如何使用Minitab正确计算CPK
最近，我看到公司有很多人使用Minitab计算CPK，但大家在使用这个工具时经常会发生一些错误。下面，我针对一个例子来讲述如何操作Minitab来正确计算CPK。
首先，我们来一起回顾一下过程能力CPK、PPK的概念。
CPK——过程能力指数（短期的）
CPK的评价过程是稳定过程，CPK的样本容量是30~50，CPK评价的是单批（几小时或几天）,CPK=1.33（1.5的偏离）是4σ的水平，合格率达到99.379%。CPK，是进入大批量生产后，为保证批量生产下的产品的品质状况不至于下降，且为保证与小批生产具有同样的控制能力，所进行的生产能力的评价，一般要求≥1.33。PPK——过程性能指数（长期的）
PPK可以不是稳定的过程；PPK的样本容量是大于或等于100， PPK评价的是多批（几周或几个月）。PPK，是进入大批量生产前，对小批生产的能力评价，一般要求≥1.67。
SIX SIGMA引入公司已经多年，大家对Minitab的使用应该也有一定的认识，但是在使用该工具时需要对我们的数据进行检测，这样才能得到准确的计算数值，我们也最容易忽略这点，造成我们平时工作中遇到过程能力值不一致的情况。现通过一个例子来说明，我们容易发生错误的地方到底出现在什么地方。
题设：一个零件的孔径，测量样本为32件，规格为0.225-0.245inch，需要对这个孔径进行过程能力的测量，要求过程能力≥1.33符合要求。
错误的方法如下：
A)统计-质量工具-正态
B）上步完成后进入该操作界面，在子组跨数列中点击C1，后确认
C）得到如图所示的结论，CPK为1.61，此时的sigma水平远高于6个sigma level
在这个情况下我们通常会使用这个值作为我们计算CPK的结果，这个结果是错误的，为什么？我们要记清楚一个原则，CPK的计算必须是建立在数据属于正态分布的前提下进行。那么数据不符合正态分布是不是就不能计算过程能力，答案是“否”。对于数据的分布我们有很多中，如weibull分布，指数分布、对数分布等等。他们分布的不同之处，就是在于这些数据的分布不同，对外的表象就是所谓的钟形图不对称或者产生偏移。
现在我们看看这些数据的分布是否属于正态分布，对其进行正态性检验。
步骤如下：
A)统计-基本统计量-正态性检验
B)点击C1-确定
我们得到C1数据的不是正态分布，原因是小于0.05。
B）上步完成后进入该操作界面，在子组跨数列中点击C1，后确认
C）点击Box-Cox，点击Box-Cox变换，后确定。
D）点击确定；
最后我们得到转化过后数据的CPK值为1.49，这个数据才是真正的CPK值；
总结：1）数据过程能力的计算，之前必须经过正态检测。
2）非正态数据必须经过转换才能计算CPK值。
对于数据不符合正态分布大家必须非常谨慎，此时的过程或者数据收集有异常，需要大家找出这些异常原因。我们计算CPK值是为了更好的管理过程而不是为了得到一个值。