设备能力指数cmk计算公式_Cgk,Cmk,Ppk,Cpk能力指数

作者：我家小花儿 | 2024-04-17 07:50:29

踩

cgk计算公式

对于品质人员来说，最熟悉不过的就是Cpk这个名词了，其次就是Ppk,但是Cgk和Cmk很少出现在大众视野，特别是Cgk，一提到这个词，许多从事品质工作多年的同事表示第一次听说，一脸蒙圈，目瞪口呆。

今天，我们详细剖析一下这4K之间的关系，为我们正确运用打下理论基础。

CgK检测设备能力指数: (Gauge Capability index)

评估测试仪器的测量能力是否和被测产品的公差要求相匹配,检验的是

短期的检测设备能力指数

Cgk计算公式汇总

注释： Cgk的公式,各个公司公式可能不同,有公司采用3S,也有采用2S，一般使用3S。

计算SV的K1说明：Minitab 使用来自标准正态分布的 6 个标准差的默认值表示 99.73% 的测量值。也就是说K1=6，要更改此值，请查看选项子对话框。例如，使用乘数 5.15 表示 99% 的测量值。

验证条件准则：

用高一级精度的测量仪器来确定校准样本真实的尺寸.
样本的实际数值应尽可能与将要测量的目标值趋于一致，如果没有合适的参考测量仪器或对测量结果的正确性明显存在怀疑,那么就只能测定Cg值.
用同一仪器在确定的测量位置上必须在相同条件下重复对料本进行至少25次 (一般情况为50次)的测量.
Cgk一般接受的标准是≥1.33

通常, Cgk要在做测量系统的GRR之前就要评估好,如果一个测试仪器的Cgk太小,它就不能用于这个产品性能的测量.

Cgk 总结

Cgk和GRR是有关系的：
CGK考虑重复性和偏倚
GRR考虑重复性和再现性
在开展GRR之前，依据德国VDA的要求，要先保证所测量的数据的有效性，也就是说，测得的数据要与真值之间的接近程度。这个可以用Cgk来确认；
如果量具相对于公差，分辨率不够高，CGK也是能力不足的，那就应该更换精度更高的量具，重新做CGK。CGK能力足够的情况下，也就是测量数值足够精准时才做GRR。

Cmk机械设备能力指数(Machine capability index)

又称为临界机器能力指数，评估机械设备稳定性(验收设备), 检验的是

短期的机械设备能力指数

特点：

它仅考虑设备本身的影响，而不是针对机械的零件。同时考虑分布的平均值与规范中心值的偏移；由于仅考虑设备本身的影响，因此在采样时对其他因素要严加控制，尽量避免其他因素的干扰，计算公式与Ppk相同，只是取样不同而已。

Cmk计算公式汇总

验证条件准则：

做Cmk时,人员、原材料、加工方法、测量系统,生产模具不能发生改变是前提条件.
生产件做抽样监测,主要目的的是探测出初期制程、新工艺、新产品投入生产时，可能存在特殊因素造成的影响程度。
用同一仪器在确定的测量位置上，必须在相同条件下量测25个以上连续生产样件对应数据的测量值. (一般情况取50个料件)
Cmk一般接受的标准是 ≥1.67

什么时候要做Cmk验证？

机器能力：对于机器设备包括模具，在新购进使用以前，应由机器和模具制造商或验收方验证其能力。

在特定情况下，必须与顾客商定，重复能力调查，例如：

新零件的订单
新的模具/设备
公差缩紧
加工流程/输入状态的更改
维修后(对产品有影响)
机器搬迁后
长期停产后重新启用时

Cmk 总结

若你是购买设备的需求方，在接受设备时，一定要计算Cmk，可以看购买合同里该设备的最高加工精度，比如主轴跳动精度是0.01mm，那你得用公差0.1mm的尺寸去计算Cmk，且要求CM≥2，Cmk≥1.67，其他精度依此类推；
若你是卖设备的供应方，想办法去游说客户，能不计算Cmk最好。

(为什么最好游说客户不要计算Cmk呢？因为设备在出厂时，设定的理想精度是在设备厂家相对理想的环境中获得的，而客户端的生产制造环境，大部分是相对恶劣的，这个时候，对于不懂或半吊子的设备需求方，都是以结果为导向，你懂的,如果说这是一个违心的谬论，不如说这是中国制造对品质理解的悲哀)

关于PPK 初期制程能力(Preliminary Process Capability)和CPK 长期过程能力指数 capability process index的对比，请查阅以下链接文章中段的PPK和CPK介绍，在此不作重复，链接如下文：

如何成为一名合格的质量工程师

关于Cpk计算标准差公式中的修偏系数d2值的来历，请查阅以下链接文章，文章运用MINITAB逆推导，指出了其由来，在此不作重复，链接如下：

SPC表中d2、c4系数是怎么来的？

Cgk,Cmk,Ppk,Cpk一起比对差异

与Ppk相关的社会民生问题

上图为智联招聘网站发布的2019春节前后的各职业平均薪资，从测量角度观察，仪器仪表行业的平均工资是8586，看到这个数据，是不是表示宝宝很委屈，哪有那么多？而从事质量管理的是6814，这么低，不至于吧？

从Ppk角度分析，这些数据只收集了春节前后的时间段，并且只是来自单一的智联招聘人才市场数据，只能说明一点，就是这段时间局部地区局部人才的就业需求情况。

接着我们再来看看2019全国各大城市的平均工资水平，对于某些三四线城市的数据，有没有大跌眼镜的冲动？一不小心又被平均了。

我们给大家讲个笑话，乌鲁木齐住在东莞隔离。故事讲完了。

我们再来和大家讲个更搞笑的笑话，成都和南宁比佛山厉害。故事又讲完了。

针对以上现象，我们再来用Ppk的逻辑分析一下，先不说乌鲁木齐，我们就拿成都和南宁说事，都是主要以旅游服务业、餐饮业为主的城市，它们的共同点是很少在知名网站发布招聘需求，都是本土人力资源市场消化掉。这些城市数据主要来源于从发达地区迁移的知名企业招聘需求。

换一个角度，从样本量来分析，如果内地城市相对发达地区的样本量减少会导致PP明显增大，需要分析原因——数据采集受条件限制，没有绝对的代表性，数据仅供参考。

比如在珠三角或长三角地区，以10000样本量为基数，当达到这个量的时候，无论把样本量增加到20000或者100000，其PP的变化趋势都是非常小的，而对于三四线城市，除了旅游服务业、餐饮业满足样本量需求外，其他制造业、重工业、IT、金融业，可能只能满足1000的样本量，甚至更低，为了满足整体的分析需求，把所有城市所有职业的样本量降低，而珠三角或长三角地区降低的条件是提取距离众数和中位数最近的1000组样本，又比如南宁成都这样的城市，假设市场平均工资是5000，现在从一线城市迁移来了富士康这种巨无霸，而这1000的样本里这种巨无霸的招聘需求占据了50%以上，那么就无形中抬高了人均收入水平，也就是我们说被平均了。

再从二八定律分析，一二线城市的薪资结构是旅游服务餐饮占20%，其他占80%，三四线城市旅游服务餐饮占80%，其他占20%，这样一来，数据出现偏差就理所当然了。