แผนภูมิควบคุมเป็นเครื่องมือที่ยอดเยี่ยม แผนภูมิเหล่านี้พล็อตข้อมูลกระบวนการของคุณเพื่อระบุสาเหตุทั่วไปกับสาเหตุพิเศษ การระบุสาเหตุต่างๆ จากความผันแปร คุณสามารถดำเนินการกับกระบวนการของคุณได้โดยไม่ต้องควบคุมมากเกินไป
การประเมินความเสถียรของกระบวนการสามารถช่วยให้คุณระบุได้ว่ามีปัญหาหรือไม่ และระบุแหล่งที่มาของปัญหาได้ ว่าค่าเฉลี่ยสูงเกินไป ต่ำเกินไป หรือไม่เสถียรหรือไม่? ความผันแปรเป็นปัญหาหรือไม่? หากเป็นเช่นนั้น ความผันแปรมีอยู่ในกระบวนการหรือมาจากแหล่งที่มาเฉพาะเจาะจงได้หรือไม่ แผนภูมิควบคุมจะตอบคำถามเหล่านี้ ซึ่งจะเป็นแนวทางในการแก้ไขปัญหาของคุณ
การพิจารณาว่ากระบวนการของคุณเสถียรนั้นเป็นสารสนเทศที่ดีด้วยตัวมันเอง และมันยังเป็นข้อกำหนดเบื้องต้นสำหรับการวิเคราะห์ต่อไปอีกด้วย เช่น การวิเคราะห์ความสามารถกระบวนการ (capability analysis) ก่อนประเมินความสามารถของกระบวนการ คุณต้องแน่ใจว่ากระบวนการของคุณเสถียร กระบวนการที่ไม่เสถียรเป็นสิ่งที่คาดเดาไม่ได้ หากกระบวนการของคุณมีความเสถียร คุณสามารถคาดการณ์ประสิทธิภาพในอนาคตและปรับปรุงความสามารถได้
ในขณะที่เราแสดงความสัมพันธ์แผนภูมิควบคุมกับกระบวนการทางธุรกิจ ฉันจะแสดงให้เห็นในโพสต์นี้อีกว่าแผนภูมิควบคุมให้ประโยชน์ที่ดีในด้านอื่นๆอย่างดีเยี่ยม นอกเหนือจากการควบคุมกระบวนการทางสถิติ (SPC) และ Six Sigma ในความเป็นจริงคุณอาจจะเห็นตัวอย่างมากมายที่แผนภูมิควบคุมค้นหาคำตอบที่คุณยากจะค้นพบโดยใช้วิธีการต่างๆ
ความสำคัญของการประเมินว่ากระบวนการประเภทอื่น ๆ อยู่ในการควบคุมหรือไม่
ฉันอยากให้คุณขยายแนวความคิดให้กว้างขึ้นเกี่ยวกับกระบวนการ ที่รวมถึงกระบวนการนอกเหนือสภาพแวดล้อมทางธุรกิจ ท้ายที่สุด ระดับกระบวนการที่ไม่เสถียรและความผันแปรที่มากเกินไปอาจเป็นปัญหาในการตั้งค่าต่างๆ มากมาย ตัวอย่างเช่น:
- ครูมีกระบวนการที่ช่วยให้นักเรียนเรียนรู้เนื้อหาโดยวัดจากคะแนนสอบ
- ผู้ป่วยโรคเบาหวานมีกระบวนการควบคุมระดับน้ำตาลในเลือด
- นักวิจัยมีกระบวนการที่ทำให้ผู้เข้ารับการทดลอง ส่งผลให้ลดน้ำหนักลงจากน้ำหนักตัวถึง 6 เท่า
กระบวนการทั้งหมดเหล่านี้สามารถมีความเสถียรหรือไม่เสถียร มีความผันแปรโดยธรรมชาติจำนวนหนึ่ง และยังอาจมีสาเหตุพิเศษจากความผันแปรโดยธรรมชาติได้อีกด้วย การทำความเข้าใจปัญหาเหล่านี้สามารถช่วยปรับปรุงสาเหตุทั้งหมดได้
หัวข้อที่สามเกี่ยวข้องกับการศึกษาวิจัยที่ฉันมีส่วนร่วม เป้าหมายการวิจัยของเราคือให้อาสาสมัครระดับมัธยมศึกษากระโดดจากบันไดความสูง 24 นิ้ว 30 ครั้งทุกวันที่โรงเรียน เพื่อดูว่าจะเพิ่มความหนาแน่นของกระดูกหรือไม่ เรากำหนดให้การทดลองของเรากับอาสาสมัคร 6 คนที่ได้รับผลกระทบจากน้ำหนักตัว อย่างไรก็ตามเรายังทำได้ไม่ถึงเป้า
เพื่อเป็นแนวทางในการแก้ไข ฉันได้ทำการศึกษานำร่องและวาดกราฟผลลัพธ์ในแผนภูมิควบคุม Xbar-S ด้านล่าง
แผนภูมิควบคุม S อยู่ในการควบคุม (กราฟล่าง) แสดงให้เห็นว่าแต่ละรูปแบบ แรงของการลงสู่พื้นมีความสม่ำเสมอส่งผลให้ขนาดของความเสถียร ความผันแปรอยู่ในควบคุม แต่จุดที่อยู่นอกเส้นควบคุม (out-of-control) ที่แสดงบนแผนภูมิควบคุม Xbar (กราฟบน) ขณะที่ค่ากลางโดยรวมอยู่ที่ (6.141) ซึ่งมากกว่าเป้าหมาย, รูปแบบของการลงสู่พื้นที่แตกต่างมีค่ากลางของแรงที่แตกต่างกันมาก โดยรวมแล้ว แผนภูมิควบคุมแสดงให้เห็นว่าบางรูปแบบของการลงพื้นมีความรุนแรงอย่างสม่ำเสมอในขณะเดียวกันบางรูปแบบก็นุ่มนวลอย่างสม่ำเสมอ แผนภูมิควบมคุมแนะนำว่าความผันแปรไม่ได้เป็นไปโดยธรรมชาติในกระบวนการ (ความผันแปรปกติ) แต่เป็นความแตกต่างอย่างมีเหตุจากรูปแบบการลงพื้นทำให้แรงลงสู่พื้นแตกต่างมากกว่า(ความผันแปรสาเหตุพิเศษ)
จากสารสนเทศนี้ เราตัดสินใจทำการฝึกอบรมถึงการลงพื้นอย่างไรในแต่ละรูปแบบและให้พยาบาลสังเกตการกระโดดทั้งหมด การฝึกอย่างต่อเนื่องและการดำเนินการแก้ไขนี้ช่วยลดความผันแปรลงได้มากพอจนส่งผลกระทบได้มากกว่า 6 เท่าของน้ำหนักตัวได้อย่างต่อเนื่อง
แผนภูมิควบคุมเป็นข้อกำหนดเบื้องต้นสำหรับการทดสอบสมมติฐานทางสถิติ
ดังที่ฉันได้กล่าวไปแล้ว แผนภูมิควบคุมยังมีความสำคัญเช่นกัน เนื่องจากพวกเขาสามารถยืนยันสมมติฐานที่ว่ากระบวนการนั้นเสถียร ซึ่งจำเป็นสำหรับการสร้างการวิเคราะห์ความสามารถที่ถูกต้อง เรามักไม่คิดที่จะใช้แผนภูมิควบคุมเพื่อทดสอบสมมติฐานเพื่อทดสอบสมมติฐาน(hypothesis tests)ของลักษณะหรือรูปแบบที่คล้ายคลึงกัน แต่มันมีประโยชน์มากสำหรับการทดสอบสมมติเหมือนกันนะ
สมมติฐานที่ว่าการวัดที่ใช้ในการทดสอบสมมติฐานนั้นมีความเสถียรมักถูกมองข้ามไป เช่นเดียวกับกระบวนการอื่นๆ หากการวัดไม่เสถียร คุณจะไม่สามารถอนุมานเกี่ยวกับสิ่งที่คุณกำลังวัดได้
สมมติว่าเรากำลังเปรียบเทียบคะแนนการทดสอบระหว่างกลุ่ม A และกลุ่ม B เราจะใช้ชุดข้อมูล(data set)นี้เพื่อทำการทดสอบ 2 ตัวอย่างดังที่แสดงด้านล่าง
ผลปรากฏว่ากลุ่ม A มีค่าเฉลี่ยสูงกว่า และความแตกต่างมีนัยสำคัญทางสถิติ กลุ่ม B มีค่าเบี่ยงเบนมาตรฐานสูงกว่าเล็กน้อย แต่เราไม่ถือว่าความแปรปรวนเท่ากัน ดังนั้นนั่นจึงไม่ใช่ปัญหา หากคุณทำการทดสอบความปกติ คุณจะเห็นว่าข้อมูลสำหรับทั้งสองกลุ่มมีการกระจายตามปกติ แม้ว่าเราจะมีจำนวนการสังเกตต่อกลุ่มเพียงพอ ซึ่งเราไม่ต้องกังวลเกี่ยวกับความปกติ ทั้งหมดเป็นไปด้วยดีใช่มั้ย?
แผนภูมิ I-MR ด้านล่างแนะนำเป็นอย่างอื่น!
แผนภูมิสำหรับกลุ่ม A แสดงให้เห็นว่าคะแนนเหล่านี้คงที่ อย่างไรก็ตาม ในกลุ่ม B คะแนนที่อยู่นอกการควบคุมหลายจุดระบุว่าคะแนนไม่คงที่ เห็นได้ชัดว่ามีแนวโน้มเชิงลบ การเปรียบเทียบกลุ่มเสถียรกับกลุ่มที่ไม่เสถียรไม่ใช่การเปรียบเทียบที่ถูกต้อง แม้ว่าข้อมูลจะเป็นไปตามสมมติฐานอื่นๆ
แผนภูมิ I-MR นี้แสดงปัญหาประเภทเดียวเท่านั้นที่แผนภูมิควบคุมสามารถตรวจพบได้ แผนภูมิควบคุมยังสามารถทดสอบรูปแบบต่างๆ ในข้อมูลและความผันแปรที่ไม่อยู่ในการควบคุมได้อีกด้วย ตามข้อมูลเหล่านี้ คุณอาจพลาดการค้นพบปัญหาหากใช้วิธีอื่น
การใช้แผนภูมิควบคุมประเภทต่างๆ
แผนภูมิ I-MR จะประเมินความเสถียรของค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานเมื่อคุณไม่มีกลุ่มย่อย ในขณะที่แผนภูมิ XBar-S ที่แสดงไว้ก่อนหน้านี้จะประเมินพารามิเตอร์เดียวกันแต่ใช้กลุ่มย่อย
คุณยังสามารถใช้แผนภูมิควบคุมอื่นๆ เพื่อทดสอบข้อมูลประเภทอื่นๆ ได้อีกด้วย ใน Minitab แผนภูมิ U และแผนภูมิ Laney U’ เป็นแผนภูมิควบคุมที่ใช้การแจกแจงแบบปัวซอง(Poisson) คุณสามารถใช้แผนภูมิเหล่านี้ร่วมกับการทดสอบ 1-Sample และ 2-Sample Poisson Rate แผนภูมิ P และแผนภูมิ Laney P’ เป็นแผนภูมิควบคุมที่ใช้การแจกแจงแบบไบโนเมียล (Binomial) ใช้แผนภูมิเหล่านี้กับการทดสอบสมมติฐานแบบ 1-Proportion และ 2-Proportion
หากคุณกำลังใช้ Minitab Statistical Software, คุณสามารถเลือกเมนู Assistant > Control Charts และรับคำแนะนำทีละขั้นตอนตลอดกระบวนการสร้างแผนภูมิควบคุม ตั้งแต่การกำหนดประเภทข้อมูลที่คุณมี ไปจนถึงการทำให้แน่ใจว่าข้อมูลของคุณตรงตามที่จำเป็น สมมติฐานเพื่อตีความผลลัพธ์ของแผนภูมิของคุณ
นอกจากนี้ ให้ดูบทแนะนำเกี่ยวกับแผนภูมิควบคุม (control charts tutorial) ที่ยอดเยี่ยมซึ่งรวบรวมโดยเพื่อนร่วมงานของฉัน Eston Martz
บทความต้นฉบับ : Control Charts – Not Just for Statistical Process Control (SPC) Anymore!
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