质量部门最容易出现一种场面。
客户审核问：
“这道关键工序Cpk多少？”
设备验收又在问：
“新机台Cmk做了吗？”
计量室还提醒：
“这个量具Cgk没过，先别急着分析产品数据。”
再打开质量报告，里面还有Ca、Cp、Pp、Ppk……
字母长得差不多，数字也经常都是1点几。
现场时间一长，很容易把它们全部归成一句：
“反正都是看过程能力。”
其实完全不是一回事，简单点记：
Ca看偏没偏；Cp、Cpk看过程能力；Pp、Ppk看长期实际表现；Cmk看机器能力；Cg、Cgk看量具能力。
真正搞混以后，麻烦的不只是报告填错。
更现实的是：
问题明明出在测量系统，你却去调设备；问题明明是长期生产条件变化，你却只盯一次Cpk；设备验收数据很好，量产以后却天天超差。
所以这篇不准备带大家死背公式，重点就讲一件事：
什么场景，该看什么指标。
以下解读中所用到的质量管理系统——简道云已经做成了完整的模板，可直接下载使用：https://www.jiandaoyun.com
01 Ca、Cp、Cpk：先判断过程“散不散、偏不偏”
先看一个最常见的加工场景。
某根轴尺寸要求：
10±0.10mm。
也就是说，上限10.10mm，下限9.90mm。
连续测了几十件，全都合格。
这时候能不能直接说：
“过程能力很好”？
不能。
因为“这批产品没有超差”和“过程本身有能力长期稳定生产”，不是一回事。
Cp：先看过程波动有多大
Cp比较的是：
规格允许的宽度，和过程自身波动宽度。
公式可以简单理解成：
Cp = 公差宽度 ÷ 过程波动宽度。
如果规格是9.90～10.10mm，而实际生产的数据都集中在9.98～10.02mm附近，说明过程波动很小，Cp通常会比较高。
反过来，如果尺寸已经从9.91飘到10.09，虽然暂时还没有超差，但已经快把公差范围吃满了。
稍微碰上刀具磨损、材料变化，产品就可能出界。
所以Cp回答的是：
如果过程中心正好居中，这个过程本身的波动够不够小。
但它有一个明显缺点：
不管中心偏没偏。
Ca：再看中心有没有跑偏
还是刚才这根轴。
理论中心是10.00mm。
如果生产平均值一直在10.00附近，说明中心比较正。
但如果平均值已经跑到10.07mm附近，哪怕产品波动仍然很小，也说明：
整个过程正在往规格上限靠。
Ca主要就是看这个：
过程平均值偏离目标中心的程度。
所以现场看到Ca异常时，第一反应不应该是“设备波动太大”。
而要先查：
- 工艺设定有没有偏；
- 刀具补偿有没有调整；
- 定位基准有没有变化；
- 换批材料以后，尺寸有没有整体漂移。
Cpk：波动和偏移一起看
这也是实际生产中，大家更常关注Cpk的原因。
因为Cpk不仅看过程散不散，还看：
过程中心离最近的规格边界还有多少空间。
现场很典型的一种情况就是：
Cp很高，但Cpk明显低。
这往往说明：
过程本身波动不算大，但：中心已经偏向一边。
所以质量人员看到Cp、Cpk差距明显时，不要上来就要求“继续降低波动”。
先查：中心为什么跑了。
这也是为什么质量系统里，不能只留下“合格/不合格”。
像在简道云质量管理系统里做PQC工序检验时，更有价值的是把：
产品、工序、检验项目、规格上下限、实际测量值、批次
持续记录下来。
月底如果只看到：
本月工序合格率98.6%。
其实很难判断问题到底发生在哪里。
而实际测量值沉淀下来以后，才能继续看：
是波动越来越大，还是平均值正在一点点向规格边界移动。
02 Cpk和Ppk：为什么试产很好，量产以后却越来越差？
Cpk和Ppk是现场最容易混的一组。
很多人简单记成：
Cpk看短期，Ppk看长期。
这样理解不算完全错，但还不够。
真正的区别，在于：
两者计算波动的方式不同。
Cpk通常更关注过程处于稳定状态时的组内波动。
也就是：
如果过程本身是稳定的，它有没有能力满足规格。
Ppk则把一段时间内整体数据的波动都算进去。
所以它更接近：
实际生产一段时间以后，你真正做成了什么样。
举个特别典型的场景。
新产品试产时：
同一批原料；同一台设备；同一个操作人员；工艺参数刚刚调好。
连续生产几十件，Cpk非常漂亮。
可正式量产三个月以后：
白班夜班都在生产；
材料换了几个供应批次；
刀具经历了磨损；
设备中间做过保养；
操作人员也换过。
这个时候，长期波动很可能就会放大。
于是出现：
Cpk不错，Ppk却明显偏低。
这时候真正应该查的，不是：
“是不是公式算错了？”
而是：
量产过程中，到底多出了什么波动。
比如把数据拆开看：
- 某个班组明显偏高；
- 某台设备离散特别大；
- 某批材料进来以后不良突然增加；
- 刀具使用到后半段时尺寸开始漂。
这些才是真正能指导改善的信息。
简道云质量管理系统里，本身覆盖了IQC来料检验、PQC工序检验、FQC成品检验、OQC发退货检验以及库存质检。
如果前面的供应商、物料、产品、工序、班组等基础数据维护清楚，后面的质检数据就不再是一堆孤立的结果。
发现Ppk下降以后，可以继续往前追：
是不是某批材料的问题？是不是某道工序的问题？是不是某个时间段的问题？
这才是能力指数真正该发挥的价值。
03 Cmk：新设备验收，别只看“打出来都合格”
再说Cmk。
这个指标最容易从设备验收理解。
一台新加工设备到厂。
厂家调机以后连续做30件，全部合格。
能不能马上证明：
“这台设备能力没问题”？
还不够。
因为产品合格，只能说明：
这30件暂时没有超规格。
而设备验收真正想知道的是：
在尽量排除人员、材料、环境等外部因素以后，这台机器本身能不能稳定生产。
这就是Cmk常见的使用场景。
它更关注：机器短期能力。
所以做机器能力研究时，通常会尽量固定条件：
- 同一批材料；
- 固定操作方法；
- 固定工艺参数；
- 连续生产；
- 尽量减少外部变量。
目的就是把“机器本身”单独拿出来看。
这时候Cmk和Cpk的区别就比较清楚了：
Cmk看机器。
Cpk看整个生产过程。
机器能力很好，并不代表量产过程一定好。
因为一进正式生产，还会受到：人、料、法、环影响。
所以设备验收时Cmk很漂亮，量产以后Cpk变差，并不矛盾。
反而说明：
问题未必出在设备本身。
如果在质量管理系统里把设备编号、产品、工序和后续PQC质检记录关联起来，后面再出现尺寸漂移时，也更方便去区分：
到底是机器能力发生变化，还是材料、人员、工艺参数把过程带偏了。
04 Cg、Cgk：量具不靠谱，后面算多少Cpk都没有意义
很多质量分析有一个特别容易被忽略的前提：
你的测量数据到底准不准。
比如一个零件反复测量。
第一次9.98mm；第二次10.02mm；
第三次9.97mm；第四次10.01mm。
零件明明没变，量具自己先飘了。
这种数据拿去做Cp、Cpk分析，再精确的公式也没意义。
所以在讨论过程能力之前，还要先确认：
测量系统本身有没有能力。
Cg和Cgk就是干这个的。
可以简单理解：
Cg主要看量具重复测量时，自己的波动够不够小。
Cgk除了看波动，还会继续考虑测量偏倚。
换句话说：
一个看：
“每次测得稳不稳。”
另一个还要再看：
“是不是一直偏着测。”
所以质量分析一定要注意顺序：
先保证数据可信，再拿数据判断过程。
否则本来是量具出了问题，现场却不断调整设备参数，最后很可能越调越乱。
系统在这里的作用也不是强行把所有指数自动塞进一个看板。
更重要的是保证质量记录能追溯：
- 哪个产品；
- 哪个检验项目；
- 哪一批；
- 哪道工序；
- 什么时间检验；
- 结果是多少。
企业如果有完善的量具管理，还应该保证相关校准状态和测量记录能够对应起来。
发现某一段时间数据异常以后，才方便继续判断：
是真实生产波动，还是测量环节出了问题。
05 1.33、1.67别死背，先搞清企业到底要求什么
说到过程能力，质量人经常会问：
“Cpk到底多少才算合格？”
网上最常见的几个数字：
1.00、1.33、1.67、2.00。
这些当然有参考价值。
但现场最容易出问题的，就是把某一个数直接当成：
所有客户、所有产品、所有工序统一标准。
实际上：
客户要求不同；
行业规范不同；
关键特性和普通特性不同；
新项目和成熟量产阶段要求也可能不同。
所以真正定标准时，优先看：
客户特殊要求、行业标准和企业内部质量规范。
比死记数字更重要的是先把每个指标用对：
还有一点特别重要：
过程本身不稳定时，不要急着拿一个Cpk证明能力很好。
今天平均10.00；明天突然10.06；后天又回到9.97。
这种过程自身就在漂。
哪怕最后算出来一个不错的Cpk，也未必能够代表未来表现。
06 真正的质量管理，不是把指数算出来，而是知道下一步查什么
质量管理最怕的一张月报就是：
Cpk：1.21。
Ppk：1.08。
然后会议结论写一句：
“过程能力需要进一步提升。”
下个月再重新算一次。
如果做到这里就结束，这些指标其实只是报表。
真正有用的质量闭环应该是：
- Cpk下降以后，先看Ca，判断是不是中心偏移；
- 中心没明显偏，再看过程波动是不是放大；
- 继续往下查设备、物料、工艺、班组、测量系统。
- 找到具体问题以后，再进入改善。
这时候，简道云质量管理系统就不只是用来填质检单。
例如现场发现异常，可以形成质量问题反馈；
确认问题以后继续进入质量问题改善；
如果是客户投诉、重大问题或者重复性异常，可以通过8D客诉流程继续分析原因、制定措施；
已经验证有效的经验，再沉淀进FMEA库。
前面的IQC、PQC、FQC、OQC负责：
把问题暴露出来。
中间的质量问题改善、8D负责：
把问题真正解决掉。
后面的质量统计再继续验证：
同类异常到底有没有下降。
这样质量管理才算真正形成闭环。
而不是发现Cpk低了，在措施栏里填一句：
“加强过程管控。”
这种话写得再标准，对现场也没什么帮助。
最后
Ca、Cp、Cpk、Pp、Ppk、Cmk、Cgk看起来很复杂，其实只是站在不同位置，回答不同的问题。
- 量具准不准？
- 机器本身行不行？
- 过程波动大不大？
- 中心有没有跑偏？
- 长期量产以后真实表现怎么样？
真正成熟的质量管理，不是质量工程师会背多少公式。
而是每一个异常数字出来以后，都知道：
下一步该查哪里。
数据负责暴露问题，流程负责推动改善，最后再用数据验证问题到底有没有解决。
这才是这些质量能力指数真正应该服务的东西。
