品保人的部落格

這是第一篇在部落格發表的工作經驗,主要是以公司2012年度教材當範例(今年2013,我增訂為P10,目前仍在整理中),就拿在各供應商常遇到的議題 "問題分析與解決"來練練..

這篇內容,由我的講義將重點摘要出來,設定的對象是工程師(如QC,PE或製造部),也是我工作上常常接觸的合作伙伴;內容適用的議題(issue)可以是客訴案件或製程不良品的解決方式.在這裡,我以客訴案件為例,將處理的分2階段.

第一階段: 風險管控
因為生產特性,公司主要的OEM廠商都在亞洲,當產品組成後,會由空運或海運運輸到加拿大或美國母公司的倉庫,所以,當發生國外有客訴發生時,通常有些貨是在海上的,甚至於在加拿大或美國也有些庫存的,而我都會請OEM廠商先犛清:
     (1) 庫存品有沒有風險
     (2) WIP(在製品)有沒有風險
     (3) 是否有斷料或停產的風險
     (4) 是否有其他無法掌握的風險
     (5) 抽樣與驗證計畫
     (6) 可能影響的產品區間
     (7) 其他

在此階段,主要是在:
     A. 最快速的時間內(通常是在2天內),要完成所有供應鍊的風險評估,
     B. 配合[溝通管理]即時將處理訊息傳遞給利害關係人,如採購,品保,業務,經銷商...等.
     C. 配合[溝通管理]確實掌握或籬清缺點模式,以利進行分析

為有效溝通,專責人員必須瞭解利害關係者的溝通風格,文化問題,彼此關係,個人個性及環境的整體情境等因素.因為依個人經驗,當發生嚴重客訴時,往往美國會因為無法即時得到訊息而會多所抱怨.


第二階段: 問題分析與解決(其實重點就是找原因,問題找對了,答案就呼之欲出)
    這一階段比較有趣也比較麻煩,
      > 有趣的是在抽絲剝繭的過程,往往會發現問題原因是來自於平常沒有注意到的細節或是沒有被納入管制的製程特性(uncontrolled items);請參考底下2案例.
      > 麻煩的是,幾乎工程師都習慣要"釐清"爭議點或缺點,否則,他們都認為無法進行下一步的分析.也就是說,大家還是習慣由下往上的歸納法.這不能算錯,要看 狀況而定,但卻往往浪費寶貴的時間在找數據或訊息..,而且,還有可能會將不利自己的訊息視而不見..
      > 還有另一個麻煩是:有時候,人們都傾向靠自己的地位,權威,知識及經驗來判斷問題並解決;至於事實真相與根本原因通常也就無法徹底去追究與解決,其實,這種模式我還蠻擔心的,因為,錯誤的方向不但浪費資源,更浪費寶貴的時間.

     那,到底問題原因該如何尋找呢?
     (1) 如果數據或訊息足夠的話,使用歸納法(induction)
            Step 1:  明確問題
            Step 2: 資料蒐集,整理與分析
            Step 3: 找出差異(動態與靜態)
            Step 4: 發現變化(三現)
            Step 5: 假設原因(假說)
            Step 6: 實驗,驗證,篩選
            Step 7: 找到根因

          老實說,除非QC量測不確實,或有些不符合產品刻意被release出去,否則,我目前還沒有看過客訴的不良品可以從現有的數據找出原因的.
 
      (2) 如果數據或訊息不是很足夠的話,使用演繹法(deduction)
            Step 1: 問題
            Step 2:假設原因(假說)
            Step 3: 實驗,驗證,篩選
            Step 4: 資料整理與分析
            Step 5: 找出差異(動態與靜態)
            Step 6: replication
            Step 7: 找到根因

        註1: 原因分析的要點:
                > 找出適當的非發生事實(IS NOT)
                > 關注發生事實(IS)與非發生事實(IS NOT)的不同之處
                > 一切故障/議題/缺點皆因變化而起,要細心尋求變化(Detail SIPOC)
                > 不要陷入先入之見的泥沼,要查明事實.

        註2: 資訊永遠都不是完整的,它會跟隨著時間的推展而成長和改變,所以,請切莫:
               >永遠都在蒐集資訊
               >只蒐集我們要尋找的資訊(只為了證明我們希望達成的結論會決定是對的)
               > 被龐大的資訊淹沒.
               > 被五花八門的詮釋,讓事實離我們愈來愈遠.
               > 對於事實的解讀可能不恰當,甚至是不合邏輯.
 
   
案例1(手法:歸納法+ 排除法+KT法+Detailed SIPOC):
B供應商的QA經理告訴我,某一零件的設計可能有潛在風險,因為在組裝過程,都約有0.5%~0.6%的不良品(缺點模式:斷裂),該現象已經持續1年多,而且,該零件的尺寸都是符合圖面規格的.
處理方式:
    (1) 使用KT手法,我先確認尺寸與射出成型導致不良品的風險不高,接著,
    (2) 到組裝線觀察機台,發現會發生斷裂的結果並無集中性,而且,
    (3) 操作員都是在組裝品功能測試後才發現斷裂
    (4) 接下來,我觀察功能測試後,機台會有一步驟快速將組裝品往後拉,再往前推出測試治具
    後來,我請工程師將該步驟取消(non value added),截至6個月的生產只再發生1件.

案例2(手法:演繹法+ B vs C+ Replication+Detailed SIPOC+ F,t檢定):
A 代工廠的製程良率因為某零部件異常導致高報廢,將不良品退回供應商後,該供應商回報測試功能符合規格,尺寸無異常,判斷該零件並無缺點.
處理方式:
    (1) 親自拜訪該供應商,瞭解所有製造過程與測試項目
　(2) 請該供應商將OK, Rejected units各5 pcs重新以可量化的測試結果比對,發現結果有明顯差異
    (3) 對換OK , Rejected 可疑的零件,發現某零件會影響結果,連帶,人員組裝手法也會造成不良後果
    (4) 請供應商用Pin gauge重新檢驗該可疑零件,發現已經低於LSL.詢問後才發現IQC的檢驗手法有問題
    (5) 數日後,該供應商告知不同型號但同樣功能的另一零件也有同樣問題,並已改正.

上述案例是提醒: 原因分析都不是由已管控的資料所求出.尤其甚者,原本相關QC data都是符合”規格”