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

招募工作 最近因為已確定轉職事宜，於是我答應主管要在離職前協助找交棒者，所以信箱裡多少不少招聘新的品保主管履歷，大概10封有吧。 履歷的缺失 這些履歷平均在47歲，並且言必提及自己的家庭狀況；恕我冒昧，我實在對你家有幾個人沒有興趣，更對你爸爸的教育方式沒興趣。這種履歷的編排方式不知道大家是從哪裡學來的，也讓每份履歷長得都差不多，幾乎毫無可辨識度可言。這意味著在我看完這些履歷之後, 我對這些人的印象幾乎為零，完全想不起來任何差異。 絕大多數人都會在履歷中說自己做過很多事、做過某些職務，但卻絕口不提數據化的佐證及具體貢獻，這真是匪夷所思。例如他推廣了某項業務、又或者建立了ISO系統、又或者擔任了什麼職務，但完全沒有提到公司因為你的貢獻而提升了多少業績、增進了多少效率、減少了多少浪費、降低了多少成本、少虧了多少錢...etc。 又或者他們會說自己受家庭什麼影響，因此造就自己成為什麼樣的人，希望將來可以為公司貢獻什麼OOXX...，但根本不會有人在意你這些毫無依據的個人資料，除非那個面試官腦袋壞去。 抑或是在履歷中加入一篇自曝其短的英文自傳，通篇以極不通順的文句和文法寫了完全不知道在寫什麼的英文短文，對履歷的幫助不僅加零還倒扣。 我將這些履歷的缺失都寫了出來, 目的是告訴大家去避免顯而易見的錯誤以及這些錯誤的共通性, 如此只要避免做這些顯而易見的錯誤即可確保你在求職的路上獲得成功。 如何寫出好的履歷 寫你的特點，不要寫你家人有誰、家境如何，沒人對你家人有興趣 具體數據佐證你的貢獻，要在平常工作時就保持更新；如發現自己在工作時沒有新的貢獻，就要立刻思考問題在哪 沒有人在意你的心路歷程、受誰的影響，儘量言之有物，用數據資料佐證 避免自曝其短 不要欺騙

失敗的轉職經歷 我之前寫過一篇 【品質工程】失敗的轉職經歷 ，並將自己經歷過的轉職經驗視為失敗的警惕，如今過了一年左右，我再一次嘗試轉職，只是這次我加入了一點耐心。 細數以往的轉職經歷，我的心態大多數處在一種：我不想再跟你們這些人處在一起了! 趕快來一個新工作，隨便哪個都好! 我要馬上換過去!  在這種心態之下，我很難真正理性判斷我的新工作是否就是我真正要的職務；事實上，我的新工作多半是在薪資沒什麼漲幅的情況下做的決定，這讓我的職涯薪資發展始終停留在同一個水平上。那時還二十幾歲的我心想，老子不需要靠你們也可以搞定所有工作，大部分的同事都嘛是拖油瓶，不僅工作時加油添醋毫無競爭力，各個管理階層更是出一張嘴，完全沒有管理能力。 轉職的動力幾乎都來自於推力而非拉力，我在沒有目標的狀況下掙扎著轉職，這讓我的面試過程十分痛苦，也不斷在過程中被打擊而十分沮喪。 新的契機 這過程中我意外看到大人學有一門「 履歷優化與個人品牌重塑 」，我心裡想著：這課程要收一萬二! 白癡才去參加!但我沒有意料到的是，事隔半年之後我真的去上課了，並且又在那半年之後的一年之間，我陸續收到許多來自於LinkedIn的工作機會，並在最後偶然收到一家外商的邀約，並決定加入他們的行列。 轉職重點： 釐清職涯目標 持續累積貢獻 定期更新工作項目 定期到市場接受鑑定 一大改變是我在工作時會開始留意可以累積的專案，並且一一列在我的履歷清單裡面。這份清單將會是工作時一份很重要的文件，可以隨時提醒你是否正在落入職涯陷阱：同一種經歷做十年。轉職困難的重要原因就是長時間停留在某個狀態，無論是職位、薪資、公司或者經驗，你必須對你的工作產生「主動關注」、「時時檢視」的積極心態，讓自己的工作產生價值而非一種習慣。 除了在工作中開始刻意留意該累積的專案之外， 我開始回頭問自己一件事：「我的職涯目標是什麼?」 薪資要能補上此刻的資歷 成為專業的品質管理經理人 培養規劃、組建團隊的能力 無論具體的目標是什麼，這都比你毫無職場目標來得好太多了，這是我的切身之痛。記得前幾份工作常常在公司忙到七葷八素，下班之後就洗澡睡覺，隔天六點多就起床準備出門上班；那時候的我經常覺得被榨乾，而在缺乏學習的狀況下，也不知道自己要建立職涯目標。 重新取得價值 懂得在工作過程中隨時留意自己累積的專案及改善方案，這絕對是讓自己更有餘裕的做法，也讓我取得更大...

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。  當我還在面板廠工作時，由於需要區別眾多的檢驗員中哪些人的表現特別不好，因此需要對她們判定的面板等級資料進行分析。許多人不明白，面板的等級是在Cell段篩選的，而且不同等級的售價是天差地遠的。面板的判定站點可分為偏貼前跟偏貼後；若偏貼前的判等等級比偏貼後的判等等級來得高，就稱為「降等」、若偏貼前的判等等級比偏貼後的判等等級來得低，就稱為「升等」。對公司來說，降等這件事當然要越少越好，這不僅反應出判等的人其工作能力有問題，更嚴重影響了公司的盈利能力。  在多達數十位的外籍判等人員(本國人基本上很少了)當中，要挑出某幾位表現較差的人員是很簡單的。我當然不做它想，便從表現不好的人員中選出幾位來約談，看看他們遇到的狀況是什麼。甚至有一次我還獲得製造部經理的同意，特別停線一小時，讓我進線當面跟各位判等人員說明某個面板異常的判等方式及如何處置，當時的我覺得自己表現得滿不錯的。  但我離職多年之後開始鑽研品質大師戴明博士的著作，他一席話我立刻汗流浹背。他說，線上的作業人員都是系統的一份子，他們深受系統的影響，因此最多只能貢獻15%的原因，其他85%問題的原因都是由系統端來的。他並以紅珠實驗為例，說明作業人員如何遵守SOP，公司又是如何依照人員的績效進行審核，找出「績優」的員工，又如何懲罰「差勁」的員工。我開始想起，這不就是我之前在做的事嗎？面板廠生產出一堆有問題的面板，就好像紅珠實驗的紅色珠子一樣，我們耳提面命要判等人員不要撈起紅色珠子，紅色珠子撈得越多、績效越差，這就像是提醒判等人員要判得好、判得快、判得準一樣，而無視她們面對成千上萬的面板缺陷。然後我再依照判等人員表現的高低順序對他們進行獎勵懲罰，看似合理，其實違背了系統知識。  大家要知道一個由幾十個判等人員組合成的系統，如果你用某個標準去篩選，一定能分出個高低。此時你該看的不是那個人的單次表現，而應該看他與其他人的表現是否有明顯差距，這件事可以從SPC Control Chart看得出來。但若你用某個時間區間之內的個人...

當初這份工作具有挑戰的地方是：它完全沒有品質體系。沒有品質單位、沒有品質觀念、沒有品質系統、沒有品質技術也沒有具備適當品質意識的領導階層。 我一上任就直覺式建立進料檢驗的程序跟檢測能力，並且順手提供了幾個出貨包裝的Lean精實手法，解決了總經理長期以來頭痛的客戶抱怨：產品包裝錯誤。 現在回想起來，如果套用戴明博士的品質管理觀念，那我犯了兩個錯誤： 過度依賴檢驗，企圖從檢驗的結果分析出錯誤原因，再從原因改善品質。 急就章導入品質技術、品質工具，而忘記應該由高層建立正確的品質意識。

20.04.01 新增參考文章 又是一起客訴。這次是某位客戶收到40台產品，抱怨用沒幾小時就燒掉兩台。燒掉的當下聞到了燒焦味，自己打開來看才發現是PCBA上面有燒焦痕跡，拍了幾張照片就傳給我們。 整件事情算起來總共有3個產品，巧合的是燒焦痕跡都在同一個變壓器(T)的位置。 與供應商的交涉過程就不細數了，他們在報告內寫道這是由於元件在電路設計距離太近所導致的「Arcing」。對於PCB的元件會產生所謂的電弧效應我在之前的工作經驗中並未接觸過，所以我自己就google了一下相關的文章，想知道為什麼會有這種現象。簡單google「Arc」、「PCB」就能找到一篇「 High Voltage PCB Design for Arc Prevention: How to Manage Pads and Traces 」。如果再加上「clearance」當作關鍵字，你還可以找到一篇「 High Voltage PCB Design: Creepage and Clearance Distance 」，裡面就有提到一篇文件在講PCB線路裡面的高壓元件要如何避免電弧效應的設計方式。 這份文件就是IPC-2221A Generic Standard on Printed Board Design，其中表格6-1詳盡舉列各種直流交流電壓在不同的電路板設計下所需要的最小元件距離。值得留意的是，所謂的arc，指的是元件在空氣中的距離，意指空間中的直線距離而非在電路板上的距離。在上面的客訴中，供應商在出問題的電路上的設計只有2.4mm的間隔距離，但我套用表格計算應該至少要3.5mm。(這邊涉及產品規格，數字都有變更過。) 由於出問題的電路板可利用面積很大，我相信他們可以輕易重新設計出沒問題的電路板，但問題是他們會把這個表格列入他們的design guides or design rules嗎？我表達極度的懷疑。也因此我將這個表格寄送給他們，希望他們未來可以把這個表格列入他們的電路設計規範，讓後面的產品設計可以藉此強化其可靠度及安全性。 最後說一下我自己對於產業界供應鏈彼此互相欺瞞的態度表達極度的不滿，原因在於我觀察不同產業界對於發生問題的基本態度都是極度保守與不願主動告知的，這讓問題很難在第一時間被完整的深究並提出根本解方。往往都需要我花費許多精力挖...

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。

【品質管理討論與讀書會】 目的：徵求對品質管理有興趣的專業人士共同討論並參與讀書會 地點：新竹市關新路星巴克 討論領域：統計品質管制、設計開發品質管理、可靠度工程、品質系統管理 討論內容：工作經驗分享、專業知識討論、證照考試讀書會 自我介紹： Jeff從大學便對統計及品質管理相當有興趣 就業後便一腳踏入品質管理的領域 目前是光學公司的品管部副理 深受戴明博士的觀點影響 習慣用變異的觀點看待公司品質問題 品質便是降低變異 因此管理者須明辨問題是否由系統造成 也希望介紹這些現代品質觀點給有興趣的人了解 這是工作中最大的樂趣

建立團隊好的品質意識 首先要從整齊、整潔的作業環境著手 這一點或許並不這麼容易理解 我們先從筆者的改善經驗開始談起 筆者在新竹科學園區啓碁科技服務時 作為一位製程品質工程師時常巡視生產線 我看生產線的時候主要觀察人員的作業手法有無遵照SOP標準作業程序 此外更在意作業人員周遭的作業環境是否整潔 曾經在某一產品的生產線上我發現了裝載產品外殼的Tray呈現破碎的現象 這些破碎的現象獨立看來不是什麼特殊的狀況 最多就是周遭的環境有些髒亂而已 我提醒了幾次這種狀況 但產線沒有改善 隔了幾個禮拜 OQC的出貨檢驗人員發現該產品出現搖晃聲響 通知我去察看 我過去看到產品已經被拆解了 產線人員自己坦承有Tray的碎片在產品裡面 老實說我自己都被嚇到了 誰會事前預知產品組裝過程中有人把塑膠碎片裝進去呢？ 產線主管事後當然是儘速改善 但似乎沒察覺這就是大問題 啟碁科技是大公司 具備制度與規模 但仍免不了發生這樣難以預知的錯誤 然而這些問題困難的點就在預知 我們很難去設想生產過程中種種變異產生的後果 轉念去想 只有根絕問題發生的原因才能避免想方設法的預防 那是設想不完的 在許多品質專家看來 5S活動就是杜絕問題發生的基礎 5S活動源自日本 是整理、整頓、清掃、清潔、教養的日文字首縮寫 儘管台灣企業熟知這項「活動」 但真正理解貫徹的企業並不多 大多當作又一個改善而已 但如同前面例子提及的 簡單的環境因素就能造成巨大的危害 實在不可不慎 造成5S活動有形無體的關鍵就在於搞錯重點 大多數人認為只要做到某種程度就可以了 其實5S活動最重要的反而是在精神面 也就是「教養」這件事上 但大家卻很忽視它 教養其實是一種精神 也就是想把事情做好的慾望 這種層次跟「我只是來工作的 工作品質的好壞與我無關」的態度是天跟地的差別 當然啦 5S確實有它的絕對優點 但也別一味讚揚它的好處 5S的最大壞處當然就是屏棄了個人發揮創意 誓言要一致化、標準化、目視化 這樣的精神很容易扼殺創意 自然就不會引導作業人員進一步改善的慾望 也因此日本豐田倡導的Toyota Production System豐田生產系統就提到第一線人員的重要性 說明許多問題需要第一線人員敏銳的觀察 畢竟他們才是天天觸摸產品的人員...

量測系統分析就是一個專門解決量測系統的「準確性」與「精確性」的工具 準確性 = Accuracy、精確性 = Precision 大家最想問的問題是 它們到底指的是什麼？ 我們要回到最原始的問題 也就是產品的關鍵參數需要透過SPC加以監控 但在監控之前 這些關鍵參數勢必得被「量測」 (這也是為什麼IATF16949五大核心工具會有MSA-> SPC的順序關係) 然而這些數據的量測結果「夠準嗎？」我們能信任這些數據嗎？ 以往我們總是覺得這個儀器通過了儀校了 所以肯定沒問題 但其實忽略很多細節 這些細節包括： 儀器是否能夠重複的得到同樣接近的結果呢？ 儀器是否能在宣稱的量測範圍之內都擁有相同的偏誤呢？ 儀器是否能在不同人的操作下獲得相近的結果？ 隨著時間的推演 這些儀器能夠得到相同的量測結果嗎？ 這些問題的答案都藏在量測系統分析的架構裡面 我們都知道量測系統分析有所謂的位置Location變異以及寬度Width變異 位置變異被稱作為準確度Accuracy 偏誤Bias：就是觀測值與真值之間的距離 穩定性Stability：隨著時間變化所產生的偏誤 線性Linearity： 隨著量測範圍所產生的偏誤 寬度變異被稱作為精準度Precision 重複性Repeatibility：同一作業人員使用同一量具量測同一工件 目的是確認 儀器 的變異程度 再生性Reproducibility：不同作業人員使用同一量具量測同一工件 目的是確認 人員間 的變異程度 其實 位置變異就是針對同一工件的量測值與真值之間的距離 而 寬度變異就是一段時間或者量測範圍的量測值的期望變異 一般我們說的GR&R指的就是後者 也就是重複性與再生性的範疇 至於更深入的MSA內容涉及到大量的統計計算 得另起篇幅再提了 先對MSA的名詞有徹底的理解 才能正確使用這門工具 這算是我近期工作的體悟

研究所有一門課叫做「實驗設計」我建議在學學生一定要修 而田口方法是改良實驗設計的學問 是工業界的一門利器 這門工具我只在半導體業界看過有人使用過 其他台灣的面板業、系統廠、射出廠、模具廠以及醫材廠 都沒見過 這個年頭你是搞品質工程的卻跟我說你統計不好 不知道田口工程 那你肯定是在騙人 也趕快退休去吧 別死撐了 成大有一位李輝煌教授寫成一開放課程 專門介紹田口方法 中文書中就這本寫得最周到 鉅細彌遺介紹了許多統計方法 著書的方式設想到一般學生會困惑的點 非常用心 網址包含了開放式課程及免費的教學講義 推薦購買這本書 你一定會很有收穫 http://myweb.ncku.edu.tw/~hhlee/Myweb_at_NCKU/Taguchi4.html 在亞馬遜你能找到田口博士的著書 Taguchi Quality Engineering Handbook 這實在是本好書 就是140美元實在貴了點 不過相對於企業能夠省下的成本又實在是太便宜了點 李輝煌教授也在這本書目底下留言說道這實在是本好書 唯一的缺點就是裡面的數學似乎有點繁雜到太無謂了 https://www.amazon.com/Taguchis-Quality-Engin…/…/ref=sr_1_2… 我最近跑到台北上了一堂工研院開的「田口DOE實驗計畫基礎應用班」 強烈建議大家不要花錢去上這門課 因為老師很廢 這位陳老師說田口博士的統計很差 上課還扯一堆政治 我也對於工研院只能找這種業界半途出家的人當講師感到十分厭惡 認為工研院是沒人了嗎？這種咖都能出來開課？ https://college.itri.org.tw/SeminarView2.aspx… 學田口品質工程的目的很單純 就是為了縮短企業界設計開發的時程 許多中小企業的開發流程採用試誤法 不僅浪費時間又達不到良好品質 台灣企業界是時候重新擁抱田口品質工程了 因為只有這樣才能建立良好的工業基礎

統計學裡面的檢定是每個決策都會用到的技巧 這個技巧統稱為「假設檢定」Hypothesis testing 可分為虛無假設及對立假設 一般初學統計的人都會在這裡感到疑惑 因而認為統計學不容易學習 或者相反的 覺得假設檢定很簡單 而輕忽它的重要性 我們在這裡就舉幾個簡單的例子加以說明假設檢定的應用及需要注意的事項 大家都曾聽過法律上有「無罪推論」的說法 簡單的說就是將犯案嫌疑人視為無罪 再想辦法透過舉證的方式將他定罪 然而問題是為什麼要這樣做？這樣做不是讓一些顯然有犯罪事實的人逃過一劫嗎？ 但這個問題要反過來看： 倘若看似有罪的人其實是無罪的話 那不就冤死了嗎？ 也就是說這個問題變成一個兩難 到底希望有罪的人繩之以法 還是無罪的人能夠不要冤死？ 大家理性思考過後覺得要採用後者 也就是讓無罪的人不要冤死 所以用假設檢定的寫法就變成 H0：嫌疑人無罪 H1：嫌疑人有罪 你必須列出事證證明嫌疑人罪證確鑿 我們才能判定他有罪 否則我們就相信他是無罪的假設 但如果反過來寫 H0：嫌疑人有罪 H1：嫌疑人無罪 一開始就假設嫌疑人有罪 並且要求提供無罪的證據才能說他無罪 這樣就很容易犯下既定印象的錯誤 由於認知覺得此人有罪 所以看什麼都覺得有罪 在找不出無罪的證據之下 將原先是無罪的人判成死刑 這種做法會付出比較大的社會成本 也不是我們想要的結果 也就是說 假設檢定看似沒有特別之處 但一旦設定互換就容易付出決策上的重大成本 整個假設檢定的推論方式用的是邏輯學裡面提到的真值表 也就是將想要論證的主題以二分法區別 並且在H0的假設下搜集證據 看看證據是否充分？ 能否證明原來的H0是相對錯誤的假設 而去接受H1的假設？ 說到底 這樣的論證方式就是若P則Q 若非Q則非P的概念 如果嫌疑犯無罪(P) 則兇器上就沒有嫌疑犯的指紋Q 反過來說這個命題也可以寫成 如果兇器上有嫌疑犯的指紋(非Ｑ) 則嫌疑犯有罪(非P) 那麼我們就只要去尋找兇器上有沒有嫌疑犯的指紋 就能夠用這個邏輯判斷他是否有罪 這個搜集證據的過程在統計學裡面叫做抽樣Sampling 要得到相對正確的證據還要再進一步強化這個抽樣的程序 叫做隨機抽樣 透過隨機的方式去除掉抽樣者的心理、生理產生的偏誤 然後再根據抽樣的結果下結論 這樣得到的結果就非常客觀 ...

今年10月在公司內部開了一門課「統計製程分析」英文叫做Statistical Process Analysis 在備課的時候找到了一本原文教科書「Introduction to Statistical Quality Control」 這本書我建議從事品管、品保的人要看 並且推敲裡面講的含義 我簡要摘錄一些作者提到的重點 並且延伸後續我想講的主題 大家都知道品質很重要 但是「品質」這個字彙其實是很抽象的 並沒有實體存在 也因此這樣的抽象詞彙必須要有個定義 並且是大家很容易理解和體認的 才能夠區別品質的好壞、差異 進而處理、改善品質較低劣的部分 在品質管理觀念的發展上不乏品質大師提供的見解與定義 不過我認為沒有一個像下列定義簡潔有力 品質是變異的反比 Quality is inversely proportional to variability. 想了解這個定義對品質的重要性 首先你要有機率、統計的概念 並了解變異所隱含的風險 我們可以從定義可以得知：變異越小、品質越好 相對的 品質越差就代表變異越大 這是互通的道理 你可以從生活、工作上的各種案例發現這些例證 當你理解了這個定義 想要做出好的品質就只要專注降低變異 就行了 這裡提供了一個非常清晰、直觀的道路 可以做為品質改善的重要依據 這本書的編排方式透露出現代品質管理對於預防觀念的重視 章節的順序依序是「統計製程管制」、「實驗設計」和「抽樣檢驗」 前兩項都是預防性的管制項目 而最後一項才是不得已而為之的事後檢驗項目 這裡帶出來一個相當常見也是品質管理相當重要的觀念： 品質是預防而非檢驗出來的 然而多數人對於品質的概念和品保單位的要求卻是：「檢驗、檢驗、再檢驗」 進料檢驗驗完了沒？檢驗的結果如何？是否有在規格內？ 成品檢驗驗完了沒？檢驗的結果如何？是否有在規格內？ 出貨檢驗驗完了沒？檢驗的結果如何？是否有在規格內？ 這種扭曲的品質觀念是阻礙企業進步的主因 也由於這種退步的觀念 讓變異及其原因仍留在各種流程當中 導致問題不斷發生 既然好的品質需要依靠降低變異和預防性措施 到底有沒有一個簡潔的方法可以使用呢？ 有的 而且這就是我...

2020.06.21 新增文章 2020.04.06 新增超連結 畢業後從事品質工程管理轉眼也已九年了，工作之餘總想替自己留下一些紀錄。這些紀錄大多是我在工作時遇到困難所蹦出來的想法，然而這些想法並不是胡思亂想，更具體的說，這些想法反應出我工作上所遇到的難題以及我後來是如何找到這些難題的解答的。 我常詢問：為什麼？這讓我進而思考許多基本的問題，而你會發現這些問題在職場上很少人能回答你。這些問題的重要性在於日常中並不容易察覺，卻是未來你遇事的決斷基礎。 大多數的人都依照前人的做事方法工作，很少有人能夠在工作中靜下心來思考基本問題， 持續思考基本問題能幫助你遇到困難時回歸基本面，使得困難的問題往往並不那麼複雜。 如果週遭的人不能教你思考基本問題， 你只能想辦法從該領域的大師、真正經歷過動手解決問題的人和願意分享自身經歷的人身上得到一些基本問題的蛛絲馬跡。 工作中即便工作內容滿是客訴、部門間的抱怨、主管的爛決策，你是否曾靜下心來問過自己「品質是什麼」呢？如果我們要區分什麼是好的品質、何謂壞的品質，甚至追求卓越的品質，除了傳統上模糊的好產品或壞產品之外 ，更實際的作法是替品質下定義。從看似簡單的基本問題開始著手，我們才有能力辨別品質的好壞。如此一來，許多人們才真正認知到原來做了這麼久品質工程師才第一次想到要問這個問題，這也是「品質是什麼」這系列文章的由來，對於我自己來說這個答案也隨著個人經歷而不斷改變。 2017的9月份我找到一本原文教科書，書名是統計品質管制 第6版「 Introduction to Statistical Quality Control 6th Edition 」。這本書直接了斷的定義 品質就是「變異的反比」(Inversely proportional to variability) 直接否定其他不以預防為優先的品質定義，這點我相當佩服。但在這本書之前我自己從自身的工作經歷 問了自己下面三個問題，分別是： 品質是否在不同的產業有不同的定義？它們的執行狀況又是如何？ 在品質工具的使用下，為什麼產品的品質總是無法顯著提升？公司總是忙著處理異常？ 為何我已經推廣6 sigma這種統計工具，但成效總是差勁、無法帶動公司品質？ 我把這些問題與我自己在各個產業看到的現象寫成3篇文章 作為我紀錄的濫觴 【工作分享】品質是什麼？品質工程師之...

不穩定的品質 生產產品、提供服務都需要經過特定的流程 我們稱之為製造流程或者服務流程 流程中的每一道程序設置的目的都是為了在特定成本和品質之下做出產品 這些程序是成功製造產品的關鍵 卻也是產品異常發生的起源 一般常見的觀念是：異常是一種偶然 純粹是單一事件 不需要太過擔心 這種觀點是以傳統的0、1為出發點 認定異常事件的發生取決於異常原因有無出現 如果異常原因不存在 異常事件就不會發生 既然異常沒有發生 自然就沒有所謂的異常原因 然而異常的發生並不是0或1兩種可能性 而應視作一種可能性 也就是引入風險的概念 這是因為第二篇講到的觀念曾經提到風險就是機率的緣故 以尺寸為例 一個螺絲的長度取決於兩個流程 一個是製造流程 另一個是量測流程 我們必須先有一個觀念 那就是你不可能真的量測到螺絲「真實」的尺寸 除非你採用物理界目前採用的光於固定時間行進距離作為長度的標準 否則你想量得一隻10.05mm長度的螺絲 勢必會受到外在環境影響以及量測工具的限制 你量測的數據即便真的顯示10.05mm 但仔細探究會發現這是工具不夠精準而出現的「誤差」 很可能是因為工具無法顯示10.0509和10.0504 的差異造成的結果 量測產生的誤差應該被視為一種波動 導致每次量測的值都會有隨機的差異 隨機的波動透過數學工具描述就形成了我們熟知的機率 讓我們可以描述每個事件發生的機會 上面的尺寸範例之中 若連續量測5次 可能得到10.052、10.048、10.05、10.051、10.050 它的機率分配很可能是一個平均數為10.05mm 標準誤為0.03的常態分配 得知一個事件的機率分配讓我們得以評估該事件的風險  舉例來說 如果該螺絲的尺寸公差是[10.045, 10.055] mm 我們就能得出在量測5次數據的樣本分配下 推估母體超出規格上下限的機率 超出規格上下限的機率就是風險 而風險僅表示可能性 不表示零件一定有問題 然而機率既然代表可能性 就表示隨著樣本數量增加 事件發生的次數也必然增加 這就是機率裡面期望值的概念  仍以量測為例 假設量測5次得到的分配超出規...

變動的世界 想像一個完美理想境地，那裡沒有變異、沒有錯誤、沒有風險，做出來的產品完全沒問題。 我們替客戶需求找到了完美的解決方案，設計出完美的外觀與功能，生產過程一路順暢。 供應鏈的原料完美無瑕，機台參數與設定值完全符合不需要額外調整，環境溫度一切穩定； 製程中間沒有堆積的半成品，生產的速度一致且符合節奏，人員都能做出一樣的工藝水準； 空氣中的微粒不會四處飛散，路邊行進的車輛不會造成地表晃動，每日開線的條件都一樣； 上述的條件們都非常穩定、沒有變化、不會跳動，那麼這是一個虛幻的理想世界。 只可惜這些條件在實際環境中呈現不斷變化的狀態。 若你覺得某個條件很穩定，那一定是你的某個感官不夠靈敏*。(註一) 如果某人感覺目前的溫濕度還滿穩定舒適，但是對於PCB產業的濕敏元件可就不是如此； 如果某人看不出來兩個相同零件有哪裡不一樣，對於um的世界可就天差地遠； 要是無塵室裡面看起來挺乾淨的，那就去看看晶圓和面板的良率吧，那可決定了公司成敗。 濕敏元件告訴你，即便控制在一定的溫度濕度，它還是只能維持短暫的保存期限， 開封之後就要儘快用完，否則就會像隔餐的便當一樣引發麻煩。 這個麻煩可能永遠都不會引爆，也有可能稍微遇到環境變化就出狀況，重點是沒人能預測。 尺寸則是另一種麻煩。 人類的肉眼可以辨識將近0.5mm的差異，更細微的差異就因人而異了； 但對於極度精密的產品來說，連0.01mm都無法接受的組配差異，怎能讓你用肉眼判斷？ 在我們常見的巨觀尺度之下，幾個mm的差異或許不那麼明顯 但若你站在微觀的世界觀察，幾個nm的差異就能改變你看到世界的顏色。 這些例子反覆說明三個事實： 這個世界並非只有你觀察到的巨大變化，更是每個時刻充滿細微的變異 人類本身的感官無法察覺到這些差異，因此往往忽略它們的重要性 這些變異本身充滿隨機性，無法預知何時何地會發生什麼事 一旦你體認到你身在的環境其實隨時充滿著不確定性，你才有機會認識到「穩定」的意義。 真正的穩定其實是： 每個因子充滿隨機的分佈，無法預測也極為難以防堵 因子彼此沒有關聯，某個因子發生不會影響另一個因子發生的可能性 ...

什麼是品質 「品質管理」是一門獨特的學問。 與其他的工作相比，它並不直接屬於設計、生產的流程，但卻又與每個環節息息相關。 說息息相關還稍嫌客氣了些，事實上，品質管理的好壞左右了該公司產品或服務的優劣。 現代頂尖公司擁有強大的品質管理系統可說是基本配備。 優異的產品良率與可靠度遠勝成本結構比競爭對手，構築出一道道高聳的優勢圍牆。 與它的不事生產相比，其他單位的直接生產工作擁有外顯的成本結構與生產效率； 品質管理所衍生的隱藏性成本(現代通稱為品質成本CoQ)與低生產效率顯得更不容易被彰顯。 傳統上我們會建立一些指標監控「品質」，例如：客戶抱怨(客訴)率。 這個數字被認為是監控客戶對產品或服務的評價，客訴率越高表示客戶對產品越不滿意。 客訴率通常以出貨的批量或者服務的人次作為分母，被客訴的批數或人次作為分子； 兩者相除的結果可以初步看出產品或服務的客訴比率，用以顯示客戶的滿意度。 然而這樣的論點隱含著錯誤的假設前提。 第一，客戶有很大的機會選擇不去客訴，而直接放棄該公司的產品。 第二，客訴率的高低與造成的傷害沒有因果關係；或許客訴率很低，但問題卻很嚴重。 前者讓公司直接在帳面上損失了重要客戶，後者則是造成公司誤判事件對客戶的傷害； 公司不但有可能不知道客戶已然不信任產品，並且很有可能做出反向的判斷， 使用錯誤的決策工具會讓決策者失去面對問題的機會，導致事態變得嚴重無法收拾。 再者，一般公司機構對於「品質」充滿著錯誤且落後的認知，已到了近乎難以挽救的地步。 這絲毫不是在危言聳聽。 多數人聽到品管(品質管制)、品保(品質保證)相關單位人員的第一反應是：專找麻煩的單位。 這種反應完全是建立在「品質管制是一個在公司不事生產、又成天閒晃找問題的單位。」 對於品質管制做的事情的第一印象則是：檢驗、檢驗、檢驗、叫人去Sorting(挑選)、重工。 這樣錯誤的印象有二： 品質管制從業人員對於品質的認知一知半解，並且缺乏學界及業界的知識輔助。 投資者與雇主不願意從高層重視品質，並將品質視作成本結構的重要區塊。 在上述的前提之下，業界對於品質各有一套認知與見解； 以抽樣...

由於工作上分工的需求 劃分部門成了公司當然的選擇(卻不必然) 現代我們熟悉的教育制度也是因應上述的理由而創立 簡單來說 你可能會是個材料系的學生 或者剛考進一間數統研究所 於是畢業後你就是個具有材料力學專業的人才 或者擅長使用單一工具的職場新鮮人 老闆會因應這樣的職務需求開立職缺 然後聘雇像你這樣專長的人進入公司 開始替公司不同部門的不同專案著手工作 這裡面的職務內容不外乎：設計、製造、業務 它們賣著不同的產品或服務 無論如何 你現在是其中的一員了 你應該體認到裡面有些流程需要了解 無意間推動日本產業品質升級的美國品管大師Juran說過「零缺點品質」 這個概念是積極以流程導向為主軸 在流程中貫徹避免錯誤發生的創新方法 一方面認為傳統的檢驗、重工、問題分析耗力費時；一方面以成本來量化品質 花費在處理異常的相關活動成本高 就是品質差；相反的就是品質優異 這個概念後來衍伸成數種品質活動 例如「 零缺點計畫」、「品質成本」等等 目的都在提升企業產品服務的品質水準 一個重要的認知是：「品質是製造出來，而非檢驗出來的。」 相對的 品質同時也是被設計出來的 這個道理雖然相當平易近人 但在實務上卻往往相反 為了確保產品的品質 企業經常會以增加檢驗作為手段 試圖確保使用到好的東西 然而很遺憾的 這樣做非但不能解決問題 甚至常常增加問題 零缺點的觀念還言猶在耳 那麼要如何才能在流程中確保不出錯呢？ 事實上在現代企業裡面已經在大量使用這套工具 成效還相當不錯！ 這套工具就叫做「工程變更 Engineering Change」 公司的各種活動構成了各式的流程 RD有設計流程、製造有製造流程、業務有接單出貨流程 平常穩定的執行倒是不必太擔心出問題 然而所謂的缺陷、異常或者問題 往往就是發生在變動的時候 例如 ：供應商變更材料、供應商變更製程參數、RD變更設計規格、製程變更製造程序 更甚者 由於ISO品質系統的需求 就連文件的變更也都需要特別管理及監控 以便確保文件的有效性及正確性 達到說寫作一致的目的 這個監控的系統跟工具就是「工程變更」 工程變更涵蓋了所有重大變更 包括材料、設計、文件、流程等四大條件變更都是其範疇 其目的非常單純 就是為了監控所有變更 避免變...

現在的品質管理很注重工具 尤其是各式的工具 這些工具其實是抽象的概念 因為它們並不是螺絲起子、鋸子之類的實體工具可以拿在手上 而是在面對產線異常、客戶抱怨時 公司應該提前預防或者緊急處置的手段 學校和坊間到處都能見到品管七大手法、創意問題雨思解這類課程 今天要介紹的5 whys分析就是這樣乍聽像是上述手法的工具 只不過這項工具其實比想像中更加強大 也更難掌握 在業界會遇到各式各樣的問題 可能是各式瑣碎的異常 也可能是系統面、程序面的錯誤 無論問題的嚴重性、急迫性 當問題一多而且總是反覆發生的時候 除了急忙想方設法捲起袖子處理之外 更重要的是追問更進一步的原因 我們會想了解問題的根本原因到底是什麼？ 為什麼異常總是反覆發生？ 究竟是製程中、程序裡面的哪種隱含因子造成問題重複發生？ 而這些 疑惑 、 不願輕易接受表面原因 的動機就是5 Whys分析誕生的前提 [Why1]：IMEI錯號 [Why2]：Barcode區記錄到1st盤的IMEI，並燒錄至第二盤的第一隻DUT [Why3]：Barcode區記錄值未在換Tray時重新讀取IMEI [Why4]：RCS程式Bug，未將讀IMEI/取實物視為同一動作&人員操作機台時                  因不知機台讀取IMEI的時間點不能執行換Tray盤，導致IMEI錯號 實務上我們可以透過簡單的條列方式解析問題 首先把異常現象作為第一個問題 並將前一個問題的解答作為下一個問題的起點 以此類推 上面的條列可以清楚的看見只有四個問題 說明了5 Whys分析並非規定一定要湊滿五個 [Why1] IMEI錯號 這是一件異常現象 產線時常發現某幾隻產品會出現IMEI序號錯號的現象 產品的表面會有標籤紀錄著IMEI的序號 並透過機器讀取內部IMEI資訊 藉此會發現標籤上的序號與內部讀取的資訊不一致 在這邊取名叫做「錯號」 進行Why2分析之前 我們要先問一個問題 也就是將Why1的說明當作問題來提問 經過轉化之後 問題就會變成這樣：「為什麼IMEI會錯號呢？」 配合著這個問題 我們就要搭配著現場觀...

製程品質管理裡面有許多工具可用 高深一點的可以用數學、統計 協助分析產品特性的變異及離散程度 像是SPC 也能採用「現場現地現物」等三現方法 像偵探一樣在現場用各種證據說話 當然你也能夠透過FMEA(失效模式分析)等看似更不知所云、撲朔迷離的工具 用來評估風險、控制風險以及管理風險 最後 也最為人熟知的SOP及各式標準文件規範「說寫作一致」的觀念 也是常見的工具 只不過這麼多品質工具 這麼多品質系統 這麼多專業縮寫 到頭來還是得回歸品質的本質 那就是產品在設計、製造及出貨的過程中間都能夠符合客戶的品質要求 撇除產品設計初期訂定規格及製造過程中其他軟性因子的干擾 真正在流程中影響產品品質的因子 就是我們最耳熟能詳的「人機料法環」 也就是「人員」、「機台」、「材料」、「方法」、「環境」這五個因子 由於這五個因子在製造產品的過程中實在太重要了 以至於我們必須將視野鎖定在此區塊 避免被上述其他的品質工具及眼花撩亂的術語所影響 圖1、製程方法因子品質管控 舉一個實際生產的產品為例 (參考圖1) 由左至右是該產品的所有製造程序 照片則顯示該站點會組裝上去的零件及產品樣貌 在圖的最下方我們列出每個站點的作業細項 這當然需要實際觀察才能得到此表格 現在我們有一個疑問 那就是「為什麼要把每個步驟都詳細列出來呢？」 畢竟多數動作都是無聊且幾乎沒有意義的行為 像「拿產品去測試」、「取下測試完的產品」 然而這有兩個考量 其一是詳列表格可以讓我們了解實際狀況 其二就是魔鬼往往藏在細節中 所謂的細節 就是品質工程師能夠鑽研並且提供標準化解方的好所在 標紅字的「 扣上3G天線ipex並扣入卡勾 」就是一個看似完美但卻充滿問題的地方 這問題發生在ipex是個很敏感的料件 ipex溝槽若有變形或扭曲 就會影響RF的表現 這是個很細微的問題 因為在組裝的過程中並不會有人特別監控ipex的組裝狀況 都是透過作業員的手指觸感 類似聽到筆蓋「喀」一聲就代表組裝完畢 只不過組裝完畢不代表組裝品質良好 若在卡扣之中有偏移 就會影響到後面RF的測試良率 但這是人員本身的問題嗎？不！這是製造方法中可以優化的項目 不是單一人員的手法問題！ 我們應該明確區分何謂人員疏...

之前做某日本大廠產品時遇到一個客訴十分有趣 也增長我的見識 特地為文解釋一下 一般在系統廠使用的組裝件不外乎PCBA跟housing PCBA就是插滿各式零件的電路板 而housing則是裝載PCBA的外殼 這類外殼一般都是塑膠件 常見的材質則是ABS或者PC + 玻璃纖維 (就是塑膠 加玻纖可以增加硬度) 由於這些東西太常見了 以至於某些顯而易見的風險就躲在產線上我們沒有發覺 就在我們開心出貨的同時 日本客戶發email通知說產品按鍵上有無法擦拭的白痕 要我們趕快處理 趕緊找出原因並且鎖定風險批 一開始我們還覺得奇怪 這種事情不應該發生的 會在客戶反應這麼嚴重的問題時還產生這種防衛心態實在是非常自然  第一, 這日本客戶十分龜毛 很常小題大作 第二, 我們手上還有其他需要花時間分析的案子 沒資源理他 第三, 我們的產線外觀人員及FQC(Final Quality Control)都沒看到類似的東西 第四, 這產品出了一陣子 怎麼沒聽說之前的產品發生異常呢？ 於是我心裡暗自想著 這應該是日本人自己不小心弄到的 也就沒認真對待 沒想到過了兩天又發email說這次更多產品有白痕出現 而且位置都差不多 都集中在按鍵上 之後便不斷出現 搞得我們人仰馬翻 也深深覺得不可思議 之前講過了 這種東西這麼明顯 我們外觀檢驗人員不可能看不出來 這下可好了 我們慌了手腳 先逼VQM(Vendor Quality Management)讓供應商澄清問題 供應商百般無奈之下 回覆說他們產線沒有類似的液體會造成按鍵白痕 既然不是供應商的原材問題 難不成是我們自己造成的！？ 在這同時 產線的主管想到了一種可能性 會不會是我們產線使用的溶劑造成的？ 於是做了一下實驗 發現按鍵確實會變白 只不過實驗的現象並不如客戶看到的明顯 我們的心裡開始涼了一半 也確實這件客訴後來衍伸成無底的大洞 賠了很多錢 回過頭來 上述的四點究竟是為什麼呢？為什麼我們在第一時間沒能及時反應並處理？ 整件事的過程是這樣開始的： 產線因為人員變動 導致cable焊接站之後的焊點外觀...