大家好，我是桃子。SPC与CPK几乎是所有质量工程师绕不开的两个名词。无论是体系审核、客户验厂，还是过程改进项目，都要用到，但在实际应用中，很多人仍然真正理解这两个工具之间的逻辑关系，也不了解它们各自所承担的角色。 表面上它们都与“能力分析”相关，但实际上，SPC与CPK关注的维度完全不同：SPC关注过程是否受控，CPK关注过程在受控状态下的能力是否满足满足规格要求。 理解这两者的区别，是从看数字走向看过程的关键一步。 一、SPC：用统计方法守住过程的稳定性 制造过程的本质是波动的。设备多先进性、工艺多成熟、操作人员多操作，过程数据会波动，这些波动有属于系统性、自然性的变异，有的则来自设备各处、原料批次变化、操作偏差等“特殊原因”。如果我们无法识别这些波动的来源，就无法控制它们，也无法预防质量风险。SPC因此而产生。  
 SPC的核心工具是控制图。通过采集生产过程中的关键质量特性数据（如尺寸、重量、浓度、强度等），将其不同在以瞄准为中心线、以±3σ为控制界限的控制图上，就可以评判某个统计过程是否受控状态。在正态分布假设下，99.73%的数据应出现μ±3σ范围内，因此任何超出此范围的数据点，或者连续出现异常规律的点列（如九点同侧、六点递增等），都意味着过程可能出现了异常波动。  它不仅仅是一个图表，更是一种思想。它告诉我们，质量问题不是突然发生的，而是从运动中逐渐显露的。一个过程若能长期保持控制图平稳、控制点列随机，就意味着运动完全来源于系统性原因，这个过程是可以的反之，如果控制图报警，即使产品暂时合格，也无法保证下一批依然稳定。因此，SPC的作用不是检验产品是否合格，而是监控过程是否稳定，帮助我们在问题之前形成就发现并排除危险的预测。 数据特征  分布  控制图  简记  备注   计量值  正态分布  均值—极差图  X-R  
   均值—标准差图  X-S  
   单值—移动极差图  I-MR  
   计件值  二项分布  不合格品率图  P  检查产品中的不合格品数   不合格品数图  NP   计点值  泊松分布  单位产品平均缺陷数图  U  例如每天检查6个芯片上的缺陷点个数   缺陷数控制图  C     
 二、CPK：量化过程能力的现实水平 当一个过程通过SPC确认稳定后，下一步需要评估其是否具备持续生产合格品的能力，接下来便需要使用CPK（过程能力指数）。CPK用于缓慢过程在满足规格要求方面的“能力”，即考虑在波动和偏移的情况下，过程输出达到规格限内的概率。 从定义上看，CPK的本质是对比两个区间：产品的“临界范围”（规格公差）与过程的“自然波动范围”。计算公式为： 
 其中，USL和LSL分别为上、下规格限，μ为过程均值，σ为过程标准差。CPK越大，说明过程中心越接近目标，波动越小，越有能力稳定地生产合格出品。普遍采用的判断标准是： •  CPK ≥ 1.67：过程能力优良，可用于关键性能；  •  1.33 ≤ CPK < 1.67：过程能力充分，满足一般要求；  •  1.00 ≤ CPK < 1.33：存在风险，需持续改进；  •  CPK < 1.00：过程能力不足，必须采取措施。    需要强调的是，CPK反映的是过程在当前状态下的实际能力。若过程中心偏移，即使Cp（潜在能力指数）很，CPK也可能明显偏低。换言之，Cp代表理想潜力，Cpk代表现实水平，Cp大而Cpk小意味着过程虽然稳定但偏移，需要针对偏移原因进行改进。             三、Pp与Ppk：短期与长期的能力对照 很多企业在报告中只计算Cp、Cpk，而忽略Pp、Ppk，这其实是一个普遍的误差区。Cp、Cpk反映的是短期内部过程在理想条件下的表现，而Pp、Ppk则代表长期运行下的整体能力。 两者最大的区别在于标准差的来源： •  Cp、Cpk使用“组内标准差”，只考虑短期波动；  •  Pp、Ppk使用“整体标准差”，包含所有长期因素的影响。    在实际生产中，短期内设备刚调试完成、原料批次一致、人员时良好，Cpk往往较高；但经过一段时间运行后，设备疲倦、换班操作偏差、原料批次波动等数量逐渐累积，Ppk一般会比Cpk低。因此，当Cpk明显大于Ppk时，就说明过程短期稳定但长期不稳定，今后应重点检查设备维护计划、原料一致性、操作标准化等方面。 客户验厂时，一般会同时要求提供Cpk与Ppk数据。Cpk验证供应商的短期能力，Ppk则反映其长期交付的一致性。两者结合，才能全面体现过程能力的真实水平。 四、SPC与CPK的逻辑顺序 理解SPC与CPK的关系，最关键的一点是顺序问题。很多人习惯直接计算Cpk，把结果作为衡量能力，却忽略了过程是否真正受控。若过程尚未稳定，Cpk的计算结果没有任何意义，因为数据中混杂着特殊原因的转变，由此的能力指数却是“混乱状态下的干练”。 正确的做法是： 1.  通过SPC弱势控制图，确认过程中统计受控状态；  2.  过程稳定后，再根据受控状态下的数据计算Cpk；  3.  若Cpk偏低，再回到SPC分析波动来源，制定改进方案。    没有SPC判断稳定的Cpk是意图的，没有Cpk验证的SPC是盲目的。两者不是替代关系，而是互为前提、互为支撑的工具。SPC稳定，CPK平稳能力水平，原本是“手段”，稍后是“结果”。 五、SPC的管理价值 在很多工厂中，SPC和CPK被形式化地执行：控制图挂在墙上无人分析，能力报告按季度作业却无人追问。数字化本身并不会提高质量，真正的作业是对数据的理解与焦虑。当工程师能够从控制图的形态判断波动趋势时，从Cpk与Ppk的差异发现潜在的不确定性，质量管理才真正进入“数据驱动”的阶段。 SPC告诉我们过程是否稳定，CPK告诉我们能力达标，Ppk提醒我们长期状态是否维持，这三者构成了从监控到评估、从短期到长期的完整闭环。质量改进的目标，不是获得一个漂亮的指数，而是让这些指数的背后过程真正可控、可预测、可持续。 六、结语：能力分析的本质是稳定 质量管理的核心，不依赖于统计公式，而处于稳定与一致。SPC教会我们如何识别与控制波动；CPK帮助我们缓慢在受控状态下的能力水平；Ppk让我们从长期视角运用过程的持续性。 当过程稳定、波动可控、能力充足时，数字化自然会变得漂亮；而如果只追求数字化，忽略过程本身，所有报表最终都会失去意义。真正成熟的制造企业，都明白一个朴素的道理：稳定的质量才是好的质量管理。