在当今的制造业领域，确保产品质量恒定无异是各企业的核心挑战之一。统计过程控制（SPC，Statistical Process Control）作为一种基于统计学的手段，已然成为了质量控制的基本工具。它通过实时监控生产流程的变化，帮助企业确保生产过程始终处于受控状态，从而减少变异，提升产品的质量和一致性。
在SPC分析中，Cp、Cpk、Pp和Ppk是衡量过程能力和稳定性的关键指标。这些指标评估了过程的潜力和实际表现，以及历史数据的角度评估过程的稳定性和偏差，为企业提供了清晰的量化数据，判断生产过程是否具备长期稳定输出的能力。
SPC的核心目标在于通过持续监控生产过程的数据来确保过程的稳定性和符合质量标准。它使用控制图来观察和分析过程中的波动。当生产过程出现异常波动时，SPC能够及时发现并采取措施，有效防止质量问题的扩展。该方法不仅适用于生产过程中的实时监控，还能够帮助企业持续优化流程，保证产品质量的一致性。
SPC分析过程亦被称为过程能力分析（PCA，Process Capability Analysis），它是SPC质量保证的关键环节，实际运用中相比统计质量控制（SQC）更显重要。
定义制造过程时，我们的目标是确保生产的零件符合上下规格限（USL和LSL）。过程能力的衡量指的是制造过程将零件生产在规格范围内的稳定性。
基本理念简单明了，我们的核心目标是制造过程能够：以正态分布为中心，且其波动范围比规格宽度更窄，符合规格值。
- Cp衡量的是过程的波动范围是否比规格宽度更窄，它反映了过程的精度。
- Cpk则衡量过程的中心是否符合规格要求，并评估过程波动相对于规格宽度的分布情况。
过程宽度是指过程可能产生的最大值（UCL，Upper Control Limits）和最小值（LCL，Lower Control Limits）之间的差异，通常定义为6σ（标准差）。
- UCL（上控制界限）：通常是μ+3σ。
- LCL（下控制界限）：通常是μ−3σ。
- Process Width = UCL - LCL = 6σ。
Cp和Cpk的计算公式为……（具体公式略）。这两个指标分别关注过程的潜力和中心化能力。理想的状态是Cp ≥ 1.33和Cpk ≥ 1.33，这表示过程既有足够的能力，又能在规格范围内稳定工作。对于高质量要求的过程，推荐的标准是Cp ≥ 1.67和Cpk ≥ 1.67.
利用Vega-lite生成SPC过程能力指数分析图（模拟数据）示例，可以帮助企业直观地了解和分析生产过程的稳定性和能力。
Pp和Ppk虽然基于Cp和Cpk但它们更侧重于历史数据和过程的长期性能评估。它们不仅关注过程是否符合规格要求，还反映了过程的长期表现。
Pp与Cp类似，但考虑了整体变异（包括短期和长期）。而Ppk则反映了过程性能的实际表现，包括偏移的影响。