圖片來源:石頭哥透過Canva設計
日安,我的朋友,我是石頭哥-你的職涯導師!我們常會問工程師,解決問題比較容易,還是找方法?不要一發生問題就急著下對策,甚至執行DOE實驗設計去調整參數,這是當主管相當忌諱的事情!因為有可能只是小問題,你一誤判,參數一調整衍生出來其他的問題你沒發現,那個失控風險的損失可能上百倍千倍啊。今天就讓我們來聊聊:問題是異常嗎?還是能力不足呢?
「主管,這批產品良率突然掉到85%,參數都調三輪了,DOE也跑過,為什麼越調越糟?」凌晨兩點,產線輪班工程師的求救電話鐵定能讓你瞬間清醒。到現場一看,溫度感測器的保護膜破損,導致數值飄移——這根本不是製程問題,只是設備異常。
這場景你熟悉嗎?許多工程師一看到數據波動,就直覺反應:「調參數!跑DOE!」 但真相是:量產階段的製程參數本該像定海神針,除非有結構性變因(如材料換供應商、設備老化),否則頻繁調整只會讓生產線陷入「越救火,火越大」的惡性循環。
我的好麻吉劉老就曾經歷過這慘痛的經驗,他說他接手一個射出成型案,原團隊為了解決毛邊問題,半年內修改保壓參數12次。結果呢?每次參數變動都引發尺寸變異、週期時間拉長,客戶差點取消訂單。拆開模具才發現,根本是排氣槽設計錯誤——這屬於「製程能力不足」,而非參數異常。
要避免誤判,關鍵在建立「問題歸因」的系統化思維。分享我的實戰框架:
實例:某封裝廠焊線強度波動大,工程師以為是超音波功率不穩(異常),但分析3個月數據發現,Cpk僅0.89,且強度與線徑呈現負相關——根本是來料線徑公差設計錯誤(能力不足)。
將問題拆解為「人機料法環」五層,透過交叉比對縮小範圍:
經典案例:某OCB廠電性測試Fail率飆高,工程師想重調蝕刻配方,我卻要求先查氣壓管線——果然發現氮氣純度異常,供應商誤送工業級氣體。
實戰拆解:某車廠螺絲扭力合格率僅91%,原團隊不斷微調鎖付參數。我們重新計算發現,現有治具精度±8%,但產品要求±5%——這屬於「公差疊加超出規格」,必須升級治具結構,而非調整參數。
真相:DOE適用於「已知關鍵因子」的優化,但若連問題層級都搞錯,實驗設計只是瞎忙。曾有團隊用DOE調校20個參數,最後發現問題是倉庫濕度超標——這需要的是除濕機,不是參數模型。
真相:所有量產都有自然變異(Common Cause),強求零波動反而過度干涉。就像體溫正常範圍是36~37°C,若因單次量到36.1°C就吃退燒藥,只會搞垮身體。
真相:參數變動需要重新驗證可靠度,隱形成本驚人。某PCB廠為提升孔銅厚度,將電鍍電流提高5%,三個月後出現微短路——參數調整引發的副作用,往往比原問題更致命。
要擺脫救火隊命運,就要建立預警系統。你的團隊必備三張戰情圖:
《小結:工程師是一條漫長的修煉》
你,就是自己職涯的CEO。當你習慣用「調參數」解決問題,就像醫生只會開止痛藥。真正的高手,會從產線的「咳嗽聲」聽出是感冒還是肺癌。這條路走起來不容易,但當你練就這雙火眼金睛,你就是產線上最值錢的工程師。加油喔,我的朋友,讓我們一起玩樂、一起學習,一起預見更棒的自己吧!