การใช้ งาน Minitab 17 : เครืองมือวิเคราะห์ ปัญหาคุณภาพ

(QC Tools)

Run Chart of Strength

25.0
25 0

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

โดย ชลทิชา จํารัสพร

บริษัท โซลูชนั เซ็นเตอร์ จํากัด
 การใช้ งาน Minitab 17
เครืองมือวิเคราะห์ ปัญหาคุณภาพ (QC Tools)

Run Chart of Strength

25.0

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

เนือหาในเล่ม Process Capability Sixpack Report for Data

Xbar Chart
1
Capability Histogram
LS L U SL

แนะนําเบืองต้ นการใช้ งาน Minitab 17

UCL= 6.441
Ov erall
6 W ith in
__ Spe cificatio ns
5 X=5.052 LSL 4.5

ภาพรวมคุณภาพ
USL 5.5

4
LCL=3.664
1 4 7 10 13 16 19 22 25 28 3 4 5 6 7 8

แผนภาพพาเรโต (Pareto) R Chart

UCL= 5.090
Normal Prob Plot
AD: 0.243, P: 0.763

แผนภูมิควบคุม (Control Chart)

4

_
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

แผนภาพสาเหตุและผล (Cause and Effect)

6 Cpk 0.14 P pk 0.14
CCp k 0.16 W ithin C pm *
PPM 635148.92 P PM 650960.36
4

Spe cs

ความสามารถกระบวนการ (Capability Analysis)

5 10 15 20 25
Sample

โดย ชลทิชา จํารัสพร

บริษัท โซลูชนั เซ็นเตอร์ จํากัด
 คํานํา

หนังสือเล่มนีจัดทําขึนด้ วยความตังใจทีจะให้ ผ้ ใู ช้ งานสามารถเรี ยนรู้การวิเคราะห์สถิติด้วย

โปรแกรม Minitab เพือให้ เป็ นคู่มือสําหรับผู้สนใจศึกษาการใช้ งานทัวไป โดยไม่ได้ เน้ นวิชาการมากนักแต่จะ
อธิบายผ่านตัวอย่างเพือเน้ นไปทีการประยุกต์ใช้ กบั สถานการณ์การวิเคราะห์ข้อมูลทีคิดว่าน่าจะใกล้ เคียง
กับสถานการณ์จริง

จากประสบการณ์การทํางานและการใช้ งาน Minitab มากว่า 15 ปี ผู้เขียนเชือว่าสถิติไม่ได้ ยาก

หากเราเข้ าใจและเห็นการประยุกต์ ใช้ มากๆ และยิงในปั จจุบนั เราไม่ต้องสูญเสียเวลากับการคํานวณด้ วยมือ
เพราะการใช้ โปรแกรมสําเร็จรูปอย่าง Minitab ก็สามารถช่วยในการทํางานด้ านการวิเคราะห์ข้อมูลสะดวก
และรวดเร็วขึนมากอยู่แล้ ว ผู้เขียนหวังเป็ นอย่างยิงว่าหนังสือเล่มนีจะเป็ นประโยชน์ไม่มากก็น้อย นอกจาก
หนังสือแล้ วผู้เขียนยังได้ สร้ างช่องทางการแนะนําการใช้ งานโปรแกรม Minitab ผ่านหน้ าบล็อกของบริษัทฯ
โดยภายในประกอบด้ วยบทความทีแปลจาก Minitab Blog, กรณีศกึ ษา และวีดีโอแนะนําการใช้ งาน ซึง
ผู้อ่านสามารถเข้ าไปศึกษาเพิมเติมได้ อีกช่องทางหนึง

หนังสือเล่มนีจะเกิดขึนไม่ได้ ถ้าไม่ได้ รับการสนับสนุนแหล่งความรู้ จาก Minitab Inc. และบริษัท

โซลูชนั เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย รวมถึงประสบการณ์ทีได้ จากการตอบคําถาม
ลูกค้ าและผู้ใช้ งาน Minitab ในประเทศไทยตลอดการทํางานในตําแหน่ง Technical Support และการ
บรรยายในหลายๆบริษัท

ชลทิชา จํารัสพร

A
คํานํา

B
 สารบัญ

หน้ า

บทนํา - แนะนําเบืองต้ นการใช้ งาน Minitab 1

บทที 1 - ภาพรวมคุณภาพ (Quality) 15

บทที 2 - แผนภูมิพาเรโต (Pareto Chart) 19

บทที 3 - แผนภูมิควบคุม (Control Chart) 31

บทที 4 - ฮีสโตแกรม (Histogram) 57

บทที 5 - แผนภาพกระจาย (Scatter Plot) 69

บทที 6 - แผนภาพสาเหตุและผล (Cause and Effect Diagram/Fishbone Diagram) 81

บทที 7 - วิเคราะห์ ความสามารถกระบวนการ (Process Capability Analysis) 87

C
สารบัญ

D
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

แนะนําเบืองต้ นการใช้ งาน Minitab

เกียวกับ Minitab
Minitab Inc. บริษัทชันนําผู้ผลิตซอฟต์แวร์ ทางด้ านสถิติและบริการทางด้ านการปรับปรุงคุณภาพ,
ด้ านการเรียนการสอนและงานวิจยั โดยสร้ างเครืองมือวิเคราะห์ทางด้ านสถิติทีมีความถูกต้ อง น่าเชือถือ
และใช้ งานง่าย ปั จจุบนั Minitab มีสาํ นักงานใหญ่อยู่ทีสเตทคอลเลท รัฐเพนซิลวาเนีย ประเทศสหรัฐ
อเมริกา มีสาํ นักงานอยู่ในประเทศอังกฤษ ฝรังเศสและออสเตรเลีย รวมถึงมีตวั แทนมากกว่า 40 ประเทศ
ทัวโลกรวมถึงประเทศไทย (บริษัท โซลูชนั เซ็นเตอร์ จํากัด)
ทีมา : เว็บไซต์ www.Minitab.com/en-us/company/
ประวัติ
ได้ เริมพัฒนาในปี ค.ศ. 1972 ทีมหาวิทยาลัยเพนซิลวาเนีย สเตท (Pennsylvania State) เพือใช้ ช่วย
ในการสอนสถิติด้วยคอมพิวเตอร์ เพือให้ นกั เรี ยน นักศึกษา มุ่งไปทีการเรี ยนเนือหาวิชาทางสถิติมากกว่าการ
คํานวณด้ วยมือ ปั จจุบนั Minitab มีมากกว่า 4,000 มหาวิทยาลัยทัวโลกใช้ ในการเรียนการสอน มากกว่า
90% ของบริษัททีถูกจัดอันดับใน 100 อันดับแรกของนิตยสารฟอร์ จนู (Fortune 100) เลือกใช้ Minitab และ
บริษัทเอกชนหลายแห่งทีสนใจเรืองของการปรับปรุ งคุณภาพก็เลือกใช้ ซอฟต์แวร์ Minitab
ทีมา : เว็บไซต์ www.Minitab.com/en-us/company/
เริ มต้ นใช้ งาน Minitab
ปั จจุบนั (ปี ค.ศ.2015) Minitab เวอร์ ชนล่
ั าสุดคือ Minitab 17 ซึงจะใช้ ในหนังสือเล่มนีทังหมด โดย
สามารถดาวน์โหลดซอฟต์แวร์ ทดลองใช้ 30 วันหลังติดตังได้ จากเว็บไซต์ www.Minitab.com หลังติดตัง
ซอฟต์แวร์ แล้ วเมือเปิ ดโปรแกรม Minitab จะมีลกั ษณะหน้ าตาดังภาพ

1
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

Minitab จะเปิ ดโปรเจกต์ขนมาโดยจะแสดงสองหน้

ึ าต่างสําคัญคือ หน้ าต่าง Session กับหน้ าต่าง
เวิร์คชีท โดยจะเป็ นหน้ าต่างว่างทังคู่ แต่โปรเจกต์ ยงั มีสว่ นต่างๆทีสําคัญซึงจะอธิบายผ่านตัวอย่างต่อไป
รู้ จกั ส่ วนต่ างๆของ Minitab
ตัวอย่างบทนํา : อายุการใช้ งานหลอดไฟฟ้า (LIGHTBULB.mpj) โดยไฟล์ตวั อย่างสามารถเข้ าไปดาวน์
โหลดได้ ที http://www.solutioncenterminitab.com/datasets/R17/book2.zip
ไฟล์ตวั อย่างนีประกอบด้ วยเวิร์คชีททังหมด 2 เวิร์คชีท ทีเก็บข้ อมูลอายุการใช้ งานหลอดไฟในหน่วย
ชัวโมงการใช้ งาน แต่ละเวิร์คชีทจะมีลกั ษณะการเก็บข้ อมูลทีแตกต่างกัน นอกจากนีโปรเจกต์นีจัดเก็บกราฟ
ทีได้ ทําการวิเคราะห์ไว้ ทังหมด 4 กราฟ
1. ไปยังเมนู File>Open Project สําหรับ Minitab 17.2 หรือ File > Open สําหรับ 17.3

Minitab 17.2 Minitab 17.3

2
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

2. เลือกไฟล์ LIGHTBULB.mpj (ไดเรกทอรีทีเก็บไฟล์ตวั อย่าง)

3. คลิก Open

หมายเหตุ : เมื อเราเปิ ดโปรเจกต์ ใดๆทีมี การจัดเก็บ (Save) มาก่อนหน้า Minitab จะแสดงลักษณะการจัดวาง
หน้าต่างเหมื อนกับทีจัดเก็ บไว้ก่อนจัดเก็บ (Save)

ส่ วนประกอบสําคัญของโปรเจกต์ (Project Windows)

Project Manager เป็ นส่วนทีใช้ สาํ หรับการจัดการโปรเจกต์ ในการจัดการเวิร์คชีท, ผลลัพธ์ , กราฟ
และไฟล์หรือลิงก์ต่างๆทีเกียวข้ อง
Session เป็ นหน้ าต่างทีไว้ สําหรับการเรียกดูผลลัพธ์ ทางสถิติ และใช้ สาํ หรับป้อนคําสังกรณีต้องการ
ใช้ งานมาโคร
Worksheet เป็ นส่วนเก็บข้ อมูลและจัดการข้ อมูล โดยลักษณะของข้ อมูลทีเก็บในเวิร์คชีทจะถูก
จัดเก็บในตัวแปรคอลัมน์ (Column) โดยสามารถนําข้ อมูล (Import) จากเอ็กเซล (Excel) และจัดเก็บเป็ น
ไฟล์เฉพาะข้ อมูลได้ (.mtw)
Graph จะแสดงเมือมีการประมวลผลทีต้ องการให้ ผลลัพธ์ ออกมาในรูปแบบของกราฟ โดยหนึง
รูปกราฟจะถูกวางบนหนึงหน้ าต่าง

3
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

Project Manager Toolbar

ทูลบาร์ สาํ คัญเพือทําการชีไปยังส่วนต่างๆของโปรเจกต์ จะขอแนะนําปุ่ มสําคัญ 3 ปุ่ มบนทูลบาร์ ดงั
ภาพข้ างใต้

เมือคลิกไปยัง Show Session Folder

4
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

เมือคลิกไปยัง Show Worksheet Folder

เมือคลิกไปยัง Show Graph Folder

นอกจากนีในโปรเจกต์ยงั มีส่วนประกอบต่างๆอีกหลายส่วนสามารถศึกษาเพิมเติมได้ ที
Minitab>Help

5
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

การเปิ ดไฟล์ ข้อมูลจากไฟล์ เอ็กเซล (Excel)

หลายครังทีผู้ใช้ งานได้ จดั เก็บข้ อมูลไว้ ในไฟล์เอ็กเซลแต่ต้องการนําข้ อมูลทีได้ เหล่านันมาทําการ
ประมวลผลด้ วยโปรแกรม Minitab ดังนันขอแนะนําวิธีการนําข้ อมูลเข้ าจากเอ็กเซล
ลักษณะการรับข้ อมูลทีจัดเก็บระหว่างเอ็กเซลกับ Minitab จะเป็ นช่องต่อช่อง (Cell) ดังนี

กรณีทีช่องใดๆในเอ็กเซลเก็บเป็ นสูตรการคํานวณ Minitab จะรับข้ อมูลมาเฉพาะค่าผลลัพธ์ (Value)

หากข้ อมูลทีรับมาไม่ถูกรูปแบบของการคํานวณใน Minitab ทีมีลกั ษณะเป็ นคอลัมน์ ต้ องทําการ
จัดการข้ อมูล (Manipulate) ก่อน

6
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

การนําข้ อมูลเข้ าจากเอ็กเซลโดยใช้ Open Worksheet ทําตามขันตอนต่อไปนี

(คุณสามารถเปิ ดโปรเจกต์ ใหม่ขึนมาโดยคลิ ก File>New Project หรื อเริ มโปรแกรม Minitab ใหม่)
1. สําหรับ Minitab 17.2 ไปยังเมนู File>Open Worksheet จากนันเลือก Excel(“*.xls;*xlsx) ตรง
หัวข้ อ Files of type:

2. เลือกไฟล์ LIGHTBULB.xlsx (ไฟล์ตัวอย่าง) จากไดเรกทอรีทีจัดเก็บ

3. คลิกปุ่ ม Preview ตรงบริเวณด้ านล่างของไดอะล็อกบ็อกซ์

Minitab จะเริมต้ นรับข้ อมูลจากแถวแรกมาเก็บไว้ ทีชือคอลัมน์

(หากต้องการเปลี ยนสามารถทําได้โดยไปที Option โดยข้อสังเกตคื อ Variable Names = ชื อคอลัมน์)

7
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

สําหรับ Minitab 17.3 ไปยังเมนู File>Open เลือก Excel Files

คลิก OK

8
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

4. เมือตรวจดูภาพรวมแล้ วถูกต้ องให้ คลิก Open

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)

Minitab 17.2 Minitab 17.3

2. เลือกแท็บชือ Machine Data Source จากนันเลือก Excel Files คลิก OK

10
บทนํา แนะนําเบืองต้ นการใช้ งาน Minitab

3. ไปยังไดเร็กทอรีทีเก็บไปไฟล์ Excel ทีต้ องการเปิ ด

4. เลือก Available tables: และ Available fields:

5. คลิก OK ตรวจดูผลลัพธ์ ทีได้

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

การใช้ งานไดอะล็อกบ็อกซ์ ของคําสังใน Minitab

เมือคุณทราบแล้ ว Minitab มีลกั ษณะโครงสร้ างของข้ อมูลเป็ นคอลัมน์ เวลาทีเราใช้ งานคําสังสถิติใน
Minitab (สมมติเลือกเมนู Stat>Basic Statistics>Display Descriptive Statistics) เมือเราทําการคลิกใน
ช่องทีต้ องการให้ เราป้อนข้ อมูลคอลัมน์ สามารถทําได้ ดังภาพต่อไปนี

จากไฟล์ตวั อย่าง(LIGHTBULB.mpj) หากเราเลือกเวิร์คชีทชือ “stackdata” สามารถทําการ

วิเคราะห์ข้อมูลคอลัมน์ Life และทําการแยกด้ วยคอลัมน์ Manufacturer สามารถทําการป้อนคอลัมน์ ดงั
ภาพข้ างใต้ จากนันคลิก OK เพือทําชุดคําสัง

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

ชือเสียงขององค์กรและผลิตภัณฑ์ (Perceived Quality) ลูกค้ าจํานวนมากทีเลือกสินค้ าจากชือเสียง

ของบริษัทผู้ผลิต หรือ ตัวสินค้ าเอง ซึงชือเสียงเหล่านีเป็ นผลโดยตรงมาจากความสําเร็จหรือความล้ มเหลว
ของผลิตภัณฑ์นนั ๆ ในการใช้ งาน
การเป็ นไปตามข้ อกําหนดตามมาตรฐาน (Conformance to Standards) เป็ นการประเมินคุณภาพ
โดยการเปรี ยบเทียบกับมาตรฐานในแต่ละข้ อกําหนดของผลิตภัณฑ์
**ทีมาจากหน้า 2-3 หนังสือ “Introduction to Statistical Quality Control” 4th edition, DOUGLASS C. MONTOMERY
กุญแจสําคัญเป้าหมายคุณภาพ
การผลิตสินค้ าหรือการให้ บริ การเพือให้ ได้ เป้าหมายคุณภาพ จะเริ มจากกระบวนการจะต้ องมี
เสถียรภาพ และทําให้ ได้ ตามข้ อกําหนด จากนันทําการเปลียนกระบวนการให้ ดีขนึ

ในกระบวนการเพือให้ ได้ เป้าหมายคุณภาพนัน โดยมากเราจะคุ้นเคยกับการดําเนินกิจกรรมตาม

เทคนิคในการปรับปรุงคุณภาพทีองค์ กรกําหนดขึนเป็ นนโยบาย ซึงเทคนิคในการปรับปรุงคุณภาพก็คือ
หลักการ วิธีการหรือแนวทางเพือให้ กิจกรรมในการปรับคุณภาพของเราประสบความสําเร็ จ เทคนิคทีเป็ นที
นิยมเช่น

16
บทที 1 ภาพรวมคุณภาพ

DIMAC: Six Sigma Deming: PDCA

Quality Circle:

17
บทที 1 ภาพรวมคุณภาพ

การควบคุมคุณภาพด้ วยหลักการทางสถิติ(Statistical Quality Control)

เป็ นการประยุกต์ ใช้ เครืองมือทางสถิติเพือเก็บข้ อมูล/ตรวจวัด/ประเมินผล/ควบคุม กระบวนการ
อย่างต่อเนือง

เครืองมือวิเคราะห์ปัญหาคุณภาพ (Quality Tools) คือ เครืองมือหรือวิธีการทางสถิติทีเข้ ามาช่วยเรา

ในการวิเคราะห์ปัญหาหรือใช้ ในการควบคุมกระบวนการ ซึงจะขึนอยู่กบั สถานการณ์ทีว่าเครืองมือใดจะ
เหมาะสม สําหรับเนือหาในหนังสือเล่มนีแนะนําถึงการใช้ งาน แผนภาพพาเรโต แผนภูมิควบคุม ฮีสโตแกรม
แผนภาพกระจาย แผนภาพสาเหตุและผล และการประเมินความสามารถกระบวนการ

18
บทที 2 แผนภูมิพาเรโต

แผนภูมิพาเรโต (Pareto Chart)

แผนภูมพิ าเรโต เป็ นแผนภูมแิ ท่งทีมีแกนนอนระบุประเภทสิงทีสนใจ ซึงมักจะเป็ นค่าแบบไม่ต่อเนือง
ประเภทสิงทีสนใจมักหมายถึง ชนิดของข้ อบกพร่อง (Defects) และเรียงลําดับแท่งความถี (Frequency)
ข้ อมูลจากมากไปหาน้ อย

เป็ นเครืองมือทางสถิติอีกตัวหนึงทีมีการประยุกต์ใช้ งานกันมาก โดยอาศัยหลักการพาเรโตทีระบุไว้

ถึง “สิงทีมีความสําคัญมากจํานวนเล็กน้ อย (The Vital Few) และสิงทีมีความสําคัญเพียงเล็กน้ อยจํานวน
มากมาย (The Trivial Many)”

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

แผนภูมพิ าเรโต สามารถช่วยระบุได้ ว่าข้ อบกพร่องชนิดใดเป็ น Vital-Few และชนิดใดเป็ น Trivial-

Many เส้ นแสดงค่าเปอร์ เซนต์ สะสมจะช่วยแบ่งพืนทีของชนิดข้ อมูลทีตกอยู่ในเขต Vital few หรือ Trivial
Many ได้ ชดั เจนขึน

19
บทที 2 แผนภูมิพาเรโต

ตัวอย่ าง 2-1: ประเภทสัญญาณ (ALARMTYPE.mpj)

แผนกซ่อมบํารุ งต้ องการศึกษาความถีของประเภทสัญญาณแจ้ งให้ สง่ พนักงานแผนกซ่อมบํารุงลง
ไปทําการแก้ ไข ทางแผนกนําข้ อมูลตลอดหนึงปี ทีผ่านมาต้ องการสร้ างแผนภูมิพาเรโตเพือศึกษาว่า
สัญญาณแจ้ งประเภทใดมีความถีมากสุด
ในการสร้ างแผนภูมิพาเรโตใน Minitab สามารถเตรี ยมข้ อมูลได้ สองลักษณะดังนี
การใช้ ข้อมูลดิบและข้ อมูลความถี (Raw and frequency data) ใน Minitab
ข้ อมูลความถี (Frequency data): เป็ นค่าข้ อมูลจากสิงตัวอย่างทีมีค่าเฉพาะบอกถึงเหตุการณ์ใน
คอลัมน์หนึงและความถีในการเกิดเหตุการณ์นนอี ั กคอลัมน์หนึง
ข้ อมูลดิบ (Raw data): เป็ นค่าข้ อมูลจากสิงตัวอย่างและอยู่ในคอลัมน์เดียวกัน

20
บทที 2 แผนภูมิพาเรโต

สําหรับกรณีเป็ นแบบข้ อมูลดิบ(Raw Data) สามารถทําการแยกข้ อมูลตามเงือนไขการวิเคราะห์ได้

ยกตัวอย่างเช่น ต้ องการวิเคราะห์ประเภทสัญญาณแจ้ งในแต่ละกะ (Shift) ของการทํางาน เป็ นต้ น

21
บทที 2 แผนภูมิพาเรโต

การสร้ างแผนภูมิพาเรโต
1. ไปยังเมนู Stat > Quality Tools > Parato Chart
2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี (กรณีไม่ใช้ ข้อมูลดิบ)

หรือป้อนคอลัมน์และข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี (กรณีใช้ ข้อมูลดิบ)

3. คลิก OK

22
บทที 2 แผนภูมิพาเรโต

ผลกราฟ

Pareto Chart of Type

120 100

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

4. ไปยังเมนู Stat > Quality Tools > Parato Chart

5. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี (ต้ องใช้ ข้อมูลดิบ)

23
บทที 2 แผนภูมิพาเรโต

6. คลิก OK
ผลกราฟ

Pareto Chart of Type by Period

Pa pum pl e nce n
c. re n ti o
Re ent i nte r i a

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

Period = Day Period = Evening Type

30
Concentration variation
Tubing maintenance
20 Reagent replenish
Rec. pump failure
10 Par. pump failure
Count

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

สําหรับกรณีเลือกคอลัมน์ By Variable ด้ วย สามารถเลือกแสดงผลกราฟนอกจาก Default แล้ วยังมี

อีกสองโดยผลทีได้ จะเป็ นกราฟแยกตามจํานวนเงือนไขแตกต่างกันทีลําดับความถี

Minitab จัดให้ ประเภททีมีความถีสะสมมากกว่า 95% อยู่ในกลุม่ อืนๆ (Others) คุณสามารถ

เปลียนตัวเลขตรงนีได้ หรือถ้ าหากต้ องการให้ แสดงประเภทข้ อมูลทังหมดให้ คลิก Do not combine

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

ตัวอย่ าง 2-2: สาเหตุคําสังซือถูกยกเลิก (CANCLEORDER.mpj)

ส่วนงานจัดส่งสินค้ าหลังได้ รับคําสังซือจากลูกค้ า พบว่ามีคําสังบางส่วนถูกยกเลิก ทางบริษัท
ต้ องการวิเคราะห์ผลกระทบโดยให้ นําหนักของผลกระทบ(สเกล 1-5) ของแต่ละสาเหตุด้วย โดยระดับ 5 คือ
ส่งผลกระทบมากสุด

1. ไปยังเมนู Stat > Quality Tools > Parato Chart

2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี

26
บทที 2 แผนภูมิพาเรโต

ผลกราฟ

Pareto Chart of Root Cause

500

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

ตัวอย่ าง 2-3: จํานวนการติดเชือหลังผ่ าตัด (SURGICALSITEINFECTION.mpj)

ห้ องผ่าตัดโรงพยาบาลแห่งหนึงต้ องการศึกษาความถีการติดเชือหลังผ่าตัดแต่ละประเภท(ไม่ได้
พิจารณาความรุนแรงของการติดเชือซึงอาจจะไม่สง่ ผลกระทบร้ ายแรงต่อผู้ป่วยก็ได้ ) โดยนําข้ อมูลจํานวนที
ติดเชือหลังการผ่าตัดในแต่ละประเภทการผ่าตัดในแต่ละเดือน ทางหน่วยงานต้ องการศึกษาตลอดทังปี

1. ไปยังเมนู Stat > Quality Tools > Parato Chart

2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี

28
บทที 2 แผนภูมิพาเรโต

ผลกราฟ

Pareto Chart of Infection

400 100

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

ตัวอย่ าง 2-4: ประเภทรอยเชือมไม่ สมบูรณ์ (WELDDEFECT.mpj)

วิศวกรต้ องการพัฒนาปรับปรุงกระบวนการเชือม โดยต้ องการศึกษาจํานวนรอยเชือมทีไม่สมบูรณ์
ประเภทต่างๆทีเกิดจากระบวนการ โดยมีข้อมูลดังนี

29
บทที 2 แผนภูมิพาเรโต

1. ไปยังเมนู Stat > Quality Tools > Parato Chart

2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี

ผลกราฟ

Pareto Chart of Defect

90 100
80

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)

แผนภูมิควบคุม (Control Chart)

แผนภูมิควบคุมเป็ นเครืองมือทางสถิติทีใช้ ในการตรวจติดตามกระบวนการ (Monitor) และตรวจจับ
ความผันแปรจากสาเหตุผิดธรรมชาติ (Special Causes) จากความผันแปรจากสาเหตุธรรมชาติ (Common
Cause) แผนภูมิจะประกอบไปด้ วย
 เส้ นกลาง (Center line) จะแสดงค่าเฉลียของตัวสถิติทีศึกษา ตัวสถิติของกระบวนการ เช่น
ค่าเฉลียของกลุม่ (Xbar) ,ค่าพิสยั (R), ค่าข้ อมูลเดียว (I or X), จํานวนข้ อบกพร่อง (NP) ทีแปร
ตามเวลาหรือลําดับในการเกิดข้ อมูล ในกราฟ
 เส้ นควบคุมด้ านบน (Upper control limit) จะแสดงค่าทีระยะห่าง 3 เหนือจากเส้ นกลาง
 เส้ นควบคุมด้ านล่าง (Lower control limit) จะแสดงค่าทีระยะห่าง 3 ใต้ จากเส้ นกลาง

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)

แผนภูมิควบคุมทีนิยมใช้ สาํ หรับหมวดนีคือ Xbar Chart เป็ นแผนภูมิสาํ หรับตรวจติดตามค่าเฉลีย

ของกระบวนการโดยส่วนใหญ่จะใช้ ร่วมกับ R Chart กรณีกลุม่ ย่อยน้ อยกว่า 9 หรือใช้ ร่วมกับ S Chart กรณี
กลุม่ ย่อยมากกว่าหรือเท่ากับ 9 โดย R Chart และ S Chart เป็ นแผนภูมิสาํ หรับตรวจติดตามความผันแปร
ภายในกลุ่มย่อย โดยตัวสถิติสาํ หรับ R Chart คือค่าพิสยั (Range) และ S Chart คือค่าความเบียงเบน
มาตรฐาน (Standard deviation)
โดยปกติก่อนการตรวจติดตามค่าเฉลีย (Xbar Chart) เราต้ องตรวจติดตามความผันแปรภายในกลุ่ม
ย่อยก่อนซึงจะเลือกใช้ R Chart หรือ S Chart จะแปรผันตามจํานวนกลุ่มย่อย (Subgroup Size) ทีเราทํา
การเก็บข้ อมูลส่วนใหญ่เราจะพบว่าใช้ R Chart เพราะใช้ จํานวนกลุม่ ย่อยน้ อยกว่าประมาณ 3-5 บ่อยครังที
เราอาจจะคุ้นเคยกับ Xbar-R Chart ซึงจะประกอบด้ วย Xbar Chart และ R Chart นันเอง

32
บทที 3 แผนภูมิควบคุม (Control Chart)

แผนภูมิควบคุมสําหรั บข้ อมูลวัดเก็บเป็ นค่ าเดียว (Variables Charts for Individuals)

แผนภูมิควบคุมทีนิยมใช้ สาํ หรับหมวดนีคือ I Chart เป็ นแผนภูมิสาํ หรับตรวจติดตามค่าวัดเดียวๆ

หรือบางครังเรียกว่า X Chart ของกระบวนการโดยส่วนใหญ่จะใช้ ร่วมกับ MR Chart การทีจะเลือกใช้
แผนภูมิในกลุม่ นีเนืองจากขณะเวลาเดียวกันไม่สามารถเก็บข้ อมูลได้ มากกว่าหนึงตัว อาจมีสาเหตุจาก
เงือนไขกระบวนการหรือต้ นทุน

33
บทที 3 แผนภูมิควบคุม (Control Chart)

แผนภูมิควบคุมสําหรั บข้ อมูลคุณลักษณะหรื อข้ อมูลนั บ (Attributes Charts)

แผนภูมิควบคุมทีนิยมใช้ สาํ หรับหมวดนีคือ P, NP, C และ U Chart เป็ นแผนภูมิสาํ หรับตรวจ

ติดตามโดย P และ NP สําหรับจํานวนผลิตภัณฑ์บกพร่อง (Defective) และ C และ U สําหรับจํานวนตําหนิ
(Defect)

34
บทที 3 แผนภูมิควบคุม (Control Chart)

ตัวอย่ างที 3-1: ความยาวชินงาน (PARTLENGTH.mpj)

คุณต้ องการสร้ างแผนภูมิควบคุม Xbar-R เพือตรวจติดตามค่าเฉลียของความยาวชินงานทีผ่าน

กระบวนการในหน่วยเซ็นติเมตร โดยทําการเก็บตัวอย่างวันละ 5 ชินงานทําการวัดและบันทึกข้ อมูลความ
ยาวเป็ นเวลา 28 วัน รวมมีข้อมูลทังหมด 140 ข้ อมูล

การเตรียมข้ อมูลใน Minitab สามารถเลือกเตรียมข้ อมูลได้ สองแบบคือดังภาพ

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

กรณีเตรียมข้ อมูลแบบแถวในคอลัมน์ (worksheet “RowofColumn”)

ขนาดกลุม่ ย่อยจะเท่ากับจํ านวน

คอลัมน์ทีเลือก

3. คลิก OK

36
บทที 3 แผนภูมิควบคุม (Control Chart)

ผลกราฟ

Xbar-R Chart of Data

1
UCL=6.441

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

จากผลกราฟทีได้ เมือพิจารณา R Chart จะเห็นว่าค่าพิสยั แต่ละกลุ่มย่อยของกระบวนการอยู่ใน

เส้ นควบคุมหมายความว่าไม่มีความผิดปกติหรือความผันแปรผิดธรรมชาติของค่าพิสยั ของแต่ละกลุม่ ย่อย
เมือพิจารณา X Chart พบว่ามีจดุ ทีอยู่นอกเส้ นควบคุมด้ านบน (UCL) เมือเลือนเคอร์ เซอร์ ของเม้ าส์ไปใกล้
จุดสีแดงบนกราฟจะแสดงจุดดังกล่าวเป็ นกลุม่ ย่อยที 20 โดยค่าเฉลียมีค่าสูงผิดปกติ

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

Xbar-R Chart of Data

1

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

Subgroups omitted from the calculations: 20

การแปลผล

กราฟทีได้ จะเห็นได้ ว่าค่าระหว่าง UCL และ LCL จะลดลงสะท้ อนความผันแปรกระบวนการมาก

ขึนโดยจุดกลุ่มย่อยที 20 ยังคงแสดงบนกราฟ เพียงแต่ตดั ออกจากการคํานวนเท่านัน

38
บทที 3 แผนภูมิควบคุม (Control Chart)

ตัวอย่ างที 3-2: นําหนักบรรจุยา (DRUGWEIGHT.mpj)

โรงงานบรรจุยานําใส่ขวดคุณต้ องการสร้ าง Xbar-R Chart เพือตรวจติดตามค่าเฉลียของนําหนัก

บรรจุยา โดยทําการสุ่มขวดยาทีผ่านกระบวนการบรรจุมาจํานวน 4 ขวดในตอนเช้ า (9:00) และตอนบ่าย
(14:00) โดยทําการเก็บข้ อมูลมาเป็ นเวลา 12 วันมีข้อมูลจํานวน 24 กลุม่ และข้ อมูลทังหมดมีจํานวน 96
ข้ อมูล

1. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

3. คลิก OK

39
บทที 3 แผนภูมิควบคุม (Control Chart)

ผลกราฟ

Xbar-R Chart of Weight

1
1.04 1
UCL=1.03554
1.03 __
Sample Mean

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

จากแผนภูมิควบคุมทีได้ จะเห็นได้ ว่ามีจดุ ผิดปกติทงค่

ั าพิสยั (R Chart) และค่าเฉลีย (Xbar) แสดง
ให้ เห็นว่ากระบวนการบรรจุยายังไม่มีความเสถียร

ทดสอบความผันแปรผิดธรรมชาติ 8 แบบ (Eight Tests for Special Causes)

โดยปกติ(Default) Minitab จะทําการทดสอบความผันแปรผิดธรรมชาติแค่วิธีเดียวคือ จุดทีมีค่า

มากกว่า UCL หรือ LCL แต่หากคุณต้ องการตรวจจับความผันแปรผิดธรรมชาติทีมีทงหมด
ั 8 วิธีดงั ต่อไปนีก็
สามารถทําได้ โดยให้ Minitab แสดงเมือ

40
บทที 3 แผนภูมิควบคุม (Control Chart)

1. พบจุดทีมีค่ามากกว่า 3 จากเส้ นกลาง

2. พบว่ามี 9 จุดติดต่อกันทีอยู่ด้านเดียวกัน(จากภาพ 9 จุดอยู่ด้านล่าง) จากเส้ นกลาง

3. พบว่ามี 6 จุดติดต่อกันทีมีแนวโน้ มขึนหรือลง(จากภาพมีแนวโน้ มขึน)ตลอด

4. พบว่ามี 14 จุดติดต่อกันทีมีลกั ษณะขึน-ลง

41
บทที 3 แผนภูมิควบคุม (Control Chart)

5. พบว่ามี 2 จาก 3 จุดติดกันทีมีค่ามากกว่า 2 (ด้ านเดียวกัน)

6. พบว่ามี 4 จาก 5 จุดติดกันทีมีค่ามากกว่า 1 (ด้ านเดียวกัน)

7. พบว่ามี 15 จุดติดกันทีมีค่าอยู่ในช่วง 1 (พิจารณาทังสองด้ าน)

8. พบว่ามี 8 จุดติดกันทีมีค่าอยู่นอกช่วง 1 (พิจารณาทังสองด้ าน)

42
บทที 3 แผนภูมิควบคุม (Control Chart)

การทดสอบจุดทีมีความผันแปรผิดธรรมชาติด้วย Minitab จะอยู่ใน Option ของทุกคําสังการสร้ าง

แผนภูมิควบคุมโดยจํานวนการทดสอบขึนอยู่กบั แผนภูมิทีสร้ าง Minitab อนุญาตให้ คุณเปลียนเงือนไขการ
ทดสอบของค่า K ในข้ อความการทดสอบนันๆ

ต่อเนืองจากตัวอย่าง 3-2 คุณต้ องการทดสอบจุดทีมีความผันแปรผิดธรรมชาติทงหมด

ั

4. ไปยังเมนู Stat > Control Charts > Variables Charts for Subgroups>Xbar-R Chart
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

43
บทที 3 แผนภูมิควบคุม (Control Chart)

ผลกราฟ

Xbar-R Chart of Weight

1
1.04 1
UCL=1.03554
6 6
1.03 __
Sample Mean

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

จะเห็นได้ ว่าแผนภูมิไม่ได้ มีเพียงผลการทดสอบแบบที 1 ไม่ผ่านอย่างเดียวแต่จะมีการทดสอบ

แบบที 5, 6 และ 8

44
บทที 3 แผนภูมิควบคุม (Control Chart)

ตัวอย่ าง 3-3: เวลาในการทํางานเสร็ จ (COMPLETEJOBTIME.mpj)

หลังจากฝ่ ายบุคคลได้ ทําคู่มือขันตอนการทํางานเพือใช้ สาํ หรับพนักงานบรรจุเข้ าใหม่ 5 คน ทาง

ฝ่ ายต้ องการตรวจติดตามเวลาทีใช้ ในการทํางาน โดยทําการจับเวลาทีใช้ ในการทํางานประเภทเดียวกัน
เสร็จในหน่วยนาที ทางฝ่ ายเลือกใช้ I-MR Chart เพือตรวจติดตามเวลาดังกล่าวโดยทําการสุม่ จับเวลา
พนักงานตังแต่เริมทํางานจนทํางานชินนันเสร็ จ โดยทําการสุม่ จับเวลาโดยไม่ให้ พนักงานรู้ทกุ ๆชัวโมง วันละ
6 ข้ อมูล เป็ นเวลา 6 วัน

1. ไปยังเมนู Stat > Control Charts > Variables Charts for Individual>I-MR Chart
2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

3. คลิก OK

45
บทที 3 แผนภูมิควบคุม (Control Chart)

ผลกราฟ

I-MR Chart of Time

1
16

Individual Value 12 UCL=12.19

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

จากแผนภูมิควบคุมจะเห็นว่ากระบวนการมีจดุ ผิดปกติโดยใช้ เวลาในการทํางานมากผิดธรรมชาติ

คุณต้ องการศึกษากระบวนการในหลายๆมุมมองโดยเลือกใช้ เมนู Assistant >Control Chart

46
บทที 3 แผนภูมิควบคุม (Control Chart)

เลือกคอลัมน์ทีต้ องการสร้ างแผนภูมิ

เมือเลือกให้ คํานวณด้ วย Minitab จะแสดงถึงจุดผิดปกติจากธรรมชาติทนั ที ซึงคุณสามารถทีจะ

เลือกตัดออกจากการคํานวณได้ เลย

ประสิทธิภาพของการใช้ คําสังสร้ างแผนภูมิด้วยเมนู Assistant โดยจะแสดงผลกราฟให้ อัตโนมัติ

ทังหมด 3 กราฟดังนี

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.

ตรวจสอบความเสถียรโดยจะมีรูปกราฟเปรียบเทียบ ถ้ าหากลักษณะข้ อมูลตรงหรือคล้ ายกับ

รูปแบบใดแสดงว่าเวลาน่าจะมีผลต่อข้ อมูลทีนํามาสร้ างแผนภูมิควบคุมของคุณ

I-MR Chart of Time

Stability Report
Look for these patterns:

Global Trend Cyclical

Individual Value

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

Chart Test Out-of-Control Points

I Test 1: Outside control limits 32
Test 2: Shift in mean 23
MR Test 1: Outside control limits 33

48
บทที 3 แผนภูมิควบคุม (Control Chart)

กราฟและรายงานสรุป

I-MR Chart of Time

Is the process mean stable?
Evaluate the % of out-of-control points.
0%
Summary Report
Comments
The process mean may not be stable. 2 (5.6%) data points are out of
> 5% control on the I chart. Keep in mind that you may see 0.7%
out-of-control points by chance, even when the process is stable.

Yes No
5.6%

Individual and Moving Range Charts

Investigate any out-of-control points.
16
Individual Value

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

N: 36 Mean: 5.9236 StDev(within): 2.0897 StDev(overall): 2.7044

Control limits are estimated using the StDev(within).

ตัวอย่ าง 3-4: กระบวนการปิ ดฝากกระป๋อง (SEALLEAK.mpj)

ในกระบวนการบรรจุสบั ปะรดกระป๋ องขันตอนสุดท้ ายคือการปิ ดฝากระป๋ องอลูมิเนียม กระป๋ องที

ปิ ดผนึกสมบูรณ์แล้ วจะนําไปติดฉลากต่อไป คุณต้ องการสร้ าง NP-Chart ตรวจติดตามจํานวนกระป๋ องทีมี
รอยรัวจากกระบวนการปิ ดฝากระป๋ อง โดยทําการสุ่ม 50 กระป๋ องในทุกๆวันเป็ นเวลา 30 บันทึกจํานวน
กระป๋ องทีมีรอยรัว

49
บทที 3 แผนภูมิควบคุม (Control Chart)

1. ไปยังเมนู Stat > Control Charts > Attribute Chart>NP Chart

2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

3. คลิก OK

ผลกราฟ

NP Chart of Number Nonconforming

25 1

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

พบมีจดุ ผิดปกติจากความผันแปรแบบธรรมชาติอยู่ 2 จุด โดยเฉลียแล้ วกระป๋ องบรรจุ 50 จะมี

กระป๋ องทีมีรอยรัวอยู่ประมาณ 11-12 กระป๋ อง คุณสามารถใข้ แผนภูมิ P Chart ได้ เช่นกันจะแตกต่างกันที
การตีความหมายดังนี กระป๋ องบรรจุ 100 กระป๋ องจะเจอ 23-24 กระป๋ องทีมีรอยรัว หรือ 10 กระป๋ องจะมี
2-3 กระป๋ องทีรัว จะเห็นได้ ว่า P Chart จะพิจารณาเป็ นค่าสัดส่วนดังนันจึงใช้ ได้ กบั กรณีที Sample Size
หรือจํานวนสุม่ ไม่คงที

P Chart of Number Nonconforming

0.5 1

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

ต่อเนืองจากโจทย์ ฝ่ายผลิตทําการปรับปรุ งวิธีการใหม่ทําให้ จํานวนกระป๋ องทีมีรอยรัวลดลง จึงทํา

การตรวจติดตามต่อเนืองจากกระบวนการเดิมอีก 30 วัน

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)

P Chart of Number Nonconforming by Status

Current Adjust
0.5 1

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

ตัวอย่ าง 3-5: จํานวนอุบัติเหตุฉุกเฉินต่ อเดือน (INCIDENTS.mpj)

แผนกฉุกเฉินโรงพยาบาลแหล่งหนึงต้ องการเฝ้าติดตามจํานวนอุบัติเหตุฉกุ เฉินต่อเดือน คุณ
ต้ องการสร้ าง C Chart โดยมีข้อมูลย้ อนหลังเป็ นเวลา 4 ปี

53
บทที 3 แผนภูมิควบคุม (Control Chart)

1. ไปยังเมนู Stat > Control Charts > Attribute Chart>U Chart

2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

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

1. ไปยังเมนู Stat > Control Charts > Attribute Chart>U Chart

2. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

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)

สังเกตได้ ว่าการใช้ C หรือ U Chart จะได้ ผลเหมือนกันเพียงแต่ต่างกันทีเวลาอธิบาย สําหรับ C

Chart จะเป็ นจํานวนอุบตั ิเหตุต่อเดือนโดยไม่สนใจว่าแต่ละเดือนมีกีวัน ในขณะที U Chart เป็ นจํานวน
อุบตั ิเหตุต่อวัน ดังนันการพิจารณาเลือกใช้ ให้ เลือกจากความสะดวกในการอธิบาย

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)

ในการสร้ างฮีสโตแกรม Minitab จะทําการแบ่งข้ อมูลออกเป็ นช่วงเรียก bin ซึงโดยปกติแล้ ว

โปรแกรมจะแสดงข้ อมูลตามจํานวนเป็ นแท่งในแต่ละ bin (ค่าความถีในการเกิดข้ อมูล)
ตัวอย่างต่อไปนีเป็ นกรณีทีสามารถใช้ ฮีสโตแกรมในการช่วยวิเคราะห์ได้
รูปแบบการแจกแจงเป็ นไปแบบปกติหรือไม่
รูปแบบการแจกแจงเป็ นแบบเบ้ ซ้ายหรือขวา หรือไม่
ข้ อมูลมีการเกิดอยู่ในค่ากลุม่ ใดกลุม่ หนึงหรือไม่
ข้ อมูลเกิดกระจายอยู่ในขอบเขตค่าจํากัดเฉพาะหรือไม่

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

Histogram of Data Histogram of Data

60
20

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

ตัวอย่ าง 4-1: ความดันบรรจุนําอัดลม (DRINKBOTTLE.mpj)

ในกระบวนการบรรจุนําอัดลมมีการสุ่มวัดความดันภายในขวด พนักงานได้ ทําการวัดความดัน
ภายในขวดจํานวน 15 ขวด คุณต้ องการตรวจดูว่าข้ อมูลมีการแจกแจงแบบปกติหรือไม่ จึงนําข้ อมูลดังกล่าว
มาสร้ างฮีสโตแกรม

58
บทที 4 ฮีสโตแกรม

1. ไปยังเมนู Stat > Graph > Histogram

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

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

แผนภาพสมมาตร(Symmetry Plot): ใช้ ในกรณีทีต้ องการดูว่าข้ อมูลมีการกระจายตัวแบบสมมาตรหรือไม่

1. ไปยังเมนู Stat > Quality Tools > Symmetry Plots จากนันป้อนคอลัมน์ตามไดอะล็อกบ็อกซ์
ต่อไปนี และคลิก OK

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

ตัวอย่ าง 4-2: เวลาในการซ่ อมแซมเครื องจักร (TIMETOREPAIR.mpj)

ฝ่ ายซ่อมบํารุงได้ ทําการเก็บข้ อมูลเวลาทีใช้ ในการซ่อมแซมเครืองจักรทีใช้ ในการผลิตหลังจากได้ รับ
แจ้ งซ่อมในหน่วยชัวโมง ทางฝ่ ายต้ องการนําข้ อมูลทีมีการจัดเก็บในอดีตจํานวน 50 ข้ อมูลมาประเมินดูว่า
เวลาทีใช้ มีการแจกแจงแบบปกติหรือไม่ โดยทําการสร้ างฮีสโตแกรม

61
บทที 4 ฮีสโตแกรม

1. ไปยังเมนู Stat > Graph > Histogram

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

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)

แผนภาพสมมาตร(Symmetry Plot): ใช้ ในกรณีทีต้ องการดูว่าข้ อมูลมีการกระจายตัวแบบสมมาตรหรือไม่

1. ไปยังเมนู Stat > Quality Tools > Symmetry Plots จากนันป้อนคอลัมน์ตาม
ไดอะล็อกบ็อกซ์ต่อไปนี และคลิก OK

63
บทที 4 ฮีสโตแกรม

ผลกราฟ

Symmetry Plot for TimeToRepair

16

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

การทดสอบความเป็ นปกติ (Normality test)

การทดสอบสมมติฐานเพือดูว่าประชากรทีคุณทําการสุ่มตัวอย่างมานันมีการแจกแจงแบบปกติ
หรือไม่ กระบวนวิธีทางสถิติโดยส่วนใหญ่มีข้อสมมติฐานว่าประชากรจะต้ องเป็ นการแจกแจงแบบปกติ
ดังนันจะต้ องมีการทดสอบความเป็ นปกติเพือดูว่าข้ อสมมติฐานนีผ่านหรือไม่เพือจะได้ ทําการวิเคราะห์ขนั
ต่อไปได้ สมมติฐานหลักของการทดสมมติฐานคือ ประชากรมีการแจกแจงแบบปกติ สมมติฐานทางเลือก
คือประชากรมีการแจกแจงไม่เป็ นแบบปกติ
H0: ประชากรมีการแจกแจงแบบปกติ
H1: ประชากรมีการแจกแจงไม่เป็ นแบบปกติ
โดยทําการทดสอบได้ จาก 4 วิธีการนี
เทคนิคกราฟ (Graphical technique)
คุณสามารถประเมินว่าประชากรมีการแจกแจงแบบปกติหรือไม่โดยใช้ Normal Probability Plot
กราฟนีจะพล็อตค่าข้ อมูลเรียงตามลําดับ โดยเทียบเคียงกับค่าทีคาดว่าจะเป็ นการแจกแจงแบบปกติ ถ้ า
ประชากรมาจากการแจกแจงปกติ กราฟทีได้ จะเห็นว่าจุดข้ อมูลจะเป็ นเส้ นตรง
Probability Plot of Normal Data Probability Plot of Nonnormal Data
Probability Plot of Data Probability Plot of Data
Normal Normal
99 .9 99 .9
Mean 0.049 50 Mean 0.9 277
StDev 1.0 08 StDev 1.007
99 N 3 00 99 N 3 00
AD 0.3 68 AD 17.0 43
95 P-Value 0.428 95 P-Value <0.0 05
90 90
80 80
70 70
Percent

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

จากตัวอย่าง 4-1 คุณต้ องการตรวจดูว่าข้ อมูลมีการแจกแจงแบบปกติหรือไม่ จึงทําการทดสอบ

ความเป็ นปกติ
1. ไปยังเมนู Stat > Basic Statistics > Normality Test
2. ป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ต่อไปนี

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

แผนภาพกระจาย (Scatter Plot)

เราจะใช้ แผนภาพกระจายในกาศึกษาความสัมพันธ์ ระหว่างข้ อมูลสองชุด โดยวัตถุประสงค์เพือ
ศึกษาว่าข้ อมูลชุดหนึงมีผลหรือมีสมั พันธ์ กบั ข้ อมูลอีกชุดหรือไม่อย่างไร
แสดงลักษณะความสัมพันธ์ ว่าเมือตัวแปรหนึงเพิมขึน อีกตัวแปรหนึงจะมีค่าลดลง
Scatterplot of Y vs X
450

425

400
Y

375

350

2000 2500 3000 3500 4000

X
Worksheet: Scatter

แสดงลักษณะความสัมพันธ์ แบบไม่มีรูปแบบ
Scatterplot of X,Y
3000

2500

2000
Y

1500

1000

500

400 500 600 700 800

X
Worksheet: Correlation-RepairTime

แสดงลักษณะความสัมพันธ์ ทีเมือตัวแปรหนึงเพิมขึนอีกตัวแปรหนึงก็เพิมด้ วยเช่นกัน

Scatterplot of X,Y
130

120

110

100
Y

90

80

70
70 80 90 100 110 120 130
Y
Worksheet: scatter

69
บทที 5 แผนภาพความสัมพันธ์

ตัวอย่ าง 5-1: เวลาในการซ่ อมเครื องจักร (REPAIRTIME.mpj)

ทําการศึกษาความสัมพันธ์ ระหว่างเวลาในการซ่อมกับค่าใช้ จ่ายในการซ่อมว่ามีความสัมพันธ์ กนั
หรือไม่โดยนําข้ อมูลทังหมด 220 ข้ อมูลในอดีตมาทําการวิเคราะห์

1. ทําการสร้ างแผนภาพการกระจายโดยไปยังเมนู Graph > Scatter Plot

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

70
บทที 5 แผนภาพความสัมพันธ์

3. คลิก OK

ผลกราฟ
Scatterplot of Repair Cost vs Repair Time
3000

2500
Repair Cost

2000

1500

1000

500

400 500 600 700 800

Repair Time
Worksheet: Worksheet 1

การแปลผล
จากกราฟยังไม่เห็นความสัมพันธ์ ชดั เจน หน่วยซ่อมบํารุงแบ่งทีมทํางานออกเป็ น 3 ทีม
ประกอบด้ วย A, B และ C คุณต้ องการตรวจสอบความสัมพันธ์ ด้วยว่าแต่ละทีมให้ ผลสอดคล้ องกันหรือไม่

71
บทที 5 แผนภาพความสัมพันธ์

4. ทําการสร้ างแผนภาพการกระจายโดยไปยังเมนู Graph > Scatter Plot

5. เลือก With Groups และป้อนคอลัมน์ตามไดอะล็อกบ็อกซ์ต่อไปนี

6. คลิก OK

72
บทที 5 แผนภาพความสัมพันธ์

ผลกราฟ

Scatterplot of Repair Cost vs Repair Time

Team
3000 Team A
Team B
Team C

2500
Repair Cost

2000

1500

1000

500

400 500 600 700 800

Repair Time

การแปลผล
จากกราฟทีได้ แสดงว่าแต่ละทีมไม่ได้ แสดงความแตกต่างของแต่ละทีมอย่างเห็นได้ ชดั แต่ก็ยังไม่
เห็นความสัมพันธ์ ระหว่างเวลาในการซ่อมกับต้ นทุนในการซ่อมอย่างชัดเจน

ตัวอย่ าง 5-2: ค่ าความหนืดของนํามันหล่ อลืน (VISCOSITY.mpj)

ทําการศึกษาความสัมพันธ์ ระหว่างอุณหภูมิกบั ค่าความหนืดของนํามัน โดยทําการบันทึกค่า 33
ข้ อมูลมาเพือทําการศึกษา

73
บทที 5 แผนภาพความสัมพันธ์

1. ทําการสร้ างแผนภาพการกระจายโดยไปยังเมนู Graph > Scatter Plot

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

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

แผนภาพอนุกรมเวลา (Time Series Plot)

เป็ นแผนภาพกระจายแบบหนึงแต่เป็ นการศึกษาความสัมพันธ์ ระหว่างเวลาทีเปลียนกับข้ อมูลหรือ

ผลลัพธ์ ทีเราสนใจ

ตัวอย่ าง 5-3: จํานวนขายได้ ในแต่ ละวันตลอดทังเดือน (DAILYUNITSALES.mpj)

ทําการศึกษาจํานวนยอดขายตลอดทังเดือนว่ามีแนวโน้ มหรือไม่

1. ทําการสร้ างแผนภาพการกระจายโดยไปยังเมนู Graph > Time Series Plots

75
บทที 5 แผนภาพความสัมพันธ์

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

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

แผนภาพรั นชาร์ ต (Run Chart)

จะถูกใช้ เพือการดูลกั ษณะของข้ อมูล และเพือสรุปในการทดสอบเรื องความสุม่ เพือดูเรืองความผัน
แปรทีไม่ได้ มาจากการสุม่ ซึงได้ แก่เรืองแนวโน้ ม (Trend) ความเป็ นวัฏจักร (Oscillation) ความไม่เป็ นหนึง
เดียวของข้ อมูล (Mixtures) และการแยกกลุม่ ของข้ อมูล (Clustering)
ตารางต่อไปนีเป็ นการสรุปผลจากการอ่านแผนภาพรันชาร์ ตในการทดสอบเรืองความสุ่ม
การทดสอบเรืองความสุ่ม เงือนไข ตัวบ่งชี
มีค่ารันมากกว่า เป็ นข้ อมูลทีมาจากสอง
Number of runs about ค่าทีควรจะเป็ น กลุม่ ประชากร Mixture
the median มีค่ารันน้ อยกว่า ข้ อมูลมีการแยกกลุม่
ค่าทีควรจะเป็ น Clustering
มีค่ารันมากกว่า ข้ อมูลเป็ นวัฏจักร (มีคลืน
Number of runs ค่าทีควรจะเป็ น ขึนลงช่วงสัน) Oscillation
up or down มีค่ารันน้ อยกว่า ข้ อมูลมีลกั ษณะเป็ น
ค่าทีควรจะเป็ น แนวโน้ ม Trend

การทดสอบทังสองกรณีเป็ นการใช้ ข้อมูลเดียวแต่ละตัว แต่เมือมีกลุม่ ข้ อมูลมากกว่าหนึง การ

ทดสอบจะใช้ ค่าเฉลียหรือค่ามัธยฐานของกลุม่ ข้ อมูลในการทดสอบ โดยสมมติฐานหลักสําหรับการทดสอบ
ของทังสองกรณีนี คือ ข้ อมูลมีความสุม่ (ลําดับข้ อมูลมีความสุม่ )
แผนภาพรันชาร์ ต (Run chart) จะทําการแปลงค่าข้ อมูลเป็ นตัวสถิติทีประมาณค่าใกล้ เคียงตัวแปร
สุม่ ปกติมาตรฐาน (Standard normal) จากนันจึงใช้ การแจกแจงปกติเปรียบเทียบเพือหาค่า P-Value เมือ
ค่า p-values นันน้ อยกว่าค่าระดับนัยสําคัญ (α=0.05) คือ ปฏิเสธสมมติฐานหรือเท่ากับว่าข้ อมูลนันไม่
เป็ นไปอย่างสุ่ม

77
บทที 5 แผนภาพความสัมพันธ์

การแปลผลการทดสอบจํานวนรั นกับค่ ามัธยฐาน (Number of runs about the median)

กราฟจะลากเส้ นจุดข้ อมูลต่อเนือง ส่วนการรัน จะถูกนับจาก ชุดข้ อมูลทีเรี ยงกันต่อเนืองโดยมีการ
แบ่งส่วนเป็ นสองส่วน คือ อยู่เหนือเส้ นค่ามัธยฐาน และ อยู่ใต้ เส้ นค่ามัธยฐาน ค่ารันหนึงชุดจะสินสุดเมือ
เส้ นเชือมข้ อมูลลากผ่านเส้ นค่ามัธยฐาน และค่ารันใหม่จะเกิดในจุดต่อไป
การทดสอบจํานวนรันกับค่ามัธยฐานจะให้ ผลได้ ดีในกรณีทีพฤติกรรมข้ อมูลไม่ได้ มาจากกลุม่
ประชากรเดียวกัน และ กรณีทีข้ อมูลมีการแยกกลุม่ (Clustering)
 จํานวนการรัน ทีได้ จากข้ อมูล มากกว่า ค่าสถิติ สรุปได้ ว่า ข้ อมูลไม่ได้ มาจากประชากรกลุม่ เดียว
 จํานวนการรันทีได้ จากข้ อมูล น้ อยกว่า ค่าสถิติ สรุปได้ ว่า ข้ อมูลมีการแยกกลุม่ (Clustering)

การแปลผลการทดสอบจํานวนรั นทีขึน-ลง (Number of runs up or down)

การทดสอบนีจะดูจํานวนรันขึน - ลง (ค่าเพิมขีนต่อเนือง และค่าลดลงต่อเนือง) การรัน คือ การดู
ข้ อมูลทีเรี ยงตัวต่อกันในทิศทางเดียวกัน (ขึน หรือ ลง) ค่ารันใหม่ เกิดขึนเมือข้ อมูลเปลียนทิศทาง (เพิมขึน
หรือ ลดลง) เช่น ข้ อมูลทีมีค่าเพิมขึนต่อเนืองจะเกิด การรันขึน run up จนข้ อมูลมีค่าลดลงจึงเกิด การรันลง
run down
การทดสอบจํานวนรันทีขึน ลง จะให้ ผลได้ ดีในกรณีทีพฤติกรรมข้ อมูลมีรูปแบบเป็ นวัฏจักร (เป็ นลูก
คลืนขึนลงช่วงสันๆ) และ กรณีทีข้ อมูลมีรูปแบบเป็ นแนวโน้ ม
 จํานวนการรันทีได้ จากข้ อมูล มากกว่า ค่าสถิติ สรุปได้ ว่า มีรูปแบบเป็ นวัฏจักร (มีคลืนขึนลงช่วง
สัน-Oscillation)
 จํานวนการรันทีได้ จากข้ อมูล น้ อยกว่า ค่าสถิติ สรุปได้ ว่า ข้ อมูลมีรูปแบบเป็ นแนวโน้ ม (trend)

78
บทที 5 แผนภาพความสัมพันธ์

ตัวอย่ างที 5-3: ความยาวชินงาน (PARTLENGTH.mpj)

ต่อเนืองจากบทที 3 ตัวอย่าง 3-1 คุณต้ องการสร้ างแผนภูมิรันชาร์ ตเพือตรวจสอบความลักษณะ
แนวโน้ มของข้ อมูล

1. ทําการสร้ างแผนภาพรันชาร์ ตโดยไปยังเมนู Stat >Quality Tools> Run Charts

2. เลือก Simple และป้อนคอลัมน์ ตามไดอะล็อกบ็อกซ์ ต่อไปนี

3. คลิก OK

79
บทที 5 แผนภาพความสัมพันธ์

ผลกราฟ

Run Chart of Data

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

แผนภาพสาเหตุและผล (Cause and Effect Diagram/Fishbone Diagram)

แผนภาพสาเหตุและผล หรือ แผนภาพก้ างปลา (Fishbone diagram) หรือ แผนภาพอิชิกาว่า
(Ishikawa diagram) จะนํามาใช้ ในการจัดเรี ยงสาระข้ อมูลทีได้ จากการระดมสมองเพือหาสาเหตุของ
ปั ญหา โดยทําการหาความสัมพันธ์ ระหว่างปั ญหาและสาเหตุทีเป็ นไปได้ ด้ วยความทีไม่มีรูปแบบทีแน่น
นอนแผนภาพจึงสามารถสร้ างได้ หลายรูปแบบรวมทังสามารถเพิมจํานวนกิงตามทีต้ องการได้
เป็ นแผนภาพทีแสดงถึงเหตุทีทําให้ เกิดปั ญหา ผลหรือปั ญหาจะแสดงไว้ สว่ นขวามือของแผนภาพ
และ รายการสาเหตุทีเป็ นไปได้ จะแสดงไว้ ทางซ้ ายมือของแผนภาพในลักษณะโครงสร้ างกิงก้ าน โดยแต่ละ
กิงทีแตกออกไปจะเป็ นประเภทของสาเหตุทีเกิดปั ญหา และในแต่ละกิงสามารถแตกกิงย่อยลงไปอีกเพือ
แสดงสาเหตุย่อยทีเกิดขึนรวมไปถึงลักษณะเฉพาะทีเกิดปั ญหานัน
แผนภาพก้ างปลามักถูกใช้ เพือจัดเรียงความสัมพันธ์ ระหว่างสาเหตุทีเป็ นไปได้ ของปั ญหานัน
ถึงแม้ ว่าจะไม่มีรูปแบบทีแน่นอนในการสร้ างแผนภาพก้ างปลา แต่ว่าก็อาจจะมีลกั ษณะเฉพาะที
นําไปใช้ งานได้ เช่น แผนภาพ “5M” ซึงจะมีกิงสาขาอยู่ 5 กิง ทีมีคําเริมต้ นด้ วยตัว M (ซึงได้ แก่ Man,
Machine, Material, Method, and Measurement) และให้ ความหมาย Personnel เท่ากับ Man
Minitab จะใช้ แผนภาพ 5M เป็ นค่าตัวเลือกอัตโนมัติ

ตัวอย่ าง 6-1: สาเหตุหลักทีทําให้ เกิดตําหนิ บนผิวชินงาน (SURFACEFLAWS.mpj)

จากการวิเคราะห์ด้วยแผนภูมิพาเรโต พบว่าสาเหตุหลักทีทําให้ เกิดข้ อบกพร่องของชินงานคือตําหนิ
บนพืนผิว (Surface flaws) หลังจากมีการระดมสมองเพือหาสาเหตุทีเป็ นได้ ในการเกิดตําหนิบนพืนผิวของ
ชินงาน ดังนันจึงมีการนําแผนาพสาเหตุและผลมาใช้ เพือแสดงสาระข้ อมูลทีได้ จากการระดมสมองครังนี
โดยก้ างหลักข้ อมูลจะอยู่ในคอลัมน์ C1-C6 และก้ างย่อยอยู่ในคอลัมน์ C7-C9 ความสัมพันธ์
ระหว่างก้ างหลักและก้ างย่อยแสดงดังภาพ

81
บทที 6 แผนภาพสาเหตุและผล

1. ไปยังเมนู Stat > Quality Tools > Cause-and-Effect

2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี

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

Environment Methods Machines

การแปลผล
จากแผนภาพสาเหตุและผลแสดงถึงสาเหตุหลัก 6 สาเหตุทีทําให้ เกิดตําหนิบนผิวชินงานรวมถึง
สาเหตุย่อยของสาเหตุหลัก
หมายเหตุ : การใช้ Minitab ในการสร้างแผนภาพดังกล่าวจะเน้นไปทีความสะดวกในการสร้างแผนภาพระหว่าง
ระดมสมอง โดยทํากการเปิ ดเวิร์คชี ทและทําการพิมพ์ข้อความลงบนคอลัมน์ได้ทนั ที

83
บทที 6 แผนภาพสาเหตุและผล

แผนภาพ Multi-Vari (Multi-Vari Chart)

แผนภาพ Multi Vari เป็ นแผนภาพทีใช้ ในขันตอนการค้ นหาปั จจัยทีเราสนใจหรือมีอิทธิพลข้ อมูลวัด
ทีเราสนใจ โดยแผนภาพ Multi-Vari ใน Minitab สามารถแสดงได้ สงู สุด 4 ปั จจัย

ตัวอย่ าง 6-2: ความหนาเหล็กผ่ านกระบวนการรี ดร้ อน (ROLLINGPROCESS.mpj)

คุณได้ ทําการเก็บข้ อมูลความหนาในหน่วยมิลลิเมตรทีได้ จากกระบวนการรีดร้ อนเหล็ก โดยสนใจว่า

อุณหภูมิ (Temperature) กับแรงกด (Pressure) มีผลต่อความหนาของเหล็กทีรีดออกมาหรือไม่อย่างไร

1. ไปยังเมนู Stat > Quality Tools > Multi-Vari Chart

2. ป้อนข้ อมูลตามไดอะล็อกบ็อกซ์ต่อไปนี

84
บทที 6 แผนภาพสาเหตุและผล

3. คลิก OK

ผลกราฟ

Multi-Vari Chart for Thickness by Temp - Pressure

Temp
24.0 800
900

23.5

23.0
Thickness

22.5

22.0

21.5

21.0
1500 1750
Pressure

85
บทที 6 แผนภาพสาเหตุและผล

การแปลผล

จากผลกราฟทีได้ จะเห็นได้ ว่าทังอุณหภูมิ(Temperature) และแรงกด (Pressure) มีผลต่อความหนา

โดยวิธีการสังเกตคือกราฟมีความชัน โดยถ้ าเราเปลียนแรงกดจาก 1500 เป็ น 1750 จะมีผลต่อความหนา
โดยความหนาจะลดลงโดยเฉลีย 1.5 มิลลิเมตร และทีแรงกด 1500 ถ้ าเราเพิมอุณหภูมิจาก 800 เป็ น 900
จะมีผลต่อความหนาเช่นกัน นันหมายความว่าถ้ าหากเราต้ องการควบคุมความหนาของเหล็กทีผ่าน
กระบวนการรีดร้ อนเราต้ องควบคุมอุณหภูมิและแรงกดเพราะมีปัจจัยทีมีผลต่อกระบวนการ
สําหรับเรืองการศึกษาปั จจัยส่งผลกระทบต้ องใช้ เครืองมือสถิติวิเคราะห์ เช่น การออกแบบการ
ทดลอง การวิเคราะห์ความแปรปรวน เพือศึกษาในเชิงลึกมากขึน

86
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

ความสามารถกระบวนการ (Process Capability Analysis)

เมือกระบวนการอยู่ภายใต้ การควบคุมในความหมายทางสถิติ คือ กระบวนการนันๆสามารถทํางาน
หรือผลิตได้ อย่างสมําเสมอ ซึงคุณอาจต้ องการทีจะหาว่ากระบวนการนันมีความสามารถหรือไม่ (Capable)
ซึงหมายความว่ากระบวนการนันทํางานได้ ตามข้ อกําหนดเฉพาะ (specifications) คือ ผลิตชินงานทีดี
ออกมา การหาความสามารถของกระบวนการ คือ การเปรียบเทียบขนาดความผันแปรของกระบวนการกับ
ขนาดของขีดจํากัดข้ อกําหนดเฉพาะ (Specification limits) โดยกระบวนการนันจะต้ องเป็ นกระบวนการที
อยู่ภายใต้ การควบคุม (in control) ก่อนทีจะทําการหาความสามารถของกระบวนการ ถ้ ากระบวนการไม่อยู่
ภายใต้ การควบคุม การประมาณค่าความสามารถของกระบวนการอาจไม่ถกู ต้ อง

ซึงรูปกราฟนีจะช่วยทําให้ คุณสามารถบอกได้ ว่ากระบวนการนันอยู่ภายใต้ การควบคุมหรือไม่ โดยดู

จากการแจกแจงของข้ อมูล รวมทังคุณยังสามารถคํานวณค่าดัชนีความสามารถต่าง ๆ (Capability
indices) ได้ ด้วย ซึงได้ แก่ค่าสัดส่วนของค่าเผืออนุโลมตามข้ อกําหนดเฉพาะกับความผันแปรของ
กระบวนการ (Ratio of the specification tolerance to the natural process variation) ดัชนี
ความสามารถ หรือ ตัวสถิติ เป็ นตัวทีจะใช้ เพือทําการประเมินความสามารถของกระบวนการ

87
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

การเลือกการแจกแจงของข้ อมูลให้ ถกู ต้ องเป็ นความจําเป็ นอย่างยิงในการวิเคราะห์ความสามารถ

ของกระบวนการ โดยคุณอาจจะทําการวิเคราะห์การแจกแจงของข้ อมูลก่อนทีจะมีการทําการวิเคราะห์
ความสามารถของกระบวนการ ตัวอย่างเช่น Minitab มีคําสังสําหรับการวิเคราะห์ ความสามารถของ
กระบวนการสําหรับข้ อมูลทีมาจากการแจกแจงแบบปกติ และ การแจกแจงแบบอืนๆ ซึงคําสังนีมีการใช้ ตัว
แบบการแจกแจงแบบปกติเพือทําการหาค่าตัวสถิติต่างๆ แต่ข้อมูลนันๆต้ องมีการแจกแจงแบบปกติหรือ
ใกล้ เคียง และในการวิเคราะห์ ความสามารถของกระบวนการ จะทําการประมาณค่าสัดส่วนของเสีย (ppm)
โดยใช้ ตวั แบบการแจกแจงแบบปกติเป็ นหลัก ซึงข้ อมูลนันๆต้ องมีสมมติฐาน 2 ข้ อ คือ ข้ อมูลมาจาก
กระบวนการทีเสถียร และ มีการแจกแจงแบบปกติหรือใกล้ เคียง หรือ ประมาณเป็ นการแจกแจงเป็ นแบบ
ปกติได้ ในทํานองเดียวกันกับการวิเคราะห์ความสามารถกระบวนการแบบการแจกแจงทีไม่ใช่แบบปกติจะ
ทําการประมาณค่าสัดส่วนของเสีย (ppm) โดยใช้ ตวั แบบการแจกแจงแบบอืนๆ ทีเหมาะกับข้ อมูลนัน ซึงใน
ทัง 2 กรณีความเทียงตรงของผลการวิเคราะห์หรือค่าตัวสถิติทีได้ มา ก็ขนกั
ึ บการกําหนดการแจกแจงของ
ข้ อมูล

ถ้ าข้ อมูลมีการแจกแจงทีแสดงลักษณะการเบ้ (Skew) มากๆ ค่าสัดส่วนของเสียทีได้ มาอาจมีค่าไม่

เทียงตรงนัก ซึงถ้ าเป็ นกรณีนีควรมีการแปลงค่าข้ อมูลเสียก่อนเพือให้ ข้อมูลนันมีรูปแบบการแจกแจงทีเป็ น
การแจกแจงแบบปกติ หรือ เลือกตัวแบบการแจกแจงทีไม่ใช่แบบปกติเพือทําการวิเคราะห์ ใน Minitab
ยังให้ ทางเลือกในการแปลงค่าข้ อมูลโดยสามารถใช้ วิธีการของ Johnson distribution หรือ Box-Cox
transformation หรือ เลือกใช้ ให้ ตวั แบบนันมีการกระจายทีไม่ใช่การกระจายแบบปกติ

88
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

ตัวแบบการแจกแจงแบบปกติ (Normal Distribution)

 Cp และ Cpk ค่า Cp จะไม่คํานึงถึงตําแหน่งของค่าเฉลียกระบวนการ (Process mean) เมือ

เทียบกับค่าข้ อกําหนดเฉพาะ ส่วนค่า Cpk จะเป็ นค่าดัชนีทีทําการวัดว่ากระบวนการนันสามารถทํางานได้
ใกล้ กับทีข้ อกําหนดเฉพาะมีไว้ หรือไม่ ค่า Cpk จะมีค่าสูงต่อเมือกระบวนการนันสามารถทํางานได้ ตาม
เป้าหมาย (target) หรือ ค่าฉลียของกระบวนการ โดยทีมีความผันแปรน้ อย ตัวอย่างเช่น กระบวนการ
สามารถทํางานได้ โดยทีมีค่าความผันแปรเกิดขึนน้ อยแต่มีค่าผลลัพธ์ ห่างจากเป้าหมายหรือค่าเฉลีย
กระบวนการ แต่เข้ าใกล้ ค่าขีดจํากัดของข้ อกําหนดเฉพาะค่าใดค่าหนึง ซึงทําให้ มีค่า Cpk ตํา และค่า Cp
สูง

 Pp และ Ppk ทัง 2 ค่านีมีความหมายในทํานองเดียวกับค่า Cp และ Cpk

 Cpk และ Ppk Minitab จะทําการคํานวณค่า Ppk โดยใช้ ความผันแปรทังหมดมีส่วนในค่าความ

ผันแปรระหว่างกลุ่มย่อยจํานวน n กลุม่ และ ภายในกลุม่ ย่อยเอง ส่วนค่า Cpk จะคํานวณจากความผันแปร
ภายในกลุ่มย่อย ทีมีค่าเปลียนไปตามแต่ละกลุ่มย่อย ค่า Ppk จึงมีความหมายถึงทังหมดของกระบวนการ
ดังนันถ้ าค่า Cpk และ Ppk มีค่าเท่ากัน ค่าความเบียงเบนมาตรฐานของทังกระบวนการ จะมีค่าเท่ากับค่า
เบียงเบนมาตรฐานของภายในกลุม่ ย่อย

89
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

 Cpm Minitab จะทําการคํานวณค่า Cpm เมือมีการกําหนดค่าเป้าหมาย (target) ค่า Cpm จะ

ใช้ เพือทําการประเมินกระบวนการนันมีค่าเท่ากับเป้าหมายหรือไม่ ค่าดัชนี Cpm สูง หมายถึงมีกระบวนการ
ทีดีกว่า ถ้ า Cpm , Ppk และ Pp มีค่าเท่ากัน หมายความว่าค่าเฉลียกระบวนการมีค่าเท่ากับค่าเป้าหมาย

90
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

ตัวอย่ างที 7-1: ความยาวชินงาน (PARTLENGTH.mpj)

ต่อเนืองจากตัวอย่าง 3-1 คุณต้ องการประเมินความสามารถกระบวนการดังกล่าวโดยค่าเป้าหมาย
ของผลิตภัณฑ์เท่ากับ 5 ข้ อกําหนดของผลิตภัณฑ์คือ LSL = 4 และ USL = 6

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 Chart Normal Prob Plot

UCL=5.090 AD: 0.243, P: 0.763
Sample Range

_
R=2.407
2

0 LCL=0
1 4 7 10 13 16 19 22 25 28 2 4 6 8

Last 25 Subgroups Capability Plot

8 W ithin Overall Overall
StDev 1.052 StDev 1.104
Cp 0.32 Pp 0.30
Values

6 Cpk 0.30 Ppk 0.29

CCpk 0.32 Within Cpm *
PPM 342628.33 PPM 365541.08
4

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

LSL Target USL

Process Data Overall
LSL 4 Within
Target 5
USL 6 Overall Capability
Sample Mean 5.05214 Pp 0.30
Sample N 140 PPL 0.32
StDev(Overall) 1.10392 PPU 0.29
StDev(Within) 1.05247 Ppk 0.29
Cpm 0.30
Potential (Within) Capability
Cp 0.32
CPL 0.33
CPU 0.30
Cpk 0.30
CCpk 0.32

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)

ต่อเนืองจากตัวอย่าง 7-1 : ความยาวชินงาน (PARTLENGTH.mpj) ในขณะเดียวกันทางฝ่ ายผลิต

ต้ องการเปรียบเทียบกับผู้จดั ส่งรายหนึงซึงมีเทคโนโลยีการผลิตทีดีกว่า
1. คลิกที Worksheet ขือ “Supplier”

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

LSL Target USL

Process Data Overall
LSL 4 Within
Target 5
USL 6 Overall Capability
Sample Mean 4.90018 Pp 1.34
Sample N 100 PPL 1.21
StDev(Overall) 0.247902 PPU 1.48
StDev(Within) 0.237669 Ppk 1.21
Cpm 1.25
Potential (Within) Capability
Cp 1.40
CPL 1.26
CPU 1.54
Cpk 1.26
CCpk 1.40

4.2 4.5 4.8 5.1 5.4 5.7 6.0

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)

ตัวอย่ างที 7-2: เวลาในการรั บสาย (ANSWERTIME.mpj)

ศูนย์บริ การตอบคําถามทางเทคนิคแห่งหนึง ผู้จดั การแผนกต้ องการศึกษาเวลาในการตอบคําถาม
และแก้ ไขปั ญหาลูกค้ า โดยตังเป้าว่าลูกค้ าควรได้ รับบริการเสร็จสินภายใน 25 นาที จึงได้ ทําการเก็บข้ อมูล
เวลาทีลูกค้ าโทรเข้ ารับบริ การทางด้ านเทคนิคเป็ นจํานวน 500 ราย ผู้จดั การต้ องการทราบว่าความสามารถ
ในการให้ บริการของแผนกเป็ นอย่างไร

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

Moving Range Chart Normal Prob Plot

1 AD: 1.415, P: < 0.005
1 1
20 1 1
Moving Range

UCL=18.14

10
__
MR=5.55

0 LCL=0
1 51 101 151 201 251 301 351 401 451 0 10 20 30

Last 25 Observations Capability Plot

Within Overall Overall
24
StDev 4.923 StDev 5.197
Cp * Pp *
Values

Cpk 0.51 Ppk 0.48

Within
16 CCpk 0.51 Cpm *
PPM 62560.58 PPM 73162.65

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

Process Capability Report for Answer Time

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)

กรณีนีถ้ าหากเราใช้ วิธีการวิเคราะห์โดยใช้ รูปแบบปกติอาจจะทําให้ ค่า Ppk ทีได้ ไม่สะท้ อนความจริง

เราสามารถใช้ คําสัง Transform ข้ อมูลแล้ วทําการวิเคราะห์เพือให้ ค่า Ppk ทีได้ ใกล้ เคียงความจริงมากขึน

4. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
5. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

หากเราเลือกวิธีการแปลงข้ อมูลแบบ “Johnson Transformation” อาจจะไม่สามารถทําได้ เพราะ

การแปลงข้ อมูลขึนอยู่กบั ข้ อมูลตังต้ นและวิธีการของแต่ละวิธีทีไม่เหมือนกันให้ ลองเลือกเป็ นการแปลง
ข้ อมูลแบบ “Boxcox Transformation”

5. ไปยังเมนู Stat > Quality Tools > Capability Analysis > Normal
6. ป้อนคอลัมน์และรายละเอียดตามไดอะล็อกบ็อกซ์ต่อไปนี

99
บทที 7 ความสามารถกระบวนการ (Process Capability Analysis)

ผลกราฟ

Process Capability Report for Answer Time

Using Box-Cox Transformation With λ = 0.5

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

2.4 3.0 3.6 4.2 4.8 5.4

Performance
Observed Expected Overall* Expected Within*
% < LSL * * *
% > USL 7.20 8.55 7.44
% Total 7.20 8.55 7.44

* Calculated with LSL*, USL*

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

แหล่ งข้ 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

ภายในประกอบด้ วย บทความแปลจาก Minitab,กรณีศึกษาจากบริ ษัทชันนํา,ประสบการณ์จากทีปรึ กษา,

วีดีโอแนะนําการใช้ งานทังการจัดการข้ อมูลและคําสังสถิติ และน่าสนใจอีกมากมาย

ติดตามเราได้ ที