判退率突然變好,先問尺有沒有變

一、一個看起來是好消息的數字

某天的品質日報上，一條產線的判退率從六成五掉到不到三成。

這是所有人都想看到的數字。當天的會議上，大家的討論很自然地往「哪個改善見效了」去走：是前段的參數調整？還是新的清潔程序？要不要複製到其他產線？

我沒有跟著討論。我問了一個不太受歡迎的問題：

「那天，判的人有沒有換？判的標準有沒有換？」

二、為什麼我不信

品質數字有一個特性，和製程數字不同：它是「判」出來的，不是「量」出來的。

線寬是量出來的，尺不變，數字就有可比性。但外觀判退不是——它經過一個人、一份限度樣本、一套判定標準。這條鏈上任何一環變了，數字就會跳，而製程可能一點都沒動。

更麻煩的是，兩種原因造成的跳躍，在圖上長得一模一樣：都是某一天之後，均值換到另一個水準，而且穩定地停在那裡。統計上做變點偵測，兩者都會被抓出同一個日期，分不出誰是誰。

所以我的習慣是：當判退率出現階梯式的大幅改善，先假設是量測系統變了，直到證明它不是。 這不是悲觀，是因為兩件事的後果差很多：

• 若是真的製程改善，你該去複製它。
• 若是判準改了，你複製的是一個不存在的東西，而且你從此失去了跨越那一天比較的能力。

第二種情況最傷的不是那一天，是往後一整年的趨勢圖全部不能用。

三、怎麼查

查證的順序是固定的，從最便宜的查起：

第一步：問人，不要先算。 那段期間判定人員有沒有異動？有沒有新人接手？有沒有因為人力調度換班？這個問題花五分鐘，卻能省下三天的分析。

第二步：查限度樣本與判定標準的版本。 限度樣本有沒有換一套？判定基準有沒有改版？文件有沒有留下生效日？這裡最常見的失敗是：標準確實改了，但沒有人把生效日記在品質數據旁邊，所以三個月後沒人記得。

第三步：對日期。 把變點日期、人員異動日期、標準改版日期三條時間軸疊在一起看。如果變點正好落在改版日或換人日的那一兩天，它幾乎不會是巧合。

第四步：看缺陷結構，不要只看總率。 這一步最有力。如果是真的製程改善，通常是某幾類特定缺陷減少，其他類別維持不動。如果是判準變鬆或換人，則往往是某一類邊界模糊的缺陷整批消失——就是那種「判 A 也可以、判 B 也說得過去」的類別。 總率一樣降，結構卻完全不同。

第五步：找還在的實物。 如果那段期間的樣片還留著，拿改版前後的實物讓同一位判定人員重判一次。這是最直接的證據，只是多數時候實物已經不在了——所以第四步才重要。

四、真相

我遇到的那一次，答案是：判定人員換了，同時改用另一套限度樣本。

製程沒有變好。變好的是尺。

這件事的處理，重點不在追究誰改的，而在把這一天標記起來:

1. 在數據系統裡標註一條「量測系統變更」的分界線，跨這條線的比較一律不成立。
2. 所有跨越該日期的趨勢圖、月報、年度目標達成率，全部重新計算基準。
3. 該日之後的數字不是不能用，是只能跟該日之後的數字比。

還有一個常被忽略的後果：如果沒有標記，一年後有人拿這張圖去證明「我們的品質持續改善」，他不是在說謊，他是在引用一個已經壞掉的量尺。 而那個引用，可能出現在給客戶的報告裡。

五、可以直接拿去用的檢查表

任何一條品質指標出現「階梯式改善」時，發布之前先過這七題：

#	檢查項	判準
1	判定人員在該期間有無異動	有異動 → 先當量測系統變更處理
2	限度樣本/判定基準有無改版	有改版 → 同上
3	判定標準的生效日，有無記在品質數據旁	沒有 → 這是制度缺口，先補
4	變點日期與人員/標準異動日期是否重合	重合在 ±2 天內 → 幾乎可判定
5	缺陷結構的變化型態	邊界模糊類別整批消失 → 判準變動
6	有無同期的製程參數或材料變更紀錄	都沒有，卻大幅改善 → 更可疑
7	該期間實物樣片是否還在	還在 → 重判驗證

七題裡有兩題以上中的，那條趨勢線在該日期前後就不該連起來畫。

六、最後一句

品質工程有很多方法可以讓數字變好看，其中最省力的一種，是換一把尺。

而我們這一行真正的專業，不是把數字做好看，是知道哪些數字不能信，包括對自己有利的那些。

---