CPK的解.docVIP

4：具有双限值品质的高斯概率曲线，中心值在“限值窗口”的正中。限值窗口是展开值的4倍，相应的Cp参数为0.67。由于展开值过高而使合格率下降，不能移动中心值作补偿。 我们通过参数计算可以定量地判断过程的质量。一个过程是由中心值μ和偏离量s为其特征的，一个高质量的过程的中心值μ应愈接近“目标值”（对于只具有单向限定值的情况，中心值μ离限值愈远）。品质参数数据应尽可能分布在狭窄的区域内。 过程质量可以由两个参数进行评估： 过程潜能参数Cp 过程性能参数CpK 从以下的计算公式可容易地理解这两个参数的含义： Cp=USL-LSL/6s USL=上限值 LSL=下限值 s=展开值 换言之,Cp值是“限值窗口”宽度与“展开值s”（注4-译者）作比较的数值,限值窗口宽度是由USL和LSL算出的。对于一个生产过程，它的某些品质参数（如径向翘曲或粘合间隙）的Cp值应该起码为1，因为当Cp值超过1，此时又正好过程的中心值处在限值窗口的中央，则99.7%的产品处于标准规定的限值内,这样该工艺所能获得的理论上的最大的合格率应该为99.7%，然而“中心值μ”一旦偏离目标值将产生严重的、系统性的合格率下降。由于毫无调节中心值的余地，因此Cp值低于1的过程是不理想的。“展开值s”增加时（Cp下降）概率曲线的边缘会降落在限值之外，表明了超出限值的产品在增加，有较多的产品的品质接近限值。图4是一个有上下限值的质量分布图，“中心值μ”处在中央，Cp值为0.67。 “过程性能”参数Cpk同时考虑了概率曲线的展开程度和中心值的位置，它由下面的算式计算： 下限值Cpk Cpk= (μ-LSL)/3s 上限值Cpk Cpk= (USL-μ)/3s Cpk参数是计算：“中心值μ”和限值（最相近的上限值/下限值）之间的宽度是“展开值s”的倍数。许多品质参数具有上/下限值,因而可得到对应的两个Cpk值。上限值Cpk/下限值Cpk分别与上限值/下限值相对应。图4演示的是这种情况：由于中心值与限值之间的宽度为偏离值的2倍，并且中心值处于上/下限值之正中，所以上/下Cpk均为0.67。 通常我们是在光盘不同的位置测得粘合间隙和翘曲度参数。这样，从每一个光盘样品中可测得最大值和最小值一对参数。譬如在测试粘合间隙参数时，可得到最大值/最小值的两组数据，每组数据各对应一个具有中心值和展开值的概率曲线。 在这种情况下，由最小值和下限值计算得到下限值Cpk，由最大值和上限值计算后得到上限值Cpk。 可用图5a进行说明，数据也来自图2a。对于最大值和最小值，它们的“中心值μ”与限值之间宽度是“展开值s”的6倍多，使得上限/下限Cpk分别达到2.49 和2.29。 然而从图2b高离散性的数据进行计算, 上限和下限Cpk值仅分别为0.63和0.71。从图5b中我们看到的情况与计算的结果是吻合的。 图5 由图2a和图2b的数据所得的最大值/最小值高斯概率曲线。上限值USL/下限值LSL、中心值μ和展开值s是计算Cpk所必须的。注意：图5a和图5b所示的Cpk参数相差很大，合格率分别从95％到99.9％。 在按标准的生产过程中，Cpk值完整而定量地描述了过程所具有的性能。对应于监视中各个质量参数而言，高的“过程性能”指数是生产高品质的产品的保障。Cpk指数为1是最起码的，因为这样合格率的下降可小于1％。从Cpk的公式可容易地看到，为得到高的Cpk必须做到以下两点： 1．统计曲线的中心值应接近目标值（在只有单向限值的情况下，产品的品质参数应远离限值）。 2．统计曲线的展开值应很小。 为何Cpk比合格率表达更多的品质信息 显然，统计法和合格率也有一定的关系，统计工具在执行过程评估时有更高的识别率。如果我们知道两个独立过程的合格率，在合格率均高于95％的情况下，要区分其高低就会感到异常困难，因为合格率的不确定性很大，合格率的误差甚至比合格率之差还要大的多。合格率高于99%时，就几乎不可能区分了（当然，具有这种合格率的过程也可免除运用国际标准了）。然而使用Cpk值，我们可以很容易量化地评判合格率为95%和100%之间的差别，并且具有良好的重现性。图6是Cpk值从0.33到0.4的概率分布曲线族。可以看出在合格率即使在99.7％到99.99999％的范围内，Cpk值的幅度变化很大，Cpk所表示的过程性能是可信赖和有意义的。 怎样获取必要的数据和怎样进行评估？ 实际上，统计和评估工作需要具备有效的数据，它们是通过大量的样品采集得到的。过去，这样的工作意味着要由人工测量成千上万的光盘，再进行数据归类和分析。现在采样量为100％的在线检测系统具有测量多个相关质量参数之能力，并且可以自动地进行记录和整理，留作日后分析之用。 我们也注意到，目前的在线检测系统还不能测量所有的质量参数，譬如某些光盘参数（如晃抖率