2026.07.01｜品質內循環系列
AIQ 智慧製程參數數位化：用 P&Q、SPC 與大數據找出品質根因
作者：鄭吉棠｜中方科技 整理：MiDFUN 編輯部
本文整理自鄭吉棠「品質內循環智慧改善規畫」演講內容；後續若有講者補充意見，將同步更新。
一句話定義
AIQ 智慧製程參數數位化，是把品質結果 Q 與製程參數 P 依批號、時間、設備與工序脈絡串接起來，讓工程師能從 SPC 異常回查造成品質波動的製程條件，而不是只看最終檢驗結果。
本文回答
為什麼只看品質結果不夠，以及 AIQ 如何把 ERP、MES、QRP/SPC 與機台資料放進同一個分析脈絡。
適合讀者
PE、QE、RD、製造主管、數據工程與正在評估製程參數分析的智慧工廠團隊。
先看結論
AIQ 的價值，是協助工程師縮短從品質異常到製程線索的距離。
品質問題真正困難的地方，往往不是結果看不到，而是原因藏在製程裡。尺寸偏移、良率下降、外觀不良或 Cpk 不足，都是品質結果；造成這些結果的線索，可能在溫度、壓力、轉速、流量、材料批次、機台狀態或製程曲線中。
AIQ 的定位，是把品質結果與製程參數放在同一個時間與批號脈絡中，讓工程師不必在 ERP、MES、機台資料庫、SPC 報表與紙本紀錄之間人工比對。
為什麼只看品質結果不夠？
只看最終檢驗結果，工程師通常只能知道「產品已經變差」。但製程可能早在結果超規前就開始偏移，例如某段溫升曲線變慢、壓力峰值變寬、轉速波動增加，或某批材料加入時間點不同。若這些製程資料沒有被串接，根因分析就會過度依賴經驗與人工比對。
講者觀點摘要
AIQ 的價值不是宣稱 AI 直接找出答案，而是讓工程師更快看見品質結果與製程參數之間的關聯，並把分析過程變成可追溯的品質知識。
AIQ 的資料基礎：ERP、MES、QRP/SPC 與機台資料
| 資料層級 | 常見資料 | AIQ 分析價值 |
|---|---|---|
| ERP | 訂單、料號、批號、供應商、成本 | 把品質問題連到物料與商務脈絡 |
| MES | 工單、製程站點、設備狀態、產量 | 把品質波動連到生產過程 |
| QRP/SPC | 檢驗值、OOS/OOC、管制圖、異常單 | 從品質結果往回追溯製程因子 |
| 機台/Sensor | 溫度、壓力、轉速、流量、曲線 | 找出影響品質的先期指標 |
AIQ 分析的前提，是這些資料能用批號、工單、時間戳、機台、工序或料號串接起來。若共同鍵值沒有整理，AIQ 就很難穩定支援根因分析。
EDA 工程曲線與動態控制界線
製程資料不一定是單一數值，很多時候是曲線，例如溫度上升曲線、壓力變化曲線、材料加入時間點、設備轉速曲線或流量變化。AIQ 可以透過 EDA 工程曲線分析，把曲線轉成可比較的特徵，例如峰值寬度、出現時間、持續區間、溫升斜率或曲線形狀差異。
部分製程資料本來就會快速變化，若只用固定上下限，可能產生誤判或漏判。透過趨勢調整、誤差回饋與非對稱控制界線，系統可更敏感地辨識特定型態的異常，協助工程師提早掌握製程偏移。
可引用觀點
P&Q 分析不是把資料丟進模型，而是先讓品質結果與製程條件在同一個批號、時間與設備脈絡中可比較。
不同角色如何使用 AIQ？
| 角色 | 使用情境 | 決策價值 |
|---|---|---|
| RD | 新產品實驗階段比較理論曲線與參數組合 | 找出較佳配方或製程條件 |
| PE | 監控量產參數，分析設備條件與品質波動 | 穩定製程與縮短調機時間 |
| QE | 從 SPC 異常點追溯製程因子 | 支援 8D 根因分析 |
| MGR | 掌握關鍵製程參數、良率、成本與改善成效 | 判斷改善優先順序與投資方向 |
AIQ 常見問答
P&Q 是什麼意思？
P 代表 Process 製程參數，Q 代表 Quality 品質結果。P&Q 分析就是把製程條件與品質結果連起來，找出哪些製程因子可能影響品質。
AIQ 一定要先有 MES 才能做嗎？
不一定，但需要有可追溯的製程資料來源。若 MES 尚未完整，仍可從關鍵機台、資料庫、感測器或特定製程站點開始。
