一、Cpk：用数字衡量生产过程达不达标

Cpk（过程能力指数），简单说就是衡量生产过程能否持续满足客户质量要求的量化指标。

它能直观反映一条生产线长期稳定产出合格品的能力。

举个例子。汽车发动机上的关键螺栓，直径公差要求控制在±0.02mm以内。

这种高精度零部件，光靠抽检合格率远远不够，必须用Cpk数值来判断生产线到底稳不稳定、达不达标。

行业内对Cpk数值有明确的分级标准：

Cpk ≥ 1.67

过程能力充足，能稳定满足质量要求，对应缺陷率约0.5ppm（百万分之0.5），几乎不会出问题；

1.33 ≤ Cpk < 1.67

过程能力可以接受，但需要加强监控，及时防范波动风险，对应缺陷率约66ppm；

Cpk < 1.33

过程能力不足，产品质量波动风险明显升高，容易出现批量不合格品，对应缺陷率超过2700ppm。

正因Cpk具备这种直观的量化评估能力，在PPAP（生产件批准程序）资料提交时，客户都会明确要求附带过程能力分析报告。

通过Cpk数值，客户可以直接判断供应商的生产制造能力是否达标——这也是Cpk在供应链质量管控中被广泛使用的重要原因。

二、控制图：实时监测生产过程波动

控制图由美国统计学家休哈特（Walter A. Shewhart）发明，是质量管控领域最经典的工具之一。

最常见的类型是均值-极差控制图（Xbar-R图），通过跟踪过程输出的均值和极差变化趋势，实时监测生产过程中的波动情况。

它最大的价值在于：能帮你区分两种截然不同的波动。

正常波动：由原材料微量差异、设备常规轻微振动等偶然因素引起。

这类波动幅度小、随机出现，属于过程固有的随机波动，无法完全消除，也不需要特别干预。

异常波动：由设备故障、操作失误、参数偏移等系统性因素导致。

这类波动会直接造成产品质量大幅偏差，属于必须及时发现并排除的问题波动。

控制图的八大判异原则，能够识别过程异常信号，比如数据点超出控制界限、连续多个数据点落在中心线同一侧、连续多个数据点呈递增或递减趋势等，

一旦出现这类特征，就代表过程出现异常，需要立即排查原因

三、Cpk和控制图：谁也离不开谁

Cpk的测算有一个严格前提：生产过程必须处于统计受控状态。

而判断过程是否受控，靠的正是控制图。这就是二者最紧密的关联。

道理不难理解。

如果过程中存在未被识别的异常波动，你算出来的Cpk数值就不准确——它混入了系统性偏差，不能真实反映过程的实际能力。

真实案例：某玩具厂注塑环节，模具磨损后没及时更换，产品尺寸出现持续性偏移。

这时候如果直接测算Cpk，数值可能看起来还行，但完全不可信——因为过程本身就处于异常状态，系统性波动没有被排除，数值再好看也说明不了问题。

所以正确的使用顺序是：

只有先确认过程受控，再算Cpk才有意义。

跳过控制图直接算Cpk，算出来的数值没有参考价值。

四、怎么取样才合理？

Cpk测算需要同时考量组内波动和组间波动，取样方式直接影响评估结果的准确性。

规范的取样操作，能让控制图监测和Cpk测算衔接得更顺畅。

行业内常规做法：

子组样本量

一般取3~5个，可根据生产场景灵活调整

取样原则

遵循合理子组原则，在短时间内快速抽取样本组成子组，最大限度降低外部环境变化对组内波动的干扰，

真实反映过程的短期波动状态

取样频率

根据生产节奏确定，保证能捕捉到过程的时间变化趋势

控制图负责实时监测，快速发现并排除异常波动，保障过程处于稳定受控状态——它是Cpk测算有效的前提；

Cpk负责量化评估，在过程受控的基础上，用数值衡量过程满足质量要求的实际能力——它是控制图监测成果的总结

一个监测过程，一个评估能力。

先确认过程受控，再来评估能力，两个工具配合起来才能真正看清生产线的质量水平。

2026年学六西格玛，认准自习人！

[自习人课堂]六西格玛绿带与黑带备考“四件套”：视频课、直播课、有解析的专业题库、答疑服务，助你通过考试！

若是有其它考试相关问题，请添加六六老师微信：zixiren888