过程能力计算器：Cp 与 Cpk

Cp 只把规格的宽度和过程的宽度作比较，别的什么都不看。Cpk 比较的是过程到每一道限的距离，所以宽度和位置它都看得见。

所以它们可以差得很离谱。一个规格宽达十二个标准差的过程，不管坐在哪里，Cp 都是 2,00。对准中心时它的 Cpk 也是 2,00，每百万出 0,002 个不良。挪到离某道限一半路的地方，Cp 仍是 2,00，Cpk 掉到 1,00，每百万出 1.350 个。平均值正好压在限上时，Cp 还是 2,00，Cpk 变成零，一半的东西都在规格之外。

因为那个著名的数字里，已经先包含了给过程偏离中心留的余量。规格在每一侧都有六个标准差、过程又对准中心时，得到的是每百万约 0,002 个不良，而不是 3,4 个。

3,4 这个数字，是同一个过程被挪离中心一个半标准差之后的结果——那正是摩托罗拉最初的工作所假定的、真实过程在长期里会有的漂移。两个数字之间，离散什么也没变，变的只是对中，而这就要价大约一千七百倍。

几乎总是先对准中心，因为它是两者中便宜的那个，而计算器会准确告诉你它值多少。挪动一个过程的位置通常是调整；让它波动更小通常是项目。

一个 Cp = 1,33、坐在离中心一个标准差处的过程，每百万出 1.350 个不良。只把它对准中心就降到 63。要在不对准中心的情况下达到同样的 63，你得把标准差削掉将近百分之二十二——同样的结果，却是另一个量级的力气。

对一个已经成型的过程来说，1,33 是常见的底线；在故障代价高或事后难以察觉的地方，1,67 很常见。低于 1,00 时，规格比过程能守住的还窄，逐件全检就成了把坏件拦下来的唯一办法。

把这些数字当作惯例，而不是法律。它们真正编码的，是你愿意接受的不良率，而该拿来争论的正是这个率：一个对准中心的过程，在 1,00 时每百万出 2.700 件，在 1,33 时出 63 件，在 1,67 时出 0,6 件。

会，而这意味着平均值已经落在规格限之外，所以过程做出来的东西有一半以上本就在限外。

到那一步，这已经不是可以循序渐进改善的能力问题了。那是一个要纠正的设定，而这些指数只有在过程回到限内之后，才重新描述得出有用的东西。

最常见的原因是：把一个指数换算成不良率，前提是测量值服从钟形曲线，而很多真实过程并不服从。凡是有硬性物理下限的，或者刀具只朝一个方向磨损的，都会产生偏斜的分布，而你关心的那条尾巴，恰恰是这个前提垮得最厉害的地方。

第二个原因是稳定性。这些指数描述的是一个待得住的过程。如果你的过程在班次之间或批次之间漂移，那你在一小段窗口里量到的标准差，并不是你日常相处的那个标准差，于是不良率在纸上会比在箱子里好看。