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格上限10.055的機率為1%(這裡不涉及運算)
這件事代表這個零件平均每100個便會出現1個超出規格上限
從上述對於風險的描述我們可以知道：
「這次沒出事 不代表下次不會出事；沒有發生異常 不代表風險不存在」
理解、接受並應用統計觀念於實務製造流程可以避免傳統觀點的誤判
- 產品只要判定有無超出規格 若沒有超出規格 無論數據多麼接近上下限也無所謂
- 產品異常只跟異常原因有關 只要找出原因並加以解決就不會有任何問題
- 沒有出現異常就表示沒有風險 不會有任何問題 可以放心生產
之所以出現品質不穩定的現象 就是因為沒有正視機率在製造流程中扮演的角色
積極應用統計並且全面導入製造流程管控 才能防範異常於發生之前
身為品質管理工程師、品質管理部門主管及公司管理階層都應該掌握統計這項工具
在製造生產端廣泛應用這項工具能夠描述產品目前遭遇的風險並且識別出真正的問題點
瀏覽次數： -