CPK的介绍以及计算公式

CPK名词解释及方程式组成结构：

CPK=CP *（1 - K）

U：设计目标数

设计上、下限： 设计上限： 平均数+ 3σ 设计下限：平均数- 3σ

控制上、下限：图纸的控制要求尺寸，如 100±0.25 ，则尺寸控制上限为100.25，控制下限为99.75。

X – (AVERAGF): 平均数（每组数据总和的平均值） CPK 方程式： *（1 - ）

控制上限 - 控制下限

设计上限- 设计下限 设计最大值+设计最小值

2 - 平均数（控制上限 - 控制下限）/ 2

测量最大值+平均数

2

K： 方程式： μ – 平均数

（设计上限 - 设计下限）/2 控制上限 - 控制下限

设计上限 - 设计下限

CP： 方程式：

（Xi-X－）2∑

N

σ：西格玛 方程式： μ： 方程式：

R ：客户所需求的σ倍数 N ：数据组内的数据个数

∑ ：求合数

CPK计算例题

某产品其中一项尺寸控制要求为100mm±0.25mm，取10pcs产品进行测量，数据分别为：

NO 1 2 3 4 5 6 7 8 9 10

规格尺寸 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25 100±0.25

实测尺寸 100.21 100.25 100.20 100.19 100.18 100.17 100.16 100.18 100.19

100.23

该项尺寸控制上限为100.25mm，控制下限为99.75。

cpk计算公式详细

CPK，即Cp、Cpk和Cpm，是能够描述过程能力的重要指标。其中，Cp为<有效性指标，Cpk为“程度比较指标”，而Cpm为“变异比较指标”。

Cp指标是基于正态分布状态，即认为过程输出跟正态分布有关，它反映了生产过程能劦程度。假定正态分布状态，考虑生产过程的变异，当生产过程不确定时，采用正态分布状态，使用Cp进行数据解释，把样本视为随机变量，并采用工业统计学技术，可以检验该过程的有效性。

Cp=（USL-LSL）/（6σ）

其中USL为上控制限，LSL为特定时期的下控制限，σ为求出的总体标准差。

指标Cpk可直接使用先前提及的Cp正态分布表来计算，它能反映生产过程偏离中心位置的程度，有助于判断是否存在偏差，以及偏差的程度。

Cpk=（（USL-μ）/（3σ）+（μ-LSL）/（3σ））

其中μ，又称中心位置，为预期的过程均值。

指标Cpm指的是单次变异比较指标，而Cpk可看做是求到批内变异比较指标，受理论认识和客观规律，他们对事件信息的价值差不太多。

Cpm=（USL-LSL）/（6x）

其中x为变异数据各个样本，可以是极差、组内极差或误差等指标。

总之，CpK和CPM是用来评估过程质量有效性和可控性的重要检验工具，它们通过计算Cp、Cpk和Cpm来比较过程的质量，为改进过程的质量，提供客观的指导。同时，Cp/Cpk/Cpm指标可以提前发现潜在的质量问题，帮助企业更好地优化生产管理，提高产品质量，降低成本，改善企业的经营效率。

过程能力CPK的计算方法

Cpk是一种用于量化制程水平的指数，它可以通过一个数值来反映制程的合格率。Cpk的计算公式为Cpk=Cp(1-|Ca|)，其中Ca代表制程准确度，Cp代表制程精密度。需要注意的是，在计算Cpk时，样本数据至少应有20组，并且数据要具有一定代表性。

根据Cpk值的大小，可以将制程分为不同的等级。A+级表示制程水平非常高，Cpk值大于等于1.67；A级表示状态良好，Cpk值在1.33到1.67之间；B级表示需要改进，Cpk值在1.0到1.33之间；C级表示制程不良较多，Cpk值在0.67到1.0之间；D级表示制程能力较差，Cpk值小于0.67.

在制程规格方面，可以分为单边规格和双边规格。单边规格只有规格上限或规格下限，数据越接近上限或下限越好；双边规格有上下限与中心值，数据越接近中心值越好。其中，USL代表规格上限，LSL代表规格下限，C代表规格中心。

制程准确度Ca用于衡量“实际平均值”与“规格中心值”的一致性。对于单边规格，不存在规格中心，因此也就不存在Ca；对于双边规格，Ca的等级评定和处理原则与Cp类似。

制程精密度Cp衡量的是“规格公差宽度”与“制程变异宽度”之比例。对于只有规格上限和规格中心的规格、只有规格下限和规格中心的规格以及双边规格，Cp的等级评定和处理原则也有所不同。

总之，Cpk是一个非常重要的制程能力指数，可以帮助企业量化制程水平，进而采取相应的措施来提升制程能力。如果需要计算Cpk值，可以使用免费的CPK计算工具。

ca cp cpk计算公式

CA（准确度）、CP（精密度）和 CPK（综合制程能力指数）是在生产制造和质量控制领域中常用的重要指标，对于确保产品质量和生产过程的稳定性起着关键作用。

咱先来说说 CA 吧，它其实就是测量值的平均值与规格中心值之间的差异。比如说，咱有一批零件，规格中心值应该是 10 厘米，但是测量这堆零件的平均值是 9.8 厘米，那这中间差的 0.2 厘米就是 CA 啦。

CP 呢，反映的是制程的精密度。还是拿刚才那批零件举例，如果零件的尺寸分布比较集中，那就说明精密度高，CP 值就大；要是尺寸分布很分散，那精密度就低，CP 值就小。

CPK 就更综合一些啦，它综合考虑了 CA 和 CP 。CPK 值越大，说明制程能力越强，产品质量越稳定。

我记得有一次在一家工厂实习的时候，就碰到了关于 CPK 计算的事儿。那是生产一种小型电子元件的车间，产品的规格要求非常严格。当时有一批产品的质量不太稳定，大家都很着急。工程师们就赶紧收集数据，计算 CA、CP 和 CPK 。

我跟着他们在车间里跑来跑去，一会儿测量零件尺寸，一会儿记录数据。那场面，真是紧张又忙碌。我们发现，有些零件的尺寸偏差比较大，CA 值明显偏离了规格中心，而 CP 值也不高，说明生产过程的精密度不够。 经过一番分析，原来是其中一台生产设备出了点小毛病，导致加工出来的零件尺寸不太稳定。维修人员赶紧对设备进行了维修和调试，然后重新生产了一批零件。

再次测量和计算 CPK 后，发现数值有了明显的提升，产品质量也稳定了下来。大家这才松了一口气。

通过这件事，我深刻地体会到了 CPK 计算公式的重要性。它就像是一个诊断工具，能够帮助我们快速找出生产过程中的问题，从而采取有效的措施来改进。

在实际应用中，计算 CA、CP 和 CPK 并不复杂，但是要准确地收集数据和进行分析。比如说，测量数据的时候一定要仔细，不能有误差。而且要选择合适的样本数量，太少了不准确，太多了又浪费时间和成本。