อุตสาหกรรมน้ำมันและก๊าซเกี่ยวข้องกับกระบวนการผลิตอย่างต่อเนื่องที่ใช้เงินทุนมาก วัตถุดิบ เช่น น้ำมันดิบ จะถูกแปลงเป็นผลิตภัณฑ์ปิโตรเลียมในปริมาณมาก ทำให้การควบคุมกระบวนการมีความสำคัญอย่างยิ่ง วัตถุดิบมีแนวโน้มที่จะมีความแปรปรวนในคุณสมบัติทางเคมีและกายภาพจำนวนมาก ซึ่งอาจมีผลอย่างมากต่อผลลัพธ์ของกระบวนการ วิศวกรมักจะใช้หลักการและประสบการณ์ทางวิทยาศาสตร์เพื่อกำหนดการตั้งค่ากระบวนการที่น่าจะให้ผลลัพธ์ที่ต้องการ อย่างไรก็ตามการปฏิบัติดังกล่าวสามารถตรงเป้าหมายและพลาดได้เช่นกัน แผนภูมิควบคุมกระบวนการทางสถิติ (SPC) มีประโยชน์อย่างมากในการส่งสัญญาณถึงกระบวนการที่ไม่เสถียร ข้อเสียของการใช้ SPC เพื่อแจ้งเตือนการเปลี่ยนแปลงของกระบวนการคือ ผลิตภัณฑ์ที่ต้องสงสัยจะถูกผลิตขึ้นพร้อมๆกัน
ผู้ผลิตส่งต่อความรับผิดชอบส่วนใหญ่ในการคัดเลือกวัตถุดิบให้กับซัพพลายเออร์ เป็นเรื่องปกติที่จะมีการส่งใบรับรองให้กับลูกค้าก่อนที่จะได้รับวัสดุ ซึ่งโดยปกติจะใช้เวลาหลายวันหรือหลายสัปดาห์ก่อนที่จะใช้วัสดุ จะเกิดอะไรขึ้นหากสามารถใช้ข้อมูลซัพพลายเออร์เพื่อคาดการณ์การเปลี่ยนแปลงของกระบวนการก่อนดำเนินการตามกระบวนการเพื่อให้มีมาตรการลดผลกระทบได้ บทความนี้จะอธิบายวิธีการปรับใช้แบบจำลองกระบวนการในการสร้างแผนภูมิกระบวนการทางสถิติล่วงหน้าสำหรับจุดประสงค์นี้ มีอุตสาหกรรมอื่น ๆ อีกมากมายที่มีกระบวนการที่เกี่ยวข้องกับอุปกรณ์ที่ใช้เงินทุนสูง การไหลอย่างต่อเนื่อง และวัตถุดิบที่เข้ามาซึ่งรวมถึงการเปลี่ยนแปลงที่มีนัยสำคัญ การผลิตอาหาร อาหารเสริม และเคมีภัณฑ์เป็นอุตสาหกรรมตัวอย่างที่สามารถได้รับประโยชน์จากการใช้ SPC ที่คาดการณ์ได้เช่นเดียวกัน
เทคนิคการสร้างโมเดลมีประสิทธิภาพมากและใช้งานง่ายด้วยการพัฒนาล่าสุดที่เพิ่มเข้ามาใน Minitab หลายองค์กรใช้แบบจำลองกระบวนการในการพัฒนาและปรับปรุง แบบจำลองกระบวนการถูกสร้างขึ้นจากค่าวัดของซัพพลายเออร์และเงื่อนไขของกระบวนการ (ควบคุมโดยช่างเทคนิค) เพื่อกำหนดความสัมพันธ์กับผลลัพธ์หลัก วิศวกรค้นหาจำนวนตัวแปรและประเภทโมเดลที่ถูกต้องเพื่อให้เหมาะสมสำหรับการคาดการณ์ผลลัพธ์ที่สมเหตุสมผล โมเดลถูกปรับใช้ใน ModelOps และเชื่อมต่อกับการไหลของข้อมูลใหม่เพื่อทำการคาดการณ์ แผนภูมิ SPC ถูกสร้างขึ้นจากการคาดคะเนแบบจำลองและตรวจสอบความเสถียร หากมีการระบุแนวโน้มที่ไม่ดี โมเดลจะได้รับการตรวจสอบเพื่อค้นหาตัวแปรกระบวนการที่สามารถปรับเปลี่ยนเพื่อลดแนวโน้มความเสียงลงได้ งานทั้งหมดนี้เสร็จสิ้นก่อนที่จะดำเนินการตามกระบวนการ ซึ่งจะมีประสิทธิภาพสูงในการลดความเสี่ยงด้านคุณภาพให้เหลือน้อยที่สุด
ตัวอย่างเกี่ยวข้องกับตัวแปรต่อเนื่อง 16 ตัว หนึ่งในนั้นคือค่าวัดที่จัดทำโดยใบรับรองของซัพพลายเออร์ที่ส่งก่อนการจัดส่งวัตถุดิบ มีตัวแปรที่ไม่ต่อเนื่องรวมถึงหน่วยที่ใช้สำหรับการประมวลผล และการตั้งค่าหลักสองรายการ แบบจำลองสมการถดถอยเชิงเส้นที่เหมาะสม (r-square ~ 67%) ถูกสร้างขึ้นจากการประมวลผลข้อมูลในอดึด 478 แถวโดยใช้การเลือกตัวแปรแบบ Stepwise (ตาราง A)
ตาราง A
เครื่องมือ Response Optimizer (รูปที่ 1) แสดงการใช้ประโยชน์จากตัวแปรทำนายที่สำคัญที่สุด ซัพพลายเออร์(Supplier) ความดันช่วงต้น(Initial)สูงชัน จากความสัมพันธ์เชิงเส้นหากมีการเปลี่ยนแปลงเกิดขึ้นเพียงเล็กน้อยสร้างผลกระทบอย่างมากกับค่าผลลัพธ์ที่สำคัญ อุณหภูมิที่เย็นลง(Cooling) บ่งชี้ถึงผลกระทบที่น้อยกว่า และการเปลี่ยนแปลงของหน่วยผลิต(Unit)ดูเหมือนว่าจะมีลักษณะเป็นกลุ่มที่มีอิทธิพลต่อค่าผลลัพธ์ที่สำคัญ
รูป 1
แบบจำลองการถดถอยทำงานได้ดีในการทำนายผลการตอบสนองที่สำคัญสำหรับข้อมูลในอดีต วิศวกรสามารถนำแบบจำลองไปยัง ModelOps จาก Minitab Statistical Software ได้อย่างง่ายดายเพียงคลิกเดียว (รูปที่ 2)
รูป 2
มีการรวบรวมข้อมูลใหม่เพื่อให้สามารถคาดการณ์ผลลัพธ์ที่สำคัญได้ ข้อมูลประกอบด้วยค่าวัดจากใบรับรองที่ได้รับจากซัพพลายเออร์ ค่าตัวแปรคงที่สำหรับการตั้งค่า และข้อมูลที่สร้างการกระจายสำหรับตัวแปรกระบวนการที่มีการแปรผันที่ทราบ อุณหภูมิกระบวนการเป็นตัวอย่างของตัวแปรที่สร้างความแตกต่าง วิศวกรทราบดีว่าอุณหภูมิจริง ณ จุดผลิตจะแตกต่างกันไปตามการตั้งค่าการควบคุม พารามิเตอร์สำหรับตัวแปรถูกสร้างขึ้นจากการวัดที่กระบวนการหรือสเปกคจากผู้ผลิตอุปกรณ์ ตัวแปรจะคำนวณจากการแจกแจงที่เลือกเพื่อให้ได้สถานการณ์การประมวลผลที่เหมือนจริง นี่เป็นเทคนิคเดียวกับที่ใช้ในการจำลองแบบมอนติคาร์โล (Monte Carlo)
Minitab Connect ดึงข้อมูลรายชั่วโมงและส่งไปยัง Model Ops เพื่อทำการคาดการณ์ได้อย่างง่ายดาย มีการใช้แผนภูมิควบคุม Individual และ Moving Range เพื่อตรวจสอบแนวโน้ม เป็นสิ่งสำคัญมากที่จะต้องแน่ใจว่ามีการใช้ข้อมูลในอดีตในการคำนวณเส้นการควบคุมทางสถิติ การใช้ข้อมูลจำลองมาคำนวณเส้นควบคุมนั้นไม่เหมาะสม แผนภูมิ SPC เชิงคาดการณ์ที่แสดงในรูปที่ 3 แสดงให้เห็นถึงกระบวนการที่คาดว่าจะมีเสถียรภาพจนถึงการสังเกต 3 ครั้งล่าสุด จุดที่พล๊อตทั้งสามรายการลดลงต่ำกว่าขีดจำกัดการควบคุมด้านล่าง(UCL)ในอดีต ซึ่งสามารถสร้างปัญหาด้านคุณภาพได้หากแนวโน้มที่ไม่ปกตินี้ยังคงดำเนินต่อไป
รูป 3
ทีมวิศวกรตรวจสอบแบบจำลองกระบวนการและพิจารณาว่าความดันเริ่มต้นนั้นเพิ่มขึ้นอย่างง่ายดายจากการตั้งค่า 90 ถึง 120 เครื่องมือ Response Optimizer ระบุว่าการเปลี่ยนแปลงการตั้งค่าการควบคุมน่าจะได้ผลลัพธ์ที่ลดลงกว่าค่าวัดที่ได้จากใบรับรองจากซัพพลายเออร์ การเปลี่ยนแปลงที่ใช้ในการตั้งค่าความดันเริ่มต้นจะเสร็จสมบูรณ์ในตารางข้อมูลต้นทาง และการดึงข้อมูลและการสร้างแผนภูมิใน Connect จะเริ่มขึ้นอีกครั้ง แผนภูมิผลลัพธ์ (รูปที่ 4) ให้ข้อมูลว่าการเปลี่ยนแปลงของแรงดันเริ่มต้นช่วยลดผลกระทบด้านลบของการเปลี่ยนแปลงการวัดของซัพพลายเออร์
รูป 4
แนวคิดของ SPC เกี่ยวข้องกับปฏิกิริยาที่ทันท่วงทีต่อแนวโน้มการเปลี่ยนแปลงที่ส่งผลให้เกิดความไม่แน่นอน กระบวนการที่ไม่เสถียรเกี่ยวข้องกับความเสี่ยงด้านคุณภาพ ซึ่งอาจส่งผลให้วัสดุไม่เป็นไปตามมาตรฐานหรือลดระดับลง ความสามารถในการสร้างแผนภูมิควบคุมกระบวนการบนข้อมูลก่อนที่กระบวนการจะถูกดำเนินการนั้นมีค่าอย่างเหลือเชื่อ เนื่องจากขณะนี้สามารถบรรเทาแนวโน้มที่ไม่ดีได้ก่อนที่จะเกิดผลลัพธ์จริง ในอุตสาหกรรมน้ำมันและก๊าซ ผลประโยชน์อาจอยู่ที่หลายล้านดอลลาร์เนื่องจากปริมาณและรายได้ที่เป็นไปได้ของผลิตภัณฑ์ที่ผลิต โซลูชัน Minitab ทำให้กระบวนการสร้างและตรวจสอบ SPC เชิงคาดการณ์เป็นส่วนสำคัญของการจัดการคุณภาพได้อย่างง่ายดาย
ต้องการเรียนรู้เพิ่มเติมหรือไม่?
บทความต้นฉบับ : The Power of Predictive SPC in the Oil and Gas Industry
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