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

十一月份網誌新增了四篇文章，從人類心理偏誤談到量測系統分析。 人類心理偏誤一直是Jeff很想談的一個品質議題，由於坊間並沒有人整理心理偏誤導致的重大品質錯誤，因此我之後會規劃幾篇文章分別談論這些偏誤到底會對我們的品質產生什麼負面影響。 至於量測系統分析則是一直想寫的主題，長久以來大家似乎談論到量測儀器都會想到儀校，但儀器校驗跟所謂的MSA還是不太一樣。許多負責儀器校驗的人員對於量測系統分析也不熟，大家往往按照週期定期校驗，但總覺得是件浪費時間金錢的動作。然而事實上，量測系統分析是觀測變異的重要因素；大家可以想像眼前如果戴上了模糊的眼鏡會是怎樣的世界?量測系統之於製程變異就有如眼前的世界之於戴模糊眼鏡的世界，戴上模糊眼鏡的觀測提升了不確定性，讓精密製程的開發成了遙不可及的夢想。 十一月份文章點閱數前十名 【品質工程】為什麼Cpk >= 1.33才算好 ?  1.33這數字怎麼來的？Why Cpk must be greater than or equal to 1.33? 【品質工程】從IATF16949車用五大核心工具PPAP和SPC手冊談Ppk與Cpk的差異 What's the difference between Ppk & Cpk? 【品質工程】你一定要有的品質觀念：損失函數Loss Function 【品質工程】為什麼SPC Control Chart要先看R chart再看X-bar chart ?  Why should study R chart then X-bar chart? 【品質工程】量測系統分析Measurement System Analysis 量測位置變異Location Variation 【品質工程】心理偏誤在品質工程中的影響與危害 【品質工程】IATF16949 Control Chart Special Cause Criteria 管制圖警示型態的統計意義 【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】統計製程管制SPC全系列文章 【品質工程】ASQ Certificated Quality Engineer(CQE) 考試經驗分享

不同次量測數據彼此之間的差異就是量測的寬度變異，我們可以用Precision精密度這個用詞來表達。不同次的量測數據包含：同一個人不同次的量測，或者不同人之間不同次的量測都算精密度涵蓋的範疇。就概念上來說，精密度就是在量化量測數值的分佈有多廣，有多集中的意思。 Repeatability再現性 再現性指的是相同的操作人員以相同的設備量測同一個待測物相同的品質特性所得到的多個量測數值的分佈。 這就好像同一個阿兵哥手持同一把65K2對著同一個靶進行6發裝子彈射擊一樣，此時子彈在靶上的分佈就是再現性。我們認定在此條件下所產生的量測變異是來自於量測設備本身，因此再現性又被稱作E.V. (Equipment Variation)量測設備變異。

基於變異知識的理論，我們知道世界上沒有兩個相同的事物，這個道理在量測領域也同樣適用。量測的變異在巨觀世界下並不顯著，要等我們進入微觀的世界才顯得影響深遠。 為了客觀評估量測系統的變異，我們要先定義量測變異的種類。一般而言量測變異可以區分成兩大類，一是位置變異Location Variation，一是寬度變異Width Variation，我們先從位置變異開始說起；以下三項我們可以用Accuracy準確性來歸納這類的特性，翻譯成白話文就是「量測值的中心距離『真值』有多遠」。 真值True Value是理想狀態的數字，真實世界裡面人類無法做到或無法真正量測到的狀態。舉凡機械加工圖面上的尺寸公差、無塵室的環境溫度，或是光速都是真值；這些數值都被製造加工的精度及量測設備的精度所影響，因此無法達到理想值。一般而言，量測系統只會增加系統的變異，因此如何讓量測變異不致於影響我們取得正確的數據是一門很嚴謹的科學問題。 Bias偏誤 圖中的常態分配即為量測的變異，一般而言我們會使用常態分配描述量測變異，而常態分配的平均值與真值(True Value)的距離即為「偏誤」Bias。Bias與量測品質呈反比，Bias越大，則此量測系統的品質越不好。

  損失函數、田口博士與戴明博士 損失函數是品質工程發展中的一項極重要的觀念，最早是由田口博士( Genichi Taguchi )所提出，目的是協助工業界更好地掌握變異所帶來的品質成本問題，這些成本在短期內或許微不足道，但卻會累積成龐大的社會成本。由於產品偏移了客戶需求(Target)，這中間會有更多零件的磨損、難以組裝的問題、較低的產品可靠度等等。 但是損失函數Loss Function的概念令人匪夷所思，品質的損失不是來自於不合格品嗎?合規的產品何來損失之有?產品要嘛合格要嘛不合格，損失函數的概念根本多此一舉。 上述的觀念仍然廣泛出現在現今的製造業，多數人仍採用傳統的「符合規格」觀念，而缺乏「損失函數」的概念，這中間的差異到底在哪裡?戴明博士早就指出真正的原因出在大家沒有「變異知識」的觀念。變異知識Variation Knowledge指的是清楚認知到沒有兩個一樣的事物，事務彼此之間沒有一不一樣的問題，只有不一樣的程度問題。只有清楚了解變異知識並理解它的存在，我們才能進一步學習損失函數的概念。

心理學在品質工程的影響 許多決策錯誤並非來自於技術層面，而是基於人類慣有的思維盲點及模式所導致的必然結果。既然了解到許多錯誤所帶來的災難，我們便需要引進心理學到品質工程的學科以便我們更了解人類心理對於各種品質問題的因果關係。 24種心理誤判傾向 以下針對各種心理傾向所造成的品質異常提出實務的說明，這24種誤判傾向來自於查理蒙格的演講：人類誤判心理學。各位讀者可以參考窮查理的普通常識一書(Poor Charlie's Almanack)。 獎勵與懲罰超級反應傾向 企業制度往往不喜歡報告壞消息的人，因此人人變得擅於回報好消息而隱匿壞消息。 作業員認知會受到懲罰，所以提供造假的量測數據。 採購部門的績效來自Cost Reduction，讓成本過低的零件造成公司系統性的危害。 代理成本。 喜歡/熱愛傾向 討厭/憎恨傾向 避免懷疑傾向 嚴重的客訴，在快速回應的要求及短時間無法查證的前提之下跳過公司內部的調查系統而直接懷疑供應商物料的問題，以達到某種「我有在做事」的回應。 避免不一致傾向 品質教育之前，讓學員彼此在每個人的見證之下簽署自己的「品質宣言」，將有助於推廣及深耕品質領域的觀念。 對於多數認知品質來自於檢驗的人來說，由於對此論點深信不疑，因此很難相信高品質可以帶來低廉的成本這項觀念。 好奇傾向 康德式公平傾向 羨慕/忌妒傾向

十月份Jeff沒有新增文章，原本要發的兩篇文章當中，有一篇11/1才發出來，另一篇還躺在草稿區沒有動靜。沒有新增文章的主要原因是因為健康檢查得知我一邊的腎臟萎縮，雖然身體目前沒有大礙，但心理壓力造成嚴重失眠，平日也很難集中精神思考。所以要請大家包容一下，本月份的發文應該就會比較正常了。 對於身體健康這件事我以往沒有想太多，自以為身體是滿強健的，如今少了一邊的腎臟讓我對自己的健康狀況大打問號，也開始更為注重養生了。如果我還要持續在職場上活躍25年(今年35歲，想持續工作到60歲以上)，那我就得保證我的身體可以負荷這樣的工作強度到60歲。 十月份文章點閱數前十名 【品質工程】為什麼Cpk >= 1.33才算好 ?  1.33這數字怎麼來的？ 【品質工程】從IATF16949車用五大核心工具PPAP和SPC手冊談Ppk與Cpk的差異 【品質工程】為什麼SPC Control Chart要先看R chart or S chart ?  【品質工程】品質管理的數學工具_ANOVA變異數分析 Analysis of Variance 【品質工程】統計製程管制SPC全系列文章 【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】ASQ Certificated Quality Engineer(CQE) 考試經驗分享 【品質工程】IATF16949 Control Chart Special Cause Criteria 管制圖警示型態的統計意義 【品質工程】單邊公差/單向公差(Unilateral tolerance)如何計算Cpk? How to calculate Cpk for unilateral tolerance? 【品質工程】統計製程管制Statistical Process Control SPC的架構與使用

Stress and Strength Analysis 失效的產品及服務往往是由於不當的設計所導致的，根據分析的經驗，有高達85%的產品失效來自於設計，其中又有很大一部分是由於設計未考量足夠的強度餘裕以克服充滿變動的應力。好的設計應當在產品開發的階段充分考量應力的變異，並且隨時讓設計強度大於期望的應力。 假設強度(藍色曲線)與應力(紅色曲線)均服從常態分配，則： Stress mean = μss Stress standard deviation = σss Strength mean = μsg Strength deviation = σsg 從圖形觀察可以得知，應力Stress會超過強度Strength的機率為兩常態分配疊合處，此疊合處亦服從常態分配，稱為Difference： Difference mean = μD Difference deviation = σD = √σss^2+σsg^2 失效機率 = Φ(Z) = Φ[(μss-μsg)/(√σss^2+σsg^2)] 則此產品的可靠度 = 1 - (失效的機率)