2026.07.23｜邱培其
AIAG-VDA SPC 2026 第 6～9 章深度解析
從公式更新轉成指標、模型與管制決策
重點先看
第 6～9 章的核心不是背公式與圖名，而是讓資料條件、研究目的、指標名稱、時間行為、偵測方法與異常反應彼此一致。本文用原創案例與平台分層，說明企業應如何為一個結論負責。
前言：新版最難的不是公式，而是何時有資格下結論
第 6～9 章常被讀成公式更新與管制圖清單，但企業真正會出錯的地方，是拿對公式回答錯問題：研究期間不具代表性卻宣告長期能力、製程正在漂移卻只看單一 Cpk、或選了一張熟悉的圖卻偵測不到真正風險。本文把技術內容重組成一個決策流程，並使用自建情境說明。
先看四章的任務分工：從『可不可以算』走到『應不應介入』
| 章節任務（本文歸納） | 業界期待 | MiDFUN 的公開回應方向 |
|---|---|---|
| 第 6 章｜定義方法與指標語意 | 資料狀態、估計方法、單／雙邊條件及指標名稱一致，結果能說明怎麼算、憑什麼命名。 | 以受測試的確定性核心計算，輸出方法標籤與必要警語，不由 AI 臨時計算。 |
| 第 7 章｜隔離機器本身的短期表現 | 在受控且可重現的條件下評估設備，不把短期機器研究誤當量產製程能力。 | 把研究類型、設備／工位、樣本條件與接受準則視為獨立受控情境；完整機器研究模組仍屬深化方向。 |
| 第 8 章｜處理時間與變因造成的能力問題 | 抽樣要涵蓋聲稱的變因，穩定性、時間模型與分布選擇要有證據。 | 利用時間範圍與層別分析呈現差異；時間模型建議可輔助，但不替代工程判斷。 |
| 第 9 章｜把變化轉成可行動訊號 | 圖種、界限、規則、誤報成本與 OCAP 對準想偵測的風險。 | 用中性資料模型支援不同圖種與參數，警報再接處置與驗證；部分進階圖種依風險分波導入。 |
一、一個能力指標其實包含四項承諾
- 資料承諾：這批數據代表了報告聲稱的期間、班別、材料、設備與操作條件。
- 狀態承諾：製程的穩定或受控證據足以支持所使用的指標名稱。
- 模型承諾：分布、時間行為與估計方法沒有彼此衝突。
- 行動承諾：達標或未達標會導向明確的監控、改善、隔離或升級決策。
所以 Cpk 不是單純的算術結果，而是對資料範圍與製程狀態的聲明。若報告無法交代四項承諾，數字再高也不應被當成放行證據。
二、中方五問決策樹：先決定研究，再決定公式與圖
| 先問什麼 | 判讀重點 | 錯誤後果 |
|---|---|---|
| 研究目的？ | 設備驗收、初期性能、量產能力或持續監控 | 用短期資料回答長期問題 |
| 變因涵蓋？ | 班別、批次、換刀、環境、維修與量測來源 | 樣本很多但代表性很窄 |
| 製程狀態？ | 穩定、受控漂移、混合來源或尚未判定 | 把期間性能誤稱為能力 |
| 時間行為？ | 變化速度、週期、趨勢與流別差異 | 抽樣頻率與子組方式失真 |
| 分布與風險？ | 單／雙邊規格、自然界限、偏態、多峰及所需偵測力 | 常態假設與圖種不適用 |
三、原創情境：同一批 125 筆數據，為何會出現兩種相反結論？
假設某尺寸規格為 20.00±0.10 mm，連續收集 25 組、每組 5 件。前 18 組中心約在 20.00，後 7 組因刀補策略改變逐步移到 20.06。以組內變異估算的診斷值約為 1.54；用整段資料的整體變異計算期間結果約為 0.89。數值為本文自行設計的教學情境，不取自手冊。
1.54 告訴我們：若能把各時點的位置差異消除，短時間內的潛力不差；0.89 告訴我們：實際交付期間已受到位置移動傷害。此時不能挑較好看的值對外報告，而應先處理刀補與漂移，再確認穩定或受控證據。這也是組內診斷指標與正式能力／性能結論必須分開的原因。
四、把時間模型翻成三種現場語言
4.1 穩定雲團：位置與變異沒有可辨識的時間結構
這類製程適合用一般 Shewhart 思路監控較明顯的偏移，但仍要確認抽樣能涵蓋真正變因。『圖上沒有紅點』不等於資料代表性充分。
4.2 緩慢漂移：刀具磨耗、溫度或補償讓位置隨時間改變
若漂移是可預測且被受控管理的，策略可能是建立補償、壽命界限與適合的偵測方式；若漂移來源未知，就仍屬未解決的特殊原因。重點不是硬把資料轉成常態，而是把時間機制寫進控制設計。
4.3 混合來源：多模穴、多機台、批次或供應商疊在一起
多峰分布常是資料分層失敗，而非『需要一個更厲害的分布』。先拆分流別、批次與設備，看每一來源是否有自己的位置與變異，再決定合併管理是否合理。
五、選圖不從圖名開始，而從要抓的變化開始
| 想偵測的問題 | 優先思考 | 驗證方式 |
|---|---|---|
| 明顯且突然的位移 | 基本位置／變異圖與合理子組 | 用歷史事件或模擬位移檢查報警速度 |
| 很小但持續的偏移 | 具有記憶性的偵測方法 | 比較漏報、誤報與平均偵測時間 |
| 偏態或自然界限 | 適合的分布或直接機率模型 | 確認界限與實際尾端風險一致 |
| 多流或多變量 | 先分層，再評估多變量／標準化方法 | 確認單一來源異常不會被平均掩蓋 |
| 被接受的系統性漂移 | 補償、壽命及驗收策略 | 驗證產品風險與干預時機，而非只看紅點 |
圖種只是工具，OC／ARL 等效能概念才回答『多久能發現』。企業可以用自家歷史異常做回放：同一批資料套入候選方法，比較第一次報警時間、誤報次數與操作員負擔。這比背誦圖種對照表更接近導入決策。
六、把第 6～9 章翻成 MiDFUN-Platform 的四層分工
| 架構分工 | 負責什麼 | 刻意不做什麼 |
|---|---|---|
| 資料層 | 保存來源、時間、層別、樣本條件、有效性與研究範圍。 | 不因為資料量大就自動宣稱代表性充分。 |
| 統計核心 | 以同一套確定性函式處理圖表、能力指標、規則與方法標籤，並以參考資料回歸。 | 不讓生成式 AI 產生正式數值或自行改寫規則。 |
| 決策服務 | 依穩定證據、圖種語意與研究條件組合報告，保留警語及資料排除痕跡。 | 不把 advisory 的模型建議偽裝成唯一正解。 |
| 工作流程 | 把警報送入記名處置、產品圍堵、效果驗證與稽核軌跡。 | 不把『已通知』視為『已處理』，也不讓 AI 代替放行。 |
這種分工讓平台可以持續增加圖種或分析方法，而不必改變治理原則：數值由可重現的統計核心產生，證據由資料與報告層說明，後果由工作流程與授權人員承擔。
七、單邊規格的判讀：不要虛構另一側要求
以塗層厚度『不得低於 12 μm』為例，上側可能沒有功能失效界限。此時硬造一個 USL 只為了計算漂亮的 Cp，反而會讓報告看似完整、實際意義錯誤。應先說明自然界限、成本或後續製程是否形成另一側限制，再決定要報告哪一種指標與改善方向。
八、六個看似專業、其實證據不足的紅旗
- 只報 Cpk，不交代研究期間、變因涵蓋與穩定性證據。
- 組內診斷值明顯優於整體結果，卻沒有調查漂移、分層或特殊原因。
- 常態檢定未拒絕就直接宣稱常態，未檢查時間圖與製程物理。
- 樣本數增加很多，但全部集中在同一班、同一批與同一環境。
- 為提高靈敏度疊加多條規則，卻從未計算或回放誤報成本。
- 管制圖、能力報告與 OCAP 分屬不同系統，發生異常後無法追到產品隔離與效果確認。
九、導入順序：先改決策規則，再改軟體畫面
- 建立指標命名規則：什麼證據下使用期間性能、能力或組內診斷值。
- 挑選三種代表製程——穩定、漂移、混合來源——做資料回放與分層分析。
- 為每一類製程定義抽樣、子組、圖種、警報及 OCAP，並以歷史事件驗證偵測效果。
- 再要求軟體保存分布、界限、風險參數、資料排除與版本，避免畫面升級但治理未改。
結語
第 6～9 章的實務價值，是讓企業從『算一個數字』進步到『為一個結論負責』。公式可以由軟體完成，但研究目的、資料代表性、模型選擇與放行風險仍需要工程判斷。
來源邊界：本文為中方科技的獨立評論與原創情境分析，不重製手冊公式總表、模型清單、範例數據或圖表。技術採用與門檻仍以正式手冊及顧客要求為準。
常見問題
新版還可以使用 Cp/Cpk 嗎？
可以，但應先確認資料與製程狀態足以支持能力宣告；若穩定性尚未證明，宜先以性能指標描述指定期間的結果。
Cw/Cwk 可以直接取代對外的 Cp/Cpk 嗎？
不宜。Cw/Cwk 著重組內變異，手冊將它定位為診斷與比較用途，不宜用於正式能力／性能報告。
手冊中的目標值可直接套用所有客戶嗎？
不可以。文中數值是手冊情境與示例，實際門檻仍須依顧客特定要求、合約、特性風險及雙方協議確認。
