การควบคุมคุณภาพ

( Quality Control : QC )
โดย
ผศ.พุทสายัน นราพินิจ
(Assistant Professor Puttasayan Narapinij)
สาขาวิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์
มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา
 หน่ วยที่ 7
แผนภูมคิ วบคุมตามลักษณะ
(Control Charts for Attribute)

การนำแผนภูมคิ วบคุมไปใช้
1.ใช้ควบคุมลักษณะของคุณภาพที่วดั ไม่ได้หรื อวัดยาก เช่น ความ
สวยงาม สี สนั รอยตำหนิ
2.ใช้ควบคุมลักษณะของคุณภาพที่วดั ได้ แต่ไม่ได้วดั เนื่องจากอาจ
เสี ยเวลามากหรื อเสี ยค่าใช้จ่ายมาก
ประเภทของแผนภูมคิ วบคุม
แผนภูมิควบคุมแบ่งได้ 2 ประเภท คือแผนภูมิควบคุมชนิดแปรผัน (variable control
charts) และแผนภูมิควบคุมตามลักษณะ (attribute control charts)
แผนภูมคิ วบคุมชนิดแปรผัน (variable control charts)
แผนภูมิ x เพื่อควบคุมค่าเฉลี่ยของกระบวนการ
แผนภูมิ R เพื่อควบคุมค่าพิสยั (ควบคุมการกระจายของกระบวนการ)
แผนภูมิ S เพื่อควบคุมค่าเบี่ยงเบนมาตรฐาน
แผนภูมคิ วบคุมตามลักษณะ (attribute control charts)
แผนภูมิ p เพื่อควบคุมสัดส่ วนจำนวนของเสี ย
แผนภูมิ np เพื่อควบคุมจำนวนของเสี ย
แผนภูมิ c เพื่อควบคุมรอยตำหนิหรื อจำนวนสาเหตุที่ทำให้เกิดของเสี ย
แผนภูมิ u เพื่อควบคุมรอยตำหนิหรื อจำนวนสาเหตุต่อหน่วยที่ทำให้เกิดของเสี ย
ประเภทของแผนภูมิควบคุมตามลักษณะ
แบ่งออกเป็ น 2 กลุ่ม คือ
1. แผนภูมิเพื่อควบคุมจำนวนของเสี ยที่เกิดขึ้นในกระบวนการผลิต
- แผนภูมิ p ใช้ควบคุมสัดส่ วนจำนวนของเสี ย (n คงที่ หรือไม่ คงที่)
- แผนภูมิ np ใช้ควบคุมจำนวนของเสี ย เป็ นแผนภูมิที่พฒั นามาจากแผนภูมิ p (n คงที่)

Quality Characteristic
attribute

defective defect
2. แผนภูมิเพื่อควบคุมรอยตำหนิ หรื อสาเหตุที่ทำให้สินค้าเป็ นของเสี ย
- แผนภูมิ c ใช้ควบคุมจำนวนรอยตำหนิในสิ นค้า (n คงที่)
- แผนภูมิ u ใช้ควบคุมจำนวนรอยตำหนิต่อหน่วยของสิ นค้า constant yes constant
(n ไม่ คงที่) sample p or sampling
size, n np unit

yes no
no

p-chart with c u
variable sample
size, n
1. แผนภูมคิ วบคุมสั ดส่ วนของเสี ย (p - chart)หน้ า317
1.กรณีทไี่ ม่ ทราบค่ า p เส้ นขีดจำกัดควบคุม
np UCL  p  3

p1p 
p n
n CL  p
LCL  p  3

p1p 
n
p เป็ นสัดส่ วนของเสี ย
np เป็ นจำนวนของเสี ยที่พบในกลุ่มตัวอย่าง
n เป็ นจำนวนตัวอย่างทั้งหมด
เส้2.กรณีทที่ ราบค่
นขีดจำกั ดควบคุา pม  1 for 68.26% limits  2 for 95.5%
limits p 1  p 
UCL  p  3
 3 for 99.7% limits n
CL  p
p 1  p 
LCL  p  3
n
ค่ าเฉลีย่ ของสั ดส่ วนของเสี ย n

 np
p i 1
n

n
i 1
การสร้ างแผนภูมิ p เมื่อจำนวนตัวอย่ างคงที่ (p chart for constant subgroup size)หน้ า 319
ตัวอย่ าง 1 กระป๋ องบรรจุน้ำผลไม้แช่เย็นผลิตขึ้นจากเครื่ องจักรขึ้นรู ป นำกระป๋ องมาทำการตรวจสอบดูรอยรั่วซึมต่าง ๆ ที่รอยต่อ
ตะเข็บ และที่กน้ กระป๋ อง ถ้าพบรอยบุ๋ม รอยขีดข่วน ถือว่าเป็ นของเสี ย ข้อมูลได้จดบันทึกไว้ดงั ตาราง n = 50 (จำนวนตัวอย่าง
คงที่) จงสร้างแผนภูมิควบคุมและทำการทดสอบดูวา่ กระบวนการอยูใ่ นการควบคุมหรื อไม่ ที่ขีดจำกัดความคุม 3 

n m

np  np  D 347
p  12 / 50  0.24 p i 1
 i 1
  0.2313
n n
mn 30  50
n
i 1
คำนวณเส้นขีดจำกัดควบคุม
p 1  p  0 . 2313  0 . 7687 
UCL  p  3  0 . 2313  3
เส้นควบคุมบน n 50
= 0.2313+0.1789 = 0.4102
เส้นกึ่งกลาง CL  p  0 . 2313

LCL  p  3

p1p 
 0 . 2313  3
0 . 2313  0 . 7687 
เส้นควบคุมล่าง n 50
= 0.2313-0.1789 = 0.0524
สร้างแผนภูมิ
ตัวอย่างที่ 15 วัตถุดิบใหม่
ตัวอย่างที่ 23 พนักงานใหม่ยงั ไม่มี
ประสบการณ์
คำนวณเส้ นขีดจำกัดควบคุมใหม่ หน้ า 324

p 
 np   np d

เมื่อ p เป็ นค่าของ p หลังปรับปรุ ง

n n d

np เป็ นผลรวมของจำนวนของเสี ยก่อนปรับปรุ ง

npd เป็ นผลรวมของจำนวนของเสี ยที่ถูกตัดออก
n เป็ นผลรวมของจำนวนตัวอย่างทั้งหมดก่อนปรับปรุ ง
nd เป็ นผลรวมของจำนวนตัวอย่างที่ถูกตัดออก

347   22  24 301

p    0.215
เส้นควบคุมใหม่  50  30   50  2 1,400

p  po
po1  po  0.2151  0.215
UCL  po  3  0.215  3  0.3893
n 50
CL  po  0.215
po1  po 
LCL  po  3  0.0407
n
สร้างแผนภูมิ

ตัวอย่างที่ 21 ไม่พบสาเหตุที่ทำให้เกิดความผิดพลาด ดังนั้น

จึงสรุ ปว่ากระบวนการผลิตอยูภ่ ายใต้การควบคุม

เนื่องจากกระบวนการผลิตอยูภ่ ายใต้การควบคุมที่
p = 0.215 (สั ดส่ วนของเสี ยมีค่าสู ง)
จึงสมควรที่จะปรับปรุ งสมรรถนะของ
กระบวนการโดยการปรับปรุ งเครื่ องจักร เพิม่ เติม
อุปกรณ์บางอย่าง หรื อปรับเปลี่ยนตัวแปรควบคุม
ที่เหมาะสม เพื่อให้สมรรถนะของกระบวนการผลิต
ดีข้ ึน จากนั้นทำการเก็บข้อมูลเพิ่มอีกจำนวน 24
กลุ่ม ๆ ละ 50 ตัวอย่างตามตาราง
นำข้ อมูลไปพล๊อตลงในแผนภูมิเดิม
จากการตรวจสอบจะเห็นว่าการทำงานของกระบวนการมีค่า
ระดับสัดส่ วนของเสี ยลดลง p = 0.1108
ตัวอย่างที่ 41 ตกอยูต่ ่ำกว่าเส้นควบคุมล่าง และไม่พบสาเหตุ
ที่ทำให้เกิดความผิดพลาดนี้
แต่เนื่องจากจุดที่พล๊อตลงในแผนภูมิมีแนวโน้มลดลง

จึงทำการคำนวณเส้นควบคุมใหม่โดยใช้ตวั อย่างที่ 31 – 54 มาคำนวณ

54

 np i
สร้างแผนภูมิและเปรี ยบเทียบกับแผนภูมิเดิม
133
p i 31
  0.1108
mn 50  24

0 . 1108 1  0 . 1108 
เส้นควบคุมบน UCL  0 . 1108  3
50
= 0.224
0 . 1108 1  0 . 1108 
LCL  0 . 1108  3
เส้นควบคุมล่าง 50

=0
การสร้ างแผนภูมิ p เมือ่ จำนวนตัวอย่ างไม่ คงที่ (p chart for variable subgroup size)หน้ า 327
ตัวอย่ างตารางที่ 8-3 เมือ่ จำนวนตัวอย่ าง n ไม่ คงทีโ่ ดยใช้ โปรแกรม Excel
ID Number Subgroup n np Pi UCL p-bar LCL
29-มี.ค. 1 2385 55 0.023 0.029 0.020 0.011
30-มี.ค. 2 1451 18 0.012 0.031 0.020 0.009
31-มี.ค. 3 1935 50 0.026 0.030 0.020 0.011
1-เม.ย. 4 2450 42 0.017 0.029 0.020 0.012
2-เม.ย. 5 1997 39 0.020 0.030 0.020 0.011
5-เม.ย. 6 2168 52 0.024 0.029 0.020 0.011
6-เม.ย. 7 1941 47 0.024 0.030 0.020 0.011
7-เม.ย. 8 1962 34 0.017 0.030 0.020 0.011
8-เม.ย. 9 2244 29 0.013 0.029 0.020 0.011
9-เม.ย. 10 1238 53 0.043 0.032 0.020 0.008
12-เม.ย. 11 2289 45 0.020 0.029 0.020 0.011
13-เม.ย. 12 1464 26 0.018 0.031 0.020 0.009
14-เม.ย. 13 2061 47 0.023 0.029 0.020 0.011
15-เม.ย. 14 1667 34 0.020 0.030 0.020 0.010
16-เม.ย. 15 2350 31 0.013 0.029 0.020 0.011
19-เม.ย. 16 2354 38 0.016 0.029 0.020 0.011
20-เม.ย. 17 1509 28 0.019 0.031 0.020 0.009
21-เม.ย. 18 2190 30 0.014 0.029 0.020 0.011
22-เม.ย. 19 2678 113 0.042 0.028 0.020 0.012
23-เม.ย. 20 2252 58 0.026 0.029 0.020 0.011
26-เม.ย. 21 1641 34 0.021 0.030 0.020 0.010
27-เม.ย. 22 1782 19 0.011 0.030 0.020 0.010
28-เม.ย. 23 1993 30 0.015 0.030 0.020 0.011
29-เม.ย. 24 2382 17 0.007 0.029 0.020 0.011
30-เม.ย. 25 2132 46 0.022 0.029 0.020 0.011

  Sum 50515 1015        

ตัวอย่ างที่ 2 เมือ่ จำนวนตัวอย่ างไม่ คงที่ (p chart for variable subgroup size)

25

D 234
p  i 1
25
  0 . 096
2 , 450
n
i 1
เส้นขีดจำกัดควบคุม
0.0961  0.096
UCL, LCL  0.096  3
n

สร้างแผนภูมิ
การหาขนาดของกลุ่มตัวอย่ าง (n) หน้ า334
เมื่อสัดส่ วนของเสี ยมีค่าน้อย ขนาดของ n ต้องมากพอ เพื่อทำให้ค่าความน่าจะ
เป็ นที่จะตรวจพบของเสี ยอย่างน้อย 1 หน่วยมีค่าสูง มิฉะนั้นแล้วอาจเกิดสภาวะการออก
นอกการควบคุม
nav 
 n
g

เช่ น กำหนดให้ p = 0.01 , n = 8 คำนวณเส้นควบคุมบนดังนี้

po1  po 
UCL  po  3
n
0.011  0.01
 0.01  3  0.1155
8

สมมุติเมื่อพบของเสี ย 1 ชิ้น จะได้ p = 1 / 8 = 0.125 (กระบวนการผลิตออกนอกเส้น

ควบคุม) ดังนั้นการหาขนาดของกลุ่มตัวอย่าง (n) จึงต้องมากพอ
สู ตรการหาขนาดของกลุ่มตัวอย่ าง (n)

p 1  p  n 
 k
2

p 1  p 
 k 
n

ตัวอย่ าง 1 จงหาขนาดของกลุ่มตัวอย่าง (n) กำหนดให้ p = 0.01 ค่าความน่าจะเป็ นเท่ากับ 0.50 ในการ

ตรวจจับการเปลี่ยนแปลงไปที่ 0.05 ให้  เป็ นขนาดที่เปลี่ยนแปลงของกระบวนการ
ถ้าใช้  3 จะได้ k  ,3   0.05  0.01  0.04

n   3 / 0 . 04  0 . 01 1  0 . 01   56
2

ดังนั้น ขนาดของกลุ่มตัวอย่างที่จะต้องเก็บ n = 56
เส้นควบคุมเมื่อทราบค่า p ที่  3

CL  0.01
หรือหาจำนวนตังอย่ าง n (Simple size) ตัวอย่ าง 8-2 หน้ า 320
Z / 2 2
n  p (1  p )( )
E

Z / 2 Confidence limit
1.036 70%
1.282 80%
1.645 90%
1.96 95%
2.575 99%
3.00 99.73%
Z  / 2 = ค่าสัมประสิ ทธิ ในการกระจายตัว

E = Maximum error ของ p

p = ค่าสัดส่ วนของเสี ย
 2. แผนภูมคิ วบคุมจำนวนของเสี ย (np - chart) หน้ า 337
การสร้างแผนภูมิ np และการประยุกต์ใช้มีข้นั ตอนและวิธีการเหมือนแผนภูมิ p ทุกประการ
เพียงแต่คูณด้วยจำนวนตัวอย่าง n ก็จะได้ขีดจำกัดควบคุม และแผนภูมิ np จะไม่ ใช้ กบั ขนาดตัวอย่ างทีม่ ีการ
เปลีย่ นแปลง ดังนั้นขีดจำกัดควบคุมสำหรับแผนภูมิ np คือ
1. กรณีทที่ ราบค่ าสั ดส่ วนของเสี ย p UCL  np   3 np o (1  p o )

CL  np
LCL  np   3 np o (1  p o )

ตัวอย่ าง 1 ในกระบวนการผลิตที่รู้ค่าสัดส่ วนของเสี ย po = 0.025 ถ้าต้องการสร้างแผนภูมิควบคุม np

สำหรับตรวจสอบสิ นค้าครั้งละ 600 หน่วย ขีดจำกัดควบคุมของแผนภูมิ np คือ
UCL  np   3 np o (1  p o )

 600  0 . 025   3 600 ( 0 . 025 )(1  0 . 025 )  26 . 4  26

CL  np   600  0 . 025   15

LCL  np   3 np o (1  p o )

 600 0.025  3 600(0.025)(1  0.025)  3.6  4

แผนภูมิควบคุมจำนวนของเสี ย (np - chart) หน้ า 337
2. กรณีทไี่ ม่ ทราบค่ าสั ดส่ วนของเสี ย p
m

 np
CL  n p  i 1

np = ผลรวมของจำนวนของเสี ย m
m = จำนวนกลุ่มตัวอย่าง
n = ขนาดของตัวอย่างในกลุ่ม
p = ค่าเฉลี่ยของสัดส่ วนของเสี ย
ส่ วนเบี่ยงเบนมาตรฐานของจำนวนของเสี ย
แผนภูมิขีดจำกัดควบคุม
ตัวอย่ าง 1 ข้อมูลความไม่พอใจของลูกค้าต่อห้างสรรพสิ นค้าแห่งหนึ่ง จากกลุ่มตัวอย่าง 20 กลุ่ม ๆ ละ 300 ตัวอย่าง แสดงตามตาราง

184
เส้นกึ่งกลาง CL  20
 9.2
เส้นขีดจำกัดควบคุม
ตัวอย่างที่ 12 ตกอยูน่ อกเส้นขีดจำกัดควบคุมบน จึงทำการหาสาเหตุ
9.2(1  (9.2 / 300)
UCLnp  9.2  3  18.159

9.2(1  (9.2 / 300)

LCLnp  9.2  3  0.241

ทำการปรับปรุ งเส้นขีดจำกัดควบคุมใหม่ โดยตัดข้อมูลที่ 12 ออก คำนวณเส้นขีดจำกัดควบคุมใหม่ดงั นี้

184  19
8.684(1  (8.684 / 300)
CLnp   8 . 684 UCLnp  8.684  3  17.396
19
8.684(1  (8.684 / 300)
LCLnp  8.684  3  0.028  0
3. แผนภูมคิ วบคุมรอยตำหนิ (c - chart)หน้ า 339
แผนภูมิควบคุมรอยตำหนิจะใช้เพื่อการควบคุมรอยตำหนิของสิ นค้า หรื อสาเหตุที่ทำให้สินค้าเป็ นของ
เสี ย และจะใช้ เมื่อขนาดของพืน้ ที่, รอยตำหนิของตัวอย่ างคงที่

c
 c
n

1.กรณีทไี่ ม่ ทราบค่ าเฉลีย่  หรือ c ต้ องหาค่ า 2.กรณีทที่ ราบค่ าเฉลีย่  หรือ c สามารถ
เฉลีย่ จาก ขีcดจำกัดควบคุมของแผนภูมิ คำนวณหาขีดจำกัดควบคุม

UCL  c  3 c UCL  c  3 c

CL  c CL  c

LCL  c  3 c LCL  c  3 c
ตัวอย่ าง 1 จงสร้างแผนภูมิควบคุมรอยตำหนิ จากจำนวนตัวอย่างผ้า 25 ม้วน ๆ ละ 100 m2 ทำการตรวจสอบ
จุดเสี ย ข้อบกพร่ องต่าง ๆ บันทึกข้อมูลได้ตามตารางข้างล่าง
จุดเสี ยหรื อรอยตำหนิในม้วนผ้า
ตัวอย่ างที่ จุดเสีย ตัวอย่ างที่ จุดเสีย
1 5 14 11 189
2 4 15 9 c   7 . 56
3 7 16 5 25
4 6 17 7
5 8 18 6
6 5 19 10
7 6 20 6 เส้นขีดจำกัดควบคุม
8 5 21 9
9 16 22 9
10 10 23 7
UCLc  7 . 56  3 7 . 56  15 . 809
11 9 24 5
12 7 25 7 LCLc  7 . 56  3 7 . 56  0 . 689  0
13 8

ค่าเฉลี่ยของจุดเสี ยในม้วนผ้า 1 ม้วน หรื อต่อ 100 ตารางเมตร

สร้างเส้นควบคุม c

จากแผนภูมิ ตัวอย่างผ้าม้วนที่ 9 จะตกอยูเ่ หนือเส้นควบคุมบน ดังนั้นจึงจัดการหาสาเหตุแล้วทำการแก้ไข และ

คำนวณแผนภูมิควบคุมใหม่โดยตัดตัวอย่างที่ 9 ออกจากการคำนวณ
189  16 UCLc  7 . 208  3 7 . 208  15 . 262
c new   7.208
25  1
LCLc  7.208  3 7.208  0
ภายหลังการปรับปรุ งเส้นควบคุมใหม่ จะพบว่าจุดตกอยูใ่ นเส้นควบคุม และรู ปแบบการกระจายของจุดเป็ น
แบบสุ่ ม
4. แผนภูมคิ วบคุมจำนวนรอยตำหนิต่อหน่ วย (u - chart)
กรณี ที่บริ ษทั ตรวจสอบรอยตำหนิ, จุดเสี ยหรื อข้อบกพร่ องจากสิ นค้า หรื อบริ การที่ผลิตออกมาในแต่ละ
ครั้งไม่เท่ากันเนื่องจากมีความแปรผันของแรงงาน เครื่ องจักร และวัตถุดิบ จึงทำให้จำนวนตัวอย่างที่
ตรวจสอบต่ อการผลิตแต่ ละครั้งมีการเปลีย่ นแปลง จึงจำเป็ นต้องใช้แผนภูมิ u สำหรับใช้ในการตรวจสอบ
แบบ (sampling unit) เช่น ตารางเมตร, ตารางนิ้ว เป็ นต้น
เมื่อขนาดตัวอย่างเปลี่ยนแปลง และไม่กำหนดค่ามาตรฐาน ของจุดเสี ยต่อหน่วยตรวจสอบเท่ากับ
ci
ui 
ni
ci = จุดเสี ยในตัวอย่างที่ i , ni = ขนาดตัวอย่างที่ i
ค่าเฉลี่ยของจุดเสี ยต่อหน่วยตรวจสอบ คือเส้นกึ่งกลางของแผนภูมิ u
n

CL = c i
u i 1
n

เส้นขีดจำกัดควบคุม n
i 1
i

u
UCLu  u  3
ni

u
LCLu  u  3
ni
ตัวอย่ าง 1 จากจุดเสี ยของตัวอย่างพรม 20 ตัวอย่าง แต่ละตัวอย่างมีขนาดพื้นที่ตรวจสอบ(ตารางเมตร) ที่
ต้องตรวจสอบแตกต่างกัน ผลจากการตรวจสอบแสดงตามตาราง จงสร้างแผนภูมิควบคุม
ของจุดเสี ยต่อ 100 ตารางเมตร
 วิธีทำ พื้นที่ 100 Sq.m = 1 หน่วยตรวจสอบ ดังนั้น 200 Sq.m = 2 หน่วยตรวจสอบ
และคำนวณหาจำนวนจุดเสี ยต่อหน่วยตรวจสอบ ui

c1 5
u1    2.5
n1 2
n

c i
192
CL  u  i 1
n
  4.683
41
n
i 1
i

นวณขีดจำกัดควบคุม
4 . 683
UCLu  4 . 683  3  9 . 273
2
4 . 683
LCLu  4 . 683  3  0 . 092
2
 เส้นขีดจำกัดควบคุมของตัวอย่างอื่น ๆ สามารถคำนวณได้ในทำนองเดียวกัน

จากแผนภูมิควบคุมตัวอย่างพรมที่ 7 ตกอยูเ่ หนือเส้นควบคุมบน จึงทำการค้นหาสาเหตุและดำเนินการ

แก้ไข จากนั้นทำการปรับปรุ งแผนภูมิ u ใหม่
m
โดยการตัดข้อมูลตัวอย่าง 7 ออกจากการคำนวณแล้วคำนวณหา
เส้นกึ่งกลางใหม่ ดังนี้  c cd
192  20
u  i 1
  4 . 410
m
41  2
n  n
i 1
d
 เก็บคะแนน
แผนภูมคิ วบคุมชนิดตามลักษณะ