主題

 活用品質系列
 SixSigma文章
 SPC文章
 品管文章
 技術文章
品質月刊2004/02,P.59--63,企業職場專欄 — 活用品質知識(1)
    檢驗與抽樣
    翁田山,華魁專業顧問公司總經理 morgan@topchina.com.tw
一、前言
  這是一個全球競爭的時代,唯有經常保持領先才能持續成長!但知識是所有競爭的原點,傳統文章論述無法滿足企業急需的養份,曾有一些企業主表示相同期望,即企業所需知識能否生活化、工作化的表達且可即時執行,〔但裡面隱藏許多理論道理,可暫不必理會!〕者,對事業經營定有極大助益,在此前提下,特別規劃本「企業職場專欄」,希能活用品質知識,協助企業提升效率和競爭能力。
  本專欄大致包括下列範圍:樣驗與抽樣、生產良率、品質觀念、品質推行方法、廠商調查與評估、零件暨外包品質、統計應用、設計品質、產品可靠度、工程技術能力、品質和經管之聯結、品質與公司文化等,以上從二個角度出發,一為企業常見的誤用、盲點和問題(負面列舉),另為企業要如何做才能超越領先(正面列舉),每期文章皆以企業曾發生的事實為基礎,用簡單、明確說明〝負面〞和〝正面〞角度,我們認知什麼及該如何做,本專欄所有觀點和建議,均為作者實戰結晶,參考價值高,歡迎賜教!

二、企業常見誤用、盲點和問題:

1.批退率(Lot Rejective Ratio)做為管理指標的誤用
  若我們執行抽樣檢驗共有100批,結果有15批判退,則批退率為15%,此容易讓我們誤解為不好的比率有15%〔不良率和不良批的意義是不同的!〕,其實若工程不良率(即產品品質水準)為0.4%且我們用AQL0.4%抽樣,其批退率仍有5%(此乃為誤判之機率)是正常的,而我們的感覺卻是不良有5%(實際上不良率是0.4%)而感到不安!除此之外於判退過程經常易受人為因素干擾而更形失真!更有甚者用批退率來點繪趨勢推移圖為管理參考指標,此為無意義及無效行為!所以不能用批退率做為品質管理指標的主要原因有二:一為〝統計的誤判5%〞,另為〝實務的干擾失真〞!

2.不管產品品質水準為何,為抽樣而抽樣的盲點
  企業於執行抽樣檢驗前,通常不去了解製程不良率(即產品品質水準)為何,就予執行批抽樣是不適當的!因抽樣的前提必須〝製程不良率〞和AQL值接近,才來判斷此批品質水準是否合格可接受,例如AQL0.25%,而製程不良率(稱Px)為2%左右,明顯得知不用抽樣即可退貨,因為其水準和期望可接受品質水準(AQL)相差太大,不要為抽樣而抽樣,此時應先假設為退貨狀態,再度實施100%全檢才對!此執行盲點是因不了解抽樣檢驗的本質,是〝用來判定批品質水準〞,當此批接近允收水準,而我們不是很確定時,才來執行抽樣檢驗!若不管Px即抽檢,不但無法正確判斷好的批,而且將付出大量無效的檢驗工時人力,請三思!

3.使用較嚴的AQL值來提升產品品質觀念有誤
  於企業品質事務中,經常可以聽到使用較嚴的AQL值來提高產品品質,例如客戶同意AQL1.0%(意即客戶期望產品品質在不良率1%及以下可以接受),賣方為保證交更好的產品給客戶,自動將AQL值修正為0.4%來抽樣長期執行!此觀念是不對的!把產品品質做好前提是如何把〝工程不良率〞(即Px)下降,而抽樣是用來〝批判定好與壞〞,而不是用來〝提升產品品質〞的!較嚴的AQL值充其量只是增加退貨機率後加上全檢的效果,對整體品質水準提升效果極為有限,因為增加退貨機率不高(低於10%)再加上誤判及人為干擾,效果微不足道!用檢驗(全檢)來提升產品品質已是下下之策(即不適當),因品質不是靠檢驗出來的!更何況用抽樣的方法來提升產品品質更是不智!浪費公司大量資源,品質還是做不好!

4.最終成品採多次全檢的效果有限
  若最終產品品質水準不好(Px高)是事實,客戶的東西要交也是必須,長期對策遠水救不了近火,先救急可出貨前題下,只有安排下下之策的全檢,若再不滿意則實施第二次、第三次等的全檢,此種〝不得已〞對策的有效性值得探討!根據實驗及世界級公司內部報告,若檢驗靠人的感官且訓練合格的檢驗員,其第1次全檢效果(即可挑出不良品的能力)為70%,對同一批再予第二次全檢效果只有20%上下,若同批再予第三次全檢,則幾乎再也挑不出問題來,若同批再予第四次全檢,則不但挑不出問,反而產生新的問題(以外觀和包裝問題為主),例如原品質水準不良率Px=10%,第1次全檢則為Px1=3%,第2次全檢Px2=2.4%,第3次全檢Px3約2.4%上下,第3次在3%上下,因此最終成品採多次全檢的效果有限,最多2次為宜!品質是沒辦法靠檢驗出來的,最終還是需要每個環節的源頭做好和做對,產品品質是設計進去和製造做出來的!

5.品保單位的工作是〝抽檢、檢測和拒收〞為等而下之的層次
  看到大部份公司(尤其傳統產業)的品保單位只做〝抽驗、檢測、退貨〞的基本工作,且長期下來產品品質一點改善也沒有;曾有一位科技公司品保處長,告訴我目前品質已大有進步,主因是品保大量抓問題,長期批退所致,這種似是而非的代價是使用大量的檢驗員,且品保單位人員比率已超過同業二倍以上,這種處長真是可悲,連自己錯在那堻ㄓㄙ器D!既然〝產品品質是設計進去和製造出來〞,自然品質和〝設計單位、製造單位〞有直接關係,那麼品質單位要做什麼?角色定位為何?如果身為品保單位經副理以上管理者都不知,真是枉然白活了!要知道檢測工作只是了解真像和收集情報資料基本工作,重要的是後續〝如何影響設計和製造單位能自動自發把自己工作做好〞才是上策、省資源/成本,因此品質單位真正要做的是〝聯絡、溝通和整合〞,人的因素比專業因素還重要,要外圓內方,以〝短期解決問題,長期創造價值〞的自我定位,對內可降低營運成本,對外可帶來客戶(品質滿意,客戶自然來),宏觀言,品質可塑造正面的企業文化而持續獲益,此乃品質等而上的最高境界。

6.誤解零缺點的〝只要抓到1個不良品即退貨〞之繆論
  其實零缺點的精神就是〝追求完美〞,在有限的時間、知識、能力、設備下,追求最完美的演出,是一種精神和工作態度,而不是〝追求完美〞不能容許瑕疵,時下有買方工程師把零缺點解讀為〝不管樣本數多少,只要抓到1個問題全批即予拒收〞,這是半桶水的人對零缺點的誤解,要知道所有抽樣理論皆來自操作曲線 (OC Curve),樣本數(n)及允收合格判定個數(c)確定則OC 曲線才固定,若不管樣本數(n大小)多少,即表示有無數條的OC 曲線,抽樣即無一定標準可循,強以抽樣再予判定,就是〝霸王硬上弓〞,要批退很容易,只要樣本數越大,退貨機率就越高,對賣方是不公平的!這種合約是不能簽的,假使驗收合約只說明零缺點精神,未載明允收水準(AQL)或出貨品質水準(SPQL),就請買方進一步解讀,若有說明樣本數(n)及判定個數(C),或提出SPQL值即表示驗收有一定標準(是對的),若買方解讀為不管樣本數大小且C=0(不允許有1個問題),賣方可據理力爭,若真的講不通又沒有其他路徑解決,且經營者一定要接單,則賣方可採小批量分批出貨因應。

7.其他抽樣計劃的誤用
  於工作中有時候聽到或看到誤用抽樣計劃情形,例如A:採用計量值之抽樣計劃(MIL-STD-414),不去注意數據分佈是否常態,就予使用導致誤判機率大增,其實現在統計軟體很方便,數據分佈容易圖示,再考慮計量值抽樣;例如B:使用連續生產型抽樣計劃(MIL-STD-1235B) 的前提必須製程穩定且是連續性生產,於自動化設備製程較易穩定且持續產出,但大量人工的系統裝配業,製程較不易穩定,因人多、零件多的變性高,若遇缺料就不是連續性生產,因而不宜使用連續生產型之抽樣計劃!最近(2003年)居然聽到有韓國世界大廠交面板給國內某系統廠,要求客戶(此國內系統廠)使用連續生產型抽樣,理由是此韓國大廠都是這樣被驗收的,自己錯了也要求別人一起犯錯!要知道交貨給客戶(尤其國外)是以批量為單位非連續性供貨此其一,面板產品是靠技術性人工組裝的,製程充滿不確定性何來穩定此其二也,故韓國大廠誤用抽樣計劃。

8.沒有不良率管制圖,只有不良率趨勢圖
  管制圖的前提必須製程穩定,其變異是自然隨機呈常態分佈,故依統計原理訂定管制上限及下限,即中心線加/減3倍標準差,假如製程受到不正常干擾(正面或負面),其分佈自然就不是常態就不可使用管制圖;於系統組裝廠通常用不良率或良率表達品質績效程度,系統廠因人多、零件多製程較不易穩定,加上管理者要求和介入降低不良率(即為正面干擾,使分佈不為常態),所以不良率是不能使用管制圖的,要用趨勢圖(Trend Chart)取代,除了去了解推移趨勢外,尚要加入管理的目標線,不斷要求設法解決問題達成目標,此從管理角度才有意義,不要抱著死統計不消化!因此我說〝沒有不良率管制圖,只有不良率趨勢圖〞!

三、企業要如何做才能領先同業:

1.經常質疑或檢討抽樣、檢測的價值為何
  如果有執行抽樣、檢測和沒有執行的效果是一樣的話(從客戶角度),那麼前述的抽樣和檢測就沒有價值,可以免除!例如A:SMT外包進到我方採AQL0.4%驗收,然外包廠的品質水準為2%(從AQL及Px值比較,應採全檢),當然批退率很高,雙方花很多資源去處理,但從我方製程能力角度,若此外包不良2%可以在製程中完全剔除,從最終客戶角度,有做SMT抽檢和免檢是一樣的,故此情況安排的抽樣或全檢是無價值的,可以免除;例如B:當賣方強勢,其零組件市場極缺,我方驗收不可能去判〝批退〞,因東西都進不來(不好買)怎麼可以〝退回〞呢,若其零組件不良會造成我方較大損失,則安排先收貨再行上線前全檢,若零組件不良並不會造成製程額外損失,則不用驗收檢驗,直接上線使用,若有不良再行和賣方交換新品即可,要能活用,不要死板驗收和退貨,要能衡量何價值高或損失小;例如C:製程中有100%全檢站或抽樣精密測試,從未發生問題,若有問題也不會影響客戶購買意願,那我們幹嘛還持續安排檢測,浪費資源與人力;以上從結果角度來反推抽樣、檢測的價值,決定續執行或免除,其實上上之策是去〝創造價值〞於事前(做未來的事,未雨綢繆)做對和做好,後續的一些工作就可以免了!

2.如何訂定允收水準(AQL值)及配套措施,使資源使用效益最大
  允收水準AQL值和工程不良率Px(即產品本身既有的不良率、品質水準)有相互關係和影響,其結果和允收機率Pa有關,而AQL訂定有二大方向:

  • 2.1 客戶要求指定值:如客戶已指明AQL0.4%,意即客戶希望產品不良率在0.4%及以下可以接受,接下來要看我們通常的Px為多少,若為0.4%上下即表示我們可以接此訂單的品質要求水準,出貨要實施抽樣判定好批才出貨,若Px經常在0.1%以下,則顯然不用出貨抽檢,直接交貨給客戶即可;若Px經常在1%-3%之間,則建議於製程最終檢查(100%)後再安排1道全檢,且經實驗證明全檢後的水準接近AQL值時再安排抽檢判定是否好批,若Px經常在3%以上,則買賣雙方有門不當戶不對之問題,客戶遲早要離開。
  • 2.2 自我品牌自定AQL值:首先考慮在產品定位下,市場可以接受的不良率為何,加上參考同業間的品質水準為何,來訂定自己認為可接受的品質水準AQL值,再來查看自已Px為多少,決定免抽檢或抽檢等之內部例行作業。
  • 至於Px如何計算得知,有二種方式任取其一皆可,從推理法則言,收集出貨抽檢最近1-3個月資料,計算總平均不良率即為Px(發現總不良數/執行總樣本數),若有全批性、集中性問題為異常不應列入計算(含不良數及樣本數);從經驗法則言,壹減去製程直接通過率(Direct Pass Ratio)即為Px,許多實際個案都非常接近,可信度高。

3.如何利用AQL及Px資料關係,決定免檢、抽檢、全檢之調整作業,從參數Ax=Px/AQL來調整,不同Ax值有不同的作業修正,建議於下:

  • 3.1 Ax≦1/5 採免檢可直接出貨給客戶或經銷商  
  • 3.2 1/5<Ax≦3/5,採跳批抽檢,稽核觀察是否會惡化,可採f=2∼4  
  • 3.3 3/5<Ax≦2,採任何型式之批抽樣檢驗,用較小樣本數(AQL值不變)  
  • 3.4 2<Ax≦4,採批抽樣檢驗,但要加大樣本數(AQL值不變)  
  • 3.5 Ax>4,採全檢之短期對策,並要求治本、長期之改善措施及時程
      (以上可參考拙著,「品質經營實戰」乙書,第196頁,品質學會出版)

4.100%全檢是否有100%剔除效果探討
  各種檢測皆存有偵測能力限制〔Detectability〕,較主流的看法是,用人的感官檢查且合格的檢驗員只有0.7,靠人加設備、儀器、檢測者約0.8-.0.9,若用自動化設備、儀器檢測,可達0.9-0.99;除了偵測能力外尚有測試涵蓋率問題(Test Coverage),即此種測試可以測出多少零件比率是否正常,這和原先製程各測試站規劃有關,是設計進去的(Design for Test, DFT),若以整個製程角度言,測試涵蓋率為0.8全都用人的感官檢測,則整體測試有效性(Test Effectiveness)為0.8×0.7=0.56,因此不要相信全檢可以剔除所有問題,產品品質確是設計進去和製造出來,從源頭做對、做好才是治本之道。

5.抽檢、檢測的最終目的是免檢且客戶滿意,才是上上之策
  若製程不是很複雜,通常執行抽樣(或全檢)工作在進料驗收及成品出貨抽檢站,於進料部份就必須和採購訂定且建立一種自然優生劣敗的競爭環境,讓持續交貨的供應廠商保持最佳狀態,來源好了自然就可以推行進料免檢作業,當然也要訂定必要的免檢辦法,程序及管理指標、目標(如免檢率、各料號品質年度目標等);至於成品出貨免檢的前提在Px水準,其和製程直接通過率有直接關係,故應建立一個內部品質改善機制,持續不斷提升直通率,若客戶能滿意則出貨抽檢可予免除,很多例子這都可以做到,此才是品質推行的上上之策。

6.若使用不良率為管理指標時,執行上有否限制或該注意事項否
  不良率即發現的不良數除以檢驗數,除了全批設計問題(應另行追蹤改善)不予列入計算外,全檢的不良率可直接參考做為管理指標,但抽檢就必須考慮總樣本數要夠大才有參考價值,當製程不穩或小樣本的不良率是沒有參考價值的!所謂〝樣本數夠大〞要多大?主流看法是以前產品品質水準不良率導數的3倍,若前品質不良率為0.4%,則抽檢總樣本數至少為〔(1/0.4%)×3=750〕才有參考價值;這是從統計正確判斷機率角度考量。

7.於執行抽樣過程中,發現批品質水準有逐漸變好和變差情況下,抽樣可否調整
  當批品質有趨勢性變化時(變好或變差),於AQL值不變的前提下,若批有變好趨勢則採較小的樣本數,例如原使用105E表GⅡ,改用GⅠ方式抽樣有較小的樣本數,理由是比較能看出問題,因為允收機率Pa較低,反之若批有變差趨勢則採較大的樣本數(同前AQL值不變),理由同前比較能看出問題。
以上生活化道理也很好理解,〝變好時少看,變差時要多看〞!

8.當零組件不良率小於0.1%,即三位數及以下PPM時(500PPM,即三位數PPM),有否PPM 抽樣
抽樣檢驗必須同時考慮二件事,即〝批的正確判定機率及檢驗成本〞,若待驗批不良率很低(少於0.1%)以500 PPM 計之,為了有正確的允收機率 (Pa=95%),樣本數會很多(如n=750,c=1),自然檢驗成本就很高,所以不建議實施抽樣檢驗,以免檢入庫線上直接使用,於製程中發現該零件問題經收集累計計算後,將資訊交該零件供應商並要求改善,並要求符合方針管理的目標(各零件料號品質年度目標)。

四、結論和建議
檢驗與抽樣看似簡單的主題,但業界幾乎都誤解、錯用,知其然不知其所以然,以為了解各種〝抽樣計劃表〞就可以上手,該驗未驗、該省未省、不管來管、亂用資源、繆論誤導者到處皆是,其結果最終品質不見改善,只見公司投入許多資源(人員+設備),客戶卻沒有感覺有變好,這些都是沒有正確品質觀念和方法,本文所列正負面共16項,為筆者工作上常碰到問題,也是企業工作者疑惑所在,於此特予整理說明,希對企業同業有所助益,歡迎來電指教有關問題。 〔檢測看似事小,經轉換為公司文化形象由客戶定位,這就事大了!〕