制程能力指数(Cpk)的应用

　　在很多地方我们都看到了Cpk这个东西,但有很多人又不知道这个东西,最近也有网络朋友向我问到这个问题,简单的讲解了一下,感觉效果不是很好.这不,到其他地方找了点资料和自己的理解,重新组织一下,写在下面,还请各位多多指点!

1. Cpk的中文定义为：制程能力指数，是某个工程或制程水准的量化反应，也是工程评估的一类指标。
2. 同Cpk息息相关的两个叁数：Ca , Cp.

Ca: 制程准确度。 Cp: 制程精密度。

1. Cpk, Ca, Cp三者的关系： Cpk = Cp * ( 1 - ┃Ca┃)，Cpk是Ca及Cp两者的中和反应，Ca反应的是位置关系(集中趋势)，Cp反应的是散布关系(离散趋势)
2. 当选择制程站别用Cpk来作管控时，应以成本做考量的首要因素，还有是其品质特性对后制程的影响度。
3. 计算取样数据至少应有20~25组数据，方具有一定代表性。
4. 计算Cpk除收集取样数据外，还应知晓该品质特性的规格上下限(USL，LSL)，才可顺利计算其值。
5. 首先可用Excel的“STDEV”函数自动计算所取样数据的标准差(σ)，再计算出规格公差(T)，及规格中心值(u). 规格公差＝规格上限 规格下限；规格中心值＝（规格上限+规格下限）/2；
6. 依据公式：Ca=(X'-U)/(T/2) ， 计算出制程准确度：Ca值
7. 依据公式：Cp =T/6Sigma ， 计算出制程精密度：Cp值

10.依据公式：Cpk=Cp*(1-绝对值Ca) ， 计算出制程能力指数：Cpk值
11.Cpk的评级标准：（可据此标准对计算出之制程能力指数做相应对策）
A++级 Cpk≥2.0 特优 可考虑成本的降低
A+ 级 2.0 ＞ Cpk ≥ 1.67 优 应当保持之
A 级 1.67 ＞ Cpk ≥ 1.33 良 能力良好，状态稳定，但应尽力提升为A＋级
B 级 1.33 ＞ Cpk ≥ 1.0 一般 状态一般，制程因素稍有变异即有产生不良
的危险，应利用各种资源及方法将其提升为
A级
C 级 1.0 ＞ Cpk ≥ 0.67 差 制程不良较多，必须提升其能力
D 级 0.67 ＞ Cpk 不可接受 其能力太差，应考虑重新整改设计制程。

现在很多的客户要求了解你生産设备的能力，都要求看你的Cpk值。什麽是Cpk值？我这 传载一些介绍给大家，要详细的了解，还是要看SPC。

SPC相关术语解释：
您知道吗？---Cpk or Ppk

客户向你索要你所提供産品或过程的能力报告。您知道要计算Cpk必须要有産品规格、平均值和Sigma，当您收集资讯时，有人可能会问：他们要哪一个Sigma？

要使用估计的Sigma还是计算的Sigma？哪一个更准确？很自然，大多数人都想让所使用的Sigma使Cpk值看起来更好一点，但是这样的Sigma可能并不反映客户所要了解的生産过程。

爲了防止Cpk计算的混淆，出现了一个新的指数Ppk──工序性能指数。Ppk使用从单值中计算出来的Sigma。

应该如何使用它们呢？

利用估计的Sigma计算出来的能力相关值（Cp、Cpk、Cr）被用於测度一个系统适合客户需要的潜在能力。一般用它分析一个系统的自然倾向。

实际的或计算出来的Sigma以及相关指数（Pp、Ppk、Pr）被用於测度一个系统适合客户需要的执行情况或性能。一般用它分析过程的实际性能。

您知道吗？---对称度与峰度：
对称度（Skewness，也称爲“歪斜度”）：度量分布离开正态分布的程度。若分布不对称，就称爲歪斜。如果分布的某一边比另一边多（“尾巴”），就都是有“歪斜”。如果“尾巴”偏向於较大值，就称分布爲正歪斜或向右歪斜；如果“尾巴”偏向於较小值，就称分布爲负歪斜或向左歪斜。

峰度（Kurtosis）度量分布的尖锐程度。值爲0表示爲正态分布。若爲正值则说明更多的数值集中在均值附近；若爲负值说明曲线有一个比正态分布更尖的顶。

您知道吗？测量系统分析（MSA）的简单介绍，引言:在工厂的日常生産中，我们经常要对各种各样的测量资料进行分析，以得到某些结论或采取行动。爲了保证得到的结论或采取的行动是正确的，除了保证正确的分析方法外，必须把注意力集中在测量资料的质量上。

测量资料的质量：
测量系统指由操作、程式、量具、设备、软体以及操作人员的集合来获得测量结果的整个过程。理想的测量系统在每次使用时，应只産生“正确”的测量结果，然而，几乎不存在具有这样理想的统计特性的测量系统。测量资料品质与稳定条件下运行的某一测量系统得到的多次测量结果的统计特性有关，表徵资料品质最通用的统计特性是偏倚和方差。所谓偏倚的特性，是指数据相对标准值的位置，而所谓方差的特性，是指数据的分布。
低质量数据最普通的原因之一是资料变差太大，一组测量的变差大多是由於测量系统和它的环境之间的交互作用造成的。一个具有大量变差的测量系统，用来分析一个制造过程可能是不恰当的，因爲测量系统的变差可能会掩盖制造过程中的变差。

我们应该对测量系统变差进行监视和控制，如果测量资料的质量是不可接受的，则必须改进测量系统。

测量系统的统计特性，爲了获得高质量的测量资料，测量系统必须具有下述特性：
1) 测量系统必须处於统计控制中，这意味着测量系统中的变差只能是由於普通原因而非特殊原因造成的，这可称爲统计稳定性；
2) 测量系统的变异必须比制造过程的变异小；
3) 测量系统的变异应小於公差带；
4) 测量精度应高於过程变异和公差带两者中精度较高者，一般来说，测量精度是过程变异和公差带两者中精度较高者的十分之一；
5) 若测量系统统计特性可能随被测专案的改变而变化，则测量系统最大的变差应小於过程变差和公差带两者中的较小者。

测量系统评价：
评价一个测量系统时，首先，应看该测量系统是否有足够的分辨力，即测量系统检出并如实指示被测特性中极小变化的能力，解析度最多是总过程的6Sigma（标准偏差）的十分之一。

测量系统误差可以分成五种类型：偏倚、线性、稳定性、重复性和再线性。

偏 倚：
偏倚指测量结果的观测平均值与基准值的差值；偏倚=观察平均值-基准值。

线 性：
线性指测量仪器预期工作范围内偏倚值的差别；在测量仪器的工作范围内选取一些零件可确定线性。这些被选零件的偏倚由基准值与测量观察平均值之间的差值确定。

稳定性：
稳定性指测量系统在某持续时间内测量同一基准或零件的单一特性时获得的测量值总变差；通过使用控制图来确定统计稳定性，控制图可提供方法来分离影响所有测量结果的原因産生的变差和特殊条件産生的变差

重复性和再现性（R&R）：
重复性指测量一个零件的某特性时，一位评价人用同一量具多次测量的变差；测量过程的重复性意味着测量系统自身的变异是一致的。由於仪器自身以及零件在仪器中位置变化导致的测量变差是重复性误差的两个一般原因。

再现性指测量一个零件的某特性时，不同评价人用同一量具测量的平均值变差。测量过程的再现性表明评价人的变异性是一致的，变异性代表每位评价人造成的递增偏倚。如果这种偏倚真正存在，每位评价人的所有平均值将会不同。

量具重复性和再现性（R&R）的可接受准则是：低於10%的误差 - 测量系统可接受；10%至30%的误差 ━ 根据应用的重要性、量具成本和维修的费用等可能是可接受的；大於30%的误差 ━ 测量系统需要改进。