那天 CPK 報告出來，全場沉默了三秒，你知道為什麼嗎？
還記得好幾年前，我們廠裡剛導入一批新的量測設備。那時候大家興高采烈，覺得終於可以擺脫老舊機台的毛病了。結果呢？第一份 CPK 報告出來，某個關鍵製程的 CPK 值，從原本的 1.3 瞬間掉到 1.08，而且 DPMO 值還飆到 6210。會議室裡當場安靜了三秒，產線主管的臉色直接黑掉，大家面面相覷，心想：「X！到底發生什麼事了？」後來才發現，問題根本不在製程，而是我們太相信新設備，卻忽略了一個老問題：量測誤差。
問題出在哪？別只會看數字，要看「數字背後」的雜訊
說穿了，管制圖的設計目的，就是要幫我們區分「製程本身的變異」跟「隨機的雜訊」。我們每天在量產品，希望看到的是製程穩定度，對吧？但如果你量到的數據本身就不準，每次量都有點小誤差，那這些誤差就會混進你的數據裡，讓你的管制圖看起來很「熱鬧」。
打個比方好了，你今天要去測量一顆蘋果的重量。如果你的磅秤本身就不準，每次量都有 ±5 克的誤差，那你量出來的蘋果重量，到底是蘋果本身的重量變動，還是磅秤在搞鬼？如果你把這些「磅秤的誤差」也當成「蘋果的重量變動」來分析，那你的管制圖，當然就會一直誤判，讓你以為製程不穩定。所以重點是，量測誤差就像是背景雜訊，它會把真正的製程信號給「淹沒」掉，讓你看不清事實。
實際上怎麼做？用 Gage R&R 先給你的量測系統「健檢」
最常見也最有效的方法，就是做 Gage R&R (Repeatability & Reproducibility)。坦白講，這東西不難，但很多工程師就是會省略。想像一下，Gage R&R 就是在幫你的「量測系統」做身體檢查。它會告訴你，你的量測系統有多大的「重複性」（同一個人、同一設備，多次測量結果有多一致），以及多大的「再現性」（不同的人、不同設備，測量結果有多一致）。
當你的 Gage R&R 結果顯示「量測系統變異 (GRR%)」超過 10% 甚至 30%（這通常是業界的參考紅線），那就表示你的量測誤差已經大到會嚴重干擾你判斷製程的程度了。像我們前面那個 CPK 掉到 1.08 的案例，後來一跑 Gage R&R，發現 GRR% 飆到 25%！那不就表示，有四分之一的變異，其實都來自於量測本身，而不是製程？換句話說，你根本不用去動製程參數，先去校正或改善你的量測設備才是正解。
最常見的坑：以為換了新設備就沒事，或是覺得 Gage R&R 浪費時間
我遇過最多次的鳥事，就是大家把 Gage R&R 當成「一次性」的任務。新設備導入時做一次，覺得 OK 了，然後就束之高閣。但量測設備跟人一樣，也是會「疲勞」會「老化」的。探針磨損了、感測器跑掉了、環境溫濕度變了，都會影響量測的準確度。然後等到管制圖開始亂跳，或者客戶抱怨良率，才回頭檢查量測系統。這時候往往已經賠掉不少工時跟產能了。
另一個坑是，有些工程師會覺得跑 Gage R&R 很麻煩、很花時間，特別是在生產線很忙的時候。但說實話，如果你的量測系統不穩定，你花再多時間去調整製程參數，去分析製程數據，都只是在「垃圾數據上建立分析」。你以為你很努力在解決問題，其實只是在繞圈子。
今天能做的一件事
找出你們產線上，最關鍵的那個量測點，今天就排時間做一次 Gage R&R。