字数统计：4101 字 预计阅读时间：约8分钟
上一篇《新版SPC导读：Cpk 1.67，是安全线还是心理安慰？》，我们讨论了一个很常见的现象：很多企业一看到Cpk达到1.67，就会明显放松警惕，好像过程已经拿到了一张“安全证书”。但实际上，Cpk再漂亮，也离不开几个前提：过程要稳定，数据要有代表性，测量系统要可靠，特性本身也必须真正对应产品风险。
沿着这个问题继续往下，现场很快会遇到另一个更让人困惑的情况：Cpk很高，但Ppk却明显偏低，到底哪个才是真实能力？
例如，某个关键尺寸的Cpk是1.82，看起来非常漂亮，但Ppk只有1.21。供应商会说：“过程能力很好，Cpk已经远高于1.67。”客户质量工程师却会问：“为什么Ppk只有1.21？你的长期表现到底行不行？”生产部门会认为Ppk受历史异常影响，不够公平；质量部门又会认为Ppk更接近实际交付表现。
最后，大家常常会陷入一个“指标之争”：有人信Cpk，有人信Ppk。
但真正的问题其实不是“哪个更真实”，而是：Cpk和Ppk原本就在回答两个不同的问题。
很多人第一次接触Cpk和Ppk时，最容易把它们理解成“一个是短期能力，一个是长期能力”。这种说法可以帮助入门，但如果只停留在这里，很容易把真正的差异说得过于简单。
更准确地说，Cpk通常基于过程内部、组内或者短期波动来估计过程能力，而Ppk则更多基于整批数据的总体波动来描述实际过程表现。两者最关键的差别，不仅在公式，而在于它们如何看待变差。
Cpk更关注的是：如果过程维持当前相对稳定的内部波动水平，它理论上有多大能力满足规格？
Ppk更关注的是：这一段时间里，过程实际表现出来的总体波动有多大？
所以，Cpk更像是在看“过程本身具备的潜在能力”，而Ppk更像是在看“这段时间过程实际交付出来的表现”。
这两个指标都可能是对的，只是它们描述的不是同一件事。
举一个简单的例子。某台设备在每个短时间窗口内都非常稳定，每次抽样时的组内波动都很小，所以计算出来Cpk很高。但如果这个过程在不同班次、不同材料批次、不同日期之间，均值会缓慢漂移，那么把整个周期的数据放在一起看，总体波动就会明显变大，Ppk自然会下降。
这时候，Cpk没有“算错”，Ppk也没有“冤枉”这个过程。
真正的结论是：过程在短时间内很有能力，但长期没有保持在同一个状态。
第一种最常见的原因，就是过程均值在长期发生漂移。
例如上午的数据集中在10.00 mm附近，下午变成10.10 mm，第二天又回到9.95 mm。每个短时间窗口内部的波动都很小，所以组内标准差不大，Cpk看起来很好；但把几天的数据放在一起，整个分布被拉宽，Ppk就会明显下降。
这种情况下，真正的问题不是“设备精度差”，而可能是设备预热、环境温度、刀具磨损、班次调整、换料、换模、工艺参数重设等变化没有被很好地管理。
第二种原因，是不同来源的数据混在了一起。
比如两台设备都生产同一个零件，A设备均值在10.00 mm，B设备均值在10.15 mm。单独看每台设备，波动都很小，Cpk都可能很高；但如果把两台设备的数据混在一起算总体表现，Ppk会明显下降。
同样的情况也可能出现在多模腔、多产线、多供应商、不同批次材料或者不同班次之间。
所以，当Cpk远高于Ppk时，第一件事往往不是争论公式，而是先问一句：这批数据是不是来自一个真正一致的过程？
第三种原因，是过程里存在特殊原因。
比如设备偶尔卡顿，某一批材料异常，某次换刀后参数没有及时调整，或者某个班次操作方法不同。这些特殊原因未必频繁发生，但它们会拉大整体波动，使Ppk下降。
如果企业只看Cpk，可能会得出“过程潜力很好”的结论；但客户真正接收到的，是包含这些偶发异常在内的产品。
所以，从交付风险角度看，Ppk往往更接近实际表现。
第四种原因，是采样方式让Cpk看起来过于乐观。
如果合理子组设计不正确，或者每组数据取得太集中，Cpk所使用的组内波动可能被低估。例如5件产品几乎连续取自同一时刻、同一设备状态，那么它们之间差异很小，但这并不能代表几小时、几天甚至几周的真实波动。
这也是为什么我们前面一直强调：“每2小时抽5件”本身不是SPC逻辑，关键是这5件到底代表什么变差。
如果子组只捕捉到极短时间内的微小波动，而真正影响客户的长期变化被留在组间，那么Cpk就很容易非常漂亮，而Ppk却明显偏低。
第五种原因，是过程虽然“短期看起来稳定”，但长期控制机制不足。
例如每次换班以后重新调机，每次换材料都重新找中心，每次设备维护以后参数都会变化。每个阶段内部都很稳定，但各阶段之间并不一致。
这样的过程可以说“局部稳定”，却不能说“长期可预测”。
而Ppk正好把这种长期不一致暴露出来。
这个问题其实没有必要二选一。
如果你想知道过程在当前内部波动水平下理论上能做到多好，Cpk更有价值。
如果你想知道过去这段时间客户实际面对的总体波动有多大，Ppk更有价值。
所以，一个成熟的分析，不应该问“Cpk和Ppk谁是真的”，而应该问：为什么两者差这么多？
如果Cpk和Ppk非常接近，通常说明短期波动和长期波动比较一致，过程在不同时间段之间没有太大的漂移。
如果Cpk明显高于Ppk，就说明长期还有额外变差没有被短期组内波动捕捉到。
这些额外变差可能来自：
班次差异、设备差异、材料批次、环境变化、换刀、换模、调机、参数重设、维护、人员、测量系统变化，甚至数据分层方式本身。
所以，Cpk和Ppk之间的差距，本身就是一个非常有价值的管理信号。
很多企业却恰恰忽略了这一点。他们只关心哪个数字能通过客户要求，却没有利用两个指标之间的差异去寻找过程中的长期变差来源。
假设某过程Cpk达到1.8，但Ppk只有1.1。如果企业只把1.8放在报告上，很容易产生一种错觉：设备能力非常优秀。
但从客户实际收到的产品来看，真正经历的是所有长期变化叠加后的结果，而不是实验室里某个短时间窗口的理想状态。
所以，在新项目开发、初始过程研究时，Cpk可以帮助理解过程潜在能力；而进入稳定量产以后，如果Ppk长期明显低于Cpk，就必须关注过程在时间维度上的一致性。
这也是一个很重要的管理转变：能力管理不能只关注“某一刻做得多好”，还要关注“能不能一直这样好”。
对于制造业来说，真正困难的从来不是偶尔做出一批好产品，而是跨班次、跨批次、跨月份、跨设备，持续做出同样好的产品。
而这正是Ppk能够提醒我们的地方。
反过来，Ppk也不是万能答案。
如果过程里存在明显特殊原因，而企业没有先做分层和异常分析，直接把所有数据混在一起算Ppk，那么这个数字可能只是告诉你“过去很乱”，却不能告诉你“过程本身有没有潜力”。
例如某设备本来能力很好，但某一周因为材料异常导致大量偏移。如果把这批异常数据全部混进长期计算，Ppk会明显变差。
这时候如果简单下结论“设备能力不足”，同样不准确。
更合理的做法应该是：先通过控制图识别特殊原因，理解异常来自哪里，再判断正常状态下过程的潜在能力，以及长期运行中实际表现为什么会偏离这种潜力。
所以，Cpk更接近“过程潜力”，Ppk更接近“实际表现”，而真正成熟的SPC需要同时理解两者。
第一步，先看控制图。过程有没有明显失控、趋势、偏移或者周期性变化？如果有，先解决稳定性问题。
第二步，把数据按来源分层。设备、模腔、班次、人员、材料批次、供应商、日期、换刀周期、换模周期都值得检查。
第三步，看均值是否随时间漂移。如果各阶段内部波动很小，但中心位置不断移动，那么主要问题就是长期中心不稳定。
第四步，检查合理子组设计。如果组内样本过于集中，Cpk可能高估了真实能力。
第五步，看变化点。材料变更、设备维护、参数调整、人员变化、环境变化是否与Ppk下降存在对应关系？
第六步，再看测量系统。如果量具在不同时间、不同人员或者不同温度下产生系统差异，也会放大总体波动。
最终的目标不是让Cpk和Ppk“数字变得一样”，而是理解：到底有哪些长期变差，让一个本来有潜力的过程没有把潜力稳定地转化成实际表现。
Cpk告诉你“能做到多好”，Ppk告诉你“实际上做成了什么样”
上一篇我们讨论Cpk 1.67是不是安全线，这一篇进一步说明：即使Cpk很高，也不能脱离Ppk和长期过程表现单独判断。
如果Cpk高、Ppk也高，而且两者比较接近，通常说明过程潜力和实际表现比较一致。
如果Cpk很高、Ppk明显偏低，那么真正值得关注的不是“到底该信哪个”，而是：这个过程为什么没有把自己的能力稳定地保持下来？
这背后往往不是一个简单的设备问题，而是变化管理、材料管理、换班、换刀、换模、设备维护、参数管理、测量系统以及合理子组设计共同作用的结果。
所以，Cpk和Ppk并不是两个互相竞争的指标。恰恰相反，它们应该一起使用。
Cpk告诉我们过程具有什么潜力，Ppk告诉我们这种潜力在真实量产中实现了多少。
这也是TPP在新版SPC培训和质量咨询中一直强调的方向：不要只追求一个漂亮的能力指数，而要把控制图、Cpk、Ppk、合理子组、变化点管理、MSA和长期趋势放在同一个过程管理逻辑中去理解。
因为真正优秀的过程，不是偶尔能做到Cpk 1.8。
而是它有1.8的能力，也能够长期表现得像1.8。
从能力指数到过程控制：TPP助力企业提升SPC应用能力
在不少制造企业中，SPC的应用仍然停留在绘制控制图、计算Cpk和满足客户审核要求的层面。企业积累了大量过程数据，却没有充分利用这些数据识别变差来源、评价过程稳定性和预防质量风险。
真正有效的SPC，不只是统计分析工具，更应该成为连接现场过程控制、变化点管理与质量决策的重要方法。
TPP结合制造业质量管理咨询经验及新版SPC方法，为企业提供从统计方法培训、现场应用辅导到数字化过程监控的系统性支持。
新版SPC培训与应用指导： 帮助企业理解新版SPC的核心要求，正确应用控制图、合理子组、Cpk、Ppk及过程能力分析方法。
过程变差分析与能力提升： 结合设备、材料、班次、工艺参数及变化点，识别组内与组间变差，分析过程不稳定的根本原因。
SPC与现场质量管理融合： 推动SPC与控制计划、MSA、变化点管理及异常响应机制有效衔接，让统计结果真正指导现场控制与持续改进。
SPC数字化与实时监控： 结合企业实际业务需求，建立过程数据采集、控制图监控、异常预警、能力趋势分析与问题闭环机制，提升过程风险识别和响应效率。
TPP关注的不只是企业能否计算出合格的Cpk和Ppk，更是如何通过SPC识别真实变差、稳定制造过程，并持续提升产品质量与过程能力。