品保主管技巧｜面對不同原理的量測機台，數據不同怎麼辦？

品保主管技巧｜面對不同原理的量測機台，數據不同怎麼辦？

一、前言：

相信外包管理的主管、RD朋友、統計系所、工業工程系所，應該經常都會被問到這一類問題吧！因此石頭哥藉由解惑之際，趕緊紀錄一下，方便你參考使用！

我們知道台灣半導體名聲響亮全球，很多design house也是Top 1，設計好然後外包給晶圓廠、封裝測試廠、零組件廠...，然後通過高溫高濕可靠度驗證、電性驗證、系統驗證...等等，這階段成為NPI階段。倘若沒問題之後，再進入量產階段，此時就可以源源不絕的組裝出貨給end customer。

好，今天你是管理外包管理的主管，你有兩個使命：

✅貨出去，才有錢進來，所以盡速量產。

✅品質不可以出問題。

兩個任務，卻一大堆任務需要你協調、判定，然後去串接起來，才會變成一條好品質、有效率的供應鏈。

今天，你找到了A零件廠進料，給B組裝廠組裝，現在面臨到雙方量測數據不同，這下烤到你了。總不能一直卡在這裡吧，怎麼辦？

二、不同的原理或許真有差異：

我想相同原理設計的機台，存在的差異叫做機差，大家都知道。問題是不同原理設計的機台，搞不好還真的存在不同原理本身的差異。但是你不可能讓專案持續擱置，直到你找到差異的原因吧。但是你又不是千手觀音什麼原理都清楚，怎麼辦？

好，今天A零件廠告訴你，他的量測原理採取雷射掃描；B組裝廠組裝告訴你，他量測原理採取白光干涉。Z軸量測就數據來看似乎差異好大啊，MSA、儀校都確認過了沒問題，連光源衰減你也確認過了，這下好了，怎麼辦？（補充：X, Y軸的量測，一般都不是問題；破壞性量測，則再現性不容易被驗證）

三、兩組數據是否存在統計上的差異 + 案例步驟教學：

舉例：今天甲班列出 10名學生的身高；乙班列出 10名學生的體重。我想知道甲班小朋友這學期長高，和乙班小朋友這學期體重增長，是否沒有顯著差異？

這時候，也許你會問：身高、體重可以比較嗎？答案是可以的，在統計上透過成對 t檢定，讓我們看 p-value是否大於 0.05%。當然，班級數多或許改採 F檢定也是一樣的道理的。

好，同樣的原理。真的千萬不要只看數據，今天讓我step by step陳述，你應該如何做才好。

✅Step 1. 數據收集與整理：

首先，確保所有數據已被正確記錄並以清晰的格式整理。先確認規格是多少？如果USL是65um，那麼數據在品質管理上應該要多一位量測誤差值才對啊，底下呈現的數據就明顯少了一位數。舉例：你已經有了兩組數據：

A零件廠量測數據：38, 52, 65, 64...共10個數據

B組裝廠量測數據：64, 41, 65, 48...共10個數據

✅Step 2.描述統計：

透過平均數、標準差、95%信心水準是多少？不良率會是多少？要了解這些數據的特徵。

🐳留一道問題給你思考：為何95%的信賴區間上限在55.67um，距離規格65um這麼遙遠，怎麼還會有不良率0.27%呢？來，這真的很有趣喔！

🐳就讀統計系、工業工程系的同學，值得你思考喔！

✅Step 3. 數據視覺化：

不要只看數據，你應該製作兩組數據的箱形圖，或是直方圖，這有助於直觀地比較兩組數據的分布、中位數、四分位數、離群值。箱型圖：Q1 - 1.5 x IQR, Q1, Median, Q3, Q3 + 1.5 x IQR、IQR = Q3 – Q1

如圖表，數據視覺化的好處是如我 T這組數據，就顯示有離群值，也許你應該針對該位置重新量測。

✅Step 4. 假設檢定：

虛無假設(H0): A = B；對立假設(H1): A ≠ B使用「t檢定」，評估數據上是否有統計上的顯著差異。這將幫助我們了解是否因為不同儀器導致數據差異。P-value > 0.05；顯示無顯著差異

✅Step 5. 解釋結果與報告：

基於上述分析，撰寫一份報告或進行演示，清楚地說明數據分析的結果和統計學意義。如果存在顯著差異，提出可能的原因（例如儀器校準、人員量測差異、治工具差異、歸零取共平面差異…等，這些都會造成累積變異）並討論如何解決這些差異。

四、無顯著差異之下，未來的作法如何 + 案例步驟教學：

既然無顯著差異，但是平均數仍然有差異，怎麼辦？🐳量測儀器的穩定性監控 (Follow IATF16949 MSA章節)

Step 1. 標準片的選擇：

1-1. 一批材料取兩個平均數一致的sample，當作標準件。

1-2. 標準件須做妥善放置，不可以壓傷損壞。

Step 2. 日常MSA穩定性量測：

2-1.雙方各保留一個，每天執行一次量測，量測 5回合。

Step 3. 數據分析：

3-1. 監控 30天，執行成對 t檢定，確認p-value有無顯著差異。

3-2. 倘若無，表示雙方量測儀器，都是處於穩定狀態。

3-3. 倘若當天有差異，表示量測設備異常，請及時通知廠商維護。

🐳製程的穩定性監控 (Follow IATF16949 SPC章節)

Step 1. SPC系統監控：

1-1. 每次出貨量測 x顆，並將數據輸入 SPC系統，採取平均數、變異數管制圖。

Step 2. 雙方數據比對：

2-1. 並將 x顆樣本提供 B廠商量測。

2-2. 執行成對 t檢定，確認雙方無顯著差異，持續量產的可行性。

Step 3. 規格設定：

3-1. A零件廠商：可以維持規格 65um；

3-2. B組裝廠商：可能他的規格需要為 65um + 穩定性量測的平均數差異。這樣才能讓彼此雙方的製程品質，都處於穩定的狀態下被管制著。

當然，你可以說：為何不買一台一樣品牌的量測設備呢？我想零組件廠商出貨給不同客戶，不太可以依據不同客戶備妥不同設備吧！因此，難免碰到這類問題，但是總得有人跳出來協助，不要讓量測問題成為瓶頸站點很重要。

五、小結：

有問題，歡迎留言討論，或是來函喔，讓我們持續在專業道路上更加精進。

根據這些結果，至少你可以很放心的持續讓產品量產，不會因為只是看到量測數據差異，就喊狼來了。儘管使用了不同量測原理的量測儀器，但兩組數據在統計學上並沒有顯示出方差或平均值的顯著差異。

這可能意味著兩個不同的儀器在這種情況下是互相一致的，至少你做了MSA量測系統分析、SPC統計製程管制確保製程的穩定性，所以出貨品質是毫無疑慮的，至於不同原理的差異，則可以擱置到後續慢慢了解再決定應該如何處理。

很棒，我喜歡透過統計，讓數字說話的人！這次碰到這種原理差異問題，造成彼此之間的堅持，總得有第三公證單位的顧問從旁協助，讓問題順利解決才不至於耽擱到專案吧！