从Cpk 到 Ppk __本文献给还在为两者纠结的朋友们

从Cpk 到 Ppk __本文献给还在为两者纠结的朋友们。

两者本是同根生，安然辨哪根是哪根。。。
本文献给还在纠结两者定义&概念的朋友们。

Cpk的“C”英文翻译的是“Capability”， Ppk的“P”是“Performance”。熟悉英语的朋友们估计就清楚了。“Capability”是表示制程有这能力；但是在实际生产中能不能做到，就得看“Performance”；因为实际生产当中总是有些让人出乎意料的“变异”。

通俗点说：Cpk短期，Ppk长期。

但是实际使用管它什么长期短期，只需要知道他们是对制程能力的一个指数。至于什么时候用哪个参数？我告诉你：不用管它。甭管它是1.0，1.33还是1.67，甚至2.0。。。我们只需要知道越高越好；达不到公司要求，那咱们慢慢谈；看看有没有的改进的空间，问题的严重性如何，成本的经济型又如何？足以！~~

原则上说，一组数据要计算Cpk还是Ppk是由样本的来源决定的。但是咱们管它数据咱们来的，一次把两个都计算出来看看不就是了？

可能有人会问：对于同一组数据来说，哪个大于哪个？自己可以去想想：你说是做一天好产品难，还是做一年好产品难？就会明白。

两个计算的唯一差别是：
Cpk是组内（within）标准差，值包含普通变异；Ppk是整体（overall）标准差，包含普通变异及特殊变异。但是什么叫普通变异？什么叫特殊变异？本身就是人为定义的，也是一个很扯蛋的问题。实际应用过程不用特意去管他。

通常现实生产肯定是少不了特殊变异的；另外还有就是那个该死D2/C4是怎么来的？谁能说的清楚？会不会又是如同6 Sigma 的 1.5 Sigma漂移？统计人员的经验？所以现在很多企业都已经抛弃Cpk，只看Ppk了。

阿门！愿Cpk早日消失，Ppk一统江湖；愿纠结的朋友们不会再纠结。。。

愚见，请拍砖。