先讲个真事。上个月，老张拿了一份过程能力报告给我看，Cpk=1.67，漂亮得很。结果我拿原始数据一查，发现他用的样本是生产线上挑出来的“好件”。这不是自欺欺人嘛！质量数据统计，本质上就是从数据里提炼真相。可真相往往被自己埋没了。
我干机械设计十五年，也跟质量数据搏斗了十五年。说实话，这活儿看着简单，就是算算平均值、标准差、画个控制图。但你要是真把它当算术，迟早要栽跟头。
数据采集：你拿到的数字是真的吗？
很多人以为统计的源头是数字，错了。源头是采集动作。你用什么量具？游标卡尺？千分尺？还是三坐标？测量条件固定吗？测的是同一位置的尺寸吗？这些不搞清楚，后面一切计算都是空中楼阁。
有个经典案例。某厂加工轴类零件，长期Cpk低。工程师四处寻找原因，最后发现是检测员换人了，新的检测员习惯把工件拿下来放到平台上测，而前一位是在机床上直接测。热胀冷缩的影响，直接导致数据偏移。你说这怪谁？
所以，第一步必须做测量系统分析（MSA）。别嫌麻烦，GR&R一定要跑。我见过不少工程师，上来就把数据扔进Minitab，算出一堆漂亮指标，完全忽略了测量误差。测量误差占比超过30%？那你的Cpk根本没法看。
还有，样本量。你取30件就说“样本有代表性”？生产节拍不同，批次混料，刀具磨损……这些都会让数据失真。别偷懒，用分层抽样，按时间、按刀具、按班次分开测，才能看到过程的真实面貌。
控制图：选错类型等于白做
控制图是SPC的核心。但你知道Xbar-R、Xbar-s、I-MR、p、u……这些图用在哪吗？我敢打赌，一半工程师只知道一种。
记住一条粗线：子组大小决定你用哪种图。子组n≤9用Xbar-R，n≥10用Xbar-s，单件或自动检测每批只有一值用I-MR。计数型数据（比如不合格品率）用p图或u图。选错图，控制限就不准，判异就成了瞎猜。
更有意思的是，很多工程师把“规格限”画到控制图上。看着一堆点都在规格限内，就觉得过程没问题。错！控制图看的是过程变异，不是产品合格与否。两个截然不同的概念，别混在一起。
判异规则也要背熟。比如连续7点同一侧，或者连续6点递增或递减，再比如点落在A区之外。这些在GB/T 4091里都有，别只盯着超限的点。过程漂移往往藏在那些“看似正常”的走势里。
老实说，我刚入行时也犯过这毛病。后来被一位老师傅骂醒：“你是来管过程的，不是来管产品的。” 过程稳定了，产品自然好。
Cpk与Ppk：别傻傻分不清
这两个指标，很多人拿来就用，其实背后有严格的区分。Cpk是过程能力指数，基于组内变异；Ppk是过程性能指数，基于总变异。简单说，Cpk反映的是过程固有潜力，Ppk反映的是实际表现。
公式也不一样。Cpk = min((USL-μ)/(3σ_within), (μ-LSL)/(3σ_within))，而Ppk用的是σ_overall。注意，σ_within是从子组极差或标准差估算的，σ_overall是所有数据的总标准差。所以同样一组数据，Cpk和Ppk的数值可能差异巨大。
试制阶段？量产阶段？短期的？长期的？别拿Ppk当Cpk用，也别把试制期的Cpk报给客户。我记得客户要求量产前Cpk≥1.33，结果我们用了试制阶段收集的短周期数据，勉强通过。可一到量产，过程漂移，客户一算Cpk只有0.9，差点解除合同。
所以，数据来源必须交代清楚。是稳定后的数据？还是过程调整前的？你连统计基础都没搞清，谁敢信你的数字？
还有，正态性检验。算Cpk前，先确认数据是否正态。偏态分布你还硬套公式，得出的结论毫无意义。可以用Box-Cox变换，或者干脆用非参数方法。别一根筋。
测量系统分析：别让量具背锅
前面提过MSA，这里详细说。测量系统分析不仅是GR&R，还有偏倚、线性、稳定性。你得证明量具是准的，而且始终坚持准。
有一次，我们车间一把游标卡尺被摔过，外观没事，但测量结果总是波动。大家都没在意，最后发现是尺身导轨有微小变形。这个教训告诉我们，量具校准不只是一年一次的事。日常使用中，还要用标准件定期验证。
做GR&R时，要注意：评价人最好有老手和新手，才能暴露问题。零件要覆盖整个过程输入范围，不要只测“中间地带”。数据记录要随机化，避免人为记忆偏差。这些细节，都会影响结果。
判定标准按AIAG手册：%R&R小于10%是优秀，10%到30%可接受，超过30%必须改进。别以为30%以上还能蒙混过关。你算出来的Cpk都不靠谱，因为测量误差会人为放大过程变异。
说个扎心的。某供应商给了份GR&R报告，%R&R才10%，堪称完美。我们工程师去现场复测，结果百试百灵，就是测不准。后来发现，那是他们专门“做”出来的数。你信吗？反正我信了，因为人性就是这样。
最后说一点
质量数据统计不是用来糊弄客户的工具，它是帮你理解过程、发现真相的眼镜。别迷信“数字好看”，也别被“Excel一键生成”骗了。你得知道每一个数据背后是什么意思，否则，你只是一个会按计算器的操作员。
下次再有人拿着漂亮的数据报告来见你，先问三个问题：测量系统可靠吗？取样合理吗？统计方法对吗？然后再看结果。
共勉。
