组内标准差？
Cpk使用的是组内标准差，英文常写为 Within-subgroup Standard Deviation。
在SPC分析中，通常会按照合理子组的方式收集数据。例如每小时抽取5件产品，连续收集若干组样本。
同一子组中的产品是在相近时间、相近设备状态、相同原材料和相似环境下生产的，因此组内波动通常代表过程中的自然随机波动，也就是常说的普通原因变异。
Cpk通过组内波动估计过程的潜在能力，试图回答：
假设过程保持统计稳定，仅考虑短期自然波动，它满足规格要求的能力有多强？
这也是为什么在解释Cpk之前，通常需要先确认过程是否处于统计控制状态。
如果过程本身存在明显漂移、换班差异、批次差异或设备异常，那么单独计算Cpk很可能会产生误导。
四、Ppk为什么使用整体标准差？
Ppk使用的是整体标准差，英文常写为 Overall Standard Deviation。
它把观察期间收集到的所有数据作为一个整体进行计算，因此会把多种波动都包括在内，例如：
- 短期随机波动
- 不同班次之间的差异
- 原材料批次差异
- 设备随时间产生的漂移
- 环境温度变化
- 操作人员之间的差异
因此，Ppk回答的问题是：
不论过程是否完全稳定，根据这段时间的实际数据，它满足规格要求的总体表现如何？
Ppk并不会自动区分哪些波动属于普通原因，哪些属于特殊原因，而是把观察到的全部变化反映在结果中。
五、Cpk和Ppk的本质区别是什么？
Cpk与Ppk最本质的区别，不是公式外形，也不是人为规定的样本数量，而是变异估计方法不同。
| 比较项目 | Cpk | Ppk |
|---|---|---|
| 英文名称 | Process Capability Index | Process Performance Index |
| 中文名称 | 过程能力指数 | 过程性能指数 |
| 使用的标准差 | 组内标准差 | 整体标准差 |
| 主要关注 | 稳定过程的潜在能力 | 观察期间的实际表现 |
| 是否要求过程稳定 | 通常应先确认统计稳定 | 可以计算，但仍需解释过程状态 |
| 是否包含长期漂移 | 通常不完全包含 | 通常会包含 |
因此，Cpk往往被称为短期过程能力指标，而Ppk往往被称为长期过程性能指标。
但“短期”和“长期”只是对统计含义的简化描述，并不等于收集30个样本就是短期，收集100个样本就是长期。
六、Cpk样本量30至50，Ppk样本量必须超过100吗？
这种说法经常出现在质量管理资料中，但它并不是Cpk和Ppk的数学定义。
Cpk与Ppk的区别并不由样本量决定。
即使使用同一批数据，也可以同时计算Cpk和Ppk，只要统计软件分别采用组内标准差和整体标准差进行估计。
样本量会影响估计结果的可靠性。数据越少，计算得到的指数不确定性通常越大，但不能简单规定：
- 30至50个数据只能计算Cpk
- 100个以上数据才能计算Ppk
实际工作中，企业或客户可能会根据行业规范制定最低样本量要求。例如汽车行业的初始过程研究，可能要求收集一定数量的连续数据，但这些是项目或客户要求，并不是Cpk和Ppk的本质定义。
七、为什么Ppk通常小于Cpk？
在很多实际案例中，Ppk会小于Cpk。
原因是整体标准差通常会包含更多长期波动，而组内标准差主要反映短期、局部的自然变异。
当整体标准差大于组内标准差时，由于标准差位于公式的分母，Ppk就会低于Cpk。
例如，一台设备在每个小时内部都运行得很稳定，因此组内波动很小，Cpk可能达到1.67。
但设备温度会随着时间变化，导致每天早上和下午的产品均值存在偏移。把一周数据放在一起计算时，整体标准差明显增加，Ppk可能只有1.10。
这表示：
过程在短时间内具备不错的潜在能力，但长期稳定性不足，实际表现没有达到潜在水平。
八、Cpk和Ppk差距大说明什么？
当Cpk明显高于Ppk时，通常说明过程存在时间相关的变化。
常见原因包括：
- 过程均值随时间漂移
- 不同班次的操作方式不一致
- 不同原材料批次存在差异
- 设备磨损或温度变化
- 换线、换模或重新开机造成偏移
- 特殊原因没有得到有效控制
这时，管理者不应只满足于较高的Cpk，而应继续分析为什么过程的潜在能力没有转化为稳定的实际表现。
反过来说，如果Cpk和Ppk非常接近，通常表示组内波动和整体波动差异不大，过程在观察期间相对稳定。
不过，Cpk与Ppk接近并不代表过程能力一定优秀。两者可能同时很低，例如Cpk为0.85、Ppk为0.82，这表示过程虽然相对稳定，但其变异仍然过大，无法充分满足规格要求。
九、过程不稳定时可以计算Cpk吗？
从软件操作角度看，即使过程不稳定，也可以得到一个Cpk数值。
但从统计解释角度看，这个结果可能没有实际意义。
Cpk的基本思想是利用组内变异预测过程在稳定状态下的潜在能力。如果控制图已经显示过程存在特殊原因，例如明显趋势、跳点、周期变化或超出控制限，那么过程未来的表现就难以预测。
此时最合理的顺序通常是：
- 先绘制控制图，判断过程是否稳定。
- 识别并消除特殊原因变异。
- 确认测量系统是否可靠。
- 再计算并解释Cpk。
需要注意的是，Ppk虽然不要求先证明过程稳定才能完成计算，但如果过程严重不稳定，Ppk也只能描述这段样本数据，不能保证未来仍然维持相同表现。
十、Ppk只适用于小批量试生产吗？
Ppk经常用于新产品试产、初始过程研究和量产前能力评估，因为在过程刚启动时，通常还没有足够证据证明它已经长期稳定。
此时使用整体数据计算Ppk，可以较直接地描述试生产阶段的实际表现。
但这并不表示Ppk只能用于小批量生产。
在批量生产阶段，企业也可以持续计算Ppk，用于观察较长时期的整体绩效。与此同时，再配合Cpk和控制图，判断过程的短期能力及稳定状态。
因此，更准确的理解是：
- Ppk常用于描述初期或长期实际表现，但不限于试生产。
- Cpk常用于评价稳定过程的潜在能力，但不限于量产阶段。
把“试生产等于Ppk、量产等于Cpk”作为绝对规则，会掩盖两者真正的统计逻辑。
十一、Ppk达到1.67、Cpk达到1.33就一定合格吗？
在不少企业中，确实常见以下要求：
- 新产品或初始过程研究：Ppk不低于1.67
- 稳定量产过程：Cpk不低于1.33
这些标准有一定管理逻辑。新产品刚进入生产阶段时，过程尚未经过长期验证，因此可能要求更高的初始性能，为后续波动预留空间。
但1.33和1.67并不是适用于所有行业和产品的统一标准。
实际要求可能受到以下因素影响：
- 客户要求
- 产品安全风险
- 行业规范
- 规格设定方式
- 缺陷产生的后果
- 检验和控制策略
对于安全关键特性，企业可能要求更高的过程能力；对于风险较低的普通尺寸，标准可能有所不同。
因此，应当以客户规范、控制计划、工程要求和组织内部程序为准，不能脱离应用场景单独判断。
十二、Cpk与Ppk应该怎样一起使用？
Cpk与Ppk并不是互相替代的指标，而是可以结合使用。
假设某过程得到以下结果：
- Cpk = 1.72
- Ppk = 1.18
这表示过程短期波动较小，具备不错的潜在能力，但长期数据中存在额外变异，导致实际表现下降。
改善重点应放在寻找过程漂移、批次差异、换班差异或其他特殊原因上。
如果结果为：
- Cpk = 0.95
- Ppk = 0.92
两者比较接近，说明过程长期和短期波动差异不大，但过程本身能力不足。此时可能需要减少自然波动、优化工艺参数、改善设备精度，或者重新评估规格与设计要求。
如果结果为：
- Cpk = 1.45
- Ppk = 1.42
两者接近且均高于常见标准，通常表示过程具有较好的稳定性和能力，但仍应结合控制图、数据分布及风险要求综合判断。
十三、计算Cpk和Ppk前还要检查什么？
在计算过程能力指数之前，至少应检查以下几个条件。
1. 测量系统是否可靠
如果量具本身重复性差，或者不同检验人员的结果不一致，那么计算出来的标准差会混入大量测量误差。
因此，重要特性通常需要先进行MSA或量具R&R分析。
2. 数据分布是否合适
传统Cpk和Ppk公式通常以数据近似正态分布为前提。
如果数据明显偏态、存在天然边界或呈现多峰分布，直接套用正态过程能力分析可能会产生错误结论。
此时可以考虑数据转换、非正态分布拟合或非参数能力分析。
3. 规格限是否真实有效
规格限来自客户、设计或工程要求，而控制限来自过程数据，两者不能混淆。
规格限表示产品允许的范围；控制限表示过程在当前状态下的自然波动范围。
不能把控制图的上下控制限直接当作规格上下限计算Cpk。
4. 数据是否具有代表性
如果样本只来自表现最好的班次，或者刻意排除了异常批次，计算结果就无法代表真实过程。
过程能力研究应覆盖具有代表性的设备、人员、材料、班次和生产条件。
十四、如何快速记住Cpk与Ppk？
可以用一句话记忆：
Cpk看组内，Ppk看整体；Cpk看潜力，Ppk看实绩。
其中：
- “组内”对应Cpk使用的组内标准差
- “整体”对应Ppk使用的整体标准差
- “潜力”表示稳定过程的潜在能力
- “实绩”表示观察期间的实际表现
不过，在实际项目中不要只背结论。真正有价值的是理解数据怎样分组、标准差怎样估计、过程是否稳定，以及指标背后反映了什么管理问题。
我在学习过程能力分析时发现，把Cpk、Ppk与控制图放在同一个案例里练习，比单独记公式有效得多；系统学习相关课程，也有助于建立从数据收集到改善决策的完整思路，而不是只会在软件中输入数字。
十五、总结：Cpk和Ppk不只是样本量不同
Cpk与Ppk的公式结构相似，但它们衡量的统计含义并不相同。
Cpk使用组内标准差，主要评价稳定过程的潜在能力；Ppk使用整体标准差，主要描述观察期间的实际过程性能。
两者的本质差异不是“30个样本与100个样本”，也不能简单理解为“试生产只看Ppk，量产只看Cpk”。
正确的分析方式应当结合控制图、测量系统、数据分布、取样方式和客户要求。
当Cpk明显高于Ppk时，通常意味着过程存在长期漂移或批次差异；当两者接近但数值都较低时，则说明过程虽然相对稳定，却缺乏满足规格的能力。
真正成熟的质量管理，不是追求一个漂亮的指数，而是通过指标理解过程、识别变异来源，并将数据转化为可执行的改善行动。
