50+ ประเทศ
การใช้งานทั่วโลก ผลกระทบในท้องถิ่น
47 ปีในธุรกิจ
ก่อตั้งขึ้นในปี 1979
พนักงานมากกว่า 50 คน
ยุโรป, สหรัฐอเมริกา และเอเชีย
2000+ ลูกค้า
มากกว่า 20,000 ผู้ใช้
กระบวนการคู่ขนานและการควบคุมกระบวนการทางสถิติ
บทนำ
การควบคุมกระบวนการทางสถิติ (SPC) ได้พิสูจน์คุณค่าในหลากหลายอุตสาหกรรมและประเภทของกระบวนการ หนึ่งในตัวอย่างที่น่าสนใจและท้าทายของการนำการควบคุมกระบวนการทางสถิติไปใช้ คือการนำไปใช้กับกระบวนการที่ทำงานแบบขนาน มีตัวอย่างมากมายในกระบวนการผลิตที่พบว่ามีกระบวนการทำงานแบบขนาน เช่น:
ทฤษฎี SPC มีความชัดเจนมาก: หากคุณมีกระบวนการที่แตกต่างกันซึ่งมีความแปรปรวนที่แตกต่างกัน คุณควรสร้างแผนภูมิควบคุมแยกต่างหากสำหรับแต่ละกระบวนการที่แยกจากกัน อย่างไรก็ตาม ในทางปฏิบัติแล้วสิ่งนี้ไม่ง่ายนัก ตัวอย่างเช่น ในการฉีดขึ้นรูปชิ้นงานต้นแบบ (preforms) จำนวนแม่พิมพ์อาจอยู่ที่ 96 หรือมากกว่านั้นหากคุณต้องการวัด 2 หรือ 3 มิติ นั่นหมายความว่าคุณจะมีแผนภูมิควบคุม 192 แผนภูมิที่มี 2 มิติสำหรับแม่พิมพ์เพียง 1 ชิ้น ดังนั้นต้องมีทางเลือกอื่นในการกำหนดแผนการสุ่มตัวอย่างและยังสามารถหาความแตกต่างระหว่างกระบวนการที่ขนานกันได้ วิธีในการนำ SPC มาใช้และตั้งค่าแผนภูมิควบคุมของคุณนั้นขึ้นอยู่กับประเภทของความแปรปรวนที่พบในกระบวนการเป็นอย่างมาก
ความแปรผันและกระบวนการคู่ขนาน
ในกระบวนการขนาน มักจะมีรูปแบบของความแปรปรวนอยู่ 3 ประเภทที่สามารถพิจารณาได้ ในรูปที่ 1 มีตัวอย่างของกระบวนการขนาน 4 กระบวนการ ซึ่งมีการผลิตแบตเตอรี่หรือกระป๋อง และคุณต้องการวัดขนาดของผลิตภัณฑ์
ประเภทของความแปรปรวนในตัวอย่างนี้คือ:
วิธีที่ดีที่สุดในการวิเคราะห์ข้อมูลคือการสร้างแผนภูมิควบคุมแยกตามกระบวนการ โดยกำหนดขนาดกลุ่มย่อยเป็นตัวอย่างเช่น 3 ซึ่งหมายความว่าในแผนภูมิควบคุมหนึ่ง คุณจะเห็นความแปรปรวนระหว่างรอบเป็นความแปรปรวนภายในกลุ่มย่อย ความแปรปรวนตามเวลาเป็นความแปรปรวนระหว่างกลุ่มย่อยความแปรปรวนระหว่างกระบวนการสามารถวิเคราะห์ได้โดยการเปรียบเทียบผลลัพธ์เช่น Cpk และ Ppk สำหรับแผนภูมิที่แตกต่างกัน (ซึ่งจะอธิบายในภายหลังในบล็อกนี้)
ในหลายกรณี การทำการวิเคราะห์เช่นนี้อาจไม่คุ้มค่าทางเศรษฐกิจ ดังนั้นในกรณีส่วนใหญ่กลุ่มย่อยจะถูกเลือกมาจากกระบวนการที่ทำงานคู่ขนานกัน การเลือกกลุ่มย่อยจากกระบวนการต่าง ๆ ก็มีเหตุผลเช่นกัน หากความแปรปรวนระหว่างรอบ (cycle-to-cycle variation) มีขนาดเล็กเมื่อเทียบกับความแปรปรวนอีกสองประเภท การใช้วิธีที่สองอาจถูกเลือกได้หลังจากระยะเวลาหนึ่ง เมื่อกระบวนการอยู่ในภาวะควบคุมอย่างสมบูรณ์ และสาเหตุพิเศษที่ทำให้เกิดความแปรปรวนได้ถูกกำจัดออกไปแล้ว
หากคุณนำกลุ่มย่อยจากกระบวนการที่ขนานกันมาเปรียบเทียบกัน โดยทั่วไปแล้วแผนภูมิช่วงจะแสดงความแปรปรวนระหว่างกระบวนการ และแผนภูมิควบคุมจะแสดงความแปรปรวนตามเวลาการแปรปรวนระหว่างรอบไม่ปรากฏ และค่า Cpk และ Ppk ที่แสดงอยู่ก็แสดงผลลัพธ์ที่แตกต่างจากที่คุณจะได้หากรวมผลิตภัณฑ์ที่ต่อเนื่องกันไว้ในกลุ่มย่อยเดียวกัน นอกจากนี้ หากคุณตัดสินใจนำ SPC ไปใช้โดยใช้วิธีนี้ คุณยังคงต้องการวิเคราะห์การแปรปรวนสำหรับกระบวนการเฉพาะหนึ่งกระบวนการ DataLyzer SPC สามารถนำวิธีนี้ไปใช้และทำการวิเคราะห์ได้อย่างถูกต้อง
ในทางปฏิบัติ คุณสามารถใช้การผสมผสานของวิธีการที่อธิบายไว้ข้างต้นได้เช่นกัน โดยใช้แผนภูมิแยกต่างหากในกรณีที่คุณมี Out of Controls บนแผนภูมิช่วง อย่างไรก็ตาม การผสมผสานวิธีการมักไม่ได้ทำให้ง่ายขึ้นสำหรับผู้ปฏิบัติงานในทางปฏิบัติ
การเปรียบเทียบแผนภูมิควบคุมหลายชุดสำหรับคุณลักษณะเดียวกันของกระบวนการขนาน
ใน DataLyzer Qualis SPC มีเครื่องมือหลายอย่างที่สามารถใช้เปรียบเทียบข้อมูลที่มีลักษณะหรือกระบวนการที่แตกต่างกันได้:
วิธีการในซอฟต์แวร์ DataLyzer SPC มอบความเป็นไปได้ให้กับวิศวกรมากกว่าเพียงพอในการเปรียบเทียบกระบวนการต่างๆ หากมีความสำคัญในการติดตามค่าเฉลี่ยของกระบวนการขนานที่แตกต่างกัน สามารถสร้างแผนภูมิเพิ่มเติมได้อย่างง่ายดายซึ่งจะคำนวณค่าเฉลี่ยของแผนภูมิอื่นๆ อย่างง่ายดาย
การเปรียบเทียบกระบวนการขนานภายในกลุ่มย่อย
Datalyzer Qualis SPC มีคุณสมบัติหลายประการที่สามารถแสดงความแปรปรวนระหว่างกระบวนการที่ทำงานคู่ขนานกันหากถูกรวมไว้ในแผนภูมิควบคุม / กลุ่มย่อยเดียว เช่น:
แผนภูมิควบคุมที่แสดงค่าสูงสุดและต่ำสุดจะแสดงเส้นสำหรับค่าสูงสุดและค่าต่ำสุดในกลุ่มย่อย และใส่หมายเลขกระบวนการไว้ข้างๆ (ดูรูปที่ 4) หากคุณเห็นหมายเลขเดียวกันบ่อยเกินไป คุณจำเป็นต้องตรวจสอบกระบวนการเฉพาะนั้น (เช่น แม่พิมพ์) เนื่องจากค่าเฉลี่ยของกระบวนการเบี่ยงเบนจากค่าเฉลี่ยโดยรวม ขั้นตอนต่อไปอาจเป็นการวิเคราะห์ข้อมูลด้วยแผนภูมิกล่องและหนวด (Box and Whisker) หรือการวิเคราะห์หลายตัวแปร (Multi-Vari Analysis) เพื่อเปรียบเทียบกระบวนการ ผู้ปฏิบัติงานหรือวิศวกรมักจะเริ่มต้นด้วยการตรวจสอบการวัดแต่ละรายการในตารางข้อมูลดิบ จากนั้นจึงดำเนินการวิเคราะห์หลายตัวแปร (Box and Whiskers) ต่อไป สมมติว่าผู้ใช้ต้องการดูความแปรปรวนระหว่างกระบวนการที่ทำงานขนานกันสำหรับกลุ่มย่อย 10 กลุ่มล่าสุด ผู้ใช้จึงกรองข้อมูลให้แสดงเฉพาะกลุ่มย่อย 10 กลุ่มล่าสุด จากนั้นจึงดูผลลัพธ์ โดยดูจากรูปที่ 6
สถานการณ์พิเศษ
หากคุณเลือกวิธีการเฉพาะในการใช้ SPC ในกรณีของกระบวนการที่ขนานกัน คุณต้องคำนึงถึงสถานการณ์การผลิตที่ผิดปกติซึ่งจะมีอิทธิพลต่อผลลัพธ์หรือลดประสิทธิภาพของโซลูชัน SPC ที่นำมาใช้ได้ สำหรับอุตสาหกรรมประเภทต่างๆ จะมีข้อยกเว้นที่แตกต่างกัน แต่เราจะจำกัดตัวเองไว้เพียงสองข้อยกเว้นที่พบบ่อย:
1. หนึ่งในกระบวนการย่อยไม่ทำงาน
2. กระบวนการย่อยกำลังดำเนินการอยู่ในระดับที่แตกต่างกัน
ข้อ 1: ในหลายสถานการณ์ของกระบวนการแบบขนาน อาจเกิดกรณีที่หนึ่งในกระบวนการย่อยไม่ทำงาน (ชั่วคราว) ตัวอย่างเช่น ช่องแม่พิมพ์ที่อุดตันในกระบวนการฉีดขึ้นรูป ช่องทางที่ไม่ถูกใช้งานในกระบวนการผลิตเซลล์แสงอาทิตย์ เป็นต้น โปรแกรม SPC ของคุณควรอนุญาตให้คุณจัดการกับข้อยกเว้นเหล่านี้ได้อย่างมีประสิทธิภาพแบบเรียลไทม์ในโรงงาน DataLyzer Qualis SPC รองรับสิ่งนี้โดยอนุญาตให้มี ‘กลุ่มย่อยที่ไม่สมบูรณ์’ ในระดับหนึ่ง
โฆษณา 2: หากกระบวนการทำงานอยู่ในระดับที่แตกต่างกัน และคุณรวมกระบวนการย่อยไว้ในกลุ่มย่อยเดียวกัน และไม่สามารถกำจัดความแตกต่างได้ นี่จะมีอิทธิพลอย่างมากต่อการคำนวณขีดจำกัดการควบคุมของคุณ; ขีดจำกัดการควบคุมของคุณจะกว้างขึ้น ในกรณีนี้คุณต้องใช้วิธีการคำนวณขีดจำกัดการควบคุมที่แตกต่างออกไป
สรุป
Datalyzer Qualis SPC ช่วยให้การทำ SPC สำหรับกระบวนการที่ทำงานคู่ขนานเป็นไปได้อย่างมีประสิทธิภาพในหลายวิธี รวมถึงการจัดการข้อยกเว้นทั้งหมดอย่างมีประสิทธิภาพ
สิ่งสำคัญที่สุดในการตั้งค่าวิธีการ SPCที่ถูกต้องคือการวิเคราะห์ความแปรปรวน 3 ประเภทและพิจารณาถึงผลกระทบที่ตามมาจากการเลือกวิธีใดวิธีหนึ่งจากสองวิธีหรือการผสมผสานของวิธีการเหล่านี้
ผลกระทบต้องถูกกำหนดให้ชัดเจนในแง่ของเวลาและเงินสำหรับการวัดผล แต่แน่นอนว่ายังต้องรวมถึงความสะดวกในการใช้งานและความยอมรับของวิธีการที่เลือกโดยองค์กรและลูกค้าด้วย
เก้าเปอร์เซ็นต์
การลดต้นทุนที่ลูกค้าบรรลุ
สิ่งที่ลูกค้าพูด
“Datalyzer ช่วยให้เราเชื่อมโยงข้อมูลคุณภาพจากทุกกระบวนการโดยอัตโนมัติเพื่อการวิเคราะห์ขั้นสูง”
เดฟ เบียร์เรน
วิศวกรผลผลิต, ฟิลิปส์
อุตสาหกรรมที่เราให้บริการ
ได้รับการรับรองมาตรฐาน ISO
ISO 27001 & SOC2
