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

截至寫文章的這刻，Jeff談統計品質工程這個網誌的瀏覽人次是99,251次，連續6個月的點閱人次都在3000人以上(好啦，2020/07只有2909)，與以往整個月只有一兩千次的點閱已有顯著的差異。平常日每天平均可以獲得150人次的點閱次數，而週末及假日會降低到只有30~40人次。 我並沒有增加發文的頻率，但我試著用相關文章的超連結將每篇文章都串連起來，讓讀者能從一篇文章導引到另一篇文章，增加點閱的次數。我更透過Google的分析，將點閱率最高的幾篇文章產生母雞帶小雞的作用，進一步擴增點閱次數。 另一方面，我開始積極在LinkedIn轉發我的網誌文章，這讓更多人可以透過不同的管道閱讀到我的專業知識與工作的見解。 為了克服週末點閱次數大幅下降的問題，我開始更多的週末發文及回顧，減少週末及連假讀者不會主動接收知識的問題。 此外，我更刻意留意工作上的細節，讓工作上遇到的每個大問題都成為我網誌的題材；這可以讓大家體認到，原來統計品質工程並非遙遠的「課程」，而是實際的工具。 近期的目標是將網誌的每月點閱人次提升到10,000人次，這需要更有紀律的發文機制、更好的文章題材規劃、更細緻的文章點閱次數分析，我自己也很期待達成這個目標的那一天。

公司一直以來都使用AB膠作為黏著光學鏡片與基座的材料，這款膠最近出了一點差錯，導致整批貨都有問題；在處理客訴的過程中，我從這款膠的Data Sheet學到不少AB膠的關鍵品質特性，特別寫篇文章記錄這些重點。 這款膠的規格書可以從超連結點閱： Technical Data Sheet Viscosity黏度：黏度大概是最膠類最重要的特性了， 被定義為 定義為流體承受 剪應力 時，剪應力與流體單位速度差的比值。 水 為1mPa·s，而這款膠的黏度在50,000~80,000mPa·s之間。數值越大者，其流動性越差。 Cure Speed固化速度：隨著黏著時間而發展的黏著剪切強度。這款膠於25℃時，24小時內可以達到100%的固化。 Working Life工作時間：AB膠混合之後的可用時間區間，在此區間內AB膠會保持流動性，以便操作者使用。此膠的工作時間為60分鐘。 Tack Free Time表面乾著時間：膠體表面用手觸摸而不黏手所需的時間。此膠為120分鐘。這個特性常見於黏著後需要移動產品的時候，在表面乾著之後才能將產品移動至環境管控較差的地點。 Hardness硬度：膠體固化之後的硬度，此膠的硬度標準為ASTM D-1706, Shore D。Jeff此次客訴買了一台Shore D的硬度量測計，是我第一次知道有這種標準，也算學了一課。 Glass Transition Temperature玻璃轉換溫度：在此溫度下，物質會在玻璃態與橡膠態之間轉換。此膠的玻璃轉換溫度為70℃。 Mix Ratio by Weight混合比例(依重量)：100 to 50 Mix Ratio by Volume混合比例(依體積)：2 to 1

車用電子協會Automotive Electronics Council提供半導體電子元件產業一項品質準則：為了提升車用電子設備的可靠性及品質，勢必要透過一種方法來因應數量龐大的半導體電子元件，而這方法就是Part Average Testing(PAT)零件平均測試。 This guideline presents a statistically based method, called part average testing (PAT), for removing parts with abnormal characteristics (outliers) from the semiconductors supplied per AEC-Q100 and AEC-Q101. The test limits used in PAT are established based on a sample of the electrical test results for that particular part with its unique design and processing. Each part design and its associated processing will show a unique distribution of test results for each test requirement and this data is the basis for establishing PAT limits. The principles described in this guideline are applicable to packaged or unpackaged die. For a further discussion of PAT and its possible use to provide Known Good Die, see Appendix 1. 零件平均測試的一大重點，就是針對一般統計位置與離散程度的「平均值」及「標準差」提出了新的概念：「Robust Mean」&「Robust Sigma」。所謂的Robust就是指可靠度更佳、品質更好的電子元件，而實務上達成robust的作法則是透過去除outlier...

製程中最麻煩的事情不外乎許多打雜的雜事，PE或設備工程師不定時會收到產線測試機台損壞的通知，被產線發異常Call去維修。這種事情一多，人的情緒都不會太好，只覺得人生浪費生命修這些垃圾，又被產線當狗叫來叫去很肚爛。 Poisson distribution正好可以協助我們觀察機台維修的狀況，這個分配是以一位法國統計學家命名的，專門描述在某段固定時間的事件發生次數的機率。實務上某條生產線的某台機台運行一段時間之後，我們可以陸續觀察到治具需要維修的狀況，此時我們可以紀錄每台治具的失效時間，並利用Poisson distribution建構出這個治具的失效統計紀錄。 舉例來說，我們已經觀察出機台一年內的失效時間點為t (day)= 125, 275, 350，則我們可以知道一年內這台機台損壞了3次， λ = 3。在客觀條件，例如產品的設計及生產線生產條件沒有大幅改變的前提下，我們預期機台的失效次數(X)將會服從Poisson distribution，即機台的失效次數 X ~ Poisson( λ= 3)。 使用Poisson Distribution計算機台在一年內最多失效1次的機率： P( x <= 1 ) = P(0)+P(1)  = ((3)^1*(e)^-3 )/(1!) +  ((3)^2*(e)^-3 )/(2!)   = 0.19915 使用Poisson Distribution計算機台在一年內最多失效2次的機率： P( x <= 2 ) = P(0)+P(1)+P(2)  = ((3)^1*(e)^-3 )/(1!) +  ((3)^2*(e)^-3 )/(2!) +  ((3)^3*(e)^-3 )/(3!) = 0.42319 使用Poisson Distribution計算機台在一年內最多失效3次的機率： P( x <= 3 ) = P(0)+P(1)+P(2)+P(3)  = 0.64723 使用Poisson Distribution計算機台在一年內最多失效4次的機率： P( x <= 4 ) =  P(0)+P(1)+P(2)+P(3)+P(4)   = 0.81526

七月份並沒有太多關於「統計品質工程」的內容，更多的是Jeff自己的失敗經驗。我在文章中寫道：「工作了一段時日，在履歷上總寫些成功的案例，心裡覺得不太踏實。事實上多數狀況下，失敗的故事應該要比較多的，另一方面也是因為我自己其實從錯誤中學習到最多知識(這絕對不是謙虛)，過程中不是單純的試誤，有一些自省、有一些機遇，也有一些思考衝撞，今天來談談一個職涯初期的重大錯誤。」這是想提醒自己，不要過於著墨自己的功績，而要時常回顧自己失敗的部分、做錯的決策，以便從失敗經驗中學習。 文章包含了工作上失敗的經驗，以及此項失敗的經驗連帶影響著品質的認知，最後則是自己在職涯中不斷轉職的錯誤。或許大家可以從這些經驗分享中得到自己的體悟，那這些分享就有價值了。 【品質工程】工作上的失敗經驗 【品質工程】品質來自於對人類認知心理的了解 【品質工程】失敗的轉職經歷