车间主任老张盯着SPC软件上的合格CpK值1.33，眉头拧成个疙瘩。率表他跟我说："这数看着漂亮，合格可上个月那批货还是率表被客户退了300件。"问题就出在这儿——CpK值跟合格率之间，合格不是率表简单的等号关系。

咱们先把这个对应表摊开。合格CpK等于1.0的率表时候，理论上合格率是合格99.73%，也就是率表每100万个产品里有2700个不合格品。CpK到1.33，合格合格率升到99.99%附近，率表不合格品率降到百万分之63。合格等CpK爬到1.67，率表不合格品率就只剩百万分之0.57了。合格听着挺美是吧？可现实里，我见过CpK算出来2.0的产线，照样整批整批地报废。

为啥？因为CpK算的是"潜在能力"，不是"实际表现"。它假设数据是正态分布的，假设过程稳定，假设抽样没毛病。可车间里哪有这么理想？刀具磨损了，材料批次换了，操作工打了个盹，分布就偏了。我上个月亲眼看见，一台机床的CpK从1.8掉到0.9，就用了三天——因为冷却液漏了，温度一高，尺寸全飘了。

所以这表只能当参考，不能当圣旨。真正靠谱的做法是拿它当预警线。我自己定了个规矩：CpK低于1.33就停产检查，1.33到1.67之间正常监控，超过1.67才敢放心大胆地跑。但这规矩也不是死的。有一次做医疗器械的活儿，客户要求不合格品率不能超过百万分之一，那CpK就得奔着2.0去。反过来，做普通冲压件，CpK到1.0我都觉得浪费——成本涨得比合格率快多了。

说到底，CpK和合格率的对应，是统计学的理想模型。它像张地图，告诉你大方向在哪，但路上有没有坑、有没有塌方，得靠你自己去踩。我见过最离谱的一次，CpK算出来3.0，结果是因为抽样只抽了5件，全赶巧了。后来重新抽了50件，CpK直接掉到0.8。这表啊，你用对了是工具，用错了就是自欺欺人。

老张后来把SPC的报警阈值从1.33提到了1.5，又加了每两小时一次的实物抽检。上个月那批退货再没出现过。他跟我说："这表我贴在墙上天天看，但真正救命的，是表底下那行小字——'数据不会说谎，但取样的人会'。"