คุณใช้ SPC อย่างถูกต้องหรือไม่? | ถามผู้เชี่ยวชาญ

เมื่อมีสิ่งผิดพลาดเกิดขึ้น เรามักจะตอบสนองทันที หากผลิตภัณฑ์ล้มเหลวหรือกระบวนการทำงานได้ไม่ดีพอ เราจะพยายามค้นหาว่ามีอะไรผิดพลาดเพื่อแก้ไข

ฟังดูสมเหตุสมผล แต่การตอบสนองต่อปัญหาหมายความว่าเราปล่อยให้กระบวนการหรือความล้มเหลวของผลิตภัณฑ์ควบคุมพฤติกรรมของเรา การเข้าใจและควบคุมกระบวนการดีกว่าการปล่อยให้กระบวนการควบคุมเราใช่ไหม?

นี่คือจุดที่การควบคุมกระบวนการทางสถิติ (SPC) เข้ามามีบทบาท SPC เป็นชุดเทคนิคที่ให้ความเข้าใจเชิงลึกเกี่ยวกับวิธีที่กระบวนการทำงาน โดยการนำ SPC ไปใช้จำเป็นต้องเก็บรวบรวมข้อมูลอย่างต่อเนื่องตามเวลา

การจัดการด้วย SPC

เมื่อเราตรวจสอบข้อมูล เราจะคาดหวังความแปรปรวนอยู่แล้ว แม้จะไม่มีสิ่งผิดปกติเกิดขึ้น แหล่งที่มาของความแปรปรวนจากสาเหตุทั่วไปคือระดับความแปรปรวนโดยธรรมชาติที่มีอยู่ในกระบวนการ

WinSPC หมายถึงต้นทุนที่ต่ำลงและคุณภาพที่สูงขึ้น

WinSPC คือซอฟต์แวร์ที่ช่วยให้ผู้ผลิตสร้างผลิตภัณฑ์ที่มีคุณภาพสูงสุดในต้นทุนที่ต่ำที่สุด คุณสามารถเรียนรู้เพิ่มเติมได้ที่นี่

แต่หากข้อมูลมีการเปลี่ยนแปลงอย่างต่อเนื่อง คุณจะรู้ได้อย่างไรว่าเกิดเหตุการณ์ที่ผิดปกติขึ้น? SPC ช่วยตอบคำถามนี้

ประการแรก เพื่อทำความเข้าใจว่าข้อมูลมีการเปลี่ยนแปลงในลักษณะที่คาดเดาได้หรือไม่ คุณต้องเข้าใจระดับความแปรปรวนที่คาดหวังในระบบก่อน เมื่อทราบระดับความแปรปรวนที่คาดหวังแล้ว คุณจะสามารถระบุได้ว่าข้อมูลที่สังเกตเห็นเกินระดับที่คาดหมายหรือไม่

ด้วย SPC แนวคิดคือการดูข้อมูลจากกระบวนการที่เสถียรนานพอเพื่อให้เข้าใจระดับของความแปรปรวนโดยธรรมชาติ และใช้ข้อมูลนั้นในการคำนวณขอบเขตของความแปรปรวนที่คาดหวังหรือที่เรียกว่า "ขอบเขตการควบคุม" ขอบเขตการควบคุมเหล่านี้จะต้องคำนวณจากข้อมูลที่มาจากกระบวนการที่เสถียรเท่านั้น

เมื่อสถิติใดเกินขอบเขตการควบคุมหรือมีรูปแบบที่ไม่คาดคิดเกิดขึ้น จะเป็นหลักฐานว่ามีสาเหตุพิเศษที่เข้ามาในระบบ สาเหตุพิเศษเหล่านี้หรือที่เรียกว่า "สาเหตุที่กำหนดได้" จะทำให้เกิดการเปลี่ยนแปลงที่ไม่คาดคิดในกระบวนการ ซึ่งไม่ได้หมายความว่าชิ้นส่วนที่กำลังผลิตเกินขอบเขตข้อกำหนด แต่เพียงแสดงให้เห็นว่ามีสิ่งผิดปกติเกิดขึ้นในระบบเท่านั้น

หากไม่มี SPC ปัญหาเหล่านี้จะไม่ปรากฏให้เห็นจนกว่าการวัดผลิตภัณฑ์จะเกินขอบเขตข้อกำหนด ซึ่งมักจะสายเกินไป ผลิตภัณฑ์ที่ไม่ดีถูกผลิตออกมาแล้ว และบริษัทก็ได้ลงทุนเวลาและทรัพยากรในการผลิตผลิตภัณฑ์ที่ด้อยคุณภาพ ซึ่งทำให้กำไรลดลง และการค้นหาสาเหตุที่แท้จริงก็ทำได้ยากขึ้น

SPC ไม่เพียงแต่ให้โอกาสในการระบุพฤติกรรมที่ผิดปกติก่อนที่ผลิตภัณฑ์ที่ไม่เหมาะสมจะถูกผลิตขึ้น แต่ยังช่วยให้คุณกำหนดได้ว่าเหตุการณ์ที่ไม่คาดคิดเกิดขึ้นเมื่อใด แต่น่าเสียดายที่หลายบริษัทไม่ใช้ประโยชน์จาก SPC อย่างเต็มที่

การควบคุมกระบวนการ

การวัดค่าต่อเนื่องช่วยให้ผู้ผลิตเข้าใจได้ดีขึ้นว่ากระบวนการของพวกเขาเสถียรหรือไม่ หรือที่เรียกว่า "อยู่ในการควบคุม" แต่สิ่งนี้หมายความว่าอย่างไร? ตัวอย่างเช่น บริษัท ABC ผลิตคลิปสปริง โดยทราบว่ารัศมีของคลิปสปริงเป็นมิติที่สำคัญ ผู้ผลิตได้วัดรัศมีของคลิปสปริงที่ผลิตในช่วงไม่กี่นาที ได้ค่าต่าง ๆ เช่น 3.24, 3.28, 3.25, 3.31, 3.28, 3.22, 3.25, 3.26, 3.28, 3.24 และ 3.23 และในที่สุดข้อมูลเหล่านี้ก็สะสมจนกลายเป็นการกระจายข้อมูลตามรูปแบบหนึ่ง

หากวัดค่ารัศมีในวันอื่น คุณไม่ควรคาดหวังว่าจะได้ค่าเดิม แต่การกระจายของข้อมูลควรจะคล้ายกัน เมื่อเห็นการกระจายแบบเดียวกันซ้ำ ๆ กระบวนการนั้นจะเรียกว่า "อยู่ในการควบคุม"

กระบวนการที่อยู่นอกการควบคุม

เป็นการเสี่ยงที่จะสมมติว่าค่ารัศมีเหล่านี้จะมีการกระจายแบบเดิมตลอดเวลา เนื่องจากมีหลายปัจจัย เช่น คุณสมบัติของวัสดุ การตั้งค่าของเครื่องจักร และสภาพแวดล้อม ที่สามารถมีผลต่อมิติได้ แต่ผู้ผลิตหลายรายเชื่อว่าการอยู่ในสถานะ "อยู่ในการควบคุม" ไม่สำคัญตราบใดที่ผลิตภัณฑ์อยู่ภายในขอบเขตข้อกำหนด

ความเชื่อนี้ก่อให้เกิดผลกระทบในทางลบต่อธุรกิจที่ต้องการคุณภาพและประสิทธิภาพ ตัวอย่างเช่น หากมิติผลิตภัณฑ์ตรงตามข้อกำหนดแต่กระบวนการไม่เสถียร ลูกค้าที่ได้รับสินค้าจากการกระจายข้อมูลแบบหนึ่งจะคาดหวังให้ได้เห็นการกระจายข้อมูลแบบเดิมซ้ำ หากพวกเขาได้รับการกระจายข้อมูลที่แตกต่างกัน พวกเขามักจะไม่พอใจกับคุณภาพที่ไม่สม่ำเสมอ

ปัญหานี้ยิ่งรุนแรงขึ้นหากการกระจายข้อมูลเหล่านี้เป็นมิติสำคัญของชิ้นส่วนที่ต้องต่อกัน เพราะผลิตภัณฑ์จากการกระจายแบบหนึ่งจะมีการประกอบที่ต่างจากผลิตภัณฑ์จากการกระจายแบบอื่น ทำให้ผลิตภัณฑ์ทำงานได้ไม่สม่ำเสมอ ประสิทธิภาพที่แตกต่างนี้ทำให้เวลาล้มเหลวและการตอบสนองของลูกค้าไม่สามารถคาดการณ์ได้

การประยุกต์ใช้ SPC อย่างถูกต้องช่วยให้เราเข้าใจความแปรปรวนของระบบและบ่งชี้ว่าเมื่อใดที่ความแปรปรวนนั้นเพิ่มขึ้นหรือลดลง ความรู้นี้ทำให้คุณควบคุมได้ ไม่ใช่ให้ระบบควบคุมคุณ

นอกการควบคุม

เป็นความเสี่ยงที่จะสมมติว่าค่ารัศมีเหล่านี้จะเป็นไปตามการกระจายแบบเดียวกันเสมอ เพราะมีปัจจัยหลายประการ เช่น คุณสมบัติของวัสดุ การตั้งค่าเครื่องจักร และสภาพแวดล้อมที่มีผลต่อมิติ แต่ผู้ผลิตหลายรายเชื่อว่าการ "ควบคุม" ไม่สำคัญ ตราบใดที่ผลิตภัณฑ์ยังอยู่ในขอบเขตสเปกที่กำหนดไว้

ความเชื่อดังกล่าวมีผลเสียต่อธุรกิจในอเมริกาที่มุ่งมั่นในการสร้างคุณภาพและประสิทธิภาพ เพื่อให้เห็นภาพ เรามาดูสิ่งที่เกิดขึ้นเมื่อคุณลักษณะของผลิตภัณฑ์ตรงตามสเปกแต่ไม่ได้ควบคุม

นี่คือผลิตภัณฑ์ที่มีค่าอยู่ในขอบเขตสเปกบน (USL) และขอบเขตสเปกล่าง (LSL) แต่ไม่เสถียร

เมื่อผู้บริโภคได้รับสินค้าในรูปแบบการกระจายที่กำหนดไว้ พวกเขาคาดหวังว่าจะได้เห็นการกระจายแบบเดิมอีกครั้ง ผู้บริโภคชอบความสม่ำเสมอ หากพวกเขาได้รับการกระจายที่แตกต่างกันไป พวกเขามักจะผิดหวังกับคุณภาพที่รู้สึกได้ หรืออย่างน้อยก็ไม่คาดคิดถึงการเปลี่ยนแปลงนั้น

ปัญหาจะยิ่งรุนแรงขึ้นหากการกระจายเหล่านี้แสดงถึงมิติที่สำคัญสำหรับชิ้นส่วนที่ต้องประกอบเข้าด้วยกัน ชิ้นงานจากการกระจายหนึ่งจะเข้ากันกับชิ้นงานจากการกระจายอื่นได้แตกต่างกัน คุณจึงไม่สามารถคาดหวังให้ผลิตภัณฑ์ทำงานได้อย่างสม่ำเสมอ ประสิทธิภาพที่แตกต่างหมายถึงเวลาการชำรุดและการตอบสนองของลูกค้าที่ไม่สามารถคาดการณ์ได้ ลองเปรียบเทียบกราฟต่อไปนี้กับกราฟก่อนหน้า

คุณคิดว่าลูกค้าจะชอบกราฟไหน? เมื่อรู้ว่าลูกค้าชอบความสม่ำเสมอ กราฟที่สองจะเป็นตัวเลือกที่ชัดเจนแม้ว่าทั้งสองจะเป็นผลิตภัณฑ์ที่อยู่ในขอบเขตสเปก

เราได้เห็นบริษัทอุตสาหกรรมยานยนต์ในอเมริกาใช้เวลาและเงินมากขึ้นในการแก้ไขปัญหาการรับประกันเมื่อเทียบกับบริษัทญี่ปุ่นบางแห่ง การไม่สามารถลดความแปรปรวนได้อย่างมีประสิทธิภาพและขาดความรับผิดชอบในการรักษาเสถียรภาพเชิงมิติเป็นส่วนสำคัญของปัญหา

เมื่อการกระจายของกระบวนการเปลี่ยนแปลง ไม่มีใครรวมถึงผู้ผลิตและลูกค้ารู้ว่าจะเกิดอะไรขึ้น นั่นไม่ได้หมายความว่าการเปลี่ยนแปลงทุกครั้งจะไม่ดี การเปลี่ยนแปลงที่ไม่คาดคิดบางอย่างอาจแสดงถึงการปรับปรุง แต่ถ้าเราไม่เห็นคุณค่าของการปรับปรุงนั้น เราจะไม่รักษาความก้าวหน้าดังกล่าว

แน่นอนว่าหลายคนที่ทำงานในสภาพแวดล้อมการผลิตยังคงไม่เชื่อว่ากระบวนการเปลี่ยนแปลง พวกเขาคิดผิด กระบวนการสามารถเปลี่ยนแปลงได้เนื่องจากปัจจัยหลากหลาย เช่น การเปลี่ยนแปลงของชิ้นส่วนที่ได้รับ อุณหภูมิ ความชื้น เครื่องมือที่สึกหรอ หรือการเปลี่ยนแปลงบุคลากร

เมื่อ X ไม่ชี้เป้าหมาย

กราฟ Xbar และ R มักใช้ในการตรวจสอบการเปลี่ยนแปลง กราฟ Xbar ช่วยในการตรวจจับการเปลี่ยนแปลงของค่าเฉลี่ยกระบวนการ ในขณะที่กราฟ R ถูกออกแบบมาเพื่อตรวจสอบการเปลี่ยนแปลงของความแปรปรวนของกระบวนการ เมื่อใช้อย่างถูกต้อง กราฟเหล่านี้สามารถเป็นตัวบ่งชี้พฤติกรรมของกระบวนการรวมถึงเครื่องมือในการทำนายการปรับปรุงหรือการลดลงของคุณภาพได้

น่าเสียดายที่ผู้ผลิตในอเมริกาส่วนใหญ่ไม่ได้ใช้กราฟเหล่านี้อย่างถูกต้อง

เพื่อทำความเข้าใจว่าทำไม ลองดูกลไกที่อยู่เบื้องหลังกระบวนการ Xbar มันถูกเขียนเป็น X ที่มีขีดเส้นเหนือมัน ซึ่งเป็นสัญลักษณ์ที่บ่งบอกถึงค่าเฉลี่ย

โดยทั่วไป ผู้ปฏิบัติการผลิตจะทำการวัดผลไม่กี่ครั้งในช่วงเวลาหนึ่ง ผู้ปฏิบัติการจะเฉลี่ยการวัดเหล่านั้นและวางผลลัพธ์บนกราฟ Xbar จากนั้นช่วง (ค่าข้อมูลสูงสุดลบด้วยค่าต่ำสุด) จะถูกคำนวณและวางบนกราฟ R

ขีดจำกัดการควบคุมจะถูกคำนวณ ขีดจำกัดเหล่านี้แสดงถึงความแปรปรวนที่คาดไว้ในหมู่ค่าเฉลี่ย (บนกราฟ Xbar) และช่วง (บนกราฟ R) ตราบใดที่กระบวนการยังอยู่ในการควบคุม โดยการออกแบบ ขีดจำกัดการควบคุมควรจับจุดบนกราฟได้ประมาณ 99.7% เมื่อกระบวนการมีเสถียรภาพ

ไม่มีอะไรที่เหมือนกัน

ขีดจำกัดสเปกไม่เคยอยู่บนกราฟควบคุม ขณะที่ผู้เชี่ยวชาญด้านคุณภาพบางคนเชื่อว่ากราฟควบคุมระบุความสามารถในการปฏิบัติตามสเปก (ความสามารถของกระบวนการ) นั่นเป็นความเชื่อที่ผิด กราฟควบคุมถูกคิดค้นขึ้นเพื่อจุดประสงค์เดียวคือการระบุการเปลี่ยนแปลงของกระบวนการโดยเร็วที่สุดหลังจากที่เกิดการเปลี่ยนแปลง พวกมันไม่ทำมากกว่านี้หรือน้อยกว่านี้

ดังนั้นทำไมถึงต้องดูค่าเฉลี่ยถ้ามันทำให้เข้าใจผิดจนไม่สามารถบอกได้ว่าชิ้นงานสอดคล้องกับขีดจำกัดสเปกหรือไม่? มีสองเหตุผลที่น่าสนใจที่ต้องทำ

ข้อผิดพลาดเพิ่มเติม

ยังมีข้อผิดพลาดพื้นฐานอื่น ๆ ที่มักเกิดขึ้นในการใช้ SPC และบทความนี้ได้กล่าวถึงเพียงบางส่วน ความผิดพลาดทั้งหมดนำไปสู่การตัดสินที่ผิดจากความเป็นจริง

ข้อผิดพลาดที่พบบ่อยเพิ่มเติมรวมถึงวิธีการสุ่มตัวอย่างที่ไม่ถูกต้อง วิธีการที่ตัวอย่างทางกายภาพถูกนำมาใช้เป็นสิ่งสำคัญ ยิ่งไปกว่านั้น ประเภทของกราฟควบคุมที่ใช้ขึ้นอยู่กับประเภทของแผนการสุ่มตัวอย่างที่ใช้ มีกรณีที่ต้องใช้การสุ่มตัวอย่างเชิงเหตุผลและกรณีที่สามารถละเมิดวิธีการนั้นได้ตราบใดที่วิธีการ SPC ที่เหมาะสมมาพร้อมกับแผนการสุ่มตัวอย่าง

ขนาดตัวอย่างที่ไม่เหมาะสมเกือบจะถูกใช้เสมอ ขนาดตัวอย่างที่เหมาะสมที่สุดขึ้นอยู่กับแอปพลิเคชันและปริมาณการเปลี่ยนแปลงที่สำคัญในการตรวจจับ

การใช้ตัวชี้วัดความสามารถเช่น Cp, Cpk, Pp และ Ppk มักจะทำให้เข้าใจผิดเสมอ ข้อผิดพลาดที่ร้ายแรงที่สุดคือการประเมินความสามารถของกระบวนการโดยไม่เคยกำหนดความเสถียรก่อน

สรุป

การใช้ SPC อย่างถูกต้องช่วยให้เราเข้าใจความแปรปรวนของระบบและบ่งชี้ว่าความแปรปรวนนั้นเพิ่มขึ้นหรือลดลง ความรู้นี้ทำให้คุณอยู่ในการควบคุม ไม่ใช่ระบบของคุณ

CR. ดร.อลิส วาคส์ Integral Concepts, Inc.

Integral Concepts ให้บริการคำปรึกษาและฝึกอบรมเกี่ยวกับการใช้วิธีเชิงปริมาณเพื่อทำความเข้าใจ ทำนาย และเพิ่มประสิทธิภาพการออกแบบผลิตภัณฑ์ การดำเนินงานการผลิต และความน่าเชื่อถือของผลิตภัณฑ์