新版SPC：过程还没稳定，就别急着说“能力达标” 03

2026版 AIAG-VDA SPC 正式发布以后，Cpk、Ppk、Pmk 这些指标的变化讨论很多。

但我觉得，如果只是记住“以前叫这个，现在改成那个”，意义其实不大。

真正需要理解的是：

为什么要这样改？

新版 SPC 有一个很重要的逻辑，就是把性能和能力的边界划得更清楚了。

很多企业一讲 SPC，马上问：

控制图怎么画？

Cpk 怎么算？

样本量多少？

这个反应很正常，但顺序其实有点早了。

因为过程验证本来就不是收集一次数据、算一个指数、贴一张表，然后宣布“过程能力验证完成”。

它应该跟着 APQP 的推进，一步一步往下走。

设备刚刚装好，先看设备本身行不行。

进入试生产，再看整个过程初始表现怎么样。

真正到了量产以后，过程稳定性经过验证，才有条件进一步谈过程能力。

所以我觉得新版 SPC 有一句话虽然没有这么写，但特别值得记住：

不要太早谈能力。

一、Performance和Capability，真的不是换个英文单词

先把 C 系列和 P 系列说清楚。

C 系列我们很熟悉：

Cp、Cpk。

这里面的 C，就是 Capability。

能力。

但是“能力”这个词是有前提的。

过程需要已经被证明处于受控、稳定状态。

只有在这个基础上，我们才能比较严谨地讨论这个过程的 Capability 到底怎么样。

P 系列则不一样。

Pp、Ppk，包括设备验证阶段的 Pmk，强调的是 Performance。

性能、表现。

它更适合稳定性还没有被完整评价，或者当前阶段本来就不准备对过程稳定性下结论的场景。

这两个词看起来差不多，但统计意义不一样。

举个不太严谨但比较容易理解的例子。

一个人今天跑了 50 米，成绩非常好。

我们可以说：

他这一次跑得很好。

这是表现。

但是你马上宣布：

这个人马拉松能力很强。

那就有点早了。

你甚至不知道他跑 5 公里以后是什么状态，更不知道他的表现能不能长期重复。

制造过程其实也是一样。

你收集了一批数据，算出来一个非常漂亮的指数，只能说明这批数据表现不错。

至于这个过程是不是稳定、是不是可预测、明天还能不能这样，需要另外的证据。

所以如果过程稳定性还没有评估，甚至你根本不准备评估稳定性，就不要轻易使用 Capability。

这个词不是一个好听一点的统计名称。

它背后是有前提的。

地基还没验收，就先在楼顶挂一个“能力达标”的牌子，现场看起来挺提气，审核的时候可能就比较尴尬了。

二、APQP第三阶段，先别管整个量产过程，先看看机器行不行

这个逻辑放到 APQP 里面就更容易理解了。

到了 APQP 第三阶段，其中一个很现实的问题是：

设备已经有了。

工装有了。

参数也初步确定了。

这台机器到底行不行？

注意，这时候问的还不是：

未来六个月量产以后，整个生产过程能力怎么样？

没到那个时候。

现在的问题更窄：

在尽可能固定的生产条件下，这台设备有没有把这个特殊特性做好的基本表现？

所以这个阶段要做设备性能验证。

新版里面对应的是 Pmk——设备性能指数。

以前很多资料习惯把类似指标称为 Cmk，也经常翻译成“设备能力指数”。

但新版把这里进一步往 Performance 的逻辑上拉，我觉得反而更加严谨。

因为这个阶段通常并没有要求通过完整控制图证明过程已经长期受控稳定。

既然这个前提还没有建立，那么现在评价的就是：

Machine Performance。

设备性能。

而不是急着宣布：

Machine Capability。

这并不是文字游戏。

它实际上是在提醒我们，不要把 APQP 某一个阶段得到的漂亮数字，扩大解释成整个量产过程已经没有问题。

三、做Pmk的时候，为什么要尽量把其他东西“按住”？

设备性能验证有一个很重要的思想：

尽量减少其他因素的干扰。

人、机、料、法、环、测。

当然现实中不可能真的做到所有条件绝对不变，但验证的时候应该尽量固定。

人不要一会儿换一个。

材料不要做十件换一个批次。

参数不要一边采数据一边不停地调。

环境尽量保持一致。

测量系统更要先确认可靠。

为什么？

因为现在我们想回答的问题非常具体：

机器本身怎么样？

假设你今天上午 A 操作员做 10 件，下午 B 操作员做 10 件。

材料又换了一批。

做到一半发现尺寸偏大，工程师把参数调一下。

然后继续做。

最后凑够 50 个数据。

丢进软件。

Pmk=1.82。

很好。

“设备性能合格。”

这个结论其实已经很难解释了。

因为最后这个 1.82 里面，到底有多少是机器自己的表现，有多少来自人员、材料、参数调整，你已经分不清楚了。

设备验证不是为了模拟整个量产世界，而是尽可能把其他变量按住以后，单独看看设备本身。

等到了后面的过程验证，再逐步把真实制造过程中的其他变异纳入进来。

这也是 APQP 分阶段做验证的意义。

四、量具不行，Pmk再漂亮也是算了个寂寞

设备性能验证还有一个特别容易被忽略的前提：

测量系统。

这个逻辑其实非常简单。

你现在要判断一台设备加工出来的尺寸到底稳定不稳定。

结果拿来测它的量具自己都不稳定。

那后面还有什么好算的？

所以在设备性能验证之前，测量系统应该先具备足够的能力。

德系体系里面大家比较熟悉的 Cg、Cgk，本质上也是在回答类似的问题：

这套测量设备本身表现怎么样？

一个看制造设备。

一个看测量设备。

逻辑其实是相通的。

所以我一直觉得，SPC 和 MSA 分开教学当然没有问题，但到了企业实际应用里面，千万不能把它们当成两个互不相关的模块。

MSA 是数据源头。

SPC 是拿这些数据去判断过程。

源头不可靠，后面的统计分析越精确，有时候反而错得越漂亮。

拿一把本身就不准的尺子去测设备，然后算出 Pmk=2.13，再做一份非常漂亮的能力报告。

这种 2.13 没什么值得高兴的。

五、50个数据，不是随便凑够50个就行

设备性能验证里面还有一个非常容易被做成形式主义的地方：

样本量。

大家看到要求以后，很容易记住：

50 件。

于是现场开始完成任务。

今天做 20 件。

明天做 15 件。

后天换完刀以后再做 15 件。

终于 50 件。

导进去。

算 Pmk。

这种“50 件”和连续生产条件下取得的 50 件，统计意义当然不一样。

设备性能验证强调连续取样是有原因的。

我们希望看到的是设备在当前设定状态下，自然运行的时候表现怎么样。

而不是一边测、一边调、一边挑，最后拼出 50 个漂亮的数据。

尤其有一种做法特别要注意：

做到第 18 件发现尺寸开始偏了。

停下来。

调参数。

继续做。

第 36 件又觉得不太好。

再调一下。

最后 50 件做完，Pmk 非常漂亮。

然后宣布设备性能合格。

这时候你验证的已经不是设备原始表现了。

是工程师和设备共同表演出来的表现。

如果验证过程中确实需要调整，那没有问题。

该调就调。

但调整以后应该重新明确验证起点，而不是把调整前后的数据全部混在一起凑样本量。

六、别只盯着Pmk那个数字，先把数据按时间顺序画出来

这一点我觉得特别值得强调。

很多人做设备性能验证的时候，最后眼睛里面只剩一个数：

Pmk。

1.52，不行。

1.72，可以。

2.01，很漂亮。

但一个指数会压缩掉很多信息。

假设两台设备最后算出来都是：

Pmk=1.75。

第一台的 50 个数据围绕一个位置随机波动，没有明显趋势。

第二台从第 1 件到第 50 件，尺寸一直慢慢往上走。

最后因为还没有碰到规格限，Pmk 也有 1.75。

你会认为这两台设备的状态一样吗？

当然不会。

所以即使当前阶段不要求通过完整的控制图去证明长期受控稳定，至少也应该把数据按照实际生产顺序画出来看看。

有没有连续上升？

有没有连续下降？

有没有突然跳变？

有没有明显漂移？

中间是不是发生过参数调整？

甚至如果数据里面带着设备参数、模具、刀具、材料批次这些信息，后面发现异常以后，还可以继续往下找。

这也是为什么我一直不太赞成 SPC 软件只给一个：

Pmk = 1.78，PASS。

这个 PASS 太容易让人停止思考。

好的分析应该让你既看到最后的指数，也看到这个指数背后的时间过程。

甚至进一步提醒你：

虽然指数目前达标，但是最近 20 个点存在持续上升趋势。

这句话很多时候比一个绿色的 PASS 更有价值。

七、Pmk达到1.67，也不等于量产已经高枕无忧

设备性能验证里面，我们还会看到 Pm 和 Pmk。

简单理解：

Pm 更关注设备自身的变差够不够小。

Pmk 在变差之外，还进一步考虑位置偏移。

所以一台机器可能波动非常小，Pm 很漂亮。

但它整个过程中心已经偏向规格上限。

那 Pmk 就会把这个问题反映出来。

这很合理。

制造过程不是只要求：

“每次做出来都差不多。”

还要：

“差不多的同时，得做在正确的位置。”

对于产品特殊特性的设备性能验证，新版给出了相应的评价要求，例如无偏情况下的 Pm 和考虑偏移后的 Pmk。

但这里一定要记住：

设备性能验证通过，只能说明当前阶段至少存在一组生产条件，可以让这台设备表现出满足要求的水平。

它不是量产通行证。

更不是：

Pmk≥1.67，所以以后不用做 SPC 了。

后面还有很长一段路。

八、从Pmk到Ppk，再到Cpk，本质上是证据越来越完整

如果把 APQP 几个阶段串起来，其实就很好理解了。

第三阶段，我们先把其他因素尽量固定：

机器到底行不行？

看设备性能，例如 Pmk。

到了第四阶段，进入初始过程研究。

真实生产条件逐渐加入进来。

人员、材料、工艺、环境以及实际生产中的各种变异开始体现出来。

这时候我们关心的是：

整个过程初始表现怎么样？

所以会进入 Ppk 等过程性能评价。

再往后进入 APQP 第五阶段和真正的量产过程管理，数据不断积累。

这时候除了“表现好不好”，还应该回答另外一个问题：

这个过程到底稳不稳定？

如果过程经过充分评价，已经证明处于统计受控、稳定状态，我们才有更充分的基础去讨论 Capability。

Cp。

Cpk。

所以从 Pmk、Ppk 到 Cpk，我觉得不要简单理解成：

三个不同公式。

更应该理解成：

我们对这个制造过程掌握的证据，一步一步变完整。

先证明设备有基本表现。

再看真实过程的初始表现。

再通过持续数据确认过程状态。

最后才有资格谈一个稳定过程真正具有什么样的能力。

这样理解以后，很多以前容易混乱的东西一下就顺了。

九、SPC软件也不应该把这些指标简单做成几个按钮

这次新版出来以后，我觉得对 SPC 软件其实也提出了一个现实的问题。

如果软件里面就是：

Cp、Cpk、Pp、Ppk、Pm、Pmk……

全部横着排一排。

用户想点哪个点哪个。

数据导进去，马上全部算出来。

从数学上说可能没错。

但从 SPC 逻辑上说，未必是一件好事。

因为真正应该先知道的是：

• 现在处于什么阶段？
• 这是设备性能验证？
• 初始过程研究？
• 还是量产后的持续过程监控？
• 测量系统验证过没有？
• 数据是不是连续采集？
• 样本量够不够？
• 采样过程中有没有调整参数？
• 时间序列有没有明显趋势？
• 过程稳定性有没有经过评价？

这些前提不同，最后应该使用和解释的指标本来就不同。

所以我觉得未来 SPC 软件不应该只是：

“你让我算什么，我就给你算什么。”

而应该越来越能够帮助使用者判断：

现在到底应该算什么。

比如样本量不足，系统应该提醒。

数据存在明显趋势，应该提醒。

过程没有证明稳定，却直接报告 Cpk，也应该提醒。

设备验证数据中间发生过参数调整，更应该让使用者知道这批数据可能已经不适合作为一次完整验证。

甚至再往前一步，一个工厂有几百、几千个检测特性以后，也不可能靠质量工程师每天人工把所有时间序列打开看一遍。

均值有没有连续漂移？

标准差是不是越来越大？

Ppk 最近是不是连续下降？

哪些项目刚刚出现突变？

这些东西，本来就适合让系统先持续分析。

真正值得工程师花时间的，不是每天打开 500 张正常的图。

而是：

今天到底哪 5 个过程值得我认真看。

我觉得这才是 SPC 软件从“计算工具”往“过程管理工具”发展的方向。

最后

所以新版 AIAG-VDA SPC 里面，Pmk、Ppk、Cpk 这些变化，如果只是背公式，其实很容易。

真正容易搞错的是它们背后的使用条件。

设备刚刚开始验证，就不要急着谈整个过程能力。

过程稳定性还没证明，就不要急着把 Performance 说成 Capability。

Pmk 很漂亮，也不要直接推导成量产一定没问题。

50 个数据够了，也不代表这 50 个数据真的有效。

测量系统不可靠，后面所有漂亮的指数都可能没有意义。

把 APQP 整条路线串起来以后，其实逻辑非常清楚：

先证明设备能做好，再证明过程表现好，最后证明这个好的表现能够稳定地持续下去。

这才是从 Pmk、Ppk 一路走到 Cpk 真正的意义。

SPC 从来不应该是一锤子买卖。

也不是做一次报告、贴一个绿色 PASS 就结束了。

它真正要证明的是：

一个好的制造过程，不只是今天做得好，而是我们有足够的证据相信，它能够持续地做得好。