ปัจจุบันนี้เป็นยุคของข้อมูล ข้อมูลจำนวนมหาศาลที่ได้รับจากเว็บไซด์และจากลูกค้าสัมพันธ์หรือจากอุตสาหกรรมการผลิตต่างๆ (เซมิคอนดักเตอร์ ยา ปิโตรเคมี และอุตสาหกรรมอื่นๆ)
แผนภูมิควบคุมสำหรับตัวแปรเดี่ยว (Univariate Control Charts)
ในอุตสาหกรรมการผลิต คุณลักษณะสมบัติของผลิตภัณฑ์ที่เป็นค่าวิกฤตจะมีการเก็บข้อมูลทุกวันเป็นประจำเพื่อทวนสอบว่าผลิตภัณฑ์นั้นทุกขั้นตอนการผลิตยังคงอยู่ภายใต้ข้อกำหนดเฉพาะ โดยการใช้เครื่องมือแผนภูมิควบคุมสำหรับตัวแปรเดี่ยว (Univariate Control Charts ) ที่พัฒนาขึ้นเพื่อตรวจสอบการเปลี่ยนไปที่เกิดขึ้นให้เร็วที่สุดเท่าที่เป็นไปได้เพื่อหลีกเลี่ยงผลเสียที่จะเกิดขึ้นในผลิตภัณฑ์ขั้นสุดท้าย ในทางทฤษฎีเมื่อค้นพบสาเหตุผิดปรกติ (Special cause) จะต้องมีการหยุดกระบวนการทำงานเพื่อทำการแก้ไขให้เสร็จสิ้นก่อนที่จะดำเนินงานต่อไป
เครื่องมือในการตรวจติดตามพารามิเตอร์ของกระบวนการ (Monitoring Tool Process Parameters)
ปัจจุบันนี้ในอุตสาหกรรมการผลิตจะมีเครื่องมือในการผลิตมากมายที่ทำการเชื่อมต่อไปยังระบบไอทีเพื่อทำการเก็บข้อมูลตัวแปรในกระบวนการผลิตแบบ real time (เช่น ความดัน อุณหภูมิ) แต่ยังมีข้อมูลบางประเภทที่ไม่ได้ทำการติดตามตลอดเวลาและอาจเป็นพารามิเตอร์ที่สะท้อนถึงคุณภาพผลิตภัณฑ์ ในกรณีที่มีข้อผิดพลาดเกี่ยวกับคุณภาพผลิตภัณฑ์ ข้อมูลของพารามิเตอร์กระบวนการจากขั้นตอนการทำงานต้นน้ำ (Upstream) จะถูกดึงมาจากฐานข้อมูลเพื่อทำการค้นหาสาเหตุว่าทำไมข้อผิดพลาดนั้นจึงไม่ทำการค้นหาและแก้ไขตั้งแต่แรก
แนวคิดที่มีประสิทธิภาพในการตรวจจับพารามิเตอร์ของกระบวนการแบบ real time และการทำความเข้าใจอิทธิพลที่ซับซ้อนของกระบวนการ คือการหาว่าพารามิเตอร์กระบวนการตัวไหนมีความสำคัญจริงๆและตัวใดไม่ใช่และค่าพารามิเตอร์ที่กำหนดควรเป็นอย่างไร
แผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ (Multivariate Control Charts)
เครื่องมือที่ใช้ตรวจจับพารามิเตอร์ของกระบวนการในขั้นตอนต้นน้ำอาจทำให้จำนวนแผนภูมิควบคุมที่ต้องใช้มีจำนวนมากขึ้น แต่อย่าไรก็ตามในบทความนี้วิศวกรการผลิตอาจจะได้เรียนรู้ประโยชน์ของแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ ที่ทำให้คุณสามารถตรวจติดตามพารามิเตอร์ 7-8 ค่าได้ในแผนภูมิเดียว และไม่เพียงแต่ใช้เครื่องมือนี้ในการค้นหาสาเหตุของข้อผิดพลาดด้านคุณภาพในงานเฉพาะหน้าเท่าหน้า แต่ยังเป็นแนวคิดสำหรับงานปรับปรุงในระยะยาวอีกด้วย
แผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ มีพื้นฐานจากการใช้ระยะห่างของตัวแปรพหุกับค่าเฉลี่ยกำลังสอง ใน Minitab ใช้วิธี T2 Hotelling ในการสร้างแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ ถ้าคุณยังไม่มี Minitab และคุณอยากลองสร้างแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ คุณสามารถดาวน์โหลดโปรแกรมเพื่อทดลองใช้งานได้ฟรี 30 วัน (free 30-day trial)
ประโยชน์ที่เห็นได้ชัดเจนของแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุคือทำให้คุณลดจำนวนแผนภูมิควบคุมที่ต้องใช้งาน แต่ยังมีประโยชน์ในข้ออื่นๆอีกด้วย
ความสามารถในการวิเคราะห์พารามิเตอร์ร่วมกัน(Analyzing process parameters jointly): เนื่องจากพารามิเตอร์ของกระบวนการมันจะมีความสัมพันธ์กัน ตัวอย่างเช่น จากขั้นตอนการผลิตหนึ่ง เราจะมีค่าความดันวาล์วที่มากขึ้นเมื่ออุณหภูมิสูงขึ้น การที่เราแยกพิจารณาพารามิเตอร์อาจจะไม่ใช่ตัวเลือกที่ดีและอาจทำให้เกิดการตัดสินใจผิดพลาด และการที่เราสามารถตรวจจับได้ว่าค่าพารามิเตอร์ที่เราตั้งไว้ในการทำงานไม่เหมาะสมกัน อาจเป็นประโยชน์ในการทำงานของเรา
จากกราฟด้านล่าง ค่า Y1 และ Y2 เป็นพารามิเตอร์ที่มีความสัมพันธ์กัน (ค่า Y1 สูง มีความสอดคล้องกับค่า Y2 สูง) ดังนั้นที่ในมุมมองของการดูตัวแปรพหุ จุดสีแดงของกราฟ ด้านขวามือล่าง เป็นจุดที่ออกนอกเขตควบคุม (out-of-control) หรือ ออกนอกวงรี (ซึ่งเป็นเขตควบคุม) จากมุมมองของตัวแปรเดี่ยว จุดสีแดงนี้จะยังเป็นเพียงแค่การแกว่งตัวของค่า Y1 และ Y2 ซึ่งยังไม่ได้หลุดออกนอกเขตควบคุม แต่อย่างไรก็ตาม จุดนี้แสดงให้เห็นชัดเจนว่าการตั้งค่า Y1 และ Y2 นั้นไม่เข้ากัน ซึ่งถ้าดูจาก scatter point ของค่าระยะห่างของจุดสีแดงกับค่าเฉลี่ยจะพบว่ามีค่ามากอย่างชัดเจน
อัตราโดยรวมของการเกิดสัญญาณเตือนที่ไม่จริง (Overall rate of False alarms): ถ้าค่าความน่าจะเป็นที่จะเกิดสัญญาณเตือนที่ไม่จริง (false alarm) ของเกณฑ์ 3s ที่เป็นขีดจำกัดของแผนภูมิควบคุม คือ 0.27% คือ ถ้าใน100 แผนภูมิที่ใช้ในการควบคุม ในช่วงเวลาเดียวกัน ความน่าจะเป็นที่จะเกิดสัญญาณเตือนที่ไม่จริงจะเพิ่มขึ้นเป็น 27% (0.27% * 100)
อย่างไรก็ตามเมื่อตัวแปรที่ต้องตรวจติดตามมีจำนวนมาก การใช้แผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ เพื่อตรวจติดตามในเวลาเดียวกันในแผนภูมิเดียวกัน จะทำให้อัตราโดยรวมของการเกิดสัญญาณเตือนที่ไม่จริงใกล้เคียง 0.27%
3-D Measurement เมื่อการวัดแสดงในรูปแบบ 3 มิติ ข้อมูลที่มีจะต้องสามารถแสดงได้ในทุกมิติ (X Y และ Z) พื้นที่ในเขตข้อกำหนดเฉพาะอาจมีขนาดใหญ่พอประมาณ แต่ผลิตภัณฑ์ที่บกพร่องมันจะอยู่ในพื้นที่จำกัดเฉพาะหนึ่งพื้นที่ และมันมักจะแสดงในมิติที่มากกว่าหนึ่ง ดังนั้นควรจะทำการพิจารณาในเชิง 3 มิติ แยกออกมา แผนภูมิควบคุมสำหรับตัวแปรเชิงพหุจะสามารถตรวจจับความเบี่ยงเบนของทั้ง 3 แกน คือ X Y และ Z อิทธิพลร่วมที่เกิดขึ้นของทั้งสามแกนนี้จะนำมาพิจารณาพร้อมๆกัน
ตัวอย่าง
พารามิเตอร์ของกระบวนการ 8 ค่า ซึ่งมีการใช้แผนควบคุม Xbar เพื่อตรวจจับในแต่ละค่า และพบว่าไม่มีสิ่งผิดปกติเกิดขึ้น (จากแผนภูมิทั้ง 8 กราฟด้านล่าง)
แผนภูมิควบคุมทั้ง 8 จะถูกแทนที่ด้วยแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ เพียงแผนภูมิเดียวที่จะตรวจจับค่าพามิเตอร์ทั้ง 8 ค่านี้ในเวลาเดียวกัน ถึงแม้ว่าจะไม่มีค่า out-of-control ตรวจจับได้ในแผนภูมิเดี่ยว แต่ในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุพบว่าข้อมูลตัวที่ 12 นั้นเป็น out-of –control ในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ
ในการค้นหาสาเหตุว่าทำข้อมูลตัวที่ 12 ถึงเป็น out-of-control ในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ ผมใช้กราฟ (Scatter plot) ในการวิเคราะห์แนวโน้ม (trend) จะเห็นได้ว่าพารามิเตอร์ X3, X4 และ X5 นั้นเป็นตัวแปรที่เกี่ยวข้องกับการ out-of-control ในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุเพราะมีจุดที่ทิ้งห่างออกไปจากจุดข้อมูลอื่นๆ
บทสรุป
เมื่อพารามิเตอร์ของกระบวนการไม่มีอิทธิพลโดยตรงใดๆ การใช้แผนภูมิควบคุมตัวแปรเดี่ยวอาจไม่มีความจำเป็น ส่วนแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุสามารถทำให้จำนวนเครื่องมือที่ไว้ทวนสอบกระบวนการอยู่เป็นประจำนั้นมีจำนวนลดลง วัตถุประสงค์หลักของแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ คือ การทำความเข้าใจกระบวนการได้ดีขึ้น จุด out-of-control ที่แสดงในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุ จะแสดงให้เห็นว่าคุณภาพกำลังมีปัญหาหรือไม่ ในการควบคุมประบวนการให้ดีขึ้น คุณจะต้องทำการประเมินให้ได้ว่าพารามิเตอร์ในขั้นตอนต้นน้ำนั้นส่งผลกระทบอย่างไรกับผลิตภัณฑ์ในขั้นสุดท้าย แผนภูมิควบคุมสำหรับตัวแปรเชิงพหุยังใช้ได้ดีในการตรวจจับแบบ 3 มิติ การค้าหาสาเหตุของจุด out-of-control ในแผนภูมิควบคุมสำหรับตัวแปรเชิงพหุเป็นกุญแจสำคัญที่จะทำให้คุณประสบความสำเร็จ
บทความต้นฉบับ : A simple Guide to Multivariate control chart
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยสุวดี นำพาเจริญ,
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ