过程能力指数(Cp、Cpk)计算器

过程能力指数(Cp、Cpk)计算器

热门 AI Skill PRO

输入计算

数学公式

Cp=USL−LSL6σCpk=min⁡(USL−μ3σ,μ−LSL3σ)其中{μ=1n∑i=1nxiσ=1n∑i=1n(xi−μ)2\begin{gathered} C_p = \frac{\text{USL} - \text{LSL}}{6\,\sigma} \qquad C_{pk} = \min\!\left( \frac{\text{USL} - \mu}{3\,\sigma},\; \frac{\mu - \text{LSL}}{3\,\sigma} \right) \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} \mu &= \frac{1}{n}\sum_{i=1}^{n} {x_i} \\ \sigma &= \sqrt{\frac{1}{n}\sum_{i=1}^{n}\left({x_i} - \mu\right)^2} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

Cp(过程能力指数)
0.705
Cpk = 0.6345
Cp(组内 σ) 0.705
Cpk(组内 σ) 0.6345
Pp(整体 σ) 1.0541
Ppk(整体 σ) 0.9487
样本量(n) 10
均值(μ) 45.5
组内标准差 2.3641
平均移动极差 2.6667
整体标准差 1.5811
方差 2.5
3 西格玛 7.0922
6 西格玛 14.1844
Cp 和 Cpk 使用组内标准差:单值数据为平均移动极差 ÷ 1.128,子组数据为子组平均极差 ÷ d₂(R̄/d₂)。Pp 和 Ppk 使用全部数据的整体样本标准差(n − 1)。请按生产顺序输入数据。

报告本页错误

什么是过程能力指数(Cp、Cpk)?

Cp 和 Cpk 是统计过程控制(SPC)与质量工程中的核心指标。它们将生产过程本身的自然波动范围(输出值的六倍标准差)与由规格下限(LSL)和规格上限(USL)所界定的工程规格区间进行对比。这是一套通用的统计工具,不受任何国家或地区的特定规则限制,全球通用。

Cp 反映的是在过程完全居中(理想状态)情况下的潜在能力;Cpk 则反映实际能力——它会额外考虑过程均值相对于规格区间中心的偏移,并对这种偏移进行"扣分"。

钟形曲线位于规格下限与上限之间的中心,过程分布比公差带更窄
Cp 将规格公差宽度(USL 减 LSL)与 6 sigma 的过程分布宽度进行比较。

如何使用本计算器

将测量得到的数据值粘贴或输入到数据框中,可用逗号、空格、制表符或换行分隔。再用与数据相同的单位填入规格下限和规格上限。计算器会自动解析数据列表,计算均值、方差、标准差、3σ 和 6σ,并由此推导出 Cp 与 Cpk。

公式详解

对于数据 \(x_1..x_n\),均值为 \(\mu = \frac{\sum x_i}{n}\)。总体方差为 \(\frac{\sum(x_i - \mu)^2}{n}\),标准差 \(\sigma\) 即为其平方根。随后

$$C_p = \frac{\text{USL} - \text{LSL}}{6\,\sigma} \qquad C_{pk} = \min\!\left( \frac{\text{USL} - \mu}{3\,\sigma},\; \frac{\mu - \text{LSL}}{3\,\sigma} \right)$$

请注意,本工具采用的是总体标准差(除以 \(n\)),因此 \(\sigma\) 能与能力指数公式保持一致。

广告
偏离中心、更靠近规格上限的钟形曲线,表明两段距离中较小者决定 Cpk
Cpk 考虑了过程的居中程度:它采用较近的规格限,因此均值偏离中心会使该指数降低。

说明:Cp = Cpk = 1 表示 ±3σ 的波动范围恰好等于规格宽度。业界常见的推荐目标值为 1.33(±4σ)。数值越高越好;低于 1.0 说明过程能力不足。若此处 Cp/Cpk 结果为 0,则表示 σ = 0(无波动)或规格范围无效。

计算实例

数据 = 45、46、44、47、43、48、45、46、44、47(\(n = 10\)),\(\text{LSL} = 40\),\(\text{USL} = 50\)。总和 = 455,故 \(\mu = 45.5\)。离差平方和为 22.5,得方差 = 2.25,\(\sigma = 1.5\)。于是 \(3\sigma = 4.5\),\(6\sigma = 9.0\)。

$$C_p = \frac{10}{9} \approx 1.1111$$$$C_{pk} = \min\!\left[ \frac{50 - 45.5}{4.5},\; \frac{45.5 - 40}{4.5} \right] = \min[1.0,\; 1.2222] = 1.0$$
广告

关键术语和变量

术语/符号 含义
LSL — 下规格限 特性的最小可接受值,以测量单位 (mm, g, MPa, °C, …) 表示。由工程在图纸或规范上设定。
USL — 上规格限 最大可接受值,与测量单位相同。
公差宽度 \(\text{USL} - \text{LSL}\),可接受窗口的总宽度,以测量单位表示。有时围绕标称目标值写成 \(2T\)。
\(\mu\) — 过程均值 测量值的平均值,\(\mu = \frac{1}{n}\sum x_i\);与数据相同的单位。从样本估计为 \(\bar{x}\)。
\(\sigma\) — 标准差 特性的分散程度,与数据相同的单位。此工具使用总体形式 \(\sigma = \sqrt{\frac{1}{n}\sum (x_i - \mu)^2}\)(除以 \(n\));样本形式除以 \(n-1\)。
\(3\sigma\) 和 \(6\sigma\) 范围 \(3\sigma\) 是自然过程范围的半宽度(均值的一侧);\(6\sigma\),从 \(\mu - 3\sigma\) 到 \(\mu + 3\sigma\),是完整的自然范围,包含约 99.73% 的正态分布。能力指数将此范围与公差宽度进行比较。
\(C_p\) — 潜在能力指数 \(C_p = (\text{USL} - \text{LSL})/(6\sigma)\)。公差宽度与自然范围的无量纲比率;忽略均值所在位置,因此这是过程完全居中时可达到的最佳能力。
\(C_{pu}\), \(C_{pl}\) — 单侧指数 \(C_{pu} = (\text{USL} - \mu)/(3\sigma)\) 测量到上限的空间;\(C_{pl} = (\mu - \text{LSL})/(3\sigma)\) 测量到下限的空间。可单独为单侧规范报告任一指数。
\(C_{pk}\) — 实际能力指数 \(C_{pk} = \min(C_{pu}, C_{pl})\) — 最近限值处的能力,因此它反映了分散程度和居中性。总是 \(C_{pk} \le C_p\);如果 \(\mu\) 超出限值,则为负。
\(k\) — 中心偏移 均值与中点之间距离相对于半公差的无量纲比率:\(k = \lvert m - \mu \rvert / \big((\text{USL} - \text{LSL})/2\big)\),中点为 \(m\)。然后 \(C_{pk} = (1-k)\,C_p\);\(k = 0\) 表示完全居中。
\(P_p\), \(P_{pk}\) — 性能指数 与 \(C_p\) 和 \(C_{pk}\) 相同的公式,但使用所有数据的总体(长期)标准差计算,包括子组间漂移。严格的 SPC 意义上的 \(C_p\)/\(C_{pk}\) 使用组内估计,如 \(\bar{R}/d_2\)。这两组指数之间的差异是过程不稳定性的衡量。
统计控制 一种状态,其中过程仅显示共同原因(随机)变异 — 稳定的均值和稳定的分布范围 — 因此其未来输出是可预测的。使用控制图(例如 X̄–R 或个体–移动范围)确认,而不是能力指数。
DPMO / PPM 每百万机会的缺陷数 / 每百万不合格零件数:超出规范的估计分数乘以 1,000,000。对于正态分布、居中的过程,它来自正态分布尾部面积,因此它是基于模型的估计而不是计数。
规格限 与 控制限 规格限 (LSL, USL) 是由工程、客户或标准设定的要求 — 它们来自设计意图,绝不来自数据。控制限 (LCL, UCL) 是从过程数据计算得出的,在绘制统计的 ±3 标准误处,并描述过程实际做什么。它们回答不同的问题,绝不能混合或互换绘制:超出控制限的点表示不稳定;超出规格限的值是不合格零件。

常见问题

Cpk 多大才算好? 1.33(对应 \(\pm 4\sigma\))是业界常见的目标值。低于 1.0 则说明过程无法稳定地满足规格要求。

为什么 Cp 和 Cpk 会不一样? Cp 不考虑居中程度,而 Cpk 会随着过程均值偏离规格中心而下降。因此 Cpk 始终小于或等于 Cp。

如果所有数值都相同会怎样? 此时 \(\sigma = 0\),从数学上看能力指数趋于无穷大(即零波动),因此本工具会返回 0,以避免出现除以零的情况。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器