本文内容
过程能力反映稳定的制造过程满足规定要求的程度，例如孔径或灌装重量要求。它将过程的自然波动与规格限进行比较。Cp 衡量过程波动范围相对于公差带宽度的大小；Cpk 则进一步考虑过程均值的位置。
这一区别很重要。测量值即使很集中，过程仍可能过于接近某一侧的公差限。同样，一台设备明天即使有空闲工时，也不意味着它已获准加工要求严格的特征。
因此，有价值的过程能力研究最终应支持两项决策：过程需要做哪些改变，以及这项任务可以采用哪条工艺路线。SkyPlanner APS 可协助完成第二项工作。在系统中维护好已批准的工艺路线和符合使用条件的工作中心后，它便可在这些资源上安排订单生产，并显示有限产能对交付的影响。
如何计算 Cp 和 Cpk
首先选定一个测量特征及其适用的规格要求。不要将不相关的尺寸合并到同一个指数中。采用常规的正态分布计算方法时，需要以下数据：
- USL：规格上限，即允许的最大值。
- LSL：规格下限，即允许的最小值。
- 均值：所研究过程的测量值的平均值。
- 标准差（sigma）：过程标准差的估计值，用于描述单次测量结果的离散程度。
所有数据必须使用相同的单位。规格限来自适用的产品要求，而不是样本中的最大和最小测量值。规格限也不同于控制图的控制限，后者描述的是过程本身的表现。
Cp：比较公差带宽度与过程波动范围
Cp = (USL − LSL) / (6 × sigma)
分子为公差带宽度。分母为常规采用的过程波动范围：在正态分布模型下，从均值向两侧各延伸三个标准差。
Cp 回答的是：如果过程均值位于两个规格限的中点，这样的波动范围能否落在公差带内？它并不说明过程均值是否真的位于中点。
Cpk：考察均值与较近规格限的距离
Cpk = min[(USL − 均值) / (3 × sigma), (均值 − LSL) / (3 × sigma)]
分别计算两侧的指数，并取较小值。该值对应余量较小的一侧。因此，Cpk 同时反映过程的波动范围和均值位置。
使用相同数据和相同的 sigma 估计值时，Cpk 不会大于 Cp。当均值位于两个规格限的中点时，两者相等。两者存在差距说明过程偏离了中心，并不能证明过程稳定。
实际中，这些指数是根据样本计算的估计值，并非完全已知的总体参数。因此，应说明 sigma 的估计方法。按照常见的组内／整体变差报告惯例，Cp 和 Cpk 使用组内变差的估计值，Pp 和 Ppk 则使用整体变差。即使规格未变，采用不同的估计值也可能得出不同结果。
如果只有单侧规格限，该怎么办？
应使用对应的单侧指数：只有上限时，使用 Cpu = (USL − 均值) / (3 × sigma)；只有下限时，使用 Cpl = (均值 − LSL) / (3 × sigma)。双侧 Cp 需要两个规格限。不要为了套用公式而凭空增加另一侧的要求。
自然边界并不自动等于规格限。对于取值不能为负的特征，也可能需要采用非正态分析，而不是上述正态模型的计算方法。
计算示例：Cp 较好，Cpk 却较低
假设某加工孔的规格下限和上限分别为 19.90 mm 和 20.10 mm。一项方法适当的研究得到均值为 20.04 mm，组内标准差估计值为 0.020 mm。这些数据仅用于举例，并非客户的实测数据。
公差带宽度为 0.20 mm，六倍标准差对应的波动范围为 0.120 mm：
Cp = (20.10 − 19.90) / (6 × 0.020) = 1.67（四舍五入）。
接着分别计算均值两侧的指数：
- 上侧指数：(20.10 − 20.04) / (3 × 0.020) = 1.00。
- 下侧指数：(20.04 − 19.90) / (3 × 0.020) = 2.33（四舍五入）。
- Cpk 取较小值，即 1.00。
过程的波动范围相对较窄，但均值过于接近规格上限，未能充分利用公差带。只报告 Cp 会掩盖这一问题。
如果均值移至 20.00 mm，而标准差保持不变，那么 Cp 仍为 1.67，Cpk 则会提高到 1.67（四舍五入）。因此，将过程调整至中心是一项值得研究的改进方向。但这并不保证调整偏置后波动会保持不变；必须用新的证据验证调整后的过程。
如果 Cp 本身就达不到约定要求，仅将均值调至中心并不能解决问题，还必须减小波动范围。例如，可针对已查明的工装、材料、调机或环境方面的波动来源采取措施。改变过程之前，应先查明原因。
Cpk 达到多少才算好？
Cpk 为 1.00，意味着均值与较近规格限之间的距离为估计标准差的三倍。1.33 是常见的参考标准，但并不是通用的批准准则。所需数值取决于客户、特征、风险及适用的质量要求。
应按约定的准则解读结果，而不能只看软件显示的颜色：
- Cpk 低于要求值：研究结果显示余量不足。先检查研究是否有效，再改善均值位置、减小波动，或同时处理两者。
- Cpk 达到或超过要求值：在采纳该结果作为支持生产的证据之前，应审查研究条件和统计不确定性。
- Cpk 等于零：均值恰好位于某一规格限上。
- Cpk 为负：均值已超出某一规格限，较近一侧的计算结果为负数。
不要将 Cpk 当作良品率，也不要将它视为对不合格率的保证。要将指数换算为预测不合格率，需要有关分布和稳定性的假设，以及两个规格限的位置。单个 Cpk 值无法反映全貌。
Cpk 也不能直接衡量过程接近另行规定的设计目标值的程度。在波动范围和两个规格限固定时，均值位于公差带中点，Cpk 才达到最大值。如果工程目标值不在该中点，还应评估过程达到目标值的情况，而不是仅为使 Cpk 最大化就调整过程。
相信数值之前，先核实研究是否可靠
计算通常是较容易的部分。更难判断的是，这些测量值能否反映你打算实际运行的过程。
使用适合任务的测量系统
应确认测量方法具有足够的分辨能力，且测量误差在该项决策可接受的范围内。校准很重要，偏倚、重复性以及不同操作人员或方法之间的差异也同样重要。测量系统分析有助于区分测量变差与制造过程变差。
开展基于计量数据的 Cp/Cpk 研究时，应使用实际测量值。良品和不良品的数量不能代替孔径、重量或其他测量特征的分布数据。
采样应覆盖决策所适用的条件
明确产品版本、特征、工艺路线、设备、调机设置及相关生产条件，并记录测量的时间和地点。仅用一套刀具、由一名操作人员、使用一个材料批次进行的短期生产，并不能自动证明过程在其他条件下也具备相同能力。
按时间顺序采集数据。如果采用合理子组，应合理安排测量值的分组，使组内变差能够代表研究所关注的短期过程变差，同时让研究能够揭示子组之间的变化。不要为了提高指数而重新分组，也不要悄悄剔除不利的测量值。
在确认不同设备、模腔或调机状态是否属于同一过程之前，不要将其数据合并分析。合并后的直方图可能掩盖过程偏移，或掩盖需要单独调查的混合分布。
先确认过程稳定，再进行预测
结合适当的控制图和对过程的了解，调查变化、趋势及特殊原因。直方图能显示结果的分布，却无法保留其时间顺序，因此不能单凭直方图确认过程是否稳定。
过程即使稳定，也可能无法满足公差要求。反过来，不稳定过程得出的能力估计值即使看起来很好，也不能可靠地预测未来产出。应先使过程稳定，再重新评估，而不是把这个指数当作维持现状、继续生产的依据。
检查分布与估计的不确定性
常规公式以正态分布模型为基础。应检查数据及分布拟合情况；如果所研究的特性确实不服从正态分布，应采用有充分依据的数据变换，或适当的非正态过程能力分析方法。不断删除观测值，直到通过正态性检验，并不能解决问题。
应根据研究目的和适用要求，规划样本量及采样持续时间。即使从一次条件异常有利的生产运行中获取了足够多的观测值，仍可能遗漏真正重要的变差。小样本也会使指数估计存在较大不确定性，因此，当验收决策有此需要时，应查看置信区间或置信下限。
报告应交代清楚规格版本、研究条件、抽样方案、标准差估计方法、稳定性证据、分布分析方法、指数估计值，以及商定的验收准则。这些信息能让接手人员理解，这个数值究竟能支持哪些结论。
Cp/Cpk、Pp/Ppk 与 Cm/Cmk 不能混用
按照常见的组内变差与整体变差区分惯例，Cp 和 Cpk 使用估计的过程组内变差来描述过程能力，Pp 和 Ppk 则使用研究数据的整体标准差。这两组指数都将离散程度与规格要求进行比较；Cpk 和 Ppk 还考虑了均值的位置。
如果 Ppk 明显低于 Cpk，可能说明存在组内变差估计未能涵盖的子组间变差。应按时间顺序检查数据，并调查变差来源。无论采用哪一种指数，都不能让不稳定的数据变成可靠的预测；整体指数也只能代表实际采样所覆盖的条件。
Cm 和 Cmk 用于机器能力研究。此类研究通常在受控条件下开展，目的是单独评估机器带来的变差。其研究范围不同于受到日常各种因素共同影响的生产过程。
不同标准、行业和分析软件采用的名称及计算惯例可能有所不同。比较报告时，应核对研究目的、数据、变差估计和分析方法，而不只是看公式是否相似。不能仅仅换个名称，就将机器能力研究的结果当作整个生产过程的能力证据。
将获批工艺落实到生产计划中
质量部门完成研究评估后，应给出明确、可执行的结论：哪些制造方法可以接受、适用条件是什么，以及需要哪些监控或纠正措施。应在质量管理流程中记录审批结果及其适用范围。
随后，将该决定允许采用的工艺路线和资源提供给生产计划人员。获批方法所依赖的条件可能不只是设备，还可能包括工装、程序、材料、调机状态和运行条件。限定可用工作中心只是落实这一决定的一部分，不能取代其他相关生产控制措施。
假设该孔已获准在一台加工中心上生产。另一台加工中心虽有空闲时间，却尚未通过这道工序的资格认可。将订单转到那里，并不能在符合审批要求的前提下解决产能问题。计划人员需要确认：在兼顾其他已承诺的生产任务后，获准使用的加工中心是否还能安排这项工作。
让 SkyPlanner 将生产任务安排到获准使用的资源上
SkyPlanner APS 可根据您维护的工艺路线生成有限产能生产排程。您需要定义工序、各工序的时长及可用工作中心，并设置班次、产能、依赖关系和优先级。其人工智能排程引擎 Arcturus 会将各道工序安排到已配置的资源上。甘特图时间轴会显示任务的计划执行时间，以及它们与其他订单如何衔接。
对计划人员而言，这意味着不必再花那么多时间记住工艺路线限制，也能减少手动调整设备任务队列的工作。如果获批资源的负荷过高，排程中就能看出这会如何影响交付。您可以评估调整优先级或增加获准资源工作时间的方案，而不是假定任何空闲设备都能接下任务。
统计评估仍应留在质量管理流程中。SkyPlanner 在这里的作用，是依据您维护的已获批工艺路线信息进行排程，而不是根据 Cpk 值推断资源是否具备资格，也不会自动更新审批结果。当质量部门批准使用另一项资源后，您可以更新工艺路线中的可用资源，让新增产能体现在排程中。
您也可以通过自己的人工智能助手开展工作，例如 Claude、ChatGPT 或 Microsoft Copilot，并通过 MCP 将助手与 SkyPlanner 连接起来。告诉助手您想了解什么，例如本周哪些订单正在争用某个获批工作中心。它可以结合 SkyPlanner 数据和产品知识，帮助您查看任务队列，并使用权限允许的排程功能。这样既能减少查找所需信息的工作量，又能让您继续掌控生产优先级。
SkyPlanner 可通过其开放的 REST API 与任何 ERP 或 MES 系统集成。您可以保留现有系统，并对接排程所需的订单及生产数据。
更合理的资源分配在实际生产中是什么样
在钣金代工制造商 KJH-Comp，ERP 和电子表格只能粗略呈现每周负荷，具体到每天、每台设备的任务分配仍需手动完成。该公司在保留 C9000 ERP 的同时，引入 SkyPlanner 进行有限产能排程。其客户案例介绍了自动分配设备的做法，以及如何在任务量超出某台折弯机的产能时更早发现问题。
这一经验展示了排程的价值：相关资源和交付时间窗口变得清晰可见，不再淹没于每周汇总数字中。这并不是在说明 KJH-Comp 的 Cp/Cpk 结果。对于受过程能力要求限制的工艺路线，同样需要回答这个计划问题：在获准使用的资源上，这项工作何时能够完成？
用一条获批工艺路线检验排程
通过 Cp 和 Cpk，了解公差、离散程度与均值位置之间的关系。通过设计合理的研究，判断这些证据对生产意味着什么。然后，将获批工艺路线作为排程中切实执行的约束，而不是一条需要计划人员牢记的备注。
带上一条获批工艺路线、获准用于该路线的工作中心以及当前订单负荷，预约 SkyPlanner 产品演示，看看生产任务能否排下，以及哪些交付承诺需要关注。如果您想先自行探索，可以使用演示数据试用 SkyPlanner，或在 SkyPlanner Assistant 中体验人工智能辅助的入门引导。
Jussi Mäntylä
生产计划专家，SkyPlanner
