CPK值计算公式讲解

1、1 SPC 基础知识及应用 统计学是现代品质管理的基石，是过程管理中最重要的工 具。具体到我们SMTIPQC来讲就是QI软件，这份教材主要讲述 QI软件的主要控制原理及其使用。 涉及到统计就必然跟数据有关，存储数据的大型文件叫数据 库 Data Base简称DB。在QI软件中，如图，我们可以看到数据 是存在一个叫2DPMO.SPC的文件中。这个表格是不是很熟悉， 对，它就是EXCEL格式的数据文件。 2 第一章 CP 与CPK CP 和CPK 是描述制程能力的重要指数。当产品的规格线不变， CPK 越高表示制造能力越强。下面我们看看CP和CPK是如何计算 的。 Cp = T 6 Cpk = (

2、1-K) Cp CP: Capability of Process 制程能力 : Standard Deviation 标准偏差 T : USLLSL 规格限宽度 K : 规格线中心值（目标值）和 实际数据均值/mean/ X的偏移系数 = 1 n-1 i = 1 n ( X -X) i 2 标准偏差 是衡量数据离散程度的指数， 越大表示数据 离散程度越高，大小越不均匀。 1 计算CPK 3 K= 2 MX T M= 2 USL+LSL 计算CPK的顺序: 计算平均值X和 计算T 得出CP 计算M、K CPK 159165165176168174 168159171177168169 1791

3、62182181168171 165162174172171182 例：表格中的数据是某班测量锡膏厚度的值，工艺允许的范围是 130220，求该组数据的CPK。 计算平均值X和 X（159168179165+171+182) 24=170.33 在EXCEL中用 =average(A1:F4)命令可直接算出从A1(左上角)到 F4（右下角）范围内的数据的平均值。 4 同样=STDEV(A1:F4)可以计算它们的标准偏差。 计算T TUSLLSL22013090 220130 2 得出CP Cp = = = 2.20 T 6 90 6 6.831 计算M、K M= = = 175 USLLSL

4、2 2 175-170.33 90 K= = = 0.103 2 M-X T （159170.33) +(168-170.33) +(171-170.33)+(182-170.33) 222 24-1 = 6.831 2 5 CPK CPK=(1-K) CP = (1-0.103) 2.20 = 1.97 CPK的另一种算法 CPU： CPU= USL-X 3 CPL： CPL= X -LSL 3 CPK=MIN(CPL:CPU) 两种方法计算结果是一样的, 有兴趣的话可以自己验证一下 6 习题一 218217217217218217 217217221218217218 2202182172

5、18221221 217221221220219219 218220218220220221 1、某生产线录得烘炉最高温度如下，工艺许可范围是215225， 用两种方法求该组数据的CPK。 2、思考题 某线A、B班分别生产WALL(7.0 2.0 ) 和ECSM （5.5.) 产品，测量锡膏厚度，QI软件计算CPK都是2.0, 问 哪个班制程能力强,为什么? 3、思考题 生产线CP值高CPK就一定高吗? 为什么。 7 2 QI软件是如何计算CPK ? X Max : 测量最大值 Mean: 平均值 X Min: 测量最小值 Std Dev: 标准偏差 USL : UP STRICT LINE

6、LSL : LOW STRICT LINE UCL : UP CONTROL LINE LCL: LOW CONTROL LINE 8 2.1 让帮助文件告诉我们 FIRST: 寻找帮助,点击术语表SECOND:点击你想知道的术语 小框框里的英文 就是名词解释 THIRD:点击这里 会有计算公式哦o 9 yes 2.2 This is 10 第二章 如何判读QI软件图 1 数据的分布 数据大体可以分为两种类型：计量型measure、计数型count。其 中计量型数据大部分服从正态分布 。通俗讲正态分布是指中间多两 边少的分布形式。讲个最简单的例子，我们现在统计全国青少年的 身高，发现70的人在

7、170cm左右，超过190cm的很少，同样小于 150cm的也很少，我们就说身高的分布情况符合正态分布。 右图是锡膏厚度图， 可以看见锡膏厚度大部 份都是140左右（在两 条平行线内），接近控 制线的数据是很少的。 我们可以说锡膏厚度的 分布是服从正态分布的。 11 1.1正态分布图 这就是正态分布图，可以看到该图有两个重要参数:平均值和 标准偏差。图上的曲线是概率密度曲线，在X=+ 、X=- 以 及曲线所组成的面积 （即阴影部分） 称为数据分布在( - , + )范围内的概率。事实上只要数据服从正态分布，这个 （即阴影部分）面积是固定的：0.6826即68.26% 2界限范围内的概率是 95

8、.46% 3界限范围内的概率是 99.73% 6是LG对我们的要求,这是什么概念呢?3.4 PPM,即百万分之3.4。 从工艺角度来讲即：USL= 6，LSL 6。 11 (平均) +3 33 12 1.2正态分布图（续） 规格下限 (LSL) -6-5-4-3-2-1+1+2+3+4+5+6 规格上限 (USL) 这就是达到6sigma水平时的正态分布图，我们知道规格线制定 以后就不会改变。唯一可以改变的是数据本身，当整体偏大时，分 布情况就会往规格上限偏（虚线）；反之，则往规格下限偏。 由图可知: USL= 6，LSL 6 ;=(USL-LSL)/12 当我们制程改进，工序水平达到7sig

9、ma时 USL= 7，LSL 7 ; =(USL-LSL)/14 , 从公式可以推出制程改进后的标准偏差是比改进前的 小。 小就说明数据变动范围小，从而说明制程更稳定。 13 规格下限 (LSL) -6-5-4-3-2-1+1+2+3+4+5+6 规格上限 (USL) 规格下限 (LSL) 规格上限 (USL) -6-5-4-3 -2 -1 +1+2 +3+4 +5 +6+7-7 改进前 6 改进后 7 同样的规格限，可以看到改进后的数据分布比改进前密集，就是 说数据变动更小，更稳定。 14 1.3 CP(CPK) 大就一定好吗? 这个问题并不是哗众取宠，事实上这个问题很重要。 首先我们回顾一下通过什么“ 手段” 可以获得“