当您需要判断生产出的产品是否符合设计规格时，可以使用 Cpk 过程能力指数。它通过对比工艺的实际波动与规格要求，帮助您快速识别过程能力是否达标。请确保在进行此评估前，您的测量系统已经过验证，且过程处于稳定受控状态。
理解 Cpk 过程能力指数
Cpk 过程能力指数是衡量生产过程满足规格要求能力的量化指标。它通过计算生产数据均值与最近规格边界的距离，并除以短期变异（σ_ST），从而评估过程是否“居中”且“紧凑”。
在 Lattice 中，我们采用子组合并法计算短期 σ_ST，确保该指标能真实反映设备或工艺的固有能力，而非受到操作员或班次切换等长期漂移的影响。
为什么工艺顺序至关重要
在质量工程中，盲目计算 Cpk 是无效的。必须严格遵循“先 MSA、再 SPC、后 Cpk”的顺序：首先通过 MSA 确保测量工具准确，接着通过 SPC（X̄-R 控制图）确保生产过程稳定，最后才计算 Cpk 指数进行能力评估。
如果跳过这些步骤，测量误差或过程失控会严重混淆数据，导致评估结果失去参考价值。
区分短期与长期能力
Lattice 提供 Cp/Cpk（短期）和 Pp/Ppk（长期）两组指标。短期能力使用由子组极差导出的 σ_ST，反映的是理想状态下的工艺精度；而长期能力使用整体样本的标准差（σ_LT），包含了生产过程中的所有波动。
当 Cpk 与 Ppk 出现明显差异时，通常暗示过程存在显著的漂移或不稳定性，这是查找工艺异常根源的重要线索。
正态性与数据有效性
Cpk 的计算默认数据符合正态分布。在分析前，系统会自动运行 Anderson-Darling 正态性检验。如果数据显著偏离正态，系统将触发警告，因为非正态数据会导致良率预估（DPM）失效。
此外，样本量也是可靠性的基石。我们建议至少收集 50 个以上的观测数据，以确保计算出的 Cpk 置信区间处于合理范围，避免因样本过少导致的误判。
1 · Intent → method
An LLM picks spc_cpk from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
为什么 Cpk 必须在过程稳定后计算？
Cpk 的核心假设是过程处于统计受控状态。如果过程不稳定，数据中存在特殊原因引起的剧烈波动，此时计算出的 Cpk 将无法准确反映工艺的真实能力，导致决策偏差。
Cpk 小于 1.33 代表什么？
Cpk 小于 1.33 通常意味着过程能力不足。这表明您的生产过程波动相对于规格限过大，产品存在较高的超差风险，建议优先进行均值调整或变异度优化。
Tool 输入字段
Schema for spc_cpk not exported yet (run pnpm export:registry).