那天 CPK 報告出來，全場沉默了三秒
還記得好幾年前，我們機台換了個新製程，照慣例跑完一輪，業務部就開始催，問說什麼時候可以量產。製造部產能壓力很大，一直唸說趕快開。我們產線工程師當然謹慎啊，叫他們再等等，統計數據還沒跑完。結果報告出來，Cpk 值只有 1.08。會議室瞬間安靜，連掉根針都聽得到，所有人的目光都掃向我。老闆臉色鐵青，問說：「Cpk 1.08？這要怎麼跟客戶交代？會不會出包？」
問題出在哪
說穿了，老闆問的其實就是一個「風險」問題。Cpk 1.08，的確是過了 1.0 的門檻，但離 1.33 還有段距離。這個數字代表什麼？它代表「良率不夠好」嗎？不一定。其實，我們真正要面對的是兩種錯誤：
- 型一錯誤 (Type I Error)，也就是 α 錯誤：想像一下，我們宣布這個製程「有問題，不能量產」，但實際上它根本沒問題。這就像在產線上，你把良率明明正常的貨判成不良品，結果就是浪費產能，延誤交期，損失慘重。我們稱這是「誤殺忠良」。
- 型二錯誤 (Type II Error)，也就是 β 錯誤：反過來，我們宣布這個製程「沒問題，可以量產」，但實際上它潛藏著品質問題。這就像把不良品當良品出貨，結果就是客戶抱怨，產品召回，信譽掃地。這就是「放虎歸山」。
所以重點是，當你看到 Cpk 1.08 的時候，你是在擔心「誤殺忠良」還是「放虎歸山」？老闆那天在意的，明顯就是後者。
實際上怎麼做
在半導體廠，我們對這兩種錯誤的取捨，其實就是看「代價」。
- 如果型一錯誤的代價很高：比如，你把一個其實良率很高的機台關掉，造成產能直接掉一半，損失幾千萬，那你就不能輕易說「有問題」。這時候，你會傾向把 α 值設得小一點（例如 0.01），要求很高的證據，才敢下「有問題」的判斷。
- 如果型二錯誤的代價很高：比如，一個有潛在缺陷的晶片出貨，可能導致客戶整批產品報廢，甚至影響到航太或醫療設備，那絕對是天大的事。這種情況下，你會傾向把 β 值設得小一點，寧可多檢查幾次，也不願放過任何一個潛在問題。
以 Cpk 1.08 的例子來說，我們通常會結合 DPMO (Defects Per Million Opportunities) 來看。1.08 的 Cpk 大約對應 DPMO 6210 左右。如果客戶對 DPMO 要求更嚴格，比如要 1000 以下，那你就算 Cpk 數字過了 1.0，也還是得想辦法改善。這時候，寧可承擔一點型一錯誤的風險（多花點時間驗證），也要避免型二錯誤（出貨出包）。
最常見的坑
我遇過最常見的坑，就是大家只看 Cpk 的數字，卻忘了背後的風險。有一次，某個新機台的 Cpk 勉強達到 1.33，製造部就想趕快開線。但我們發現它的分佈離目標值有點偏，雖然在規格內，但很不穩。如果這時候貿然放行，雖然 Cpk 數字好看，但製程飄移的風險很高，很可能幾天後就掉下去了，然後就是大量的不良品。這就是典型的「為了避免型一錯誤（延遲量產），卻大幅增加了型二錯誤（出貨出包）的風險」。說實話，這時候，寧願多花兩天時間調機台，把製程中心值拉回來，讓良率更穩健，才是真正聰明的做法。
今天能做的一件事
下次看到統計報告，先問自己：我現在最怕什麼？