Capacità di processo: calcolare Cp e Cpk, poi intervenire

Home » Risorse » Capacità di processo: calcolare Cp e Cpk, poi intervenire

Tempo di lettura stimato: 11 minuti

La capacità di processo descrive quanto un processo produttivo stabile sia in grado di rispettare un requisito specificato, come il diametro di un foro o il peso di riempimento. Confronta la variabilità naturale del processo con i limiti di specifica. Cp misura quanto la dispersione rientra nella tolleranza; Cpk tiene conto anche della posizione della media del processo.

La differenza è importante. Un processo può fornire misure molto ravvicinate tra loro e tuttavia lavorare troppo vicino a un limite di tolleranza. Allo stesso modo, una macchina può avere ore libere domani senza essere approvata per realizzare una caratteristica con requisiti stringenti.

Uno studio di capacità utile porta quindi a due decisioni: che cosa modificare nel processo e quale ciclo di lavorazione utilizzare. SkyPlanner APS aiuta a gestire il secondo aspetto. Una volta definiti e mantenuti aggiornati il ciclo approvato e i centri di lavoro idonei, schedula gli ordini su queste risorse e mostra come la loro capacità limitata incide sulle consegne.

Come calcolare Cp e Cpk

Parti da una singola caratteristica misurata e dalla relativa specifica. Non riunire dimensioni non correlate in un unico indice. Per il calcolo convenzionale basato sulla distribuzione normale servono:

• USL: il limite superiore di specifica, ossia il valore massimo consentito.
• LSL: il limite inferiore di specifica, ossia il valore minimo consentito.
• Media: il valore medio delle misure del processo in esame.
• Sigma: la deviazione standard stimata del processo, che descrive la dispersione dei singoli risultati.

Usa sempre le stesse unità di misura. I limiti derivano dai requisiti applicabili al prodotto, non dai valori massimo e minimo misurati nel campione. Sono inoltre diversi dai limiti delle carte di controllo, che descrivono il comportamento del processo.

Cp: confrontare l’ampiezza della tolleranza con la dispersione del processo

Cp = (USL − LSL) / (6 × sigma)

Il numeratore è l’ampiezza della tolleranza. Il denominatore è la dispersione convenzionale del processo che, nel modello normale, si estende per tre deviazioni standard da ciascun lato della media.

Cp risponde a questa domanda: la dispersione potrebbe rientrare nella tolleranza se il processo fosse centrato tra i due limiti? Non indica se il processo sia effettivamente centrato in quella posizione.

Cpk: verificare la distanza dal limite più vicino

Cpk = min[(USL − media) / (3 × sigma), (media − LSL) / (3 × sigma)]

Calcola entrambi i rapporti e scegli il risultato più basso: corrisponde al lato con il margine minore. Cpk riflette quindi sia la dispersione sia la posizione del processo.

A parità di dati e di stima di sigma, Cpk non può superare Cp. I due indici sono uguali quando la media si trova nel punto medio tra i limiti di specifica. Una differenza tra loro segnala che il processo è decentrato, ma non dimostra che sia stabile.

Nella pratica si tratta di stime calcolate su campioni, non di valori della popolazione noti con esattezza. Indica il metodo usato per stimare sigma. Secondo la comune convenzione che distingue la variabilità interna da quella complessiva, Cp e Cpk utilizzano una stima della variabilità interna al processo, mentre Pp e Ppk utilizzano la variabilità complessiva. Cambiare la stima può cambiare il risultato anche se la specifica rimane invariata.

E se esiste un solo limite di specifica?

Usa l’indice unilaterale pertinente: Cpu = (USL − media) / (3 × sigma) per un limite superiore, oppure Cpl = (media − LSL) / (3 × sigma) per un limite inferiore. Per calcolare Cp servono due limiti di specifica. Non inventare un secondo requisito solo per poter applicare la formula.

Un limite naturale non è automaticamente un limite di specifica. Per una caratteristica che non può assumere valori negativi potrebbe inoltre essere necessaria un’analisi basata su una distribuzione non normale, anziché il calcolo con il modello normale descritto sopra.

Un esempio di calcolo: Cp buono, Cpk più basso

Immagina un foro lavorato con limiti di specifica pari a 19,90 mm e 20,10 mm. Uno studio adeguato fornisce una media di 20,04 mm e una deviazione standard stimata della variabilità interna al processo di 0,020 mm. Sono dati a scopo illustrativo, non misurazioni di un cliente.

L’ampiezza della tolleranza è 0,20 mm e la dispersione pari a sei sigma è 0,120 mm:

Cp = (20,10 − 19,90) / (6 × 0,020) = 1,67, arrotondato.

Verifica ora entrambi i lati della media:

• Indice sul lato superiore: (20,10 − 20,04) / (3 × 0,020) = 1,00.
• Indice sul lato inferiore: (20,04 − 19,90) / (3 × 0,020) = 2,33, arrotondato.
• Cpk è il valore più basso: 1,00.

La dispersione è relativamente contenuta, ma il processo è troppo vicino al limite superiore per sfruttare tutta la tolleranza. Riportare soltanto Cp nasconderebbe questo problema.

Se la media si spostasse a 20,00 mm e la deviazione standard rimanesse invariata, Cp resterebbe pari a 1,67 e Cpk salirebbe a 1,67, arrotondato. La centratura è quindi un possibile miglioramento da valutare. Questo non garantisce che una correzione dell’offset lasci invariata la variabilità: verifica il processo modificato raccogliendo nuovi dati.

Se è lo stesso Cp a essere troppo basso rispetto al requisito concordato, la sola centratura non risolverà il problema. Occorre anche ridurre la dispersione, per esempio intervenendo su una fonte di variabilità identificata negli utensili, nei materiali, nell’attrezzaggio o nelle condizioni ambientali. Indaga la causa prima di modificare il processo.

Qual è un buon valore di Cpk?

Con un Cpk di 1,00, il limite di specifica più vicino si trova a tre deviazioni standard stimate dalla media. Un valore di 1,33 è un riferimento comune, ma non costituisce una regola universale di approvazione. Il valore richiesto dipende dal cliente, dalla caratteristica, dal rischio e dai requisiti di qualità applicabili.

Interpreta il risultato in base al criterio concordato, non soltanto al colore mostrato dal software:

• Cpk inferiore al valore richiesto: il margine dimostrato è insufficiente. Verifica la validità dello studio, poi intervieni sulla posizione, sulla variabilità o su entrambe.
• Cpk pari o superiore al valore richiesto: esamina le condizioni dello studio e l’incertezza statistica prima di accettare il risultato come evidenza a supporto della produzione.
• Cpk uguale a zero: la media coincide con un limite di specifica.
• Cpk negativo: la media è al di fuori di un limite di specifica; il calcolo sul lato più vicino dà un risultato negativo.

Non interpretare Cpk come la percentuale di pezzi conformi o come un tasso di scarto garantito. Per convertire un indice in un tasso di difettosità previsto servono ipotesi sulla distribuzione e sulla stabilità, oltre alla posizione di entrambi i limiti. Un solo valore di Cpk non fornisce il quadro completo.

Cpk non misura direttamente neppure la vicinanza a un valore obiettivo di progetto specificato separatamente. A dispersione fissa e con due limiti, raggiunge il massimo nel punto medio della tolleranza. Se l’obiettivo di progetto è diverso da quel punto, valuta anche il rispetto dell’obiettivo, anziché spostare il processo solo per massimizzare Cpk.

Verificare lo studio prima di fidarsi del risultato

Il calcolo è di solito la parte più semplice. La domanda più difficile è se le misurazioni descrivano davvero il processo che intendi utilizzare in produzione.

Usa un sistema di misura adatto allo scopo

Verifica che il metodo di misura abbia una risoluzione adeguata alla caratteristica e un errore di misura accettabile per la decisione da prendere. La taratura è importante, ma lo sono anche l’errore sistematico, la ripetibilità e le differenze tra operatori o metodi. Un’analisi del sistema di misura aiuta a distinguere la variabilità dovuta alla misurazione da quella del processo produttivo.

Per uno studio Cp/Cpk su dati per variabili, usa i valori effettivamente misurati. Il conteggio dei pezzi conformi e difettosi non può sostituire la distribuzione dei diametri dei fori, dei pesi o delle altre caratteristiche misurate.

Raccogli campioni nelle condizioni a cui si applicherà la decisione

Definisci la revisione del prodotto, la caratteristica, il ciclo di lavorazione, le attrezzature, il setup e le condizioni di produzione rilevanti. Registra quando e dove sono state eseguite le misurazioni. Una breve serie produttiva con un solo utensile, un solo operatore e un solo lotto di materiale non dimostra automaticamente la capacità del processo in altre condizioni.

Raccogli i dati in ordine cronologico. Se utilizzi sottogruppi razionali, raggruppa le misurazioni in modo che la variabilità all’interno di ciascun sottogruppo rappresenti la variabilità a breve termine che intendi valutare, consentendo al contempo allo studio di rilevare cambiamenti tra sottogruppi. Non riorganizzare i dati per migliorare l’indice e non scartare misurazioni scomode senza dichiararlo.

Evita di aggregare dati provenienti da macchine, cavità o setup diversi senza verificare che rappresentino un unico processo. Un istogramma complessivo può nascondere uno spostamento o una combinazione di distribuzioni che richiede un’indagine separata.

Verifica la stabilità prima di formulare una previsione

Usa una carta di controllo appropriata e la conoscenza del processo per indagare cambiamenti, tendenze e cause speciali. Un istogramma mostra la distribuzione dei risultati, ma ne perde la sequenza temporale. Da solo non può dimostrare la stabilità del processo.

Un processo stabile può comunque non essere in grado di rispettare la tolleranza. Viceversa, una stima favorevole della capacità di un processo instabile non costituisce una previsione affidabile della produzione futura. Stabilizza il processo e rivalutalo, anziché considerare l’indice un’autorizzazione a proseguire senza modifiche.

Verifica la distribuzione e l’incertezza

Le formule convenzionali si basano su un modello normale. Esamina i dati e la loro aderenza alla distribuzione; se la caratteristica segue effettivamente una distribuzione non normale, usa una trasformazione giustificata oppure un metodo appropriato di analisi della capacità per distribuzioni non normali. Eliminare osservazioni finché il test di normalità non dà esito positivo non è una soluzione.

Pianifica la numerosità del campione e la durata del campionamento in funzione dello scopo dello studio e dei requisiti applicabili. Anche un numero sufficiente di osservazioni, se raccolte durante un’unica serie produttiva insolitamente favorevole, può non cogliere la variabilità rilevante. Inoltre, con campioni piccoli la stima dell’indice è incerta: valuta quindi un intervallo di confidenza o un limite inferiore di confidenza quando la decisione di accettazione lo richiede.

Rendi il rapporto interpretabile indicando la revisione della specifica, le condizioni dello studio, il piano di campionamento, il metodo di stima di sigma, le evidenze di stabilità, il metodo usato per la distribuzione, le stime degli indici e il criterio di accettazione concordato. Questi dettagli permettono a chi leggerà il rapporto di capire quali conclusioni siano effettivamente sostenute dal valore riportato.

Cp/Cpk, Pp/Ppk e Cm/Cmk non sono intercambiabili

Secondo la convenzione comunemente usata per distinguere la variabilità interna da quella complessiva, Cp e Cpk descrivono la capacità sulla base di una stima della variabilità interna al processo. Pp e Ppk utilizzano invece lo scarto tipo complessivo dei dati dello studio. Entrambe le coppie confrontano la dispersione con i limiti di specifica; Cpk e Ppk tengono conto anche della posizione della media.

Un Ppk sensibilmente inferiore al Cpk può indicare una variabilità tra sottogruppi che la stima della variabilità interna non coglie. Analizza la sequenza temporale e le fonti di variabilità. Nessuna delle due denominazioni trasforma dati instabili in una previsione affidabile, e un indice complessivo è rappresentativo solo delle condizioni effettivamente campionate.

Cm e Cmk si riferiscono a uno studio di capacità macchina, generalmente condotto in condizioni controllate per isolare il contributo della macchina. L’ambito di questo studio è diverso da quello di un processo produttivo soggetto al normale insieme di fattori che lo influenzano.

Le denominazioni e le convenzioni di calcolo possono variare tra norme, settori e software di analisi. Quando confronti i rapporti, verifica lo scopo dello studio, i dati, la stima della variabilità e il metodo, senza limitarti alla somiglianza delle formule. Il risultato di uno studio sulla macchina non può essere semplicemente presentato come evidenza valida per l’intero processo produttivo.

Integra il processo approvato nel piano di produzione

Una volta che la funzione qualità ha valutato lo studio, l’esito operativo deve essere chiaro: quale metodo di produzione è accettabile, a quali condizioni e con quali attività di monitoraggio o azioni correttive. Registra l’approvazione e il relativo ambito nel processo di gestione della qualità.

Fornisci quindi alla pianificazione della produzione il ciclo di lavorazione e le risorse produttive consentiti da quella decisione. Il metodo approvato può dipendere da fattori che vanno oltre la macchina: possono essere rilevanti utensili, programma, materiale, setup e condizioni operative. Stabilire quali centri di lavoro siano abilitati è solo una parte dell’attuazione della decisione e non sostituisce tutti i controlli di produzione associati.

Immagina che la lavorazione del foro sia approvata su un solo centro di lavoro. Un secondo centro ha ore disponibili, ma non è stato qualificato per questa operazione. Spostarvi l’ordine non risolverebbe il problema di capacità nel rispetto delle condizioni approvate. La pianificazione deve verificare se il centro abilitato può accogliere la lavorazione insieme alle altre operazioni per cui sono già stati presi impegni.

Lascia che SkyPlanner scheduli le operazioni sulle risorse abilitate

SkyPlanner APS trasforma il ciclo di lavorazione che mantieni aggiornato in un piano di produzione a capacità finita. Definisci le fasi del processo, le loro durate e i centri di lavoro abilitati, insieme a turni, capacità, dipendenze e priorità. Arcturus, l’intelligenza artificiale di SkyPlanner per la schedulazione, colloca le operazioni sulle risorse configurate. Il diagramma di Gantt mostra quando sono programmate le lavorazioni e come si inseriscono tra gli altri ordini.

Per chi pianifica, il vantaggio è dedicare meno tempo a ricordare i vincoli dei cicli di lavorazione e a correggere manualmente le code delle macchine. Se una risorsa approvata è molto carica, il piano rende visibili le ripercussioni sulle consegne. Puoi valutare una modifica delle priorità o un aumento delle ore di lavoro su una risorsa abilitata, anziché presumere che qualsiasi macchina libera possa eseguire l’operazione.

Mantieni la valutazione statistica nel processo di gestione della qualità. In questo contesto, il ruolo di SkyPlanner è schedulare le operazioni usando le informazioni approvate sui cicli di lavorazione che mantieni aggiornate, non dedurre la qualificazione da un valore di Cpk né aggiornare automaticamente l’approvazione. Quando la funzione qualità approva un’altra risorsa, aggiorna il ciclo con la nuova abilitazione e lascia che il piano tenga conto della capacità aggiuntiva.

Puoi anche lavorare tramite il tuo assistente di intelligenza artificiale, come Claude, ChatGPT o Microsoft Copilot, usando MCP per collegarlo a SkyPlanner. Chiedigli ciò che vuoi capire, ad esempio quali ordini si contendono questa settimana un determinato centro di lavoro approvato. Può combinare i dati di SkyPlanner con la conoscenza del prodotto per aiutarti a esaminare la coda e utilizzare le funzioni di schedulazione consentite. In questo modo trovi le informazioni giuste con meno impegno, mantenendo il controllo sulle priorità di produzione.

SkyPlanner si integra con qualsiasi ERP o MES tramite la sua API REST aperta. Puoi mantenere i sistemi esistenti e collegare i dati degli ordini e della produzione necessari per la schedulazione.

Cosa significa, in pratica, assegnare meglio le risorse

Presso KJH-Comp, azienda che lavora la lamiera conto terzi, l’ERP e i fogli di calcolo fornivano una visione approssimativa del carico settimanale, ma l’assegnazione giornaliera delle lavorazioni alle macchine restava manuale. L’azienda ha introdotto SkyPlanner per la schedulazione a capacità finita, mantenendo il proprio ERP C9000. Il caso cliente descrive l’assegnazione automatica alle macchine e la possibilità di individuare prima le situazioni in cui il carico supera la capacità di una determinata piegatrice.

Questa esperienza illustra il vantaggio della schedulazione: la risorsa interessata e la finestra di consegna diventano visibili, anziché perdersi in un totale settimanale. Non si tratta di un’affermazione sui risultati Cp/Cpk di KJH-Comp. Per un ciclo di lavorazione vincolato dalla capacità di processo, la domanda di pianificazione resta la stessa: quando si potrà completare la lavorazione sulle risorse che è consentito utilizzare?

Metti alla prova il piano con un ciclo di lavorazione approvato

Usa Cp e Cpk per comprendere il rapporto tra tolleranza, dispersione e posizione della distribuzione. Con uno studio progettato correttamente, stabilisci cosa significano queste evidenze per la produzione. Poi rendi il ciclo di lavorazione approvato un vincolo effettivo della schedulazione, non un appunto che il pianificatore deve ricordare.

Prenota una demo di SkyPlanner portando un ciclo di lavorazione approvato, i relativi centri di lavoro abilitati e il carico attuale degli ordini. Scopri come si inseriscono le lavorazioni nel piano e quali impegni di consegna richiedono attenzione. Se preferisci esplorare prima il prodotto, prova SkyPlanner con i dati dimostrativi oppure usa il percorso Getting Started con il supporto dell’intelligenza artificiale in SkyPlanner Assistant.