生活的希格斯實驗室 (已移站)

只用極少數的樣本 來驗證產品設計的可靠度在許多產業都是慣例，尤其是產品類別已經相對成熟的產業。

成熟的產品利潤相對低，投入研發階段的經費也較少。在研發的過程中，可靠度驗證是相當燒錢的程序。時間長、樣本數多而且測試完幾乎都不能回收再利用。因此只用極少數的樣本來進行可靠度測試成了最常見的做法。

然而，極少數樣品驗證得到的結果代表性有多高，能夠幫助品保下什麼程度的判斷，就是要討論的方向。

馬雲曾經說：「員工離職的理由林林總總，最真實的只有兩條： 錢，沒給到位；心，委屈了。這些歸根究柢就一條：幹的不爽。」
不過這三、四年還常聽到的另一個原因 ─ 組織縮編。收到縮編的消息，不少人心裡都會有底，到時不是走得不情不願，就是調單位。調了單位後幹得不爽，結果還是一樣走人。

Statistical Process Control (SPC) 從發展到應用至今已經有70年歷史，在1960年左右開始被工業界大量應用。製程能力指標；Cpk；在資訊電子業界早已經廣為人知的東西。
這個指標被用了幾十年，業界人員都如此熟悉，現今Cpk可說是被拿來當做製程是否能符合要求的100%指標。
當製造端遇到製程品質問題待澄清時，常看到用Cpk達標與否來證明製程良劣。

 不免俗先來解釋一下Cpk 

川普當選 在台灣時間11.09.2016下午3點左右我的Skype上傳來這則訊息。
我一點都不意外他會當選，意外的是差距居然可以拉這麼大。在媒體拚命帶風向的條件下，原本以為會是以數票到十數票之間的差距險勝。可見美國人民渴求看到整個社會、生活、經濟的改革之聲如此巨大。

政治分析不是我的專長，很難從政治角度去思考為什麼川普可以當選。
以政治正確性；族群對立、兩性平等、政治經歷；的角度來思考，川普都不是一個夠格當希拉蕊對手的人。

在成本考量 為重的今天，製造業這一區塊中供應商管理幾乎快成了一種形式化的程序。如果產品簡單，供應商的數量少，又或者是供應商是有口碑有保證的品牌，在管理上相對會簡單不少。但對於一些產品複雜的組織；尤其是系統廠；一個產品所涵蓋的供應商數量和種類繁雜，不易管理。
隨著近幾年經濟市場的轉型，各公司都採取節約成本的經營策略，其中便包含了逐年、逐步壓低供應商成本的策略。在供應商自己也有成本策略的情況下，通常造成的結果便是同供應商(或材料)越來越難管理，最後不得不更換一個成本低、較易達到成本策略目標的廠商，而事實上供應商管理卻沒有變好，只有變壞(十分符合熱力學第二定律)。

統計分析 在可靠度裡的重要度在我個人的想法裡應該是越來越重要的。

隨著經濟市場的變化，公司營運成本的降低是非常重要的一環，很多時候可靠度必須要實際驗證來蒐集資料，但是經由統計分析和預估的協助常常可以讓實際測試的樣品數、時間或人力下降，但能得到相當可靠度的結果。例如兩個實驗室在做同樣的測試後產生了矛盾的結果，在排除各種能想到的影響因素後，就得要靠統計方法來分析2組樣品間的異同性後決定是否要再增加測試樣品、或者是增加必要的數量即可。統計的分析應用往往可以幫助我們加速決策的方向並省去決策過程的一些成本。