การทำชิ้นส่วนให้สามารถสับเปลี่ยนกันได้ (Interchangeable) เป็นแนวทางในการทำงานที่ผู้ผลิตสมัยใหม่ ชิ้นส่วนที่เหมือนกันซึ่งอาจจะผลิตจากโรงงานที่ตั้งอยู่ในที่ต่างๆทั่วโลกหรือถูกส่งมาจากผู้ส่งมอบที่อยู่คนละสถานที่กันและห่างไกลกัน แต่ชิ้นส่วนเหล่านั้นจะต้องมั่นใจได้ว่าผลิตมาแล้วมีความเหมือนกันและสามารถนำมาประกอบเป็นผลิตภัณฑ์ได้
ความสามารถในการสับเปลี่ยนได้ (Interchangeability) ยังมีความสำคัญในอุตสาหกรรมการบริการด้วยเช่นกัน เพราะว่าลูกค้ามีความคาดหวังได้รับบริการที่เป็นมาตรฐานเดียวกันจากผู้ให้บริการ ไม่ว่าการบริการนั้นจะเกิดที่ใดบนโลกใบนี้ การเลือกวิธีการที่ดีที่สุด (Best Practices) จึงต้องมีการถ่ายทอดลงมายังผู้ปฏิบัติทุกคนในองค์กรและรวมไปถึงบริษัทย่อยต่างๆที่ต้องเข้าใจเพื่อให้สามารถปฏิบัติได้ตามพื้นฐานความคาดหมายนั้นๆ
ในบทความนี้จะแสดงให้เห็นถึงการกำหนดช่วงค่าเผื่อ (Tolerance interval) สำหรับค่าที่ป้อนเข้า ซึ่งเป็นค่าพารามิเตอร์ของชิ้นส่วน เพื่อให้ได้ผลลัพธ์ที่ได้ตามข้อกำหนดสเปคที่ต้องการ (ซึ่งเป็นพารามิเตอร์ของผลิตภัณฑ์ที่ได้หลังจากการประกอบชิ้นส่วนต่างๆ) ซึ่งเครื่องมือที่ใช้ในวิธีการนี้คือ ช่วงการทำนายของตัวแบบการถดถอย (Prediction Interval of a Regression Model)
ความเป็นมาของแนวคิดเรื่อง ชิ้นส่วนที่สามารถสับเปลี่ยนได้ (Interchangeable Parts)
จากเดิมอุตสาหกรรมการผลิตปืนขนาดเล็กเป็นผู้มีบทบาทในการใช้แนวคิดเรื่องข้อกำหนดมาตรฐานในการผลิตปืน ในยุคปลายทศวรรษที่ 18 ผู้ผลิตปืนชาวฝรั่งเศส Honere leBlanc ได้ใช้แนวคิดการออกแบบให้เป็นมาตรฐานและชิ้นส่วนสามารถสับเปลี่ยนได้ในการผลิตปืน ซี่งทำให้ปืนนั้นง่ายต่อการซ่อมแซมเมื่อเกิดความเสียหาย ถึงแมว่าชิ้นส่วน ของปืนนั้นจะยังต้องใช้งานฝีมือขั้นสูงในการผลิตก็ตาม
การผลิตปืนให้เป็นชิ้นส่วนที่มีมาตรฐานเป็นเรื่องยาก แต่การผลิตที่ทำให้ชิ้นส่วนปืนนั้นสามารถสับเปลี่ยนได้เป็นเรื่องที่สำหรับทหารแล้วมีความต้องการมาก เพราะเมื่อปินเกิดความเสียหายในช่วงการรบทหารสามารถเปลี่ยนชิ้นส่วนที่เสียหายได้ด้วยความรวดเร็วเพื่อนำปืนนั้นไปใช้ต่อสู้ได้ต่อไป ชิ้นส่วนปืนยังคงทำอย่างระมัดระวังโดยช่างฝีมือที่มีทักษะสูง
Eli Whitney ได้แสดงแนวคิดเรื่องความสามารถในการสับเปลี่ยนได้เป็นครั้งแรกที่การประชุมสมัยของสภาผู้แทนราษฎรของรัฐสภาสหรัฐอเมริกา(United States Congress) เขาได้นำปืน 10 กระบอกมาทำการแยกประกอบออกเป็นชิ้นสวนและทำการสลับชิ้นส่วนต่างๆจากนั้นทำการประกอบกลับเข้าไปเหมือนเดิม
ในทศวรรษที่ 19 วิศวกรที่มีประสบการณ์ในกองทัพได้นำแนวคิดเรื่องชิ้นส่วนที่สามารถสับเปลี่ยนได้ออกมาใช้ในอุตสาหกรรมการผลิตต่างๆของประเทศสหรัฐอเมริกา
การกำหนดช่วงค่าเผื่อ
การกำหนดค่าความเผื่อที่ไม่กว้างหรือแคบจนเกินไปเป็นเรื่องที่ยากมาก ทั้งนี้ค่าความเผื่อที่กว้างจนเกินไปอาจทำให้เกิดความไม่สเถียรของผลิตภัณฑ์และปัญหาด้านคุณภาพ ส่วนค่าความเผื่อที่แคบเกินไปอาจทำให้กระบวนการผลิตเป็นไปด้วยความลำบากและทำให้ต้นทุนเพิ่มขึ้น
ดังนั้นค่าสเปคในการประกอบจึงมักจะมาจากเสียงและความต้องการของลูกค้า แต่เราจะทำการแปลงค่าสเปคเหล่านั้นให้ช่วงค่าเผื่อของแต่ละชิ้นส่วนได้อย่างไร
ลองพิจารณากราฟด้านล่างนี้ กระบวนการพ่นสีได้ทำการทดลองๆหนึ่งเพื่อหาความสัมพันธ์ระหว่างอัตราการคนสี (Stir rate) และระดับสิ่งปนเปื้อน (impurity level) การเพิ่มอัตราการคนสีจะทำให้เม็ดสีนั้นจับตัวเป็นก้อน สิ่งไม่พึงประสงค์เหล่านี้ทำให้ประสิทธิภาพของการพ่นสีลดลง จากเส้นกราฟ (ที่มาจากการวิเคราะห์การถดถอย) แสดงให้เห็นอิทธิพลของอัตราคนสีทีมีต่อปริมาณเม็ดสี
เส้น Fitted line แสดงให้เห็นว่า เมื่ออัตราคนสีเพิ่มขึ้น (เร็วขึ้น) จะทำให้ปริมาณเม็ดสีเพิ่มขึ้น และจากสมการถดถอย เมื่อเพิ่มความเร็วในการคนสี 1 หน่วย จะทำให้ปริมาณเม็ดสีเพิ่มขึ้น 0.4566
ทีนี้มาดูกันต่อ ถ้าต้องการดูว่าจะทำอย่างไรไม่ให้ปริมาณเม็ดสีเกิน 15 และเราจะทำการกำหนดช่วงค่าเผื่อให้กับตัวแปรอัตราการคนสีได้อย่างไร
จากแผนภาพด้านบน ช่วงทำนาย (พื้นที่ระหว่างเส้นสีเขียว) แสดงให้เห็นการกระจายตัวของแต่ละค่ารอบเส้นสมการถดถอย ซึ่งได้รวมผลความผันแปรที่ไม่สามารถควบคุมได้ (ที่เกิดจากความผันแปรในกระบวนการผลิตและการวัดหรือแม้กระทั่งเรื่องของความไม่แน่นอนในสิ่งแวดล้อม เป็นต้น)แล้ว ซึ่งเราจะพิจารณาขอบเขตด้านบนของช่วงทำนาย (Production Interval, PI)
ที่ขอบเขตด้านบนมีค่าเท่ากับ 15 (ค่าบนแกน Y) ค่าอัตราการคนสีมีค่าเท่ากับ 28.73 (ค่าในแกน X) ใน Minitab ให้ใช้ Crosshairs เพื่อหาค่าเริ่มต้น (input) ที่ให้ค่าผลลัพธ์ (output) ของช่วงการทำนายออกมาเป็น 15 โดยการคลิ้กขวา ที่กราฟแล้วเลือก Crosshairs จากนั้นให้เลื่อนเครื่องหมายกากบาท (cross) ไปที่จุดที่ต้องการบนเส้นขอบเขตด้านบน ของช่วงการทำนายในทีนี้คือ 15 ของแกนค่าปริมาณเม็ดสี
ค่า 28.73 จะหาจากค่าพิกัดด้านบนของอัตราการคนสีที่ทำให้เกิดเม็ดสีปริมาณเท่ากับ 15 ในกราฟนี้ใช้ 95% ของช่วงทำนายเป็นตัวพิจารณา ซึ่งเป็นค่าที่ตั้งไว้ของ Minitab เราสามารถปรับเปลี่ยนเป็น 99% ของช่วงทำนายได้เพื่อเพิ่มความมั่นใจให้กับลูกค้าได้มากขึ้น
การแสดงค่าช่วงทำนาย
ในบทความนี้ เราสนใจเฉพาะเรื่องช่วงทำนาย (PI) ซึ่งสะท้อนให้เห็นความผันแปรเฉพาะในแต่ละค่า (ชิ้นส่วน) ซึ่งต่างจากช่วงความเชื่อมั่น (CI) ซึ่งเป็นการแสดงความแม่นยำของค่าประมาณของพารามิเตอร์ที่มีในตัวแบบถดถอย
ใน Minitab การแสดงช่วงการทำนาย (PI) ในกราฟได้โดย Stat>Regression>Fitted line Plot ในหน้าต่าง Fitted line Plot เลือก Option และเลือกทำเครื่องหมายถูกตรง Display Prediction Interval ส่วนค่าระดับความเชื่อมั่น (confidence level) สามารถเปลี่ยนได้ ซึ่งค่าที่ตั้งไว้คือ 95%
ในกราฟด้านล่างนี้ เราแสดงให้เห็นตัวแปรตั้งต้นที่มีอิทธิพลกำลังสอง (Quadratic effect) และการใช้ตัวแบบถดถอยกำลังสอง (Quadratic regression model) ถ้าทำการกำหนดให้ค่าผลลัพธ์ (Output, Y) มีค่าหนึ่งที่ไม่เกินค่าที่กำหนดไว้ ตอนนี้เราจะต้องทำการตั้งค่าขอบเขตจำกัดบนและล่างของข้อกำหนดเฉพาะของค่าตัวแปรตั้งต้น (Input, X) เพื่อให้ค่าผลลัพธ์ที่ต้องการนั้นอยู่ภายใต้ข้อกำหนดเฉพาะที่ต้องการ
และเราจะใช้ ขอบเขตด้านบนของช่วงการทำนายเพื่อให้อธิบายความผันแปรของตัวแปรแต่ละตัว ซึ่งวิธีการหาสามารถทำได้ตามวิธีการด้านล่างนี้
บทสรุป
วิธีการนี้มีความใกล้เคียงกับเทคนิค Shainin’s Isoplot ซึ่งง่ายและเห็นภาพได้ชัดเจน และสามารถนำไปใช้กับการกำหนดกรอบของกระบวนการสำหรับชิ้นส่วนเดี่ยวที่อาจจะส่งผลกระทบต่อผลิตภัณฑ์สุดท้าย
อย่างไรก็ตามถ้าผลิตภัณฑ์สุดท้ายนั้นอาจมีผลกระทบมาจากชิ้นส่วนหลายๆชิ้นที่นำมาประกอบกัน ในกรณีนี้จะต้องมีการใช้เทคนิคเพิ่มขึ้น เช่น การออกแบบการทดลอง (Designed Experiment, DOE) และเทคนิคมอนติคาโรล (Monte Carlo Techniques)
บทความต้นฉบับ : Using Prediction Intervals to Define Process Windows
ต้นฉบับนำมาจาก The 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