六西格玛过程能力计算器

六西格玛过程能力计算器

六西格玛过程能力计算器用于衡量一个处于稳定受控状态的过程满足其规格限的良好程度。质量工程师、六西格玛黑带和可靠性团队通常通过其计算出的各项指数 — Cp、Cpk、Pp、Ppk、西格玛水平、DPMO 和良率 — 来回答生产运营中最经典的问题之一：在已知当前制造水平的情况下，我们有多大几率会做出客户无法接受的不良品？

本工具相比普通的 Cpk 计算器，主要具备三大亮点。第一，它支持两种输入模式：您可以直接粘贴原始测量数据（工具将代您处理完所有计算步骤），也可以跳过中间步骤直接输入已知的均值和西格玛。第二，它正确地将组内西格玛（用于 Cp 和 Cpk 的计算）与整体西格玛（用于 Pp 和 Ppk 的计算）进行了科学分离 — 很多市面上的免费计算器常常将它们混为一谈。第三，它能实现结果的可视化：包含展示了标注有 USL、LSL 和目标值位置的正态分布叠加曲线、过程能力速度表盘，以及能清晰展现您过程所处位置的 1σ–6σ 刻度尺。

四大过程能力指数深度拆解

Cp 衡量的是潜在过程能力：即如果过程能够完美对中，其散布可以在多大程度上落入规格限内。它直接将规格窗口宽度（USL − LSL）与 6 倍的过程标准差变异进行对比。Cp 等于 1.0 意味着过程散布恰好完全填满规格限窗口，毫无任何宽裕余量。Cp 为 1.33 意味着留有 33 % 的安全余量；而 Cp 达到 2.0 则代表留出了 100 % 的富余空间。

Cpk 衡量的是实际过程能力。它取（USL − μ）/ 3σ 与（μ − LSL）/ 3σ 中的较小值，因此当过程中心偏离目标值时，该指数会受到直接的惩罚惩罚。Cpk 总是恒小于或等于 Cp（Cpk ≤ Cp），两者之间的差距往往暴露了过程的对中问题，对此您通常可以通过工艺微调来解决，而不需要完全推倒重新设计。

Pp 和 Ppk 则是长期的指标。它们使用的是整体标准差（基于研究期间采集的所有测量值计算得出），因此它们将子组间的漂移、工具磨损、班次交替引起的变异以及任何其他长期的缓慢波动都包含在内。如果 Pp 远小于 Cp（Pp ≪ Cp），说明您的过程在长期来看并不像其在单点时刻表现得那么稳定。

西格玛水平与 DPMO

西格玛水平是“过程均值距离最近的那个规格限之间间隔了多少个标准差（σ）”的极简代称。一个在短期内达到 6 σ 水平的过程，在扣除通用的 1.5 σ 长期偏移量之后，在长期运行中对应的每百万机会缺陷数（DPMO）为 3.4。本计算器不仅提供您在控制图上能直观看到的短期西格玛水平，同时也会给出依据实际正态分布曲线直接积分得出的 DPMO 以及相应的良率结果。

如何使用本工具

1. 选择一种输入模式。 如果您手头已有现成的 μ 和 σ，请选择汇总统计数据；若您更倾向于直接粘贴单点读数，请选择原始测量数据。
2. 输入规格限。 填入 USL、LSL 或两者同时填入。目标值是可选填的，填入后将会在图表上清晰画出。
3. 提供数据。 在汇总模式下，键入均值和西格玛即可。在原始数据模式下，请粘贴至少两个数值（各数值间以逗号、空格或换行分隔）。
4. 提交计算。 计算出的报告将全方位展现 Cp、Cpk、Pp、Ppk、西格玛水平、DPMO、良率和通俗易懂的简明结论 — 并同步附带正态分布视图、能力表盘以及详尽的分步推导过程。

什么样的 Cpk 才能称得上是“好”的？

• Cpk < 1.00 — 过程能力不足。可以预见在正常生产期间将会频繁出现缺陷品。
• 1.00 ≤ Cpk < 1.33 — 临界状态。过程只要产生极小的波动或漂移，便会立刻滋生缺陷。
• 1.33 ≤ Cpk < 1.67 — 具备过程能力。这也是各工业领域最经典的行业基准要求。
• 1.67 ≤ Cpk < 2.00 — 极好。距离规格限有着非常宽裕和安全的富余空间。
• Cpk ≥ 2.00 — 世界级水平。这正是真正意义上无可挑剔的六西格玛过程。

计算实例演练

某灌装生产线的目标产量为每瓶 500 mL，设定的规格限为 LSL = 497 mL 以及 USL = 503 mL。实际运行后，录得的过程生产均值 μ = 500.4 mL，过程标准差 σ = 0.62 mL。此时，Cp = (503 − 497) / (6 × 0.62) ≈ 1.61；Cpk = min((503 − 500.4) / (3 × 0.62), (500.4 − 497) / (3 × 0.62)) = min(1.398, 1.828) ≈ 1.40。由此判定，该过程目前具备良好的过程能力（Cpk ≥ 1.33），而其微幅偏离中央目标的均值也通过 Cpk 明显小于 Cp 的现象如实反映了出来。

常见问题解答 (FAQ)

Cp、Cpk、Pp 和 Ppk 之间有什么区别？
Cp/Cpk 使用的是组内标准差 σ（短期，通过 R̄/d₂ 算得），用于评估在当前的分布展宽下，过程理论上能达到的最佳过程能力。Pp/Ppk 使用的则是整体标准差 σ（长期，将各种漂移变异包揽在内），反映过程实际展现出的综合表现。此外，Cp 和 Pp 完全不考虑过程是否有偏；而 Cpk 和 Ppk 则会对偏离目标的过程施加惩罚。

西格玛水平与 DPMO 是怎么进行换算的？
西格玛水平代表短期 Z 值 — 即均值到最近规格限之间的距离可以容纳多少个 σ。DPMO 则是每百万件产品中的长期缺陷率，通过正态分布在规格限之外的尾部区域进行积分算出。经典的六西格玛对照表规定，在引入 1.5 σ 漂移惯例后，短期的 6 σ 水平正好映射为长期的 3.4 DPMO。

究竟为什么要引入 1.5 西格玛偏移？
这源于一项重大的经验观察结果，即过程在短期实验到长期跨度的实际运行中，往往会发生大约 1.5 σ 的不可控漂移。依据此业界惯例，长期西格玛水平 ≈ 短期西格玛水平 − 1.5。这也就是为什么在短期测试中测得 6 σ 的过程能够与长期的 3.4 DPMO 挂钩，而不是直接对应到真正的纯 6 σ 那小得多的单点概率上。

如果我手头只有一个规格限，还能用它计算吗？
可以。只需将用不到的那个规格限直接留空即可。在这种情况下，由于 Cp 和 Pp 必须要求双侧界限完整才能成立，因此它们会被标记为 n/a（不适用）；但系统会照常为您算出单侧的 Cpk 和 Ppk 指数 — 例如，如果只有上规格限，Cpk 将自动按照 (USL − μ) / (3 σ) 进行计算。

不同类别的西格玛各自用于哪些地方？
组内标准差 σ（通过 R̄ / d₂ 算出）专门服务于 Cp 和 Cpk 的计算。整体标准差 σ（自由度为 n − 1 的经典样本标准差）则全面用于 Pp、Ppk 指数以及 DPMO 的核心计算中。只有在过程处于绝对完美的稳定状态下，这两者才会相等；这两者的差距越大，说明您的过程在子组之间发生的漂移和不稳定性越严重。

为什么我的 Cpk 和 Pp 会得出不同的数字？
Cpk 依赖组内标准差 σ 且取决于上侧和下侧单侧指数中的更小者；而 Pp 依赖整体标准差 σ 且完全不考虑过程是否偏离中心。因此，只要过程偏离了预设目标，Cpk 就会下降；而只要过程长期的整体波动变大，Pp 就会随之走低。通过横向对比它们：极大的 Cp/Pp 差距往往敲响了过程随时间发生失控漂移的警钟；而极大的 Cp/Cpk 差距则预示着存在由于均值偏离目标而引发的对中缺陷，这通常完全可以通过直接调校生产设备来予以消除。