浅谈CPK-如何正确认识CPK？

作者|黄少石

来源|常州企业管理CEMA

全文总计1648字，需阅读5分钟，以下为正文：

01

CPK与PPK作为质量工具中的一部分，有很多人谈及但也有很多人对它不了解，神话它，对它有误解。

了解了什么是CPK,知道了几种常见的被误解的CPK，（点击查看：）是不是更想看看如何正确分析CPK呢？

如何正确认识CPK

其实单独说CPK和PPK值是不准确的，提到CPK和PPK，同时还有CP和PP，这两对应该同时出现，并且加以解读。

当过程不考虑中心偏移的时候，CP值表示过程分布的波动情况（即假设过程输出中心与规格中心重合）

如上图，假设过程三与规格中心重合，则过程三所表示即CP。 过程一考虑到过程中心偏移下，CPK=CP（1-丨K丨），因此CPK中的K我们叫做偏离度。

而上下规格限外红色区域为不良数。 我们从图中还有CP、CPK公式中发现：

CP≥CPK（当过程输出中心与规格中心时候两者相等），假设CP为1.45，CPK为1.33，说明过程波动可接受，过程中心偏移较小，过程能力较好；

如果CP为1.45，CPK为0.88，说明过程波动可接受，过程中心偏移较严重，应及时调整过程中心；

如果CP为0.88，CPK为0.12，说明过程波动不可接受，且过程中心偏移严重，此时应优先调整过程中心。 同理分析PP与PPK。

02
那么CPK和PPK之间呢？

由于PPK包括组内与组间差异，因此PPK一般小于CPK，如果两者相差较小，说明组间变异较小，反之说明组间存在较大变异，这时我们需要去研究影响组间变异的因素，减小组间差异。

1.我们数据收集应该独立——不同的模具号，不同的产线，4M变更等情况下应分开处理，不应该将这些数据混在一起，可能会将变异增大。

数据独立可使用minitab进行分析，但是实际操作上的独立意义大于统计上的独立，因此此处不讲解如何使用minitab进行分析。

2.数据应该受控，在数据收集后进行控制图分析，看是否出现异常点，如果自组数量≤8可使用均值-极差图，如果子组数量为1可使用单值移动极差图。

3.数据应满足正态分布，在minitab中（介绍一种）： 统计、基本统计量、正态性检验（选取需要分析的数据，其它默认，确定）

查看P值，P＞α（α取0.05），因此无法拒绝原假设，数据符合正态分布。

满足上述三个条件后，我们正式进入CPK分析。

统计、质量工具、能力分析、正态、选择需要分析的数据，输入规格上下限，如果为单边公差，只需要填写一个即可，没有规格下限的不得填写0！

（没有规格下限和规格下限为0是不一样的含义）。 使用上述案例分析，我们会得到上面图形，此处不做详细叙述。

03
很多时候时候数据不符合正态分布怎么办？

CPK是属于计量型，还有属于计数型可以使用其他过程能力分析方法。 那么数据是计量型，但仍不满足正态分布：

1、使用图形化化汇总查看分布的偏度和峰度（统计、基本统计量、图形化汇总，变量选择所要分析数据，其余默认）

如果数据不符合正态分布，我们一般拟合为其它分布或者进行数据转换，但数据拟合会带来拟合误差，影响计算出的值的可信度。

由于偏度和峰度为分布状态的一种指标，因此偏度和峰度在-1至1之间，此过程可近似于正态分布，使用正态过程能力分析，此时虽然也有误差，

但总体误差会相比于拟合情况要好些，因此在不正态情况下，我们会优先考使用这种方法。

2、如果偏度和峰度超出-1至1之间，可以使用个体分布标识（统计、质量工具、个体分布标识），这里提供13种分布拟合，和2种转换。

输出结果有图形输出和对话框P值输出，我们直接看对话框就好了：

我们看P值最大的，一个，这里是Johnson变换，p值为0.930。

然后打开能力分析，这里依然选择正态（如果是两种转换的话，我们依然选择正态，如果是13种拟合我们选择非正态，我们再选择非正态），在对话框中选择变换，然后选择Johnson变换，其它默认后确定，即输出结果。

（Johnson变换是不会输出CPK值的，只会输出PPK值，因为原数据是不满足正态分布的，因此不会有CPK值。 ）

如果是非正态的话： 选择合适的分布即可，同理也不会输出CPK值。

3、如果上述两种情况皆不符合，可使用非参数方法进行计算，篇幅有限，此处不多做介绍，如果现实遇到此类情况，可单独交流。

说 明： 以上内容仅围绕CPK值做简单的介绍，关于CPK与PPK之间的关系、差异、使用情况均未进行详细的叙述。 如以上内容有误，或有意见，欢迎交流学习。

纸质手册预售：
-
- - -

声明：标杆精益公众号所发稿件、图片、视频均用于学习交流，文章来自网络或者益友投稿，版权归作者所有，如涉及作品内容、版权和其他问题，请及时与我们联系删除！