当 Pp 与 Ppk 给出不同的故事（以及这为何重要）
这一结论得到了 beefed.ai 多位行业专家的验证。
短期指数 (Cp, Cpk) 反映在 rational subgroups 捕获的短期条件下的 潜在的 能力（它们使用 sigma_within）。它们描述在不存在批次之间的移位和长期漂移时，过程可能具备的能力。 1 (minitab.com)
长期指数 (Pp, Ppk) 反映在整个数据集上的 实际表现，并包括子组之间和批次来源的变异（它们使用 sigma_overall）。在需要一个面向客户的对多次运行实际到达量的估计时，请使用它们。 6 (isixsigma.com)
当 Ppk << Cpk 时，表明存在显著的子组之间或批次之间的变异（漂移、工具磨损、批次之间原料差异、操作员/班次效应）。这个差距具有诊断意义：短期过程紧凑，但对常规生产变动的鲁棒性不足。 1 (minitab.com) 6 (isixsigma.com)
当 Cpk ≈ Ppk 时，通常你会得到一个稳定的过程，组间变异有限；指数之间的差异是对隐藏的运行之间效应进行有用定量检查。 1 (minitab.com)
如何解读能力结果并将发现转化为行动
下面是一份简明的解释性指南，提供在质量评审或 CAPA 中可立即使用的、基于证据的应对措施。
Cpk / Ppk rangePractical meaningDiagnostic focusImmediate actions (evidence to collect)≥ 1.67世界级 / 汽车关键特性水平（通常用于安全/关键）维持控制；监测磨损/漂移。记录跨批次的持续 Ppk/Cpk；继续例行的 SPC 和 MSA。 8 (scribd.com)1.33 – 1.67对于许多生产用途可接受减少偶发性偏移；收紧控制计划。提供能力报告，每日监控控制图，审查供应商输入和设定程序。 1 (minitab.com)1.00 – 1.33边际 — 过程可能勉强符合规格居中和/或变异需要改进目标均值偏移纠正或变异降低（测量、工具、定靶）。捕获控制图并对主要因素进行有针对性的设计实验（DOE）。< 1.00不具备能力 — 材料缺陷风险立即遏制并找出根本原因实施遏制措施（例如按控制计划进行100%检验或隔离），进行量具重复性与再现性（Gage R&R）评估，通过控制图识别并隔离特殊原因，对缺陷进行帕累托分析，然后以 DOE/稳健设计收尾。 5 (minitab.com)
行动协议（顺序很重要；使用上述证据来证明步骤）：
当能力较差时，首先验证 MSA 与控制图——一个坏的量具或一个失控的过程会使后续能力计算失效。记录量具重复性与再现性（Gage R&R）报告及控制图截图。 5 (minitab.com) 1 (minitab.com)
如果 MSA 可接受且过程不稳定，聚焦于识别特殊原因（按时间排序的图表、过程日志、操作员变更、工具磨损）。捕获带时间戳的过程数据，以便将其与班次/批次相关联。 1 (minitab.com)
如果过程稳定但 Cpk 较低，选择有针对性的改进方法：
居中问题（Cp > Cpk）：纠正靶向/设定点，调整夹具/工具偏置，然后重新测量短期能力。 1 (minitab.com)
变差扩散问题（Cp 低）：进行 DOE 以找出降低方差的因素（机器参数、夹具、来料变异性）。 6 (isixsigma.com)
对于客户承诺，偏好长期指数（Pp/Ppk），或在特定纠正措施后证明短期 Cp/Cpk 将如何转化为长期绩效。 6 (isixsigma.com)
记录一切：原始数据、子组划分逻辑、方差来源、所应用的变换（如有）、指标的置信区间，以及说明所测量内容及原因的执行摘要。 1 (minitab.com)
关于缺陷估计的简短技术提醒：一个居中的过程，其 Cpk≈1.00 大致相当于每百万缺陷部件数约为 2,700；Cpk≈1.33 大致相当于 63 ppm；Cpk≈1.67 进入个位数 ppm 的范围。仅在分布假设得到满足或使用非正态方法时才报告估计的 PPM。 15
实用应用：检查清单、样本量规则与可复现代码
beefed.ai 的行业报告显示，这一趋势正在加速。
在你的能力SOP和能力报告中使用此可复现的检查清单。
规划
定义特征并确认 USL、LSL 以及所需的 σ 目标。 1 (minitab.com)
确定分组逻辑（理性子组）、子组大小 n，以及子组数量（参见样本量规则）。 3 (minitab.com)
测量系统
运行 Gage R&R（视情况使用交叉法或扩展法）。记录 %GRR、%Tolerance、偏差、线性，以及不同类别的数量。在能力分析前进行接受或改进。 5 (minitab.com)
数据收集
在具有代表性且稳定的生产运行中收集数据，并记录日期/时间、操作员、班次、材料批次、工具 ID 和环境条件。 3 (minitab.com)
分析前检查
生成控制图并验证统计控制。 1 (minitab.com)
检验正态性（Shapiro‑Wilk、Anderson‑Darling），如有需要选择变换或非参数方法。 2 (minitab.com)
分析
从 R̄/d2 或 S̄/c4 计算 sigma_within，并从合并的标准差计算 sigma_overall。
计算 Cp、Cpk、Pp、Ppk。在可能的情况下报告 95% 置信区间。 1 (minitab.com)
如果数据非正态分布，使用参数化非正态或分位数方法（ISO 22514‑2 方法 / Minitab 非正态能力）。 2 (minitab.com)
报告
提供能力包：原始数据、子组表、控制图、带拟合分布的直方图、带置信区间的能力指数、预期的 PPM（附方法说明），以及可执行的解释。 1 (minitab.com)
样本量规则（实用）：
对正式研究，优先选择总观测量 100 以上，约 25 个理性子组（用于子组方法）；较小的初步试验（30–50）给出初步指示但置信区间较宽。 3 (minitab.com)
对于个体数据，在正常生产状态下收集至少 50–100 个独立观测，以可靠地估计长期 σ。 3 (minitab.com)
可复现检查（Python + SciPy 快速示例）：
import numpy as np
from scipy import stats
data = np.array([...]) # replace with your measurement vector
# basic checks
stat, p = stats.shapiro(data) # normality check
sigma_overall = np.std(data, ddof=1)
mu = np.mean(data)
# compute Cp/Cpk if you have sigma_within from subgroup estimates
# otherwise compute Pp/Ppk using sigma_overall
使用成熟的 SPC 包（Minitab、JMP、JMP Pro，或 Python 包）来生成 sixpack 分析，并在需要时执行 Box‑Cox / Johnson 变换。 2 (minitab.com) 1 (minitab.com)
来源
[1] Minitab Support — Methods and formulas for within capability measures (Normal Capability Sixpack) (minitab.com) - 对 Cp 和 Cpk 的定义与公式、解释性指南，以及对组内标准偏差与总体标准偏差之间关系的解释。
[2] Minitab Support — Capability analyses with nonnormal data (minitab.com) - 关于 Box‑Cox 和 Johnson 变换、自动能力选择，以及非参数方法在非正态数据中的应用。
[3] Minitab Blog — Strangest Capability Study (planning and sample‑size guidance) (minitab.com) - 关于研究计划的实际建议、正式能力估计的推荐最小数据点约 100 条 / 25 个子组，以及常见陷阱。
[4] NIST Dataplot — CPMK and related capability index references (nist.gov) - 替代能力指标（如 Cpmk）以及能力变体和公式的讨论（对于非标准目标和非正态考虑很有帮助）。
[5] Minitab Support — Crossed Gage R&R: statistics and interpretation (minitab.com) - 如何运行、解释和判断 Gage R&R 结果（包括 %Tolerance、%Process，以及在实践中使用的决策阈值）。
[6] iSixSigma — Process Capability (Cp, Cpk) vs Process Performance (Pp, Ppk) (isixsigma.com) - 实用解释何时使用 Pp/Ppk 与 Cp/Cpk，以及性能与潜在能力的含义。
[7] Practical Process Control for Engineers and Technicians — control‑chart constants (d2, c4) and σ estimation (edu.au) - 表格中的 d2 常数，以及 sigma = R̄ / d2 在基于子组的 σ 估计中的推导/使用。
[8] Honda / Automotive supplier requirements examples (supplier manuals) (scribd.com) - 汽车行业供应商的要求示例与供应商质量协议中的典型 Cpk 目标（例如 ≥ 1.67 针对关键/主要特性）。