Cpk 1.35 就敢判合格？——能力指数的置信下限与最小样本量对照表

作者：卓越质量智库发布时间：2026/10/21 阅读 18

目前评级： ★★★☆☆ 我要评级等效 8 人评分

某汽车零部件厂向主机厂提交新项目过程能力报告：抽 30 件，算出 Cpk = 1.35，对照客户"≥1.33"的要求判合格，报告顺利通过。三个月后量产，连续两个月的实际 Cpk 掉到 1.15，客户追溯时只问了一句："你那 30 件，能代表什么？"

这不算数据造假，是口径问题。Cpk 是估计值，它的可信度跟样本量死死绑在一起：同样算出 1.35，30 件和 300 件说的话完全不是一回事。本文给出一张"样本量—置信下限"对照表，以及四条现场判读规则，用来回答一个具体问题：我这批数据，到底敢报到什么程度。

一、Cpk 的误差藏在哪两个地方

Cpk 的算法是 min[(USL−x̄)/3s, (x̄−LSL)/3s]。分子里的均值 x̄ 和分母里的标准差 s，都是从样本里估出来的，两个都带着抽样误差。

均值的误差好理解，标准差更隐蔽。样本标准差的相对波动约为 1/√(2(n−1))：n=30 时约 13%，n=100 时约 7%。也就是说，30 件样本估出的 σ 上下偏 13% 属于正常，Cpk 跟着偏 13% —— 1.33 摇身变成 1.15 或 1.55，都在抽样波动范围之内。

所以只看一个点估计值就签字，等于把自己的判断押在一次抽样的运气上。要判断"这个 1.35 站得住吗"，得看它的下限。

还有一层更容易被忽略：客户的 1.33 是"门槛"，不是"目标"。当实测值与门槛只差 0.02 的时候，你其实没有任何能力余量去吸收抽样波动、批次差异和设备磨损 —— 这种"擦线合格"在量产阶段掉下来的概率，远高于报告上写的那个数字给人的安全感。

工程上常用下式估算 Cpk 的 95% 单侧置信下限：

Cpk_L ≈ Cpk − 1.645 × √[ 1/(9n) + Cpk² / (2(n−1)) ]

括号里是估计量的方差近似，1.645 对应 95% 置信水平（要 99% 就换成 2.33）。前提是三条：过程处于统计受控状态、数据近似正态、样本相互独立。

这个近似式在小样本段会略偏乐观，与精确区间相比通常只差几个百分之一的能力单位，对"该不该判合格"这种二选一的判断足够用；要写进正式报告给客户复算，用统计软件的精确区间或 bootstrap 更稳妥。

用开头的例子算一遍，n=30、Cpk=1.35：

结论很直接：这份报告能证明的是"真实能力大概率不低于 1.04"，而不是"不低于 1.33"。客户的 1.33 门槛，这份数据其实没有跨过去。

样本量 n	实测 1.33 时的下限	实测 1.67 时的下限	要让下限≥1.33，实测至少要
25	1.00	1.26	1.76
30	1.03	1.30	1.71
50	1.10	1.38	1.61
75	1.14	1.44	1.55
100	1.17	1.47	1.52
125	1.18	1.49	1.49
200	1.21	1.53	1.46
300	1.24	1.55	1.43

读表有三个要点：

① n=30 报 1.33，等于只说清了"勉强能用"。 下限 1.03，离 1.33 差着一大截，客户一旦按置信下限验收，这份数据立刻站不住。

② 想靠"提高实测值"补样本量的缺口，代价很高。 n=30 要测到 1.71 才有底气说 1.33，n=100 要 1.52，即使 n=300 也得 1.43。样本量不足，是拿能力余量去换的。

③ 100～125 件是性价比拐点。 从 25 件加到 100 件，下限抬升约 0.17；再从 100 件加到 300 件，只再抬 0.07。这也正是 PPAP 初始过程研究取 100 件的统计依据 —— 再往上加，成本涨得比信息快。

据此可以给一条验收判定准则：n≥100 且下限≥1.33，判达标；n 在 30～100 之间且下限≥1.00，判"有条件通过"，量产爬坡期补齐数据；下限<1.00，不判达标，先改过程再谈能力。

反过来也能用：客户要求"下限不低于 1.33"，而你手上的过程实测只能做到 1.45，那就把 1.45−1.33=0.12 当作允许的误差宽度，反算所需样本量 —— 约 220 件。要做一份能被复算的报告，这个反算比事后解释省事得多。

① 报告里把口径写全。 不要只写"Cpk = 1.35"，写成"Cpk 1.35（n=30，95% 下限 1.04）"。客户手册里的 ≥1.33 多数指点估计，但你自己必须知道下限在哪；新项目、安全特性、单边规格，主动附下限更稳妥。

② 三条前提先过关，再套表。 控制图上有失控点、GR&R 超过 10%、分布明显非正态，这三点任一条不满足，表就不适用 —— 先去修数据，别去修数字。

③ 样本必须覆盖波动源。 30 件全取同一班次、同一批料、同一把刀，n 再大也代表不了过程。取样要跨班次、跨材料批次、跨刀具周期，按时间间隔抽，而不是一次抓完。

④ 加样本不能用"凑"的。 为把 n 从 30 加到 300，把调机后、换料后的数据混进来，s 被人为放大，Cpk 反而更低；只挑好看的批次，s 被压小，下限虚高。样本量是为了证明过程稳定，不是为了把数字做漂亮 —— 过程一变，样本就重新起算。

报告交出去之前，逐条打勾，任何一条不过就不要报 Cpk：

六条全过，这个数字才经得起客户复算。

单边规格（只有上限的位置度、只有下限的强度）用 Cpu 或 Cpl，公式结构不变，只是不再取 min，下限仍可照此估算。

明显非正态的数据（位置度、粗糙度、疲劳寿命）则不能直接套这张表：Cpk 本身已经失真，先做 Box-Cox 变换后重算，或直接用 bootstrap 重抽 1000 次取 5% 分位数。两条路都做不了的时候，最稳的做法是回到控制图 —— 能力的证据，本来就不该只靠一个指数。

小样本给出的 Cpk 是一个点，不是一条线；把下限一起报出去，才是把判断权握在自己手里。

知识编号：6.3.2

版本：v20261021

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。