CPK应用指导

CPK应用指导
一、工具原理
过程能力是指过程加工质量方面的能力，它是衡量过程加工内在一致性，是稳态下的最小波动。

C p（Process Capability index）－表示过程容差与自然容差的比值大小，用来衡量过程的能力。

C p=USL−LSL
6σ
由于C p无法反映当中心值偏离时过程能力的变
化，由此引出了另一个指数C pk的概念。

C pk（Complex Process Capability index）－
表示当过程中心值偏移时，中心值与规格上下限之
间的最短距离与1/2自然容差的比值大小。

C pu=USL−μ3σ
C pl=μ−LSL 3σ
C pk=minimum｛C pu，C pl｝
CPK中Ca: 制程准确度，Cp: 制程精密度。

图中蓝色曲线的表示正常情况下期望的正态分布 Normal distribution。

图中红色曲线为实际的分布情况。

M表示期望值，μ为实际的平均值。

在分布的过程中，准确度Ca，希望μ值与期望值M越接近越好。

精确度Cp值，也就是精密度值希望越大越好，因为这样代表更加的集中。

但实际上总会出现偏差。

C pk =(1−|C a |)C p =(1−|2εT
|)C p C p 和C pk 的比较与说明
1. 无偏移情况的C p 表示过程加工的一致性，即“质量能力”，C p 越大，则质量能力越强；
而有偏移情况的C pk 反映过程加工中心μ与公差中心M 的偏差情况，C pk 越大，则二者偏离越小，是过程“质量能力”与“管理能力”二者的综合的结果。

2. 故C p 和C pk 二者的重点不同，需要同时加以考虑，将C p 和C pk 二数值联合使用，可对产品
质量有更全面的了解。

二、 工具应用的目的、效益
1. 对工艺过程满足技术要求的程度和过程质量进行评定，衡量工序能力，识别改进机会。

2. 认清、掌握工序实际生产能力水平。

3. 若在CPK 较小的情况下生产，过程能力可能不能满足质量要求，产品质量可能不稳定。

三、 工具应用的前提、条件
1. 测量的工艺参数数据服从正态分布。

2. 工序过程稳定，即处于统计受控状态。

3. 规格控制限制定准确。

4. 对分析的工序，只采用一个工艺参数表征该工序的质量，而且对这个工艺参数只有一个
规范要求。

四、 应用流程、要求
CPK 评价流程和注意事项
1. 确定评价对象
工序能力表征的是“工序”的能力。

为了保证评价结果的正确性，要求评价时采用的工艺参数数据“服从同一种分布”，这就要求生产过程中5M1E 因素在宏观上保持不变。

其中“操作方法”“测量”和“环境”通常保持不变。

在生产过程中只要保持采用一个厂家提供的同批次原材料，也可以使“原材料”保持不变。

为了保证工艺参数数据“服从同一种分布”，在确定评价对象时应针对“机器”和“人”这两个因素，注意以下几个问题
● 如果同一道工序有多台相同设备，评价工序能力指数时应分别计算每一台设备的
CPK 。

● 如果同一台设备加工几个品种，应选择典型产品评价。

将不同品种的数据混合在一
起，将导致CPK 计算结果偏低。

● 对于主要是手工操作的设备，有可能同一台设备按班次安排有几个操作人员。

由于
工序能力指数评价是针对设备进行的，而加工结果与操作人员的“技艺水平”关系
非常密切。

可以采用CPK值评价的方法用同一台设备评价单个操作人员的“水平”。

然后尽量将“技艺水平”差不多的操作人员安排在同一台设备上，使他们加工的工
艺参数数据基本“服从同一种分布”
●CPK评价的是工序的总体水平，而不是某一次操作的具体情况，因此，在日常生产
过程中，不需要将工序能力指数评价作为每天必做的常规工作。

可以隔一段时间（一
个月），采用这段时期内采集的艺参数数据计算CPK值。

2.工艺参数数据采集
●数据个数
评价工序能力指数是根据有限的工艺参数数据推算描述母体分布的，进而计算CPK
值。

根据数理统计原理，数据个数越多，计算结果越“精确”。

但考虑数据采集的
难度或成本，一般有100个数据即可。

应该明确，计算CPK值时采用的数据越少，计算结果的置信区间就越宽，因此评价结果的可信程度就越差。

●数据采集频次
对CPK评价而言，不需要在一次采集中就得到要求的数据个数，但是抽样方式应固
定，不得掺入人为因素。

●应该在工艺稳定受控情况下采集数据，否则得到的工序能力指数并不能代表工艺的
真正水平，其结果最多只起参考作用。

●关于“异常数据”的剔除原则：应该按照统计工具确定某个数据是否为异常数据，
不能凭个人“感觉”随意删除已采集的数据。

3.测量仪器对CPK评价结果的影响
为了保证CPK评价结果的正确性，采用的测试仪器必须具有满足评价要求的“准确
度”、“分辨率”和“精密度”。

●为了保证计算精度，测试的工艺参数数据之间必须在两位有效数字上有所差别。

如
果测试仪器只能判断参数是否符合规范要求，而不能给出具体数值，或者因为仪器
分辨率不够，测得的数据都是相同的值（或是几种不同的数值），由这种数据很难
正确地计算工序能力指数。

●通常用标准偏差大小表征仪器的“精密度”，一般要求仪器的标准偏差不大于工艺
参数数据标准偏差的十分之一，否则会使计算的CPK值明显偏低。

4.失控分析
●对计量值控制图的分析“顺序”
均值控制图的控制限是采用各批数据极差（标准偏差）的平均值计算的，因此只有
在极差（标准偏差）控制图正常的情况下再分析均值控制图的失控问题。

●在查找失控原因时首先判断是否存在“虚假数据”
●关于“好”的异常和“坏”的异常
根据判断规则可以从控制图判断生产工艺过程是否出现失控，即判断生产过程是否存在异常原因。

一般情况下，过程异常都是我们不希望看到的“坏”的异常。

但是有时出现的异常也可能是一种“好”的异常。

只要出现异常，都说明工艺过程的状态发生了变化，均应进行质量分析。

对“坏”
的异常，应查找原因，采取措施，消除异常因素。

对“好”的异常，首先应确认确实是“好”的异常，而不是虚假现象。

然后通过质量分析，查找出原因后，采取措施将其保持，使工艺版处于新的受控状态。

不管哪种异常，通过质量分析查找原因后，均要重新采用分析用控制图，直到确认工艺过程又处于稳定受控时，才转为控制用控制图。

五、应用场合
关键工艺参数、过程参数、产品参数计算，识别制程能力。

六、应用注意点、难点
使用CPK时应注意（参见《统计过程控制与评价——CPK、SPC、和PPM技术》第3章）
1.CPK值计算精度问题
●在计算工序能力指数之前，需计算工艺参数分布的标准偏差，通常采用以下四种方
法计算得s，作为母体分布标准偏差σ的近似值。

●总体方差法、均值方差法、分组极差法、分组方差法
●从数理统计的基本原理考虑，这些计算方法都是可行的，但是它们都是属于“点估
计法”，计算结果与数据量大小、数据起伏以及测量误差等多种因素密切相关。

当
数据个数趋于无穷大时，四种方法的计算结果将趋于同一个值。

但是，实际生产中
用于计算工序能力指数的数据个数总是有限的，这样对同一批数据，采用不同方法，结果可能相差很大。

2.数据为非正态分布的情况
3.单个参数多种规范要求的问题
4.多品种情况CPK的计算问题
5.多变量工序能力指数的问题
七、参考附件
最新版本设备Cmk值检测评定报告.xls。