Jeff(ASQ_CQE)談統計品質工程Statistical Quality Engineering

6月份Jeff發表了10篇文章 前五名依照瀏覽數排序分別為 【品質工程】 7月份開課資訊  提升品質就是降低變異---Statistical Process Control統計製程管制 【品質工程】品質工程專業人士在職場上的感觸 【品質工程】為什麼管制圖裡面不能畫上規格界限? 【品質工程】SPC課後分享 【品質工程】SPC對於量測解析度的要求 The requirement of measurement resolution of SPC 七月份開課資訊仰賴宣傳管道如PTT新竹版、自學版及FB廣告宣傳 以及更多來自於朋友的友情贊助分享及轉告 讓這篇文章的點閱次數突破1300次 品質工程專業人士在職場上的感觸這篇文章則最令Jeff意外 這篇當初有點像是發牢騷的文章 竟然意外得獲得將近200次的點閱次數 或許大家都有一點這樣的感受吧 Jeff身為作者就是真實寫出在品質領域的感受 管制圖裡面不能畫上規格界限則是Jeff在轉危為安這本書中看到戴明博士寫的一段話 他說管制圖裡面絕對不能有規格上下限 但他在書上其實沒有特別說明原因 其實這件事我們稍微推敲一下就可以了 所以特別寫出來成為一篇文章的主題 SPC課後分享來自於6月份在新竹火車站後站的課程教授過程及心得 這是Jeff第一次在比較正式的教室對一群品質相關領域的從業者進行授課 我認為這是很好的互動 也從課程及課後的學員問題中發現其實大家真的都不很了解 也就更加深我自行授課的動機 也才果斷決定每個月都要開課 並且進行收費 SPC對於量測解析度的要求也同樣來自於6月份的課程分享 其中一位學員他自己對SPC很有興趣 所以聽了第二次之後就嘗試自行練習執行 他做出來的結果在R chart的部分出現了量測解析度不足的現象 為了跟他說明 Jeff就獨立寫了這篇文章 這篇文章的內容出自於IATF16949 MSA手冊 大家有興趣可以自行翻閱

假設檢定是統計學學習過程之中很容易混淆的概念，今天針對這些概念做一個整理，這篇文章不談統計分配以及統計量，單純就邏輯提供思考方法。 法律的無罪推論 首先從法律常見的無罪推論來論述。我們都知道法律都會假設嫌疑人無罪，但是這是為什麼呢？我曾經看過許多講授假設檢定的文章都提及無罪推論，但我始終無法理解到底為什麼要假設無罪而不是假設有罪？許多文章從成本的觀點解釋，說明誤判死刑的成本極高，所以要假設人無罪；然而誤判成本極高並不是只有無罪的人判有罪的成本高，將有罪的人判成無罪的成本也非常高，所以我認為這樣的說明解釋是不夠充分的。 在Jeff研讀完管制圖的共同原因及特殊原因的相關邏輯之後總算明白了，原來假設檢定與管制圖的關聯性這麼大，在那一瞬間我也同時理解了無罪推論的問題。所謂的無罪推論，是在世界大部分的人都不會犯罪的前提下的產物。也就是當世界上99.73%的人都不會犯罪的時候，我們可以假設嫌疑人無罪，之後再透過收集犯罪證據的方式判定此人有無犯罪。 但是若今天的世界是窮凶惡極的地獄，99.73%的人都有犯罪紀錄，則無罪推論就失效了，顯然的我們要用「有罪推論」反過來證明一個人無罪才行。這個差異及前提卻在眾多文章中從未提及過，卻是極其重要的論述方式。也就是說，假設檢定的論點必須是這個環境、系統的多數群體的狀態列在虛無假設H0，而想要收集證據去反駁、舉證、證明的論點放在對立假設H1。 供應商的論述 依照上述的講述推論，一個光學面鏡的供應商宣稱其面鏡的平均厚度為10.0mm，且今天有一批來料量測32pcs，計算得到平均厚度為10.15mm，試問是否能相信供應商的論述？ 這問題是學習假設檢定很常見的題目，其假設檢定的列法如下： H0 : U = 10.0 H1 : U > 10.0 這個假設的列舉方式是在說明，假設供應商的論述是對的，則透過搜集證據的方式驗證其說法是否有誤；若證據顯著，則相信對立假設H1。多數狀況下我們認定供應商應該要做出與其論述的數值相符，只有在證據充分的狀況下才認定供應商說謊。 驗證藥劑是否有療效 學者欲驗證某藥劑是否具有療效，因此召集兩組醫師團隊A & A'及兩組受測團隊 B & B'。隨機分派之後，由醫師團隊A'持有實驗藥劑測試受測團隊B'，同時間由醫師團隊A持有對照藥劑...

不可以在管制圖裡面畫上規格界限 在管制圖裡面畫上規格界限就是錯誤的管制圖 ! 在管制圖裡面畫上規格界限就是錯誤的管制圖 ! 在管制圖裡面畫上規格界限就是錯誤的管制圖 ! 這句話很重要 所以講三遍 ! Do not draw specification lines in your control chart!  Do not draw specification lines in your control chart! Do not draw specification lines in your control chart! It's so important that leads me to mention it three times. 要了解為什麼不能在管制圖裡面畫上規格界限之前，我們必須明白管制圖到底想告訴我們什麼事情： Before we get started to understand why we can't draw specification lines in a control chart, firstly we need to know what does control chart tell us. 1.管制圖提供製程的觀景窗，讓觀察者能夠透過抽樣推估製程目前的變異。 Control chart provides a window of process to observers to estimate the process variation by sampling. 2.抽樣樣本提供品質特性在製程上99.73%分佈的資訊，並藉此判斷特殊原因及共同原因。 Sampling provides the information of normal distribution and makes us able to distinguish between Common cause and Special Caus 3.製程的變異，包括位置變異Location以及寬度變異Width，可分別由X-bar chart及R chart獲得。 The variation of process including Location and Width, can be obtained by X-bar chart and R ...

課程名稱 課程時間 課程地點 狀態 SPC統計製程管制 2018/4/15 新竹市關新路 開課 SPC統計製程管制 2018/6/3 新竹市在樓上共享空間 開課 SPC統計製程管制 2018/7/7 好野人 開課 SPC統計製程管制 2018/8/12 竹科集思會議中心 2F 牛頓廳 開課 SPC統計製程管制 2018/9/29 竹科集思會議中心 2F 牛頓廳 報名中 SPC統計製程管制 2018/10/13 未定 報名中 SPC統計製程管制 2018/11/17 竹科集思會議中心 2F 牛頓廳 報名中 SPC統計製程管制 2018/12/ 視場地狀況 視場地狀況 Jeff開課的主題是「SPC統計製程管制」 這是一門講解預防性品質概念的課程 目的是重建台灣產業界對品質的正確概念 避免使用錯誤的觀念 做出錯誤的決策 「SPC統計製程管制」是台灣科技業界廣泛被使用的應用工具 目的是減少變異 但目前業界有兩個現象： 1. 科技業廣泛使用，但諸多錯誤觀念和遺漏的教學項目，遺漏戴明博士的重要概念 2. 其他業界沒有使用這項管理工具的能力 Jeff教授的「SPC統計製程管制」課程  結合戴明博士的著作精華、IATF16949 SPC手冊及統計機率工具的應用 是自己研讀SPC的經驗 也是實際應用SPC改善品質的工作經驗 希望能補足上述兩項業界現有的缺失 提供產業升級的關鍵方法 2018年初Jeff開始此課程的規劃 並且在同年4月開立了第一次的課程 課程講解的內容包含品質的操作型定義、SPC的統計涵義以及SPC的管理目的 許多學員反應自己沒有學過統計 是否會聽不懂課程內容? Jeff以往只能回應SPC課程內容該有公式推導不會少 但還是會涉及到數學 而且每位學員需要了解變異知識的過程 一定會碰到統計分配 也一定會碰到統計跟機率 但Jeff現在會改成這種說詞：「變異知識的學習是很直觀的，即便數學不好也一定能學好。」 課程中會讓學員順過一遍公式的推導 讓大家認知到統計的廣泛應用 然後回到SPC的管理目的 採用骰子遊戲範例來降低變異 並且實際演示戴明博士創造的「紅珠實驗」、「漏斗實驗」說明變異的管理意涵 ...

2020.06.21 更新文章 2020.03.26 加入新文章連結 2019.03.03 更新 統計品質管理相關的文章越寫越多，文章之間搜尋的困難度也上升了。 由於Jeff從戴明博士的著作之中獲益匪淺，因此本篇文章從戴明博士的相關作品開始介紹起，讀者們將可以清楚地看到戴明博士的理論及其深厚知識影響深遠：現今常見的車用品質系統IATF16949五大核心工具手冊便經常引述他著作裡的字句，讀者若能從戴明博士的著作開始品質改善的職涯，一定能省去不少「無知的障礙」。 戴明博士品質觀念 深厚知識 【品質工程】深厚知識Profound Knowledge_Appreciation for a System 【品質工程】深厚知識Profound Knowledge_Knowledge of Variation 【品質工程】深厚知識Profound Knowledge_Psychology 戴明博士著作讀後心得 轉危為安 【品質工程】轉危為安 Out of the Crisis (1) 14項管理原則(上) 【品質工程】轉危為安 Out of the Crisis (1) 14項管理原則(下) 【品質工程】轉危為安 Out of the Crisis (2) 管理惡疾與障礙 Disease and Obstacles 【品質工程】轉危為安 Out of the Crisis (3) 紅珠實驗 Red Beads Experiment 【品質工程】轉危為安 Out of the Crisis (4) 共同原因及特殊原因 Common Cause & Special Cause  【品質工程】轉危為安 Out of the Crisis (5) 漏斗實驗 Funnel Experiment 戴明博士著作讀後心得 新經濟學 【品質工程】新經濟學 The New Economics for Industry, Government, Education_Profound Knowledge深厚知識 4 Days with Dr.Deming讀後心得 【品質工程】4 Days with Dr. Deming_ 戴明博士的管理哲學及日本品質重建之路 從車用電子品質手冊看SPC 【品質工程】從IATF16...

共同原因以及特殊原因在管制圖的發展歷程中佔了很重的比例，但在台灣一般SPC課程的教學內容裡面多半被輕輕帶過或者根本不提。Jeff開頭先語重心長地表示，忽略或者省略這項課題是非常嚴重的錯誤。 蕭華特博士與戴明博士對於共同原因及特殊原因曾做過非常多的說明，戴明博士在其著作品「轉危為安」、「新經濟學」裡面反覆論述這項重點，我們透過閱讀這些著作就能知道共同原因以及特殊原因實在是非常重要，但它們重要在哪裡？

判讀 Control Chart有先後順序 在SPC Control chart建構完成之後，你便會試圖從管制圖裡面找出蛛絲馬跡，以便抓出影響製程的特殊原因或共同原因；此時你的手邊現在應該會有兩張管制圖，一張是X-bar chart，另一張則是 R chart，但請千萬留意，你可不能急切的先看X-bar chart，這可會讓你做出錯誤的判斷。

圖A 解析度為0.001的 X-bar R chart 圖B 解析度為0.01的 X-bar R chart 最近網誌都在宣傳SPC課程，該回頭繼續補足SPC的技術性文章了。上次在新竹火車站後站上完SPC課程之後，有位學員回去立刻試做，他真是行動派高手。他寄給我他做的SPC檔案，說我有什麼想法，順便幫他看一下SPC有什麼問題？ 我拿來一看發現不得了，那張SPC的R chart有一種上下起伏很劇烈的趨勢，跳動的幅度很大 ，而R chart這種現象表示你取得數據所使用的量測儀器的解析度不足。我們從B圖可以看到這種現象(由於數據屬公司機密，就不展示出來，圖表取自MSA手冊)。

《新竹班》 課程名稱：提升品質就是降低變異---Statistical Process Control統計製程管制 時間：2018 7/7 (六) 13:00 ~ 17:00 地點：新竹市 好野人創學中心 教材： 報名成功繳款後提供超連結下載 課程費用：$1500 / 學員 , PTT新竹版版友9折優惠$1350 (10人以上開課) 講師：Jeff Lee  品保副理 講師專長：品質工程、工業統計、統計製程管控、流程改善 中央大學工業管理所碩士 報名網址： https://goo.gl/forms/IECY43rParCGUo9q2 課程簡介： 12:30~12:55          報到 ========================================= 13:00~13:15          什麼是品質? 13:15~13:30          SPC的發展起源 13:30~13:40          常態分配 13:40~13:50          中央極限定理 13:50~14:00          抽樣分配 14:00~14:15          假設檢定 14:15~14:30          共同原因&特殊原因 ========================================= 14:30~14:45          休息 Q&A ========================================= 14:45~15:10          X-bar R Chart 15:10~15:35  ...

2020.06.06修改文章編排。 Jeff在品質領域打滾已經7+年了，說長不長，我還挺享受改善品質所得到的成就感。今年我做了一個不同的決定，打算出來自己教學SPC等品質管理的工具。 很多人問Jeff為什麼會想要站出來教SPC，是有什麼特殊原因嗎？其實原因很簡單，就是認知到台灣業界對於生產管理的能力逐漸降低，對於產品品質的掌握度也完全不在狀況內。 Jeff待過群創電子竹南廠，也待過啟碁科技、竹北生醫園區醫療器材廠等公司，在工作中時常遇到不同產業的供應商，例如塑膠射出、CNC模具加工、組裝、壓鑄等產業；我在福特六和的產線及庫房看過一陣子，也去過台南高雄的緊固件聚落，可說是見過不少產業。無論產業規模、形式及加工技術為何，凡是生產流程就具備相同的邏輯及架構，對於任何一位要求品質的管理者來說 這些管理都應該要具備變異知識以及控制變異的組織。 為什麼會這樣說? 原因很簡單，因為影響品質最重要的因素就是各種環境、設備機台、材料、設計的變異，肉眼不易辨認這些變異，但這些變異卻反覆造成產品品質異常，此時檢驗才發現已經太慢。但是我們對於品質的要求卻建立在很薄弱的品質系統上，例如：建立IQC、IPQC、OQC、FQC，對於品質的認知仍停留在檢驗檢驗檢驗，不斷的檢驗，期待檢驗能夠攔阻並且發起改善循環；然而檢驗本身所能提供的資訊是完全不足以用以改善品質的。 怎麼說呢? 讓我們稍微解釋一下。

2018/6/3 下午13:00 在新竹市火車站後站附近的在樓上共享空間舉辦了第二次SPC講習 第一次是在新竹市關新路的全家便利商店2樓 由於是免費空間 所以整個上課吸收的狀況不是很理想 沒有投影機也沒有白板 所以就預計換到比較優良的場地上課 第二次的課程共有8名學員參與 另1位前輩到場加油打氣後先離開 幾位先到場的人就坐著聊工作及如何分享知識的事 學員也陸陸續續到達 課程的第一段講述品質的操作型定義 這是因為我們若要比較、執行某件事物 就必須先對它賦予定義 品質的定義簡單扼要 就是品質與變異呈反比 變異越小則品質越好 再來我們講解SPC的五大核心統計架構 分別是 常態分配 抽樣分配 中央極限定理 假設檢定 共同原因/特殊原因 上述就是第一段課程的內容綱要