ในทุกๆกระบวนการจะมีผลของความผันแปรจากแหล่งต่างๆ ที่แปรผันตามเวลาอยู่ด้วยเสมอ ผลิตภัณฑ์ที่มีการ ออกแบบการตั้งค่าปัจจัยการผลิตให้เหมาะสมที่สุด แต่ในการผลิตจริงค่าปัจจัยทั้งหลายนี้ มักจะมีค่าเบี่ยงเบนออกไป จากค่าที่ตั้งไว้เสมอความแปรปรวนของสิ่งแวดล้อมและความผันแปรของกระบวนการผลิตเป็นสาเหตุหลักที่ส่งผลทำให้เกิดปัญหาด้านคุณภาพ ดังนั้นการมุ่งเน้นในเรื่องการลดต้นทุนและประสิทธิภาพ ในกระบวนการอาจไม่เพียงพอ ประเด็นสำคัญที่ควรพิจารณาคือ เรื่องปัจจัยที่ทำให้กระบวนการมีความบกพร่องและปัจจัยที่ทำให้กระบวนการมีความไวต่อความแปรปรวนหลายๆครั้งที่ไม่สามารถกำจัดความผันแปรอันเนื่องมากจากปัจจัยที่ไม่สามารถควบคุมได้ เช่น การเปลี่ยนแปลงของ อุณหภูมิ การปนเปื้อน ความชื้น ฝุ่นละออง เป็นต้น
เช่น ผลิตภัณฑ์ที่ผลิตได้ของบริษัทคุณมีการนำไปใช้ในงานในที่ๆ มีสิ่งแวดล้อมต่างๆ กัน หรือนำไปใช้ในวิถีทางต่างๆกัน (รวมไปถึงสิ่งที่ไม่ควรนำไปใช้กับผลิตภัณฑ์นั้นๆด้วย) หรือแม้แต่กระทั่งกระบวนการผลิตเองมีการเปลี่ยนแปลงตลอดเวลา (โดยที่มีการออกแบบ ควบคุม และปรับตั้งกระบวนผลิตอยู่เสมอ)
ความร้ายกาจของความผันแปร
การแก้ปัญหาเรื่องต้นทุนให้มีประสิทธิภาพและประสิทธิผลที่สุด คือ การลดความผันแปรที่ส่งผลต่อการดำเนินการ ผลิตผลิตภัณฑ์
ถึงแม้ว่าความผันแปรจะเกิดขึ้นอย่างต่อเนื่องในกระบวนการ แต่ขนาดความผันแปรที่จะเกิดในผลิตภัณฑ์นั้น อาจทำให้มีขนาดเล็กลงได้ แต่ต้องมีการชี้บ่งแหล่งกำเนิดความผันแปรที่ทำให้เกิดความแปรปรวนในกระบวนการเสียก่อน จุดประสงค์ คือ การลดความผันแปรของปัจจัยตั้งต้นที่ส่งผลกระทบต่อระบบในส่วนสุดท้าย
ในการประเมินค่าผลกระทบของปัจจัยรบกวน (ปัจจัยที่ไม่สามารถควบคุมได้ของระบบ) ด้วยวิธีการ ANOVA ผ่านกระบวนการออกแบบการทดลอง หรือ การวิเคราะห์การถดถอย ปัจจัยที่สามารถควบคุมได้บางตัวในระบบอาจมีปฏิกริยากับปัจจัยรบกวนบางตัวนี้ ทำให้การจัดการปัจจัยรบกวนนี้ สามารถปรับเปลี่ยนได้จากการกระทำกับปัจจัยที่สามารถควบคุมได้และถ้าเป็นในกรณีนี้เราสามารถใช้วิธีการควบคุมปฏิกริยากับปัจจัยรบกวนในการลดผลกระทบจากปัจจัยรบกวน
แนวทางในการทำความเข้าใจและลดผลความผันแปรซึ่งมี 2 แนวทาง
วิธีการในการลดขนาดความผันแปรที่มีผลต่อกระบวนการมีดังนี้
1.ผลกระทบที่ไม่เป็นเส้นตรง (Non-Linear Effects) โดยอาศัย Response Surface DOE เพื่อศึกษาผลของความโค้ง และกำลังสอง ตามที่เห็นในกราฟด้านล่าง จะเห็นว่าปัจจัย B มีผลที่เป็นกำลังสองต่อค่าตอบสนอง Y
ค่าความลาดเอียงของเส้นโค้งจะมีค่ามาก (ความชันมาก)ที่ค่า B น้อยๆ (B-) และความลาดเอียงของเส้นโค้งจะ มีค่าน้อย (เส้นโค้งลักษณะราบแบน) ที่ค่า B มากๆ (B+) จุดที่เส้นโค้งมีความราบแบบเรียกว่า “sweet spot” ถึงแม้ว่า ค่าความผันแปรของ B จะมีค่าเกือบเท่ากันในระดับปัจจัยของ Bทั้ง – และ + แต่ขนาดความผันแปรที่มีผลต่อค่าตอบสนอง Y มีค่าน้อยลงมากที่ค่าระดับ B+ (จุด Sweet spot) ดังนั้นการตั้งค่ากระบวนการของปัจจัย B ที่ระดับ B+ ย่อมทำให้กระบวนการ มีความไวต่อการเปลี่ยนแปลงของความผันแปรได้ดีกว่า
2.ผลกระทบที่มีอิทธิพลร่วม (Interaction Effect) จากกราฟด้านล่างที่แสดงอิทธิพลร่วมระหว่างปัจจัยรบกวน B และปัจจัยที่สามารถควบคุมได้ C
ค่าความลาดเอียงของเส้นตรงแสดงถึงผลกระทบของปัจจัยรบกวน B ส่วน 2 เส้น เป็นผลที่เกิดที่ปัจจัย C ในระดับที่ ต่างกัน ซึ่งจะเห็นว่าผลที่มาจากปัจจัยรบกวน B มีขนาดเล็กเมื่อ C อยู่ที่ระดับ – (C-) ดังนั้นเราจึงสามารถใช้ปัจจัย C เพื่อลด ผลกระทบที่เกิดจากปัจจัยรบกวน B และทำให้กระบวนการมีความไวต่อการเปลี่ยนแปลงอันเนื่องมาจากปัจจัยรบกวน B ได้
ตัวอย่างในกระบวนการผลิต
วัตถุประสงค์ คือ การปรับปรุงความแข็งแรงของชิ้นส่วนในยานยนต์ ตัวปรับความเอนของเบาะนั่ง (Recliner) เมื่อได้รับภาระแรงขนาดต่างๆ กัน ปัจจัยรบกวนในที่นี้ คือ ภาระแรง ซึ่งได้มีการทดสอบที่ 2 ค่าระดับ คือ ไม่มีภาระแรง ซึ่งกำหนดเป็นระดับ – (Noise – ) และมีภาระแรงขนาดใหญ่ ซึ่งกำหนดเป็นระดับ + (Noise +) และมีปัจจัยที่สามารถ ควบคุมได้อีก 3 ตัว คือ ชนิดของจาระบี ชนิดของลูกปืน(Bearing) และ แรงสปริง (Spring Force) ซึ่งแต่ละปัจจัยจะมีการ ตั้งค่าไว้ 2 ระดับ ดังนั้นการทดลองจึงถูกออกแบบเป็น 23 และแต่ละเงื่อนไขการทดลองมีการทำซ้ำ 2 ครั้ง จึงได้การทดลอง ออกมาทั้งหมด 16 ค่า (8*2 = 16 ในแต่ละครั้งการทดลองจะมีผลของปัจจัยรบกวนร่วมอยู่ด้วย)
ค่าตอบสนองคือ ค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะ (Acceleration signal) แต่ละครั้งการทดลองจะต้องทำการใส่ภาระแรงที่เป็นศูนย์ (Noise – ) และ ภาระแรงขนาดใหญ่ (Noise +) ผลที่เกิดจากปัจจัยรบกวน คือ ค่าความแตกต่างที่ได้จากผลการทดลองทั้ง 2 ครั้ง (Noise effect = (“ Noise-” ) – (“Noise+”) )
ค่าเฉลี่ยของอิทธิพลที่ได้จากปัจจัยรบกวนคือ 1.9275 และวัตถุประสงค์ของการทดลอง คือ การลดผลกระทบอันเกิดจากปัจจัยรบกวน ซึ่งหมายถึงการลดค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะ
การวิเคราะห์ผลการออกแบบการทดลองได้ใช้ โปรแกรมสถิติ Minitab โดยทำการศึกษาค่าตอบสนอง 2 ค่า คือ
ค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะ(acceleration signal) และ อิทธิพลของปัจจัยรบกวน (ภาระแรง) ซึ่งการหาค่าที่เหมาะสมของทั้งสองค่านี้มีความสำคัญต่อระบบอย่างมาก
ภาพด้านล่างนี้คือตารางการออกแบบการทดลองดังกล่าว ในแต่ละแถวจากแผ่นงานของ Minitab จะมีการคำนวณ อิทธิพลจากปัจจัยรบกวน (คอลัมน์ C6: Effect หรือ Noise effect) และค่าเฉลี่ยของค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะ (คอลัมน์ C7: Mean)
แผนภาพพาเรโตแสดงอิทธิพลของแต่ละปัจจัยที่มีผลต่อค่าเฉลี่ยค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะโดยที่ปัจจัยเรื่องของชนิดลูกปืน ชนิดจาระบี และแรงสปริง แสดงผลอย่างมีนัยสำคัญ และอิทธิพลร่วมของสองปัจจัย ระหว่างชนิดลูกปืนและชนิดจาระบี กับชนิดลูกปืนและแรงสปริงก็แสดงผลอย่างมีนัยสำคัญเช่นกัน (อิทธิพลดังกล่าวดูจาก แท่งกราฟที่เลยเส้นสีแดงที่เป็นเส้นแบ่งความมีนัยสำคัญ)
แผนภาพลูกบากศ์แสดงให้เห็นว่า ชนิดลูกปืนที่ระดับ -1 และ ชนิดจาระบีที่ระดับ +1 ทำให้เกิดค่าค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะมีค่าต่ำ
จากแผนภาพอิทธิพลร่วมแสดงให้เห็นว่า อิทธิพลร่วมของชนิดลูกปืนและชนิดจาระบีที่มีผลต่อค่าเฉลี่ยตอบสนอง เมื่อใช้ชนิดลูกปืนที่ระดับ -1 การใช้จาระบีชนิดใดไม่ได้ส่งผลกระทบต่อค่าค่าความเร็วที่เพิ่มขึ้นในการปรับเอนเบาะ
ปัจจัยที่สามารถควบคุมได้สามารถส่งผลกระทบต่อปัจจัยรบกวนในแผนภาพพาเรโตจะถูกนำมาใช้เพื่อการศึกษาอิทธิพลของปัจจัยที่สามารถควบคุมได้ที่มีผลต่อปัจจัยรบกวน เมื่อผลของปัจจัยรบกวนถือเป็นค่าตอบสนองของระบบ จะเห็นได้ว่า อิทธิพลของปัจจัย A (ชนิดของลูกปืน) และปัจจัย B (ชนิดของจาระบี) และ อิทธิพลร่วมของปัจจัย AB แสดงผลอย่างมีนัยสำคัญ
จากแผนภาพของอิทธิผลร่วม (Interaction effect plot) จะเห็นได้ว่าอิทธิพลร่วมของชนิดลูกปืนและชนิดจาระบี มีผลต่อค่าตอบสนองปัจจัยรบกวน ชนิดลูกปืนในระดับ -1 ทำให้ผลของปัจจัยรบกวนมีขนาดเล็ก และถ้าใช้ชนิดลูกปืนในระดับ – ชนิดจาระบีใดใดจะไม่ส่งผลต่อปัจจัยรบกวน
บทสรุป
การวิเคราะห์การทดลองนี้แสดงให้เห็นว่า ชนิดลูกปืนที่ระดับ -1 สามารถนำมาใช้ในการช่วยลดค่าความเร็วที่เพิ่มขึ้น ในการปรับเอนเบาะและผลของปัจจัยรบกวนได้เป็นอย่างดี ดังนั้นระบบที่มีการเปลี่ยนแปลงภาระแรงจะมีความสเถียรมากขึ้น ซึ่งเป็นวัตถุประสงค์ของการศึกษาการทดลองครั้งนี้ หลังจากที่เราทำการศึกษาผลของปัจจัยที่ควบคุมได้ที่มีผลต่อปัจจัยรบกวนโดยตรง แทนที่จะทำการศึกษาด้วยวิธีอื่นๆที่มีความซับซ้อนเช่น Taguchi’s signal to noise ratio ซึ่งจะเห็นได้ว่าวิธีนี้สามารถ ทำความเข้าใจได้ง่ายกว่าดังนั้นจากตัวอย่างนี้จะเห็นว่า การออกแบบการทดลอง เป็นเครื่องมือหนึ่งที่ช่วยในการทำให้หาปัจจัยของกระบวนการ และผลิตภัณฑ์ที่มีความไวต่อความผันแปรของปัจจัยแวดล้อมได้ดี
บทความต้นฉบับ : Using Design of Experiments to Minimize Noise Effects
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