Professional Documents
Culture Documents
Minitab17 QCTools
Minitab17 QCTools
(QC Tools)
22.5
etalType
20.0
17.5
17
15.0
2 4 6 8 10 12 14 16 18 20 22 24 26
Observation
Number of runs about median: 13 Number of runs up or down: 14
Expected number of runs: 14.5 Expected num ber of runs: 17.7
Longest run about median: 4 Longest run up or down: 3
Approx P-Value for Clustering: 0.280 Approx P-Value for Trends: 0.042
Approx P-Value for Mixtures: 0.720 Approx P-Value for Oscillation: 0.958
22.5
etalType
20.0
17.5
15.0
2 4 6 8 10 12 14 16 18 20 22 24 26
Observation
Number of runs about median: 13 Number of runs up or down: 14
Expected number of runs: 14.5 Expected number of runs: 17.7
Longest run about median: 4 Longest run up or down: 3
Approx P-V alue for Clustering: 0.280 Approx P-Value for Trends: 0.042
Approx P-V alue for Mixtures: 0.720 Approx P-Value for Oscillation: 0.958
ภาพรวมคุณภาพ
USL 5.5
4
LCL=3.664
1 4 7 10 13 16 19 22 25 28 3 4 5 6 7 8
_
R=2.407
2
ฮีสโตแกรม (Histogram) 0
1 4 7 10 13 16 19 22 25 28
LCL=0
2 4 6 8
แผนภาพกระจาย(Scatter Plot)
Last 25 Subgroups Capability Plot
8 W ithin Ove ra ll O verall
StDev 1.052 StD ev 1.104
Cp 0.16 Pp 0.15
Spe cs
ชลทิชา จํารัสพร
A
คํานํา
B
สารบัญ
หน้ า
C
สารบัญ
D
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
1
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
2
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
หมายเหตุ : เมื อเราเปิ ดโปรเจกต์ ใดๆทีมี การจัดเก็บ (Save) มาก่อนหน้า Minitab จะแสดงลักษณะการจัดวาง
หน้าต่างเหมื อนกับทีจัดเก็ บไว้ก่อนจัดเก็บ (Save)
3
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
4
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
นอกจากนีในโปรเจกต์ยงั มีส่วนประกอบต่างๆอีกหลายส่วนสามารถศึกษาเพิมเติมได้ ที
Minitab>Help
5
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
6
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
7
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
คลิก OK
8
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
กรณีทีไฟล์ Excel ทีต้ องการเปิ ดบรรจุไว้ หลายชีท Minitab จะทําการเปิ ดทุกชีททีมีโดย 1 ชีทใน
Excel เท่ากับ 1 Worksheet ใน Minitab และนําชือชีทใน Excel มาเป็ นชือ Worksheet ใน Minitab
9
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
การนําข้ อมูลเข้ าโดยใช้ Query Database (ODBC: Open Database Connectivity) Minitab
สามารถทีจะเปิ ดโปรแกรมจากไฟล์ฐานข้ อมูลได้ หลากหลาย เช่น Microsoft Access, SQL เป็ นต้ น โดย
อาศัย ODBC ซึงเป็ นเหมือนสะพานเชือมไปยังฐานข้ อมูล ในบางครังต้ องทําการติดตังไดรเวอร์ เพิมเติมหาก
ในระบบวินโดวส์ของเราไม่มี (ซึงแต่ละเครืองจะไม่เหมือนกัน) หรืออาจจะต้ องมีรหัสผ่านทีผู้ดแู ลระบบฐาน
ข้ อมูลป้องกันไว้
สําหรับกรณีจดั เก็บข้ อมูลในรูปแบบของเอ็กเซลไฟล์ นอกจากการเปิ ดด้ วย Open Worksheet แล้ ว
ยังสามารถเปิ ดด้ วย Query Database ODBC ได้ เช่นกัน โดยทําตามขันตอนต่อไปนี
1. ไปยังเมนู File>Query Database(ODBC)
10
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
11
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
ข้อสังเกต : การเปิ ดโดยใช้ ODBC สามารถเลื อกชี ทและคอลัมน์ทีต้องการได้ ในขณะทีเปิ ดโดยใช้ Open
Worksheet โปรแกรมจะเรี ยกเปิ ดทุกเวิร์คชี ท (Worksheet) ทุกคอลัมน์ (Column) ทีมี ซึงในบางครังเราไม่ได้ต้องการข้อมูล
ทังหมดอาจจะทําให้เสียเวลาได้
ข้ อมูลในเวิร์คชีท
เมือเราได้ ข้อมูลในเวิร์คชีทแล้ ว Minitab จะเก็บข้ อมูลเป็ นลักษณะคอลัมน์โดยมีชือเรียก C ตามด้ วย
ดัชนีคอลัมน์ C1 C2 C3 …. ในแต่ละคอลัมน์คือตัวแปรเก็บข้ อมูล เราสามารถตังชือคอลัมน์ได้ แต่ไม่
สามารถใช้ ชือคอลัมน์ ซํากันได้
ข้ อมูลในคอลัมน์ ใน Minitab สามารถเป็ นได้ 3 รูปแบบคือ ตัวเลข (Numeric), ตัวอักษร (Text) ซึง
จะมีสญ
ั ลักษณ์ –T และ วันทีและเวลา (Date/Time) ซึงมีสญ ั ลักษณ์ –D แสดงดังภาพ
12
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
เมือเราทราบแล้ วว่า Minitab มีลกั ษณะการเก็บข้ อมูลเป็ นตัวแปรคอลัมน์ เวลาใช้ งาน Minitab จะ
ถือว่าทีแถวเดียวกันจะเป็ นรายการเดียวกัน จากภาพข้ างใต้ เป็ นตัวอย่างเวิร์คชีททีเก็บข้ อมูล 3 คอลัมน์ ที
รายการหรือแถวที 17 แสดงความหมายว่า ชินงาน (Part) หมายเลข 6 มีค่าวัด (Response) เท่ากับ -0.11
โดยพนักงาน (Operator) A เป็ นคนวัด
13
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab
14
บทที 1 ภาพรวมคุณภาพ
ภาพรวมคุณภาพ (Quality)
ปั จจุบนั “คุณภาพ (Quality)” ได้ เป็ นกลไกหรือกุญแจสําคัญในการบริหารธุรกิจ ในหลายๆองค์กรชัน
นํา “คุณภาพ” เป็ นกลยุทธ์ สาํ คัญขององค์ กรเลยทีเดียว เพราะในปั จจุบนั คําว่า “คุณภาพ” ไม่ได้ หมายถึง
การผลิตหรือบริการให้ ได้ ตามข้ อกําหนด แต่ต้องสร้ างความพึงพอใจให้ กบั ลูกค้ าทังภายนอก (External
Customer) และภายใน (Internal Customer) การทํากิจกรรมเกียวกับคุณภาพจะกระทบกับต้ นทุนคุณภาพ
(Cost of Quality) ดังนันการบริหารคุณภาพจึงต้ องเป็ นไปอย่างมีหลักการและประสิทธิภาพในยุคทีการ
แข่งขันสูงเช่นนี
คุณภาพของผลิตภัณฑ์หรือบริการสามารถประเมินได้ ในหลายๆมิติ(Dimension of Quality) **
สมรรถนะ (Performance) เป็ นการวัดว่าผลิตภัณฑ์ทํางานทีถูกออกแบบมาได้ ดีมากน้ อยเพียงใด ซึง
เป็ นสิงทีลูกค้ าหรือผู้ทีสนใจต้ องการประเมินผลิตภัณฑ์แต่ละยีห้ อ เปรียบเทียบกัน ก่อนการตัดสินใจ
ความเชือถือได้ (Reliability) ผลิตภัณฑ์ทุกชนิดมีอายุการใช้ งานจํากัด บางประเภทสามารถซ่อมได้
เมือเกิดการสึกหรอ บางประเภทต้ องทิงไป การทีผลิตภัณฑ์ทําหน้ าทีได้ อย่างสมําเสมอมากน้ อยเพียงใด
ในช่วงอายุการใช้ งานของมัน เป็ นการบ่งบอกถึงระดับของความเชือถือได้ ของผลิตภัณฑ์ชนิดนัน ๆ
ความทนทาน (Durability) หมายถึงระยะเวลาในการทีผลิตภัณฑ์ ทําหน้ าทีได้ อย่างมีประสิทธิภาพ
ในสภาวะแวดล้ อมและเงือนไขการทํางานทีถูกออกแบบมา ลูกค้ าย่อมพึงพอใจในผลิตภัณฑ์ทีมีอายุการใช้
งานนานกว่าผลิตภัณฑ์ประเภทเดียวกันแต่มีอายุการใช้ งานสันกว่า
ความสะดวกในการบํารุงรักษา (Serviceability) ลูกค้ าทัวไปยอมรับว่าผลิตภัณฑ์มีการสึกหรอ
เสือมสภาพได้ แต่ก็ควรทีจะสามารถซ่อมแซมได้ ด้วยค่าใช้ จ่ายทีสมเหตุสมผล ผลิตภัณฑ์ทีมีคณ
ุ ภาพควรมี
คุณสมบัติของการดูแลรักษาง่าย
ความสวยงาม (Aesthetics) เป็ นองค์ประกอบทางคุณภาพของความพึงพอใจในรูปลักษณะของ
ผลิตภัณฑ์ ซึงรวมถึง แบบ สี รูปร่าง บรรจุภัณฑ์ และอืน ๆ
ฟั งก์ชนพิ
ั เศษทีทําได้ (Features) โดยปกติลกู ค้ าจะพิจารณาฟั งก์ ชันพิเศษทีผลิตภัณฑ์ สามารถทําได้
นอกเหนือจากหน้ าทีพืนฐานทีถูกออกแบบมา
ความปลอดภัย
15
บทที 1 ภาพรวมคุณภาพ
16
บทที 1 ภาพรวมคุณภาพ
Quality Circle:
17
บทที 1 ภาพรวมคุณภาพ
18
บทที 2 แผนภูมิพาเรโต
หลักการของพาเรโตนันใช้ หลัก 20/80 – ส่วนน้ อย 20 % จะเป็ นส่วนสําคัญ อีก 80% จะเป็ นส่วนไม่
ค่อยสําคัญ (20% vital few, 80% trivial many) เช่น มีปัญหาอยู่ 20% เท่านันทีสร้ างความเสียหายส่วน
ใหญ่ให้ กบั กิจการ จึงต้ องแก้ ตรงนันก่อน
19
บทที 2 แผนภูมิพาเรโต
20
บทที 2 แผนภูมิพาเรโต
21
บทที 2 แผนภูมิพาเรโต
การสร้ างแผนภูมิพาเรโต
1. ไปยังเมนู Stat > Quality Tools > Parato Chart
2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี (กรณีไม่ใช้ ข้อมูลดิบ)
3. คลิก OK
22
บทที 2 แผนภูมิพาเรโต
ผลกราฟ
100
80
80
Percent
Count
60
60
40
40
20
20
0 0
Type
n
sh
ce
re
re
re
er
t
ou
l le
ti o
il u
il u
il u
th
an
ni
ro
e-
e
ria
O
fa
fa
fa
en
nt
l
at
ep
va
m
nt
co
Pl
m
m
tr
ar
ai
n
pu
pu
n
en
t io
Al
ge
ag
c.
r.
ng
ra
xy
Pa
Re
Re
nt
bi
O
ce
Tu
n
Co
Count 56 16 14 9 6 5 5 5 4
Percent 46.7 13.3 11.7 7.5 5.0 4.2 4.2 4.2 3.3
Cum % 46.7 60.0 71.7 79.2 84.2 88.3 92.5 96.7 100.0
การแปลผล
จากแผนภูมิพาเรโตทีจะเห็นว่าความถีสูงสุดของประเภทสัญญาณเตือนคือ “Concentration
Variation” มีความถีสูงถึง 56 ครังในปี ทีผ่านมา คิดเป็ น 46.7% ของสัญญาณเตือนทังหมด รองลงมาคือ
“Turbine maintenance” จากผลการวิเคราะห์จะเห็นได้ ว่าถ้ าเราสามารถแก้ ปัญหาทีมีความถีสูงสุดเพียง
เรืองเดียวซึงมีความสําคัญมาก จากกรณีนีเราจะสามารถลดปั ญหาลงได้ เกือบครึงหนึงของปั ญหาทังหมด
เลยทีเดียว
เนืองจากทางแผนกต้ องการวิเคราะห์ต่อด้ วยว่ากะการทํางานลําดับของความถีของประเภท
สัญญาณยังสอดคล้ องหรือไม่
23
บทที 2 แผนภูมิพาเรโต
6. คลิก OK
ผลกราฟ
ler
Al um f a i h
m p f a ur e
ge ur e
a
a
p p is
xy fail i lu r
ag ma v
th t ol
n
l
Re ng ion
O -o u ntr
Pl n e
t
at co
bi t ra
Tu en
er
e
nc
ar
r.
Co
Alarm failure
0 Oxygen controller
Period = Night Period = Weekend Plate-out
30
Other
20
10
0
at er
er
e
O Al a fa e
n fai e
nt re
O t
R e e nt e na n
pu fa sh
ou
r
r
ag in t i o
c . re nc
Pl ll
m i lu
xy r i lu
co lu
th
p i
Pa pum len
ro
e-
R e ma r ia
p
a
t
p
ge m
ng v
b i io n
Tu tr at
r.
en
nc
Co
Type
การแปลผล
จากแผนภูมิพาเรโตแยกตามกะการทํางานให้ ผลสอดคล้ องว่าสัญญาณประเภท “Concentration
Variation” ยังเป็ นความถีสูงสุดของทุกกะไม่เห็นความแตกต่างอย่างเห็นได้ ชดั จากแผนภูมิ
24
บทที 2 แผนภูมิพาเรโต
25
บทที 2 แผนภูมิพาเรโต
ข้ อจํากัดสําหรับแผนภูมิพาเรโต
ชือของชนิดข้ อมูล สามารถบรรจุได้ สงู สุด 72 ตัวอักษร
ในกรณีทีเลือก Chart defects table ค่าความถีจะต้ องมีค่าเป็ นตัวเลขจํานวนเต็ม ในกรณีที
ต้ องการวิเคราะห์ข้อมูลทีไม่เป็ นจํานวนเต็ม เช่น ค่าความแปรปรวน จําเป็ นต้ องมีการแปลง
ตัวเลขด้ วยการคูรกับตัวเขทีเหมาะสมก่อนนํามาวิเคราะห์
แถวทีเว้ นว่างไว้ จะถูกนับเป็ น missing data ส่วนกรณีทีข้ อมูลเป็ นตัวเลข missing data จะแทน
ด้ วยสัญลักษณ์ * Minitab จะถือว่า missing data เป็ นข้ อมูลชนิดหนึงแยกต่างหากซึงแสดงใน
แผนภูมิแยกออกไปอีกแท่งหนึง
26
บทที 2 แผนภูมิพาเรโต
ผลกราฟ
100
400
80
Count*Weight
300
Percent
60
200
40
100 20
0 0
Root Cause
r
t
t
le
y
en
uc
he
er
du
od
m
iv
Ot
he
l
u
de
Pr
oc
sc
ng
te
D
ed
La
ro
ng
i ss
ro
M
W
Count*Weight 324 55 32 30 12
Percent 71.5 12.1 7.1 6.6 2.6
Cum % 71.5 83.7 90.7 97.4 100.0
การแปลผล
จากแผนภูมิพาเรโตทีจะเห็นว่า “Late delivery (ส่งสินค้ าล่าช้ า)” มีผลกระทบสูงถึง 324 หรือ
71.5% ของปั ญหาทังหมด ถ้ าหากกลับไปดูทีตารางข้ อมูลดิบจะพบว่าปั ญหา “Late Delivery” มีความถี
การเกิดสูงทีสุดด้ วย ดังนันการแก้ ปัญหาจะต้ องจัดการทีปั ญหาการจัดส่งล่าช้ าเป็ นอันดับแรก
ถ้ าหากพิจารณาผลกระทบรองลงมาคือ “Missed Schedule (บันทึกตารางผิด)” ถึงแม้ จะไม่ได้ มี
ความถีรองลงมาแต่สง่ ผลกระทบมากดังนันควรเป็ นปั ญหาทีจะต้ องพิจารณาแก้ ไขต่อไป สําหรับการ
พิจารณาการแก้ ปัญหาถ้ าปั ญหาทีปรากฎสามารถแก้ ไขได้ โดยง่ายสามารถจัดการได้ เลยอาจจะดําเนินการ
ได้ โดยไม่จําเป็ นต้ องมีความถีสูงสุดก็ได้
27
บทที 2 แผนภูมิพาเรโต
28
บทที 2 แผนภูมิพาเรโต
ผลกราฟ
80
300
Frequency
60
Percent
200
40
100
20
0 0
Infection Bariatric CT Sternal Vascular Knee Other
Frequency 288 57 21 14 13
Percent 73.3 14.5 5.3 3.6 3.3
Cum % 73.3 87.8 93.1 96.7 100.0
การแปลผล
จากแผนภูมิพาเรโตทีจะเห็นว่าความถีการติดเชือสูงสุดมาจากการผ่าตัดประเภท “Bariatric (การ
ผ่าตัดโรคอ้ วน)” มีความถีสูงถึง 288 ครังในปี คิดเป็ น 73.3% ของการติดเชือทังหมด
29
บทที 2 แผนภูมิพาเรโต
ผลกราฟ
70 80
60
Percent
60
Count
50
40
40
30
20
20
10
0 0
Defect
k
k
n
s
ns
er
ut
ck
io
ac
ac
ac
th
io
rc
us
ra
Cr
Cr
Cr
de
O
us
C
ot
ad
e
cl
Un
ot
of
To
In
Ro
be
H
ck
ag
er
La
Sl
nd
U
Count 23 21 15 8 7 6 5 3
Percent 26.1 23.9 17.0 9.1 8.0 6.8 5.7 3.4
Cum % 26.1 50.0 67.0 76.1 84.1 90.9 96.6 100.0
การแปลผล
จากแผนภูมิพาเรโตทีได้ จะเห็นว่าความถีของรอยเชือมไม่สมบูรณ์ สงู ทีสุดคือ “Hot Cracks” แต่
จํานวนใกล้ เคียงกับ “Undercut” ซึงเป็ นอันดับรองลงมามาก โดยคิดเป็ นเปอร์ เซ็นต์ที 26.1% และ 23.9%
ตามลําดับ พาเรโตทีมีลกั ษณะแนวราบไม่พบปั ญหาทีส่งผลกระทบสูงชัดเจน
30
บทที 3 แผนภูมิควบคุม (Control Chart)
ความผันแปรจากสาเหตุผิดธรรมชาติ
ขนาดความผัน
แปรจากสาเหตุ
ธรรมชาติ
31
บทที 3 แผนภูมิควบคุม (Control Chart)
แผนภูมิควบคุมใน Minitab
Minitab มีแผนภูมิควบคุมหลายประเภท สําหรับหนังสือเล่มนีผู้เขียนขอแนะนําแผนภูมิควบคุมที
เป็ นทีนิยมใช้ ทวไป
ั
แผนภูมิควบคุมสําหรั บข้ อมูลวัดเก็บเป็ นกลุ่มย่ อย (Variables Charts for Subgroups)
32
บทที 3 แผนภูมิควบคุม (Control Chart)
33
บทที 3 แผนภูมิควบคุม (Control Chart)
34
บทที 3 แผนภูมิควบคุม (Control Chart)
35
บทที 3 แผนภูมิควบคุม (Control Chart)
1. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
กรณีเตรียมข้ อมูลแบบคอลัมน์เดียว(worksheet “One Column”)
สามารถใส่ 5 แทนการเลือกคอลัมน์กรณี
ทุกกลุม่ ย่อยมีขนาดเท่ากัน
3. คลิก OK
36
บทที 3 แผนภูมิควบคุม (Control Chart)
ผลกราฟ
Sample Mean 6
__
5 X=5.052
4
LCL=3.664
1 4 7 10 13 16 19 22 25 28
Sample
UCL=5.090
4.8
3.6
Sample Range
_
2.4 R=2.407
1.2
0.0 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample
การแปลผล
เนืองจากถ้ าหากเราเก็บข้ อมูลกลุ่มย่อยที 20 นีไว้ มีผลทําให้ ค่าระหว่าง UCL และ LCL กว้ างขึน
คุณต้ องการเอาออกจากการคํานวณเพือปรับค่า UCL และ LCL ใหม่
4. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
37
บทที 3 แผนภูมิควบคุม (Control Chart)
6. คลิก OK
ผลกราฟ
UCL=6.373
6
Sample Mean
__
5 X=4.997
4
LCL=3.621
1 4 7 10 13 16 19 22 25 28
Sample
UCL=5.043
4.8
Sample Range
3.6
_
2.4 R=2.385
1.2
0.0 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample
การแปลผล
38
บทที 3 แผนภูมิควบคุม (Control Chart)
1. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
3. คลิก OK
39
บทที 3 แผนภูมิควบคุม (Control Chart)
ผลกราฟ
X=1.02473
1.02
LCL=1.01392
1.01
1.00
1
1 3 5 7 9 11 13 15 17 19 21 23
Sample
0.04 1 1
UCL=0.03384
0.03
Sample Range
0.02
_
R=0.01483
0.01
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23
Sample
การแปลผล
40
บทที 3 แผนภูมิควบคุม (Control Chart)
41
บทที 3 แผนภูมิควบคุม (Control Chart)
42
บทที 3 แผนภูมิควบคุม (Control Chart)
4. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
43
บทที 3 แผนภูมิควบคุม (Control Chart)
ผลกราฟ
X=1.02473
1.02
6
5 LCL=1.01392
1.01
1.00
1
1 3 5 7 9 11 13 15 17 19 21 23
Sample
0.04 1 1
UCL=0.03384
0.03
Sample Range
0.02
_
R=0.01483
0.01
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23
Sample
การแปลผล
44
บทที 3 แผนภูมิควบคุม (Control Chart)
1. ไปยังเมนู Stat > Control Charts > Variables Charts for Individual>I-MR Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
3. คลิก OK
45
บทที 3 แผนภูมิควบคุม (Control Chart)
ผลกราฟ
8
_
X=5.92
4
0 LCL=-0.35
1 5 9 13 17 21 25 29 33
Observation
1
10.0
7.5 UCL=7.70
Moving Range
5.0
__
2.5 MR=2.36
0.0 LCL=0
1 5 9 13 17 21 25 29 33
Observation
การแปลผล
46
บทที 3 แผนภูมิควบคุม (Control Chart)
47
บทที 3 แผนภูมิควบคุม (Control Chart)
แสดงสรุปการตรวจเช็คข้ อมูลเบืองต้ น
I-MR Chart of Time
Report Card
Check Status Description
Stability The process mean and variation may not be stable. 2 (5.6%) points are out of control on the I chart. 1 (2.9%) point is out of
! control on the MR chart, which may affect the validity of the control limits on the I chart. You may see 0.7% out-of-control
points on the I chart and 0.9% out-of-control points on the MR chart by chance, even when the process is stable. You
should investigate out-of-control points and omit those with special causes from the calculations.
Normality If the data are nonnormal, you may see an increased number of false alarms. Because fewer than 2 points are outside the
control limits on the I chart, the normality test is not needed.
Amount You may not have enough data to estimate precise control limits. At least 100 data points should be included in the
of Data ! calculations.
Correlated If the data are correlated, you may see an increased number of false alarms. Because fewer than 2 data points are outside the
Data control limits on the I chart, the correlation test is not needed.
Alternative This chart is intended to monitor process control. If your primary objective is to explore your data or compare your process
Charts i before and after a change, use the Graphical Analysis Control Charts or the Before/After Control Charts.
Shifts Drifts
Moving Range
Oscillation Mixture
Assess the stability of the mean and variation of your process and look for patterns that
can help you distinguish between common and special causes. Typically, a process that
exhibits only common causes has a constant mean and constant variability. However, global
trends or cyclical patterns may also be common causes. Other patterns, such as shifts and Excessive Out
drifts, may be special causes. of Control
48
บทที 3 แผนภูมิควบคุม (Control Chart)
กราฟและรายงานสรุป
Yes No
5.6%
UCL=12.19
8 _
X=5.92
0 LCL=-0.35
10
Moving Range
UCL=7.70
5
__
MR=2.36
0 LCL=0
1 5 9 13 17 21 25 29 33
49
บทที 3 แผนภูมิควบคุม (Control Chart)
3. คลิก OK
ผลกราฟ
UCL=20.51
20
Sample Count
15
__
NP=11.57
10
LCL=2.62
0
1 4 7 10 13 16 19 22 25 28
Sample
50
บทที 3 แผนภูมิควบคุม (Control Chart)
การแปลผล
UCL=0.4102
0.4
0.3
Proportion
_
P=0.2313
0.2
0.1
LCL=0.0524
0.0
1 4 7 10 13 16 19 22 25 28
Sample
51
บทที 3 แผนภูมิควบคุม (Control Chart)
1. ไปยังเมนู Stat > Control Charts > Attribute Chart>NP Chart หรือ P Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
3. คลิก OK
ผลกราฟ
NP Chart of No.Nonconforming by Status
Current Adjust
25 1
20
Sample Count
15
UCL=12.04
10
__
5 NP=5.43
0 LCL=0
1 7 13 19 25 31 37 43 49 55
Sample
52
บทที 3 แผนภูมิควบคุม (Control Chart)
0.4
0.3
Proportion
UCL=0.2407
0.2
_
0.1 P=0.1087
0.0 LCL=0
1 7 13 19 25 31 37 43 49 55
Sample
การแปลผล
จากผลกราฟจะเห็นได้ ว่ากระบวนการใหม่สามารถลดจํานวนรอยรัวลงได้ ประมาณ 50% ยังควร
ต้ องเฝ้าติดตามกระบวนการต่อไปเพือตรวจติดตามความผันแปรผิดธรรมชาติหรือจุดผิดปกติ
53
บทที 3 แผนภูมิควบคุม (Control Chart)
3. คลิก OK
ผลกราฟ
C Chart of Incidents
1
9
7 UCL=7.12
6
Sample Count
3
_
C=2.44
2
0 LCL=0
1 6 11 16 21 26 31 36 41 46
Sample
การแปลผล
จากผลกราฟจะเห็นได้ ว่าจํานวนอุบตั ิเหตุโดยเฉลียต่อเดือนจะอยู่ที 2-3 ครังต่อเดือน และพบมีจดุ
ผิดปกติคือมีจํานวนมากผิดปกติคือสูงถึง 9 ครังในเดือนนัน (ดูจากเดือนมีนาคมของปี ที 3)
54
บทที 3 แผนภูมิควบคุม (Control Chart)
เนืองจากในแต่ละเดือนมีจํานวนวันไม่เท่ากัน
ผลกราฟ
U Chart of Incidents
0.30 1
0.25
UCL=0.2327
Sample Count Per Unit
0.20
0.15
0.10
_
U=0.0801
0.05
0.00 LCL=0
1 6 11 16 21 26 31 36 41 46
Sample
Tests are performed with unequal sample sizes.
55
บทที 3 แผนภูมิควบคุม (Control Chart)
การแปลผล
จากผลกราฟ U Chart จะเห็นได้ ว่าจํานวนอุบตั ิเหตุโดยเฉลียต่อวันจะอยู่ที 0.08 ครังต่อวัน หรือ
ใน 100 วันจะมีอบุ ตั ิเหตุเกิดขึนโดยเฉลีย 8 ครัง และพบมีจุดผิดปกติคือมีจํานวนมากผิดปกติคือสูงถึง 9
ครังในเดือนนัน (ดูจากเดือนมีนาคมของปี ที 3)
56
บทที 4 ฮีสโตแกรม
ฮีสโตแกรม (Histogram)
แผนภูมิทีใช้ ในการดูรูปร่างและการกระจายข้ อมูลแบบต่อเนือง หรื อแผนภูมิทีมีวตั ถุประสงค์เพือใช้
ในการศึกษาความผันแปร (Variation) ของข้ อมูล เป็ นแผนภูมิสาํ คัญในงานด้ านคุณภาพเนืองจากผลลัพธ์
(Output) ทีได้ จากทุกๆกระบวนการทีเหมือนๆกันถ้ ากระบวนการนันปกติ ค่าผลลัพธ์ ทีวัดได้ จาก
กระบวนการนันเมือนําข้ อมูลมาทําการพล็อตลักษณะการเรียงตัวของข้ อมูลวัดทีได้ ควรจะมีลกั ษณะความ
ผันแปรเป็ นรูประฆังควําหรือการแจกแจงแบบปกติ (Normal)
57
บทที 4 ฮีสโตแกรม
ลักษณะของฮีสโตแกรมทีแสดงถึงความผันแปรทีมีรูปแบบไม่เป็ นแบบปกติ
Histogram of Data Histogram of Data
90 90
80 80
70 70
Frequency 60 60
Frequency
50 50
40 40
30 30
20 20
10 10
0 0
31.5 36.0 40.5 45. 0 49.5 54. 0 58.5 63.0 31.5 36.0 40.5 45.0 49.5 54.0
Data Data
Worksheet : Worksheet 3 Worksheet : Worksheet 3
50
15
40
Frequency
Frequency
30
10
20
5
10
0 0
0.00 0.75 1.50 2.25 3.00 3.75 4. 50 5.25 200 240 280 320 360 400 440 480
Data Data
Worksheet : Worksheet 3 Worksheet : Worksheet 3
58
บทที 4 ฮีสโตแกรม
59
บทที 4 ฮีสโตแกรม
ผลกราฟ
Histogram of Pressure
3
Frequency
0
190 195 200 205 210 215 220 225
Pressure
การแปลผล
จากผลกราฟทีอาจจะยังไม่เห็นรูปแบบการกระจายชัดเจน เนืองจากจํานวนข้ อมูลทีเหมาะสม
สําหรับการสร้ างฮีสโตแกรมจะอยู่ทีประมาณ 50-200 ข้ อมูล การนําข้ อมูลมามากเกินไปเช่น 20,000-
100,000 ข้ อมูลก็ไม่สง่ ผลดีเพราะมีเรืองของเวลาเข้ ามามีผลอาจจะเกิดเหตุการณ์ small shift ทําให้ ฮีสโต
แกรมทีได้ ไม่เป็ นรูประฆังควํา
60
บทที 4 ฮีสโตแกรม
ผลกราฟ
Symmetry Plot for Pressure 4
25 2
0
5
0
5
0
5
0
5
19
19
20
20
22
22
21
21
20
Lower Distance to Median
15
10
0 5 10 15 20 25
Upper Distance to Median
การแปลผล
จากผลกราฟให้ ดจู ดุ ทีพล็อตบนกราฟว่าอยู่ห่างจากเส้ นตรงสีแดงอย่างเห็นได้ ชัดหรือไม่ ถ้ าข้ อมูลมี
ลักษณะสมมาตรจุดทีพล็อตควรจะเรียงตัวบนเส้ นตรงสีแดงหรือห่างออกไปไม่มากนัก สําหรับกรณีนีข้ อมูล
15 ข้ อมูลอาจจะน้ อยเกินไปทําให้ ยงั ไม่สามารถสรุปได้ อย่างชัดเจนอาจจะต้ องใช้ การทดสอบการแจกแจง
แบบปกติ (Normality Test) ช่วยในการตัดสินใจ
61
บทที 4 ฮีสโตแกรม
3. คลิก OK
62
บทที 4 ฮีสโตแกรม
ผลกราฟ
Histogram of TimeToRepair
18
16
14
12
Frequency
10
0
0 24 48 72 96
TimeToRepair
การแปลผล
จากผลกราฟจะเห็นได้ ว่าปลายหางจะยาวไปทางข้ อมูลทีมีค่ามาก แสดงให้ เห็นว่าข้ อมูลชุดนีน่าจะมี
ลักษณะเบ้ (Skewed)
63
บทที 4 ฮีสโตแกรม
ผลกราฟ
100
8
0
80 0 24 48 72 96
Lower Distance to Median
60
40
20
0 20 40 60 80 100
Upper Distance to Median
การแปลผล
จากผลกราฟให้ ดจู ดุ ทีพล็อตบนกราฟว่าอยู่ห่างจากเส้ นตรงสีแดงอย่างเห็นได้ ชัดแสดงว่าลักษณะ
ข้ อมูลไม่สมมาตร และเบ้ ไปทางค่ามาก
64
บทที 4 ฮีสโตแกรม
Percent
60 60
50 50
40 40
30 30
20 20
10 10
5 5
1 1
0.1 0.1
-3 -2 -1 0 1 2 3 4 -2 -1 0 1 2 3 4 5 6 7
Data Data
65
บทที 4 ฮีสโตแกรม
การทดสอบ Anderson-Darling
เป็ นการทดสอบเพือเปรียบเทียบฟั งก์ชนการแจกแจงสะสมของข้
ั อมูลสิงตัวอย่างกับการแจกแจง
แบบปกติตามทีคาดการณ์ไว้ ถ้ ามีความแตกต่าง(ค่า AD) เกิดขึนมากพอ การทดสอบจะให้ ผลการปฏิเสธ
สมมติฐานหลักทีว่าประชากรมีการแจกแจงแบบปกติ โดยถ้ าค่า P-Value ของการทดสอบทีน้ อยกว่าระดับ
นัยสําคัญ (α) จะทําการปฏิเสธสมมติฐานหลักและสรุปว่าประชากรมีการแจกแจงทีไม่ใช่การแจกแจงปกติ
การทดสอบความเป็ นปกติแบบ Ryan-Joiner
เป็ นการทดสอบการแจกแจงแบบปกติด้วยการคํานวณค่าสหสัมพันธ์ ระหว่างข้ อมูลและคะแนน
ความเป็ นปกติของข้ อมูล ถ้ าค่าสัมประสิทธิ สหสัมพันธ์ มีค่าเข้ าใกล้ 1 ประชากรมีการแจกแจงเข้ าใกล้ การ
แจกแจงแบบปกติ ตัวสถิติ RJ (Ryan-Joiner) เป็ นการประเมินนําหนักค่าสหสัมพันธ์ ถ้ าค่า Ryan-Joiner
น้ อยกว่าค่าวิกฤต จะทําการปฏิเสธสมมติฐานหลักว่าประชากรมีการแจกแจงแบบปกติ การทดสอบนีมี
ลักษณะคล้ ายกับการทดสอบความเป็ นปกติแบบ Shapiro-Wilk โดยถ้ าค่า P-Value ของการทดสอบทีน้ อย
กว่าระดับนัยสําคัญ (α) จะทําการปฏิเสธสมมติฐานหลักและสรุปว่าประชากรมีการแจกแจงทีไม่ใช่การแจก
แจงปกติ
การทดสอบความเป็ นปกติ แบบ Kolmogorov-Smirnov
เป็ นการทดสอบเพือเปรียบเทียบฟั งก์ชนการแจกแจงสะสมของข้
ั อมูลสิงตัวอย่างกับการแจกแจง
แบบปกติตามทีคาดการณ์ไว้ ถ้ ามีความแตกต่าง (ค่า KS) เกิดขึนมากพอ การทดสอบจะให้ ผลการปฏิเสธ
สมมติฐานหลักว่าประชากรมีการแจกแจงแบบปกติ โดยถ้ าค่า P-Value ของการทดสอบทีน้ อยกว่าระดับ
นัยสําคัญ (α) จะทําการปฏิเสธสมมติฐานหลักและสรุปว่าประชากรมีการแจกแจงทีไม่ใช่การแจกแจงปกติ
66
บทที 4 ฮีสโตแกรม
3. คลิก OK
ผลกราฟ
Probability Plot of Pressure
Normal
99
Mean 205.0
StDev 11.21
95 N 15
AD 0.476
90
P-Value 0.203
80
70
Percent
60
50
40
30
20
10
1
180 190 200 210 220 230
Pressure
67
บทที 4 ฮีสโตแกรม
การแปลผล
การทดสอบ Anderson-Darling ค่า P-Value 0.203 ซึงมีค่ามากกว่าระดับนัยสําคัญ (α=0.05) จึง
ไม่มีหลักฐานเพียงพอทีจะสรุปได้ ว่าข้ อมูลไม่เป็ นไปตามการแจกแจงแบบปกติ แสดงว่าข้ อมูลมีการแจงแจง
แบบปกติ
68
บทที 5 แผนภาพความสัมพันธ์
425
400
Y
375
350
แสดงลักษณะความสัมพันธ์ แบบไม่มีรูปแบบ
Scatterplot of X,Y
3000
2500
2000
Y
1500
1000
500
120
110
100
Y
90
80
70
70 80 90 100 110 120 130
Y
Worksheet: scatter
69
บทที 5 แผนภาพความสัมพันธ์
70
บทที 5 แผนภาพความสัมพันธ์
3. คลิก OK
ผลกราฟ
Scatterplot of Repair Cost vs Repair Time
3000
2500
Repair Cost
2000
1500
1000
500
การแปลผล
จากกราฟยังไม่เห็นความสัมพันธ์ ชดั เจน หน่วยซ่อมบํารุงแบ่งทีมทํางานออกเป็ น 3 ทีม
ประกอบด้ วย A, B และ C คุณต้ องการตรวจสอบความสัมพันธ์ ด้วยว่าแต่ละทีมให้ ผลสอดคล้ องกันหรือไม่
71
บทที 5 แผนภาพความสัมพันธ์
6. คลิก OK
72
บทที 5 แผนภาพความสัมพันธ์
ผลกราฟ
2500
Repair Cost
2000
1500
1000
500
การแปลผล
จากกราฟทีได้ แสดงว่าแต่ละทีมไม่ได้ แสดงความแตกต่างของแต่ละทีมอย่างเห็นได้ ชดั แต่ก็ยังไม่
เห็นความสัมพันธ์ ระหว่างเวลาในการซ่อมกับต้ นทุนในการซ่อมอย่างชัดเจน
73
บทที 5 แผนภาพความสัมพันธ์
3. คลิก OK
ผลกราฟ
Scatterplot of Viscosity vs Temperature
210
200
190
Viscosity
180
170
160
150
50 60 70 80 90
Temperature
Worksheet: Worksheet 1
74
บทที 5 แผนภาพความสัมพันธ์
การแปลผล
กราฟแผนภาพการกระจายแสดงความสัมพันธ์ เชิงลบ เมืออุณหภูมิสงู ขึนค่าความหนืดมีแนวโน้ ม
ลดลง แต่ในช่วงปลายๆจะมีการกระจายมาก
75
บทที 5 แผนภาพความสัมพันธ์
3. คลิก OK
ผลกราฟ
Time Series Plot of Unit Sales
70
60
50
Unit Sales
40
30
20
2 4 6 8 10 12 14 16 18 20
Index
การแปลผล
จากผลกราฟทีได้ ไม่แสดงแนวโน้ มยอดขายขึนแต่มีลกั ษณะแกว่งขึนลงค่อนข้ างมากในแต่ละวันโดย
สูงสุดและตําสุดแตกต่างกันสูงถึง 40 จํานวนขาย อาจจะทําการศึกษาเพิมเติมด้ วย Boxplot เพือแยกดูใน
แต่ละวันจันทร์ -ศุกร์ ก็เป็ นได้
76
บทที 5 แผนภาพความสัมพันธ์
77
บทที 5 แผนภาพความสัมพันธ์
78
บทที 5 แผนภาพความสัมพันธ์
3. คลิก OK
79
บทที 5 แผนภาพความสัมพันธ์
ผลกราฟ
6
Data
2
2 4 6 8 10 12 14 16 18 20 22 24 26 28
Sample
Number of runs about median: 8 Number of runs up or down: 15
Expected number of runs: 14.9 Expected number of runs: 18.3
Longest run about median: 6 Longest run up or down: 4
Approx P-Value for Clustering: 0.004 Approx P-Value for Trends: 0.061
Approx P-Value for Mixtures: 0.996 Approx P-Value for Oscillation: 0.939
การแปลผล
จากรันชาร์ ตทีได้ พิจารณาจากค่า P-value for Clustering=0.004 แสดงว่าข้ อมูลมีลกั ษณะเป็ นกลุม่
และเมือพิจารณาจากค่า P-value for Trends=0.061 แสดงว่ามีลกั ษณะแนวโน้ มอาจจะขึนหรือลงก็ได้ แต่
ไม่มีลกั ษณะวัฏจักร
80
บทที 6 แผนภาพสาเหตุและผล
81
บทที 6 แผนภาพสาเหตุและผล
3. คลิก OK
82
บทที 6 แผนภาพสาเหตุและผล
ผลกราฟ
Cause-and-Effect Diagram
Measurem Material Personnel
ents
Shifts
Co
Ac
Alloys
nd
cu
i
r
tio
ac
n
Supervisors
y
Micrometers
Lubricants
Te
en
st
to
in
rs
g
Microscopes
Training
Suppliers
Inspectors Operators
Surface
Flaws
To
o
Er
slo
Brake
ra
ti c
w
Condensation Speed
Engager
Lathes
Moisture%
Bits
Angle
Sockets
การแปลผล
จากแผนภาพสาเหตุและผลแสดงถึงสาเหตุหลัก 6 สาเหตุทีทําให้ เกิดตําหนิบนผิวชินงานรวมถึง
สาเหตุย่อยของสาเหตุหลัก
หมายเหตุ : การใช้ Minitab ในการสร้างแผนภาพดังกล่าวจะเน้นไปทีความสะดวกในการสร้างแผนภาพระหว่าง
ระดมสมอง โดยทํากการเปิ ดเวิร์คชี ทและทําการพิมพ์ข้อความลงบนคอลัมน์ได้ทนั ที
83
บทที 6 แผนภาพสาเหตุและผล
84
บทที 6 แผนภาพสาเหตุและผล
3. คลิก OK
ผลกราฟ
23.5
23.0
Thickness
22.5
22.0
21.5
21.0
1500 1750
Pressure
85
บทที 6 แผนภาพสาเหตุและผล
การแปลผล
86
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
87
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
88
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
89
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
90
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
1. ไปยังเมนู Stat > Quality Tools > Capability Sixpack > Normal
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
3. คลิก OK
91
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
Process Capability Sixpack Report for Data
Xbar Chart Capability Histogram
1
LSL USL
UCL=6.441
Overall
6
Sample Mean
Within
__ Specifications
5 X=5.052 LSL 4
USL 6
4
LCL=3.664
1 4 7 10 13 16 19 22 25 28 3 4 5 6 7 8
_
R=2.407
2
0 LCL=0
1 4 7 10 13 16 19 22 25 28 2 4 6 8
Specs
5 10 15 20 25
Sample
การแปลผล
จากฮีสโตแกรมจะเห็นได้ ว่า ข้ อมูลมีการแจกแจงแบบปกติ และค่า P-value = 0.763 (ดูรายละเอียด
การทดสอบสมมติฐานความเป็ นปกติได้ ในบทที 4) ซึงทําให้ ตรงกับสมมติฐานของการวิเคราะห์ในคําสังนี
ทีว่าข้ อมูลต้ องมีการแจกแจงแบบปกติจงึ จะสามารถวิเคราะห์ ผลได้
4. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
6. คลิก OK
92
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
Process Capability Report for Data
3 4 5 6 7 8
Performance
Observed Expected Overall Expected Within
PPM < LSL 164285.71 170269.38 158729.48
PPM > USL 192857.14 195271.70 183898.85
PPM Total 357142.86 365541.08 342628.33
การแปลผล
ค่า Ppk เป็ นการบ่งบอกว่ากระบวนการนันสามารถทํางานได้ ภายใต้ ค่าเผือทีกําหนดไว้ หรือไม่ ซึง
จากชุดข้ อมูลนีได้ ค่า Ppk = 0.29 ซึงหมายความว่าผู้ผลิตควรมีการปรับปรุงกระบวนการด้ วยการลดค่า
ความผันแปรของกระบวนการ จากกราฟจะเห็นได้ ว่ามีค่าความผันแปรของกระบวนการมีค่ามาก
ค่า PPM Total (Exp Overall Performance) จากตาราง คือค่าจํานวนหนึงในล้ านส่วน (parts per
million) มีค่าเท่ากับ 342628.33 ซึงเป็ นค่าออกนอกข้ อกําหนดเฉพาะ ซึงมีความหมายว่า จากชินส่วน 1 ล่น
ชิน จะมี 342,628 ชินทีไม่ได้ ตามข้ อกําหนดเฉพาะ
สรุปรวมแล้ วว่า ผู้ผลิตไม่สามารถทําได้ ตามความต้ องการของลูกค้ า และควรปรับปรุงกระบวนการ
ด้ วยการลดความผันแปรในกระบวนการ
93
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
2. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
3. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
4. คลิก OK
94
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
Process Capability Report for Supplier
Performance
Observed Expected Overall Expected Within
PPM < LSL 0.00 141.06 76.07
PPM > USL 0.00 4.57 1.85
PPM Total 0.00 145.63 77.92
การแปลผล
ค่า Ppk เป็ นการบ่งบอกว่ากระบวนการนันสามารถทํางานได้ ภายใต้ ค่าเผือทีกําหนดไว้ หรือไม่ ซึง
จากชุดข้ อมูลนีได้ ค่า Ppk = 1.21 ซึงหมายความว่ากระบวนการนีมีความสามารถดีกว่ากระบวนการก่อน
หน้ าแต่ถ้าก็ยงั ไม่ผ่านเกณฑ์ทีกําหนด Ppk > 1.33 แต่ถ้าพิจารณาค่า Pp = 1.34 แสดงว่ากระบวนการนีถ้ า
ทําให้ ค่าเฉลียกระบวนตรงกับค่าเป้าหมายกระบวนการจะมีความสามารถเป็ นทียอมรับ แต่ผ้ ผู ลิตควรมีการ
ปรับปรุงกระบวนการด้ วยการลดค่าความผันแปรของกระบวนการก็จะทําให้ กระบวนการมีความสามารถ
มากยิงขึน
ค่า PPM Total (Exp Overall Performance) จากตาราง คือค่าจํานวนหนึงในล้ านส่วน (parts per
million) มีค่าเท่ากับ 77.92 ซึงเป็ นค่าออกนอกข้ อกําหนดเฉพาะ ซึงมีความหมายว่า จากชินส่วน 1 ล่นชิน
จะมี 77-78 ชินทีไม่ได้ ตามข้ อกําหนดเฉพาะ ซึงถ้ าเปรียบเทียบเป็ นจํานวนชินงานเสียแล้ วจะเห็นได้ ว่าลดลง
ไปเยอะมาก
95
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
1. ไปยังเมนู Stat > Quality Tools > Capability Sixpack > Normal
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
3. คลิก OK
96
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
Process Capability Sixpack Report for Answer Time
I Chart Capability Histogram
USL
UCL=32.22
30 Overall
Individual Value
Within
_ Specifications
X=17.45 USL 25
15
LCL=2.68
0
1 51 101 151 201 251 301 351 401 451 8 12 16 20 24 28 32
UCL=18.14
10
__
MR=5.55
0 LCL=0
1 51 101 151 201 251 301 351 401 451 0 10 20 30
Specs
8
480 485 490 495 500
Observation
4. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
97
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
USL
Process Data Overall
LSL * Within
Target *
USL 25 Overall Capability
Sample Mean 17.45 Pp *
Sample N 500 PPL *
StDev(Overall) 5.19745 PPU 0.48
StDev(Within) 4.92297 Ppk 0.48
Cpm *
Potential (Within) Capability
Cp *
CPL *
CPU 0.51
Cpk 0.51
CCpk 0.51
8 12 16 20 24 28 32
Performance
Observed Expected Overall Expected Within
% < LSL * * *
% > USL 7.20 7.32 6.26
% Total 7.20 7.32 6.26
การแปลผล
ค่า Ppk เป็ นการบ่งบอกว่ากระบวนการนันสามารถทํางานได้ ภายใต้ ค่าเผือทีกําหนดไว้ หรือไม่ ซึง
จากชุดข้ อมูลนีได้ ค่า Ppk = 0.48 ซึงหมายความว่าศูนย์บริการนียังไม่สามารถทํางานได้ ตามข้ อกําหนด แต่
เนืองจากเป็ นข้ อกําหนดด้ านเดียว USL=25 นาที แสดงว่าศูนย์บริ การนีต้ องลดเวลาเฉลียในการให้ บริการ
ลง เมือพิจารณาค่า %Exp Overall Performance มีค่าเท่ากับ 7.32 ซึงเป็ นค่าออกนอกข้ อกําหนดเฉพาะ
ซึงมีความหมายว่าจากสายโทรศัพท์ทีขอรับบริการ 100 สาย จะมี 7-8 สายทีอาจจะต้ องใช้ เวลาในการตอบ
คําถามนานเกิน 25 นาที
จากฮีสโตแกรมจะเห็นได้ ว่าดูเหมือนข้ อมูลจะมีลกั ษณะเบ้ ขวา และค่า P-value < 0.05 (ดู
รายละเอียดการทดสอบสมมติฐานความเป็ นปกติได้ ในบทที 4) แสดงว่าข้ อมูลเวลาในการรับสายโทรศัพท์
ไม่เป็ นรูปแบบปกติ อาจจะเกิดจากปั ญหาของบางสายใช้ เวลานานกว่าปกติ
98
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
4. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
5. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
6. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี
99
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)
ผลกราฟ
USL*
Process Data transformed data Overall
LSL * Within
Target *
USL 25 Overall Capability
Sample Mean 17.45 Pp *
Sample N 500 PPL *
StDev(Overall) 5.19745 PPU 0.46
StDev(Within) 4.92297 Ppk 0.46
Cpm *
After Transformation
Potential (Within) Capability
LSL* *
Target* * Cp *
USL* 5 CPL *
Sample Mean* 4.12863 CPU 0.48
StDev(Overall)* 0.636568 Cpk 0.48
StDev(Within)* 0.60355 CCpk 0.48
Performance
Observed Expected Overall* Expected Within*
% < LSL * * *
% > USL 7.20 8.55 7.44
% Total 7.20 8.55 7.44
การแปลผล
ค่า Ppk เป็ นการบ่งบอกว่ากระบวนการนันสามารถทํางานได้ ภายใต้ ค่าเผือทีกําหนดไว้ หรือไม่ ซึงจาก
ชุดข้ อมูลนีได้ ค่า Ppk = 0.46 เมือพิจารณาค่า %Exp Overall Performance มีค่าเท่ากับ 8.55 ซึงเป็ นค่า
ออกนอกข้ อกําหนดเฉพาะ ซึงมีความหมายว่าจากสายโทรศัพท์ทีขอรับบริการ 100 สาย จะมี 8-9 สายที
อาจจะต้ องใช้ เวลาในการตอบคําถามนานเกิน 25 นาที จะเห็นได้ ว่าเมือเราทําการแปลงข้ อมูลให้ สะท้ อน
ความเป็ นจริงมากขึนจํานวนสายทีคาดการณ์ ว่าจะรอนานเกิน 25 นาทีจะมากกว่าเดิมประมาณ 1-2 สาย
ซึงอาจจะดูไม่มาก
100
แหล่งข้ อมูลและหนังสือแนะนํา
1. Minitab Help
2. Minitab Getting Started
3. Probability and Statistics in Engineering and Management Science, WILLIAM W.HINES
and DOUGLAS C.MONTGOMERY
4. Managerial Statistics, GERALD KELLER
5. Introduction to Statistical Quality Control, DOUGLAS C.MONTGOMERY
6. Quality Planning and Analysis, J.M.Juran Frank M.Gryna
7. Modern Methods for Quality Control and Improvement, Harrison M.Wadsworth and
Kenneth S.Stephens and A.Blanton Godfrey
8. Lean Six Sigma for Hospitals, Jay Arthur
9. Juran’s Quality Handbook, Joseph M.Juran and A.Blanton Godfrey
แนะนําแหล่งความรู้ เพิมเติมสนับสนุนการใช้ งาน Minitab
http://www.solutioncenterminitab.com/blog
ติดตามเราได้ ที