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

一個常見的兩難情境： AAA供應商與BBB供應商都能提供同樣的零件A，但單價不同。AAA供應商的單價是50元，MOQ是500單位；而BBB供應商的單價較便宜，MOQ同樣是500單位。對於採購來說他們的最小訂購量相同，因此考量的點就只剩下單價了。 讀者可能會認為這哪有什麼兩難，採購只要選擇單價低的那個供應商就對了。如此一來採購部門的績效是25000：20000 = 120%的貢獻(成本降低20%)，成功達成Cost Reduction的目標，未來就是採購部門的主管了，哈哈哈哈哈。然而事情沒有那麼白癡想的那麼簡單，供應商品質管理的主管站出來說這兩家供應商的產品有顯著的差異，無論從良率、製程能力Cpk, Cp或者可靠度來說，AAA供應商的製程水準都明顯比BBB供應商來得高許多。

一般而言SPC的使用方式需要至少20組數據，每組數據有5筆資料，學者一般建議至少要100筆資料才能建構出Phase 1的監控模式。這樣做已經是根據統計學的小樣本進行的抽樣方法了，但100筆樣本的數量對於某些生產模式來說仍然太多，顯得超過負荷了。 有別於流水線的大量生產模式，有一種常見的生產模式叫做Job Shop(中文翻譯叫工場，由於筆者不喜歡此翻譯，下文都稱呼原文Job Shop)。Job Sjop就像醫院的看診流程一樣，不同的病患會有不同的看病流程。感冒的病人經由「掛號」、「看診」、「收費」、「領藥」四個站點完成看病流程；而重症病患則經由「掛號」、「看診」、「住院」、「開刀」、「住院」等流程進行恢復。Job Shop適用於少量多樣的生產模式，不同產品因應不同客戶需求會進行不同的生產工序，對於每個生產工序會使用到的機台而言，一台機台在一次生產週期之內經手的產品數量可能都不會太多，舉例來說可能不會超過50台。這就讓傳統SPC幾乎無用武之地，因為這個數量即便使用全數檢驗也無法達到小樣本的標準：100個樣本。

「天傑，你怎麼又要離職！？」 「Jeff，你做得好好的怎麼忽然說要離職！？」 「不是給你績效A嗎？」 「天傑，不要那麼沒定性。」 出社會選擇第一份工作的時候我滿篤定要做品質工程師，認為這是一份兼具統計管理及工程背景的角色，「維護品質」，多帥氣啊。但這股帥氣在兩年半後隨著無止盡的工作壓力消失得無影無蹤，連同我初出茅廬的天真一起帶走了。 那時的我完全不了解，原來我的工作「品質工程師」在業界是一份落於人後的工作。

2018年的閱讀型態延續2017年的新嘗試，也就是持續使用Kindle作為原文閱讀的工具；另外一點，由於受到周遭人們的提醒啟發，我也將閱讀領域調整至品質專業，最大的目的是加快累積品質專業的速度，並讓自己全盤了解品質領域的主題。這部分的努力許多不在閱讀筆記的內容裡面，大家可以在 【品質工程】統計製程管制SPC全系列文章 看到相關的文章與陳述，這篇文章匯整了品質工程的基礎知識，歡迎批評指教。 講到現代品質管理就不能不提到戴明博士。