那天 Cpk 報告出來，全場沉默了三秒，然後老闆叫我重跑
那天是禮拜一，一大早，我進會議室準備報一個新產品的 Cpk。你知道的，新產品上線前，所有數據都要漂漂亮亮。結果我一開投影片，Cpk 1.08。全場安靜三秒，老闆的臉直接垮下來。隔壁組的菜鳥還問：「哥，這樣不是過嗎？」老闆涼涼地說：「你覺得 1.08 跟 1.33 的產品，哪個會讓客戶更滿意？」我心裡 OS：老闆你不是不知道，這數據是軟體跑出來的，又不是我手刻的。但他下一句就點到重點了：「數據會說話，但你確定數據說的是真話嗎？」這就是今天我想跟你聊的，關於軟體量測系統的 MSA。
問題出在哪？你的分析工具準不準
說穿了，你的分析工具，不管是 Excel、JMP 還是 Minitab，它自己有沒有「偏見」？這聽起來很玄，但其實很簡單。你想想看，我們平常做 MSA，都是針對實體機台。量測儀器有沒有穩定？誤差會不會太大？但當你的數據來源是軟體模擬、資料庫撈取，甚至是機器學習模型算出來的，這些「軟體」本身就是一個量測系統。你用 Excel 公式算出來的標準差，跟用 Minitab 跑出來的，會不會有差異？如果你的數據源頭就歪了，你後面再怎麼優化流程、再怎麼訓練機台，都只是在錯誤的基礎上疊磚頭。所以重點是，你的「資料分析工具」這個量測系統，到底準不準？
實際上怎麼做？用假資料跑一遍就知道了
要怎麼確認你的分析工具準不準？最簡單的方法就是「跑假資料」。你可以自己生成一組已知特性（例如平均值、標準差、分佈類型）的數據，然後用你的分析工具跑一次。
- 生成標準數據： 假設你預期你的數據應該是常態分佈，平均值 100，標準差 5。你可以用程式碼或 Minitab 裡的 Data Simulation 功能生成 1000 筆這樣的數據。
- 輸入你的分析工具： 把這 1000 筆數據丟進你的 Excel 報表、JMP 流程，或是你公司內部的自動分析系統。
- 比對結果： 看看你的工具跑出來的平均值是不是在 100 附近？標準差是不是在 5 附近？Cpk 如果理論上是 1.33，你跑出來是多少？如果結果差太多，例如你預期平均值是 100，它卻算成 98.5，那你的工具就有偏誤了。
我之前就遇過，用公司內部系統跑出來的 DPMO 是 6210，但理論上應該是 6680。這差了快 500 啊！這時候你就要回去檢查你的公式、你的計算邏輯，甚至是你資料庫的取樣方式。
最常見的坑：公式複製貼上沒檢查
我踩過最大的坑，就是「公式複製貼上沒檢查」。你懂的，工程師嘛，寫一個 Excel 模板，然後大家就開始複製貼上。有一次，我發現組裡報的 Cpk 數據，跟我的怎麼都對不起來。後來才發現，一個同事的 Cpk 計算公式，竟然複製到一半沒改儲存格範圍！他算 Cpk 只算到一半的數據！導致他報出來的 Cpk 都是假的。還有另一次，是某個參數，資料庫裡存的是整數，但跑 Cpk 時應該要用浮點數算。結果預設的取樣邏輯直接把小數點捨去了，導致標準差嚴重低估，Cpk 當然就高得嚇人。所以坦白講，很多時候問題不是工具本身爛，而是使用者設定錯了。
今天能做的一件事
挑一個你最常用的分析報表，用假資料跑一遍，看看結果是不是你預期的。