那天 CpK 報告出來，全場沉默了三秒，我才敢說：「這結果，有問題。」
還記得有一次，我們新導入了一套視覺檢測機台，號稱 AI 判斷、精度突破天際。結果，機台驗收的 CpK 報告出來，居然只有 1.08！整個會議室瞬間安靜，連空氣都凝結了。老闆的臉沉到不行，大家都面面相覷，沒人敢說話。我心裡想，這數值也太低了，照理說這種新機台，怎麼也該有 1.33 以上吧？這時我才大膽開口：「老闆，我覺得這 CpK 可能不是機台本身的問題，是我們的量測系統，可能就有問題。」
問題出在哪？你的「眼睛」準不準？
說穿了，很多時候我們量測到的 CpK 低，其實不是製程真的不穩，而是你拿來量測的「尺」本身就不準。在自動化視覺檢測裡面，這把「尺」就是你的 AOI 機台、你的演算法、你的光學系統。當你在判斷晶圓上的瑕疵、量測元件尺寸時，如果這套視覺系統自己就「看走眼」，那怎麼可能得到正確的製程能力數據？這就是 MSA (Measurement System Analysis) 要解決的核心問題。它不是在看你的產品好不好，而是看你「判斷產品好不好」的這個工具，它自己夠不夠好。
實際上怎麼做？讓機台跟人一起「考試」
要評估視覺檢測系統，最常見的就是做 Gage R&R (Repeatability & Reproducibility)。簡單來說，就是找幾片「標準樣品」（有瑕疵、沒瑕疵、尺寸偏大、偏小等），讓你的機台反覆量測很多次，然後再找幾個人工去量測。
- 重複性 (Repeatability)： 同一片樣品，讓你的機台重複量測 20 次。如果它每次都判斷相同，例如都判斷是 NG，那就表示它的重複性很好。但如果同一片樣品，它一下判 NG、一下判 OK，那這台機台的「手抖」程度就很大了。
- 再現性 (Reproducibility)： 幾個人工去量測同一片樣品，看他們的判斷是否一致。例如，三個人工都判斷這片是 OK，那再現性就高。如果一個人判 OK，另一個人判 NG，表示人為判斷差異大。在視覺自動化裡，這部分更像是在評估「不同機台」或「不同班別」對同一塊晶圓的判斷一致性。
最終你會得到一個 %GRR 的數值。如果 %GRR < 10%，恭喜你，量測系統很可靠。10% 到 30% 之間，勉強可用，但最好還是改善。如果超過 30%，那你的量測系統根本是亂七八糟，量出來的數據根本不能用。我遇過一個案例，某個新機台的 %GRR 竟然高達 45%！難怪 CpK 低到不行。那根本不是製程問題，是機台自己在「說謊」。
最常見的坑：把問題推給製程，卻忘了檢查「眼睛」
我剛入行的時候，也常常看到 CpK 報告不好，就直接衝去產線找製程工程師，問他們「到底哪邊又出問題了？」結果製程工程師被我問到臭頭，檢查半天也沒個所以然。後來才發現，原來是量測機台的光源出了問題，導致影像品質不穩定，AI 判斷才會飄忽不定。所以，每次看到異常數據，我的第一反應絕對不是先罵人，而是先從量測系統開始檢查。說實話，很多時候我們工程師太相信儀器數據，卻忘了儀器也是人設計、人操作的，它也會出錯。
今天能做的一件事
馬上去翻你們設備的 MSA 報告，看看 %GRR 是多少！