学术研究报告：基于过程能力指数（Cpk）的锁具制造产品质量稳定性研究

一、作者及发表信息
本研究由Teng-Hsiung Lin（台湾义守大学管理学院）、Lan-Chien Huang（台湾慈惠科技大学幼儿保育系）、Yue-Yang Chen（慈惠科技大学数位媒体设计系/义守大学企业管理系，通讯作者）、Liang-Cheng Lee（义守大学财务金融系）及Dyi-Yih Michael Lin（义守大学工业管理系）合作完成，发表于期刊 Sensors and Materials 2025年第37卷第3期（1211–1227页）。

二、学术背景与研究目标
本研究属于精密制造与质量管理领域，聚焦于过程能力指数（Process Capability Index, Cpk）在锁具制造中的应用。在竞争激烈的市场中，企业需以最低成本生产高质量产品，而传统质量控制方法（如抽样检验）难以量化过程稳定性。Cpk通过结合过程均值（μ）与变异（σ），量化生产过程是否符合规格限（USL/LSL），但现有研究较少探讨其在设备维护后质量稳定性验证中的创新应用。

研究目标包括：
1. 通过Cpk量化锁具关键尺寸的加工过程能力，并优化数控车床（CNC）参数以提升Cpk值；
2. 创新性地将Cpk用于评估设备维护后的过程稳定性，确保产品质量符合标准。

三、研究流程与方法
1. 实验设计
- 研究对象：台湾某锁具制造公司的黄铜锁壳产品，选取关键尺寸（公差最小：3.51±0.038 mm）作为测量目标。
- 测量设备：采用自动化影像测量仪（含多传感器），替代人工操作，提升测量效率与精度（图2）。
- 数据采集：每日早晚各采样1次，连续20天记录尺寸数据（附录1）。

1. 过程能力改进实验

   • 初始Cpk分析：计算初始Cpk值为0.72（表1），远低于行业标准1.33，表明过程存在缺陷风险。
     
   • 参数调整：通过CNC车床软件调整刀具定位（上下左右），将过程均值（x̄）向规格中心（CL=3.51 mm）靠拢。
     
   • 验证阶段：调整后重复20天采样，Cpk提升至1.54（表1），X̄-R控制图显示数据均靠近CL（图5），过程稳定性显著改善。
     

2. 设备维护后稳定性验证

   • 多维度测量：选取维护后CNC设备加工的3个关键尺寸（5.842±0.05 mm、39.472±0.05 mm、35.622±0.05 mm），每日采样20天。
     
   • 结果：三组尺寸的Cpk值分别为1.63、1.53、1.96（图6–8），均高于1.33，证实维护后设备稳定性达标。
     

3. 数据分析方法

   • Cpk公式：Cpk = min[(USL−x̄)/3σ, (x̄−LSL)/3σ]，结合X̄-R控制图（公式2–4）监控过程变异。
     
   • 统计标准：参考PPAP（生产件批准程序），Cpk≥1.33为过程能力良好。
     

四、主要结果与逻辑链条
1. 初始过程缺陷：初始Cpk=0.72（附录1数据）源于过程均值偏离CL（x̄=3.49 mm）及变异（σ=0.006）。X̄-R图（图4）显示数据波动大，R值超限。
2. 参数调整效果：调整后x̄趋近CL（3.51 mm），σ略增至0.008，但Cpk提升至1.54（表1），缺陷风险消除。
3. 维护验证创新：三组尺寸Cpk均>1.33（图6–8），证明Cpk可作为维护后设备稳定性的量化指标，填补了传统仅依赖规格检验的空白。

五、结论与价值
1. 科学价值：
- 证实Cpk能有效量化精密制造过程能力，并通过参数优化提升稳定性；
- 创新性将Cpk应用于设备维护验证，为质量管控提供新方法论。
2. 应用价值：
- 为企业提供低成本、高效益的质量改进方案，减少返工与浪费；
- 自动化测量与Cpk结合，推动智能制造中的实时质量控制。

六、研究亮点
1. 方法创新：首次将Cpk扩展至设备维护后稳定性评估，验证其普适性；
2. 技术整合：结合传感器自动化测量（图2）与统计过程控制（SPC），提升数据可靠性；
3. 工业实践导向：以锁具制造为案例，提供可复用的质量管理框架。

七、其他价值
研究提出未来方向：将Cpk与物联网（IoT）、人工智能（AI）结合，实现实时过程优化，并探索绿色制造中的Cpk应用（如减少能耗与废料）。

（注：全文基于原文数据及图表分析，术语如“Upper Specification Limit (USL)”首次出现时标注英文，后续使用中文“规格上限”。）