什么是过程能力指数Cp/Cpk
🙋
老师，Cp和Cpk到底是什么呀？听起来好复杂。
🎓
简单来说，它们就像给一个制造过程的“手艺”打分。Cp只看你的手艺波动大不大，而Cpk更严格，还要看你做的东西是不是对准了客户要求的“靶心”。比如在汽车零件厂，一个螺栓的直径必须在10.0±0.1毫米之间。你试着在模拟器里把上规格限（USL）设为10.1，下规格限（LSL）设为9.9，然后输入一些测量值，就能立刻看到你的“手艺分”了。
🙋
诶，真的吗？那如果Cp分数高但Cpk分数低，说明什么问题呢？
🎓
这说明你的机器本身精度很好（波动小，所以Cp高），但调校没对准中心！比如你加工出来的螺栓，直径全在9.95到9.98毫米之间，很稳定，但都比目标值10.0毫米偏小。这样虽然没超差，但已经偏离中心了。在实际工程中，这提示我们需要调整机床的基准设置。你可以在模拟器里固定USL和LSL，然后只改变“均值”这个参数，马上就能看到Cpk值如何随着中心偏移而剧烈下降，非常直观。
🙋
原来如此！那还有个Cpm，它又是什么？感觉公式更复杂了。
🎓
Cpm引入了“质量损失”的概念，它认为即使产品在规格线内，偏离目标值本身也是一种损失。它的公式里用 $\tau$ 代替了 $\sigma$，而 $\tau$ 包含了波动和偏离。所以，一旦你的过程中心偏离目标，Cpm会比Cpk降得更厉害！这就像射击，子弹都打在9环虽然Pass（Cpk可能还行），但离10环靶心远就是损失（Cpm会很低）。你可以在模拟器里同时观察Cp、Cpk和Cpm三个值，拖动均值滑块，看看它们不同的变化趋势，就能深刻理解它们的区别了。
物理模型与关键公式
过程能力指数的核心是衡量过程输出分布（通常假设为正态分布）与规格界限的关系。最基本的指数是Cp，它只考虑过程的变异（标准差）相对于规格公差带的宽度。
$$C_p = \frac{USL - LSL}{6\sigma}$$
其中，$USL$ 为上规格限，$LSL$ 为下规格限，$\sigma$ 为过程的标准差（衡量波动）。分母 $6\sigma$ 代表在正态分布下，过程自然波动的宽度（±3σ）。
然而，Cp没有考虑过程均值 $\mu$ 是否与规格中心 $T$ 重合。Cpk弥补了这一缺陷，它同时考虑了波动和中心偏移，取的是单侧能力中较差的一个。
$$C_{pk}= \min\!\left(\frac{USL-\mu}{3\sigma},\frac{\mu-LSL}{3\sigma}\right)$$
其中，$\mu$ 为过程均值。$\frac{USL-\mu}{3\sigma}$ 是上单侧过程能力，$\frac{\mu-LSL}{3\sigma}$ 是下单侧过程能力。Cpk值由更接近规格限的那一侧决定。
为了体现“偏离目标即是损失”的质量哲学，田口方法引入了Cpm指数。它使用一个包含偏移量的新波动度量 $\tau$。
$$C_{pm}= \frac{USL - LSL}{6\tau}, \quad \tau = \sqrt{\sigma^2 + (\mu - T)^2}$$
其中，$T$ 为目标值（通常为规格中心）。$\tau$ 不仅包含了实际波动 $\sigma^2$，还加上了均值与目标的偏移量 $(\mu - T)^2$。因此，当 $\mu$ 偏离 $T$ 时，$\tau > \sigma$，导致 $C_{pm} < C_p$。
现实世界中的应用
汽车零部件制造：这是过程能力分析的核心应用领域。例如，发动机活塞的直径、变速箱齿轮的厚度都必须严格控制在公差范围内。工程师使用Cp/Cpk报告来证明其生产过程稳定且有能力满足图纸要求，这是通过IATF 16949质量体系认证和完成PPAP（生产件批准程序）的关键证据。
注塑与冲压成型工艺：塑料外壳的尺寸、金属冲压件的轮廓度都会受到材料、模具、温度等多因素影响。通过定期测量样本并计算Cpk，可以监控模具磨损或工艺参数漂移，在产生大量不良品前进行预防性维护或工艺调整。
半导体与电子行业：芯片的镀膜厚度、电阻器的阻值、电路板的焊点尺寸都需要极高的过程稳定性。这些行业往往追求更高的西格玛水平（如6σ，对应Cpk约2.0），利用本工具的直方图和PPM（百万分之不良数）预测功能，可以精确评估质量风险。
制药与化工过程：药品有效成分的含量、药片的重量、化学溶液的pH值也必须符合严格规范。过程能力分析不仅用于最终产品检验，也用于监控混合、灌装等关键工序，确保每一批产品的一致性，满足GMP（药品生产质量管理规范）要求。
常见误解与注意事项
首先需要明确的是，“Cp/Cpk值高 ≠ 零不良品”。例如，即使Cp=1.33（相当于4σ水平），单侧仍可能存在约63ppm（百万分之六十三）的不良概率。这本质是概率问题，因此偶然出现批次内含不良品的情况也可能发生。这些指数反映的是“风险程度”，而非绝对保证。
其次，数据的前提条件容易被忽视。Cp/Cpk的计算默认数据服从“正态分布”，但实测数据可能出现双峰分布或边缘聚集等现象。请务必通过本模拟器的直方图功能，检查数据是否严重偏离“理想的钟形曲线”。若存在明显偏离，则可能意味着工艺过程本身不稳定。
最后，规格限（USL/LSL）的设定依据至关重要。基于功能必需的公差与“暂定值”所计算的指数，其解读方式完全不同。例如，某间隙规格原定为±0.5mm，但若实际可允许±0.8mm，则无需因过严规格导致的Cpk恶化而过度困扰。首先质疑规格本身的合理性也是一种有效思路。