CPK分析（工序能力分析）是我们应用SPC工具的重要分析方法之一，但是如何解读CPK分析的数据也变得非常重要，否则即使分析出图形结果出来了，也没有太大的作用。以下我们就从两方面来解释如何对数据及图形进行分析，首先我们需要查看数据的分布，即查看直方图的分布，正常的分布应该如下图所示，呈一个钟型的分布，中间高，两边低。如果是其它的分布图形，则说明数据可能出现了问题，如混入了两批物料的双峰型，陡峭型，离岛型，这些都是异常的图形。

第二我们需要能够正确解读相关的计算结果数值，如下表所示：

总样本数：参与分析的数据的个数。

子组大小：这个与计算组内的cpk值有非常大的关系，即是分组的样本个数，数据的分组在此处需要说明的是，必须是根据实际情况来填写，比如每次抽样为5个，那么子组大小就为5个，我们不能随心所欲地任意填写这个值，否则将没有实际的意义。

图表类型：说明进行分析的控制图的类型，此处为XR控制图。

平均值：所有样本数据的平均值；

最大值：所有样本数据的最大值；

最小值：所有样本数据的最小值；

上规格：用户录入的上规格值；

目标值：用户输入的目标值，即期望达到的中心值；

下规格：用户输入的下规格值；

+3Sigma：正的3倍标准差线；

-3Sigma：负的3倍标准差线；

STDEV：标准差值，分为组内及整体标准差值；

CPK：工序能力指数，与规格值及上述标准差值相关联，也分为组内及整体的标准差值；

CP：Cp值是衡量过程满足产品品质标准的程度，也叫制程精密度，Cp值越大，表示过程变异越小，过程能力越差；

CPL：相对应于下规格值的工序能力值；

CPU：相对应于上规格值的工序能力值；

PPM<LSL：预测的低于下规格值的不合格品数（PPM - 百万分之比）；

PPM>USL：预测的超过上规格值的不合格品数（PPM - 百万分之比）；

PPM Total：预测的总的不合格品数；

CA：  制程准确度，值越小越好。