หลักสูตร การควบคุมกระบวนการด้วยสถิติ ( 2วัน )
Courses : Statistical Process Control : AIAG & VDA SPC 1st
บทนำ หลักสูตร AIAG & VDA SPC 1st
การควบคุมกระบวนการด้วยสถิติยังคงมีเป้าหมายเดิม คือทำให้กระบวนการอยู่ภายใต้การควบคุม ตรวจจับความเปลี่ยนแปลงที่มีนัยสำคัญ และใช้ข้อมูลเพื่อป้องกันปัญหาก่อนเกิดของเสีย แต่ AIAG & VDA SPC 1st Edition ทำให้แนวทางการวิเคราะห์มีความยืดหยุ่นและเป็นระบบมากขึ้น โดยเน้นการเลือกวิธีตามลักษณะข้อมูล ความเสี่ยง และวัตถุประสงค์ของการศึกษา ไม่ใช่อาศัยสมมติฐานเดียวกับทุกกระบวนการ
AIAG & VDA SPC 1st Edition มีความเชื่อมโยงกับองค์ความรู้ด้าน Statistical Process Management ของ ISO/TC 69/SC 4 โดยเฉพาะกลุ่มมาตรฐานที่เกี่ยวข้องกับ
ISO 3534 — คำศัพท์และแนวคิดทางสถิติ
ISO 11462 — แนวทางการนำ Statistical Process Control ไปประยุกต์ใช้
ISO 7870 — Control Charts
ISO 22514 — Process Performance และ Process Capability
ดังนั้น การใช้งาน SPC ในแนวทางใหม่จึงไม่ควรถูกมองเพียงว่าเป็น “การสร้าง Control Chart” แต่เป็นกระบวนการตั้งแต่การทำความเข้าใจข้อมูล การวิเคราะห์เสถียรภาพ การประเมินรูปแบบการแจกแจง ไปจนถึงการประเมิน Performance และ Capability
จาก “Capability ตัวเดียว” สู่การแยก Performance และ Capability อย่างชัดเจน
Distribution และ Quantile กลายเป็นหัวใจของการประเมิน
การประเมินแบบใหม่ให้ความสำคัญกับรูปแบบการแจกแจงของข้อมูลมากขึ้น เพราะค่าที่ใช้สร้างช่วงอ้างอิงของกระบวนการไม่จำเป็นต้องมาจาก ±3σ ของ Normal Distribution เสมอไป เมื่อข้อมูลเบ้ มีขอบเขตทางกายภาพ หรือมีรูปแบบเฉพาะ การใช้ Quantile ที่เหมาะสมกับ distribution สามารถสะท้อนพฤติกรรมจริงได้ดีกว่า
AIAG & VDA SPC 1st Edition ทำให้การศึกษาสมรรถนะและความสามารถของกระบวนการชัดเจนขึ้นตาม “ช่วงเวลาและเงื่อนไขการผลิต” ไม่ใช่ดูเฉพาะค่าดัชนีเพียงอย่างเดียว
ระยะแรกใช้ Pm/Pmk เพื่อประเมินสมรรถนะเครื่องจักรภายใต้เงื่อนไขที่ควบคุมและจำกัดแหล่งความแปรผัน เมื่อเข้าสู่การผลิตช่วงเริ่มต้น ใช้ Pp/Ppk เพื่อประเมินสมรรถนะจากความแปรผันรวมที่เกิดขึ้นจริงในกระบวนการ เมื่อกระบวนการได้รับการพิสูจน์ว่าเสถียรและอยู่ภายใต้ Statistical Control จึงใช้ Cp/Cpk เพื่อประเมินความสามารถของกระบวนการ
แนวคิดสำคัญคือ เมื่อเวลาการศึกษาเพิ่มขึ้น แหล่งความแปรผันที่ถูกสังเกตจะเพิ่มขึ้นตามไปด้วย
จึงต้องเลือกดัชนีให้สอดคล้องกับสถานะของกระบวนการ ไม่ใช่ใช้ Pm, Pp และ Cp แทนกัน
นอกจากนี้ Cw/Cwk ใช้ช่วยแยกความแปรผันภายในกลุ่มย่อยออกจากความแปรผันรวมตามเวลา
สาระสำคัญของแนวทางใหม่จึงเปลี่ยนจาก “คำนวณดัชนี” ไปสู่ “ทำความเข้าใจว่าดัชนีนั้นสะท้อนความแปรผันในช่วงใดของกระบวนการ” ซึ่งทำให้การตัดสินใจเรื่องการปล่อยเครื่องจักร การปล่อยกระบวนการ และการควบคุมระยะยาวมีความถูกต้องมากขึ้น.
AIAG & VDA SPC 1st Edition เกณฑ์การตัดสินว่าสมรรถนะหรือความสามารถของกระบวนการ “ยอมรับได้หรือไม่” ไม่ควรพิจารณาเฉพาะค่าดัชนีเป้าหมาย เช่น Pm/Pmk, Pp/Ppk หรือ Cp/Cpk เท่านั้น แต่ต้องพิจารณาร่วมกับ ขนาดตัวอย่าง (Sample Size), ระดับความเชื่อมั่น (Confidence Level), การจัดประเภทความสำคัญของคุณลักษณะ (Characteristic Classification) และข้อกำหนดเฉพาะของลูกค้า (CSR) ด้วย เพราะองค์ประกอบเหล่านี้มีผลโดยตรงต่อความน่าเชื่อถือของผลการศึกษาและระดับความเสี่ยงที่องค์กรยอมรับได้ เมื่อจำนวนตัวอย่างลดลง ความไม่แน่นอนของค่าประมาณจะเพิ่มขึ้น ดังนั้นการใช้ค่าเป้าหมายเดิมโดยไม่ปรับอาจทำให้ตัดสินผลได้ง่ายเกินไป คู่มือจึงใช้แนวคิดการปรับ Target Value ตามจำนวนตัวอย่างจริงและระดับความเชื่อมั่น โดยอาศัยหลักสถิติ เช่น Chi-square distribution เพื่อชดเชยความไม่แน่นอนจากข้อมูลที่มีจำนวนจำกัด
AIAG & VDA SPC 1st Edition ปรับแนวคิดการกำหนด Control Limits จากการพึ่งพาค่าคงที่แบบ Shewhart 3σ เช่น A₂, D₃, D₄ เป็นหลัก ไปสู่แนวทางที่อิง Probability, α และ Quantile ของการแจกแจงที่ตรงกับสถิติที่พล็อต มากขึ้น
สำหรับ X̄ Chart ยังเชื่อมโยงกับ Normal quantile ได้ ส่วน R Chart สามารถใช้ standardized range distribution (w) และ s Chart ใช้ χ² distribution เพื่อสร้างขีดจำกัดที่สอดคล้องกับธรรมชาติของค่าสถิติแต่ละชนิด
ใน Attribute Charts แนวทางใหม่ใช้ Exact Binomial สำหรับ p/np และ Exact Poisson สำหรับ c/u แทนการพึ่ง Normal approximation เพียงอย่างเดียว
ผลคือผู้ใช้สามารถกำหนดระดับความเสี่ยงของ False Alarm ผ่านค่า α และเลือก Quantile ให้เหมาะกับชนิดข้อมูล ขนาดกลุ่มย่อย และวัตถุประสงค์ของการเฝ้าติดตามได้ชัดเจนขึ้น
ดังนั้น การเปลี่ยนแปลงสำคัญไม่ใช่เพียง “เปลี่ยนสูตร” แต่เป็นการเปลี่ยนจาก constant-based control limits ไปสู่ probability-based control limits ที่อธิบายที่มาของ UCL/LCL ได้ตรงตามการแจกแจงของ statistic ที่ใช้จริง
อย่างไรก็ตาม ไม่ควรผสมวิธีเก่าและใหม่ในกราฟเดียวกันโดยไม่มีหลักเกณฑ์ เช่น ใช้ UCL จาก Exact method แต่ LCL จาก approximate constants เพราะจะทำให้หลักทางสถิติไม่สอดคล้องกัน
When Shewhart Charts Do Not Work / เมื่อแผนภูมิ Shewhart ใช้ไม่ได้ผล
1. Pre-Control / การควบคุมเบื้องต้น
Zone Charts (Red/Yellow/Green, Stoplight Control) / แผนภูมิโซน (แดง/เหลือง/เขียว, การควบคุมแบบสัญญาณไฟ)
2. Non-Normality / การแจกแจงไม่เป็นปกติ
Shewhart (with transformation using parametric/non-parametric fit) / แผนภูมิ Shewhart (แปลงข้อมูลด้วยการประมาณแบบพารามิเตอร์/ไม่อาศัยพารามิเตอร์)
Median chart (averages should not be calculated) / แผนภูมิมัธยฐาน (ไม่ควรคำนวณค่าเฉลี่ย)
Zone Charts (Red/Yellow/Green) / แผนภูมิโซน (แดง/เหลือง/เขียว)
Pearson Chart (not transformed) / แผนภูมิ Pearson (ไม่แปลงข้อมูล)
Percentile chart (distribution free) / แผนภูมิเปอร์เซ็นไทล์ (ไม่ขึ้นกับการแจกแจง)
3. Batch Processing with multiple systematic sources of variation / กระบวนการแบบแบตช์ที่มีแหล่งความผันแปรเชิงระบบหลายแหล่ง
(Multiple) Levey Jennings Charts (according to JESD 557D) / แผนภูมิ Levey Jennings (หลายชุด) ตาม JESD 557D
4. Autocorrelation / อัตสหสัมพันธ์
CUSUM (cumulative sum) / CUSUM (ผลรวมสะสม)
UWMA/EWMA (uniform/exponentially weighted moving average) / UWMA/EWMA (ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบสม่ำเสมอ/เอ็กซ์โพเนนเชียล)
Regression Control Chart / แผนภูมิควบคุมแบบถดถอย
5. Short Run SPC (different targets, same machine) / SPC ระยะสั้น (เป้าหมายต่างกัน เครื่องจักรเดียวกัน)
Z-Chart / แผนภูมิ Z
Other normalization (e.g. Delta to Target) / การทำให้เป็นมาตรฐานแบบอื่น (เช่น Delta to Target)
6. Multiple variables / หลายตัวแปร
Hotelling T Control Chart / แผนภูมิควบคุม Hotelling T
7. Rare Events / เหตุการณ์ที่เกิดไม่บ่อย
G Chart (Geometric: Opportunities between events can be determined) / แผนภูมิ G (เรขาคณิต: สามารถกำหนดโอกาสระหว่างเหตุการณ์ได้)
T Chart (Time: Date and time between events are known) / แผนภูมิ T (เวลา: ทราบวันที่และเวลาระหว่างเหตุการณ์)
วัตถุประสงค์
– เพื่อให้ผู้เข้าอบรมเข้าใจหลักการและการเปลี่ยนแปลงสำคัญของมาตรฐาน AIAG & VDA SPC 1st Edition ที่สามารถสอบกลับได้ตามมาตรฐานและตัวอย่างเพิ่มเติมที่เสริมความเข้าใจ
– เพื่อให้สามารถประเมิน Machine Performance, Process Performance และ Process Capability ด้วยดัชนี Pm/Pmk, Pp/Ppk และ Cp/Cpk
– เพื่อให้สามารถเลือกวิธีวิเคราะห์ตามรูปแบบการแจกแจง ทั้ง Normal, Non-normal, Quantile และ z-Score Method
– เพื่อทำให้สามารถประยุกต์ใช้กราฟควบคุมและคำนวนค่าควบคุมตามมาตรฐานแบบใหม่โดยใช้ Quantile
กลุ่มเป้าหมาย : ผู้จัดการ หัวหน้างาน ทีมผู้ตรวจประเมิน ทีมงาน New Model ทีมพัฒนาผู้ส่งมอบ
จำนวนผู้เข้าอบรม : 30 คน/รุ่น
กำหนดการอบรม 2-3 วัน
บทนำ
– วัตถุประสงค์ของระบบ QMS อุตสาหกรรมยานยนต์
ความเชื่อมโยงพื้นฐานระหว่าง Automotive Core Tools
– การเปลี่ยนแปลงที่สำคัญ
– ข้อกำหนด IATF 16949 ที่เกี่ยวข้องกับ SPC
แนวคิดพื้นฐานทางสถิติสำหรับ SPC
– ความแปรปรวน (Variance)
– การแจกแจงทางสถิติ (Statistical Distribution)
– ค่าเฉลี่ย (Average / Mean)
– ค่าพิสัย (Range)
– ค่าส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation)
– Workshop: การใช้สถิติในการทบทวนข้อมูลในอดีตและการพยากรณ์แนวโน้มในอนาคต
4 การจัดการ/ควบคุมกระบวนการด้วยสถิติ
– การป้องกันเชิงรุกแทนการตรวจจับเชิงรับ
– วงจรการปรับปรุงกระบวนการและการควบคุมกระบวนการ
– ระบบการควบคุมกระบวนการและวัตถุประสงค์ของ SPC
– ความสัมพันธ์ระหว่างปัจจัยนำเข้า x , ความแปรผันสุ่ม ε และผลลัพธ์ของกระบวนการ y
– วงจรการควบคุมคุณภาพ
5. ข้อกำหนดสำหรับการประยุกต์ใช้ SPC
– การกำหนดข้อกำหนดของผลิตภัณฑ์อย่างชัดเจน
– หลักการกำหนดค่าความคลาดเคลื่อนและความรับผิดชอบ
– ขีดจำกัดและความรับผิดชอบภายในระบบคุณภาพ
– การวิเคราะห์ความเสี่ยง
– คุณลักษณะพิเศษ (Special Characteristics)
– แผนปฏิบัติการเมื่อกระบวนการหลุดจากการควบคุม (Out-of-Control Action Plan: OCAP) และตัวอย่างแผน
– แผนการควบคุม (Control Plan)
– บทบาท หน้าที่ และความสามารถที่จำเป็นในการประยุกต์ใช้ SPC
6 ภาพรวมของวิธีการ
– ความแตกต่างระหว่างสมรรถนะของกระบวนการ (Process Performance) และความสามารถของกระบวนการ (Process Capability)
– เทคนิคการประมาณการ สมรรถนะ และความสามารถของกระบวนการ
– การศึกษาสมรรถนะและความสามารถของกระบวนการตามช่วงเวลา
– อิทธิพลของความแปรผันที่สังเกตได้ต่อผลการประเมินกระบวนการ
– การประเมินรูปแบบการแจกแจงทางสถิติของข้อมูล
– การตรวจสอบรูปแบบการแจกแจงด้วย Probability Plot
– การคำนวณดัชนีสมรรถนะและความสามารถของกระบวนการ (Performance and Capability Indices) Pmk , Ppk , Cpk
– แนวคิด Quantile และการเปรียบเทียบกับวิธี Normal
– การเลือก Quantile และค่าอ้างอิงให้เหมาะสมกับรูปแบบการแจกแจง
การคำนวนค่าสมรรถนะและความสามารถ (Pmk , Ppk , Cpk )สำหรับการ แจกแจงรูปแบบต่าง ๆ
– วิธีเรขาคณิตทั่วไป (General Geometric Method)
1. การแจกแจงแบบปกติ (Normal Distribution)
2. Empirical Quantile — ควอนไทล์เชิงประจักษ์
3. Log-normal Distribution — การแจกแจงล็อกนอร์มอล
4. Rayleigh Distribution — การแจกแจงเรย์ลีห์
5. Folded Half-normal Distribution — การแจกแจงแบบครึ่งปกติพับ
– z-Score Method วิธีสัดส่วนเกินข้อกำหนด Pp.Z / Ppk.Z
– One-Sided Specification Limits ขีดจำกัดข้อกำหนดด้านเดียว
– ความสามารถภายในกลุ่ม (Within Capability) ( Cw , CwL , CwU , CwK )
7 สมรรถนะเครื่องจักรสำหรับการปล่อยใช้สิ่งอำนวยความสะดวกการผลิต
– การเตรียมการศึกษาสมรรถนะเครื่องจักร
– การดำเนินการศึกษาสมรรถนะเครื่องจักร
– ข้อกำหนดสำหรับดัชนีสมรรถนะเครื่องจักร
– การประเมินและคำนวณ Pm / Pmk
– วิธีการคำนวณค่าเป้าหมายในกรณีที่จำนวนตัวอย่าง n ไม่สอดคล้องกับ Customer-Specific Requirements (CSR)
– กรณีพิเศษ (Special Cases)
8 สมรรถนะและความสามารถของกระบวนการสำหรับการปล่อยใช้กระบวนการผลิต
– การเก็บรวบรวมข้อมูลและกลยุทธ์การสุ่มตัวอย่าง
– การดำเนินการศึกษาสมรรถนะและความสามารถของกระบวนการ
– แบบจำลองการแจกแจงตามเวลา (Time-Dependent Distribution Models) ตาม ISO 22514-2
– การประเมิน Pp / Ppk สำหรับสมรรถนะของกระบวนการ
– การประเมิน Cp / Cpk สำหรับความสามารถของกระบวนการ
– ข้อกำหนดสำหรับดัชนีสมรรถนะและความสามารถของกระบวนการ
– วิธีการคำนวณค่าเป้าหมายในกรณีที่จำนวนตัวอย่าง n ไม่สอดคล้องกับ Customer-Specific Requirements (CSR)
9 แผนภูมิควบคุมสำหรับการควบคุมกระบวนการเชิงสถิติและความสามารถของกระบวนการอย่างต่อเนื่อง
– แนวคิดเกี่ยวกับพฤติกรรมของกระบวนการ เปรียบเทียบกับแนวคิดด้านพิกัดความเผื่อและข้อกำหนด
– Process Location และ Process Variation
– สภาวะ In-Control / Out-of-Control, Special Cause และประสิทธิผลและความไวของแผนภูมิควบคุม
– ประเภทของแผนภูมิควบคุม และขั้นตอนการเลือกใช้แผนภูมิควบคุม
– เปรียบเทียบการกำหนด Control Limits: AIAG SPC 2nd / Shewhart vs AIAG & VDA SPC 1st
– แนวทางการกำหนด False Alarm Probability (a)สำหรับการคำนวณ Control Limits
– ความสัมพันธ์ระหว่าง (a) Subgroup Size, Distribution Quantile, Sensitivity และ False Alarm
– I–MR Chart — Individuals and Moving Range
• หลักการและตัวอย่างการประยุกต์ใช้ I–MR Chart
• การหาค่า Control Limits ตามแนวทาง Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st
• Standardized Normal Distribution
• Standardized Range w-Distributio
– Zone Chart / Stoplight Control
• หลักการและตัวอย่างการประยุกต์ใช้ Red / Yellow / Green Zone
• Pre-Control, Stoplight Concept และ SPC Control Chart
• หลักการกำหนดพื้นที่ควบคุม พื้นที่เตือน และแนวทางการตอบสนอง
– Xbar−R Chart — Average and Range
• หลักการและตัวอย่างการประยุกต์ใช้ Xbar−R Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st
• Standardized Normal Distribution
• Standardized Range w-Distribution
– Xbar – S Chart — Average and Standard Deviation
• หลักการและตัวอย่างการประยุกต์ใช้ Xbar – S Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st
• Standardized Normal Distribution
• Chi-squared Distribution
– Pearson Control Chart
• หลักการควบคุมกระบวนการสำหรับข้อมูลที่มีการแจกแจงไม่สมมาตรและตัวอย่างการประยุกต์ใช้ Pearson Control Chart
• การกำหนด Control Limits จาก Standardized Pearson Curves
• Skewness และ Kurtosis
– p Chart — Proportion of Nonconforming
• หลักการและตัวอย่างการประยุกต์ใช้ p Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st จาก Binomial Distribution / Binomial Table
– np Chart — Number of Nonconforming
• หลักการและตัวอย่างการประยุกต์ใช้ np Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st จาก Binomial Distribution / Binomial Table
– u Chart — Number of Nonconformities per Unit
• หลักการและตัวอย่างการประยุกต์ใช้ u Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st จาก Cumulative Poisson Distribution / Table
– c Chart — Number of Nonconformities
• หลักการและตัวอย่างการประยุกต์ใช้ c Chart
• การหาค่า Control Limits ตาม Shewhart & AIAG SPC 2nd
• การหาค่า Control Limits ตาม AIAG & VDA SPC 1st จาก Cumulative Poisson Distribution / Table
10 การประยุกต์ใช้ซอฟต์แวร์
– เงื่อนไขการประยุกต์ใช้ซอฟต์แวร์
11 การจัดทำเอกสารและการรายงาน
– ข้อกำหนดการรายงานทั่วไปสำหรับการศึกษากระบวนการโดยทั่วไป
– ตัวอย่างรายงาน
– รายการองค์ประกอบที่เป็นไปได้ในการรายงาน