การคาดการณ์และป้องกันผลิตภัณฑ์พังเสียหายได้อย่างไร

ลองนึกภาพรถคันใหม่ของคุณพังหลังจากขับไปได้ 60 ไมล์ ไฟเครื่องยนต์จะติดและตอนนี้รถของคุณต้องถูกลากเพื่อเข้ารับบริการ นี่ไม่ใช่แค่ปัญหาการรับประกันแต่ยังเป็นปัญหาผลิตภัณฑ์ขาดความน่าเชื่อถือในการใช้งานจริงบนท้องถนน

ความน่าเชื่อถือหมายถึงคุณภาพของผลิตภัณฑ์เมื่อเวลาผ่านไปและในทางสถิติก็คือความน่าจะเป็นที่ผลิตภัณฑ์จะไม่พังในช่วงเวลาที่กำหนด

บทความนี้เขียนร่วมกับ Mr.Serhan Anac, Certified Six Sigma Black Belt และ Shainin RedX Master Serhan Anac เป็นผู้เชี่ยวชาญด้านการแก้ปัญหาที่มีประสบการณ์ 11 ปีที่ Robert Bosch ในประเทศตุรกี

นอกจากโปรเจกต์ด้านคุณภาพให้กับลูกค้าชั้นนำ, Serhan ยังมีส่วนร่วมในการวิจัยและพัฒนาอีกด้วย ด้วยเหตุนี้เขาจึงสนใจในเรื่องความน่าเชื่อถือ(Reliability)เช่นเดียวกับการจำลองแบบมอนติคาร์โล(Monte-Carlo Simulation) และวิธีการวิเคราะห์ทางวิศวกรรมอื่น ๆ

ด้วยสถิติ,วิทยาศาสตร์ข้อมูลและผู้ที่ชื่นชอบ Minitab, Serhan ช่วยให้องค์กรของเขาปรับปรุงกระบวนการและค้นหาวิธีแก้ปัญหาที่เกิดทุกวันในการผลิต ดังนั้นเราจึงยินดีที่จะแบ่งปันแนวทางปฏิบัติที่ดีที่สุดของเขาเพื่อช่วยให้ผู้เชี่ยวชาญด้านคุณภาพคนอื่นๆได้เรียนรู้และเติบโตในอาชีพของตน

ความเสี่ยงของการพังเสียหาย

ในกรณีนี้ผู้ผลิตอุปกรณ์แบบรับจ้างผลิต (OEM) จะเป็นฝ่ายผิด จากนั้นบริษัทผู้ผลิตเหล่านี้จะต้องค้นหาสาเหตุที่แท้จริงอย่างรวดเร็วและกำหนดความเสี่ยงสำหรับรถคันอื่นที่ยังคงใช้งานอยู่บนท้องถนน เพื่อที่พวกเขาจะสามารถคาดเดาได้ว่าจะมีรถเพิ่มอีกกี่คันที่กลับมาพร้อมกับปัญหาเดิมหรือขับต่อไปโดยไม่มีปัญหาเลย (หรือที่เรียกว่าผู้รอด) ในที่สุดหากความเสี่ยงสูงเพียงพออาจจำเป็นต้องเรียกคืนรถในตลาดนั้น

เมื่อพบส่วนที่พังเสียหายแล้วคุณจะกำหนดความเสี่ยงที่มีนัยสำคัญ* และเริ่มคำนวณความน่าจะเป็นสำหรับช่วงเวลาที่กำหนด โดยทั่วไปข้อมูลอายุการใช้งาน (เช่น รอบ,ระยะทาง,ระยะเวลาการทำงาน) มักไม่พอดีกับการแจกแจงปกติดังนั้นจึงแนะนำให้ใช้โมเดลจำลองการกระจายแบบ Weibull distribution model เพื่อทำการวิเคราะห์ความน่าเชื่อถือเพื่อทำการคาดการณ์โดยใช้ซอฟต์แวร์สถิติ Minitab

บทความที่เกี่ยวข้อง: ทำไมการหาค่าความเสียงการพังเสียหายและการอยู่รอดจึงมีความสำคัญ

ความน่าเชื่อถือและความคงทน เดิมพันสูงสำหรับประสิทธิภาพของผลิตภัณฑ์

ในการวิเคราะห์ความน่าเชื่อถือใน Minitab Statistical Software จำเป็นต้องใช้ข้อมูลต่อไปนี้:

Failure quantity (จำนวนพังเสียหาย)
Mileage at failure (ไมล์สะสมที่พังเสียหาย)
Failure date (วันที่พังเสียหาย)
Production date of failed parts (วันที่ผลิตของผลิตภัณฑ์ตัวที่พังเสียหาย)
Vehicle registration date (วันจดทะเบียนรถ)
Volume produced during the period at stake (จำนวนที่ผลิตในช่วงที่มีการเดิมพัน(ช่วงพิจารณา))

ด้วยข้อมูลข้างต้นเราสามารถให้ข้อมูลที่จำเป็นสำหรับการวิเคราะห์โดยใช้ Minitab Statistical Software

ดูข้อมูลอย่างละเอียดขึ้น

รถ 42 คันพังเสียหายขณะใช้งานบนท้องถนนเนื่องจากอุปกรณ์ฉีดเชื้อเพลิงทำงานผิดปกติ ข้อมูลเหล่านี้รายงานโดยผู้ผลิต OEM, จำนวนนี้อยู่ในระดับต่ำเมื่อเทียบกับ 11.9 ล้านชิ้นส่วนที่ผลิตได้เนื่องจากเป็นการพังเสียหายในช่วงต้น เปรียบได้เหมือนกับการเสียชีวิตของทารกซึ่งถูกบันทึกไว้ด้วย

แม้ว่าบางส่วนจะพังเสียหาย แต่ก็มีที่ยังคงใช้งานได้ปกติอยู่บนท้องถนน เราจำเป็นต้องพิจารณาจำนวนที่ใช้งานได้ปกติและระยะทางของพวกมันจนถึงปัจจุบัน

เรียกใช้การวิเคราะห์ความน่าเชื่อถือ

การวิเคราะห์การกระจายแบบพาราเมตริก(Parametric Distribution Analysis) จะช่วยให้เราคำนวณจำนวนรถที่มีแนวโน้มที่จะพังเสียหาย

Probability Plot For Mileage Minitab Statistical Software

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการวิเคราะห์ความน่าเชื่อถือ เรียนหลักสูตร Minitab Training ของเราที่เปิดสอนทั่วโลก: อ่านรายละเอียดหลักสูตรและสอบถามได้ตอนนี้

จำนวนรถกี่คันที่มีแนวโน้มที่จะพังเสียหาย?

รถยนต์ขับโดยเฉลี่ยประมาณ 45000 กิโลเมตรต่อปี ความน่าจะเป็นสะสมโดยประมาณ 45000 กิโลเมตรถึง 135000 กิโลเมตรจะถูกบันทึกในตารางที่แสดงด้านล่าง

Reliability Table Of Cumulative Failure Probabilities — *Table: Cumulative Failure Probabilities*

ผลิตชิ้นส่วนออกไปแล้ว 1.9 ล้านชิ้นส่วน ขอบเขตบนระดับความเชื่อมั่น 95% ประมาณค่ามากสุดที่จะเกิดการพังเสียหายอยู่ที่ 0.000037 ดังนั้นจากจำนวน 1 ล้านชิ้นส่วนเราคาดว่าจะพังเสียหาย 3.7 ชิ้นส่วน

จากรถยนต์ 11.9 ล้านคัน มี 44 คันมีแนวโน้มจะพังเสียหาย:

ชิ้นส่วน 11.9 ล้านชิ้นส่วน คูณ 3.7 ชิ้นส่วนในล้าน = 44 ชิ้นส่วนมีแนวโน้มจะพังเสียหาย

รถ 42 คันได้พังเสียหายแล้ว 2 คันที่มีโอกาสสูงที่จะพังก่อน 45000 กิโลเมตร

ปกติผู้ผลิตมีสัญญารับประกันไว้ในฐานะผู้จัดส่ง: ชิ้นส่วนต้องไม่พังเสียหายก่อนเวลาที่กำหนด

แนวทางที่ขับเคลื่อนด้วยข้อมูลนี้มีประโยชน์

ซอฟต์แวร์สถิติของ Minitab มีฟังก์ชันการทำงานที่หลากหลายสำหรับการคำนวณความน่าเชื่อถือของผลิตภัณฑ์ซึ่งบางส่วนได้แสดงให้เห็นในตัวอย่างนี้

*หมายเหตุ : ความเสี่ยงถูกกำหนดทั้งในเชิงคุณภาพและเชิงปริมาณ แต่เราได้มุ่งเน้นไปที่แง่มุมเชิงปริมาณในบล็อกนี้เท่านั้น

กรณีศึกษา:

เวลาออกสู่ตลาดและการออกแบบสำหรับความน่าเชื่อถือที่ความเร็วแสงใน Signify

เตรียมความพร้อมได้แล้วตอนนี้สำหรับหลอดไฟฟ้า! ในอุตสาหกรรมที่มีการเปลี่ยนแปลงอย่างรวดเร็วซึ่งเวลาออกสู่ตลาดที่เหมาะสมและความน่าเชื่อถือของผลิตภัณฑ์ทำให้เกิดความได้เปรียบในการแข่งขัน ค้นพบว่า Signify บริษัทแสงสว่างชั้นนำของโลกตรวจสอบนวัตกรรมใหม่ๆได้อย่างไร ในการสัมมนาทางเว็บหนึ่งชั่วโมงนี้ Prof W.D. van Driel และ Dr P. Watté จะแสดงให้เห็นถึงการออกแบบเพื่อความน่าเชื่อถือ (DfR) โดยใช้ซอฟต์แวร์ทางสถิติของ Minitab ที่บริษัท Signify ซึ่งอดีตคือ Philips Lighting, เรียนรู้จากตัวอย่างในชีวิตจริงถึงวิธีการลดต้นทุนการพัฒนาปรับปรุงประสิทธิภาพการออกแบบและการปฏิบัติตามข้อกำหนดและการทดสอบความน่าเชื่อถือแบบเร่ง(Accelerate Testing)ของการออกแบบผลิตภัณฑ์ หากคุณพัฒนาผลิตภัณฑ์ที่มีคุณสมบัติตรงตามข้อกำหนดที่สูงในอีกหลายปีข้างหน้าคุณจะค้นพบวิธีลดความเสี่ยงและผลที่ตามมาจากการพังเสียหายของผลิตภัณฑ์และการเคลมที่ค่าใช้จ่ายสูงสำหรับคุณและลูกค้าของคุณ

บทความต้นฉบับ : How to Predict and Prevent Product Failure

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