2026版 AIAG-VDA SPC 手册 7 月 1 日正式出版了。

其实今年 2 月份黄皮书出来以后，质量圈已经讨论了好几个月。很多企业动作很快，甚至已经拿着黄皮书开始改 SPC 程序文件、控制计划和内部培训资料。

现在正式版出来，我反而建议之前改过的企业再重新核对一次。

因为正式版和之前流传的版本，有些地方还是有区别的。

这篇我不准备做那种从第一章讲到最后一章的“新版 SPC 完整解读”。几百页的东西全部讲一遍，最后很容易变成什么都讲了，但质量经理回去还是不知道第一件事情应该干什么。

我想聊几个我自己比较关注，而且真正会影响企业实际工作的变化。

其中最重要的，当然还是 Cpk。

一、Cpk 最大的变化，真的不是改了个名字

很多人看到新版以后第一反应是：

原来的 Cpk 是不是改成 Cwk 了？

如果只这么理解，其实把这次变化看小了。

以前做 SPC 的人都很熟悉，传统 AIAG 体系下，Cpk 和 Ppk 本来就是两套变异。

Cpk 用组内变异。比如 Xbar-R 里面是组内标准差（比如合并标准差）。

Ppk 用整体标准差 S。

所以同一批数据，Cpk 和 Ppk 算出来不一样很正常。

这些年我也经常看到有人讨论：

为什么我的 Cpk 1.6，Ppk 只有 1.2？

两者差多少算正常？差 0.2 有没有问题？

其实我一直觉得，这种问题多少有点本末倒置。

真正应该问的不是“为什么差了 0.2”，而是：

这个差异到底在告诉你什么？

到了新版，这个逻辑就更清楚了。

新版里面 Cpk 和 Ppk 的区别（公式完全一样），不再是过去很多培训里面简单讲的：

Cpk 是短期能力，Ppk 是长期能力。

真正关键的是：

这个过程有没有被证明处于统计稳定状态。

过程已经证明统计稳定，可以报告 Cpk。

过程不稳定，或者根本没有足够证据证明它稳定，那就只能报告 Ppk。

所以时间长短已经不是最核心的判断条件。

你有三个月的数据又怎么样？

如果控制图上今天一个异常，明天一个趋势，过几天均值又突然跳一下，这个过程本身都没有稳定下来，收集再长时间的数据，也不能把“时间长”直接等同于“过程有能力”。

我觉得这个变化特别重要。

因为现实中很多企业做能力分析，顺序其实是反过来的。

拿到数据，导进软件。Capability Analysis 点一下。

Cpk=1.45。挺好。截图，放报告。

至于控制图有没有异常？有时候根本没看。

有时候看了，发现几个异常点，也觉得问题不大：

“反正 Cpk 还有 1.45。”

但你仔细想想，这个逻辑本身就有问题。

一个连统计状态都没有搞清楚的过程，我们为什么这么着急给它发一张“能力合格证”？

控制图首先应该回答：

这个过程是不是稳定的、可预测的？

然后能力分析才回答：

在这样的过程状态下，它相对于规格要求到底怎么样？

顺序不能反。

否则就会出现我见过很多次的情况：

报告很漂亮，Cpk 1.67。

现场三天两头出问题。

最后老板看烦了：

“以后别给我看 Cpk，你告诉我这个月出了多少不良。”

这时候其实挺尴尬的。

不是 Cpk 没用，更不是 SPC 没用。

而是我们自己把 SPC 做成了一份证明过程没问题的报告，而不是拿它去发现过程到底有什么问题。

至于以前大家熟悉的组内 Cpk，并不是说以后没用了。

它有了更清楚的位置——Cwk，Within Capability。

这个指标其实非常有价值。

比如设备刚刚调完，我想看看机器本身短时间到底能做到什么程度；

换了一套工装，想验证工装；

或者过程出了问题，我想区分究竟是组内波动变大，还是长期漂移造成的。

这些时候 Cwk 都很好用。

但它和我们拿一个指标去证明整个量产过程的能力，不应该再混为一谈。

这个边界划清楚，我个人是比较认同的。

二、一个漂亮的 Cpk，有时候反而会骗你

除了稳定性，还有一个问题这些年我也碰到非常多：

不管什么数据，先算一个正态 Cpk。

很多软件默认打开就是正态能力分析，久而久之大家形成习惯了：

有规格上下限 + 有一批测量数据 = Cpk。

但真实制造现场哪有那么多数据老老实实服从正态分布？

平面度、圆度、位置度、表面粗糙度，还有很多单边公差，本来就很容易偏。

如果一个明显偏态的数据，硬塞进正态模型里面去算 Cpk，最麻烦的其实不是“统计学上不够严谨”。

而是：

它真的可能骗你。

中间那一大堆数据看起来很好，均值离规格也挺远，Cpk 算出来很漂亮。

但真正决定客户风险的是哪里？

尾巴。

尾部已经出去不少了，你选择的模型却还在告诉你风险很低。

所以新版里面 G 方法、Z 方法这些东西，我觉得以后会越来越重要。

特别是基于分位数的思路，它不再要求所有数据都必须先找一个理论分布硬套进去。

当然，它也不是没有代价。

它需要数据。

而且不是几十个数据，是很大的数据量。

这个变化其实也在提醒我们另外一个问题：

不要拿几十个数据，就急着给一个制造过程下结论。

实际工作里面这种事情太多了。

客户要报告了。

赶紧抽几十件。

一算：

Cpk=1.52。

很好，交。

但这个 1.52 到底有多可靠？

再抽一批是不是还是 1.52？

没人知道。

所以我觉得新版真正有意思的地方，并不是多了几个公式。

它是在逼我们重新问一句：

你算出来的这个数字，到底代表什么？

三、把所有数据混在一起算，可能比公式算错还危险

还有一种情况我觉得特别值得讲。

比如一个零件，有 3 台设备生产。

白班、夜班都有。

原材料来自几个批次。

最后一个月的数据全部导出来。

啪一下。

Cpk=1.52。

过程能力充分。

但如果把数据拆开呢？

可能 A 设备非常稳定，B 设备一般，C 设备其实已经慢慢往规格上限漂了。

也可能三台设备都没问题，但夜班一直比白班波动大。

再拆一下，发现真正的问题不是班次，而是某一个供应商的材料批次。

甚至还有一种情况：

每个单独设备其实都挺稳定，但三台设备的中心位置不一样。

全部混在一起以后，你看到的“整体波动”，很大一部分根本不是设备自己的随机波动，而是设备之间的差异。

这也是为什么我一直觉得，真正做 SPC，数据不能只有：

时间 + 测量值 + USL + LSL。

这些数据当然能画控制图，也能算 Cpk。

但想真正找问题，远远不够。

设备、产线、模具、穴号、班组、班次、人员、供应商、材料批次、工单……

这些属性维度，很多时候比那个测量值本身还重要。

因为测量值只能告诉你：

出问题了。

这些属性才有机会告诉你：

问题可能在哪里。

所以以后 SPC 做得深一点，我觉得能力分析不应该只是给一个总 Cpk。

看到能力下降以后，应该继续往下钻：

• 到底是哪台设备拖下来的？
• 哪个班次？
• 哪个材料批次？
• 从哪一天开始？
• 规格是不是在这段时间发生过变化？
• 换过刀具没有？
• 有没有换过量具？

如果把这些东西都丢掉，只留下一列测量值，后面再高级的算法其实也很难把原因找回来。

这也是我认为未来 SPC 和传统 SPC 软件会拉开差距的地方。

不是谁能多画两种控制图。

而是谁能够真正把过程的上下文保留下来。

四、新版真正开始面对一个问题：制造过程本来就不是一种状态

新版里面还有一个变化，我觉得现在国内讨论得没有 Cpk 那么多，但以后可能影响更大。

就是时间依赖过程模型。

这个方向我其实挺认同。

因为制造过程本来就不是一种状态。

最典型的就是刀具磨损。

我们明明知道刀具随着加工数量增加，尺寸会慢慢往一个方向漂。

结果又拿一个假设“过程中心位置应该永远不变”的控制模型去管它。

然后控制图报警了。

现场说：

“这个不用管，正常刀具磨损。”

过两天又报警。

“这个也是正常的。”

再过几天又报警。

还是正常。

那就有点奇怪了。

如果一张控制图天天出现“正常的异常”，我们就应该想一下，到底是过程有问题，还是模型用错了。

这其实是新版时间依赖模型很有价值的地方。

有些过程中心稳定；

有些过程波动会变化；

有些过程中心位置会随时间有规律地移动；

还有一些过程位置和波动都会变化。

这些过程本来就不应该拿一个万能 SPC 模板去套。

控制策略、抽样频率、能力评价方式，甚至异常规则，都可能不一样。

这件事情继续往下走，其实又会带来一个很现实的问题：

以前企业管理 SPC，经常是一个检测项目绑定一张控制图。

以后可能没这么简单。

同一个检测特性在不同工艺状态、不同设备甚至不同阶段，适合的分析模型都可能不一样。

这才是真正的“过程控制”。

五、质量部现在最应该做的，不是把 Cpk 批量替换成 Cwk

如果我是企业质量经理，现在要切换新版，我不会第一件事情就把所有 QE、SQE 拉过来培训两天。

我会先把公司的《SPC 控制程序》拿出来。

看看是不是还写着：

Cpk 为短期过程能力指数；
Ppk 为长期过程性能指数；
Cpk≥1.33，过程能力充分。

如果还是这种写法，就应该重新梳理了。

不只是改名字。

真正要改的是背后的判断流程。

以前可能是：

收集数据 → 算 Cpk → 判断合格。

以后至少应该变成：

先确认数据和规格 → 判断过程状态 → 判断适合的分布/模型 → 选择能力评价方法 → 再给结论。

而且这里还有一个经常被忽略的问题：规格。

真实制造过程中规格并不是永远不变的。

客户图纸升级了。

工程变更了。

公差调整了。

目标值改了。

如果我们拿今天的规格，回头去计算两年前的数据，算出来的历史 Cpk 到底代表什么？

所以过程能力除了数据本身，还应该知道：

当时执行的到底是哪一版规格。

这个问题平时不明显，一旦做长期趋势、历史能力比较或者客户追溯，就非常重要。

第二份我会检查的是 Control Plan。

现在很多控制计划里面，特殊特性后面直接写：

Cpk≥1.33。

然后就结束了。

但这是哪个阶段？

• 试产还是量产？
• 过程稳定了吗？
• 实际算的是 Cpk、Ppk 还是 Cwk？
• 什么控制图？
• 什么判异规则？
• 多久抽一次？
• 异常以后执行什么反应计划？

这些其实应该慢慢对应起来。

SPC、Control Plan、FMEA、MSA、OCAP 如果各自都是一座孤岛，最后一定会出现：

控制计划写一套，SPC 软件算一套，现场执行又是另外一套。

第三份就是 PPAP 能力报告。

以后如果还是：

Cpk = 1.46
PASS

我觉得信息真的太少了。

至少应该让别人知道：

• 为什么这个 1.46 可以叫 Cpk？
• 过程稳定性验证过没有？
• 用了什么控制图？
• 有没有触发判异规则？
• 数据是什么分布？
• 如果不是正态，用了什么方法？
• 多少样本？
• 什么时间范围？
• 对应哪一个规格版本？

甚至如果数据来自多台设备，最好能够知道这个结果到底是怎么组合出来的。

这些信息都有以后，一个能力指数才真正有上下文。

否则 Cpk 就只是一个孤零零的数字。

六、最后一个变化，我觉得做 SPC 软件的人应该特别重视

就是软件验证。

以前企业选 SPC 软件，经常问：

“能不能画 Xbar-R？”

“有没有八大判异？”

“能不能算 Cpk？”

这些当然要有。

但以后我觉得还应该多问一句：

你算得对不对？

而且这个“对”，不是找一组数据跟 Excel 对一下就结束了。

• 标准差到底用哪个？
• 控制图常数从哪里来？
• 子组大小变化怎么办？
• 边界点怎么判断？
• 单边规格怎么算？
• 非正态怎么处理？
• 异常规则连续点到底从哪里开始判？
• 数据不足的时候怎么处理？
• 规格发生变化以后历史结果怎么处理？

这些东西，才是真正考验一个 SPC 系统的地方。

特别是现在越来越多企业会把 SPC 集成进 MES、QMS，甚至自己开发。

界面其实已经越来越容易做了。控制图也不难画。真正难的是背后的统计逻辑、业务逻辑，还有大量制造现场才能碰到的边界情况。

而且以后数据越来越多，我觉得 SPC 还会继续往前走一步。

过去是工程师主动打开某一个项目，看控制图、看 Cpk。

但一个工厂如果有几百、几千个检测特性，质量工程师不可能每天把每张控制图都打开一次。

那怎么办？

应该反过来。

让系统持续看过程。

• 哪个过程的均值开始漂了；
• 哪个过程波动突然变大；
• 哪个 Cpk/Ppk 最近连续下降；
• 哪台设备和其他设备开始出现明显差异；
• 哪些异常只集中在某一个班次或者材料批次；

系统先把这些东西找出来，人再去判断为什么。我觉得这才是 SPC 接下来真正有意思的方向。

不是把一张控制图画得越来越漂亮，而是从过去的“人找问题”，慢慢变成“问题主动找人”。

从 2005 到 2026，二十多年才迎来这次大的更新。

如果最后我们做的事情，只是在原来的程序文件里面，把几个 Cpk 批量替换成 Cwk，然后重新发一个受控版本，我觉得挺可惜的。

这次新版真正值得重新想的，可能还是那个最基本的问题：

SPC 到底是拿来出报告的，还是拿来认识过程的？

如果只是为了 PPAP 的时候交一张 Cpk≥1.33 的表，其实 Excel 都够了。

但如果我们真正想知道：

• 为什么这个月波动突然变大？
• 为什么夜班总比白班差？
• 为什么换了一批材料以后中心开始漂？
• 为什么 Cpk 明明很好，客户还是一直退货？
• 为什么过去半年 Cpk 看起来都合格，但其实已经连续三个月往下走？

到了这个时候，SPC 才真正开始有价值。

所以新版公式当然要学。程序文件当然也要改。但我觉得比公式更重要的是：

别再看到一个漂亮的 Cpk，就觉得分析已经结束了。

很多时候，真正的问题，恰恰是从这个数字后面开始的。