cpk 那个公式我早背下来了，目前翻出来看一眼就忘，反正它就是那个归一化后的标准差除以均值。Cpk 越高越好，那意味着良品率越高，过程越稳。

那会儿看报表总拿 Cpk 当及格线砍，结局全是红灯，看着心里也不舒服。

后来明白了一件事，Cpk 不是衡量产品好不好，而是衡量过程稳不稳定。放大了 S 和 Z 之后，你看那个均值如何晃荡，过程就飘忽不定，那大约率就是运气好；均值稳了，S 也大，那说明过程扎实。 说到 Cpk 算出来如何解释，我得说句大实话。别光盯着数字看，它是个过程本事的度量，不是产品质量的度量。产品坏了是质量差，过程跑偏了是本事不足。Cpk 高，只代表你目前的制程本事够强，能把坏品管住在最少。

要是 Cpk 还低，那说明离完美还有距离，这时候就该拼命优化，而不是认定目前就如此好。大量老造主管总认定 Cpk 是 1.33 就达标了，结局换了新设备、新原料，Cpk 直接跌到 0.6，被老板骂得多惨。

实际上这时候得回去查，是不是管住盘算设错了？

是不是批次管理混乱？要是那些指标确实不中，那就得换人要么换方案，别光指望 Cpk 数值自己涨上来。 拿个具体例子说明就好了。假设我们要做一批芯片，标准设定是均值 100，标准差 5。我们算下来 Cpk 是 1.28。

这算个啥数呢？1.33 是 6 西格玛的标准，1.28 大约对应 5 西格玛左右。

这时候得想，要是设备突然老化，标准差变大到 10，Cpk 就暴跌到 0.4。别看设备没坏，但过程本事崩了。

这时候要是只看那个 Cpk 数字，你会当作只要再努力就能变回 1.28，但事实是，要是设备老化趋势没止住，Cpk 只会越来越小，根本没有救回来的希望。

故此啊，Cpk 只是个快照，冻结在某一点。它不能告诉你未来会不会跌，也不能告诉你啥时候该修，只有监控和持续改进才能让它动起来。 还有一个地方好办搞混，就是 Cpk 和 Ppk 的区别。大量人把这两个搞混了，实际上 Cpk 关切的是正态分布的情况，也就是假设均值就是设计值的情况。现实中，均值时常漂移，这时候就得看 Ppk，也就是那会儿一定周期内的 Cpk。Ppk 是历史数据的平均值。

比如上个月平均 Cpk 是 1.2，这个月是 1.1，那这个月的 Ppk 就是 1.1。Ppk 是用来衡量长期稳定性的，它反映的是那会儿一段工夫的过程表现。

要是产品一直在用，且过程稳定，Ppk 应当和 Cpk 差距不会忒大。但要是过程一直在恶化，Ppk 就会持续下降，那时候才需求关切。 说到执行层面，做 Cpk 分析最难受的就是数据收集。得每天盯着传感器看，记录每一批的数量和标准差，还得填表。

有时候数据忒乱，机器波动大，录下来全是噪点，还得人工做平滑处理，这活儿累死人。

特别是 S 值（标准差）本身是个分布参数，它不是只有单个数值，它代表的是所有点在这个均值下的散度。算 S 的时候，要是数据点少，要么分布挺怪，比如全是聚拢在均值，那 S 就偏小，会误导你。

这时候就得小心，别被表面的数字骗了。 另外，Cpk 还能用来做基准设定。

比如新品上市前，先跑个老款机器的 Cpk，作为新制程设计的起点。

这个起点不能忒低，也不能忒高。忒低好办吓到团队，害得动作变形；忒高又好办陷入追求完美的执念。

一般建议新制程的 Cpk 目标定在 1.33 到 1.67 之间，这俩数字在业界算通用标准。再往上，比如 1.8 或 2.0，那就归于超本事状态，成本极高，维护起来也费事。

故此啊，设定目标不是死板的数字，而是根据实际本事动态调整的过程区间。 最终还得提一句，Cpk 不是万能的。它不能解决根本难题，比如缺料、工艺参数设计毛病、原材料批次质量忒差这些背后的缘由。它只能告诉你“目前这事儿做得如何样”，不能告诉你“为啥如此弄”。

要是 Cpk 一直掉，要么降不下来，那最终总要有人站出来想办法。

有时候得换供应商，有时候得改配方，有时候就得停工整顿。Cpk 只是一个指挥棒，指引方向，真正的功夫在脚下，还得看执行的人能不能拿结局讲话。 总而言之，Cpk 这东西，背熟了有用，变出 N 个公式就废。它教的是过程纪律和监控意识，不是给产品定成绩的。

只要过程稳，Cpk 自然高；过程乱，Cpk 自然低。别死盯着那个数值看，要盯着趋势看，盯着数据看，盯着人看。

毕竟，没有过程本事的过程，就是无底洞。