《Cpk介绍》.docx

報告主題：一、CPK運算理論及應用檢查重點 大綱：CPK運算理論及應用檢查重點1、 何謂CPK？2、 CPK運算理論介紹3、 CPK應用檢查重點CPK運算理論及應用檢查重點1、 何謂CPK？製程能力指數﹝Process capability index─傳統上簡稱為Cp﹞，係統計製程管制SPC的一個很重要的指標代表著我們產品製程的品質有多好或不良率是多少自從1950年代SPC普及以來，大抵使用Cp這樣的一個能力指數來反映品質水準的狀況但遂著時間的推移，電子產業的興起，以前的品質水準不良率以百分比%為單位就足以勝任，因為電子元件的數量龐大，百分比的不良率不敷使用，所以演化成以PPM為不良率的單位同時更自1980年代因為美國的汽車產業也不堪日本汽車業的競爭，從而將製程能力指數修正成Cpk，近年來電子產業多以追求Cpk為準 傳統品管上針對這個問題是以Ca處理，但通常都帶過未加以刻意強調而時下流行的Cpk只是對舊有的Cp做了中心值的修正 需要注意的是傳統上Cp時代，我們對製程能力指數的要求Cp=1，易言之，良品率是99.73%，而多年前Cpk出現時要求的是Cpk=1.33，而這兩年則要求提升到Cpk=1.67。

而當Cpk=1.63時即可進入個位數的PPM世界2、 CPK運算理論介紹 CPK值計算公式如下：公差 USL-LSLCpk=( 1 - K )  * ----------- = ( 1 - K ) *-------------六倍標準差 6 * σ註：上式中K即早期的Ca，但中心值處理部分加絕對值3、 CPK應用檢查重點一般來說，當量測資料收集到之後，就需要將這筆資料的製程平均值μ以及製程變異數σ兩個值畫在圖表上當圖表畫好後，就可以將這些數值與規格界限作比較我們知道，大約有68.26％的量測資料會落在平均值上下一個σ之內，大約95.44％的資料會落在平均值上下二個σ之內，大約99.73％的製程資料則會落在平均值上下3個σ之內(見Figure 4.)，製程能力的觀念就是將自然變異(6σ)與規格公差(USL-LSL)作比較製程能力是由以下三個主要因素構成： 設計的公差(The Design Specification) 製程中心(Mean，μ) 變異的大小(Sigma，σ)製程能力指數，Cp，就是將上下規格界限的差異(USL-LSL)與製程變異 (6σ)作比較。

99.7%的資料會落在± 3個標準差之內我們以Push Pull為例(見Figure 5)，其製程能力指數，Cp，的記算方式如下：Cp=(USL-LSL)/6σ從圖上可看出上規格界限(USL)為0.07，下規格界限(LSL)為0.04，母體標準差為0.005由以上資料我們便可以算出製程能力指數，Cp=(USL-LSL)/6σ=(0.07-0.04)/6*0.005=1，這表示我們製程變異的範圍剛好等於規格公差從Figure 6可以看出，雖製程能力指數等於1，但製程並沒有在製程中心而且我們生產出了一些超出規格的產品製程能力指數，Cp，並沒有考慮製程是否有在製程中心，這個指標只有考慮到製程變異的範圍是否有落在規格公差之內那我們要怎麼辦呢？我們可以考慮製程變異與個別的規格之差異也就是說，我們可以將上規格界限(USL)減掉製程平均(mean)之後除以 3σ，計算出上製程能力指數(Cpu)；同樣的我們也可以將製程平均減掉下規格界限(LSL)以計算出下製程能力指數(Cpl)有了以上的觀念後，我們就可以介紹另一個製程能力指數CpkCpk就是取Cpu與Cpl的最小值我們可以，以Figure7為例，Cpu等於1.33，Cpl等於0.67，所以正確的Cpk就是min(Cpu，Cpl)= min(1.33，0.67)=0.67，這個指數，除了考量了製程變異之外還考慮到製程中心是否有偏移。

為了能有較好的製程能力，Cpk最好能大於1關於這個理由我們可以從Figure 8看出，當Cpk接近1時，良率會接近100％；相反的，當Cpk等於0.5時，良率會掉到80％當Cpk小於1時，我們需要採取矯正措施，Cpk等於1時，表示製程是可以接受的(Good)；當Cpk等於2時，表示製程是非常好的(Great)很多的時候我們都盡力希望Cpk能達到1.33，因為他代表製程平均與最近的規格界限差距為 4個σ當現存於製程中的自然變異(6σ)剛好等於規格公差時(USL-LSL)，我們就必須花較多的心力去維持製程平均的穩定性以及持續減少自然變異的大小；相反的如果自然變異小於規格公差那麼我們就只需花較少的心力去留意製程平均是否有在製程中心。