CPK与PPK区别与联系

Cpk、Ppk区别于联系一、定义和概念描述Cp:capabilityprocessCpk:capabilityprocessindexPp:preliminaryprocessPpk:preliminaryprocessindexCp:我们能做的多好Cpk:我们真正能做多好Pp:我们实际作到多好Ppk:我们实际真正作到多好二、两者差异Cpk是制程能力指数。当制程稳定后计算得到的。因为制程稳定，制程只有普通原因引起的变异，没有特殊原因引起的变异。Cpk用来描述制程满足规格要求的能力，也是制程最高性能可以做到的，通常要求Cpk大于等于1.33。Ppk是制程性能指数。当制程刚开始，没有办法收集到足够多的数据来判定制程是否稳定，没有办法计算Cpk的时候，可以用Ppk。也就是说，制程既有普通原因引起的变异，也可能有特殊原因引起的变异。这时候，用Ppk来描述制程满足规格要求的能力。通常要求Ppk大于等于1.67。当制程能够收集到足够多的数据（通常4X25=100）后，检查制程稳定性，如果稳定，直接可以算初始的Cpk，也可以同时算Ppk；如果不稳定，做原因分析，找到原因并做改善，稳定后计算Cpk，若改善后的制程还是不稳定的，说明制程暂时无法跨入量产阶段，须再进行试产。当Ppk达到1.67时，（若制程依旧不稳定，要具体分析是什么原因引起的。如果这个不稳定因素是可控制的，例如是设备零部件的磨损、温度有规律的变动等）可以认为制程已经到了可以进入量产的阶段。举例说明Cpk的计算方法：a）例如每小时抽一次样，一共抽25次。每次连续抽4件。一共得到100（4X25=100）个数值。计算每个子样内4个数值的平均值和极差值。再求出25个子样平均值的平均值，作为数据分布中心。再计算25个子样极差的平均值，统计学认为制程标准偏差和这个极差平均值存在一定的关系，因此可以根据这个值来算制程的估计标准偏差。b）用这25组数据绘制平均值控制图和极差控制图。分别检查是否稳定。如果没有数据点落在控制极限之外，即没有非随机的规律性出现，就认为制程稳定的。c）稳定后，用上面的估计标准偏差来计算制程能力指数Cp，就是产品规格公差除以6倍估计标准偏差。如果数据中心（样本均值）和规格中心有偏移，就计算Cpk。就是样本均值与USL、LSL的差除以3倍估计标准偏差，取结果偏小的那个数值。Ppk是制程性能指数。注意，这里是性能指数不是能力指数。它和Cpk的差别就在于，Cpk是制程稳定情况下计算得到的，Ppk是不确定制程是否稳定的情况下计算得到的。也就是说，Ppk反映制程中除了普通原因以外还有特殊原因引起的变异存在。所以叫性能（实际表现）指数。这好比家长给孩子定了一个目标，家长不可能给孩子定一个不可能达到的目标，因此孩子有能力达到这个目标，但是，由于主观和客观原因，孩子最后离目标还是有一些差距。也就是性能表现不如能力。为什么要有短期和长期指数值？所谓短期Cpk、短期Ppk，那是利用短期制程数据计算得到的。长期Cpk、长期Ppk计算数据获得的时间比较长（具体有多长，应当说明的）。为什么要有这两个指数值？因为，短期数据只反映制程在短期内出现的各种变异。有些变异还没有来得及反映出来。譬如，气候的变化带来的，班次变更带来的、设备长期运行带来的影响等。于是，要用长期的指数来反映。不管短期、长期，其性质没有变化。也就是，只有普通原因引起的变异，反映在Cpk中，既有普通原因又有特殊原因引起的变异，反映在Ppk中。对比这两个数值的差，可以发现制程改进的余地有多大。如果这两个数值差不大。说明制程表现很好，反之，系统中发生过不少不稳定因素，值得研究改进。Ppk只能反映制程的过去，Cpk可以用来预测制程的未来。因为Ppk是利用已经得到所有数据计算得到的，它反映制程的过去。因为它存在特殊原因，所以，不能根据它来预测制程的未来。反之，Cpk是在稳定条件下计算得到的，反映制程的能力满足规格要求的能力。如果将来我们控制好制程的话，最高水平也只能达到这个水平。因为制程只有普通原因引起的变异，所以，我们可以预测未来制程的水平。这里要提到绝对和相对的概念。实际上没有绝对的稳定，也就是说，多少总会有一些特殊原因存在。为了确保产品质量，所以，要求Cpk大于等于1.33。留有一定的余地。两个指数的利用。当顾客指定的涉及到安全、主要功能有关的特性，在制程开始研究的时候，做短期Cpk计算。如果制程没有办法稳定，要和顾客商量，可以用Ppk。同时要针对特殊原因，采取纠正措施，将来一定要用Cpk。通常顾客要求提供产品合格证明的同时，要提供长期的Cpk数值。或者当制程刚开始，没有办法收集到足够多的数据来判定制程是否稳定，可以和顾客商量，是否采用Ppk。当然，以上这些数据的获得，一定要在控制计划的控制下做出来的。如果制程的影响因素也没有确定，制程范围也没有界定，控制计划也没有，那样得到的数据根本不能反映制程的任何意义。根据这样的数据计算得到的Cpk、Ppk都是没有用的。Cpk或Ppk:你应该用哪一个?要算出Cpk值,必须要有产品规格,平均值及标准差(σ值),把数据收集好后,我们“需要哪个σ值呢?”Cpk是通过规格与均值的差除以3倍标准偏差所计算出来的值,但使用哪一个σ值，估计值还是根据样本数据计算出来的σ值呢？哪一个是正确的？向客户汇报哪个值呢？大多数情况使用使Cpk看来比较好（大）的那个值。但是，这个看来比较好的值可能并没有精确的反映客户所需要知道的制程。两种不同的方法计算Cpk值，产生混乱的一个原因就是新发展了Ppk值，Ppk使用各个个体数据（与均值的离差的σ计算值)各单独个体离差的σ。假设Ppk使用σ计算值,就不需要在Cpk中使用全部个体数据的σ计算值了，对于Cpk，唯一的公式就是使用σ估计值(以短时间小样本为一组的极差，各组极差的平均值乘以比例系数来估算σ值)。因此，汇报哪个值呢？是Cpk还是Ppk？尽管它们显示类似的信息，但在用途上还是有些区别的。σ估计值和其相关的数值(Cp、Cpk)是用来测量一个体系满足顾客要求的潜在能力，当你想分析一个体系的发展倾向时可以用σ估计值；实际值或称σ计算值以及和其相关的数值(Pp，Ppk)是用来测量满足顾客要求的能力，当你想测量一个体系的实际制程性能时可以用上此值。也就是6sigma理论中，Cpk代表短期工序能力（某一小段时间内的工序能力，连续的数据）Ppk代表长期工序能力（一个长时间，如一年或说所有的、全部的，可以是间断的数据）。他们的计算公式是相同的，最大的不同在于标准偏差σ的计算方法不同。Cpk和Ppk的σ计算差异Ppk的标准偏差σ(长期)=stdev()（也就是常规算法，stdev是excel中算标准偏差计算公式）﹔Cpk的标准偏差σ(短期)=R平均值/d2(R-bar算法)或σ(短期)=S平均值/c4(S-bar算法),d2,c4是修偏系数，它们的取值与分组n有关，可查表得到。计算短期的标准偏差需要分组n≥2；计算长期标准偏差时，将长期收集的所有数据看成为一个样本。当数据越接近正态分布时，Ppk与Cpk的差别越小，也就是短期对长期越有代表性。这就是Cpk与Ppk的不同。但是我们又发现一个问题。Ppk标准偏差的计算和我们通常计算的Cpk的计算方法一样，为什么呢？因为平时我们计算工序能力Cpk时，要求在工序稳定的状态下连续取样，也就说我们默认我们的取样是代表整个工序长期的工序能力，所以我们传统意义中的Cpk就是6sigma中的Ppk。