cpk ppk.docVIP

影响品质的因素有很多很多，比如一种常见的分析品质问题的分类手法把这些因素分为：人、机、料、法、环、测……。理想的生产和检测状况是，人、机、料、法、环、测……等所有因素都是稳定的，没有重大变化的，这时候得到的产品品质也是非常稳定的。但实际上，这些因素总有变动。但是，在相对短的时间内，比如在稳定的环境下，用稳定的设备和参数，连续的投入稳定的原料，生产过程中没有异常的变动因素，这时候可看作是稳定的。但是，如果这些因素有了变化，比如说换班、重新开机，改变参数设定、原料换批等等，且这些改变将使产品品质与更换之前发生明显偏移，这时候的生产过程可看作不稳定。Cpk和Ppk的区别就在于，Cpk是评估稳定情况下的工序能力指数，Cpk通常涉及到分组，而分组的原则就是组内的数据是连续取样获得的，所分的单组数据所对应的生产状况就更有能是没有变动因素的，相对一致的，如果每一组组内的数据稳定性好，比较集中一致，那么，不管组与组之间的数值相差多么大，Cpk的数值都会比较高。而Ppk则不管工序是否稳定，不去分组，不去仔细区分是否有变动因素带来的影响，将分析区间(可能是一个很长的时间内的很多数值，也可能是很短时间内的几个数值)内的所有的数据混合在一起进行分析的工序能力指数。如果Ppk分析的区间非常大，跨越的生产周期比较长，包含了各种各样的工况条件带来的变化，那么它反映的就是长期时间下工序的真实地生产能力。如果处于研发阶段，Ppk所分析的数据是由同一条件下连续取样的同一批产品测试而得，那Ppk就反映了研发阶段的工序能力，在这种情况下，如果你把它当作是Cpk也可以。如果将计算Cpk的若干组数据看作为一组再来计算Cpk和Ppk，则Cpk的真实值与Ppk的值完全相等。Ppk只是分析用的参考指标，其本身并没有长期和短期的概念。它反映了什么取决于你用它来分析什么。 在计算Cpk的过程中，数据分组不是随意而为的，而应遵从其组内“工况条件一致”这一重要的真正意义。如果你的分组方式符合Cpk分析的真正意义，即组内对应的各种关键因素是稳定的，那么Cpk值的本身并不能反映出组与组之间的差异，也就是说，只要组内的数据是稳定的，那么，即使前后组数据之间发生了巨大变化，譬如有重大异常因素造成了某组数据发生了显著的同向变化，Cpk的数值也仍然会很高、很好，这时，Cpk反映了工序的潜在能力，意味着如果你消除了组与组之间的异常因素导致的变化，则工序的实际能力指数就可以达到这个值，Cpk不反映工序的实际能力。但是，相对应区间的Ppk的数值会下降很多(从数据的平均值上，或者从所绘制的管制图上也可以看出相应的变化)，此时，Ppk值反应了异常因素带来的变化，也可以说，它反映了工序的实际能力。所以，在一般场合下会强调：在稳定的、受控的工序中才建议使用Cpk。不然，如果工序不是稳定的、受控的，则即使Cpk的数值很高很大，也不能说明产品的品质是稳定的，产品的合格率就真的很高。如果工序真的是稳定的、受控的，则Cpk越大越好，且工序越是稳定、受控程度越高，Cpk和Ppk的数值就越接近。 如果Ppk的数值是非常高的，则品质就是稳妥的，合格率就是很高的，它不需要像Cpk那样附加其它的条件。 Cpk和Ppk之间的差异并不是关于Sigma的Rbar/D2算法和Stdev算法之间的差异，Cpk也可以采用STDEV的算法，但是两者的STDEV算法的公式有所不同，而Rbar/D2的算法只是一个估算，是Cpk的Stdev算法替身而已。这种算法还不如Stdev算法本身更精确。之所以很多教材不采用Stdev算法来计算Cpk，那只是因为在Cpk概念发明之初，手工计算Cpk的Sigma是一件很恐怖的事情，所以以Rbar/D2简而代之。但是对于计算机高度普及今天来说，这已经是小菜一碟了，Rbar/D2的估算法可以退出历史舞台了。两种Stdev的计算公式如附图所示： 转载请注明出自( 六西格玛品质网 ),本贴地址:/thread-205909-1-1.html 下面是“十个小故事大道理”不需要的朋友可以下载后编辑删除！！！谢谢！！！ 小故事1、《扁鹊的医术》 　　魏文王问名医扁鹊说：“你们家兄弟三人，都精于医术，到底哪一位最好呢? 　　扁鹊答：“长兄最好，中兄次之，我最差。 　　文王再问：“那么为什么你最出名呢? 　　扁鹊答：“长兄治病，是治病于病情发作之前。由于一般人不知道他事先能铲除病因，所以他的名气无法传出去;中兄治病，是治病于病情初起时。一般人以为他只 能治轻微的小病，所以他的名气只及本乡里。而我是治病于病情严重之时。一般人都看到我在经脉上穿针管放血、在皮肤上敷药等大手术，所以以为我的医术高明， 名气因此响遍全国。 　　大道理：事后控制不如事中控制，事中控制不如事前控制。 　　小故事2、危险的森林