小样本能力评估：数据不够怎么办
一、先说结论
Cpk 和 Ppk 是估计值，不是测量值。 你算出来的那个 1.82，跟真值之间隔着一整个抽样分布。样本越小，这个分布越宽，宽到什么程度？给你个数感受一下：
n = 10 的时候，点估计 1.33 对应的 95% 置信下限只有 0.79。
也就是说，拿 10 个数据算出 1.33，你连"这个过程能不能到 0.8"都不敢打包票。可现实里有多少初期能力报告，就是拿十来个件凑出来的？
小样本的正确姿势不是"想办法把数字算大点"，而是这三件事：
- 报点估计的同时，必须报置信下限；
- 数据非正态或者形状怪时，用 Bootstrap 求经验区间；
- 样本实在不够，就换证据链——机器能力 Cm、同族件历史数据、防错措施一起上，别硬凑一个 Ppk。
二、核心知识点拆解
2.1 Cpk 的抽样分布有多宽
Ĉpk 的标准误有个业内常用的近似式（Bissell 近似）：
$$SE(\hat{C}_{pk}) \approx \hat{C}_{pk}\sqrt{\frac{1}{9n\hat{C}_{pk}^2} + \frac{1}{2(n-1)}}$$
单侧 95% 置信下限：
$$LCL_{95\%} = \hat{C}_{pk} - 1.645 \times SE(\hat{C}_{pk})$$
把 Ĉpk = 1.33 代进去，看不同样本量下的置信下限：
| 样本量 n | SE | 95% 置信下限 | 这个下限意味着 |
|---|---|---|---|
| 10 | 0.331 | 0.79 | 等于什么都没证明 |
| 25 | 0.203 | 1.00 | 连 1.0 都刚够着 |
| 30 | 0.185 | 1.03 | PPAP 常见样本量 |
| 50 | 0.142 | 1.10 | 稍微像话了 |
| 100 | 0.100 | 1.17 | 能拿出手 |
| 200 | 0.071 | 1.21 | 接近可信 |
看最后一行：哪怕 200 个数据，点估计 1.33 的置信下限也才 1.21。 能力指数这东西天生"贵"，想把它算准，要的样本量比大多数人想象的多一个量级。
反过来讲，这张表也解释了一件长期让人困惑的事——为啥 PPAP 初期能力要求 1.67，量产 Cpk 只要 1.33？ 那 0.34 的差额，一部分是给长期变差留的余量，另一部分就是给小样本的统计不确定性买单。
2.2 Bootstrap：不假设正态的笨办法
上面那个公式有个前提——数据近似正态。真实车间里，形位公差、单侧特性、经过全检筛过的数据，都不正态。这时候 Bootstrap 更靠谱。
Bootstrap 的操作土得掉渣，但特别管用：
- 手上有 n 个原始数据；
- 有放回地从这 n 个里随机抽 n 个，组成一份"重抽样"；
- 用这份重抽样算一个 Ppk；
- 把 2、3 步重复 2 000 ~ 20 000 次，得到一大堆 Ppk；
- 把它们排序，取第 2.5% 和第 97.5% 位置的值，就是 95% 经验置信区间。
它的好处是完全不问分布长什么样，缺点是"只能在已有数据里打转"。 原始样本没抓到的尾部，Bootstrap 也变不出来，所以小样本下它的区间会偏窄、偏乐观。实操建议：Bootstrap 结果和解析近似都算一遍，取更保守的那个报给客户。
2.3 样本实在不够时的四条替代路线
- 路线一：同族件合并（短流程标准化）。 多品种小批量车间的救命稻草。把不同零件的数据做标准化变换 Z = (x − 目标值)/公差，量纲一样了就能合并画图、合并估 σ。前提是这些零件确实走同一台设备、同一套工艺。
- 路线二：借历史先验。 同一台设备、同一类特性，过去两年积累了成千上万个数据，σ 是稳定已知的。新件只需少量样本确认"均值在哪、σ 没变大"，能力就能推出来。
- 路线三：机器能力顶上。 新设备没量产数据，但可以做 Cm/Cmk 研究（见第 62 篇）。50 件连续加工的 Cm = 2.0，是很硬的证据，比 10 件算出来的 Ppk 有说服力得多。
- 路线四：换维度补证据。 能力实在证不出来，就上 100% 检测、防错装置、SPC 加严监控，在 PFMEA 里把探测度降下来。跟客户谈的时候，一份"我们知道自己数据不足，所以做了 ABC 三重防护"的方案，远比一个虚高的 1.82 受欢迎。
三、车间真实案例 / 计算过程
新项目零件，关键尺寸 45.00 ± 0.15 mm（LSL 44.85、USL 45.15，T = 0.30）。试产 30 件，客户要求 Ppk ≥ 1.67。
实测统计量：n = 30，x̄ = 45.0050 mm，s = 0.02650 mm
第一步：点估计
上侧：(45.15 − 45.0050)/(3×0.0265) = 0.1450/0.0795 = 1.824 下侧：(45.0050 − 44.85)/(3×0.0265) = 0.1550/0.0795 = 1.950
Ppk = min(1.824, 1.950) = 1.82 ✅ 看着过了
第二步：算标准误
SE = 1.824 × √[ 1/(9×30×1.824²) + 1/(2×29) ] = 1.824 × √(0.0011132 + 0.0172414) = 1.824 × √0.0183546 = 1.824 × 0.13548 = 0.2471
第三步：置信区间
双侧 95%：1.824 ± 1.96 × 0.2471 = (1.34, 2.31) 单侧 95% 下限：1.824 − 1.645 × 0.2471 = 1.42
客户要 1.67，我们的 95% 置信下限只有 1.42。 点估计确实是 1.82，但这份数据不足以在 95% 把握下声称"真值 ≥ 1.67"。客户那位工程师没为难人，他要的东西是对的。
第四步：Bootstrap 验证
对这 30 个原始数据做 20 000 次有放回重抽样，每次算一个 Ppk，排序后取分位数：
| 分位 | Ppk |
|---|---|
| 2.5% | 1.55 |
| 5% | 1.59 |
| 50%（中位） | 1.85 |
| 97.5% | 2.33 |
Bootstrap 给的 95% 区间是 (1.55, 2.33)，比解析法的 (1.34, 2.31) 窄了一截——这正是前面说的"小样本下 Bootstrap 偏乐观"。
两个下限，1.42 和 1.55，都够不到 1.67。 结论一致：这 30 件，证不了。
第五步：那要多少件才够
保持点估计 1.824 不变，反解让单侧 95% 下限刚好达到 1.67 所需的 n：
$$1.824 - 1.645 \times 1.824\sqrt{\frac{1}{9n \times 3.327} + \frac{1}{2(n-1)}} \geq 1.67$$
迭代求解得 n ≥ 204。
从 30 件到 204 件，将近 7 倍。 这就是"证明 Ppk ≥ 1.67"的真实价码。
第六步：我们最后怎么谈的
跟客户摊牌，交了这么一套东西：
- Ppk 点估计 1.82，95% 置信下限 1.42，明确写清样本量 n=30 的局限；
- 补做机器能力研究：连续 50 件，Cm = 2.31、Cmk = 2.18，证明设备本身余量充足；
- 承诺量产前 3 个月加严 SPC：子组量从 5 提到 8，每周滚动重算 Ppk，累计到 200 件时提交正式能力报告；
- PFMEA 里对该特性增加在线量仪 100% 监控，探测度从 6 降到 2。
客户批了有条件 PPAP（Interim Approval），三个月后累计 216 件，Ppk = 1.79，95% 下限 1.68，转正式批准。
没有一个数字是编的，只是把"我知道我不知道什么"讲清楚了。 这在客户那边叫专业，在我们这儿叫少挨骂。
四、常见误区提醒
- 拿十来个件算 Cpk 就往报告上写。前面表里写得明明白白，n=10 时点估计 1.33 的置信下限是 0.79。这种报告的信息量约等于零，一旦客户回头查，还落个"数据不实"的口实。样本量低于 25，就别单独用能力指数下结论。
- 小样本用 Cpk 而不用 Ppk。样本少的时候，你压根没法把"组内变差"和"组间变差"分清楚，R̄/d₂ 那套估法失去意义。小样本一律用总体样本 s、报 Ppk，这是最基本的诚实。
- Bootstrap 抽出来的区间当成金标准。案例里 Bootstrap 区间比解析区间窄了 0.21。Bootstrap 不产生新信息，它只是把已有 30 个点重新洗牌。 用它可以，但要知道它在小样本下偏乐观，最好用 BCa 偏差校正，或者干脆和解析法对照取保守值。
- 一看数据不够就找客户要求降低门槛。这是最没出息的一招，而且基本谈不成。正确的谈法是换证据结构：点估计 + 置信下限 + 机器能力 + 加严监控 + 分阶段提交。 客户要的是风险可控，不是那个数字本身好看。
五、小结 & 互动提问
能力指数是个统计估计，它自带一条误差棒。样本少的时候，那条误差棒比指数本身还长——你报一个光秃秃的数字，等于把这条误差棒藏起来了。
小样本不丢人，藏着掖着才丢人。把置信下限一起报出去，把证据链补齐，这才是资深质量工程师和"会用软件点按钮的人"之间的区别。
互动提问：翻出你最近提交的一份 PPAP 能力报告，看看样本量是多少、Ppk 是多少。套一下本文的公式算个 95% 置信下限——它还够得着客户的要求线吗？
如需配套互动练习、培训课件或软件试用，可搜索「东方大易」或访问大易官网 www.eastdayi.com（苏州东方大易管理咨询有限公司，电话 0512-65561989）联系客服获取。