2026年版AIAG-VDA SPC黄皮书引入并重新界定了Cw、Cwk，用来描述过程的“组内能力”。它们看起来像换了名字的Cp、Cpk，背后却是在解决一个长期困扰质量人的问题：我们计算的能力指数，反映的是过程实际的长期表现，还是排除班次、批次和漂移之后的短期潜力？理解这一区别，是正确应用SPC和六西格玛方法的基础。
一、为什么突然多出Cw和Cwk？
做过过程能力分析的人，对Cp、Cpk、Pp、Ppk应该都不陌生。但在不同企业、软件和培训体系中，这几个符号一直存在一种令人头痛的混用。
一种常见做法是：
Cp、Cpk采用控制图中的组内标准差计算，例如用平均极差除以d₂估计标准差；Pp、Ppk则使用全部单值数据的总体样本标准差计算。
这种区分在过去的AIAG体系中十分常见。很多质量工程师甚至把它背成一句口诀：
Cp、Cpk看短期，Pp、Ppk看长期。
问题是，这句口诀虽然方便，却不够严谨。
新版《AIAG-VDA Statistical Process Control Manual》需要同时协调AIAG传统、VDA方法及ISO 22514等国际标准。为了避免继续把“组内变差计算的指数”与正式的过程能力概念混在一起，手册在第7.8.2.5节专门定义了Within Capability，并使用Cw和Cwk表示。
这里的字母“w”，就是within-subgroup，子组内或组内的意思。
手册还特别说明，在AIAG SPC第二版中，以组内变差计算的Cwk被称为Cpk。优思学院认为对长期使用传统AIAG方法的人而言，Cwk并不是一种从未见过的新计算，而是把过去某一种Cpk的算法重新命名，让名称与统计含义一致。
所以，说Cw、Cwk是“新加入的指标”没有错；说它们是“过去Cp、Cpk中组内算法的重新定义”也更接近实际。
二、Cw和Cwk究竟计算什么？
先看两个基本公式。对于服从正态分布、具有上下规格限的特性：
Cw =（USL－LSL）÷（6σw）
Cwk = min［（USL－μ）÷（3σw），（μ－LSL）÷（3σw）］
其中：
USL是规格上限；
LSL是规格下限；
μ是过程位置，实际分析中通常由样本均值估计；
σw是组内标准差。
从公式结构看，Cw与我们熟悉的Cp相似，只考虑公差宽度相对于过程变差的大小，不考虑过程是否居中；Cwk与Cpk相似，同时考虑过程变差与均值偏移。
真正的区别，不在公式外形，而在标准差怎样取得。
新版手册所说的组内变差σw，通常可以根据控制图子组数据估计，例如：
σ̂w = R̄ ÷ d₂
或者：
σ̂w = s̄ ÷ c₄
R̄是各合理子组极差的平均值，s̄是各子组标准差的平均值，d₂和c₄则是与子组容量有关的统计常数。
这个估计只利用每个子组内部的波动，不直接把子组均值之间的变化算进去。因此，它试图回答的是：
在一个较短、条件相对一致的时间窗口内，这个过程自身能做到多稳定？
三、什么叫“组内变差”？先把合理子组弄明白
Cw、Cwk是否有意义，几乎完全取决于合理子组是否设计正确。
假设一家工厂每小时连续抽取5件产品作为一个子组。因为5件产品在很短时间内生产，通常经历相似的材料、设备、人员与环境条件，所以这5件产品之间的差异可以近似代表短期固有变差。
但第一个小时与第二个小时的子组均值可能不同。原因可能包括：
刀具逐渐磨损；
设备温度上升；
原材料批次改变；
不同操作员调整了参数；
环境温湿度出现周期变化；
夹具重新装夹；
测量设备发生漂移。
这些变化主要表现为子组之间的变差。
使用R̄/d₂或s̄/c₄估计σw时，我们主要看到组内变差；使用全部单值数据计算总标准差时，组内与组间变化都会被包含进去。
这就像观察一名射手：
Cw、Cwk主要看他在同一轮射击中的散布有多大；
总体能力或表现指数则还会看到他上午、下午、换枪或换场地后，弹着点是否发生移动。
如果他每一轮的弹孔都很集中，但不同轮次的中心位置不断变化，那么他的组内能力可能很好，实际长期表现却未必理想。
四、Cw、Cwk与Cp、Cpk、Pp、Ppk有什么区别？
新版黄皮书首先区分了performance与capability。
Process performance，过程表现，可以描述一个尚未证明处于统计受控状态的过程。它回答的是：在指定的数据期间内，过程实际上表现得怎样。
Process capability，过程能力，则用于已经证明处于统计受控状态的过程。只有过程稳定，过去的数据分布才有较合理的基础用于推断未来。
而Cw、Cwk的“within capability”又更具体：它们使用组内变差，反映排除或弱化组间变化后的短期潜力。优思学院认为手册将它们定位为额外的分析工具，用于认识和改善过程，而不是代替正式的能力或表现指数进行常规对外报告。
可以把几个概念理解为三个不同问题：
| 指标 | 主要观察什么 | 典型用途 |
|---|---|---|
| Cw、Cwk | 子组内部的短期变差 | 诊断过程潜力，比较组内与组间波动 |
| Pp、Ppk | 指定期间内的总变差与实际表现 | 稳定性尚未充分确认时描述过程结果 |
| Cp、Cpk | 统计受控过程的能力 | 稳定性得到证明后评价持续满足规格的能力 |
这里最需要纠正的观念是：Cw、Cwk不是比Pp、Ppk“更高级”的指数，也不是数值越大越值得对外展示。
因为组内标准差通常小于总标准差，所以Cw、Cwk往往比较漂亮。如果只报告这个较大的数字，却不说明它只反映组内变差，就很容易给人一种过程能力很强的错觉。
五、为什么Cwk经常比Cpk或Ppk高？
假设某尺寸的规格为10.00±0.30毫米，公差宽度为0.60毫米。
每小时连续抽取5件，分析后得到：
组内标准差σw = 0.04毫米；
全部数据的总标准差s = 0.07毫米；
过程均值正好位于10.00毫米。
那么：
Cw = 0.60 ÷（6×0.04）= 2.50
若均值居中，Cwk也约为2.50。
但按总标准差计算：
0.60 ÷（6×0.07）≈ 1.43
两个结果并不矛盾。
2.50告诉我们：在单个短时间子组内，设备重复生产的散布很小，过程具有不错的短期潜力。
1.43告诉我们：把不同时间的数据合在一起后，过程的实际波动明显增大。
这0.04与0.07之间的差距，就是工程人员应该调查的地方。可能是换班差异、批次差异、设备热漂移，也可能是刀具磨损造成的趋势。
因此，Cwk很高而总体指数明显偏低，并不是让我们选择一个更好看的数字，而是在提醒：
过程的基本重复性可能不错，真正的问题藏在时间、批次或条件变化之中。
这正是Cw、Cwk最有价值的地方。
六、Cwk接近总体能力指数，又代表什么？
当过程处于统计受控状态，子组之间不存在显著的特殊原因变化时，组内变差与总变差通常会比较接近。因此，Cwk与基于总变差得到的相应能力结果也不应相差悬殊。
这不是说两个数字必须完全相等。抽样误差、估计方法、数据分布以及子组设计，都可能造成一定差异。
但如果Cwk长期显著高于Ppk或总体Cpk，就要警惕明显的组间变化。
反过来，两个指数接近，也不能单凭数字就宣布过程稳定。优思学院认为判断统计受控状态仍应查看控制图，并结合趋势、周期、连续偏向一侧、分层和特殊原因记录等证据。
指数之间的比较可以提供线索，控制图才负责展示时间顺序。
把全部数据压缩成一个Cpk，时间信息就消失了。相同的均值和标准差，可能来自一个稳定过程，也可能来自不断向上漂移的过程。两者对未来风险的含义完全不同。
七、为什么手册不建议把Cwk作为正式报告指标？
这点非常容易被忽略。
Cwk主要反映组内变差，所以它描述的是一种接近“短期理想状态”的潜力。现实生产还会受到设定变化、材料批次、设备磨损、环境、维护和人员等因素影响。
客户真正关心的通常不是设备在20分钟内能做得多集中，而是连续数周、数月交付时，产品是否仍能稳定满足要求。
因此，Cwk适合用来问：
设备本身的短期重复性是否足够？
额外变差主要来自组内还是组间？
缩小批次差异或消除漂移后，过程可能达到什么水平？
改善工作应该先降低随机散布，还是先控制时间性变化？
但它不适合脱离背景，单独作为“本过程能力已经达到某值”的正式结论。
具体应向客户提交Pp/Ppk、Cp/Cpk还是其他指数，还要依据过程阶段、统计稳定性、数据分布、顾客特殊要求和双方约定。新版手册本身属于共识性指导，并不免除企业对具体技术与商业决策的责任。
八、使用Cw、Cwk最容易犯的四个错误
错误一：没有合理子组，照样计算Cwk
如果把一个班次随机挑出的5件产品组成子组，而这些产品来自不同时间、不同模穴甚至不同设备，那么组内变差已经混入多种来源，Cwk也就失去清晰的工程含义。
合理子组不是软件默认的“每5个数分一组”，而是根据过程机理设计的数据结构。
错误二：过程不稳定，却把Cwk称为实际能力
一个明显存在趋势的过程，仍然可能得到很高的Cwk。因为每个短时间子组内部都很集中，而趋势发生在子组之间。
此时Cwk只能提示短期潜力，不能证明过程能够持续满足规格。
错误三：Cwk比Ppk高，就认为Ppk算法错误
两者回答的是不同问题。差距大，往往正是过程存在组间变差的证据。最不应该做的，是为了让结果一致而换算法或删除“不好看”的数据。
错误四：只比较指数，不回到过程寻找原因
Cwk与总体指数之间的差距不会自动告诉我们根因。优思学院认为需要按照时间、设备、模穴、材料批次、人员、刀具和测量系统进行分层，并结合控制图和现场记录分析。
统计指标的任务是缩小调查范围，不是代替工程判断。
九、质量人与六西格玛人员应该怎样应对？
首先，检查现有SPC软件中的“Cpk”到底使用哪一种标准差。很多系统界面只显示Cpk，却没有清楚说明采用组内估计还是全部数据标准差。名称相同而算法不同，是审核争议和跨工厂比较失真的主要来源之一。
其次，在能力报告中明确写出：
数据收集期间；
子组容量和抽样间隔；
合理子组的依据；
标准差估计方法；
过程稳定性的判断证据；
指数的名称与用途。
再次，不要只让质量部门理解Cw和Cwk。生产、工艺和设备人员更需要知道：当Cwk很好而长期表现不好时，工作重点通常不是继续缩小单次加工散布，而是寻找随时间变化的来源。
对于六西格玛项目，这组指标尤其适合用在Measure和Analyze阶段。Cw、Cwk可以帮助团队理解短期潜力，总体能力或表现指标则呈现客户实际承受的结果。二者的差距，为分层分析、方差分量研究和根因验证提供了方向。
在课程和项目辅导中，我更愿意先让学员拿一组按时间排序的真实数据，分别计算组内与总体变差，再回到现场解释差距；这种练习往往比背诵Cp、Cpk公式更能建立真正的SPC思维。
十、Cw、Cwk真正带来的改变是什么？
表面上看，新版黄皮书只是多了两个字母。实际上，它在推动质量人员把几个长期混在一起的问题分开：
短期重复性，不等于长期稳定性；潜在能力，不等于实际表现；一个漂亮的指数，也不等于过程已经受控。
Cw回答的是公差相对于组内变差是否足够宽；Cwk进一步考虑过程中心偏移。它们的价值，不是取代Cp、Cpk或Pp、Ppk，而是让我们看见总变差背后的结构。
因此，看到Cwk很高时，不要急着庆祝；看到它与总体指数差距很大时，也不要急着怀疑公式。
优思学院认为更有价值的问题是：
为什么这个过程在短时间内做得很好，却无法在更长时间内保持？
当企业开始认真回答这个问题，Cw和Cwk才不只是新版手册中的新符号，而会成为识别漂移、批次差异和管理失控点的实用工具。SPC的意义也正在这里——不是生产一份能力报告，而是通过变差理解过程，再用这种理解预防下一次异常。
注：本文由优思学院原创，首发于优思学院官方网站。未经授权，不得转载、复制、改编或作商业用途；如需引用，请注明作者及原文出处。对未经许可使用本文内容的行为，优思学院保留依法追究相关责任的权利。
