การทดสอบอาจนำมาใช้เพื่อการปรับปรุงแต่นำมาซึ่งความยุ่งยางเมื่อคุณต้องทำงานร่วมกับซัพพลายเออร์หลายๆรายในหลายๆขั้นตอนของกระบวนการที่แตกต่าง แต่การทำการทดลองในซอฟต์แวร์สถิติ Minitab เพื่อหาตัวแปรต้นที่มีนัยสำคัญจากนั้นนำไปวิเคราะห์ต่อด้วยคำสั่ง Monte Carlo ใน Minitab Workspace สามารถช่วยให้ความกระจ่างเกี่ยวกับผลลัพธ์ที่คุณเห็น นอกจากนี้ยังเร็วกว่าและถูกกว่าการทดสอบชิ้นส่วนจริงด้วย
ลองพิจารณากรณีศึกษาของบริษัท Spaceman Electronics (เช่นเดียวกับกรณีศึกษาทั้งหมด กรณีนี้เราอ้างอิงจากสถานการณ์จริงในพื้นที่จริงแต่ชื่อบริษัท Spaceman นั้นสมมติ) ในการผลิตชิ้นส่วนประกอบหนึ่งชิ้นส่วนซัพพลายเออร์รายหนึ่งทำแกนกลางชิ้นงานและอีกรายทำการเคลือบผิวชิ้นงาน จากนั้นก็นำชิ้นส่วนเหล่านั้นมาประกอบเป็นผลิตภัณฑ์สำเร็จรูป
ในอดีตที่ผ่านมา Neil วิศวกรออกแบบผลิตภัณฑ์ของบริษัท Spaceman ได้สั่งให้ผู้จัดการสายการผลิตสำรองปริมาณเศษวัสดุไว้ 7% สำหรับกรณีประกอบผลิตภัณฑ์ที่ไม่พอดี ปริมาณสำรองเป็นเปอร์เซ็นต์ของแบตช์ที่คุณคาดการณ์ว่าจะเกิดความเสียหายหรือพังระหว่างผลิตหรือกระบวนการทำงาน(ตัวอย่างเช่นหากคุณประกอบผลิตภัณฑ์ 100 ชิ้นและมีเศษวัสดุ 7% และที่ผ่านมาในอดีต 93% ของแบตช์นั้นได้เป็นผลิตภัณฑ์ดี คุณจะหาร 100 ด้วย 0.93 และปัดเศษขึ้นพิจารณาได้ว่าคุณต้องประกอบผลิตภัณฑ์ทั้งหมด 108 ชิ้น
หากว่าทีมของ Neil สามารถลดอัตราเศษวัสดุนี้ลงได้ ซึ่งมีต้นทุนอยู่ 0.70 เหรียญต่อหน่วยสามารถประหยัดต้นทุนได้สูงถึง 165,000 เหรียญในทุกๆปี อาจเป็นเรื่องยุ่งยากและใช้เวลานานในการพยายามปรับปรุงหากพวกเขาไม่บอกทิศทางให้กับซัพพลายเออร์ทั้งสองให้แม่นยำที่สุดเท่าที่จะทำได้ ดังนั้นเขาจึงวางแผนที่จะจำลองผลลัพธ์ที่เป็นไปได้บางอย่างเพื่อทำการตัดสินใจอย่างรอบคอบก่อนที่จะบอกซัพพลายเออร์ถึงสิ่งที่ต้องเปลี่ยนแปลงในกระบวนการของพวกเขา
การจำลอง Monte Carlo ทำงานอย่างไร
การจำลอง Monte Carlo ใช้แบบจำลองทางคณิตศาสตร์ของระบบและการจำลองจะให้ค่าที่คาดหวังตามสมการที่กำหนดความสัมพันธ์ระหว่างตัวแปรต้นและผลลัพธ์, Neil และทีมของเขาได้วางแผนและทำการทดลองหลายชุดใน Minitab เพื่อหาปัจจัยสำคัญในกระบวนการ พวกเขาสร้างแผนภูมิพาเรโตซึ่งแสดงให้เห็นว่า ตำแหน่งในการถ่ายโอน(transfer position) และความเร็วในการฉีด(injection speed) เป็นปัจจัยที่ต้องใส่ใจเป็นพิเศษและสมการที่จะใช้ใน Minitab Workspace คือ :
การนำเข้าโมเดลและการรันโมเดลใน Minitab Workspace
ตอนนี้พวกเขามีสมการนั้นแล้ว Neil ก็เปิดโปรเจกต์ใน Minitab Workspace และใส่ลงในเครื่องมือการจำลอง Monte Carlo เขาสามารถป้อนตัวแปรต้นและผลลัพธ์ด้วยการพิมพ์สมการผ่านตัวเลือกของเครื่องมือนี้ที่มีให้ทั้งใน Minitab Workspace และ Companion by Minitab (เรียนรู้เพิ่มเติมในตัวอย่างนี้) แต่พวกเขามีข้อมูลนั้นอยู่แล้วดังนั้นเขาจึงสามารถข้ามขั้นตอนนี้ไปได้เล็กน้อยโดย
Neil คลิกตัวเลือกสำหรับการนำเข้าโมเดลจาก Minitab และเลือกไฟล์ Minitab ของเขา
สมการจะดึงปัจจัย ตำแหน่งในการถ่ายโอน(transfer position) และความเร็วในการฉีด(injection speed) มาเป็นตัวแปร X โดยอัตโนมัติ เขาทราบว่าปัจจัยเหล่านี้มีการกระจายแบบ Normal distribution ดังนั้นเขาเลือก Normal จากรายการดร็อปดาวและป้อนค่า Mean และ Standard deviation พร้อมด้วยค่าขอบเขตสูงสุด(upper)และต่ำสุด(lower)ของสเปค จากนั้นเขาก็กดปุ่ม “Simulate” สีเขียวบริเวณด้านบนและ Minitab Workspace จะทำการจำลอง 50,000 ครั้งสำหรับกระบวนการนี้ภายในเวลาไม่กี่วินาที:
การทำความเข้าใจ Results และ Parameter Optimization
ตัววัดประสิทธิภาพของกระบวนการ (Cpk) สำหรับกระบวนการนี้คือ 0.4816 ซึ่งต่ำกว่ามาตรฐานขั้นต่ำที่ 1.33 ข้างใต้แสดงให้เห็นภาพ ปุ่มสีเขียว “Parameter Optimization” จะปรากฏขึ้นเพื่อนำ Neil ไปสู่ขั้นตอนต่อไปนั่นคือการเพิ่มประสิทธิภาพตัวแปรต้นของเขา เขาตั้งเป้าหมาย (กำหนดเป้าหมายสำหรับค่าเฉลี่ยของค่าผลลัพธ์(Result) คือค่า 0.935 ซึ่งอยู่กึ่งกลางระหว่างขอบเขตสเปค สเปคด้านบนและด้านล่างของเขา) และป้อนค่าสูงและต่ำกับผลจากตัวแปรต้นที่กำหนด จากนั้นน Minitab Workspace จะดำเนินการต่อให้เอง เมื่อเขากดปุ่ม “Optimize Parameters” ได้ผลดังนี้
หลังจากการค้นหาการกำหนดตัวแแปรต้นที่เหมาะสมที่สุดในช่วงที่ Neil กำหนดไว้, Minitab Workspace แสดงผลลัพธ์ที่ได้จากการจำลองสำหรับที่ได้สำหรับกระบวนการที่เปลี่ยนแปลง การจำลองระบุว่าการตั้งค่าที่เหมาะสมจะกำจัดผลิตภัณฑ์ที่ไม่ตรงตามข้อกำหนดออกจากกระบวนการลงได้ โดยค่า Cpk มีค่าเท่ากับ 2.34 ซึ่งเป็นการปรับปรุงได้อย่างมาก ค่า Cpk เกินกว่ามาตรฐานที่ 1.33
ได้รับผลลัพธ์ที่ยอดเยี่ยม
เมื่อ Neil แชร์การค้นพบของเขา ซัพพลายเออร์สามารถเพิ่มประสิทธิภาพในเรื่องขนาดทางเรขาคณิตและพิกัดเผื่อของชิ้นส่วน ไม่เพียงแต่ลดปริมาณเศษวัสดุลงแต่ยังทำให้เวลาในการผลิต(cycle time)สั้นลงอีกด้วย
ลองใช้ทั้งซอฟต์แวร์สถิติ Minitab และ Minitab Workspace ฟรี 30 วัน
ขอบคุณ Minitab Solutions Architect Antonio Vargas สำหรับการวิจัยและการสนับสนุนทางเทคนิคในกรณีศึกษานี้!
บทความต้นฉบับ : Electronics Maker Uses Monte Carlo Simulation to Find Better Specs for Suppliers and Realize Significant Cost Savings
ต้นฉบับนำมาจาก The Minitab Blog, แปลและเรียบเรียงโดยชลทิชา จำรัสพร
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