集微咨询：如何建立零缺陷的质量系统

相信业界最好奇也最想突破的瓶颈之一，是破解tsmc如何做到，从技术开发到无缝接轨量产，用神奇速度提升良率，进而拉开与竞争者的差距。论高学历的人才与在美国的科技资源，Intel是远远优于tsmc的；但在半导体的量产技术赛道上，为什么只能望其项背? 追根究底靠的是台湾资通讯业一边量产一边持续改善，摸索四十年所建立特有的ZD零缺陷的质量管理系统，现在来跟大家分享这个复杂、动态又可以降低失误的Operation Technology。

随着消费电子产品的个人化，带来轻薄短小的工艺技术要求，一个元件要经过数百道制程，如半导体前端芯片制程或是把上万甚至百万个相同元件整合在一起，如Mini/micro LED，或是先进精密封装等无法重复的生产程序。每道工序些微的不良率的累加，例如每道0.1%，500道就将近损失50%良率，就会让量产遥不可及。2000万个不良率仅0.1ppm的micro LED chip做成一片面板，直通良率是0，每片面板还有2颗坏掉的chip要修理。

因此，如何把以往高毛利产品才负担得起的零缺陷Zero defect 质量系统运用到大众化的消费品，提高行业准入门槛，摆脱开发中国家/地区的模仿追赶，是台湾经营者持续关注及精进的工作。

当前台湾制造业质量面临的外在最大问题是人力短缺、操作质量不容易达标、外劳语言不易沟通导致训练容易出错。在这样的状况下，要做到ZD越来越显得力不从心！以下我们将从制度的设计及管理文化打造两大方向来说明探讨。

一、质量经营制度的设计

ZD质量制度的设计概念如下：

1.生产不产出，检验不流出

2.先不流出，再不产出

3.建立EAR的预警机制

4.用OCAP根本改善HWCQI

以前的质量概念是，质量要从检验出来的。

提升到是生产、设计出来的，最好是做到免检。但是，零缺陷这种要求是不可能完全靠生产做出来，一定得加一道最终检验的保险，才有可能把风险降到最低。所以必须要改变质量概念，不是确保零缺陷才开始量产，靠的是经营"两头全抓"的质量系统，前头不产出，后头不流出。

首先，在评价失效模式分析PFMEA（注1）风险系数时，失效Effect要以不流出到客户为评分考虑，而不是生产良率。也就是会流到客户那边的失效模式的分数都是接近八到十分的，而不产出的部分分数就比较低，初期先是以不流出的失效模式为主要的设计考量。为了要不流出，就在后端加入检验的仪器，做100%的全检，而且是越自动化检验仪器风险越低；当检验的仪器是自动化，而且又是100%全检的时候，Detection难测度，分数就可以瞬间降到一，这样子就代表不流出的把握度可以很高。在这样的前提下，我们还要做另外一个PFMEA，就是针对后端自动化检验机器的失效，也要做一个失效模式分析，这是第二道的保险，而且非常的关键。常常有很多人会以为后端是用自动化全检，就可以高枕无忧了；其实错了，就算是自动化全检的机器，它也有可能会出错；所以针对自动化全检的机器也要做风险预防。

预先要想出有可能发生检验误判的可能，而自动化全检的误判分两种，一种叫做过杀，一种叫做逃脱。那在做零缺陷的初期，一定是宁可把机台校验到会过杀而不会逃脱，这样才能够赢得客户的信心，创造市场需求。等到慢慢的了解到整个产品的质量水平和客户的适用性后，才可以用提升良率的角度，把误杀的部分慢慢做适当的放宽。当后端不流出的质量系统建立后，我们就可以开始在没有客诉压力之下，从容不迫地回头去整顿不产出的部分，边量产边改善，提升良率，让成本下降。

不流出是抓住检验的最末端量测成品的参数Y。不产出则要从参数的最前头掌握住。以往基于成本考虑，质量管制计划，是以IPQC量半成品的特性参数y。随着物联网IoT便宜普遍，可以从源头直接管控设备重点参数的x，就尽量少量半成品。硬设备重点参数（HWCQI）则是用IoT连线直接监控。

成品Y，半成品y及设备x的关系为：

Y=f(y1,y2,...)

y1=f(x1,x2...)

越源头的单一参数，受到越多因素交互影响的可能就越少。更容易直接控制避免产生异常。

而如何能够做到不产出呢？接下来分析说明。

（注1）一种预防质量失效的风险评分方法，Seriousness（严重度），Occurrence（发生率）及Detection（难测度）三者相乘，分数高者风险高，要优先建制质量监控方法。

长耳朵EAR

前章节我们谈完了不流出的部分，现在我们来谈谈如何不产出，因为不流出只是赢得客户的信任，不代表可以赚钱。接下来一定要在生产的过程中，尽量让每一站的良率做到100%，减少不良品的损失，这样也才可以开始迈入获利的阶段。但是，怎么建立生产线中不产出的质量系统？首先就是要建立EAR的早期预警反馈机制。Early Alarm Response 缩写为耳朵很传神，听到风吹草动就要警觉提防问题的发生；也就是当我们生产的某个站点的质量特性超出了管制界限（尚未超规）的时候，就必须能够立即发出警报，提醒当站负责的人员进行及时的纠偏处理，这是只强调创意及个人自由的工作者及企业管理文化所无法适应的。想要在ZD的制造业获取成就，就必须改变从业的心态。

第一步是我们在每一站，针对制程的参数要建立SPC的管控。SPC是针对所有可以量度成数字的参数特性来做管控，譬如我们要镀一层膜，它的膜厚，或是要切割出深度、尺寸；这些量度的数据必须经由统计工具计算出它的上下管制界限，用这个管制界限来全程监控质量，检查是否偏离中心。第二是一种非数字化的数据，属于外观的图形异常或者是微粒(particle)污染。早期这些非数字性的外观异常，靠的都是由人工用显微镜在检查，可随着人力越来越短缺以及不稳定，现在已经慢慢导入成自动化的光学量测，叫做AOI。这些自动化的工具，可以大大减少人力的使用跟人员的不稳定。高科技精密的产品的尺寸都是越来越精细，普通就在micro等级，更高阶的像半导体制程已经到纳米的等级。因此任何一个微小的微粒，Particle掉在图形上就会造成电路之间的短路，所以这些particle的监控是非常重要的。此外，制程的复杂度，有的时候都是上百道甚至上千道的工序集合为成品；因此，如何在每一层降低particle 掉落是极为重要的制度。

把每一道的SPC 及AOI的IPQC建立起来之后，最后还有一个很重要跟可靠性有关的监控制度叫做ORT（ongoing reliability test）也是不可或缺的。因为有时候某些问题在生产线可能不会影响到功能，可是到了客户那边，经过长时间温度跟湿度的变化。用了一段时间之后才造成功能的失效，引发信赖性不佳的客诉，而这种客诉的损失是很大的。而这方面的功能失效，往往并非来自于一些可以量度的数据，或者是用显微镜观察得到的，有可能是一些化学性材质加上时间的变质，譬如膜质的组成变异了，或者是有些化学物质的残留污染造成的；甚至是供应商的物料变质了，而我们却无法立即察觉。此外，因为不可能花费很高的费用去做一站一站的盘查。所以就必须建立一个信赖性抽样测试的系统对生产产品取样，给予极端高温、高湿、高电流的压力测试（stress test），来预测母体产品的寿命以及可靠性是否合格，以避免表面上功能正常的产品卖到用户端，经过一段时间的使用之后才造成失效，而必需召回，这样的费用损失其实是非常庞大的。所以ORT是ZD质量系统必备的另外一个，在数字化SPC跟外观品管所看不到的监控质量信赖性变化的必要制度。

它的功能在平时会设计一定抽样比例的产品去做这样的监控。此外，当某一道制程有发生轻微的变异的时候，而要判断这些产品是不是可以验收时（Accept），也需要加做ORT，先确保没有可靠性的问题，才可以安心放行。

开眼睛EYES

接下来我们要来谈谈，当EAR听到有异常的风声的时候，工厂的处置方式，也就是所谓的OCAP -out of control action plan（失控行动计划）。当制程发生异常，已经超出我们的管控范围，这时就要采取action plan行动计划。但不是每一个大大小小的异常都要启动呢?有些异常是平时常见的，用特性要因图（鱼骨图）就可以追查出原因，而且生产线已经培养了一批熟练异常处理的操作员的话，就可以授权由他们依照标准的OCAP程序去处理。然而，有些异常是新发生，从来没有遇到过，那就必须启动action plan，集合各制程、设备的专家一起来分析讨论处置的对策。什么样的异常需要启动，什么样的异常不需要启动？并不是以异常的严重程度的大小来判定，而是依照三个指标，第一个就是原因不明，第二个无法确定风险框列范围，第三个会引起可靠性的问题。如果符合这三个条件的任何一个，就要启动OCAP，由专家系统一起会诊；一来水平展开到相同的设备，垂直过滤上下游受影响的制程 ，并框列出所有异常品不要流出；二来把异常的原因找出来，实施必要的对策不再产出。

对于此类异常问题的分析解决方法，业界常用的就是8D（注2）工作方法，这里面最重要的步骤就是D2的步骤，也就是问题描述，问题描述最好用的表格化的方法就是飞机图（注3）。因为问题如果描述不清楚，将会导致后面的要因解析也跟着偏掉了，这是很重要的概念。就好像警察办凶杀案要先确定是情、仇、财杀的方向才对相关的嫌疑犯监控。方向是最重要的，如果错了，怎么找都找不出真正的原因出来，也就是我们常说的挑错了鱼，拼命去解析他的鱼骨图，也找不到真因的鱼骨头。所以D2的用处就是从现有异常的资料去比对，帮我们决定是哪一条鱼。当我们用飞机图确定了是哪一条鱼之后。真因就被圈在那条鱼身上了。

8D(注2)工作方法

D1 成立小组D2 问题描述D3短期措施D4确定根本原因D5 选择长期解决方案

D6 确认效果D7 预防措施D8 恭贺小组

飞机图(注3)

一种训练工程师分析解决问题的表格化快速手法

利用比对有看到及没看到问题的对照组信息，快速、直接挑出人、机、料、法、环的差异因子，因为外形像飞机，俗称飞机图。

来源：高效分析与改善

例如：计算机机壳上漆后会掉漆，如果从鱼骨图分析，会有很多可能原因要逐步排查，旷日费时。如果从报表分析看到A班的比率远高于B班，就可以比较两班人、机、料、法、环的的差异，直接找出原来A班最近进用大批新手这个重要因子。

随着近代人工智能信息科技越来越进步、便宜。需要速度的高科技公司，就会辅助EYES（Electronic Yield Enhencement System)的系统来搭配分析问题，也就是把眼睛睁开盯着。该系统包含两部分：

●一个是人工智能EDA工程资料分析，它是一套AI人工智能的软件，只要把那条鱼圈住的生产信息输进去，人工智能就会帮我们找出生产上跟鱼头相关的人事时地物、人机料法环做一个全面的排查，比对出机率较高的原因有哪些，建议工程师加以归纳、比较可能的原因，验证真因、找出对策而解决问题。

●另一个叫做FA（Failure Analysis）就是失效分析，失效分析是针对失效的样本，用一些特殊的电子显微仪器，有的甚至可以看到纳米级的尺寸，去找出线路、图形异常的区域。或是精密的成分分析仪器，可以去分析它的化学成分到PPM甚至PPT级，去看产品里面是否有不该有的杂质，再用辅助AI模式分析就可以事半功倍的找到失效位置，验证假设的原因是不是正确，进一步建立失效的模式。所以EDA跟FA的搭配，就好像是警察要抓凶手一样，在茫茫的人群里面，每个人看起来都有嫌疑。警察经由EDA的判断，就可以决定要搜索的范围是在哪个区域，锁定嫌疑犯，这时候才把镜头，也就是FA朝向想监控特定嫌疑犯们的行踪，最后找到真正嫌疑犯的犯罪证据，这就是整个EYES系统的基本运作原理。

不过这两个系统使用上是有先后顺序的。最好先用EDA做D4-1要因解析，再用FA做D4-2确定真因才容易聚焦。因为，直接用FA会有两种谬误。一是找不到想看到的假设。例如电极腐蚀推论是Cl氯，但样本取样或准备过程出错没测到就武断推翻假设。一是测到Cl氯就判定是氯腐蚀，搞不好只是手汗污染样本。最严谨的就是先从EDA归纳出异常品都有在含氯的制程中发生过洗净异常。再用FA做最后验证。就算样本取样或准备过程出错没测到也就不会草率推翻假设，并再次确认。

再次强调，源头不产出的思路就是，要因要尽力去找可以从源头直接管控的设备重点参数（HWCQI）x最好，找到这类根因后，直接用IoT连线监控，因为越源头的单一参数，受到越多因素交互影响的可能就越少。更容易直接源头管控。

持续推动OCAP累积的效益非常可观，退可反馈回去补强质量管制计划，避免良率损失。进可利用此要因，加以改善提升良率。也就是扭转每次的危机变成转机，把大大小小的异常事件累积成专门的知识，持续推动企业质量ZD的进步循环，止于至善。

以上就是设计ZD质量制度的方法论。接下来我们来谈一下另一个层面。

二、管理文化

制度的设计建立完成后，靠的是在负责制度推行的管理者。一个公司的优劣取决于管理者的思路所形塑的文化。

1.Traceability-透明的信息才可以实时追溯、反应异常

2.Continuous Improvement-把问题当作改善机会来把握

3.Internal Communication-民主畅通的沟通管道，倾听基层的声音，避免方向被误导

4.Listen to Customer -倾听客户的声音，让客户产生依赖性

5.Close loop control-输出端问题反馈回输入端预防的闭环管制系统

6.Production oreneted- 所有部门以服务生产单位如期如质达交而产生存在价值

7.AI for leave work on time资源首先用于建构让员工准时下班的所有AI智能系统

8.Lean prodution-以精益生产的"三不"持续精进ZD质量系统

1)不合规定不做
No Rule No do

2)不清楚不尝试
No sure No try

3)不精益不接受（暂忍受)
No Lean No accept

只要管理者时时鞭策自己，不怠惰、偏离以上原则。等到文化建立后，公司就形塑了保护ZD的免疫系统。

总结：

一家公司的获利来自于两大块，一个是经营策略Business stategy争取外部机会，另一个是营运绩效Operation performance，降低内部管理风险。前者可以加分，后者只能不扣分。

营运绩效是以高精密昂贵科技设备，生产为主的科技公司，最重要的一个根本。当两家公司采购的机台是相似的时候，如何在市场上有更好的竞争力，就取决于谁的绩效好，谁的成本就低，就可以超越对手，获得客户的青睐，因为机器设备是一样的。如果没有其他经营策略上的差异，那最根本的竞争就是来自于哪一方对于营运做最大化的绩效产出。

公司不要一心只想靠在经营策略的差异上赢过对手，一个公司要在残酷的市场竞争上超越对手，最根本的就是针对他们所采购的设备资产，能够做最大的产出，先求不扣分再求加分。在一开始才可以立于不败之地。再搭配好的经营策略就是如虎添翼。可以在稳固的基础上大胆竞争。超越对手。

常常看到两岸的企业主不静心把内部弄好。每天空谈策略，只想赢的，不先想如何不输。这样本末倒置，内部管理就不会精实。景气好时，客户先忍着挑可以的产品将就着用，看不出来问题。景气不好了，客诉处理爆增。退换货到亏损，然后死命撑住，到处借钱，好运撑到景气来的时候。看别人大赚钱又心痒痒的听信业务的美好愿景，想要以量取胜，借钱来投资，结果投资下去，效率问题造成的浪费加倍突显。改善脚步跟不上机会消失的速度。遇到景气反转，整个成本的架构更糟糕，赔得更惨，这时候工厂端跟业务端就在开始交相指责，一个说业务把外部的机会夸大了，一个说是工厂内部的营运绩效不好；这样撑不住就倒闭了的案例不胜枚举。相反的，一个首先重视内部营运绩效的工厂，他平时在不景气的时候，别人是赔钱的，他可以获利；当景气来的时候，他就可以快速复制获利的方法，扩大战果。就算忽然景气下降了，没那么好赚，他反而可以用累积的获利成为削价竞争，把对手赶出市场的利器。如果一个公司的高级经理人不重视内部营运的管理，每天都在做经营策略的机会梦，只会画大饼，其实是非常危险的。把一切经营的心血、资源都做成梦幻泡影，这是对不起投资人的。把眼睛看向天边的彩虹，而忽略了脚边的坑洞，在企业的经营上，绝对是永远跌跌撞撞，赚钱是运气，赔钱排第一。

先把ZD零缺陷的质量管理系统马步蹲好，功夫练扎实，让企业成为可以循环持续改善的有机体，就能从容应付产业的瞬息万变，立于不败之地。