1、結束2我們輸入訊號和雜訊，製程或產品產生輸出，但是我們利用回饋調整來矯正錯誤或減少誤差。若能將圖面公差轉換成標準差，釐清性能的關係式，我們往往可能利用蒙地卡羅技術進行模擬。的確可以虛擬實境方式來評價參數設計和公差設計的良窳。結束3從千百項變數之中層別出問題要因，而將焦點集中於五至二十項變數；若有資料庫我們可以使用時空輪法；若無資料庫則可以使用抽料剝材法或調配比對法。當面對五至二十項變數，我們可以使用抽絲剝繭法將變數數目壓縮至不多於四項。面對少於四項變數，我們可以使用全式設計法來釐清主效應和交互效應。採行比優驗證法來驗收最佳製程的配套條件。另外，必要時可以採行公差平行法來制定製程參數的公差條件。
2、結束4結束5穩健設計的目的是：降低對雜訊的敏感，以達成性能的最小變異。於設計階段，我們需要統計方法來恰當評價產品的性能，包括對目標及變異兩項的敏感度。於設計階段，我們應當用盡辦法，讓產品的設計性能除了能貼近目標值之外，性能變異的也同時要小。結束6冀望量產時黏膠工程後黏結強度能夠達到目標值，而且黏結強度的變異夠小。結束7產品設計階段之計畫其內容包括了：產品本體、產品品質、產品參數、性能模式及性能變異。於執行階段進行實驗或演算；於研析階段驗證成果；於最適階段設計或參數變更。結束8從對策、輸入及工具或要領，我們輸出宗旨、品質、參數、模式和變異等內容。結束9進行實驗或演算，輸入項目有實驗計畫、數量模式
3、和參數變異，而常用工具有MatLab、MathCAD、Excel、StatPlus等等。進行成果驗證，對策有分析成果和驗證成果，而輸入項目有量測數據、製程情報和使用情報。進行設計或參數變更，對策是選擇最適策略，而輸入項目有性能之統計成果、和目標及規格。結束10池座設計收納三只電池，簧力足夠時才可能產生可靠的觸通，當填滿電池時會將彈簧向右頂長，使彈簧產生回復力而實現電流的迴路。假設池座長度為A，電池長度為B，三只電池讓彈簧尖端向右位移3B-A，可是市售電池大小尺寸是參差不齊的，以致簧力的大小變異甚大。結束11結束12取各個參數的目標值為平均數m和D/3為標準差s，然後利用Excel函數NORMI
4、NV(RAND(),m,s)製造千組常態隨機亂數，包括池座尺寸、電池長度、彈簧長度、彈簧寬度、彈簧厚度及簧材彈性等等。結束13利用模擬結果，首先計算各組的慣性力I和位移量u，再計算觸力F 及折力S。結論：結論：數量模式相當可信。成果：牴觸力稍偏變異過大；折力相當充分。結束14牴觸力的CPK才僅0.35，原有設計或設計的參數必須變更。電池長度及簧材彈性都是牴觸力的關鍵參數，但電池市售品，尺寸無力控制其變異，而簧材彈性的變異也棘手。結論：結論：數量模式相當可信。成果：牴觸力稍偏變異過大；折力相當充分。結束15計算彈簧牴觸力與各參數的相關係數。結論：結論：影響彈簧牴觸力的關鍵參數是彈簧長度和簧材彈性
5、。結束16牴觸力的CPK才僅0.35，原有設計或設計的參數必須變更。電池長度及簧材彈性都是牴觸力的關鍵參數，但電池市售品，尺寸無力控制其變異，而簧材彈性的變異也棘手。結束17結論：結論：牴觸力的CPK才僅提升至0.37。公差設計已經無法解決目前的難題。將池座尺寸A及彈簧厚度h的公差減半，惟縮緊公差會增加許多成本。結束18結論：結論：牴觸力的CPK業已提升至0.70，稍稍偏心。此際的參數設計也走到盡頭了。將池座長度減至110 mm及加長彈簧長度至60 mm，惟公差取原先水準。結束19彈簧新設計：以螺旋取代直桿，繼續如前的模擬和研析。結束20製造時面臨許許多多的品質問題，常常苦於沒有模式可以憑藉。
6、製程的原理總是種瓜得瓜，種豆得豆。將反應過程視為黑箱，踢踹兩腳可能讓它亮起，進而讓我們有望加以改善。輸入訊號X1,X2,Xk至黑箱之中，黑箱就會輸出一定的效應數值Y，但是除了控制要因之水準會有變化之外，輸入之訊號中往往夾有各式各樣的雜訊。要因控制之後，雜訊的效應如何予以阻絕，或者於計算時如何扣除，實驗計畫法能給我們一些技術指導。結束21有計畫地操作實驗的條件，從現象裡歸納出黑箱過程的普遍性及再現性，爾後即可利用所發現的最適當條件來獲得最佳成果。實驗計畫是結構性的方法，於實驗前配置相關要因KPIV，預判反應值KPOV之成分及機率，然後決定要因之水準以進行實驗，最後經由統計之變異數分析或者迴歸分析
7、後，可望釐清各項要因的最佳配套水準。結束22增加我們對製造流程的了解，將流程知識從定性轉至定量，而且萃取出主因效應及交因效應的影響，讓我們能夠將製造流程參數最佳化。使電腦觸碰式螢幕的月退率從25%減少至1%。讓紙廠維持同樣的出紙品級，但換用了次級紙漿。降低醫院給藥的錯誤風險，卻只是加入藥劑師與病患的制式會簽條。完全杜絕氰化物使用於IC電鍍製程，而且電鍍品質提升。改善鞋子的銷貨量，只是廢棄昂費的閃爍方式，而改採於展示櫃中顏色安排。降低服務單的錯誤，因此同時縮短服務呼求的反應速度。只是藉由三要因分析，而完全消除陶瓷電容器製程中的龜裂問題。結束23英國人費雪（Fisher,Ronald Aylmer
8、,1890-1962年）主張實驗的實施應當符合下述三項原則：結束24細分成以下八項程序：結束25實驗充滿了謬誤：命題的陷阱、水準的陷阱、試誤法陷阱、非隨機陷阱、一因法陷阱及非阻絕陷阱等六類。結束26新學說：當青蛙失去四肢時，其聽力也隨之喪失了。手持剪刀的陳老師，和桌檯上呼呼啦啦的乙隻青蛙。對著青蛙喊：跳！青蛙便跳了一下。再聲喊跳，青蛙又跳了一下，老師屢試不爽。將青蛙的四肢剪除，陳老師激昂的喊叫：跳！跳！跳！結果青蛙一動也不動。老師和同學又一齊嘶叫：跳！跳！跳！結果青蛙卻留在原處呼啦得更兇。結束27有一位海洋學家專案研究釣魚台漁區，長期記錄漁夫出海網撈捕魚所獲。歷經三年完成計畫後，他引用大量數據
9、撰寫了長篇報告。結論中有一段語氣鏗鏘的文字：所有釣魚台漁區中的魚，其大小都大於魚網的網目尺寸。結束28簡單直覺的方法，當走運時是速解的辦法。缺點是：一種治標不治本方法，找出癥結的機會渺茫，對流程的了解不增進，可能牽動到很多參數，不太能一勞永逸解決。結束29按照隨機號碼在機台上按照30秒、50秒、10秒、60秒、20秒和40秒設定施壓時間，進行實驗。結束30將烘烤溫度和添加率兩項製程要因都設定在最低水準，來節省實驗開銷。然後，將烘烤溫度維持不變，但提高添加率。由於第二次實驗結果使光導器速度變差了(速度增加)，所以將添加率歸回第一次實驗的水準，提高烘烤溫度進行第三次實驗，這次實驗結果的光導器速度是
10、三次中最低的。運用一次一因法於影印機的故障率研究時，會漏掉高溫度且高溼度的情況。結束31使用兩款測試卡來確認晶圓的表面阻抗是否不同，而可以使用的測試機有手測式和自動式兩部機台。將十二片晶圓編號為W1,W2,W3,W4,W5,W6,W7,W8,W9,W10,W11,W12，安排測試機台和測試卡作晶圓的面阻測試。全式配置表之後，看出十二回試驗都未完整進行四套實驗。結束32英國人費雪(Fisher R.A.,19121962)在變異數分析的技術開發上居功厥偉，他將整組數據中的變異總量就來源分解成幾部分，以供分析各個要因來源在變異上的貢獻程度。完全隨機設計完全隨機設計（Completely Rando
11、mized Design）的統計分析是採用單因子模式。結束33結束34(1)作成散布圖：(2)選擇C洗潔精：因為它的平均分數達80為最高，而且散布亦為最小。結束35(3)平均分析：(4)變異分析：C洗潔精的平均分數達80為最高，而變異13.5為最低。洗潔精間的變異195甚高。結束36使用Excel單因子變異數分析巨集的手順是：工具-資料分析-單因子變異數分析；在單因子變異數分析對話方塊中必須對應：輸入範圍、分組方式、類別軸標記、a、輸出範圍等等。善用Excel的平方和函數DEVSQ，可以計算總平方和ST、組內平方和SW及組間平方和SB。結束37如果A要因的a種不同處理對應變結果Xij都無任何特
12、殊影響，則各組的母體應該都相同，譬如N(m,se2)。如果前段等變異的假設成立，令各組的母體係N(m+ti,se2)，其中第i組平均mi=m+ti 且Siti=0。令Xij=m+ti+eij則期望值E(VW)=se2；同法可證E(VB)=se2+nSiti2/(a-1)。結束38若能就混淆因素加以層別，可望解決完全隨機設計的這類困擾。增加經驗上的一項混淆要因，來安排完全隨機設計，這樣的設計稱為隨機完全阻絕設計。隨機完全阻絕設計隨機完全阻絕設計(Randomized complete block design)的統計分析是採用雙因子模式。結束39結束40(1)作成散布圖：(2)製程比較：比較浸泡
13、和噴塗，應當選擇浸泡，因為它的平均銹蝕量達4.5為最低，惟散布變異不是明顯為低。結束41(3)除銹比較：浸泡製程與除銹處理之間存在顯著的交互作用，它顯現於浸泡製程和C式除銹處理之處。結束42(4)變異分析：Excel雙因子變異數分析的巨集。(5)最佳條件：製程差異及除銹處理交互作用相當顯著，應當配套製程條件。浸泡製程及C式除銹處理的平均為最低，而且變異也很低，浸泡製程應當配合C式除銹處理。結束43使用Excel雙因子變異數分析巨集的手順是：工具-資料分析-雙因子變異數分析；在雙因子變異數分析對話方塊中必須對應：輸入範圍、分組方式、類別軸標記、a、輸出範圍等等。善用Excel的平方和函數DEVS
14、Q。結束44結束45Full Factorial Design全式設計。k種要因都只有兩種不同處理，則全式要因的安排共有2k種試驗。讓每種試驗都執行n回，則全式設計共有n2k次試驗。結束46兩種要因都只有兩種不同處理 22的全式設計。結束47AB+=433+451AB-=462+412AB=10結束48(1)計算各號試驗：四筆數值的合計，分別是433、462、412和451。(2)計算各因效應：分別是68、-32和10。(3)計算平方和：SA、SB、SAB分別是385.33、85.33和8.33。SAB=102/(3*22)結束49混淆因素形同是霧，讓我們霧裡看花，愈看愈花。就經驗將干擾因素納
15、為實驗因素，然後於分析時將其影響排除，可彰顯控制因素的實際效應。就規避環境的干擾而言，從經驗出發來提出阻絕因素，態度上還是消極的。主動式的阻絕，可望超越經驗先除霧再看花，愈看愈鮮花。結束50我們先取三段鋼片以C式法作除銹前處理，然後對三段鋼片的左半截和右半截分別施作浸泡和噴塗，實驗結果之銹蝕量。以配對方式檢定浸泡製程是否優於噴塗製程，求得P值為0.022。所以，我們懷有98%信心宣稱：浸泡製程是優於噴塗製程。由於同段鋼片承受各式各樣混淆因素的同等影響，對左半截和右半截之浸泡和噴塗製程之比較，我們並不需要太大的樣本，即可提高分析的精度。結束51結束52主旨是在揪出各項紅主因和粉紅因，並釐清這些要
16、因各自的主效應和相互間的交錯效應，進而得酌量將綠色弱因的規格公差放大。結束53全面隨機式安排實驗條件。產生參數與反應數學模式。可以萃取參數間交互作用。不會妄作非必要的試驗。變異分析後可望找到真因。對四項獲選變因的所有水準都要試驗。各項主效應和各階交效，都可以系統分析和量化。結束54各套試驗都當經歷幾回（計量變數25回；夠大到使各格足以出現劣品），可於事前用混合要因來減少計量變數的回數；惟對計數變數宜用疵樣定分法。結束55多年來，3%不良率是最佳製程一直被容忍接受。但當3%不良率被詮釋成30000ppm後，一支改善小組終算成軍，受命達成10000ppm不良率目標，以及提升零組件腳和電路鈑錫間的電
17、導性。改善小組從時空輪迴研究中，察覺最大變異並不是鈑間或班別而是鈑內，因此問題應出在波焊製程。改善小組研討出四項疑因，要進行24全式實驗。結束56結束57結束58結束59結束60結束61結束62結束63結束64主旨是就產品進行零件除錯及產品的良率提升。該法係系統性的大海吸針方法，從好壞兩件產品的多至千百的大量零件之中，清理出關鍵的少數紅因族Red Xs。傳統的偏式設計法Fractional Factorial受囿於將主因與某些混因視為同組要因，以致難以釐清要因之間與品質的錯綜關係。結束65從產品千百零件除錯。可以分辨不當的臆測。可以進行統計式試誤。可以高效管理投入的資源。可以融入經驗以提高效率
18、。可以驗證產品經驗的正誤。在十至三十次實驗內揪出紅或粉紅零件。結束66結束67結束68結束694.排等部品排等部品：工程師研判各零件材料的重要程度如【表16-28】所示。結束70結束717.反覆交換：兩具計時器繼續按序交互更換部品，各予測試後登載其結果。6.引用準則：由於符合第三條，繼續搜尋重要部品零件。結束72結束73結束74結束75可望在十至三十次實驗內，即將製程中各項紅色和粉紅主因揪出來。要領與抽絲剝繭法相似。前者適用於可卸裝的產品，但後者卻可同時適用於製程和產品。結束76結束77精工機械公司的某金屬衝壓成型製程，其油壓煞掣達不到0.005”公差（或間隙0.010”）的要求，QA在生產中
19、抽檢量測，時有發現0.010”的現象。這類機臺相當神經質，只有老師傅駕馭才能穩定動作。追究僅只0.5製程能力的真因時，卻是眾說紛紜，有人歸咎於納入的材料(時軟時硬、厚薄不一)，有人抱怨參數難以控制。在較新的衝壓成型機臺上，花費了不少時間和金錢，經歷許多失敗的實驗後，仍然原地打轉。結束78結束793.實驗三回：為嫌因定在全部高水準和全部低水準下，各自隨機性的實驗三回。結束80結束81結束82結束83結束84只需要少數幾次配比，就能迴避掉多數混淆的因素，而可望提供吾人關鍵主因的線索。結束85結束86結束87通常在改進對策的最後驗證階段被採用，其中的B和C各表示現有的製程和待證的製程。從最佳（Best）和現用（Current）製程之中各取三件產品，衡量特性數值之後，根據準則判定兩製程的優劣。對此類製程進行比較實驗時，常因樣本數目太少（譬如各組三件），而不適用無母數統計方法。涂琦解答兩項平均數的檢定方法，既直接又易用，而且也不需要臨界數值表。結束88結束89結束90
