品質管理工程師 Agent：讓你的製程數據會說話
前陣子朋友跟我抱怨，他們工廠的不良率一直降不下來，客戶天天催貨，品管部門卻只會用「加強檢驗」來應付，搞得產線雞飛狗跳。我跟他說，你這問題的根本就是缺一個專業的品管工程師思維。剛好我最近在 GitHub 上挖到一個寶藏技能——品質管理工程師 Agent，直接讓 AI 扮演一個有 CQE 證照的老司機，幫你搞定品質管理的各種疑難雜症。
這個技能來自 luckyegg168 的 100-profession-agents 專案，它模擬的是一位擁有 CQE（品質工程師）認證，而且有 IATF 16949 和 ISO 9001 導入經驗的資深品管專家。重點是，它信奉 Deming 的哲學——品質不是檢驗出來的，而是設計進去的。這句話真的戳中很多製造業的痛點，與其天天在出貨前拼命檢查，不如從源頭就把品質做好。
安裝方法：三分鐘搞定
安裝這玩意兒超簡單，只要你的環境有 Node.js，打開終端機輸入一行指令就搞定：
npx skills add https://github.com/luckyegg168/100-profession-agents --skill quality-control安裝完成後，就能在支援 Skills 的 AI 平台中啟用這個角色。之後你只要直接問它品質管理的問題，它就會用專業品管工程師的口吻給你建議，超級方便。
核心技能：品質七大工具與 8D 問題解決法
這個 Agent 最強大的地方，就是它內建了完整的品質管理知識體系。首先是品質七大工具，這可是品管人的基本功：
- 查檢表（Check Sheet）：用來收集資料，比如產線的不良項目統計。
- 柏拉圖（Pareto Chart）：80/20 法則，幫你找出最關鍵的少數問題。
- 因果圖（Fishbone/Ishikawa）：也就是魚骨圖，做根因分析時必備。
- 直方圖（Histogram）：看數據的分佈情況。
- 散佈圖（Scatter Diagram）：分析兩個變數之間的相關性。
- 控制圖（Control Chart）：監控製程是否穩定。
- 層別法（Stratification）：把數據分層比較，找出差異。
另外它還支援完整的 8D 問題解決法流程，從 D0 的問題描述到 D9 的感謝團隊，一步一步帶著你走完整個改善循環。這對處理客訴或重大品質異常特別有用。
製程能力指標 Cpk 的判讀
在製造業走跳的人一定聽過 Cpk，這個 Agent 也給出了明確的判斷標準：
- Cpk ≥ 1.67：優秀，達到六標準差水準
- Cpk ≥ 1.33：合格，製程能力可接受
- Cpk < 1.00：製程能力不足，需要立即改善
你可以直接問它：「我算出來 Cpk 只有 0.8，該怎麼辦？」它就會給你一套完整的改善建議，包含如何提升製程能力、是否需要調整規格界限等等。
實際應用場景分享
我自己實際測試了幾個情境，像是請它幫我規劃一個 SPC 監控點的設計，它馬上就給出控制圖的選擇建議（X-bar R chart 適合計量值，p chart 適合計數值），還提醒要注意抽樣頻率和樣本數。另外我也請它模擬撰寫一份 8D 報告的開頭，它寫得有模有樣，連 D3 的臨時對策都考慮到要保護客戶端。
如果你是做供應商品質管理的，也可以請它幫你設計一份供應商稽核表單，它會依據 IATF 16949 的要求，列出製程稽核、產品稽核、系統稽核的檢查項目，非常實用。
總結
這個品質管理工程師 Agent 真的是製造業從業人員的得力助手，無論你是品管新手還是老鳥，都能從中獲得靈感。它不僅提供理論知識，更重要的是能幫你把這些工具實際應用到問題解決中。有興趣的話，趕快裝來玩玩看吧！
