ปัจจุบันนี้ Minitab มีคำสั่งสำหรับการวิเคราะห์ Gage R&R ที่ใช้ชิ้นงานชิ้นเดียวในการศึกษา ซึ่งทำให้ผู้ใช้หลายๆ คน มีคำถามมากมายเข้ามาที่ทีมงาน Minitab และในหลายๆคำถามมีดังนี้
– ผลที่ได้จากการทำการวิเคราะห์เครื่องมือวัดด้วยการใช้ชิ้นงานชิ้นเดียว (gage study with one part) สามารถให้คำตอบอะไรได้บ้างการประมาณค่าความแปรปรวนที่ได้
– สามารถนำมาแปลความหมายของระบบการวัดที่กำลังศึกษาได้อย่างไร
โดยส่วนใหญ่แล้ว ค่าความแปรปรวน (Variance) ที่ถูกประมาณค่าจะมาจากผลลัพธ์ของการวิเคราะห์ด้วย ANOVA แต่เมื่อทำการทำการทดลอง และศึกษาเครื่องมือวัดด้วยชิ้นงานชิ้นเดียว ซึ่งมักไม่สามารถนำมาใช้งานต่อได้ในทางปฏิบัติ อย่างไรก็ตามถ้าเรานำสิ่งที่เราได้จากการศึกษาค่าความแปรปรวนในเรื่อง Repeatability และ Reproducibility เราสามารถที่จะทำการหาความมีนัยสำคัญของระบบการวัดได้ ซึ่งอาจจะต้องมีการคำนวณเพิ่มเติมอีกเล็กน้อย
การตีความหมายเพื่อนำมาวิเคราะห์ระบบการวัด
คำถาม คือเราจะต้องทำการศึกษาและวิเคราะห์ข้อมูลใดบ้าง เพื่อที่จะนำมาใช้ประโยชน์ในการตีความหมาย ระบบการวัดของเรา?
ถ้าเรามีค่าข้อมูลในอดีต (historical data) ซึ่งทำให้เราสามารถประมาณค่าความเบี่ยงเบนมาตรฐานของ part-to-part ซึ่งเป็นความผันแปรระหว่างชิ้นงานแต่ละชิ้น และสามารถประมาณค่าความแปรปรวนรวม (total variance) และ %Contribution จากข้อมูลตรงนี้และเมื่อมีการคำนวณเพิ่มเติมจะทำให้เราได้สาระข้อมูลทั้งหมดเกี่ยวกับระบบการวัดที่เราทำการศึกษา
ในทำนองเดียวกันเราสามารถนำสาระข้อมูลบางอย่างจากการทำ Process tolerance เพื่อนำมาใช้แปลความหมาย ของระบบการวัดของเรา ในการใช้ค่าเผื่อ (Tolerance) ทำให้เราสามารถคำนวณค่า %Tolerance สำหรับเครื่องมือวัด (ในการแปลความหมายให้ดูจากวิธีการแปลความหมายของ %Study Variation
ในการศึกษาและวิเคราะห์เมื่อมีค่าข้อมูลในอดีตเพื่อหาค่าเบี่ยงเบนมาตรฐาน (StDev) และค่าเผื่อ (Tolerance) จะทำการอธิบายด้วยตัวอย่างต่อไปนี้ สมมติว่าในการศึกษาเครื่องมือวัดโดยใช้ชิ้นงานในการศึกษา 1 ชิ้นและมีพนักงานในการทำการวัด 3 คน ซึ่งทำตามวิธีการวัดตามที่วางไว้
สมมติว่าข้อมูลได้ถูกจัดเรียงไว้แล้วในเวิร์คชีทที่แสดงข้างใต้ ค่าประมาณของค่าความแปรปรวนตามที่แสดงในภาพ ค่า Reproducibility คือ 0.06278 (ค่าความแปรปรวนของปัจจัยพนักงาน) และค่า Repeatability คือ 0.01730 (คือค่าความแปรปรวนของความผิดพลาด (error))
การใช้ค่าเบี่ยงเบนมาตรฐาน part-to-part ที่มาจากคำนวณข้อมูลในอดีต
จากตัวอย่างด้านบน ถ้าสมมติว่าเรามีค่าเบี่ยงเบนมาตรฐาน part-to-part ที่มาจากข้อมูลในอดีตเท่ากับ 1.0853
ค่าความแปรปรวนรวมทั้งหมด คือ ผลรวมของส่วนประกอบความแปรปรวนสำหรับความผันแปร part-to-part ของส่วน repeatability และ reproducibility
เนื่องจากว่าเรามีค่าเบี่ยงเบนมาตรฐานแบบ part-to-part ดังนั้นค่าความแปรปรวนเท่ากับ ค่าความเบี่ยงเบนมาตรฐาน ยกกำลังสอง ซึ่งเท่ากับ 1.085302 = 1.17788
ต่อไป ทำการรวมค่าประมาณของความแปรปวนทั้งสามส่วน ได้ผลลัพธ์เป็น 1.17788 + 0.06278 + 0.01730 = 1.25796
ตอนนี้เรามีค่าประมาณของความแปรปรวนรวมแล้ว ต่อไปก็สามารถหาค่า %Contribution ของความแปรปรวน แต่ละส่วนได้ โดยการนำค่าความแปรปรวนแต่ละตัวหารด้วยค่าความแปรปรวนรวม แล้วคูณด้วย 100
ไม่แย่! ความผันแปรส่วนใหญ่เกิดจาก ความผันแปนของ part-to-part ซึ่งระบบการวัดที่ดีต้องการ(good measurement system) ให้มีความผันแปรในส่วนนี้มากอยู่แล้ว เราเรียนรู้อะไรได้อีกบ้าง?
ในการดูว่าพนักงานวัดชิ้นงานชิ้นเดิมได้ดีอย่างไร ด้วยการดูผ่านกราฟ ให้นำค่าวัดแต่ละกลุ่มที่พนักงานวัด ได้มาสร้างกราฟ จากนั้นทำการหาค่าเฉลี่ยของข้อมูลแต่ละกลุ่ม แล้วทำการลากเส้นต่อเนื่องค่าเฉลี่ยของกลุ่มแต่ละจุดต่อกัน
จะเห็นได้ว่า พนักงาน A วัดค่าได้มากกว่า พนักงาน B และ พนักงาน B วัดค่าได้มากกว่า พนักงาน C ในกราฟนี้ จะเห็นว่าชุดข้อมูลในแต่ละกลุ่มของพนักงานแต่ละคนจะแสดงถึงเรื่อง Repeatability และค่าวัด ระหว่างพนักงานแต่ละคน จะแสดงถึง Reproducibility
ถ้าเรานำข้อมูลเดิม มาทำการประมาณค่าความผันแปรที่ได้จากระบบการวัด (StudyVar) และ %StudyVar เราต้องเริ่มจากการหาค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) ของความแปรปรวนแต่ละตัวเสียก่อน จากนั้นทำการคำนวณค่า StudyVar และ %StudyVar ซึ่งได้ผลดังนี้
จากผลของการคำนวณที่เรียงตามตารางด้านบนนี้ จะได้ผลที่ใกล้เคียงจากการประมวผลของ Minitab ในกรณี Gage R&R แบบเต็มรูปแบบ
นอกจากนี้แล้วเรายังสามารถคำนวณค่า number of distinct categories ได้ด้วย ซึ่งใน Minitab จะคำนวณโดยใช้ {ความเบี่ยงเบนมาตรฐานของชิ้นงาน (Standard deviation for parts) / ความเบี่ยงเบนมาตรฐานของเครื่องมือวัด(Standard deviation for gage) } * 1.41
จากตัวอย่างนี้ ค่า StDev for parts คือ1.0853 และ StDev for Gage (repeatability + reproducibility) ซึ่งคือค่าราก ที่สองของผลรวมของความแปรปรวนของสองส่วนนี้ ซึ่งเท่ากับ 0.282984 ดังนั้นเราจะคำนวณ number of distinct categories = (1.0853/0.282984)*1.41 = 5.4
ใน Minitab ผลของการหา number of distinct categories จะมีการปัดเศษค่า ดังนั้นถ้าเราทำการวิเคราะห์ Gage R&R ของชิ้นงานหลายชิ้น ค่าที่ Minitab คำนวณได้ของ number of distinct categories อาจจะแสดงผลเป็น 5
ดังนั้นในกรณีที่เรามีค่าข้อมูลในอดีตเพื่อนำมาประมาณค่าเบี่ยงเบนมาตรฐานของ part-to-part ได้ เราจะสามารถ ทำการวิเคราะห์เพิ่มเติมและนำไปใช้ให้เป็นประโยชน์ต่อระบบการวัดของเราได้ แต่ถ้าไม่มีข้อมูลอดีตเพื่อที่จะหาค่าเบี่ยงเบน มาตรฐาน แต่เรามีเพียงแค่ค่าเผื่อ (tolerance) เราจะทำอย่างไร
การใช้ค่าเผื่อในกระบวนการ (Using Process Tolerance)
ในกรณีที่ไม่มีข้อมูลในอดีตที่จะนำมาใช้ในการคำนวณ ความผันแปร part-to-part เราอาจจะใช้ค่าเผื่อกระบวนการ ในการวิเคราะห์เพิ่มเติม ด้วยการคำนวณค่า %Tolerance สำหรับเครื่องมือวัด (total gage) จากนั้นนำ ค่า StudyVar ของแต่ละส่วนหารด้วย %Tolerance และจากตัวอย่างที่เราใช้เป็นกรณีศึกษานี้ ถ้าค่าเผื่อ คือ 8
และนำค่า StudyVar/Tolerance คูณด้วย 100 เพื่อหาเป็นเปอร์เซ็นต์ ผลที่ได้แสดงตามภาพ
บทความต้นฉบับ : Evaluating a Gage Study With One Part
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