一、先过三道关：不满足这些前提，Cpk算了也白算
第一关：过程必须稳定。这是Cpk的立身之本。控制图里有失控点、有趋势、有周期性跳动，说明数据来自不同的分布，此时算出的Cpk没有统计意义——就像在高速行驶的车上量身高，读数存在，但不可靠。正确顺序永远是：先用控制图确认受控（I-MR判异规则见六西格玛I-MR控制图判异8规则，Xbar-R建限方法见Xbar-R控制图控制限计算方法），再算能力指数。
第二关：测量系统必须可信。GR&R超过30%的量具，测出来的数据里掺着大量测量噪声，标准差被灌水，Cpk自然失真。张驰咨询的项目经验里，约三成企业在算Cpk之前卡在测量系统这一关——先过MSA测量系统分析，再谈能力。
第三关：规格限和控制限别搞混。这是新人最常见的概念错误：规格限（USL/LSL）来自客户和图纸，回答"产品允许多宽"；控制限（UCL/LCL）来自过程数据，回答"过程自然波动多宽"。规格限是目标，控制限是现状，两者不能互换，更不能拿控制限当规格限去算Cpk。另外数据应近似正态；明显偏态或多峰的数据，先做变换或非正态能力分析。
二、三个指数一张表：Cp、Cpk、Ppk各看什么
| 指数 | 公式 | 标准差 | 回答的问题 | 典型用途 |
|---|---|---|---|---|
| Cp（潜在能力） | (USL−LSL)/6σ | 组内σ（短期） | 波动够窄吗？ | 不看中心，评过程上限 |
| Cpk（实际能力） | min[(USL−μ)/3σ, (μ−LSL)/3σ] | 组内σ（短期） | 波动+偏移综合够格吗？ | 客户审核主指标 |
| Ppk（过程性能） | min[(USL−x̄)/3s, (x̄−LSL)/3s] | 整体s（长期） | 这段时间实际表现如何？ | PPAP试产、长期评估 |
三个指数的读法有固定套路：Cp−Cpk的差值反映中心偏移——差值越大，均值离规格中心越远，本例差0.34，偏移已经很明显；Cpk−Ppk的差值反映过程稳定性——差值越大，说明特殊原因在偷走长期表现。通常Cp ≥ Cpk ≥ Ppk；如果Ppk反而大于Cpk，先怀疑分组方式或数据有问题，而不是庆祝。
三、五步计算法：从原始数据到判定结论
下面用一组教学示例数据完整走一遍。演示场景：某机加工工序加工轴套外径，规格10.00±0.05mm（USL=10.05，LSL=9.95），按合理子组原则连续收集25组、每组5件，共125个读数。
第1步：确认前提（公式：控制图判稳 + GR&R≤30% + 数据正态）
代入：Xbar-R控制图25组无失控点，检验1-4全通过；量具GR&R=12%（<30%可接受）；直方图与正态概率图无显著偏离。结果：前提通过，可以进入能力计算。工程含义：这步没有数字产出，但它决定后面所有数字是否可信。
第2步：算Cp（公式：Cp=(USL−LSL)/6σ）
代入：组内标准差σ用R̄/d2估计，本例R̄=0.0235mm，d2（n=5）=2.326，σ=0.0235/2.326≈0.010mm。
结果：Cp=(10.05−9.95)/(6×0.010)=0.10/0.06≈1.67。
单位：无量纲指数。工程含义：过程的波动宽度只占规格宽度的六成，如果中心对准，这个过程有优秀潜力。
第3步：算Cpk（公式：Cpk=min[(USL−μ)/3σ, (μ−LSL)/3σ]）
代入：总均值X̿=μ=10.01mm，σ≈0.010mm。上侧：(10.05−10.01)/(3×0.010)=0.04/0.03≈1.33；下侧：(10.01−9.95)/0.03=0.06/0.03=2.0。
结果：Cpk=min[1.33, 2.0]=1.33。
单位：无量纲指数。工程含义：取下侧更危险的一端——均值向上偏了0.01mm，上侧空间被吃掉一半，过程从"优秀"滑到"及格线"。
第4步：算Ppk（公式同Cpk，标准差改用整体s）
代入：125个读数的整体标准差s=0.012mm。上侧：(10.05−10.01)/(3×0.012)≈1.11；下侧：(10.01−9.95)/(3×0.012)≈1.67。
结果：Ppk=min[1.11, 1.67]=1.11。
单位：无量纲指数。工程含义：长期表现比短期差——特殊原因（班次差异、刀具磨损、环境温度）在持续拉宽实际波动，量产风险比报告值更高。
第5步：查ppm对照表判定（公式：Cpk值→不合格率ppm→行动）
代入：Cpk=1.33。
结果：对应约63ppm（0.0063%）的不合格率，六西格玛水平约4σ。
工程含义：对一般特性算及格，对汽车关键特性（要求≥1.67）不够格。行动顺序：①先校准定位把均值拉回10.00——预期Cpk从1.33回到1.67，几乎零成本；②排查让s大于σ的特殊原因；③仍不达标再上DOE降波动。
四、25组×5件的σ怎么来：组内标准差与整体标准差
上一篇算完Xbar-R控制限后，手里已经有两个现成的数：总均值X̿和平均极差R̄。能力计算可以直接复用：组内σ̂=R̄/d2，d2按子组大小n查常数表（n=2取1.128，n=3取1.693，n=4取2.059，n=5取2.326，n=6取2.534），这就是Cp/Cpk的分母来源。而Ppk用全体125个读数直接算样本标准差s，两种算法都内置于Minitab：Cp/Cpk用"组内（within）"变差，Pp/Ppk用"整体（overall）"变差。
为什么要分两套？因为Cp/Cpk想回答"如果过程只受普通原因影响，它有多好"——用组内变异做干净估计；Ppk想回答"这段实际日子它表现如何"——把特殊原因造成的漂移也摊进来。所以Ppk永远更能代表量产风险，汽车行业PPAP试产阶段就规定用Ppk：只有Ppk＞1.67才允许量产。
五、Cpk判定标准与ppm对照表
| Cpk值 | 能力等级 | 预计不合格率 | 六西格玛水平 | 判定与行动 |
|---|---|---|---|---|
| Cpk＜1.00 | 不足 | ＞2700ppm | ＜3σ | 不合格，立即改善 |
| 1.00≤Cpk＜1.33 | 勉强 | 63–2700ppm | 3–4σ | 风险较高，持续监控并立项 |
| 1.33≤Cpk＜1.67 | 充足 | 0.6–63ppm | 4–5σ | 一般特性合格（汽车行业及格线） |
| 1.67≤Cpk＜2.00 | 优秀 | 0.002–0.6ppm | 5–6σ | 关键安全件要求（航空/医疗常见） |
| Cpk≥2.00 | 卓越 | ＜0.002ppm | ≥6σ | 世界级，逼近六西格玛 |
两组便于记忆的锚点：Cpk=1.0对应约2700ppm——每千件约2.7件不合格，任何行业都接受不了；Cpk=1.33对应约63ppm——这是制造业几十年实践沉淀的及格线。IATF 16949体系下，主机厂对关键特性普遍要求Cpk≥1.67；关系安全的特性（刹车、转向、电池结构件）审核时会被逐条追问。六西格玛水平与Cpk的换算关系是：六西格玛水平≈3×Cpk（Cpk=2.0即6σ）。
六、Minitab计算Cpk六步法
手算用于理解原理，量产用Minitab：①输入125个数据（建议按子组排列成5列×25行）；②菜单 Stat > Quality Tools > Capability Analysis > Normal；③选数据列（子组跨行选5列或选单列后指定子组大小5）；④填规格限：Upper spec 10.05，Lower spec 9.95；⑤Estimate标签确认组内变差估计方法（默认Rbar法即可）；⑥OK输出能力图——直方图叠加正态曲线与规格限，右侧并排给出Cp、Cpk、Pp、Ppk四个数。
读报告先看两处：直方图是否明显偏态或截尾（偏态说明正态前提可疑）；Cp与Cpk差距（差距大=Minitab已经替你发现了中心偏移）。能力图下方还给实测ppm与预期ppm，后者是"过程保持当前状态"的长期预测，与客户签质量协议时以它为准更稳。
七、三个高频错误：多数工程师倒在第一个
错误1：过程不稳就报Cpk。控制图明明有失控点，为了赶报告还是把Cpk算出来报给客户——这不是能力分析，是数字化妆。审核员只要回一句"请给我看控制图"，整个报告的可信度归零。
错误2：把控制限当规格限。UCL/LCL来自过程数据，USL/LSL来自客户图纸，两套线各有各的用途。用控制限算出来的"Cpk"再高，也只是过程和自己的波动比较，与客户要求无关。
错误3：只看Cpk，不看Ppk。Cpk=1.67、Ppk=0.9的组合并不少见——短期能力漂亮，长期被特殊原因拖垮。只报Cpk等于只报最好看的那张成绩单，量产后的真实不良会替你补课。
八、Cpk不达标怎么办：先调中心，再降波动
Cpk低，永远只有两个变量：偏移和波动。行动顺序按成本排：第一优先纠正偏移——校准定位、调整设定值、换磨损刀具，把均值拉回规格中心。本例这一步就能让Cpk从1.33回到1.67，费用几乎为零，因为波动（σ）一点没动，只是让分布躺回正中间。第二优先消除特殊原因——用SPC控制图把班次、机台、材料的差异找出来，这一步提升的是Ppk。第三才是降波动——过程已经居中且稳定，还想提高就只能压缩σ，这时候才轮到DOE实验设计登场：找关键因子、定最优参数。三步都走完还不达标，最后手段才是与客户协商放宽规格——那是经营决策，不是技术结论。
Cpk和Ppk到底哪个重要？
两个都重要，场景不同。Cpk用组内标准差，回答"过程稳定运行时能做到多好"，是客户审核的主指标；Ppk用整体标准差，回答"这段实际时间它表现如何"，是量产风险的真实刻度。汽车行业惯例：关键特性要求Cpk≥1.67且Ppk≥1.33，试产阶段（过程未证明稳定）只认Ppk，且要求Ppk＞1.67才放行量产。
Cpk≥1.33就万事大吉了吗？
不是。1.33只是及格线，对应约63ppm（0.0063%）的不合格率——对普通零件够用，对安全关键件远远不够。而且Cpk是"此刻的状态照"，不是终身成就：刀具磨损、材料批次、环境温度都会让它漂移，所以量产阶段要转入控制图持续监控，定期重算。
样本量多少才够算Cpk？
常规口径：至少25个子组、每组3-5件，总样本量≥100（AIAG SPC手册口径）。样本量<30时置信区间很宽，算出的Cpk可能虚高0.2-0.3个指数，审核时容易被挑战。本例25组×5件=125个读数，是通用型计算的经济下限。
数据不是正态分布，Cpk还能算吗？
不能硬套正态公式。明显偏态、有天然边界（如平面度≥0）或多峰的数据，直接套公式会把ppm算错一个数量级。正路有三条：先做数据变换（如Box-Cox）、用Minitab的非正态能力分析（选Weibull等分布拟合）、或改用非参数方法。判断依据：正态概率图+Anderson-Darling检验的P值。
客户要Cpk≥1.67，我只有1.33，先做什么？
别急着上DOE。先算Cp：若Cp已经≥1.67而Cpk只有1.33，说明问题只是中心偏移——校准设备、调整设定值，几乎零成本就能达标；若Cp本身也不够1.67，顺序是先消特殊原因抬Ppk，再上DOE压σ。本例恰好是前者：Cp=1.67、Cpk=1.33，拉回中心即可。
