那天 CPK 報告出來，全場沉默了三秒，我只說了一句話
還記得兩年前，那批新製程的晶圓良率慘不忍睹。老闆臉色鐵青，找來我們幾個製程、設備、品保的頭，開了一場「檢討大會」。會議室裡氣氛凝重，當品保部的小陳把 CPK 報告秀出來的時候，全場真的安靜了三秒。CPK 0.85，低到一個不可思議的境界。老闆直接點名我：「老王，你說說看，這要怎麼搞？」我深吸一口氣，看著報告上密密麻麻的數據，腦子裡閃過一個念頭：「這根本不是 CPK 的問題，而是我們根本用錯了抽樣標準！」
問題出在哪？不是 CPK 不夠好，是你的抽樣根本不對！
說白了，很多時候我們在評估產品品質，尤其是抽樣檢驗，都是沿用 ANSI/ASQ Z1.4 這套標準，也就是大家常說的 MIL-STD-105E 的商業版。這套東西很經典，很管用，但它有個核心假設：你的產品瑕疵率是穩定的。它主要看的是「不良品數量」，也就是你抽樣出來有幾個 NG。你說，這在我們半導體廠，動不動就 DPMO 幾百幾千的，哪來那麼多「不良品數量」給你數？我們更在意的是「變異」啊！
這時候，MIL-STD-1916 就跳出來了。它跟 Z1.4 最根本的差別，就是它更強調變數型抽樣。什麼意思？ Z1.4 像你在菜市場買水果，隨手抓幾顆，看看有沒有爛的。而 1916 呢？它像你在實驗室做精密測量，每顆水果的糖度、酸度、大小都量過，然後再分析這些數據的波動。換句話說，Z1.4 是數「不良品」，1916 是量「好壞的程度」。
實際上怎麼做？看你是數 NG 還是量變異
坦白講，如果你的製程已經很成熟，不良率穩定且偏高，例如 DPMO 落在 10000 左右，也就是良率 99% 這種等級，那 Z1.4 的計數型抽樣會比較直觀。你設定一個 AQL（允收品質水準），比如說 1%，抽樣 100 顆，如果超過 2 顆 NG，就判定這批貨有問題。
但如果你的製程要求非常高，不良率極低，例如我們現在動不動就 DPMO 6210（CPK 1.08）甚至更低，你還用 Z1.4 去數不良品，你會發現，你可能抽了 1000 顆還沒看到一顆 NG，根本沒法判斷什麼。這時候，1916 的變數型抽樣就派上用場了。它不只看有沒有 NG，它更看重你的製程能力指數，也就是 CPK、PPK 這些。它會要求你測量產品的某個關鍵參數（例如電壓、電流、厚度），然後計算這些測量值的平均值和標準差，再根據這些來判斷整批貨的品質。所以重點是，1916 是在評估製程的穩定性與一致性，而不是單純找瑕疵品。
最常見的坑：數字好看不代表製程穩定
說穿了就是，我們以前很常犯一個錯誤：為了讓 CPK 報告好看，可能只針對某個參數調整，把數字拉高，結果整體製程的穩定性並沒有提升。用 Z1.4 的計數型抽樣，你可能看到良率不錯，但背後可能潛藏著巨大的變異。等你真的遇到規格邊緣的產品，才會發現問題。
我曾經碰過一個案例，某個製程的 CPK 報告一直維持在 1.33 以上，看起來很漂亮。但後來客戶抱怨，說我們的產品在他們那邊的機台，偶爾會有「不預期的」當機。追根究底才發現，雖然產品都在規格內，但某個電性參數的變異性非常大，靠近規格邊緣的產品比例很高。用 Z1.4 抽樣，這些「在規格內」的產品都會被歸類為良品，根本抓不出問題。如果當時我們能導入 1916，強制用變數型抽樣，去分析這些參數的常態分佈和變異，可能就能提早發現這個潛在風險。
今天能做的一件事
重新檢視你現在的製程抽樣標準，問自己：我是想數 NG，還是想量變異？