活用品质知识-统计应用课件教材讲义

统计应用目录

一、前言

二、企业常见〝统计应用〞问题和盲点：

1.为统计而统计，迷失自己（憨憨用心做）

2.程序僵化，浪费资源（呆呆跟着做）

3.盲目死学，不如即学即用（死学不会做）

4.不知其所以然的误用（大胆放手做）

5.交给学统计的人负责（少数人在做）

6.未能融入管理方法去执行（不动脑筋做）

7.政客型的统计应用（活用为自己）

目录

三、何为正确的〝统计应用〞观念和执行方法1.「做对的事」(Dotherightthings)导向

2.管理及决策用之弹性统计应用

3.成功案例，普及化学习

4.统计要能融入工作和生活中

5.统计应用很简单，目的是否达成才重要

6.解决产品问题，技术为先，统计为辅，管理为终

7.统计解读化为简单事像和道理，使易于了解和执行

四、结论和建议

一、前言

企业所有决策和管理都离不开统计分析，它是一种过程也是一种不可缺少的工具，从模糊中找答案、摸索未知的未来、事象变成可量化的道理、推理成可执行的方案、证明并可预估未来、执行中的观察和管制等，都需要适当的统计方法去完成，于质量知识中自成体系，值得专章深入研讨，希对企业产生适当而正确思维，于不同时空可使用最适当的工具，以提升竞争力，同以前用〝负面表列〞和〝正面表列〞两种方式说明。

二、企业常见〝统计应用〞问题和盲点：

1.为统计而统计，迷失自己（憨憨用心做）

企业品保单位经常可见算一堆制程能力指数及成品参数能力指数，有的交客户参考，有的内部列表追踪，表面看似管理良好，成为品保制度的一部份，但从未去追究如何提高参数能力，例如有的特性参数为人工调整，能力本来就有限制不可能提高！有的为自动调整其设备能力是固定的，也不可能提高！有的为设计极限，除非改变目前的设计！这种量测且计算能力指数是无意义的，只是浪费人力资源！甚至有的参数能力极高（Cp值十几、二十几、三十几都可见），根本不会有问题，也在量测和计算，真是无聊！这就是为统计而统计的盲点！量测及追踪的目的是〝可能会变异的观察〞及〝如何可以变得更好〞，若此两种目的不存在，那何必投入资源呢！因此统计前要先自问统计的目的为何，若有需要才考虑数据如何取得、代表性为何，有否源流和层别概念等，务必数据来源是有代表性和正确性，执行统计才有意义！看报告的人（含客户）不要以为看不懂的数学就有学问，没有意义就不要要求去做！

二、企业常见〝统计应用〞问题和盲点：

2.程序僵化，浪费资源（呆呆跟着做）

用Excel或任何统计软件包皆可容易表达图形分布，即可分析数据是否符常态；许多以前的学习方式，例如使用不同型式的机率纸（韦氏、二项、卜式等）都可以免用了，只要于Excel软件中建入公式即自动运算，方便得很！

3.盲目死学，不如即学即用（死学不会做）

有人说〝既然统计对企业有帮助，那么新进员工就找有数学和统计背景者〞，这种似是而非定论到处可见！又如为推行〝6Sigma〞，先花半年的教育训练去培养绿带和黑带，才去解决问题，好像读大学先修所有统计学分，却不知我公司产品问题在那里，企业不是大学，因企业面对快速变化环境不但求生存，还要能快速成长，已不容许休息去充电，而是要能即学即用即改（修正）看结果，其实质量领域的统计很简单（只要高中数学基础就足够了！）只要从目的期望反向推理到过程要如何分析、要收集何种资料信息来分析，就知道统计的方法。二、企业常见〝统计应用〞问题和盲点：

4.不知其所以然的误用（大胆放手做）

A.生产线每天产量不一，甚至有时缺料没有生产，居然于生产线使用不良数（CChart）管制图，每日定时点绘，真不知其点绘管制图的目的是什么，只做一些浪费资源无用的数据

B.当某公司的不良率很低时（如低于0.3%），于出货抽检(称OQAorCA等)，每批抽检结果都点绘不良率管制图，因每批抽检样本不多（通常少于32件），当然绝大部份批不良率为0%，执行了十几二十几批突然发现有一个问题，若样本数为20，不良率就是5%，马上超出管制界限，这种做法是无意义的，因这个问题大致是正常的，并无超出管制界限；

C.对某群体执行数据分布，预估超出规格以外的机率为多少(OutofSpec机率)时，发现其样本为非常态，仍然在算Cp&Cpk&Outofspec比率！更有甚者，对于出勤率、流程时间、跳票率、结帐率等，也使用6sigma手法预估错误机率，这是走火入魔，因母体是人类社会行为，此人类行为是非常态的，怎么可以用常态的手法去预估呢！

二、企业常见〝统计应用〞问题和盲点：

4.不知其所以然的误用（大胆放手做）

D.管理狀态良好的公司，不但有质量目标，而且公司所有资源（管理者＋技术者）皆努力提高制程良率（反之即不良率），居然也大而方之做不良率管制图，有管制界限这是无意义的！因原始数据已非常态且受外力干扰（管理者及技术者的努力，此为正面干扰，破坏常态分布的自然变化前题），就不适合做管制图，应修正改为不良率趋势图(TrendChart)并加注管理的目标线即可；

E.若我们已从趋势图看出有某种倾向（应即可定论做后续决策），居然还有人使用〝假说检定〞，试证明此趋势（正向或负向）是正确与否，外加机率正确率有多少，真是无聊至极！

F.有的工程师对于物性很了解，经实验证明可解决某特定问题（以技术角度去解决），偏偏就有别的工程师(如用DFSS，DesignForSixSigma)用实验计划法(DesignofExperiment)花四个月时间找到解决方案虽然答案相同，但前者（技术角度）只花一星期，而后者（统计角度）却要花四个月，后者不是傻瓜是什么，要知道当我们完全不了解的新技术或无法解决的瓶颈时，才适合用统计的方法去找答案，若为旧技术的延伸，请用技术角度去解决才能事半而功倍！以上尚有许多实例不胜枚举都未能回归原点，知其然不知其所以然是也，请将统计好好消化，才去使用！二、企业常见〝统计应用〞问题和盲点：

5.交给学统计的人负责（少数人在做）

不要把6sigma看成伟大的数学统计，只要高中数学就足够了，从产品角度要了解产品设计，要了解制造过程，要了解客户及使用者如何评价我们的产品，要了解自己的成本结构，才有能力知道什么是最重要又没有做，接着才成立主题，各种小组分别去推行，过程中所需的方法（含统计手法）适时予教导训练，即学即用即可推展，因此推行6sigma的成功因素，统计方法的影响度少之又少，把不重要的当成〝核心技能〞去安排，当然命运已定，失败成局！统计应用不可成为少数人在做的技术，而要普及成为简单易行的日常工具！

二、企业常见〝统计应用〞问题和盲点：

6.未能融入管理方法去执行（不动脑筋做）

管理就是要结果求效益，用最少的资源，获得最大效果或利益，当我们在执行例行事务就有需要应用统计手法去修正我们执行方式，达到最高成本效益，例如：

A.产品精密测试且计算制程能力，若已确认有明显变好或变坏时，其量测样本数及频率就有必要修正；

B.于执行稽核时，若发现经常某些事务易失误，不但要列入查核表重点项目中，而且要向上反映是否构建永不再发的对策，反之常犯的问题若已永久性消失，于查核表中该项目就可移除；

C.制程各检测及作业站若有需要执行SPC（统计制程管制），除要求该站责任者自行点绘制作外，更需教导如何看变化、趋势、异常等，以及后续如何回馈、回应和采取对策（亦可利用内部e化处理），经观察一段时间（可订每季）再决定是否修正目前执行方式或维持目前的做法；

二、企业常见〝统计应用〞问题和盲点：

6.未能融入管理方法去执行（不动脑筋做）

6.未能融入管理方法去执行（不动脑筋做）

D.于出货前抽检，经统计发现有的产品非常稳，几乎零缺点（或已符合客户要求水平），就有需要修正我们的抽检执行方式（少样本数或跳批或免检），反之不稳定产品且有惡化趋势，也需要修正执行方式，如采大样本数或全检，此相同的道理可用于不同的批抽样；

E.管理循环的P/D/C/A或D/C/A/P(Plan,Do,Check,Action)，其过程有需要运用相关统计手法，但要记住还是管理之下的统计为辅，它只是工具产生有价值的信息，供我们分析做出管理决策，不要本末倒置，不动脑筋，不知调整和修正。

二、企业常见〝统计应用〞问题和盲点：

7.政客型的统计应用（活用为自己）

A.计算制程能力Cp时，sigma未见改善，但规格放宽，自然Cp变高变好了；

B.开会前先收集、统计别单位的问题，开会时炮打别人，移开焦点，保护自己；

C.主办教育责任者，因自己疏失就假藉学员意见调查，做出假资料数落讲师不好，自己就可以安然无恙；

D.修正数据分布，修改SPC资料，看似产品良好制程稳定，市场反应却没有变好或更差；

E.修改实验数据，使用不同环境和信赖度表达，看似产品可靠度（即寿限、经久耐用的特性）变好，其实可靠度本质未变或更差；

F.产品开发之验证测试，有重大问题不公布、不上报、〝大事化小、小事化无〞，产品开发看似成功，上市后才知大势已去！这种政客型的企业工作者到处可见，其亦有共通性特质：「心术不正，技巧成熟，善于伪装，为己是真！」，经营者无法分辨何者对企业有贡献，使〝政客型〞员工成为决策者，那就是灾难的开始，损失受害的是企业全体员工，不可不慎！从统计应用观点，政客型员工会活用统计，假藉统计，背后隐藏的是「为自己，保护自己」。三、何为正确的〝统计应用〞观念和执行方法

1.「做对的事」(Dotherightthings)导向

统计是将零散数据整理变成有用的信息，以利决策做出正确判断，这就是一开始就要做对，效果最大，例如下列的应用层面：

A.预估、预测用，抽样检验由小样本来预估母群体特性，管制图数据来预估母群体分布情形，由持续性资料收集预测未来走向趋势，由技术发展分布图预测未来发展方向，从产品零件应力分析及零件计数来预估未来成熟产品的可靠度等，此统计应用着重〝正确判断〞（即正确性）；

B.异常或正常的辨识用，正在执行中的管制图辨识，若异常应有深入分析及相对应行动，进料验收或我方的精密量测，了解数据分布是否正常，若量测值皆合格，但分布异常仍然要深入了解和分析，零散个别资料的假说检定，是真（异常）或假（正常），数据经图示的相关回归分析，了解其趋势走向是正常或异常或不相干，此类倾向于监督、了解，异常时有否必要采相对应措施；三、何为正确的〝统计应用〞观念和执行方法

1.「做对的事」(Dotherightthings)导向

C.标准、规范、准则用，从零件故障模式分析及资料统计，建立零件使用准则，另从平时生产发生的问题，如组装、调整等建立制造性（易制化）设计准则（DesignforMFG），从检测统计中，了解侦测能力及测试涵盖率，建立易测试性（DesignforTest），从检修产品及统计分类中，了解电子产品基板布局适当性，建立基板布局准则，从生产不良率的统计及分析中，去了解有关制程变异参数特性，进而建立制程管制标准（或称QC工程图）；

D.开发新技术用，若发现设计瓶颈、良率限制、成本难以突破等，且已超越我方现有技术能力范围，则可运用实验计划法或田口方法开发新的技术；

E.提高产品可靠度用，若为系统可靠度则可利用串并联方法及统计方法去证明达成，若为系统组件匹配问题，则可利用故障分析(FTA)及数学上的简化使用最少的零组件，达到相同的设计目标，并可提升可靠度，若为设计盲点不知产品弱点，则可利用逐步应力测试(SST)及故障分析，来提升产品的可靠度。

三、何为正确的〝统计应用〞观念和执行方法

2.管理及决策用之弹性统计应用

在（1970年代）业界不良率都以百分比计之，日本松下体系推出PPM（百万分之一）管理极为先进，从松下内部统计资料，X轴为年度，Y轴为不良PPM，经十几年努力下来其品质已达数百PPM（即0.1%＝1000PPM）。但以目前知识角度回去评论，就觉得日本松下表达甚为幼稚，因X轴用年度表达时间太长，已不符目前快速变化环境，再者十几年才达PPM，以目前来看已无竞争力，虽然不能用现在标准去评论过去，但有关统计表达方式是有持续改善的空间，例如：

A.通常X轴为定格时间，弹性不足可改为年、季、月、周同在X轴比较，只要Y轴是经转换的比率值（如平均、标准差、良率等），皆有比较参考及了解趋势的价值；

B.改善前后变化及比较，通常以两个不同时点以柏拉图比较也太死板，我们可改用依许多时间变化(X轴)表列数字方式，即可全盘了解而不是固定的两个时点；

C.从上述两项即可了解，时间序列的问题排列，以最近时点的前三项找真因下对策，会议中检讨并列入追踪；

D.建立生产暨质量之管理指针（如：财务性、生产力、品质性、速度性等）且与年度经营计划联结，使用弹性绩效统计方式定期追踪、检讨若能落实，不出三年就可为业界领导者！其实以上的资料统计很简单，易懂、易追踪且为持续性，不需烦杂各种花俏图形或表列推移图等，即可达成管理或决策用之目的。三、何为正确的〝统计应用〞观念和执行方法

3.成功案例，普及化学习

统计要变成很简单，可普及化学习，把难以做答的〝申论题〞变成〝填空题〞如工作底稿，只要填入必要的原始资料，答案即可自动产生，方便管理者做决定采对策，例如：

A.制程会有异常处理，累积足够报告即可整理出普及化的〝工作底稿〞，而重点在知识学习和如何防范再发；

B.每个不同项目结束，皆可整理出结案报告（例如：主题选定、背景理由、现狀把握、真因分析、对策拟定、评估与执行、效果确认、标准化建立、残留问题等），经整理分类成为员工学习活教材；

C.工程变更评估及工程失败分析，此类技术性文件，通常需要统计用以评估适当否，或分析其物性特质、特性，我们亦可依产品及零件属性建立不同的工作底稿，统计部份可内建统计运算公式或相关图形表达，把困难的技术评估、分析，变成人人方便使用的格式，才是统计应用的精神，再次强调不可成为少数人才懂的学问！

三、何为正确的〝统计应用〞观念和执行方法

4.统计要能融入工作和生活中

统计工具是用来解决问题使之能事半而功倍，是必须融入职场工作中，甚或平时生活中成为一种知识或常识，因此企业职场学统计要从例行工作中出发。例如：

A.产品企划阶段，是要订定产品策略、销售策略和方案、产品定位和规格等，从市场调查开始，经资料收集、整理（统计）、分析，找出市场机会和产品来，此阶段的统计宜用图示表达，如市场需求分析、主要竞争者分析、市场售价及成本分析、主零件来源分析、产品定位分析、行销策略分析等，不需高深的统计学理即可执行；

B.产品研发阶段，主要在执行面的〝研发项目管理〞，只有在产品特性分析、新技术开发、问题或瓶颈解决时，才会用到统计工具，如数据分布概念、应力分布概念、相关回归概念、实验计划法(DOE)等；

C.试产和生产阶段，主要在设计质量验证及展示，量产之质量监督、制程参数设定、制程异常处理等，有关统计应用范围有统计制程管制（SPC）、抽样计划检测概念、新旧品管七工具、相关与回归、实验计划法(DOE)等；

D.市场售后服务阶段，主要于市场维修信息，如何整理、归类至各不同产品机种，用于可靠度展示及修正原可靠度预估方法，和质量暨可靠度分析及改善，需源流和层别概念，表达绩效可用推移图，对于个别问题研究分析，同研发和生产阶段所需的统计工具。三、何为正确的〝统计应用〞观念和执行方法

5.统计应用很简单，目的是否达成才重要

所有企业所需的统计工具，皆可由软件完成（如〝MiNiTab〞、〝Excel〞、〝Relex〞等），只要了解如何使用该软件（操作面），有关烦杂的数学统计就变得很简单，不管使用何种软件，我们在乎的是：

A.正确性：推论及预测用，是否正确甚至风险可界定（即误差范围）；

B.中庸性：检定及回归分析、数据分布的代表性，希望是不偏不倚，代表中间的大部份；

C.比较性：两种及以上小群体的比较，在相同基础上有比较且把差异量化或图示出来；

D.趋势性：需观察或监督用，要了解其变化属性和脉络趋势，可能的话也把未来可能走向趋势预测出来；

E.函数性：若只用图形表示只代表当时事件狀态，重要的是可否依此事理延伸，那就需要用数学函数表达，更有延续性；

以上最终目的需要可分析、预测、评估的结论，以利完成所需的计划、方案、对策和决策之用，除了统计应用知识外，对事件的逻辑解析、项目管理、创新突破、组织归纳之能力更为重要！

三、何为正确的〝统计应用〞观念和执行方法

6.解决产品问题，技术为先，统计为辅，管理为终

无论产品在厂内或客户端出了问题，除了暂时止血对策使伤害最小外，接下来就是问题分析找出真因，此时要以物性技术角度剖析，一阶阶展开，把相互关系厘清，真因自然就显现出来，若有必要做一些物性实验、试验去证明或澄清技术上的疑点，若好的产品能仿真出相同现象的不良，即能证明找到真因，这些过程都必须以技术基础去联贯所有物性逻辑。

三、何为正确的〝统计应用〞观念和执行方法

7.统计解读化为简单事像和道理，使易于了解和执行

统计于企业应用要用易理解的语言去解读，易于了解自然就会有更多人会去使用，例如：

A.「当批质量逐渐变好，可采较少样本数