Cpk过程能力计算器
短期 Cp/Cpk 与长期 Pp/Ppk 双口径、直方图叠加规格线、Z 值预计不良 PPM
粘贴数值序列(逗号 / 空格 / 换行宽容解析)或手填 μ/σ,立即得到双口径过程能力指数: 短期 σ_st 用组内极差 R̄/d₂(分组模式)或 s/c₄ 近似(无分组,注明局限),长期 σ 用全体样本标准差(n−1); 单侧规格只算 Cpk/Ppk。直方图 10~15 箱叠加 USL/LSL 规格线(红 dashed)与 μ±3σ 区间, 按 Cpk <1.0 不足 / 1.0~1.33 有条件 / ≥1.33 充足 / ≥1.67 优秀四档判定,并用正态 CDF(Abramowitz-Stegun 自实现) 估算两侧预计不良 PPM。全部计算在浏览器本地完成。
双口径的含义:短期 σ(组内变差)回答「过程潜力有多大」,长期 σ(全体变差)回答「现在实际干得怎么样」。 Ppk 显著低于 Cpk 是批次间漂移的信号。测量系统本身要先过关——建议先用 GR&R 测量系统分析 确认量具可用。
数据输入
已识别 0 个数值
样本不足一组(少于 5 个):短期 σ 采用 s/c₄ 近似。局限:全体样本标准差已包含批次间变差, 会高估组内 σ,使 Cp 与 Pp 几乎相同——建议凑齐按时间顺序的分组数据(推荐 ≥25 组)再用极差法。
规格限可只填一侧(单侧规格场景,如平面度只有上限、强度只有下限):此时只计算 Cpk/Ppk,Cp/Pp 显示「—」。
Cpk 判定档
Cpk < 1.0
能力不足:预计不良偏高,建议全检或过程整改
1.0 ≤ Cpk < 1.33
有条件:勉强满足规格,加强监控与抽检
1.33 ≤ Cpk < 1.67
充足:满足通用要求(汽车行业 1.33)
Cpk ≥ 1.67
优秀:能力充裕,可考虑收紧公差或降本
当前 Cpk = —,Ppk = —,Ppk 同口径分档。
d₂ / c₄ 系数速查
σ_st = R̄ / d₂(分组极差法,X̄-R 控制图口径);未分组时 σ_st ≈ s / c₄, c₄(n) = √(2/(n−1)) · Γ(n/2) / Γ((n−1)/2),用 Lanczos 对数伽马自实现(如 c₄(2)=0.7979、c₄(5)=0.9400、c₄(10)=0.9727)。
#Cpk 是什么?Cp 与 Cpk 的区别
Cp 与 Cpk 都是「过程能力指数」:把过程的分散(6σ)与公差带(USL−LSL)做比较。Cp = (USL−LSL)/(6σ) 只看宽度, 完全不管均值 μ 停在哪里;Cpk = min(USL−μ, μ−LSL)/(3σ) 同时考虑宽度与偏心,取距离规格中心更近那一侧的「余量」。 所以 Cp ≥ Cpk 恒成立(双侧规格时),两者差距就是偏心损失:数据分布再瘦,中心偏离规格中心,Cpk 一样掉。 改善顺序也因此明确:先把 Cpk 提上来(对中、调机),再谈收窄 σ。
#短期 σ 与长期 σ:R̄/d₂ 与样本标准差
短期 σ_st 应该只包含「组内」的瞬时变差:分组模式下用各组极差的均值 R̄ 除以 d₂ 系数(σ_st = R̄/d₂,k 为每组样本量, d₂(2)=1.128、d₂(3)=1.693、d₂(4)=2.059、d₂(5)=2.326、d₂(6)=2.534、d₂(7)=2.704、d₂(8)=2.847、d₂(9)=2.970、d₂(10)=3.078)。 长期 σ_lt 就是全体样本标准差(除以 n−1),它额外包含批次间漂移、换料换班、刀具磨损等时间性因素。 因此 σ_st ≤ σ_lt 恒成立(数据真实分组时)。没有分组数据时,本工具用 s/c₄ 近似短期 σ——但这只是无奈之举: 全体 s 已经含批次间变差,算出的 Cp 会接近 Pp,失去「潜力 vs 现状」的对比意义,请尽量按时间顺序分组(推荐 25 组以上)。
#1.33 这个门槛从哪来?
Cpk = 1.33 意味着规格限到 μ 的距离是 4σ(4 ÷ 3 ≈ 1.33)。正态分布下单侧超出 4σ 的概率约 31.7 PPM, 双侧合计约 63 PPM——「±4σ 过程」是汽车行业(IATF 16949 / AIAG SPC 手册)给供应商定下的通用门槛: 再留出 1.5σ 的均值漂移余量后,实际不良仍在千分之几量级,成本与风险平衡。 Cpk = 1.0 对应 ±3σ(双侧约 2,700 PPM),只算勉强能用;Cpk ≥ 1.67(±5σ,双侧约 0.57 PPM)用于安全件与关键特性。 判定档对应的 PPM 数字可以直接从本工具的「预计不良」列读出。
#单侧规格怎么办?
平面度、圆度、粗糙度、泄漏率只有上限(USL),拉伸强度、寿命只有下限(LSL)——单侧规格下 Cp/Pp 没有意义 (公差带不存在),只计算有规格那一侧:Cpk = (USL−μ)/(3σ) 或 (μ−LSL)/(3σ),Z 值与预计不良也只算该侧。 本工具允许 USL/LSL 只填一侧,另一侧留空即可,结果区会明确标注「单侧规格」。 另外多数单侧特性不服从正态(如平面度右偏),此时建议先做正态性检查或做对数变换,再解读 Cpk。
#Cpk 与 Ppk 差异诊断
同一组数据:Ppk ≤ Cpk 恒成立(长期 σ 含组内变差)。两者接近(差 < 0.15 左右)说明过程稳定、批次间漂移小; Ppk 显著低于 Cpk 则是「组内很稳、批间在漂」的典型信号——逐项排查:换料(来料批次差异)、换班(操作者手法)、 治具/刀具磨损(随时间的系统性漂移)、温度与环境节律。诊断前先确认测量系统可用: GR&R 测量系统分析 是前置步骤, 实测不良与预计不良的对比可用 DPPM 良率计算器。
#常见问题 (FAQ)
Cpk 1.0 意味着多少不良率?
Cpk = 1.0 表示规格限距 μ 3σ:正态下单侧超出 3σ 约 1,350 PPM,双侧合计约 2,700 PPM(千分之 2.7)。 这只是「勉强可用」,量产通常要求 ≥1.33(双侧约 63 PPM)、关键特性 ≥1.67。
Cp 一样、Cpk 不同说明什么?
Cp 只由 σ 与公差带宽度决定,σ 没变则 Cp 不变;Cpk 额外受均值位置影响。两组数据 Cp 相同而 Cpk 不同, 说明分散程度一样但偏心程度不同——Cpk 低的那组均值更靠近规格限。改善动作是「对中」(调机、工装定位),而不是收窄 σ。
为什么我的 Cp 和 Pp 几乎一样?
多半是没分组:没有分组数据时短期 σ 只能用全体样本的 s/c₄ 近似,它和长期 σ(同为全体 s)自然几乎相同。 按「每组 5 个、连续抽取 25 组以上」的时间顺序重新采样分组,Cpk 才能反映组内潜力,与 Ppk 拉开差距。
算 Cpk 要多少个数据?
常规推荐:至少 25 个分组 × 每组 4~5 个(约 100~125 个按时间顺序的个体),且过程处于统计受控状态、近似正态。 数据太少时 σ 的估计波动大,Cpk 的小数点后两位没有意义;单侧或偏态特性先验证正态性再做结论。
口径与局限声明:短期 σ 的 s/c₄ 近似仅适用于无分组数据时的粗估;d₂ 表覆盖每组 2~10 个样本;正态 CDF 采用 Abramowitz-Stegun 近似(误差 ≤1.5×10⁻⁷)。正式过程能力研究以 AIAG SPC 手册与统计软件为准。
相关工具推荐
单位换算器
支持长度、重量、温度、面积、体积等多种单位类型的相互转换
科学计算器
高级数学运算,支持三角函数、对数、指数运算等科学计算,包含内存管理和历史记录
统计学计算器
数据分析工具,支持描述统计、回归分析、概率分布、假设检验等统计计算
方程求解器
一次方程、二次方程、方程组求解,支持图像绘制、牛顿迭代法和数值方法
财务比率计算器
盈利能力、偿债能力、运营能力比率分析,支持图表展示、行业对比和财务健康评分
折扣计算器
计算折扣后价格、节省金额和折扣率,支持折扣率和折数输入