2023.01.18 編修文章字體
2021.09.15 修改文章內容
2020.03.08 修改文章標題及新增參考文章
2019.11.21 修改文章
上一篇文章【品質工程】為什麼Cpk >= 1.33才算好 ? 1.33這數字怎麼來的？Why Cpk must be greater than or equal to 1.33? 我們用圖形化的方式解釋了1.33這個奇怪數字的來源，但還有一個問題還沒釐清。在那一篇文章中，我們假設樣本中心跟規格中心重疊，剛好落在中間的位置，但如果樣本中心偏離規格中心會發生什麼事？會不會出現Cpk同樣都是1.33但卻截然不同的製程能力？ 這篇文章就要來談談這件事。
一樣的Cpk，不一樣的製程能力
首先讓我們回顧這張圖，上次提過，這三個製程能力分別是2.0、1.33、1.0。
我們重新調動數值，故意讓製程中心偏移得到下圖；根據Cpk的公式，我們假設規格上限到規格中心的距離為1單位，如此可以得到：
第一張圖的Cpk等於 (1/2)/(1/2) = 1.0
第二張圖的Cpk等於 (2/3)/(1/2) = 1.33
第三張圖的Cpk等於 (1/2)/(1/4) = 2.0
兩張圖中間的範例Cpk同樣都是1.33的製程能力，卻有截然不同的製程中心與製程變異；一個製程能力較分散，且與規格中心對齊、一個製程能力較集中，卻偏離規格中心。
但你說他們的Cpk都是1.33所以製程能力一樣，顯然哪裡怪怪的。
這裡就是這篇文章想提的重點：「即便一樣的Cpk = 1.33，它們的製程能力其實還是不同的。」
這給我們一個很明確的範例，證明我們不能夠單憑Cpk的數值就判斷一個製程是否優良，否則我們就有可能犯下上面範例的邏輯錯誤。
不要依賴單一指標
我們都知道製程能力指標其實有很多選擇，Cpk只是其中一個指標，IATF16949 SPC manual裡面就有提到：「強烈建議使用者同時評估多個指標，不要依賴單一指標做決策，單一指標做出的決策可能會導致決策錯誤。」如果我只看Cpk，就會得出上述兩個製程能力相同的結論，但實際不然。它們的Cpk一樣，但是製程能力的表現及產品良率可大不相同。Cpk並不是萬靈丹，評估製程能力時必須先確定：
- 管制圖數據是否為常態
- 管制圖R chart是否呈現統計管制內
- 管制圖X-bar chart是否呈現統計管制內
當上述成立時最後才確認Cpk的數值，並且一再仔細推敲觀看數據的分佈才能確定製程能力。
相關文章：
【品質工程】從IATF16949車用五大核心工具PPAP和SPC手冊談Ppk與Cpk的差異
【品質工程】Cpk >= 1.33 就表示製程能力就一定好? 那可未必
【品質工程】為什麼Cpk >= 1.33才算好 ? 1.33這數字怎麼來的？
【品質工程】針對工作狂人文章中提及Cpk/Ppk錯誤資訊的澄清
【品質工程】如何使用SPC制定產品參數規格
【品質工程】IATF 16949 SPC manual Appendix A “Some Comments on Sampling” 自相關資料