การวิเคราะหความสามารถของกระบวนการ

(Capability Analysis)

1
 จุดประสงคของ Module
เมื่อศึกษา Module นี้จบลงแลว ผูเขารับการอบรมควรมีความสามารถ
ดังนี้

z สามารถคํานวณคา
Z เมื่อกําหนดคากลางของกระบวนการ ความเบี่ยงเบน
มาตรฐาน และสเปคมาให

z สามารถประเมินความสามารถของกระบวนการทั้งระยะสั้นและ
ระยะยาวได

z สามารถนิยามและตีความหมายผลลัพธจากการศึกษาความสามารถ ของ
กระบวนการทั้งระยะสั้นและระยะยาวได
2
ประเด็นอภิปราย
z ประเภทของการวิเคราะหความสามารถของกระบวนการ
» ขอมูลเชิงผันแปร (Variable )
» ขอมูลเชิงคุณภาพ (Attribute)

z ความจําเปนตอการใหไดความสามารถที่กาํ หนด

z วิธีการวิเคราะห

z ตัวอยางการวิเคราะห

z แบบฝกหัดการวิเคราะห
3
จุดมุง หมายของการวิเคราะหความสามารถของกระบวนการ

เราตอบสนองความตองการของลูกคาหรือไม ?

เรากําลังทําอยางไร ?

เราทําไดดีเพียงไร ?

อะไรที่เราสามารถคาดหมายไดในวันพรุงนี้ หรือสัปดาหหนา หรือตอ ๆ ไป ..?

การปรับปรุงคุณภาพกระบวนการทําใหเกิดความคิดเห็นทีไ่ มตรงกันบางหรือไม ?

ผูสงมอบรายใดทํางานใหเราอยางมีคุณภาพดีที่สุด ?
4
ประเภทของขอมูลและการวิเคราะหความสามารถของกระบวนการ
พารามิเตอรเชิงปริมาณ พารามิเตอรเชิงคุณภาพ (Pass/Fail)
ขอมูลเชิงผันแปร (Variable ) ขอมูลเชิงคุณภาพ (Attribute)
แจงนับ(ทําเครื่องหมาย
ตรวจสอบสเปค
รอยขีด) ขอมูลขอบกพรอง

า ร ถ
สาม คํานวณคา PPM
เลือกตัวอยางจาก
กระบวนการ
วา ม
ค 
า ค
มาณ
คํานวณคา Z ปร ะ คํานวณคา Z
ก า ร
ประมาณคา ประมาณคา คํานวณคาดัชนี
PPM Cp, Cpk,
Pp, Ppk Cpk, Ppk

5
 ใครเกงกวากัน ?

ข อ มูล ที่ แ ท จริง (ในความเปนจริง ไ มมใี ครทราบ)

นาย ก. ปาเข าเปา 99.73 %
นาย ข . ปาเข าเปา 99.9999998 %
1 2 3 4 5

ควรใช อ ะไ รเปนตัววัดความสามารถของคนทั้ ง สอง

6
 ใครเกงกวากัน ?
Kor Khor
1.675 0.427
-0.527 -0.105
-1.353 0.803
-1.276 1.388
-0.856 -0.877
0.942 -0.013
-0.989 0.254
2.429 0.438
3.068 -0.510
1.334 0.378
1.179 -0.593
-1.847 -0.087
-1.343 -1.598
-0.215 0.383
1.709 -0.180
2.064 0.923
-0.400 0.743
-3.530 0.651
-0.388 -0.099 -5 -4 -3 -2 -1 0 1 2 3 4 5
-1.767 -0.348

7
วิธวิี วเิ คราะหความสามารถของกระบวนการเชิงปริมาณ (Variable)

ตรวจสอบสเปค
» การตรวจสอบสเปค
» การเลือกตัวอยางมาวิเคราะห (ทั้งการศึกษา เลือกตัวอยางจาก
กระบวนการ
แบบระยะ สั้นและแบบระยะยาว)
» คํานวณคา Z
คํานวณคา Z
» แปลงคา Z ใหอยูในเทอมดัชนีที่ ตองการ
• PPM หรือ
ประมาณคา ประมาณคา
• Cp, Cpk, Pp, Ppk PPM Cp, Cpk,
Pp, Ppk

8
ตัวอยาง : ขั้นที่ 1 การทวนสอบสเปค
z มักมีการขามขั้นตอนนี้ไปอยูเสมอ
z คุณมีการสงมอบผลิตภัณฑบกพรองบอยเพียงไร?
ตรวจสอบสเปค
z คุณมีการทําลายทิ้งผลิตภัณฑที่ดีบอ ยเพียงไร?
z วิธีการในการพิจารณาวาสเปค “ เปนคาแทจริง” ไดอยางไร ?
» อาศัยเอกสารหรือพิมพเขียว ? (สเปคในพิมพเขียวไดมาจากไหน ?)
» อาศัยกระบวนการ ? (เปนความคิดที่ดีจริงหรือ ?) เลือกตัวอยางจาก
» อาศัยลูกคา? (O.K. ไหม ตอการถามลูกคา?) กระบวนการ
z ตัวอยาง : ผูผลิตแชมพูรายหนึ่งตองการประเมินถึงความสามารถของ เขา
ในการเทแชมพูลงในภาชนะบรรจุทกี่ ําหนดไวดวยจํานวนที่แนนอน โดยที่
ภาชนะบรรจุสามารถเติมแชมพูได 101 +/- 3 มล. สเปคดังกลาวนี้ คํานวณคา Z
ไดรับการทวนสอบดังนี้
» อะไรคือคุณลักษณะแสดงสมรรถนะที่สนใจ (Y)?
» อะไรคือสเปค ? อะไรคือ Tolerance ? ประมาณคา
ประมาณคา Cp, Cpk,
PPM Pp, Ppk

9
ขั้นที่ 2 : กระบวนการแบบระยะสัน้ และระยะยาว

σ2Total = σ2Between + σ2Within

ตรวจสอบสเปค
ความผันแปรโดยรวม ความผันแปรระหวางกลุม ความผันแปรภายในกลุม
ความสามารถในระยะยาว ความสามารถในระยะสัน้
(Long-term capability) (short-term เลือกตัวอยางจาก
x
capability) กระบวนการ
x x
x
x x
x x
คา Y

x
x
x x
x
x เวลา คํานวณคา Z
x x
x x x
x x
x x
x
x ประมาณคา
ประมาณคา Cp, Cpk,
ความถูกตอง PPM Pp, Ppk
(Accuracy)
10
 …เมือ่ มีการเลือ่ นไป (shift) ของกระบวนการเกิดขึ้น

วันพฤหัสบดี

วันพุธ

วันอังคาร
วันจันทร

11
วันจันทร

12
 วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร
วันจันทร

13
วันอังคาร

14
 วันอังคาร
วันอังคาร
วันอังคาร
วันอังคาร
วันอังคาร
วันอังคาร
วันอังคาร
วันอังคาร

15
วันพุธ

16
 วันพุธ
วันพุธ
วันพุธ
วันพุธ
วันพุธ
วันพุธ
วันพุธ

17
วันพฤหัสบดี

18
 วันพฤหัสบดี
วันพฤหัสบดี
วันพฤหัสบดี
วันพฤหัสบดี

19
การแจกแจงนี้ฟอรมตัวจาก
การแจกแจงในชวงเวลาสั้น ๆ
จํานวนมาก

การแจกแจงของการศึกษา
ในระยะยาว
20
 ขั้นที่ 2 : การเลือกตัวอยางแบบระยะสั้นเทียบกับระยะยาว
ตัวอยางสําหรับการศึกษาแบบระยะสัน้ ตัวอยางสําหรับการศึกษาแบบระยะยาว
ไมมีสาเหตุจากความผิ ดปกติ สะทอนถึงผลจากสาเหตุอันที่คาดไมถึง
แสดงถึงผลจากสาเหตุแบบสุม เทานั้น แสดงใหเห็นถึงผลกระทบทุกๆอยางจากกระบวนการ
รวบรวมข อมูลในชวงที่มีผลกระทบจากปจจัย รวบรวมข อมูลจากชวงที่มีผลกระทบจากปจจัยตาง ๆ
ตาง ๆ ไมมาก จํานวนมาก
เลือกตัวอยางจาก 1 กะงานของผลิต เลือกตัวอยางจากหลายกะงานของผลิต
เลือกตัวอยางจากเครื่องจักรเดียวเทานั้น ใชเครื่องจักรหลาย ๆ เครื่อง
เลือกตัวอยางจากพนักงานคนเดียว ใชพนักงานหลาย ๆ คน
ใชวัตถุดิบในการผลิตเพียงลอตเดียว ฯลฯ ใชวัตถุดิบในการผลิตหลาย ๆ ลอต ฯลฯ
•กระบวนการในระยะสั้นจริง ๆหาไดยากมาก
•แตก็เปนการยากที่จะหาตัวอยางของกระบวนการในระยะยาวจริง ๆ
•ในกระบวนการโดยสวนใหญ ขอมูลที่เรารวบรวมมาจะมีความใกลเคียงกัน กับการศึกษาระยะยาว
ตัวอยาง (ตอ) : สิ่งตัวอยางเดียวที่สามารถเก็บไดในเวลานี้คือ จากผลิตภัณฑ ในพัสดุ โดยภาชนะ
บรรจุนี้จะไดมาจากการทํางานในกะงานหนึง่ และมีอายุการเก็บประมาณ 2 เดือน คุณจะเก็บ
รวบรวม ไดขอมูลประเภทใด และถาเรารวบรวมสิ่งตัวอยางได 100 ตัวแลว ทําการวัดปริมาณแลว
บันทึกผลใน Minitab (Filename: Shampoo.mtw) 21
 ขั้นที่ 3 : การหาคา Z
z จากตัวอยางที่เก็บ เราจะหา “คากลาง” และ “การกระจาย” ออกมาได
z “ การแปลงคา”นี้ จะเปนแปลง “คากลาง” และ “การกระจาย” จาก ตรวจสอบสเปค
ตัวอยาง ใหเปน “การแจกแจงแบบมาตรฐาน” ซึ่งมีคากลาง = 0 และ
Sigma = 1
z ไมวาคุณจะวัดขอมูลในหนวยใด มิลลิเมตร นิ้ว ฟุต psi โวลท ฯลฯ ก็ เลือกตัวอยางจาก
ตาม การแจกแจงที่ แปลงแลวจะมีคากลาง = 0 และ Sigma = 1 กระบวนการ
เสมอ (ไมมีหนวย)
z คาของ Z (Z-Score) จะแสดงถึง…..
1. ระยะของ X วาหางจากคากลาง ของตัวอยาง คํานวณคา Z
2. การกระจายของตัวอยางวาเบี่ยงเบนไปเปนกี่เทาของ
ความเบี่ยงเบนมาตรฐาน
z ในการคาดการณระดับของขอบกพรอง ( หรือประมาณคาของผลได) เรา ประมาณคา Cp, ประมาณคา
Cpk,
จะแทน X ดวย LSL และ USL PPM Pp, Ppk
z เราสามารถประมาณคาสัดสวนของผลิตภัณฑที่ออกนอกสเปคไดโดย
อาศัยคากลางและ ความเบี่ยงเบนมาตรฐานของสิ่งตัวอยาง
z ลองใชแนวความคิด นี้กับตัวอยางเรื่อง ของแชมพู
22
ขั้นที่ 3 : สูตรการหาคา Z
Z=
( x − μ) ( x − x)
=
σ s

เริ่มตน เราจําเปนตองประมาณคาพารามิเตอรทั้ง μ และ σ

1. เลือกใชMinitab : Stat > Basic Statistics > Display Descriptive
Statistics
2. หรือใช สูตรใน Excel sheet

>> ตัวอยางของ Minitab <<

Descriptive Statistics
Variable N Mean Median Tr Mean Std Dev SE Mean
Amount 100 102.17 102.26 102.18 1.77 0.18

23
 ขั้นที่ 3 : การหาคา Z
ในการพิจารณาถึงคา % ของผลิตภัณฑที่ออก นอกสเปค จะตองมีการแปลงคา USL และ LSL
ใหอยูใ นคาของ Z ดวย

การแจกแจงของขอมูลเดิม

LSL USL
10
ความถี่

9 7. 5 9 8. 5 9 9. 5 1 0 0.5 1 0 1. 5 1 0 2. 5 1 03.5 1 0 4. 5 1 0 5. 5 1 0 6. 5

ปริมาณแชมพูที่เติม (ml)

ZUSL =
(x − x ) = (USL − x ) = =
คา Z สําหรับพิกัดสเปค s s

แตละดานคืออะไร ? ZLSL =
( x − x ) (LSL− x )
= = =
s s 24
ขั้นที่ 3 : การประมาณคาประชากรจากคา Z โดยตาราง
เราจะหาคาความนาจะเปนเหลานีไ้ ดจากที่ไหน
» วิธีการที่ 1 : อานคาจากตารางความนาจะเปนของการแจกแจงแบบปกติ
(ดู Z_Table.xls)
คา Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06

0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853

ZUSL 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 0.14457
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302
2.2 0.01390 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191
ZLSL 2.3 0.01072 0.01044 0.01017 0.00990 0.00964 0.00939 0.00914
2.4 0.00820 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695
Z
• หมายเหตุ : ตาราง Zขางบนแสดงถึงความ
นาจะเปนที มากกวา คา Z ( คาสัดสวนทางขวามือ)
• คําถาม : คุณจะ OK ไหมถาจะแทน -2.356 ดวย 2.356
ทําไมจึง OK หรือทําไมจึงไม OK ?
25
ขั้นที่ 3 : การประมาณคาประชากรจากคา Z โดยExcel
เราจะหาคาความนาจะเปนเหลานีไ้ ดจากที่ไหน ?
วิธกี ารที่ 2 : ใชฟงกชั่นทางสถิติของ Excel (Paste Function)

หมายเหตุ : Excel จะไมใหคาความนาจะเปนที่ Z มีคคา มากกวา 5ٛ

26
ขั้นที่ 3 : การประมาณคาประชากรจากคา Z โดยExcel
เราจะหาคาความนาจะเปนเหลานี้ไดจากที่ไหน ?
วิธีการที่ 2 : ใชฟงกชนั่ ทางสถิติของ Excel (Paste Function)
ZLSL ZUSL

Probability ( Z < -2.356 ) = 0.0092 Probability ( Z < 1.034 ) = 0.8494

Z
• หมายเหตุ :ฟงกชั่นใน Excel จะกลับไป
คํานวณคาความนาจะเปนทางดานซายมือ (ทั้งคา
Z ที่เปนบวกและลบ).
• คําถาม : ถาเราตองการความนาจะเปนดาน
ขวามือ (ZUSL) เราควรทําอยางไร ?
27
ขั้นที่ 3 : การประมาณคาประชากรจากคา Z โดยใช Minitab
เราจะหาคาความนาจะเปนเหลานี้ไดจากที่ไหน
วิธีการที่ 3: ใชฟงกชั่นการแจกแจงความนาจะเปนของ Minitab
ใชคําสั่ง Calc > Probability Distributions > Normal

หรืออีกทางเลือกหนึ่ง :

28
ขั้นที่ 3 : การประมาณคาประชากรจากคา Z โดยใช Minitab
เราจะหาคาความนาจะเปนเหลานีไ้ ดจากที่ไหน
วิธีการที่ 3: ใชฟงกชนั่ การแจกแจงความนาจะเปนของ Minitab
ZLSL ZUSL
ความนาจะเปนแบบสะสม (Cumulative ความนาจะเปนแบบสะสม (Cumulative
Distribution Function - CDF) Distribution Function - CDF)
การแจกแจงแบบปกติที่มีคากลาง = 0 และ ความ การแจกแจงแบบปกติที่มีคากลาง = 0 และ ความ
เบี่ยงเบนมาตรฐาน = 1.0 เบี่ยงเบนมาตรฐาน = 1.0
X P( X <= x) X P( X <= x)
-2.3560 0.0092 1.0340 0.8494
Probability ( Z < -2.356 ) = 0.0092 Probability ( Z < 1.034 ) = 0.8494
คําถาม : โปรแกรม Minitab ใหคาความนาจะเปนทางดานขวามือหรือซายมือ?
Z
OR Z
?
29
การแปลงขอมูลใหเปนคา Z : การศึกษาแบบระยะยาว (Long Term)
การคํานวณคา Z : สําหรับการศึกษาแบบระยะยาว
» คือ การคํานวณ คา Z โดยสมมุติใหขอบกพรองทั้งหมดอยูที่ดานใด ดานหนึง่ ของ การ แจก
แจง จากนั้นจะคํานวณคา Z โดยรวมจากสัดสวนผลิตภัณฑบกพรองทั้งหมด
» ใหพิจารณาขอมูลตอไปนี้
Pr (Amount > 104) + Pr (Amount < 98) = Pr ( Z > 1.034 ) + Pr ( Z < -2.356 )
= 0.1506 + 0.0092
≅ 15.06 % + 0.92 %
% ของผลิตภัณฑออกนอกสเปค ≅ 15.98 %

Z=?
Probability ( Z > ? ) =
0.1598
เลือกวิธีการใดวิธีการหนึ่งระหวาง
ตาราง Z, ฟงกชั่น Excel หรือ
Minitab
การประมาณแบบระยะยาว: % สัดสวน ทีห่ างดาน
คําตอบ : Z LT = 0.9952 หนึ่งของการแจกแจง = 15.98 %
30
 การศึกษาระยะสั้น การศึกษาระยะยาว

ความเบี่ยงเบนมาตรฐานขนาดเล็ก ความเบี่ยงเบนมาตรฐานขนาดใหญ
อยูตรงเปาหมาย หลุดจากเปาหมาย
มีคา Z ขนาดใหญ มีคา Z ขนาดเล็ก
แตความแตกตางของคา Z นีใ้ หขอมูลอะไรแกเรา?

ถาไมมีการคํานวณคา Z จากการศึกษาระยะยาวโดยตรง เราจะ

ประมาณดวยความเบี่ยงเบน ± 1.5 σ 31
 คุณตองการความเบีย่ งเบน ± 1.5 σ หรือ ?
อะไรคือเปาหมายที่คุณอยากคนหา
» อะไรคือสิ่งที่คุณกําลังทําแลวสงมอบใหลูกคา
(ความสามารถระยะยาว หรือ ความสามารถระยะสั้น)
» ระดับคา Sigma ของคุณลักษณะผลิตภัณฑ มีคา
เทาใด ?
» คาที่ดีที่สุดของกระบวนการ ( ความสามารถของ
กระบวนการในระยะสั้น)โดยสมมุติใหคา กลาง ของ
ZLT = ZST - 1.5
กระบวนการอยูต รงเปาหมาย) ?
สิ่งที่อยากจะทราบ :
ZST ZLT

อาศัยขอมูลที่รวบรวม :
สิ่งที่ไดจากการศึกษาโดย
ความสามารถของ ความสามารถของ
กระบวนการใน กระบวนการใน
ระยะยาว ระยะสั้น

ZST ขอมูลในระยะ
เวลาสั้น ๆ ลบออกดวย 1.5

ZLT ขอมูลในระยะ
เวลายาว ๆ บวกดวย 1.5

32
 การเลื่อนไปของคา Z (Z-Shift)
DPMOใน ระยะสั้น DPMOใน ระยะยาว
คา Sigma
1 158655.3 691462.5
2 22750.1 308537.5
3 1350.0 66807.2
4 31.7 6209.7
5 0.3 232.7 ความสามารถของกระบวนการ สําหรับกระบวนการ Six
6 0.0 3.4
Sigma ที่มีกระบวนการอยู
ตรงกลาง 0.001
0.001
คา 1.5σ ที่กระบวนการเลื่อนไปจากคา ppm ppm

กลางนี้ ใชสําหรับ กรณีพลวัต LSL

T
USL
± 6σ
(Dynamic) ของ กระบวนการ โดยจะ
μ สําหรับกระบวนการ
เปนการ อธิบาย ถึงคาเฉลี่ยของการ Six Sigma ทีมีการ
เปลี่ยนแปลงของกระบวนการ อยูตลอด เลื่อนไป 1.5 σ
ระยะเวลา 3.4
ppm
T
LSL 4.5σ USL

33
การเลื่อนไปของคา Z : การตีความหมายดวยกราฟ
z ขอมูลของกระบวนการตอนเริ่มตนกําหนดไวที่ 3σ ของการศึกษาแบบระยะสัน้
z ใหแปลงคาเปนการศึกษาแบบระยะยาวจากความสัมพันธ : 3σ − 1.5σ = 1.5σ
z คา Sigma ที่ไดจะหมายถึงสมรรถนะของกระบวนการ ของการศึกษาระยะยาว ทั้งนี้จะรวม
ถึงสาเหตุความผิดปกติตาง ๆ ทั้งหมดที่มีผลตอคากลางของกระบวนการ
» การเลื่อนไปของกระบวนการผลิต , พนักงาน , เครื่องจักร , การสึกหรอ ของเครื่องมือ ,
กําหนดการบํารุงรักษาเชิงปองกัน การซอมแซมเครื่องจักรที่หยุดจากขัดของ, การสอบ
เทียบ, อุณหภูมิ, ความชื้น, วัตถุดิบ, การ เปลี่ยนความตองการของลูกคา ฯลฯ
» เมื่อกระบวนการมีการเลื่อนไป เราจําเปนตองมีการประเมินปริมาณของการเลื่อนไป

34
 การกําหนดปริมาณ ZST และ ZLT
อะไรคือสิ่งที่คุณตองการจะทราบ ?
» คุณผลิตและสงมอบอะไรใหแกลูกคา (ความสามารถระยะยาวหรือ)
• ZLT = 0.9952
» ความสามารถระยะสั้นหรือ ?
• ZST = 0.9952 + 1.5 = 2.4952
» คาของ σ ที่แสดงลักษณะของผลิตภัณฑ ?
• เหมือนคา ZST
» คาที่ดีที่สดุ ของกระบวนการ (ความสามารถของกระบวนการของ
การศึกษาในระยะสั้น โดยสมมุติใหคากลางของกระบวนการอยู ตรง
เปาหมาย)
• จะไดมีการกลาวถึงในภายหลัง... สิ่งที่อยากจะทราบ :
ZST ZLT
จากขอมูลที่รวบรวมมา :
สิ่งที่ไดจากการศึกษา

ความสามารถของ ความสามารถของ
กระบวนการใน กระบวนการใน
ระยะยาว ระยะสั้น
ZST ขอมูลในระยะ
เวลาสั้น ๆ X X
ZLT ขอมูลในระยะ 2.4952 0.9952
เวลายาว ๆ
35
 ขั้นตอนที่ 4 : การคํานวณความสามารถของกระบวนการ
เปลี่ยนคา Z ใหอยูในรูปดัชนีที่ตองการ ตรวจสอบสเปค
(PPM, หรือ Cp, Cpk, Pp, Ppk)

เลือกตัวอยางจาก
จากเดิม :
กระบวนการ
เปนเรื่องงาย ๆ ในการแปลง
คา Probability ( Z ของ 0.9952 ) = 0.1598
ZLT เปนPPM
คํานวณคา Z

ประมาณคา
ประมาณคา Cp, Cpk,
PPM Pp, Ppk

จํานวนงานที่ออกนอกสเปค = 0.1598 * 1,000,000 = 159,899 PPM (LT)

คาประมาณของดัชนี Cp, Cpk, Pp และ Ppk มีคา เทากับเทาใด?
36
 สูตรคํานวณคา Cp, Cpk, Pp และ Ppk
ดัชนีความสามารถของกระบวนการในระยะสั้น ดัชนีความสามารถของกระบวนการในระยะยาว
USL − LSL USL − LSL
Cp = Pp =
6 * sshort −term 6 * slong −term
T
C pk = min (C pk (USL ) , C pk ( LSL ) ) Ppk = min ( Ppk (USL ) , Ppk ( LSL ) )
(USL − X )
C pk (USL ) = (USL − X )
3 * sshort −term Ppk (USL ) =
3 * slong −term
( X − LSL)
C pk ( LSL ) = ( X − LSL)
3 * sshort −term Ppk ( LSL ) =
3 * slong −term
LSL USL
- 3s + 3s

ความผันแปรของกระบวนการ
คําถาม : ความผันแปรจากแบบ
อะไรจะเกิดขึ้นกับสมการ Cpk และ Ppk ถาหากเราตัดเลข 3 ออกจากสมการ ?
อะไรคือความสัมพันธระหวาง Cpk, Ppk, ZST, and ZLT?
37
 บทสรุปเกี่ยวกับ Cp, Cpk, Pp, Ppk
z Cp เปนเพียงความสามารถแบบ “ศักยภาพ (Potential ) ” ของกระบวนการ โดยสมมุติใหคุณ
สามารถกําจัดสาเหตุที่ผิดธรรมชาติทั้งหมดได
z กลาวอีกอยางคือ ในการหาคา Cp ไดสมมุติใหคากลางของกระบวนการอยูตรง เปาหมาย
z มาตรวัดดังกลาวนี้อาจเรียกไดอีกชื่อวา “คาดีที่สุดของกระบวนการ(Process entitlement)”
หรือเปนคา “ที่ดีที่สุด” ที่กระบวนการของคุณสามารถกระทําได ในชวงเวลาสั้น ๆ
z ในการคํานวณคาวัดดังกลาวนี้ มีความจําเปนที่คุณตองทําการประมาณคาเบี่ยงเบน มาตรฐาน ใน
การศึกษาระยะสั้น (ซึง่ โดยปกติแลวจะไมทราบคา)
z ดัชนี Cpk และ Ppk จะอาศัยคากลางในการประมาณคาความสามารถดวย นอกเหนือจากการใช
ความเบี่ยงเบนแลว โดยเทอม “ min (Cpl, Cpu) ” จะแสดง ถึงการเลือกระยะที่สั้นที่สุดของคา
กลางของกระบวนการกับพิกัดของสเปค
z อะไรจะเกิดขึ้น ถาหากวาคากลางของกระบวนการอยูออกนอกพิกัดของสเปคไมวา ดานบนหรือดานลาง
?

38
มาตรวัดทัง้ หมด ...
ดัชนีวัดความสามารถของกระบวนการ และดัชนีวัดสมรรถนะของกระบวนการ

ดูคลาย “ภาพถาย” ดูคลาย “Video”

Capability Performance

สมมุติใหคากลางของกระบวนการ
Cp PP
อยูที่เปาหมาย เปรียบเทียบความ
เบี่ยงเบนมาตรฐานกับ Tolerance
CPK PPK คากลางของกระบวนการไมจําเปนตองอยู
ที่เปาหมาย เปรียบเทียบคากลางและความ
เบี่ยงเบนมาตรฐานกับสเปค
ความเบี่ยงเบนมาตร ความเบี่ยงเบนมาตร
ฐานในระยะสั้น ฐานในระยะยาว
CP อธิบายถึง
(อยูภายใตความ (ไมจําเปนตองอยู “สิ่งที่ดีที่สุด”!
ควบคุม) ภายใตการควบคุม)

Rev. 1 12/98
39
ขอมูลจากตัวอยางการบรรจุแชมพู
จากตัวอยางการบรรจุแชมพู :
» จากโจทยเดิม : เราไดตัดสินใจแลววา สิ่งตัวอยางจํานวน 100 ขวด เปนสิ่งตัวอยาง
ที่อธิบายถึงขอมูลในระยะยาว ดังนั้น สามารถคํานวณดัชนีความ สามารถของ
กระบวนการในระยะยาว ไดดังนี้ :
USL − LSL 104 − 98
Pp = = = 0.565
6 * slong −term 6 * 1.77 จากเดิม :
(USL − X ) 104 − 102.17 Z LT = 0.9952
Ppk = = = 0.345
3 * slong −term 3 * 1.77
104 − 102.17
ZUSL = 3 * Ppk ( usl ) (หรือ) ZUSL =
1.77
หมายเหตุ : เพื่อที่จะประมาณคา Cp และ Cpk, ไดอยางถูกตอง เราจําเปนตอง
ประมาณคา Sshort-term อยางถูกตอง ซึ่งไมคอยจะเปนจริงได จึงมักจะมีการประมาณ
การจาก ZST = 3 (Cpk).
จากเดิม : ZST = 2.4952 ดังนั้นจะไดวา Cpk = ZST / 3 = 0.8317
40
คุณไดเรียนรูอะไรจากการศึกษาในระยะสั้นกับการศึกษาระยะยาว

σLT2 = σwithin
2 + σbetween
2

σLT2 = σwithin
2

ความแตกตางของคา σST และ σLT จะแสดงถึงจุดที่จะมีการ

ปรับปรุงกระบวนการได :
ซึ่งถือเปนหัวใจที่สําคัญของกลยุทธ D-M-A-I-C
41
 การคํานวณดัชนี Cp, Cpk, Pp, Ppk (โดยใช Minitab)
z แบบฝกหัดที่ 1 : ทําการวิเคราะหความสามารถของกระบวนการในระยะยาวโดยใช โปรแกรม
Minitab
z แนะนํา : ขนาดของกลุมยอย (หรือ column “Sample” ) = 5 , และประมาณคา Sigma
จากความเบีย่ งเบนมาตรฐานรวม (pooled SD)

ใชคําสั่ง Stat > Quality Tools > Capability Analysis

ถามีการเก็บก็บรวบรวมขอมูลในการศึกษาแบบระยะยาว การ
วิเคราะหความสามารถมักจะอาศัยคาความเบีย่ งเบน มาตร ฐานจาก
ขอมูลทั้งหมด ใหวิเคราะหทั้งสองวิธีแลว พิจารณาหา ความแตกตาง
วิเคราะห Descriptive Statistics ทัง้ กรณีใชและ ไมใชสิ่ง
ตัวอยางเปนตัวแปร )
42
 การคํานวณ Cp, Cpk, Pp, Ppk (โดยใช Minitab)

Process Capability Analysis for Fill Amount

Process Data LSL USL

USL 104.000 ST
Target * LT
LSL 98.000
Mean 102.166

หมายเหตุ : โปรแกรม Minitab จะ

Sample N 100
StDev (ST) 0.17435
StDev (LT) 1.77580

Potential (ST) Capability วิเคราะหภายใตขอสมมุติใหขอมูล

Cp
CPU
CPL
5.74
3.51
7.96
เปนแบบระยะยาวเสมอ
Cpk 3.51
Cpm *
96 98 100 102 104 106 108

Overall (LT) Capability Observed Performance Expected ST Performance Expected LT Performance

Pp 0.56 PPM < LSL 10000.00 PPM < LSL 0.00 PPM < LSL 9489.35
PPU 0.34 PPM > USL 150000.00 PPM > USL 0.00 PPM > USL 150846.23
PPL 0.78 PPM Total 160000.00 PPM Total 0.00 PPM Total 160335.58
Ppk 0.34

คําถาม : ถาคุณทําการรวบรวมขอมูลในการศึกษาแบบระยะสั้น แลวใช Minitab ในการวิเคราะห

ความ
สามารถแลว คาสถิติอะไรที่จะแสดงถึงคาแทจริงของความสามารถของกระบวนการใน การศึกษา แบบ
ระยะสั้น
43
สรุป: สิ่งทีม่ ีผลกับความสามารถของกระบวนการ
z สเปคมีความถูกตองและเหมาะสมกับพารามิเตอร (Y) ที่สนใจหรือไม

z คาของพารามิเตอร (Y) อยูตรงกลางของสเปคที่กาํ หนดหรือไม ?

z ความผันแปรของกระบวนการในเทอมของพารามิเตอร โตกวาคาเผื่อ
( Allowance) ของสเปคหรือไม ?

z ระบบการวัดของเรามีผลตอความสามารถในการประเมินคาความ สามารถ
ของกระบวนการทีแ่ ทจริงหรือไม ? (GR&R จากเครื่องมือวัด หรือจาก
การตรวจสอบโดยพนักงานในสายการผลิต)

44
 กรณี Y เปนเชิงคุณภาพ (ขอมูลเชิงคุณภาพ) (Attribute)
การพิจารณาวาความสามารถในกรณีที่ผลผลิตอยูในลักษณะ แจงนับ (ทํารอยขีด)
เชิงคุณภาพ ขอมูลที่แสดงขอบกพรอง
1) ทวนสอบถึงนิยามและคําอธิบายของขอบกพรอง
2) นับจํานวนขอบกพรองที่เกิดขึ้น (และจดจํานวนผลิต ภัณฑ
คํานวณคา PPM
ทั้งหมดที่ผลิต) ในกรณีที่มีการใชขอมูลในอดีต มักจะถือวา
ขอมูลมาจากการศึกษาแบบระยะยาว
3) คํานวณสัดสวนของขอบกพรองและคา PPM คํานวณคา Z
4) คํานวณคา Z และคาที่ใหเลื่อนไป 1.5σ (ถามีความ
เหมาะสม)
5) ประมาณคาดัชนีแสดงความสามารถของกระบวนการที่ คํานวณดัชนี
Cpk, Ppk
นิยมใชกันทั่วไป
» เปลี่ยนจาก Z เปน Cp, Cpk, Pp, Ppk

45
 ขั้นตอนที่ 1, 2
แจงนับ (ทํารอยขีด) แบบฝกหัด : ใหใชแผนภูมิพาเรโตที่แสดงขางลาง คํานวณความสามารถของผลิต
ขอมูลที่แสดงขอบกพรอง
ภัณฑ Intrepid ที่จะสงมอบโดยปราศจากขอบกพรอง :
» ขั้นตอนที่ 1 : การทวนสอบนิยามและคําอธิบายขอบกพรอง
คํานวณคา PPM
» ขั้นตอนที่ 2 : นับจํานวนของขอบกพรองที่เกิดขึ้นเทียบกับจํานวน
ผลิตภัณฑทั้งหมดที่ผลิต หากใชขอ มูลในอดีต มักจะถือวา ขอมูลมาจาก
คํานวณคา Z
การศึกษาแบบระยะยาว

คํานวณดัชนี
Cpk, Ppk แผนภูมิพาเรโตแยกตามผลิตภัณฑ
100
6000
ขอบกพรองของ Intrepid : 4000

จํานวนขอบกพรอง
5000 80

จํานวนหนวยของ Intrepid : 35000 4000 60

%
» ขั้นตอนที่ 3 : คํานวณคาสัดสวนของขอ 3000
2000
40

บกพรองและ PPM 1000

20

สัดสวนของขอบกพรอง = 0.1143 0 0
d ort exus thers
PPM = 0.1143 * 1,000,000 จํานวนหนวย
ntrepi Isuzu sc
I E L O
โดยรวม: 35000 5000 60000 15000 20000
= 114,300 PPM
46
 ขั้นตอนที่ 3,4
» ขั้นตอนที่ 3 : คํานวณคา Z และคาที่ใหเลื่อนไป 1.5σ (ถามีความ เหมาะสม
• เมื่ออัตราของขอบกพรอง = 11.43 % แลวจะไดวา ZLT = 1.204
แจงนับ (ทํารอยขีด) • คุณสามารถทําการทวนสอบคานี้ โดยอาศัย Minitab
ขอมูลที่แสดงขอบกพรอง Probability Function หรือ Excel Function หรือ
คาจาก ตาราง Z ไดไหม ?
• ดังนัน้ , ZST = ZLT + 1.5 = 1.204 + 1.5 = 2.704
คํานวณคา PPM
» ขั้นตอนที่ 4 : ประมาณคาดัชนีแสดงความสามารถของกระบวนการ
• แปลงคา Z ใหเปน Cpk และ Ppk
คํานวณคา Z • Cpk = ZST / 3 = 0.9013
• Ppk = ZLT / 3 = 0.4013
คํานวณดัชนี
Cpk, Ppk

47
การคํานวณระดับของขอบกพรอง

คํานวณอัตราขอบกพรองตอหนวย (Defects per Unit-DPU):

DPU =
จํานวนทั้งหมดของขอบกพรอง
จํานวนทั้งหมดของหนวยผลิตภัณฑที่ผลิต

48
แบบฝกหัด
z สําหรับในหองเรียน ใหใชวิธีการตอไปนี้สําหรับชุดขอมูลใน
File : Flexure Inventory.mtw, Dartboard.mtw
z วิเคราะห โดยการใชโปรแกรม Minitab :
• ใชคําสั่ง Stat > Quality Tools > Capability Analysis

49
บทสรุปของกระบวนการ
แผนผังในการหาคาดัชนี
การกําหนดลักษณะกระบวนการ
การสรุปทางสถิติ
รวบรวม ดัชนี
ขอมูล คํานวณ สัดสวนขอ หรือ Xbar(Mean)
σ (Std. Dev.)
Cp C pk
Pp P pk
บกพรองٛ คํานวณ
(ใชสเปค)
คํานวณ

คํานวณ
ใชตาราง Z
แปลงใหเปนคา DPM คา Z
DPM(Upper) ใชตาราง Z Z UPPER
Z LOWER
+
DPM(Lower) =
คาของ “Sigma” DPM (Total)
(ทั้งหมด)
Rev. 1 12/98 50
 จุดประสงคของ Module
เมื่อศึกษา Module นี้จบลงแลว ผูเขารับการอบรมควรมีความสามารถ
ดังนี้

z สามารถคํานวณคา
Z เมื่อกําหนดคากลางของกระบวนการ ความเบี่ยงเบน
มาตรฐาน และสเปคมาให

z สามารถประเมินความสามารถของกระบวนการทั้งระยะสั้นและ
ระยะยาวได

z สามารถนิยามและตีความหมายผลลัพธจากการศึกษาความสามารถ ของ
กระบวนการทั้งระยะสั้นและระยะยาวได
51