CPK的“另类”算法

我们在看CPK报告时，不知道大家是否注意到它的计算方式是：M13，6百分数（0.135%-50%-99.865%），看到这里大家会不禁想这是什么鬼？它并不是我们日常理解的Cp的算法（Cp=T/6σ）。

使用公式 Cp=T/6σ 的前提是过程是处于统计受控状态，即稳定的、正态分布的过程行为。但是人们在对生产过程进行全面分析后，却发现只有非常少的过程表现为正态分布的稳定状态。

ISO 22514-2-2017标准通过定义了一系列典型的过程模型为估算实际工业过程性能及过程能力提供了框架性的方法，这一系列的典型过程模型首先按照是否稳定，然后就其瞬时分布是否恒定、是否有系统性变化或随机变化来进一步划分，由此质量过程性能和过程能力的评价将按照各类不同的时间相依的分布模型来进行。

Cpk（过程能力指数）和Ppk（过程性能指数）是比较容易混淆的概念。

简单来说，Cpk用于描述这样一个过程，其已经被证明是处于统计受控状态（有关过程的变异仅仅是由随机因素造成的）下的。这些相应指标的特征值是对此过程生产出“好产品”的能力的一种估计。

如果一个过程可能还没有被证明它是处于统计受控状态，那么就应该使用的是过程性能，并且计算潜在的过程性能指数Pp和实际过程性能指数Ppk。

（“可能还没有被证明”这一谨慎的提示，在某些场合可被解释如下：暂时的过程能力符合常规情形，以及用相当少的数据计算而得到的暂时的过程能力指数，都不能证明过程处于统计受控状态，因此相应的指数必须始终称为Pp/Ppk。)

为了研究稳定状态（统计受控状态）不稳定状态（统计失控状态）长期能力Cp/CpkPp/Ppk（Q-DAS定义为Tp/Tpk）短期能力Pp/PpkPp/Ppk

时间相依的分布模型：在计算指数之前先要对过程的状态进行分析判断，对过程状态的分析判断首先包括了根据过程表现对分布模型进行的识别，一个被考察的特征指标的表现可以通过它的分布来描述，其中分布的参数，如：位置参数、离差参数和形状参数等，可以随着时间的变化而发生改变。将这些时间相依的分布模型一般分为如下几种情况。

时间分布模型A1