过程能力研究利用生产过程中初始一批产品的数据，预测制造过程是否能够稳定地生产符合规格的产品。

可以把它想象成一种预测。通过历史数据的分析，推断未来是否可以依赖该工艺持续生产高质量产品。

客户可能会要求将过程能力研究作为生产件批准程序 (PPAP) 的一部分。这是为了确保制造过程能够持续稳定地生产合格的产品。

在定义制造过程时，目标是确保生产的零件符合上下规格限 (USL 和 LSL)。过程能力衡量制造过程能多大程度上稳定地生产符合规格的产品。

核心概念很简单：(1) 确保制造过程的中心点与设计工程师期望的标称值一致；(2) 确保过程的分布宽度小于规格宽度。

Cp：测量过程的分布宽度是否小于规格宽度。

Cpk：同时测量过程的中心点偏移和分布宽度相对于规格宽度的情况。

在深入统计计算之前，我们可以先了解一些基本步骤：

绘制数据图表：记录测量数据，并将其绘制在运行图和直方图上。

计算规格宽度：在直方图上标注上下规格限 (USL 和 LSL)，并计算规格宽度：规格宽度 = USL - LSL

计算过程宽度：计算过程宽度，可以简单理解为“此过程可能生成的最大值和最小值之差”：过程宽度 = UCL - LCL

计算 Cp 值：将规格宽度与过程宽度的比值作为能力指数：Cp = 规格宽度 / 过程宽度

想象司机把车停进车库。如果车太宽，进不去；如果宽度合适但没对准中心，就会刮蹭到车库边缘。刮蹭就像生产了次品。

但如果车既够窄又停得很居中，就能顺利停进车库。这也是我们制造过程的目标：宽度合适且居中。

假设车的宽度合适，现在取决于司机的技术。司机每天停车，30 天后，我们绘制了运行图和直方图。

技术好的司机：总是将车停得很居中，直方图很窄，几乎没有刮蹭风险。

技术不好的司机：停车不稳定，直方图很宽，刮蹭的风险大。

在制造中，我们同样通过测量每个零件的数据来判断过程能力。

数据测量需遵循以下规则：

量具分辨率：量具应校准，分辨率至少为规格的 1/10。

生产顺序：测量和记录零件时需按生产顺序进行。

记录所有数据：包括合格件和不合格件的数据。

保证可追溯性：记录每个零件的操作员、设备、方法、材料、测量系统及环境条件。

数据同质性：不同设备的数据集应分开处理。

在进行过程能力分析前，需确保过程稳定。一个稳定的过程，其平均值和标准差在时间上保持不变。

短期标准差：对数据分组（如每小时测量 5 个零件），计算组内的平均值和标准差。

长期标准差：计算整个数据集的平均值和标准差。

Cp、Cpk：预测制造过程在最佳条件下的能力。

Pp、Ppk：评估过程在某段时间内的实际性能。

如果过程稳定，则 Ppk = Cpk。

过程能力分析：对过程进行测量和分析，但不会实时调整。

统计过程控制 (SPC)：实时监控和调整过程，确保过程稳定并生产合格产品。

理想情况：过程中心居中且分布窄，风险小。

偏移：过程向某一方向偏移，容易产生次品。

过宽：分布太宽，次品风险大。

截断分布：可能是去除了不合格数据导致的。

分辨率不足：会导致平均值和标准差计算错误。

多峰分布：可能是不同条件下的数据混合导致。

GD&T：对于几何尺寸，理想值为 0，目标值接近 LSL。

单边规格：制造工程师需要选择偏离标称值的目标值，避免超出规格限。

Cpk < 1.0：过程能力差。

1.0 ≤ Cpk ≤ 1.33：勉强合格。

Cpk > 1.33：过程能力好。目标值应为 2.00 或更高。

高 Cpk 值的好处：

次品率低。

产品性能提升，例如减少质保投诉。