บทความก่อนหน้านี้ฉันได้พูดถึงเรื่อง “Number of Distinct Categories” ว่ามันคืออะไรบนผลลัพธ์ Gage R&R คำถามทั่วไปอีกข้อหนึ่งเกี่ยวกับ Gage Crossed คือตารางที่ต้องดูเมื่อประเมินระบบการวัดของคุณ โดยค่าเริ่มต้น Minitab จะให้ตาราง %Contribution และตาราง %Study Variation คุณควรใช้ตารางใดในการประเมินว่าความผันแปรส่วนใหญ่มาจากที่ใด ดีเลย คุณสามารถใช้ตารางใดตารางหนึ่งก็ได้
ตาราง %Contribution ใช้ได้สะดวกเพราะทุกแหล่งที่มาของความแปรปรวนรวมกันได้ 100% ตัวอย่างเช่น:
ตาราง %Study Variation ไม่มีข้อได้เปรียบในการให้แหล่งความผันแปรทั้งหมดที่รวมกันได้เป็น 100% แต่มีคุณลักษณะที่มีประโยชน์อื่นๆ เนื่องจากค่าเบี่ยงเบนมาตรฐานแสดงในหน่วยเดียวกับข้อมูลกระบวนการ จึงสามารถใช้เพื่อสร้างตัวชี้วัดอื่นๆ เช่น Study Variation (6*standard deviation) , %Tolerance (แสดงเมื่อคุณป้อนค่าสเปคสำหรับกระบวนการของคุณ) และ %Process (แสดงเมื่อคุณป้อนค่าเบี่ยงเบนมาตรฐานในอดีต) แน่นอนว่ามีแนวทางการยอมโดยประเมินจากระดับที่ได้จาก AIAG ด้วยเช่นกัน:
ถ้าค่า Total Gage R&R contribution ในคอลัมน์ %Study Var (% Tolerance, %Process) คือ:
- น้อยกว่า 10% – ระบบการวัดยอมรับได้
- ระหว่าง 10% ถึง 30% – ระบบการวัดยอมรับได้ ขึ้นอยู่กับการประยุกต์ใช้, ต้นทุนอุปกรณ์การวัด, ต้นทุนการซ่อมแซมหรือปัจจัยเกี่ยวข้องอื่นๆ
- มากกว่า 30% – ระบบการวัดไม่สามารถยอมรับได้และควรทำการปรับปรุง
ถ้าคุณกำลังไปดูที่คอลัมน์ %Contribution มาตรฐานที่สอดคล้องกันคือ :
- น้อยกว่า 1% – ระบบการวัดยอมรับได้
- ระหว่าง 1% ถึง 9% – ระบบการวัดยอมรับได้ ขึ้นอยู่กับการประยุกต์ใช้, ต้นทุนอุปกรณ์การวัด, ต้นทุนการซ่อมแซมหรือปัจจัยเกี่ยวข้องอื่นๆ
- มากกว่า 9% – ระบบการวัดไม่สามารถยอมรับได้และควรทำการปรับปรุง
เรามีคำถามมากมายเกี่ยวกับ %Tolerance เช่นกัน %Tolerance เป็นเพียงการเปรียบเทียบค่าประมาณของค่าความผันแปร(ความผันแปรระหว่างชิ้นงานและความผันแปรการวัดรวม) กับช่วงกว้างความผันแปรเทียบกับค่าพิกัดเผื่อ(Tolerance)
เมื่อคุณป้อนค่าพิกัดเผื่อ(Tolerance) ผลลัพธ์จากการศึกษา Gage R&R จะเหมือนกับตอนที่คุณไม่ได้ป้อนค่าพิกัดเผื่อ(Tolerance) แต่ว่าผลลัพธ์ของคุณจะมีคอลัมน์ %Tolerance ผลลัพธ์ของคุณจะยังคงถูกต้องเหมือนตอนที่คุณไม่ได้ป้อนค่าเพิกัดเผื่อ(Tolerance) อย่างไรก็ตามค่าพิกัดเผื่อ(Tolerance)จะให้ข้อมูลเพิ่มเติมแก่คุณ
ตัวอย่างเช่น คุณอาจมีค่า %Study Var สูง ที่ศึกษาความผันแปรระหว่างชิ้นงาน(part-to-part) และค่า Number of Distinct Category- NDC สูง อย่างไรก็ตามเมื่อคุณเปรียบเทียบความผันแปรกับค่าพิกัดเผื่อ(tolerance) มันแสดงให้เห็นว่าอ้างอิงจากสเปคของคุณ ความผันแปรของการวัดยังสูง คอลัมน์ %Tolerance อาจมีความสำคัญต่อคุณมากกว่าคอลัมน์ %Study Var เนื่องจาก %Tolerance จำเพาะเจาะจงกับผลิตภัณฑ์ของคุณและสเปคของผลิตภัณฑ์
คิดแบบนี้: ความผันแปรทั้งหมดของคุณประกอบด้วย ความผันแปรระหว่างชิ้นงาน(part-to-part) , ความผันแปรจากการวัด (ความสามารถในการวัดซ้ำ(Repeatability)และความสามารถในการทำซ้ำ(Reproducibility)) หลังจากป้อนค่าพิกัดเผื่อ(tolerance) เราจะเห็นเปอร์เซ็นต์ของความผันแปรที่แท้จริงที่ครอบคลุมอยู่ในช่วงของพิกัดเผื่อ ถ้าอัตราส่วนระหว่าง Total Gage R&R กับ Tolerance มีค่าสูง (%Tolerance > 30%) แสดงข้อมูลเชิงลึกเกี่ยวกับประเภทของชิ้นงานที่เลือก มันกำลังบอกคุณว่าเครื่องมือไม่สามารถแยกได้อย่างมีประสิทธิภาพว่าชิ้นงานนั้นดีหรือไม่ดี เนื่องจากการแปรผันของระบบการวัดที่มากเกินไปที่กำลังแสดงระหว่างสเปค
ฉันหวังว่าคำตอบของคำถามทั่วไปเหล่านี้จะช่วยคุณในการวิเคราะห์ Gage R&R ใน Minitab ครั้งต่อๆไป
บทความต้นฉบับ : More on How to Interpret Gage R&R Output
ต้นฉบับนำมาจาก 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