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

就我待過的兩家台灣科技廠來說 他們都喜歡安排員工去上6 Sigma課程 6 sigma為何物？直叫人生死相許？ 原來這門課會讓上課的人生不如死 教課的不得好死 難怪這門課遭人唾棄 這要怪罪台灣的教育與企業文化喜歡講求表面 實事求是的功力十分薄弱 要知道6 sigma是發揚於美利堅合眾國的奇異公司 傳說中透過這本秘笈就能增強30年功力 讓產品品質好到破表 提升公司水平到一種外太空的地步 俗稱6 Sigma 於是乎眾科技業者無不爭相學習 東施捧心 各種妖魔鬼怪都來效法此道 然而真正的問題在於台灣企業把一人當十人用 把該花錢花時間推廣的課程讓內部講師教授 長久下來多見敷衍了事、一知半解者 而真正理解此道的人寡矣 其實6 Sigma就是從統計方法衍伸出來的應用科學 講求數值分析、統計推論 此類學問都是硬科學 凡事講求數據化 十分不人性 再者此類分析手法均涉及大量數學推導 即便略過不教也十分難懂 我從業至今 尚未有人能像我一樣把基礎統計教得讓外行人也懂的程度 多數懂統計的人都是學究 鑽研數學公式 而忽略統計的本質 第三 有學者統計過 能用機率或統計解決的問題大約佔人類總問題的5% 意思就是很多事其實需要透過軟科學或其他非數據分析的手法完成 然而業界的人很容易學了一項「法門」就胡拼亂湊 總想每個問題都套用統計 所謂半桶水響叮噹 就是形容這種現象 有一個故事是這樣的： 統計老師要求學生運用統計手法算出30個學生的身高統計值 一堆學生提出困難的算式 希望透過抽樣的方式找出具代表性的身高統計值 然而最簡單的方式就是...去問出這30個學生的身高 再算出這些人的平均即可 這也點出了業界濫用統計的現象 充斥著一知半解與科學工具的迷思 有趣的是業界仍然把公司的員工一批批送去6 Sigma課程改造 希望透過一知半解的內部講師以及短短時間的學習 就讓員工脫胎換骨 從此了解統計的奧秘 創造公司巨大的價值 然而 這可能嗎？就我看來這無異於緣木求魚、望梅止渴罷了 真正要改變公司體質、創造價值的做法 應該要專注在統計的打底功夫上 讓同仁了解什麼是抽樣 什麼又是機率 又是什麼機制可以說樣本足夠代表母體 然後再從樣本的分配了解抽樣誤差的意涵及代表性 如此從根基打起 才有...

以下文章是我在啟碁科技發表的統計說明 原則上匯總了大學及研究所讀的統計概略 這一連串的問題是學習統計的重要觀念 裡面提到了許多關鍵名詞說明及統計特有的思考邏輯 是學習統計基礎的良好入門教材 這些問題是想像一位完全沒有統計基礎的學生在屏除統計繁雜的計算及各式分配的恐懼之餘 在眼前看見一個大型木箱 並且要利用客觀的常識(重量)試圖論證木箱裡面裝的是什麼東西 試圖用概觀的視角提供學習者領略統計奧妙的第一步 已學習過統計的人也可以藉由這個例子看看自己是否真的懂所謂的統計 現在想像各位眼前有一個木箱 裡頭裝著某個物體 放在秤上有310公斤重(忽略木箱重量) Q1: 請問眼前的木箱裝的是什麼東西? 答案是猜不出來 (在沒有任何根據下如果猜得出來算你厲害) Q2: 請問眼前的木箱裝的比較有可能是隻豬還是個人? 應該是豬 (這不是腦筋急轉彎 以直覺來說猜豬比較正確) Q3: 為什麼比較有可能是豬? 這會呼應第2題的答案 我們會認為比較可能是豬的初步原因是直覺 因為豬的重量比較重 對應到統計上的觀念就是豬的重量母體分配與人的重量母體分配會如圖1所示 既然豬的重量分配是以300kg為平均值的常態分配 那秤出來是310kg的物體當然較可能是豬 事實上這裡就是假設檢定的由來  當我們想要知道這問題的答案時 我們其實是在比較兩者間的機率 而口語化的問題會被轉換成假設檢定常用的形式：虛無假設Ho跟對立假設H1 在這裡的假設檢定會是H0: μ=μ豬, H1: μ≠μ豬(μ是平均值的意思 這裡代指重量) 白話文就是 反方:屬於豬的體重 or 正方:不屬於豬的體重 那麼重量310kg的物體是豬的機率就可以轉成另一個形式  也就是去計算310kg的物體有多不可能是豬 P(x>310)= 0.3(我亂算的)  這個機率就表示在豬的母體分布中 比310大的機會有30%(紅色區域的面積) 這個值算滿高的 意思就是有30%的豬母體都會大於310公斤 這比例非常高 也遠比0.05這個標準來得高 代表你只能傾向接受310公斤是豬的假設 因為你沒辦法藉由計算 紅色的面積 得到推翻μ=μ豬假設的結果 ...

台灣的公司雖然不像日本一樣將品質視為生命 卻也是整日將品質掛在嘴邊 但即便嘴上這麼說 就我待過的面板業、汽車業及系統廠 真正注重品質的公司還真沒幾家 然而不論公司是否真的將產品的品質視做生命 我們做品管的一定要有一個認知 那就是「品質是產品銷售的充分條件 不是必要條件」 翻譯成白話文就是「產品要賣得好 品質不可少」 但「品質好 可不代表產品賣得好」 這句話聽起來雖有點難過 卻是真實的狀況 對大部分的公司而言 品質就像是你不太想花錢做 卻又每次都花最多額外金錢的作業 老闆們在銷售額之外看見這些成本 難怪無不視之為眼中釘 而一間公司一旦將品管這件事分割成獨立部門 從此這部門就與其他部門為敵了 沒有例外的可能性 品質部門就是或多或少引起爭端的起點 這樣視彼此為眼中釘的做法 減少了部門間合作的空間 也增加作業的阻礙 如此一來每個部門便無法仔細完成自己的業務 反而是互相增加彼此的作業難度 在這種情況下 便不得不淘汰傳統集中式的部門思維 採以分散式的品質系統了 分散式的品質系統係指各部門自己身兼作業及品質管理的工作 就好像每個人都要為自己的工作品質負責並且反覆確認一樣 是種落實生活整潔的觀念 品質一旦落實於每個環節上 就能從小處防弊並且避免大型的危害 筆者在公司遇過一個案例： 「產線的新人在使用溶劑清潔焊點時，將溶劑噴濺於塑膠開關上，導致開關白化。」 這件事看似是新人的問題 因為他不熟悉作業流程 導致產品異色 但更深入探究 很快就會發現我們好幾個環節出現漏洞 1. 產線人員的變動沒有任何事前提醒 2. 公司沒有相關溶劑及材料之間的化學反應研究 3. 慣性的擦拭作業程序在面對關鍵零件時 沒有任何反應 4. 人員認知溶劑塗布在零件上面是可允許的 難道上述的例子是一個人或者一個部門的問題嗎？ 不！這牽涉到產線人員管理、化學品管控、IE SOP製作及人員教育訓練內容 但我們往往只粗淺的找出表面的原因 實際上卻很少深入探究防弊 原因是各部門根本不了解問題的嚴重性以及沒有當責的責任心 理由是他們認為這些品質部門會負責善後 他們沒有必要思考及解決 你明白了嗎？儘管品質不代表一切 但從每件異常處理的細節來看 我們正在犯相同的錯誤！ 我們缺乏合作、缺乏互動、缺乏互信以...

穀倉形容的是一種現象 可能存在於實體 也可能在心理層面 可能在公司部門之間 也出現在群體默默認定的"共識" 只有一點是肯定的 那就是穀倉的出現會造成阻礙 阻礙各單位的合作 更重要的是造成不可挽回的後果 人類社會一方面因應工作日趨複雜 發展出一套專業的分工制度 人們自小就被訓練專才 長大進社會工作則專注在自己的部門績效 這件事說來也沒什麼了不起 我們自小就這樣學習 但如果有顆凡事質疑的心 就能發現矛盾的地方 問題出在專業分工雖然提高效率 卻製造對立 單位間的對立讓原先要解決的問題被忽略 成為次要問題 在沒有共通語言及共同目標之下 很難讓自認都在做對的事的部門彼此合作 遑論分享資訊 原先可能阻止的災難、可以避免的危機和能夠和緩的情勢 都因為資訊阻礙而無法達成 試想一種情境： 在公司遷廠的會議中 主導設備搬遷的部門與工業安全的部門因為部門目標不同 導致一個想儘速搬完 另一個卻百般阻饒 如果身在其中 大概只會覺得對方是來亂的 卻沒能從局外的觀點看待問題 而本書就提供幾個現實生活中的範例 在大企業失敗的例子找到獨特的觀點 打破醫院的僵固分類制度 解決醫病之間溝通的鴻溝 提供新創企業串連人群的新方法 並且無懼改變中的衝擊 為什麼會無所畏懼呢？ 原因很簡單 因為看得見穀倉的人 心中都沒有成見 沒有成見就不會被想像的韁繩綑綁 自然就隨心所欲 無所畏懼 這是本淺顯的書 但真正懂得作者想分享的想法的"人類學家們"又有多少呢？ 作者：Gillian Tett 出版社：三采文化 閱讀筆記：Jeff Lee.

在寫閱讀筆記的時候 常常思考著一件事 這件事從開頭影響著分享的動機 那就是「如何分辨閱讀材料的好壞？」 講白了 市面上的書這麼多 哪些書目是好 哪些書類是壞 根本搞不清楚 一般不逛書店的人看到琳琅滿目的書籍 就隨意揀些10大暢銷書翻一翻 若說走出書店有什麼收穫的話 大概就是沾染了一點書香 但腦子還是很空 對我而言 如果儘挑些爛書來寫閱讀筆記 豈不是浪費自己時間 又浪費別人人生？ 只不過我雖然愛逛書店 會花時間閱讀 卻也沒能力為好書壞書下定論 說不定某些我眼中的爛書(我沒說是「買基金坐擁雙薪」) 可能是別人致富之途也不是不可能 在這種條件下 不去貿然定義書的好壞是相當明智的選擇 然而書的內容取決於作者的想法 這些想法的陳述方式及發想的過程卻有好壞之別 因此在選書的過程中 擁有以下特質的書特別值得推薦： 不去強調該方法對你/妳的好處，而會透過科學量化方式，客觀分析此方式的發展過程。 書名不浮誇、不刻意引人注目；作者自介簡單易懂。 從生活上常識著手，打破既定的觀感，引進新的觀點。 打死不說「必然」、「絕對」這幾個字，知識層級越高的人越瞭解世界充滿可能。 在這過程中 我也看過幾本覺得不是那麼精彩的書 舉例來說 漫畫家蔡志忠先生就出過一系列「東方宇宙三部曲」 他改寫許多物理公式 但我只能說任何略懂物理世界的人都會認為這是一本垃圾 更多是財經理財相關的書籍 台灣的書店遍地都是這種沒營養的書 在封面上強調許多「生存者偏差」的範例 告訴你許多成功的範例 順利存到幾千萬 但理財在注重獲利的情形下 更應該留意一體兩面的風險 而多數的理財書籍卻只挑好的講 絕口不提壞事 這點要特別小心 我個人特別喜歡一本叫做「生命是最精彩的推理小說」一書 書中試圖回答一個困擾著哲人的問題 「生命是什麼？」 「為什麼人可以輕易分辨沙灘上的貝殼以及小石子？」 這本書不僅深入簡出的介紹生命科學的脈絡 更佐以人文風格的敘事方式 這點就遠超過我剛剛所提的選書特質 而是更更優秀的作品了 希望下次你走進書店不知道要幹嘛時可以想起這些要點 這樣或許你就可以帶點東西走出書店 至少不再那麼空洞了    

這本書其實跟「橘子蘋果經濟學」很類似 都擅長以過往的常識 來顛覆眾人的想法 我們都知道偉人是眾多成功者的異數(Outlier) 大多數的成功是因為他們自身的才能及努力 如果不是這樣的話 我們就沒辦法解釋為什麼他們如此成功 然而事情真是這樣嗎？ 本書的作者很不以為然 在前面兩章提到的馬太效應跟一萬小時法則就破題指出 所謂的成功者 除了自身的條件與才華之外 更有外在因素的加持---也就是出生月份及年代 有時候生對時間也是成功不可或缺的因子 你會說 不對呀 如果生對時間就能夠成功 那為什麼其他那麼多生對時間的人沒有成功 只有這些偉人成功了？ 就我的理解 這是因為時間之於成功者 就好像一大片屋頂一樣 屋頂的高低限制了人們的成就 而多數人之所以冒出頭 純粹是生在較高的屋頂上 出生在高的屋頂上頭 就能擁有更多的機會 一但抓出了機會 就能利用馬太效應 持續這個良好循環 而在天才的迷思之中 作者又討論到另外一個因素 那就是天才本身的才能是無庸置疑的 但是天才的背景卻讓彼此的差距加大 造成本身是絕頂天才的Lagan因為他的貧困出身 在個性與態度上與出身富裕的Oppenheimer南轅北轍 種下了平凡的種子 如此說來 即便你是天才也生對了時間 那也不能保證你會成為真正的成功者！？ 作者：Malcolm Gladwell 出版社：時報出版 閱讀筆記：Jeff Lee.

這是在前往成功的路上所為人稱道的特質：努力 努力實在太重要了 以致於我們很少更深層思考 「為什麼大家都很努力 卻仍然只有少數人成功？」 在經驗法則中可以歸納出一條成功的方式 Practice makes perfect. 練習 持續不斷的練習就可以造就成功 然而在練習的人可不只你一個 世上千千萬萬在練習的人 怎麼就幾個少數人揚名萬里？ 如果細究這些成功的人的出生時間 居然又發現恐怖的事 如同第一章說的一樣 你的出生月份會影響你入選球隊的機會 那麼撇除出生月份而改成討論出生年份呢？ 一萬小時法則說的不是練習不重要 也不是告訴大家這些成功的人不聰明 而是在這些顯而易見的因子背後 尚有其他因素沒有被注意 舉例來說 比爾蓋茲在他休學創業前已經寫了好幾年的程式 但在他那個年代要能碰到一台電腦是多麼困難的事 更別提他讀的學校經費有多優渥 無庸置疑 他們的才華、才智絕對是一等一 但也是在機遇的配合之下 才能造就這些所謂的天才 這也難怪許多成功的故事背後 往往都在陳述自己有多麼幸運了 誰說出生不重要呢!? 作者：Malcolm Gladwell 出版社：時報出版 閱讀筆記：Jeff Lee.