CPK如何计算

MechMaster

于 2025-03-07 15:54:01 发布

阅读量1.3k

点赞数 25

分类专栏：机器视觉文章标签： CPK

本文链接：https://blog.csdn.net/weixin_38566632/article/details/145721143

版权

19 篇文章

订阅专栏

CPK（过程能力指数）用于衡量过程在考虑中心偏移后满足规格要求的能力。以下是其计算步骤及注意事项：

1. CPK计算步骤

数据前提
- 过程需稳定（处于统计控制状态）。
- 数据应近似服从正态分布，否则需进行变换或使用非参数方法。
σ的估计
- 推荐使用子组内变异（如控制图中的 $\bar{R}/d_2$ 以减少特殊原因影响）。
异常情况处理
- 若均值超出规格限（如μ > USL或μ < LSL），CPK视为0（过程无能力满足要求）。
结果解释
- CPK ≥ 1.33：过程能力充足。
- 1.0 ≤ CPK < 1.33：能力一般，需监控。
- CPK < 1.0：能力不足，需改进。

示例1（对称规格）：
USL=50，LSL=30，μ=40，σ=3.333
$\frac{50-40}{3 \times 3.333} = 1.0, \quad CPL = \frac{40-30}{3 \times 3.333} = 1.0 \quad \Rightarrow \quad CPK = 1.0$
示例2（均值偏移）：
USL=50，LSL=30，μ=42，σ=3.333
$\frac{50-42}{10} = 0.8, \quad CPL = \frac{42-30}{10} = 1.2 \quad \Rightarrow \quad CPK = 0.8$

在过程能力分析中，标准差（σ）的估计需基于子组内变异（即组内随机波动，排除特殊原因的影响）。以下是两种常用方法的具体计算步骤：

划分子组
- 将数据分为k个子组（如每班次5个样本为一组）。
- 子组大小n需相同（如每组5个数据）。
计算每个子组的极差（R）
$R_i = \text{子组内最大值} - \text{子组内最小值} \quad (i=1,2,...,k)$
计算平均极差（( \bar{R} )）
$\bar{R} = \frac{\sum_{i=1}^k R_i}{k}$
查表获取系数 $d_2$
- 根据子组大小n，查统计表（如下表）：
  子组大小n 2 3 4 5 6 7 8 9 10
  ( d_2 ) 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
估计标准差σ
$\sigma = \frac{\bar{R}}{d_2}$

子组大小n	2	3	4	5	6	7	8	9	10
( d_2 )	1.128	1.693	2.059	2.326	2.534	2.704	2.847	2.970	3.078

划分子组
- 同极差法，子组大小n需相同。
计算每个子组的样本标准差 $S_i$
$S_i = \sqrt{\frac{\sum_{j=1}^n (x_{ij} - \bar{x}_i)^2}{n-1}} \quad (\bar{x}_i为第i个子组的均值)$
计算平均标准差 $\bar{S}$
$\bar{S} = \frac{\sum_{i=1}^k S_i}{k}$
查表获取系数 $c_4$
- 根据子组大小n，查统计表（如下表）：
  子组大小n 2 3 4 5 6 7 8 9 10
  ( c_4 ) 0.798 0.886 0.921 0.940 0.952 0.959 0.965 0.969 0.973
估计标准差σ
$\sigma = \frac{\bar{S}}{c_4}$

子组大小n	2	3	4	5	6	7	8	9	10
( c_4 )	0.798	0.886	0.921	0.940	0.952	0.959	0.965	0.969	0.973

子组划分原则
- 子组内数据需在相同条件下采集（如时间、设备、批次一致），确保仅包含随机波动（普通原因变异）。
与总体标准差的区别
- 若直接使用总体标准差公式 $\sigma = \sqrt{\frac{\sum (x_i - \mu)^2}{N}}$ ，会包含子组间特殊原因变异，导致σ偏大，CPK低估。
- 务必使用子组内变异估计σ，以反映过程的自然波动。
子组大小不一致时的处理
- 若子组大小不同，需分别计算每组的 $R_i/d_2$ 或 $S_i/c_4$ ，再求平均。