中方科技股份有限公司

04/12/2025

▌12/18告別舊時代！汽車品質工具大革命AI、六大核心工具SPC&MSA新版與系統整合實戰-線上研討會
隨著 AI 技術的快速崛起 與 IATF 16949 新版核心工具 的全面推動，汽車產業的品質管理正面臨前所未有的轉折點。傳統方法已難以因應複雜化的製程挑戰與爆量的品質數據，企業必須尋求更智慧、更整合化的品質管理架構。 本次研討會為 今年度的最後一場重量級活動，中方科技將由 資深邱經理 帶領與會先進，深入解析 新版 SPC、MSA 的核心變革，並分享未來品管系統如何與 AI 工具協同合作，打造高效率、高精準度的品質控管流程。 研討會中也將透過多個 ERP / MES 整合成功案例，解析企業在導入品質系統時，如何與原有系統協作、串接資訊流，真正落實數位化品質管理。 這是一場結合法規新知、前瞻技術與實際導入經驗的專業研討會，能協助您快速掌握品質革新的關鍵策略，提前布局汽車產業的新未來。

邀請您立即點擊下方連結完成報名，與業界領袖一同掌握下一波品質競爭力

研討會重點：
📌新版16949六大工具彙整與趨勢整合
📌新版SPC&MSA說明及應用
📌製造業痛點解方： AI SPC&AIQ趨勢與應用
📌ERP/MES整合實例與企業導入經驗分享

活動資訊：

日期：2025年12月18日(週四)
時間：14:00~16:00
地點：Teams遠端線上會議室

報名網址： https://forms.office.com/r/NkxanVrqyA

歡迎踴躍報名參加！建議早點報名喔!

中方科技擁有三十年以上的品質管理系統導入經驗，累積了豐富的實務案例與專業知識。我們致力於協助企業提升品質管理水平，降低稽核風險，為企業的成功發展提供助力。

我們期待您的參與！

10/11/2025

▌11/13從「救火」到「預防」實現品質零盲點_品質內循環改善應用與16949新版SPC線上研討會

在追求卓越製造的道路上，如何將每一次的「異常」轉化為系統升級的機會，並從根本上消除「潛在風險」，是企業能否保持領先的關鍵!!
希望邀請業界各位先進參加中方科技「品質內循環智慧改善與系統實戰研討會」。
本次研討會將打破傳統品質管理的孤島狀態，如何運用 IATF 16949的邏輯思維，整合其中四大核心工具，建立一套能夠不斷學習、持續進化的品質管理系統。
透過本次研討會了解如何運用異常管理 (COM) 系統，確保每個問題都能追蹤到底，從根源上杜絕重複錯誤。更重要的是，讓實際發生的異常數據即時反饋並優化產品、製程的風險分析 (FMEA)，從而精準地調整廠內的製程管制計畫 (CP)，實現從過去錯誤中學習、預防未來風險的目標。最終，透過將 CP 中的關鍵特性串接到統計製程管制 (SPC)，能系統化的證明並持續監控廠內的製程能力，確保產品品質始終如一，從根本上實現品質的零盲點。
研討會議題：
📌IATF邏輯+QRP系統介紹
📌異常管理COM應用說明
📌8D異常單與FMEA-CP關聯性
📌 CP與SPC串接說明
📌SPC系統說明與新版要求分享

日期：2025年11月13(四)
時間：14:00~16:00
地點：遠端TEAMS線上會議室
報名網址：https://forms.office.com/r/NnA4UYjeJ7
歡迎踴躍報名參加！

另外，2025/12/18 將舉辦16949六大核心工具整合應用及2026新版SPC、MSA說明。
更將針對如何應用AI到品質系統與實務研討，歡迎在此次問卷中提出您的想法，讓我們一起努力 !

08/11/2025

少量多樣生產模式下的品質管理挑戰與智慧解決方案
企業專欄 作者：中方科技 邱培其 November 10, 2025
內容目錄
• 引言：少量多樣生產的品質管理困境
• 痛點一：數據分布複雜性與傳統SPC假設失效
• 痛點二：多維度層別爆炸與交互作用難題
• 痛點三：信號雜訊比低與異常模式隱蔽
• 痛點四：反應式品質管理與預測能力不足
• 痛點五：技能缺口與組織學習障礙
• 結論與實施建議
• 常見問題快速FAQ
引言：少量多樣生產的品質管理困境
在工業4.0與智慧製造的浪潮下，製造業正面臨市場需求的多樣化挑戰。為了滿足客戶的個性化需求，生產線必須具備高度彈性，這導致單一產品批次縮小、產品種類急劇增加。這種轉變使傳統統計製程管制（SPC）工具難以適用，因為它們依賴穩定製程與常態分配假設。這些挑戰不僅孤立存在，還相互強化，形成系統性瓶頸，導致品質成本上升與企業競爭力削弱。本文深入分析五大核心痛點，並提出可操作智慧解決方案藍圖，旨在幫助製造業企業升級。
中方科技基於多年協助製造業導入品質系統的經驗，發現成功關鍵在於從企業痛點出發，整合AI與數據分析工具。建議企業先進行需求評估，階段目標達成，同時建立跨部門團隊，逐步實施解決方案隨實際狀況修正發揮效益。
以下為三項實用建議：
1. 識別核心痛點：評估製程與品質數據分布與層別複雜度，優先定義問題並解決傳統SPC在少量多樣生產下的失效問題。
2. 建構數據基礎：整合多源數據，對齊製程與去除雜訊，建立適當TAG進而建構標準化平台，支持AI應用。
3. 持續優化與培訓：導入低程式碼工具，建立內部快速溝通POC與變動式持續優化，培養組織學習文化，適應多變製造型態。
痛點一：數據分布複雜性與傳統SPC假設失效
問題本質與影響
傳統SPC工具如管制圖與製程能力指數（Cpk）假設數據服從常態分配。然而，在少量多樣生產中，數據往往呈現非常態分布，例如缺陷計數（Poisson分配）、不良率（二項分配）或產品壽命（Weibull、對數常態分配）。強行套用常態假設會導致管制上下限計算失準，檢定規則失效或失去調整基礎，假警報率上升20-80%，進而影響整體品質管理效能。
系統化對策：以中方現有建立的資料庫為基礎，導入智能AISPC系統分析，並將這些OOC與OOS分析模式與模擬更適切的規則，之後驗證迭代優化更新
• 步驟一：自動化分配辨識與適配度檢定 建立數據分析平台，使用安德森-達令檢定（Anderson-Darling Test）評估數據與多種分配的適配度。選取p-value最高（>0.05）的分配作為基礎。
• 步驟二：分配導向之控制限計算 依最適分配計算控制界限，例如：
o Poisson分配（c-管制圖）：UCL_c = c̄ + 3√c̄；LCL_c = max(0, c̄ - 3√c̄)
o 二項分配（p-管制圖）：UCL_p = p̄ + 3√[p̄(1-p̄)/n]；LCL_p = p̄ - 3√[p̄(1-p̄)/n]
o Weibull分配：利用最大概似估計法（MLE）求形狀參數(β)與尺度參數(η)，計算百分位數作為界限。
• 步驟三：非常態數據之製程能力分析 採用百分數法計算Ppk：PpK = min( (USL - X50) / (X99.865 - X50), (X50 - LSL) / (X50 - X0.135) )，其中X50為中位數，X99.865與X0.135對應±3σ百分位數。
下表彙整痛點一解決方案：
步驟 作法 關鍵公式/邏輯 預期效益
一 自動分配辨識 安德森-達令檢定，p-value >0.05 減少假警報20-30%
二 控制限計算 Poisson/UCL_c = c̄ + 3√c̄ 精準監控非常態數據
三 Ppk分析 min( (USL - X50) / (X99.865 - X50)... ) 真實反映製程能力
痛點二：多維度層別爆炸與交互作用難題
問題本質與影響
生產環境涉及設備、模具、作業員等超過50個因子，形成維度災難。傳統方法無法處理組合爆炸，多因子交互作用難以偵測，導致根因分析（RCA）耗時5-7天。
系統化對策：機器學習驅動之多變量異常檢測與根因分析
• 步驟一：特徵工程與數據標準化 使用標籤編碼或one-hot編碼處理類別因子，Z-score標準化連續型特徵。
• 步驟二：無監督異常檢測模型建構 採用隔離森林（Isolation Forest）：異常分數 s(x, n) = 2^{-E(h(x)) / c(n)}，s接近1為異常。
• 步驟三：多維度可視化與交互作用解析 利用PCA降維，繪製散點圖觀察異常群聚。
• 步驟四：自動化根因推論 使用排列重要性（Permutation Importance）識別關鍵因子。
痛點三：信號雜訊比低與異常模式隱蔽
問題本質與影響
少量生產使異常數據分散，被正常數據稀釋，傳統SPC檢測能力不足，導致誤判成本高。
系統化對策：智慧層別動態分群與混合模型分析
• 步驟一：動態製程單元分群 使用DBSCAN聚類，根據參數自動分群。
• 步驟二：群集內SPC監控 對各群集獨立建立SPC圖，提升信噪比。
• 步驟三：廣義線性混合模型（GLMM）分析 公式：g(μ) = Xβ + Zγ，量化固定與隨機效應。
痛點四：反應式品質管理與預測能力不足
問題本質與影響
傳統SPC為事後反應，無法預測故障，導致非計畫停機損失。
系統化對策：整合式預測性維護與品質趨勢預警系統
• 步驟一：多源時序數據融合 整合感測器與品質數據。
• 步驟二：長短期記憶網絡（LSTM）模型建構 LSTM核心：f_t = σ(W_f · [h_{t-1}, x_t] + b_f)等，預測未來趨勢。
• 步驟三：動態預警機制 當預測值 > μ + 2σ時發警報。
痛點五：技能缺口與組織學習障礙
問題本質與影響
先進技能稀缺，知識難以傳承，阻礙SPC導入。
系統化對策：低程式碼AI品管平台與數位知識庫
• 步驟一：建置低程式碼平台 GUI介面，拖曳式操作。
• 步驟二：構建數位化品質知識庫 標準化模板儲存案例。
• 步驟三：實施案例智慧推薦引擎 餘弦相似度：similarity(A, 😎 = (A · 😎 / (||A|| ||B||)，推薦相似案例。
結論與實施建議
本文分析少量多樣生產的五大痛點，並提出智慧框架，從數據適配到AI預測，實現品質管理轉型。
實施路徑：
1. 基礎建設期：數據治理與平台建置。
2. 試點驗證期：導入分配適配與分群方法。
3. 規模推廣期：擴大機器學習與預測模型。
4. 文化深化期：透過推薦引擎形成持續改善文化。
此藍圖助企業從被動轉為主動，強化競爭優勢。
常見問題快速FAQ
少量多樣生產為何使傳統SPC失效？ 因數據非常態分布與層別複雜，導致假設不成立，假警報增加20-80%。
如何使用AI解決多維度交互作用？ 透過隔離森林與PCA，自動檢測異常並解析根因，縮短RCA時間。
預測性維護如何運作？ 整合時序數據，使用LSTM預測趨勢，當值超標時發警報，避免停機。
導入智慧系統需哪些準備？ 數據治理、跨部門團隊與低程式碼平台；挑戰包括技能缺口，可透過知識庫解決。

01/10/2025

中方AISPC：將傳統SPC數據轉化為可執行洞察的智慧系統
摘要
想像一下，你的工廠每天產生成千上萬筆檢查數據，就像一堆埋藏的寶藏，但你卻不知道怎麼挖出來用。傳統的統計製程管制（SPC）就像一個基本體檢工具，能監控生產過程，但常常鬧假警報、用錯方法，或找不到問題根源。人工智慧統計製程管制（AISPC）就像一個聰明的醫生，能分析這些數據，給出實用建議：怎麼調整警報規則少鬧烏龍、數據適合用什麼檢查方法、哪些因素互相影響導致問題。本文用簡單語言解釋AISPC怎麼運作、一步步怎麼做，並加了很多範例，讓即使不是專家的人也能看懂。目的是幫助企業從「出了問題再修」變成「提前預防問題」，省錢又有效率。
一、問題背景：傳統SPC為什麼不夠用？
工廠生產東西時，會用SPC來檢查品質。比如，生產手機殼時，會記錄厚度、顏色、強度等數據，還會標記是哪台機器做的、哪批原料、哪個班別操作的。這些數據加起來可能有數千萬筆，就像一本厚厚的筆記本。
但傳統SPC有三個大問題：
1. 假警報太多：它用固定的「八大規則」來判斷問題，比如「連續七點數據上升就警報」。但這些規則像一刀切，常常把正常小變化當成大問題，工程師天天追假警報，累壞了卻沒解決真麻煩。
2. 檢查方法不準：傳統SPC假設所有數據都像鐘形曲線（常態分布），但現實中，有些數據像擲骰子（離散分布），用錯方法就好像用錯藥，檢查結果不準。
3. 找不到根源：數據裡藏著很多線索，比如某台機器加某批原料容易出問題，但傳統工具不會自動告訴你，得靠人猜。
這些問題讓工廠浪費時間和錢。AISPC就像升級版的SPC，用AI（人工智慧）來挖出數據的秘密，讓一般員工也能輕鬆用。
二、AISPC的核心價值：從數據變成實用建議
AISPC不是魔法，而是用電腦程式分析數據，給出明確步驟。以下用生產手機殼的工廠當範例，解釋三個主要功能。
2.1 智慧管制規則優化：少鬧假警報，專注真問題
簡單解釋：傳統規則像鬧鐘，太敏感就常誤響。AISPC會檢查每個規則的表現，建議怎麼調，讓鬧鐘只在真有事時響。
具體步驟：
1. 收集數據：把過去一年的手機殼厚度數據拿出來，包括每次測量值和警報記錄。
2. 分析表現：用程式算每個規則觸發多少次警報，再比對真實問題（如客戶退貨）。例如，算「精準度」= 真警報 / 總警報。
3. 給建議：程式自動產生報告。
o 停用壞規則：如果「規則三（連續六點上升）」在厚度數據上響100次，但只有5次是真問題，就建議停用它。
o 調參數：如果「規則七（連續15點靠近中心）」太嚴，就改成「連續20點」，讓它更準。
o 推薦組合：對手機殼強度，建議只用「規則一（超出界限）+規則四（數據上下跳）」，因為這組合抓到80%的真問題。
範例：在手機殼工廠，AISPC發現「規則三」常因正常溫度變化誤響。停用後，假警報少90%，工程師每天少追10個假案，多出時間修真問題。
好處：省人力，估計每年少浪費5萬小時工程時間。
2.2 自適應分布識別與管制圖推薦：用對方法檢查數據
簡單解釋：數據像不同形狀的拼圖，傳統SPC只用一種形狀的框框裝。AISPC會先看數據形狀，再推薦合適的框框（管制圖），讓檢查更準。
具體步驟：
1. 測試形狀：用簡單測試（如Shapiro-Wilk，類似量身高看是否平均）檢查數據是不是「鐘形」（常態分布）。
2. 試穿衣服：如果不是鐘形，就試其他形狀，如「卜瓦松或T分配」（像數缺陷數，少見但可能爆發）。
3. 推薦工具：
o 如果數據像鐘形（如手機殼厚度）：用Xbar-R圖，畫線看平均值和變化。
o 如果偏一邊（如生產時間長短不一）：先用「Box-Cox轉換」（像拉直彎曲的線），再用圖。
o 如果數缺陷（如手機殼刮痕數）：用c圖，專門算平均缺陷。
o 如果算不良率（如10個裡壞幾個）：用p圖，考慮樣本大小。
範例：手機殼工廠的刮痕數據不是鐘形，而是像「卜瓦松」（大多沒刮痕，偶爾多）。傳統用錯圖，管制線太寬，錯過問題。AISPC推薦c圖後，及時抓到一批壞原料，救回1萬個產品。
好處：不良率降5-10%，產品更穩定，客戶少抱怨。
2.3 多維度關聯分析與因果發掘：找出問題元兇
簡單解釋：數據像偵探線索，AISPC會連線找出誰是兇手（根源），而不是只知道「有問題」。
具體步驟：
1. 挖關係：用工具如ANOVA（比不同組平均值）檢查數據與因素（如機器、原料）的連結。
2. 畫圖顯示：用儀表板秀出來，比如圓餅圖顯示「厚度問題85%來自機器A+原料XYZ」。
3. 建議下一步：
o 短期：停用機器A加XYZ原料。
o 長期：用DOE（像小實驗）測試，為什麼機器A的溫度設定跟XYZ的黏度不合。
範例：手機殼工廠發現，晚上班（B班）用機器C時，顏色變異大。AISPC挖出是操作員甲的手法+供應商Y的顏料問題。調整後，顏色問題少70%，省下重工錢。
好處：問題解決快一半，從源頭防堵，報廢少15%。

三、AISPC的實施方案：一步步怎麼做
導入AISPC像蓋房子，先設計藍圖，再一步建。
3.1 系統架構設計（像房子結構）
• 數據房間：把SPC、生產系統（MES）、公司資料（ERP）和感測器數據放一起，像大倉庫。
• 聰明腦袋：用統計和AI程式分析。
• 顯示螢幕：簡單介面，像手機App，點一下就看建議，不用懂數學。
• 警報鐘：提前預警，如「機器B快壞，36小時內產品會歪」。
3.2 實施步驟（像食譜）
1. 準備材料（1-2個月）：收集數據，洗乾淨（補缺值、統一格式）。確保每筆數據有標籤，如「機器A、批號123、B班」。
2. 煮菜測試（2-3個月）：餵數據給AISPC，訓練模型。測試規則優化、分布推薦、關聯分析，用小批數據驗證準不準。
3. 上桌吃（持續）：正式用，生成報告（如規則清單、圖表）。每個月檢查反饋，調模型。
4. 教大家吃：訓練員工，用半天課程解釋「點這裡看建議」，確保大家會用。
範例：手機殼工廠花1個月洗數據，2個月測試，發現AISPC抓到之前錯過的原料問題。上線後，第一個月不良率降8%。
3.3 風險管理與成功秘訣
• 可能問題：數據髒亂導致錯建議。解決：用自動清洗工具，先檢查數據品質。
• 成功關鍵：老闆支持、團隊合作、定好數據規則（誰管數據）。

四、商業效益分析：值不值得投資？
花錢導入AISPC，像買好工具，很快就回本。預計回報率100-300%。
• 省錢：假警報少，工程師省力；不良少，報廢降。如生產9000萬/月產品，報廢0.5%降45萬/月，每年可節省約540萬元品質成本。
• 快一點：根因快查，生產效率快10-20%。
• 更好賣：產品穩，客戶愛。還能挖「黃金批次」（最佳生產條件），像找到完美配方。
• 範例預測：手機殼工廠投資100萬建AISPC，半年回本，年省300萬。
五、結論：現在就行動，變聰明工廠
AISPC讓工廠從「數據多但不會用」變成「數據幫忙賺錢」。用簡單步驟和範例，你現在就懂怎麼做了。建議老闆們檢查自家數據，找專家或軟體公司建AISPC。未來，誰先用AI管品質，誰就贏。讓我們一起讓製造業更聰明友善。

Call now to connect with business.

24/09/2025

▌10/16全方位品質管理&AIQ系統實務應用-線上研討會
在競爭激烈的市場中，傳統的品質管理模式已不足以應對挑戰。我們誠摯邀請您參加這場以全方位品質管理系統(TQM)與AIQ系統實務應用為主題的研討會，讓您全面掌握從供應商管理到製程優化的關鍵。研討會將深入剖析QRP的架構與核心概念，並分享SQM供應商來料品管管理及SPC製程管理系統的實際應用案例。我們將帶您了解如何透過系統化工具，有效管理供應鏈品質，並即時監控生產過程，杜絕問題於未然。同時，您也將學習如何透過異常管理與真因分析系統，快速找出問題根源並加以改善，有效降低客訴。本次研討會更將聚焦於AIQ智能製程參數數位化應用，探索如何運用數位化系統優化製程參數，實現品質追溯，並提升整體生產效率。無論您正處於工廠數位化的哪個階段，我們都將提供實用的階段評估方向，協助您明確下一步的轉型路徑。這不僅是一場知識的盛宴，更是您邁向智慧製造、提升企業競爭力的絕佳機會。

研討會重點：
📌QRP全方位品質管理系統簡介
📌SQM供應商來料品管管理應用
📌SPC廠內製程管理系統說明
📌異常、客訴管理與真因分析實例應用
📌AIQ智能製程參數數位化應用
📌製程參數改善與品質追溯
📌工廠數位化的階段評估方向

活動資訊：
日期：2025年10月16日(週四)
時間：14:00~16:00
地點：Teams遠端線上會議室

報名網址：https://forms.office.com/r/Qk7JDy0vZH

10/08/2025

▌智慧品質管控新時代：少量多樣SPC的統計新解方

在全球化競爭與個性化需求的推動下，製造業正經歷一場深刻轉型—從過去的「大批量標準化」，邁向「少量多樣化」的新常態
根據我們對客戶的實際調查，以及來自公開資料的統計顯示，目前全球已有超過 78% 的離散製造企業，將「小批量、客製化生產」列為主要生產模式，而這樣的趨勢，也預計會被納入 2026 年新版 SPC 標準，正式成為品質管理的核心議題。

為此中方科技SPC 系統已經能靈活對應現今的多樣化產線需求，讓企業在少量多樣的生產環境中，依然能維持品質監控的敏銳度與預警能力。相關功能該如何落實到生產現場？想更深入的了解與實際案例說明，請參考以下網站或是立即與我們聯繫!

https://www.midfun.com.tw/qc/short-run%e3%80%81cusum%e3%80%81ewma/

07/08/2025

▌08/21從IATF16949_MSA&SPC新版說明與因應之道-免費線上研討會

現在的商業變化太快，唯有加強自身能力是唯一不變的，讓我們一起加強自我專業，應對多變的競爭環境。

本研討會將深入探討汽車產業中六大核心工具的關聯性與應用。同時，全面詳細解析此次六大核心工具改版的來由與架構，探討新版FMEA與CP在實務上的串接方式&MSA及SPC改版的精神與由來。

從計畫到工廠實務解析SPC及MSA新版與車廠供應鏈(尤其是電子業)的因應之道。並增加SQM說明供應鏈重組趨勢下應對方案。

此外，研討會將介紹如何透過系統化軟體有效管理六大核心工具串接與應用，並展望IATF16949標準的未來變化趨勢，協助企業提前佈局，提升競爭力。

本研討會將深入探討汽車產業中六大核心工具的關聯性與應用，並針對2025年各大車廠的現況進行分析。同時，我們將詳細解析MSA&SPC新版的內容差異，並探討供應鏈的因應做法。

研討會重點：
📌全新六大核心工具的關聯性與應用
探討APQP、FMEA、CP、MSA、SPC、PPAP等工具的整合應用
📌APQP第三版、CP第一版內容差異說明&新版FMEA&CP實務上如何串接
說明如何將新版FMEA與CP有效整合，提升產品開發與品質管理效率，介紹如何利用數位化工具實現文件管理的自動化與標準化
📌最後一哩路__工廠實務MSA與SPC新版功能說明與系統架構
說明電子化時代新版MSA與SPC的新版要求與整合架構應如何達成、自動化、品質履歷等重點項目與異系統串接整合
📌IATF16949未來變化趨勢
歸納並預測IATF16949新版重點如何整合與串接，增加SQM以應對供應鏈重組變化提前全球布局增加競爭力

活動資訊：
日期：2025年08月21日(週四)
時間：14:00~16:00
地點：遠端線上會議室
點擊連結即可報名：https://forms.office.com/r/NkxanVrqyA

23/07/2025

IATF16949新版MSA&SPC解析應用
中方/達方科技股份有限公司 作者 : 邱培其

在16949新版改版浪潮中的最後兩個核心工具改版，MSA與SPC為六大核心工具中最貼近製程現場的品管工具，從自動化儀器連線、ERP/MES串接、乃至各項日常生活中的工廠活動，都是影響工廠製造產品品質的第一線。對了! 還有SQM(供應商品質管理)。 量測系統是入料品質、生產品質的衡量基石，在工廠內MSA是支撐SPC與IQC的標準。而在少量多樣、複雜變化多端的自動化、電子零件急遽增加的電動車、自駕車通訊複雜車型變化的現代，前述MSA、SPC、SQM也變得更趨重要。
根據目前最新資訊，AIAG與VDA已合作推出新版的 SPC（統計製程管制） 與 MSA（量測系統分析） 手冊，並預計於以下時間點正式發布：
SPC手冊 草案版預計於2025年第四季發布，正式版預計於2026年第2季推出。
MSA手冊：概念版延遲可能於2025年第四季發布，正式版沒有最新資訊。
這些新版手冊將延續AIAG與VDA在2019年共同發布FMEA手冊的合作模式，並將手冊拆分為兩部分：
1. 核心工具手冊（AIAG-VDA SPC手冊與MSA手冊）
2. 實踐應用指南（SPC Practical Application Guide 與 MSA Practical Application Guide）。
新版SPC將以VDA5為核心，整合VDA、AIAG與ISO的優勢，建立更一致的統計製程管制架構。新版MSA則強調測量不確定度與能力比率的量化，並針對屬性量具提供更完善的分析方法，例如小樣法、有效性、鮑克檢驗與卡帕檢驗。

一、新版MSA是什麼？各車廠要求CSR有哪些?
新版MSA主要增加量測不確定度的量化，與ATTRIBUTE屬性的分析方法，在車廠的最新要求，GM、FORD與HONDA對不確定度在2025年提出要求，至於屬性中的部分迄今為止尚無CSR文件新的具體要求。
二、新版MSA中的不確定度與屬性指的是甚麼?會應用在那些地方 ?
1. 新版MSA的不確定度與屬性應用說明
A. 定義強化___新版MSA明確區分『量測系統』 與『量測過程』，並將不確定度定義為量測結果的可信範圍，涵蓋所有潛在誤差來源。
B. 量化要求__不再僅依賴GRR指標，增加要求對『不確定度』進行數值估算，並納入決策依據。
C.組合不確定度__計算組合不確定度(Combined Uncertainty)&擴展不確定度(Expanded Uncertainty)，以符合ISO GUN(Guide to the Expression of Uncertainty Measurement)標準。
D.對屬性量具(如人眼目視檢查)提供四種分析方法:小樣法、有效性分析、柏克檢驗、卡帕檢驗。
在報告格式中增加列出不確定度來源、估算方法與結果，並與產品公差進行比對，以評估量測系統適用性。
假設你使用游標卡尺量測一個零件的直徑，傳統MSA僅分析操作員間的差異（再現性）與同一操作員的重複性。而新版MSA則要求你：
• 評估卡尺的校準誤差
• 考慮環境溫度變化對量測的影響
• 計算總體不確定度（例如 ±0.02 mm）
• 判斷此不確定度是否會影響產品是否合格的判定
這項變革的目的，是讓供應商不僅「看起來準確」，而是能夠「量化準確性」，並對量測風險有更清晰的掌握。

2. 如何為屬性量具增加不確定度評估？
新版MSA提供了四種方法來分析屬性量具的不確定度：
方法 說明 適用情境
小樣法（Short Method） 使用少量樣品與多位檢驗員，觀察一致性與偏差 快速初步評估
有效性分析（Effectiveness） 比較量具判斷與已知標準的符合率 有標準樣品時
柏克檢驗（Berk Test） 檢驗觀察值與理論分布的一致性 有大量樣本時
卡帕檢驗（Kappa Test） 評估不同檢驗員間的一致性（Inter-rater reliability） 多人操作時
這些方法可用來量化以下不確定度來源：
• 操作員主觀判斷差異
• 樣品邊界模糊性（如瑕疵大小）
• 光線、角度等環境因素
• 設備靈敏度與反應閾值
📘 實務應用範例
假設你有一台自動光學檢測機（AOI）用來判斷PCB焊點是否合格：
• 傳統MSA只看是否能穩定判斷
• 新版MSA則要求你：
o 評估AOI在邊界樣品上的誤判率
o 比較AOI與人工判斷的一致性（kappa卡帕值）
o 計算其「誤判不確定度」並納入風險分析
相關不確定度計算公式與應用方法將在2025.8.21研討會中用簡報方式說明
有些車廠針對MSA的破壞性測試會有要求，此部分也會在上述研討會說明

三、 各車廠對新版SPC的要求有哪些
各車廠CSR對新版SPC的要求
各大車廠（如GM、Ford、Stellantis、BENZ、BMW、Toyota等）會根據IATF 16949標準，制定自己的CSR文件，補充其特定要求。以下是常見的幾項要求方向：
• 數據收集與分析
o 要求供應商使用SPC來監控關鍵特性（CTQ）
o 明確規定使用的統計方法（如X-bar/R圖、P圖等）
• 系統整合
o 要求SPC系統與MES或ERP系統整合，實現即時監控與追溯
• 人員能力
o 要求操作人員與品質工程師具備SPC訓練證明
• 持續改善
o 要求供應商根據SPC數據進行趨勢分析與改善行動（如8D報告）
• 文件與稽核
o CSR中會列出供應商需提交的SPC報告格式與頻率
o 稽核時會檢查SPC實施的有效性與符合性
🧩 舉例：GM的CSR要求
以GM為例，其CSR文件中明確指出：
• 所有關鍵特性需實施SPC監控
• 若出現異常，需立即啟動問題解決流程（如SPPS報告）
• 所有SPC記錄需保留並可供GM稽核查閱
四、 新版SPC的特性要求有哪些，如何解析
有關新版SPC的特性有下列要求，相關解析公式等請參考下面說明
• 雙書架構：理論 + 實務應用
• 主手冊：統一定義統計方法與品質指標
• 實務指南：提供各產業應用範例與控制圖選擇邏輯
• 與新版 MSA、FMEA、APQP 完整整合
• 管制圖選擇與 FMEA 特性分類一致
• SPC 計畫與控制計畫（CP）同步設計
• 統計方法與應用強化
• 新增「異常警訊」管理章節
• 明確定義 OOC（超出控制）與 OOS（超出規格）處理流程
• 對應 IATF 16949 對反應計畫的要求
• 強化短期製程（Short Run）與小批量生產的 SPC 方法
• 將 CQI-26 短期製程補充手冊納入主體
• 提供 np、u、X-MR 等控制圖的應用情境與限制
• 導入「預警指標」與趨勢分析
• 包含 Cpk、Ppk、Z-score 等指標的動態監控
• 支援 AI 預測模型與品質異常預警系統整合
• 數位化與系統整合趨勢
• 支援 XML 資料交換格式
• 與 MES/QMS 系統無縫整合
• 符合 Quality Measurement Data Specification（XD-D-25）標準
• 導入「數位控制圖」與自動化判讀邏輯
• 支援即時紅燈/橙燈警示
• 可與自動化測試設備連動，實現智慧工廠品質監控

補充說明如下 :
CQI-26 是由 AIAG（Automotive Industry Action Group）於 2016 年發佈的 《SPC 短期製程補充手冊》（SPC Short Run Supplement），全名為 CQI-26 SPC Short Run Supplement。它的設計目的是：
> 針對小批量、多品種、短週期生產的製程，提供適用的統計製程管制（SPC）方法與控制圖範例。

XD-D-25 是由 AIAG（Automotive Industry Action Group） 發布的標準文件，全名為 Quality Measurement Data Specification，首次發行於 2007 年。它的主要目的是：
> 建立一套基於 XML 的資料交換格式，讓量測設備（如量具、檢測儀器）能夠與不同的品質管理系統（如 SPC、MSA、QMS、MES）無縫交換品質數據。

傳統 SPC 方法（如 X̄-R 控制圖）假設有足夠的樣本數與穩定的製程條件，但在以下情境中會失效：
• 客製化或多品種少量生產
• 新產品導入階段（試產）
• 工序切換頻繁的製程
CQI-26 就是為了這些「短期製程」提供可行的 SPC 解法。

CQI-26 的核心內容
1. 四種短期控制圖方法
1. 啟動控制圖（Start-up Chart）
2. DNOM 控制圖（Difference from Nominal）
3. 目標控制圖（Target Chart）
4. 標準化控制圖（Standardized Chart）
2. 適用於小樣本與不連續製程
1. 可在樣本數極少（如每批僅 5~10 件）時進行製程監控
2. 支援多品種共用控制圖的策略
3. 與新版 SPC 手冊整合
1. CQI-26 的邏輯已納入新版 SPC 手冊草案，未來將成為主體內容之一
以上四種短期控制圖方法適用範圍分別為 :
啟動控制圖（Start-up Chart）
• 用於製程啟動初期，樣本數極少時的初步監控
• 通常搭配目標值與允收區間進行判讀
DNOM 控制圖（Difference from Nominal）
• 以「與標稱值的差異」為基礎繪圖
• 適用於多品種共用控制圖的場景
目標控制圖（Target Chart）
• 以預設目標值為中心線，監控偏移與趨勢
• 適合目標值固定但樣本數不足的製程
標準化控制圖（Standardized Chart）
• 將不同產品的數據標準化後共用一張圖
• 適用於多品種、小樣本的統一監控
圖形範例一(SHORTRUN Chart)


圖形範例二(少量多樣產品分段管制圖 Chart)

以上多種實際應用會在2025.8.21線上研討會中詳細說明

五、 SQM為何重要?有哪些要項須注意
為何額外提出SQM要求，請參考下面說明
• 少量多樣與供應鏈重組下，IQC進料量少變化大，在地化要求變多供應鏈變複雜且容錯率變低
• 進料出問題後續生產馬上就有無米之炊的風險
• 供應鏈管理變成工廠的品質重要項目
• SPC 需延伸到IQC，但供應商並非工廠一員，所以有些工廠對供應商要求在供應商製程中建立SPC，且資料須與中心廠共享管理

但在此當中仍無法管控供應商的整體稽核、異常8D、SDM管理等
所以需要一個較完善的SQM系統，以對供應鏈做有效管理。
同理，在2025.8.21免費線上研討會中會對此部分做說明。
六、新版所述串接與整合應用解析與實際範例說明
如前所述，新版要求與MES、ERP等系統做整合串接以便即時管控品質與生產結合，意即要求當異常發生時，系統即可通知MES生產系統HOLD住不良品生產流程，在第一時間阻止異常持續發生，減少損失並即時糾正，少量多樣高價值生產中如果不做此項，很容易當檢視到異常發生(如生產2小時後發現)此批貨已經生產完畢，且因為少量難以備料安排製造喪失競爭力。同時因現在資訊技術進步，通訊方法與標準都已經成熟，異系統溝通變成非常容易，整合串接為新版SPC與MSA，乃至SQM必備的基礎要求。
以下是一些相對應的實際範例

有不少實際影片，在2025.8.21研討會中分享，歡迎報名參加


七、結論與未來展望
SPC與MSA隨著 IATF 16949 六大核心工具的升級，從以往各有重點轉為緊密環環相扣，少量多樣變化生產與對量測系統要求愈趨嚴謹，新標準對汽車行業的品質管理提出了更具體且更高的要求。SPC與MSA的改版針對少量多樣彈性變化提出相對公式與整合的應用，這一改版不僅是對電子數位化技術進步的回應，也體現了行業對品質與製程控制快速變化的日益重視。進料與對應SQM供應商管理也變得更為重要。未來，隨著AI, 數位化與智能化技術的快速發展，這些工具將配合專業輔導措施，加速整合與進化，幫助企業從採購供應鏈，品質管理與彈性生產效率方面取得更大突破，在品質履歷與改進措施上越發完整，廠商需快速演進才能增加在全球市場中的競爭優勢。最後，希望企業能體認這已經是世界趨勢，趕快落實並推廣前述系統的應用和整合，才能有效提升全面品質與達成客戶的信賴。這個世界各項變數快速改變，唯有自我能力提升，面對這些變化方能順利生存與發展，加油 !
加入 LINE 立即諮詢

07/06/2025

▌06/26-MSA儀器&TPM設備實務管理-免費線上研討會
全球化貿易的時代，產品品質與生產效率成為企業競爭的關鍵之一，而這兩項關鍵因素不可或缺的就是精準的量測儀器與穩定的生產設備。
廠內需落實預防勝於治療的觀念，確實執行日常保養作業，並分析故障原因->解決異常來源->減少停機次數，延長生產設備壽命並提升稼動率，讓設備發揮最大產值；
而一套可被信賴的量測系統是根據儀器特性定期進行五性分析的驗證加上人員的專業培訓，與之完善的履歷資料，方能被認定為品質保證。
這些日常維護及統計分析作業是可以透過系統化減少人力，此次研討會將著重說明如何運用軟體工具取代傳統紙本作業，有效降低管理成本，達到事半功倍的效果

研討會重點：
📌IATF16949核心工具全面簡介
📌量測系統之管理:取代繁雜的校驗作業
📌五性分析之理論:驗證儀器的可信任度
📌設備保養之落實:增加設備的使用效率
📌行動裝置之應用:解決廠區不便利因素
📌新版法規之指引:更加全面的分析方法

活動資訊：
日期：2025年06月26日(週四)
時間：14:00~16:00
地點：遠端線上會議室

點擊連結即可報名：https://forms.office.com/r/ZRf7i2NJpH

02/04/2025

▌從APQP、FMEA到CP的實務串接與系統化管理應用研討會-04/24

本研討會將深入探討汽車產業中六大核心工具的關聯性與應用，並針對2025年各大車廠的現況進行分析。同時，我們將詳細解析APQP第三版與CP第一版的內容差異，並探討新版FMEA與CP在實務上的串接方式。此外，研討會將介紹如何透過系統化工具有效管理APQP、FMEA、CP等文件，並展望IATF16949標準的未來變化趨勢，協助企業提前佈局，提升競爭力。

研討會議題：
• 全新六大核心工具的關聯性與應用：
探討APQP、FMEA、CP、MSA、SPC、PPAP等工具的整合應用。
• 2025各大車廠現況說明：
分析全球主要車廠的技術發展趨勢與市場動態。
• APQP第三版、CP第一版內容差異說明：
詳細比較APQP第三版與CP第一版的更新內容與實務影響。
• 新版FMEA&CP實務上如何串接：
探討如何將新版FMEA與CP有效整合，提升產品開發與品質管理效率。
• 透過系統輔助管理APQP、FMEA、CP等文件：
介紹如何利用數位化工具實現文件管理的自動化與標準化。
• IATF16949未來變化趨勢：
預測IATF16949標準的未來發展方向，並提供應對策略。

參與者將能全面了解汽車產業核心工具的最新發展與應用，掌握未來趨勢，並透過系統化管理提升企業的品質與效率，為2025年的市場變化做好準備。

日期：2025年04月24日(週四)
時間：14:00~16:00
地點：遠端TEAMS線上會議室
報名網址：

24/01/2025

▌從傳統到智慧-品質管理的創新應用研討會-2/20

隨著全球競爭日益激烈，企業對於產品品質的要求也隨之提高，傳統的品質管理模式已無法滿足現代製造業的需求，因此如何透過創新的技術與方法，實現全面品質管理，成為企業提升競爭力的關鍵。
本次研討會將聚焦於MiDFUN-QRP全面品質管理系統，深入探討如何將品質檢驗自動化，並與廠內系統進行整合，以達到精準的SPC統計製程分析。此外，將由有豐富實際經驗的資深顧問介紹AIQ智能製程參數數位化的應用，如何透過數據驅動，實現製程參數改善，並建立完善的品質追溯機制。最後，我們將針對工廠數位化的階段評估方向，提供實務經驗分享，協助企業制定符合自身需求的數位轉型策略。
-
透過本次研討會，與會者將能深入了解：
📌MiDFUN-QRP全面品質管理概述
📌品質檢驗自動化與廠內系統整合
📌SPC統計製程分析系統功能概述
📌AIQ智能製程參數數位化應用
📌製程參數改善與品質追溯
📌工廠數位化的階段評估方向
誠摯邀請您一同參與，共同探討智慧製造時代下的品質管理新趨勢。
-
活動資訊：
日期：2025年02月20日(週四)
時間：14:00~16:00
地點：遠端線上會議室
報名：https://forms.office.com/r/zypgwc14p4
-
中方科技擁有三十年以上的品質管理系統導入經驗，累積了豐富的實務案例與專業知識。我們致力於協助企業提升品質管理水平，降低稽核風險，為企業的成功發展提供助力。
我們期待您的參與！

29/11/2024

▌數位轉型下的品質新境界-六大核心工具升級與智慧製造實踐-線上研討會邀請函-中方科技邀您掌握最新稽核趨勢
-
本次研討會將深入探討品質管理領域的六大核心工具，並結合當前最熱門的AIQ智慧品質應用，透過實務案例分享與2025年趨勢預測，協助與會者掌握品質管理的最新動態，並為企業導入智慧化品質管理提供實用建議。
-
主要議題：
一、 六大核心工具(APQP、PPAP、FMEA、CP、MSA、SPC)
📌六大核心工具架構
📌APQP、CP新版摘要與稽核重點
📌FMEA、CP 如何透過系統保持文件一致性
📌MSA 新版重點應用穩定性與破壞性分析
📌SPC少量多樣應用與QIR智慧報表功能說明
📌異常8D改善經驗回饋到FMEA經驗庫
二、2025 趨勢與建議
📌SQM供應商品管系統應對區域化與供應鏈重組
📌AIQ 系統自動化整合生產製程與品管檢驗應用
-
研討會資訊：
日期：2024年12月12日(週四)
時間：14:00~16:00
地點：Teams 遠端線上會議室
立即報名>>https://forms.office.com/r/JXXhEKhMgY
-
研討會亮點：
成功案例分享： 多家知名企業的實務經驗，讓您更直觀地了解如何將理論應用於實際工作中。
2025年趨勢預測： 洞悉未來品質管理發展方向，提前做好準備。
AIQ智慧品質應用： 了解AI如何賦能品質管理，提升效率與精準度。
-
適合對象：
品質工程師
製程工程師
品質管理部門主管
對品質管理有興趣的相關人員
-
透過本次研討會，您將能：
深入了解六大核心工具的最新發展與應用
掌握AIQ智慧品質的關鍵技術與實務應用
獲取2025年品質管理趨勢的洞見
為企業導入智慧化品質管理提供決策參考
-
歡迎踴躍報名參加！