CPK分析（工序能力分析）是我們應用SPC工具的重要分析方法之一，但是如何解讀CPK分析的數據也變得非常重要，否則即使分析出圖形結果出來了，也沒有太大的作用。以下我們就從兩方面來解釋如何對數據及圖形進行分析，首先我們需要查看數據的分布，即查看直方圖的分布，正常的分布應該如下圖所示，呈一個鐘型的分布，中間高，兩邊低。如果是其它的分布圖形，則說明數據可能出現了問題，如混入了兩批物料的雙峰型，陡峭型，離島型，這些都是異常的圖形。
第二我們需要能夠正確解讀相關的計算結果數值，如下表所示：
總樣本數：參與分析的數據的個數。
子組大小：這個與計算組內的cpk值有非常大的關系，即是分組的樣本個數，數據的分組在此處需要說明的是，必須是根據實際情況來填寫，比如每次抽樣為5個，那么子組大小就為5個，我們不能隨心所欲地任意填寫這個值，否則將沒有實際的意義。
圖表類型：說明進行分析的控制圖的類型，此處為XR控制圖。
平均值：所有樣本數據的平均值；
最大值：所有樣本數據的最大值；
最小值：所有樣本數據的最小值；
上規格：用戶錄入的上規格值；
目標值：用戶輸入的目標值，即期望達到的中心值；
下規格：用戶輸入的下規格值；
+3Sigma：正的3倍標準差線；
-3Sigma：負的3倍標準差線；
STDEV：標準差值，分為組內及整體標準差值；
CPK：工序能力指數，與規格值及上述標準差值相關聯，也分為組內及整體的標準差值；
CP：Cp值是衡量過程滿足產品品質標準的程度，也叫制程精密度，Cp值越大，表示過程變異越小，過程能力越差；
CPL：相對應于下規格值的工序能力值；
CPU：相對應于上規格值的工序能力值；
PPM<LSL：預測的低于下規格值的不合格品數（PPM - 百萬分之比）；
PPM>USL：預測的超過上規格值的不合格品數（PPM - 百萬分之比）；
PPM Total：預測的總的不合格品數；
CA： 制程準確度，值越小越好。
