新版AIAG-VDA SPC手册增加了一个Pmk（设备性能指数），但很多人发现Pmk和Ppk很像，甚至认为是一样的，是炒概念的，那Pmk和Ppk真的是一样的吗？

1.数学同源：为什么它们看起来“一模一样”？

首先必须承认一个事实：在底层算法上，Pmk和Ppk是完全相同的。

无论你使用的是经典的基于正态分布的均值与标准差公式：

这两者的计算逻辑是一样的。

它们的本质都是在做一件事：将实际数据的散布范围和位置偏离，与客户给定的公差带进行对比。既然“尺子”是一样的，那区别究竟在哪？答案在于你把这把尺子“量在了什么东西上”。

2.变差溯源

质量管理的精髓在于控制变差。经典的变差来源可以归结为“5M”人机料法环。Pmk和Ppk的根本分歧，就在于它们对待这5M的态度。

2.1 Pmk：显微镜下的“单变量”测试

Pmk的全称是Machine Performance Index。顾名思义，它只关心设备（Machine）本身的变差。

为了剥离出设备纯粹的性能，我们在做Pmk研究时，必须人为地将其他4个M固定：

• 人员：必须是同一个熟练操作工，防止人的手法带来波动。
• 材料：必须使用同一批次、特性最均匀的原材料。
• 方法与环境：设备必须充分预热，中途不能停机换刀，车间温度保持稳定。

在这种极端受控的条件下打出来的产品，其尺寸的波动几乎100%是由机器自身的精度、主轴跳动、导轨间隙等硬性条件决定的。这时候算出来的就是Pmk，反应机器的波动情况。

2.2 Ppk：广角镜下的“全景”生态

Ppk的全称是Process Performance Index。这里的“过程（Process）”是一个宏观概念。

当我们在计算Ppk时，我们不仅不冻结其他4M，反而要求数据必须包含现实生产中所有的5M波动：

• 数据可能跨越了早中晚三个班次（不同的人）。
• 可能跨越了周一到周五的温差（不同的环境）。
• 可能换了两批不同供应商的毛坯（不同的材料）。

Ppk评估的是整个生产系统在面对日常各种干扰时，依然能稳定产出合格品的能力。

3.实战应用：什么时候该用谁？

了解了变差的区别，它们的应用场景也就顺理成章了。

设备验收与释放（Machine Acceptance）

当你花了几百万买了一台新数控机床，或者机床刚做完年度大修。你需要知道这台机器“行不行”，这时候必须做Pmk。如果Pmk不达标（通常要求Pmk大于1.67或者甚至更高），说明机器本身有缺陷，你即使给它配最顶级的工程师和最好的材料，也做不出好产品。

量产批准与过程评估（PPAP & ProcessStudy）

当机器验收合格，正式投入量产前，客户（如主机厂）会要求你提交PPAP报告。客户不关心你机器好不好，客户只关心“你这个工厂明天能不能给我稳定交货”。这时候你需要提交Ppk研究报告（通常要求大于1.33甚至大于1.67）。

4.数据收集策略对比

在实际操作中，为了匹配上述的逻辑，2026版黄皮书对两者的抽样方案给出了截然不同的指导：

在质量控制的体系中，Pmk和Ppk绝不是简单的重复造轮子，而是我们在不同阶段使用的不同诊断工具。

Pmk是底线，它决定了过程能力的上限（一台烂机器永远跑不出好过程）；而Ppk是现实，它反映了你管理整个生产系统的综合水平。