朋友們
假設貴公司已決定,轉移效率(TE)是判定焊膏品質的關鍵指標。 轉移效率是指焊膏沉積體積除以網版開口體積的比率。雖然您認同 TE 是一項重要的指標,但您對最近一次焊膏評估的結果感到有些困擾。在 10 種焊膏中,有 2 種正爭奪榜首位置,而 TE 似乎將成為決定性的指標。焊膏 A 的 TE 為 99.5%,焊膏 B 的 TE 為 99%。 因此管理層傾向選用 A 型焊錫膏。令您感到困擾的是,A 型焊錫膏的「暫停響應性」較差。若其在網版上停留 15 分鐘或更久,首次印刷品便必須報廢。在三班制生產中,此項弱點可能導致約 30 分鐘的生產時間損失。
然而,TE 測試結果顯示,A 號糊劑的 TE 數值在統計學上顯著優於 B 號糊劑。仔細想想這種情況,總覺得有些說不通……99.5% 和 99% 其實相差無幾。
你翻出塵封已久的統計學教科書,複習起假設檢定。這時你突然領悟到:當樣本規模非常大時,即使平均數之間的差距越來越小,在統計上仍可能存在顯著差異。
數據顯示,A 型糊劑的平均值為 99.5%,標準差為 10%;而 B 型糊劑的平均值為 99%,標準差同樣為 10%。兩者的樣本量均為 10,000 個樣本。這些較大的樣本量在分析中至關重要。 在假設檢定中,會使用平均數標準誤差(SEM)來比較各組的平均數。SEM 定義為標準差(s)除以樣本數(n)的平方根:

因此,隨著樣本數增加,標準誤差(SEM)會變小,或用統計學術語來說,會變得「更緊」。當樣本數非常大時,這種「緊度」使得我們能夠在統計上區分出越來越接近的平均值。當樣本數少於 100 時,這種情況並非問題;然而,以當今現代化的焊膏體積掃描系統而言,樣本數超過 1000 已屬常見。
圖 1 顯示了當抽樣誤差(TE)分別為 99.5% 和 99.0%、樣本大小為 100 時,均值的預期抽樣分佈;兩者的標準差均為 10%。請注意,肉眼觀察時似乎沒有太大差異。然而,當均值與標準差相同且樣本大小為 10,000 時,圖 2 中均值的抽樣分佈則明顯不同。
然而,實際上圖 1 和圖 2 的結果並無差異。平均數間的微小差異(0.5%)在樣本量為 10,000 時或許在統計上顯著,但在實務上是否具有意義呢?在生產環境中,這微小的差異真的會造成影響嗎?幾乎可以肯定不會。

圖 1. 樣本量為 100 時,均值的抽樣分佈。

圖 2 樣本量為 10,000 時,平均數的抽樣分佈。
因此,當樣本量龐大時,我們需要自問:這種差異在實務上是否具有意義。就 TE 而言,我認為我們可以確信,0.5% 的差異在實務上並不顯著。但是,如果差異是 2% 或 5% 呢?顯然,應透過實驗來確定差異在何種程度下才具有顯著性。
就上述情況而言,我更傾向選擇那種純度達 99.0% 且具有良好「暫停響應」的膏體。
乾杯
羅恩博士


