|
01 误用：批退率作为管理指标
如我们对100批作 抽样检验，结果有15批判退，则批退率（Lot Rejective Ratio）为15%，这容易让我们误解为不好的比率有15%，但实际不良率和不良批的意义是不同的。
其实如过程不良率（即产 品质量水平）为0.4%，且我们用 AQL0.4%抽样，其批退率仍有5%是正常的，这是误判的 风险概率，而我们的感觉却认为不良有5%（实际上不良率是0.4%）并为此感到不安。
除此之外，判退过程经常容易受人为因素的干扰而更会显得失真。更有甚者，用批退率来点绘趋势推移图作为管理的参考指标，这是无意义及无效的行为。
所以不能用批退率作为 质量管理指标的主要原因有二个：一是统计的误判率5%，另一个是实际人为干扰的失真。 过程平均 process average 在规定的时段或生产量内质量水平的平均。
注：过程平均是过程处于统计控制状态期间的质量水平（不合格品百分数或每百单位产品不合格数）的平均。
02 盲点：为抽样而抽样，不管产品质量水平为何
检验员执行抽样检验前，通常不去了解过程不良率是多少，就执行批抽样，这是不适当的。
因为抽样的前提必须是“过程不良率”和AQL值接近，才来判断此批质量水平是否合格可接受。
例如AQL0.25%，而过程不良率为2%左右，明显可知不用抽样即可退货，因为其质量水平与期望可接受的质量水平（AQL）相差太大。不要为抽样而抽样，这时应先假设为退货状态，再实施100%全检才对。 接收质量限 acceptance quality limit 当一个连续系列批被提交验收抽样时，可容忍的最差过程平均质量水平。
注1：仅当抽样计划具有转移规则和暂停规则时使用此术语。
注2：尽管具有质量与接收质量限同样差的批也可能以较高的概率被接收，但所指定的接收质量限并不表示接收质量限就是所希望的质量水平。
本部分中的抽样计划及其转移规则和暂停抽样检验规则是为鼓励供方具有比AQL一贯地好的过程平均而设计的。
如果过程平均不比AQL一贯地好，就会有转移到加严检验，使接收准则变得更加严厉的风险。一旦进行加严检验，必须采取 质量改进措施对过程质量进行改进，不然可能导致暂停抽样检验。
这种盲点是因不了解抽样检验的本质，是“用来判定批质量水平”，当此批的质量水平接近允收水平，而我们还不是很确定时，才来执行抽样检验。
如不管过程不良率即抽检，不但无法正确判断好的批，而且将付出大量无效的检验工时人力。
03 错误观念：较严的AQL值可提升产品质量
企业 质量管理中，经常可以听到使用较严的AQL值来提高产品质量，例如客户同意AQL1.0%（意即客户期望产品质量在不良率1%及以下可以接受），卖方为保证交更好的产品给客户，自动将AQL值修正为0.4%来长期执行抽样。这种观念是不对的。
把产品质量做好的前提是如何把“过程不良率”下降，而抽样是用来“判定批的好与坏”，而不是用来“提升产品质量”的。
较严的AQL值的效果，充其量只是增加退货概率，然后实施全检，对整体质量水平提升效果极为有限，因为增加退货概率不高（低于10%），再加上误判及人为干扰，效果微不足道。
用检验（全检）来提升产品质量已是下下之策，因质量不是靠检验出来的。更何况用抽样的方法来提升产品质量，浪费公司大量资源，质量还是做不好。
04 效果有限：最终成品采用多次全检
如最终产品质量水平确实不好，客户的订单也必须要交，长期对策远水救不了近火，先救急可出货前提下，只有安排下下之策去作全检，如再不满意则实施第二次、第三次的全检，这种不得已对策的有效性值得探讨。 根据实验及世界级公司内部的报告，如检验靠人的感官且训练合格的检验员，其第1次全检效果，即可挑出不良品的能力为70%，对同一批再作第二次全检效果则只有20%上下，如同批再第三次全检，则几乎再也挑不出问题来，如同批再作第四次全检，则不但挑不出问，反而产生新的问题（以外观问题为主）。 例如原质量水平不良率Px＝10%，第1次全检则为Px1＝3%，第2次全检Px2＝2.4%，第3次全检Px3约2.4%上下，第3次在3%上下，因此最终成品采取多次全检的效果有限，最多2次为宜！
质量是没办法靠检验出来的，最终还是需要每个环节的源头做好和做对，产品质量是设计进去和制造做出来的。
看到大部分公司（尤其传统产业）的质量部门只做“抽验、检测、退货‘的基本工作，且长期下来产品质量一点改善也没有。
曾有一位科技公司的 质量经理，告诉我目前质量已大有进步，是因为检验员大量抓问题，长期作批退所致，这种似是而非的代价是使用大量的检验员，且质量人员比率已超过同行业二倍以上，这种质量经理真是可悲，连自已错在那里都不知道。
既然产品质量是设计进去和制造出来，自然质量和设计单位、制造单位有直接关系，那么质量单位要做什么？角色定位为何？如果身为质量部门经理以上管理者都不知道，真是太欠缺职业能力了。
检测工作只是了解真相和收集信息资料的基本工作，重要的是后续如何影响设计和制造部门，能自动自发把自己的工作做好，以节省资源和 成本才是上策，因此质量部门真正要做的是"联络、沟通和整合"。
人的因素比专业因素还重要，要外圆内方，以"短期解决问题，长期创造价值"的自我定位，对内可降低营运成本，对外可凭借质量满意带来客户。
质量可塑造正面的企业文化而持续获益，这才是质量等而上的最高境界。
06 误解谬论：零缺点是"只要抓到1个问题即拒收"
零缺点的精神就是"追求完美"，在有限的时间、知识、能力、 设备下，追求最完美的演出，是一种精神和工作态度，追求完美不是不能容许瑕疵。
现在有些客户的工程师把零缺点解读为"不管样本数多少，只要抓到1个问题全批即拒收"，这是半桶水的人对零缺点的误解。
要知道所有抽样理论都来自操作曲线 (OC Curve)，样本数(n)及允收合格判定数(c)确定，则 OC曲线才固定，若不管样本数(n大小)多少，即表示有无数条的OC 曲线，抽样即无一定 标准可循，强作抽样再予以判定，就是”霸王硬上弓“。要批退很容易，只要样本数越大，退货概率就越高，这对卖方是不公平的。
如有这种质量协议，是不能签的。假如验收合约只说明零缺点精神，未说明允收水平(AQL)或出货质量水平(SPQL)，就请买方进一步解读。
如有说明样本数(n)及判定数(C)，或提出SPQL值，即表示验收有一定标准，是对的。如买方解读为不管样本数大小且C＝0（不允许有1个问题），卖方可据理力争。如真的讲不通又没有其它途径解决，且公司一定要接单，则卖方可采取小批量分批出货的方式来应对。
07 其它抽样计划的误用
工作中有时候听到或看到误用抽样计划的情形。
例如A： 采用 计量值的抽样计划，不去注意数据分布是否正态，就作使用，导致误判概率大增，其实现在统计软件很方便，数据分布容易图示，数据正态后再考虑计量值抽样。
例如B： 使用连续生产型抽样计划的前提，必须制程稳定且是连续性生产。自动化设备制程较易稳定且持续产出，但大量人工的装配工厂，制程较不易稳定，因人多、零件多的变化高，若遇缺料就不是连续性生产，因而不宜使用连续生产型的抽样计划。
最近居然听到有韩国大厂交面板给国内某组装厂，要求客户使用连续生产型抽样，理由是此韩国大厂都是这样被验收的，自己错了也要求别人一起犯错！
要知道交货给客户是以批量为单位，非连续性供货，而且面板产品是靠技术性人工组装的，制程充满不确定性，何来稳定，故韩国大厂误用了抽样计划。
08 没有不良率控制图，只有不良率趋势图
控制图的前提必须制程稳定，其变异是自然随机呈 正态分布，故依据统计原理订定控制上限及下限，即中心线±3倍标准差，假如制程受到正面或负面的不正常干扰，其分布自然就不是正态，就不可使用控制图。
组装厂通常用不良率或良率作为质量 绩效，组装厂因人多、零件多制程较不易稳定，加上管理者要求和介入去降低不良率（即为正面干扰，使分布不为正态），所以不良率是不能使用控制图的，要用趋势图（Trend Chart）取代。
除了去了解推移趋势外，还要加入管理的目标线，不断要求设法解决问题达成目标，此从管理角度才有意义，不要抱着死统计不消化！
因此，”没有不良率控制图，只有不良率趋势图“。
| 
[复制链接]
发表于 2023-3-13 08:02:41
发表于 2024-3-14 10:52:02
发表于 2023-3-13 10:43:56
发表于 2023-3-13 09:45:33