Applications


Deming Communities
Profound Knowledge
Network
Applications
Essays
Books


簡介Shainin氏實驗計劃七大手法(1998/12)

Shainin氏生平簡介及貢獻

要介紹品質工程﹐範圍要全而又不偏頗的話﹐除了一般人熟知的田口品質工程外﹐應介紹戴明博士所言的分析性研究(analytical studies)及其在SPC與實驗計劃的應用﹐最好能參考Moen , Nolan和Provost三氏寫的《由實驗設計來改善品質》﹐文章可參閱拙文《談品質工程》、《應用統計學家愛德華•戴明的理論及展望》。當然﹐正統而優秀的實驗計劃﹐仍是以開山始祖R. A. Fisher的著作為主﹐不過﹐威士康辛大學三位統計名家G. E. P. Box﹐兩位Hunter氏的《實驗者用統計學》為最佳教本﹐該書自1978年出版以來﹐已印了約29刷。《朱蘭品管手冊第四版》中﹐對實驗計劃有最持平、完整的簡介(參考第26章)。

除了上述兩派之外﹐不可不談一怪傑的一些想法﹐此人即Dorian Shainin在品質工程上的貢獻﹐他現在組了一家顧問公司﹐名為Shainin Consultants , Inc。個人以前任職的Motorola公司﹐在80年代聘他為顧問﹐在「摩托羅拉大學設立前」時期﹐公司內編了一套界於「基本統計」與「實驗計劃」之間的「降低變異」之課程﹐稱之為〝應用診斷工具〞。另外﹐我服務的〝汽車暨工業用電子事業部(AIEG)〞的Bhote Keki先生﹐成為Shainin氏的信徒﹐跟他去發展、推廣Shainin氏所研究的許多品質工程及實驗計劃手法(大多在美有註冊商標)。Keki氏有心人也﹐十年後(1991)幫Shainin氏出了本《世界級品質》﹐內容如附表一﹐都以AIEG的個案為主(M公司內尚有許多有版權的半導體個案)﹐闡述Shainin體系的優秀無以倫比﹐大力抨擊田口流品質工程﹐並譽D. Shainin氏為世界第三順位的品質大師﹐即第一名戴明也﹐第二名朱蘭也﹐第三名當然是Shainin氏了。

其實許多熟知SPC的人﹐大多聽過Shainin氏﹐因為他推廣的「預先管制(Precontrol)」﹐早在朱蘭博士的第三版〝品質管制手冊〞中即有介紹。劉振老師在十餘年前﹐就在《品質管制月刊》上(第23卷第一期)發表文章介紹。用心的讀者﹐當然不陌生。不過﹐Shainin氏大為人所熟知的﹐也許是在朱蘭博士第四版(1989)的《朱蘭氏品質管制手冊》中的《統計製程品管 SPC》(24,1)章節﹐這簡直是給Shainin父子最大的肯定和鼓舞。可是這些都不足以深入了解Shainin派的東西﹐因為撰寫《朱蘭氏品質管制手冊》時﹐必須力求公允﹐只能點到為止。本文根據上述一些資料﹐介紹Shainin氏方法供會友參考。本文不涉及評價問題﹐我的出發點不只是述而不作﹐更是基於提倡改善「工具」的人﹐都值得大家肯定的用意。關於這一學派的一些評價﹐請參考拙作《A公司與B公司─銲錫製程的故事》。

Dorian Shainin從1975年從事專業顧問工作以來﹐至1990年初﹐在歐美已有750家客戶。他是MIT畢業生﹐最先是在1943年發展其Lot Plot(批繪允收抽樣法﹐請參考Grant教授的《統計品管》表25,17等)手法開始﹐並稱其各種策略為〝統計工程〞﹐他在1952年加入Rath&Strong經營管理顧問公司﹐退休時的職銜為〝統計工程副總裁〞。他有許多榮譽﹐幾乎囊括過ASQC所有的大獎、Brumbaugh獎、Edwards獎、Grant獎及最崇高的Shewhart獎。他是位合格的品質及可靠性工程師、經營管理顧問師﹐也獲得國際品質學院(IAQ)的院士(Academician﹐據該學院院士王晃三博士的消息﹐此榮銜全世界只有70人)。

他也與田口先生一樣﹐以父子合作檔方式活躍於業界﹐近日以製造的品質管制、產品可靠性、研究與發展等活動上的創造性暨分析性問題解決方法。他訓練過數千名工程師﹐目標是使他們能應用各種Shainin氏技術﹐成為〝變異的偵探(a variation detective)〞。也就是說﹐他的終生職志﹐也是與「變異」搏鬥﹐設法降低之。這當然是統計學顧問們的最終主題﹐例如戴明博士曾說﹐他終生 以研究如何降低變異為主﹐所以英國戴明協會的月刊以〝Variation(每字母大小漸小)〞來取名。他50餘年來的努力﹐已發展出一套至少有24手法(技術)的〝Shainin氏品質與可靠性改善系統〞﹐可以依據客戶的目標﹐選出各種手法合成適用的策略。我們要簡介的〝實驗計劃七大手法〞﹐即是此本尊之一重要分身。

我必須聲明各種技術、方法﹐常因個人的偏好及際遇而定。譬如D. Shainin在《世界級品質》序言中娓娓談述他在80年代初M公司如何大行其道的故事﹐可是我在1985-1986年去該事業部門時﹐發現他的總裁信正統的SPC及實驗計劃﹐現場上沒看到「預先管制圖」(多-R及管制圖)﹔該總裁也在讀了Box等人的《實驗者用統計》而大受感動﹐要求我們所有的新產品開發都要有「實驗計劃書」。

換句話說﹐我認為統計學或品質工程的各種手法﹐都只不過是我們了解「製程之聲」的手段而已。Keki的書中有許多簡單手法而發揮大效率的例子及論述﹐簡潔有力。我認為該書固然太簡化所謂〝世界級品質〞﹐可是我認為該書對Shainin派作了最簡潔有力的介紹。該書可在中央研究院統計研究所找到﹐中文重點及融合作品﹐也可參考我以後出版的作品。本文所指的頁數﹐大抵以《世界級品質》為本。

從「應用診斷工具」到「實驗計劃七大工具」

他們認為90%的美國公司不知道如何解決長期、慢性的品質問題。而要先懂得方法﹐才算進入狀況﹐才能超過要求的零缺點﹐規格上邁向符合目標值及零變異的目標。該書批評西方傳統式部份因子實驗法及田口法﹐都是犧牲掉因子的交互作用﹐不像它的方法學﹐先利用各種多變異圖(層別法等)客觀診斷出「製程之聲」的各種暗示﹐Shainin法採用逐次約五因子一齊改變各因子之水平﹐以有效而經濟的方式找出根本原因﹐控制變數(含交互作用)﹐所以不會像田口法般﹐大多找主效果﹐以致到後來的生產上仍跑出交互作用之效果(P.217)。下述為三種實驗計劃法的比較(P.51)。

特性 經典派 田口派 Shainin派
主要技術 部分因子法

進化式操作法(EVOP)

直交表 多變異圖﹐組件尋找

配對比較﹐變數尋找﹐全因子﹐ B vs.C

由散佈圖定規格法等等

效益 在無交互作用下可有20-200%改善

有交互作用下效果不佳﹐效果會有反副作用、式微

有限度的最佳化

在無交互作用下可有20-100%改善

有交互作用下效果極微﹐效果在量產時可式微

極有限度之最佳化

即使在有交互作用下﹐也可有100-1000%改善﹐甚至有10,000%的改善

很少有副作用、式微現象

最大可能之最佳化

成本/時間 不高(作8至50次實驗即可) 如果無交互作用﹐內直交表只須作8至36次實驗

有交互作用時成本極高(同樣試驗或作幾次﹐內外直交表合起來要做64至300多次實驗)

低(3至30次實驗)
複雜 不高

需要了解ANOVA

要3至4天的訓練

內、外直交表複乘

需要了解S/N比及ANOVA

要3至10天訓練

數學簡單得不可思議

1至2天訓練即可

統計效度

由於採飽和設計﹐主效應與交互作用含混不清

極飽和之設計﹐極無法分別主效應與交互作用

在標準差與平均值比固定下﹐S/N比才有效

要使設計對雜音〝穩健〞的用心很好﹐然而達成的手段很差

非隨機化─極顯著的缺點

主效應與高、低之交互作用﹐顯然可分別

多樣化

只有二工具

只有一工具

有七手法可應付範圍很廣的問題

範圍

(按﹕我不認為硬體絕對需要﹐只要你有模式可模擬。)

需要硬體

主要用在生產上

如果輸入/輸出的公式已知﹐可以用於設計階段

主要用在預產(preproduction)

需要硬體

可用在原型階段、預產、生產各階段

實行容易 普通

要有統計及電腦知識

工程師對其複雜常感挫折

要有統計及電腦知識

工程師會因太複雜而效果微﹐所以退避三舍

需要少量的統計知識

工程師、生產人員、直接工及供應商都會近悅遠來﹐並受到良好結果的鼓舞

 

 

你看完表之後﹐一定被他的〝賣瓜者自賣自誇〞(簡單、合乎邏輯、實用、應用範圍廣、統計上精確有力、效果好)所吸引﹐而想一窺究竟。反之﹐有些人一定很不以為然。我因為了解三派的心結﹐所以微笑不語﹐只是述而不作。不過﹐我肯述而不作﹐也代表我認為Shainin系統是值得推廣的。

「實驗計劃的七大手法」又是何方神聖呢﹖我們把《世界級品質》上的系統圖表列出來給你參考﹕

實驗計劃七大工具要點

工具 目標 應用範圍 何時適用 樣本大小
多變異圖 降低極多數不相關、不可管理的原因到少數而相關的原因﹐如各時間之間、零件之間、零件內部、機械之間、測試位置之間等

缺點之非隨後趨勢

給產品/製程如何運作之快照﹐而不用大量之歷史資料(它功用有限)

取代製程能力研究

也可應用到某些白領服務部門業務

在工程小量運作、生產小量試作﹐或在生產時 至少9-15或直至已捕獲80%的過去變異
組件尋找 從成千上百的組件/次裝配中﹐找出紅×﹐找出所有重要主效應及交互作用之大小 兩性能不同之裝配(一〝好〞一〝壞〞)而組件可互換者 所有原型、工程試作、生產試作或到現場用 2
配對比較 決定一對性能(績效)不同的產品的重複性不同﹐而找出紅×之暗示 在兩性能不同之裝配(一〝好〞一〝壞〞)而又無法拆裝者 同〝組件尋找〞 4至8對〝好〞及〝壞〞之產品
變數尋找 確定指出紅×、粉紅×等

找出所有重要的主效應及交互作用之大小

放寬所有不重要的變數之容差來降低成本

5至20變數待調查

絕佳的問題預防工具

絕佳的R&D﹐開發工程和生產上之產品/製程特性化

在多變異圖及配對比較中找出紅×

1至20
全因子 同〝變數尋找〞 實用上2至4變數 與變異尋找相同 1至20
B vs.C 依一定的統計信賴(通常為95%)確認某較佳產品/製程(B)比現行者(C)更好

評價工程變更

降低成本

在上述5工具(手法)之後

如果問題極為簡單時﹐可直接用B vs.C法

在某些白領(服務)方面可應用

在原型、試作或生產 通常3個B及3個C
實際容差平行圖法(新散佈圖) 決定紅×、粉紅×變數的最佳值及其允許的最大容差 在上述6工具(手法)之後 在產品/製程之試作 30


Applications next



戴 明 學 院| 淵 博 講 義| 戴 明 之 友| 發 暢 應 用| 藝 文、勵 志| 書 籍、產 品




Copyright(C) The Authors & Hanching Seminars and Consulting.
All RIGHTS RESERVED.