簡介Shainin氏實驗計劃七大手

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	高內﹑外直交表複乘 需要了解S/N比及ANOVA要3至10天訓練	低數學簡單得不可思議1至2天訓練即可
統計效度	低由於採飽和設計﹐主效應與交互作用含混不清	差極飽和之設計﹐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	高主效應與高﹑低之交互作用﹐顯然可分別
多樣化	低只有二工具	差只有一工具	高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	差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	高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