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

偏見就是一個人認知的情況與「實際」的狀況偏移的差距 「實際」的狀況是不可知的 無法完全陳述、理解與得知 但我們可以透過理性思考獲得樣貌 一個人的思維如果越是不科學、越沒有邏輯 則我們可以知道他的認知離實際狀況越遠 而他的偏見也就越深 由上可知任何一切人類使用的思維模式 只要是不理性、不科學的認知過程 都會形成偏見 於是我們可以推論這種偏見勢必會使得你只看得到你想看到的事物 因為你的推論模式已經失去邏輯判斷和科學資料分析 而只認定事物朝向你以為的方向發展

人們區分「你」、「我」的行為具有很好的特性 能讓人類很快搞清楚狀況 透過直覺式的二分法 我們馬上就能釐清世界上任何事物的兩種特性 例如： 西方國家以及非西方國家 有錢人和貧窮人 勤奮的人與懶惰的人 二分法幾乎佔據了所有人類的思考模式 二分法就是人類理解世界最常用的直覺方法 但是二分法也是最具有偏見的思考模式  這種思維就像在一張黑白均勻分布的紙上硬是劃上一刀將黑白兩塊切開一樣無法理解 眾多問題值得更多的類別、更多維的種類 以便我們看得更清楚 以人類的財富而言 以往的貧窮或者富有的區分方式已模糊了我們的思維 這本書提出了更好的分類方式 採用Level 1 ~ Level 4的四個類別

  Factfulness書名翻譯為「真確」 無論是中英文聽起來都有點奇怪  而這本書的副標題是 "Ten reasons we're wrong about the world and why things are better than you think" 「為何世界比你想的還要美好的十大原因」 這當然就是本書的重點論述 作者花了10個章節分別介紹這些原因

Montgomery教授所著的"Introduction to Statistical Quality Control"書中提到一個觀念，此觀念涉及到業界常常會遇到的品質系統及其相關活動，例如稽核、認證、訓練等等；Montgomery教授認為這些要求品質的活動與真正的品質改善關聯不大，甚至認為這些活動只是浪費金錢，做出一堆沒有貢獻的系統，而非真正改善品質。 他認為改善品質真正的關鍵在於降低變異(Reducing variability)，可想而知這觀念與我們現在常見的品質稽核、品質系統導入和品質文件有多大的不同。我們總是認為要改善品質就要導入ISO品質系統，先從品質目標開始做起，然後建立四階文件、設立流程、導入顧問公司、內部稽核外部稽核、取得認證；再不斷要求文件管理、變更管理、追朔性、風險管理、產品設計開發管制等文件證據。 但是真正改善品質並不是導入一個系統或者工具，反倒是在觀念上要能接受「品質就是降低變異」的先決條件，掌握住品質不良的根本原因在於變異過大，然後了解變異的來源有兩種：一種來自於可預料的、環境系統層面的共同原因，這要管理階層出面處理 佔了85%；一種來自於機遇性、無法預料的特殊原因，僅佔15%。 在擁有了這些變異知識、系統知識、知識體系以及心理學理論之後，整家公司才能藉由這些體系形成的架構，往下延伸到各個部門主管再持續扎根，否則我們對於品質就只是做些表面功夫，永遠不可能達到高水準的品質。 下列段落節錄於 Introduction to Statistical Quality Control 6th Edition 網路上便搜尋得到 應該沒有版權問題 Many organizations have required their suppliers to become certified under ISO 9000, or one of the standards that are more industry-specific. Examples of these industry-specific quality system standards are AS 9100 for the aerospace industry; ISO/TS 16949 and QS 9000 for the autom...

長久以來我們學習Gage R & R都是觀察其結論 也就是觀察量測儀器變異EV、量測人員變異AV及待測物本身的變異PV各自佔總變異的比例 %EV = EV/TV *100% %AV = AV/TV *100% %PV = PV/TV *100% %GRR = GRR/TV *100% Where TV^2 = EV^2 + AV^2 + PV^2 GRR^2 = EV^2 + AV^2 但在AIAG MSA手冊裡面有一段話是這麼說的 "THE SUM OF THE PERCENT CONSUMED BY EACH FACTOR WILL NOT EQUAL 100%." 「每一個項目相加總和不會等於100%」然後就沒了 意思是 %EV + %AV + % PV =/= 100% 可能會大於或小於100% 但怎麼會這樣呢? 原因是這些看起來像百分比的數值其實不是比例 而是三角函數 由於TV^2 = EV^2 + AV^2 + PV^2 所以透過畢氏定理我們知道它們的標準差不具有相加性 也就是 TV =/= EV + AV + PV 所以當兩邊同除TV時 自然也不會相等 也就是 %TV = 100 % =/= %EV + % AV + % PV 所以正確的算法該怎麼計算呢? %EV = EV^2/TV^2 %AV = AV^2/TV^2 %PV = PV^2/TV^2 %GRR = GRR^2/TV^2 這部分的知識取自於  EMP III (Evaluating the Measurement Process): Using Imperfect Data 是Donald J. Wheeler教授寫的書 他整理MSA相關文獻並且指出Gauge R & R發展過程中缺乏數理根據以及一致性 導致就連目前AIAG MSA手冊裡面寫的量測系統分析流程竟然都是錯的 他為了糾正此錯誤 特別提出一個Honest Gauge R&R Study流程 有興趣者可以自行到上方Amazon連結購買此書

這次在竹科集思會議中心舉辦的八月份SPC課程是場大災難 第一點 至少有三位學員沒有到場 但我以為他們會來上課 第二點 這個場地的固定成本是先前的場地的兩倍多 總結起來就是到課的人數為兩人 其實這種狀況應該在事前察覺並且停止上課的 因為課程的內容涉及到互動式教學 需要6人(可含講師)一起進行實驗 並且在課程中會相互問答 以達到即時回饋、即時了解學員學習狀況的效果 但Jeff還是硬著頭皮上完課了 第一是賠了不少錢 第二是自覺上課狀態不好 中間有些思緒很混亂 由於學員少 自然許多回饋及反應就不佳 這是滿令人不知所措的部分 這次開課算是滿失敗的 以下是避免重蹈覆轍的改善做法： 1. 開課通知將不在PTT新竹版上PO文 避免收費方式混亂 改採單一收費制    相關課程訊息將統一由FB及IG提供 2. 開課前一週將寄信給報名學員通知課程訊息 並且撥打電話告知課程訊息 3. 學員報名時須同時匯款繳交課程費用 若活動前一週內取消則扣除10%後退款 4. 課程內容將把紅珠實驗的比重拉高 並在每單元中間穿插問題以檢視學員學習狀況 5. 課程報名人數須大於等於7人

本文節錄翻譯自4 Days with Dr. Deming - A Strategy for Modern Methods of Management 這是一本文字化的影片 將戴明博士生前的四日講座編寫成書 書中的內容儘量貼近紀錄片的形式 所以會在書中看到許多(Laugh) 形容學員的笑聲 目前在台灣沒有翻譯本 所以你必須上網到美國Amazon網站購買 這本書提到了目前我們不知道的歷史：日本在戰後曾是品質低劣的生產國家 這件事不僅盛少人知道 也很少人進一步去理解更深入的問題 為什麼日本從品質低劣的生產國家 跳躍式的成為以品質為首的工業國家? 除了美國的支援和協助之外 難道真的都是努力得來的嗎? 這個問題當你讀完這些段落之後都能夠獲得解答

準備以及教授SPC的過程之中 不免要接觸到統計分配以及基礎的統計知識 這些統計分配實際上是用來形容「變異」的方式 這些變異則以分配的形式呈現在我們眼前 許多人害怕「統計分配」 這是容易理解的 因為人類的大腦本來就不是為了數學而設計 人們有許多種學習模式 一般課堂上的統計教學則充滿了數學公式 這是一種使用數學符號的學習模式 擅長這種學習模式的人會在腦中具象化這些公式 然後用簡單的敘述重現這些公式 變成簡易的數學概念 但更多人是以圖像、聲音的方式學習 所以要讓人們更容易接受這些分配 就勢必要用公式之外的方式學習 這就是戴明博士W. Edward. Deming的創見「 紅珠實驗 」的優點 他用紅色的珠子代表各式各樣的變異 讓學習者親自上場感受變異造成的體驗 整場實驗的結果會讓學習者感受到挫折、不滿 並且充滿無能為力 的限制 進而讓每個人都體會到變異知識、知識系統和心理學的重要性 人們會透過親身操作紅珠實驗 在扮演線上作業員的同時理解到當事人的無奈心境 也才能從這樣的心境提供人們對立角度的觀點 使之逐漸朝向系統面的角度觀察事物 也才能理解到許多問題是系統層面所造成的 而非一貫的責備作業員為何沒有盡力做好工作 紅珠實驗很容易執行 卻需要一些道具 這些道具Jeff在台灣從未見過 在 美國亞馬遜網站上可以找到一套道具 要價$249美金 約為台幣7600元 這樣的價錢可以讓人們了解變異知識、變異系統以及心理學的知識 相信還是相對划算、值得的選擇 免費的替代方案則是 網路版的紅珠實驗模擬器 可以讓初始的學習成本降低 但Jeff認為這樣的學習效果肯定不好 要劣於實體操作 但可以作為介紹紅珠實驗的替代品 畢竟講解者可能無法隨身攜帶 Jeff有感於身為工業工程本科系背景 同時又是統計及品質管理相關工作的從業者 但在台灣有限的學習管道中 無論是學校、工研院課程或者其他顧問公司課程 你都無法找到紅珠實驗的資訊 唯一你能看到紅珠實驗的管道是 經濟新潮社出版的轉危為安  但這本書的翻譯品質不佳 你當然還能從一些美國的網站 例如 戴明學院 Deming Institute 、ASQ美國品質學會 看到戴明博士的影響力以及相關觀念的流傳 這點是讓許多大企業與眾不同之處 ...

七月份Jeff發表了10篇文章 其中獲得最多點閱次數的是一篇Cpk/Ppk的澄清文章 這篇文章有透過粉絲團的FB廣告進行分享 所以點閱次數持續上升 【品質工程】針對工作狂人文章中提及Cpk/Ppk錯誤資訊的澄清 【品質工程】 8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】品質管理的數學工具_統計分配 【品質工程】APQP 2nd Edition與SPC 2nd Edition的連結 【品質工程】IATF16949 MSA manual 4th edition 過度調整對量測系統的影響 【品質工程】IATF16949 MAS manual 4th edition 待測物之間過多的變異 Within part Variation 這個月份仍然對於IATF16949的五大核心工具手冊進行統整 主要是延續SPC與APQP之間的關聯 說明這些手冊之間的連結 另外就是開啟新的議題 討論量測系統分析MSA手冊裡面的細節 量測系統分析是滿玄的議題 其實滿多論文在探討此問題時都省略許多細節 Jeff最近買了一本Wheeler教授寫的課本 裡面提到MSA手冊裡面的錯誤 這部分會另外發文章說明解釋 期待後續的討論 對於品質工程、品質管理的相關議題上 其實運用了滿多統計分配的工具 但這些分配是許多人在學習統計時很痛苦的部分 原因是不知道學來要幹嘛? 這個月特別闡述品質工程常用的統計分配 讓大家實際了解這些分配的用途 Jeff在準備SPC的課程時會參考許多資料 很容易就能搜尋到一些熱門網站 值得大家留意的是 這些熱門網站的統計相關資訊可能會有謬誤 大家在學習統計知識時一定要特別留意尋求專業師資的授課 以免發生學習偏誤 【品質工程】針對工作狂人文章中提及Cpk/Ppk錯誤資訊的澄清  這篇就是解釋錯誤的文章

Jeff服務的公司生產流程中 有一個測試項目始終被客戶進料檢驗驗出超出規格 Jeff是個富有統計背景並有實務經驗的品質主管 便想著如何協助公司解決此困難 我跟其他兩位同仁準備了10個待測物一起去產線將該測項量個幾遍 我們要做的是MSA量測系統分析 以便確認該測項是否為量測系統造成的變異 量測前都會找一台固定的標準機進行一次量測系統校驗 校驗之後再執行隨後的量測作業 量測過程中使用Excel協助做抽後不放回的亂數抽選 讓不同人員隨機量測不同待測物 而MSA的結果出來確實不好 GRR%大約在>30%的區間 顯示量測系統的變異確實很大 單純就測試項目而言 單一產品光是重新插拔連線測試就能出現頗大的變異