面试现场，面试官问了一句："你们过程Cpk做到多少了？"
候选人自信地回答："1.67，我们一直在做SPC控制图。"
面试官追了一句："那你们控制图上有没有异常点？过程是否处于统计受控状态？"
候选人愣住了。
这个场景每天都在发生。Cpk和SPC，是质量人嘴边挂着的两个词，但能把它们的关系说清楚的人，真的不到10%。
更可怕的是——很多人连Cpk和Ppk都没分清，就敢拿着1.67的数字去交PPAP。今天用最短的时间，把这件事讲透。
Cpk回答"能不能"，SPC回答"稳不稳"。两件事，不能混为一谈。
一、一句话区分：它们到底在量什么？
别被缩写吓住，本质上就两件事
Cpk — 过程能力指数
一句话：你的过程"能不能"满足公差要求？
本质：拿过程的波动范围（6σ）和客户的公差带做比较，算出一个比值。Cpk=1.33意味着过程波动刚好"塞进"公差带里还有余量。
关键前提：过程必须处于统计受控状态，算出来的Cpk才有意义。
公式直觉：Cpk = min(USL−x̄, x̄−LSL) / 3σ̂
SPC — 统计过程控制
一句话：你的过程"稳不稳"？有没有在受控状态下运行？
本质：用控制图实时监控过程，区分"普通原因变差"（系统固有的）和"特殊原因变差"（异常发生的）。有异常就报警，没异常就继续。
关键工具：均值-极差图（X̄-R）、单值-移动极差图（I-MR）、不合格品率图（p图）等。
它不关心：公差是多少。SPC只看过程自己稳不稳定，不跟公差做比较。
二、七个维度对比，一目了然
一张表看完，别再搞混
对比维度 Cpk SPC 回答的问题 能不能满足公差？ 过程稳不稳定？ 性质 一个指数（结果指标） 一套方法（过程监控） 是否需要公差 必须有公差带 不需要公差 数据来源 一段时间内的子组数据 实时/定时采集的子组数据 关注焦点 过程偏移 + 波动 vs 公差 变差来源：普通 vs 特殊 使用频率 阶段性计算（周/月/PPAP） 持续监控（每班/每批次） 先决条件 过程必须受控（先做SPC） 数据分布类型已知 三、先稳后能：正确顺序只有一种
SPC是前提，Cpk是结论
正确的逻辑链是：
如果过程不受控，算出来的Cpk就是废纸。因为不受控意味着过程存在特殊原因变差——设备突然漂了、换了一批原材料、操作工换了手法——这时候你的数据分布是"歪的"，算出来的Cpk既不代表过去也不预测未来。
打个比方：SPC就像体检时量血压——看你的身体状态是不是"正常范围"。Cpk就像体能测试——看你能不能跑完马拉松。血压都不稳，就去测体能，测出来的成绩有什么参考价值？
核心结论：SPC是"诊断"，Cpk是"评价"。先诊断（过程受控吗？），再评价（能力够吗？）。顺序不能反。
四、五个高频错误，逐个矫正
看看你中了几条
✗ 错误一：Cpk高 = 过程受控
"我们Cpk 1.67，过程肯定没问题。"
✓ 矫正：Cpk只看"能力"，不看"稳定性"
Cpk高的过程完全可能不受控——比如过程均值在慢慢漂移，但因为公差带很宽，Cpk仍然大于1.33。这不叫"好过程"，这叫"公差给得太松，掩盖了问题"。先看控制图有没有异常点，再看Cpk。
✗ 错误二：没做SPC就直接算Cpk
"我们每月算一次Cpk，但没做控制图。"
✓ 矫正：没有SPC验证受控状态，Cpk就是空中楼阁
AIAG SPC手册明确要求：计算Cpk之前，必须先用控制图确认过程处于统计受控状态。不受控的过程，数据不服从可预测的分布，算出来的Cpk没有统计意义——你拿这个数字去交PPAP，客户一旦追问控制图，你就露馅了。
✗ 错误三：Cpk和Ppk傻傻分不清
"Cpk和Ppk不是差不多吗？"
✓ 矫正：σ̂ ≠ s，短期 ≠ 长期
Cpk用的是子组内标准差（σ̂ = R̄/d₂），只反映短期变差，通常比Ppk高。Ppk用的是所有数据的总标准差（s），反映长期变差，包含了子组间的漂移。Ppk永远 ≤ Cpk。客户要的是哪个，你得搞清楚——PPAP初始提交通常要Ppk，量产监控通常看Cpk。
✗ 错误四：SPC = 控制图
"我们做了控制图，就是在做SPC。"
✓ 矫正：控制图只是工具，SPC是一套体系
SPC是一套完整的统计过程控制系统——包括关键特性的识别、合理子组的划分、采样频率的确定、控制图的选取和绘制、异常判异规则的应用、发现异常后的反应计划、以及持续改进的闭环。画了一张图挂在墙上没人看，那不叫SPC，那叫装饰。
✗ 错误五：Cpk > 1.33就万事大吉
"1.33达标了，不用管了。"
✓ 矫正：1.33是底线不是天花板，还要看分布形态
首先，不同客户要求不同——大众可能要1.67，通用可能要1.33。其次，Cpk只看均值和标准差，不看分布形状。如果数据严重偏态或有双峰分布，即使Cpk算出来好看，实际过程能力也是虚的。验证正态性是计算Cpk之前必须做的事。
五、一个真实案例
Cpk 1.45交了PPAP，量产3个月后批量超差
案例背景
某零部件厂为德系客户生产轴类零件，关键尺寸公差±0.05mm。PPAP阶段连续采集25个子组（每组5件），Cpk算出来1.45，顺利通过。
问题暴露
量产3个月后，客户来料检验发现尺寸超差批次增多。供应商自查发现：PPAP阶段虽然Cpk达标，但从未做过控制图，没人注意到过程均值在第15个子组后开始缓慢上移。
回头补做控制图，发现X̄图上第15点开始连续7点递增——典型的"过程均值漂移"异常判异模式。但当时没人看图，只看了一个Cpk数字就交了差。
代价
客户退货3批次，供应商派人驻厂分拣，总损失约18万元。客户要求重新提交PPAP，量产暂停2周。
教训
Cpk 1.45是"时点值"——它只代表采样那段时间的过程能力。没有SPC持续监控，Cpk就是一个没有保险的承诺。过程在变，你不看图，数字就过期了。
六、三条实操建议
记住这三条，不会再搞混
1. 先做SPC，再算Cpk
计算Cpk之前，先用X̄-R或I-MR控制图确认过程受控。如果控制图有异常点，先消除特殊原因，重新采集数据，再算Cpk。这是AIAG SPC手册的标准流程，也是客户审核时的基本要求。
2. 分清Cpk和Ppk的使用场景
PPAP初始提交：用Ppk（长期能力，更保守，客户要看"最差情况"）。量产监控：用Cpk（短期能力，更灵敏，用来发现过程变化）。搞反了客户会觉得你不专业。
3. Cpk不是"算一次就完了"
Cpk是一个动态指标，要定期复算。每次工艺变更、设备大修、材料切换后，都要重新验证SPC受控状态并复算Cpk。把Cpk纳入控制计划，规定复算频率和触发条件。
速查表：一页看完
收藏贴，随时翻
项目 Cpk SPC 全称 Process Capability Index Statistical Process Control 一句话 能力够不够 过程稳不稳 需要公差 是 否 前提条件 过程受控 + 正态分布 合理子组 + 采样频率 合格标准 ≥1.33（常见客户要求） 无异常判异点 使用时机 SPC确认受控后 持续监控 易混淆项 Ppk（长期能力，用总σ） 控制图（SPC的工具之一）
先稳后能，顺序不能反
下次有人问你"Cpk多少"，先问他"控制图看了吗"
热门跟贴