本篇先给结论

一句话结论：Cpk 出现负值，通常不是“波动有点大”，而是过程均值已经跑到规格范围外。第一动作不是立刻调参数，而是确认规格、测量、数据分层和均值偏移起点；确认无误后，再按受影响范围止血、按 5M1E 找根因。

我是不言，这是我的第［待确认］篇原创文章。今天聊一个工艺和质量现场经常遇到的问题：Cpk 为负值怎么办？

很多现场一看到 Cpk 是负数，就马上进入“怎么把 Cpk 拉回来”的模式：缩小波动、加严抽检、调设备参数。方向不一定错，但顺序很容易错。

先给现场判断：Cpk 为负值首先指向过程中心偏移，不是单纯离散变大。均值已经跨过上规格限或下规格限时，继续只盯标准差，往往是在绕开真正的问题。

01 PART 先把 Cpk 负值翻译成现场语言

MEANING BEFORE ACTION

双侧规格下，Cpk 同时考虑过程均值与组内短期波动。关键不在于“算出来多少”，而在于看哪一侧先变成负数。

Cpk = min［（USL − μ）／（3σwithin），（μ − LSL）／（3σwithin）］

• • 当 μ 大于 USL，上限侧能力指数为负。
  • 当 μ 小于 LSL，下限侧能力指数为负。
  • 因此，Cpk 为负通常意味着过程中心已经位于规格范围之外。

演示例：规格为 100 ± 2，LSL 为 98、USL 为 102。若均值已到 102.4，即使标准差只有 0.15，上限侧仍为负数。过程可能很“稳”，但它是在规格外稳定地运行。

Cpk 为负，不等于该批所有产品都超差。实际超差比例还要结合均值距离、标准差、分布形态和抽样覆盖判断。但均值跨过规格限，已经足以触发异常处置。

02 PART 先别调机：15 分钟排除“假负值”

VERIFY THE DATA FIRST

现场看到负 Cpk，第一步不是开大范围 5M1E 会，而是做一次数据口径复核。这是最快、成本最低的一轮验证。

01 核对规格，而不是先核对公式

系统调用的是否为最新、适用该型号的 USL 和 LSL。

是否把目标值、过程控制限或预警限误当成产品规格限。

单侧规格特性是否被错误套用为双侧公式。

单位是否一致，例如 mm 与 μm、g 与 mg、Ω 与 mΩ。

02 核对测量系统

核查量具校准和零点、检测程序与补偿值、治具基准、抽样位置和频次，以及小数位截断、字段错位和人工录入错误。若量具偏倚或程序漂移，图上的均值越线可能只是“测量中心越线”。

03 核对数据分层

不要把不同状态的数据混在一起算一个总 Cpk。至少按产品／配方、机台／治具、班次、来料批次、换料清洗保养前后、卷内或幅宽位置、时间段拆分。分层后，才能定位哪一层真正越线。

03 PART 确认是真负值后，现场先做什么

CONTAIN BEFORE ANALYSIS

先控风险，再找原因。不要把异常分析和物料隔离混成一件事。

• 确认越过哪一侧、影响哪一段

异常快报应包含特性、规格限、均值、σwithin、Cpk、Ppk、失守侧、偏移起点及在制、待检、已流转物料的位置。

• 按风险等级实施临时遏制

对未放行物料隔离和标识；对在线生产加密抽样并设置停机或转产判据；对已流转物料按卷号、批次、时间窗口建立追溯清单。

• 用 SPC 找到偏移起点

回看控制图与原始趋势，重点识别均值慢漂、参数调整后的台阶突变、固定周期波动，以及批次、班次、机台分层。

过程未处于统计受控状态时，Cpk 只能描述当前数据段，不能直接代表稳定过程能力，更不能直接外推未来不良率。

04 PART 原因分析：先找把均值推过线的因素

FOCUS ON THE CENTER SHIFT

Cpk 为负的主矛盾是中心偏移。原因分析要优先回答：是什么把均值推过规格线？

05 PART 验证因果：不要多参数一起试

PROVE THE CAUSE

一次性调泵速、间隙、张力、温度和速度，均值可能回来了，但根因仍然不清楚。下一次异常仍无法复现和预防。

STEP 1 提出可证伪的假设

示例：清洗后首卷面密度上移，与供料系统残留物料造成的实际固含变化有关；若切换稳定浆料并保持其余条件不变，均值应回到历史中心附近。

STEP 2 锁定其他条件，只改变一个主因素

明确验证批次、机台、时间窗口、抽样量、对照组和风险边界。安全或关键质量特性必须先确认是否允许在线验证，必要时转离线或试验机。

STEP 3 用“均值＋波动＋缺陷结果”判定

不要只看 Cpk 是否从负数变正。还要同时确认均值是否回到目标中心或控制区间、σwithin 是否恶化、SPC 是否恢复受控、实际超差与相关缺陷是否改善、后工序是否出现滞后风险。

把 Cpk 拉正不是终点，把过程中心稳定地拉回受控窗口才是。

06 PART 三类“修 Cpk”的错误动作

DO NOT FIX THE REPORT

错误一：删除超差数据

删掉异常点后 Cpk 变好，只能说明报表变好。特殊原因可以标注分析，但不能未经批准、无追溯地从能力评价中抹掉。

错误二：改规格限适配过程

规格不是为了让统计结果好看而设置的数字。若确需变更，必须走产品设计、客户要求和质量体系的正式变更流程。

错误三：混合不同状态的数据

多机台、多批次、调机前后数据混合计算，会掩盖局部失控或把不同中心混成低 Cpk。分层后的 Cpk 才能对应具体责任和改善动作。

07 PART Cpk、Ppk 和良率，别只盯一个指标

USE THE RIGHT LENS

Cpk 使用组内短期波动，主要反映短期过程能力；Ppk 使用整体波动，更接近长期表现。若 Cpk 明显大于 Ppk，说明短期看起来能跑，但长期存在时间漂移、批次、班次或设备状态差异。

良率是当前已检产品的结果指标。高良率不等于过程稳定，低 Cpk 也不应直接换算成实际报废率。测量可信、过程受控、分布与抽样合理，才是 Cpk 可用于能力解释的前提。

正确的问题不是“怎么把数字修回正数”，而是“过程中心为什么越过规格线，又如何证明它已稳定回到受控窗口”。

FINAL NOTE

指标本身不是根因，它是把过程失守翻译成数字的报警器。

面对负 Cpk，先确认数据和规格口径；负值成立后，先管住物料风险，再沿着时间趋势和分层数据定位均值偏移来源；最后用受控的单变量验证和持续 SPC 证明改善有效。

你们现场是否遇到过“Cpk 为负但良率看起来还可以”的情况？欢迎留下工序、特性和处理方式。

我是不言，锂电池技术老兵，也是AI提效实践者。

如果你觉得今天这篇有收获，欢迎点赞、在看、收藏，我们下篇见。

赞点赞看在看藏收藏

THANKS FOR READING

       原文标题 : Cpk 为负值怎么办？