การวิเคราะห์ระบบการวัดสำหรับข้อมูลเชิงคุณลักษณะ: ค่าคาปาของโคเฮน

บทนำ

การวิเคราะห์ระบบการวัด (Measurement System Analysis หรือ MSA) เป็นที่รู้จักกันดีในอุตสาหกรรมในปัจจุบัน แต่เมื่อเราพูดถึงการศึกษา MSA เรามักจะหมายถึงการศึกษาความเที่ยงตรงและความสามารถในการทำซ้ำของเครื่องมือวัด (Gage Repeatability and Reproducability หรือ R&R) อย่างไรก็ตาม ในระหว่างการตรวจสอบ เรายังคงพึ่งพาการตรวจสอบด้วยสายตาอยู่บ่อยครั้ง แม้ว่าเราจะทราบดีว่าการตรวจสอบด้วยสายตาไม่ใช่วิธีที่น่าเชื่อถือในการตรวจสอบคุณภาพ

ตัวอย่างเช่น ใน FMEA เราต้องให้คะแนนการตรวจจับอย่างน้อย 6 (ปานกลาง) จาก 10 หากมีการศึกษา MSA คุณลักษณะแล้วได้ผลลัพธ์ที่ดี แต่บ่อยครั้งจะให้คะแนน 7 หรือ 8 (อัตราการตรวจจับต่ำ)

ระหว่างการฝึกอบรม MSA เราได้ทำการทดลองหลายร้อยครั้งซึ่งผู้เข้าร่วมต้องนับตัวอักษรเฉพาะในข้อความหนึ่งๆ การทดสอบอย่างรวดเร็วภายใต้ความกดดันของเวลา (อนุญาตเพียง 10 ถึง 15 วินาทีเท่านั้น) แสดงให้เห็นหลักฐานว่าผู้ประเมินสามารถหาจำนวนตัวอักษรที่ถูกต้องในข้อความง่ายๆ ได้ ในสถานการณ์การทดลองนี้ ไม่มีความสับสนเกี่ยวกับ ‘อะไรคือข้อบกพร่องและอะไรไม่ใช่’ และผู้ประเมินไม่รู้สึกเหนื่อยล้าอย่างไรก็ตาม ผู้ประเมินส่วนใหญ่ก็ยังไม่มาถึงข้อสรุปที่ถูกต้อง ยกเว้นผู้คนที่มาจากอุตสาหกรรมการพิมพ์ซึ่งมีประสบการณ์สูงในด้านการตรวจสอบด้วยสายตา และทำคะแนนได้ดีกว่าอย่างมีนัยสำคัญในการทดสอบนี้

หากผู้จัดหาอ้างว่าพวกเขาไม่ส่งมอบสินค้าที่มีข้อบกพร่องเพราะพวกเขาทำการตรวจสอบด้วยสายตา 100% คำถามแรกควรเป็น: อัตราข้อบกพร่องที่พบคืออะไร? จากประสบการณ์สามารถกล่าวได้อย่างปลอดภัยว่าอย่างน้อย 20% ของอัตราข้อบกพร่องที่พบจะถูกส่งมอบให้กับลูกค้า

การศึกษา MSA คุณลักษณะสามารถช่วยให้เข้าใจความเสี่ยงได้ดีขึ้น ในบล็อกนี้เราจะอธิบายวิธีการศึกษาคุณลักษณะโดยใช้ซอฟต์แวร์จัดการเกจ Datalyzer Qualisและสิ่งที่คุณต้องพิจารณาก่อนเริ่มการศึกษา

การจัดตั้งการศึกษา

ส่วนที่สำคัญที่สุดของการศึกษาคุณลักษณะคือการจัดตั้งและจัดระเบียบวิธีการศึกษาให้ถูกต้อง โดยทั่วไปแล้ว ในการศึกษาคุณลักษณะ คุณต้องมีผลิตภัณฑ์ระหว่าง 20 ถึง 80 ชิ้นในการศึกษา การหารือครั้งแรกคือคุณจะทำอย่างไรในการกำหนดว่าผลิตภัณฑ์ที่ดีหรือไม่ดีคืออะไร ด้วยเครื่องมือวัดคุณลักษณะ คุณสามารถวัดผลิตภัณฑ์ด้วยเครื่องมือวัดหลักแบบตัวแปรได้ แต่หากเป็นการตรวจสอบด้วยสายตาแล้ว จะไม่สามารถทำได้

คุณต้องการทีมผู้เชี่ยวชาญเพื่อกำหนดว่าอะไรคือผลิตภัณฑ์ที่ดีและอะไรคือผลิตภัณฑ์ที่ไม่ดี เมื่อคุณเลือกผลิตภัณฑ์ 50 รายการที่ชัดเจนว่าดีหรือไม่ดี ผลลัพธ์ก็จะดีเสมอ หากคุณเลือกผลิตภัณฑ์ 50 รายการที่แม้ผู้เชี่ยวชาญยังถกเถียงกันได้ คุณก็ควรคาดหวังว่าผลลัพธ์ของการศึกษาจะออกมาไม่ดีเสมอ สิ่งสำคัญคือคุณต้องเลือกชุดผลิตภัณฑ์ที่ดี ซึ่งอาจมีเพียงไม่กี่รายการเท่านั้นที่ยังเป็นที่ถกเถียงกันอยู่

การตรวจสอบด้วยสายตาสามารถครอบคลุมสิ่งของได้หลากหลาย ในขอบเขตของการศึกษา คุณจำเป็นต้องพิจารณาว่าจะรวมข้อบกพร่องหลายอย่างเข้าด้วยกันหรือจะใช้เพียงข้อบกพร่องเฉพาะอย่างเดียวในการศึกษา โดยปกติแล้ว การศึกษาควรมีความเป็นตัวแทน ดังนั้นจึงควรมีข้อบกพร่องหลายอย่างในการศึกษา และควรดำเนินการศึกษาภายใต้สภาพแวดล้อมที่คล้ายคลึงกับการผลิตจริง

ตัวอย่างเช่น: ลูกค้าได้ทำการตรวจสอบด้วยสายตาของกระบอกฉีดยาบนเครื่องจักรที่มีแสงสว่างเฉพาะที่ความเร็วสูง ในกรณีนี้คุณไม่สามารถนำชุดกระบอกฉีดยาไปให้ผู้ประเมินในสำนักงานและขอให้พวกเขาตรวจสอบได้ เพราะนั่นไม่เป็นการแทนตัวอย่างที่ดี

สิ่งที่เราทำในกรณีนั้นคือ เราทำเครื่องหมายเข็มฉีดยาด้วยปากกาส่องแสงและรวมเข็มฉีดยาทดสอบระหว่างการตรวจสอบตามปกติ จากนั้นกรองเข็มฉีดยาหลังจากการตรวจสอบ เมื่อคุณทำการศึกษา พยายามทำการศึกษาภายใต้สถานการณ์เดียวกัน โดยเฉพาะอย่างยิ่งภายในเวลาเดียวกันกับที่ผู้ประเมินปกติมี

การจัดตั้งชุดทดสอบผลิตภัณฑ์ที่เหมาะสมต้องใช้เวลา ปัญหาคือเมื่อคุณทำการศึกษานี้เป็นประจำ คุณต้องมั่นใจว่าผลการศึกษานั้นจะไม่เป็นที่รู้จักในบริษัท หากคุณให้ข้อเสนอแนะว่าผู้ประเมินพลาดอะไรไป ผู้ประเมินคนต่อไปจะรู้ทันทีว่าต้องมองหาอะไรในการศึกษา ซึ่งจะทำให้ชุดทดสอบของคุณไร้ค่า การศึกษาต้องทำอย่างสมบูรณ์โดยไม่เปิดเผยข้อมูล ดังนั้นให้แน่ใจว่าผู้ประเมินไม่สามารถระบุตัวตนของผลิตภัณฑ์ได้

รายการสุดท้ายคือคุณอาจจำเป็นต้อง “ปรับเทียบ” ตัวอย่างทดสอบใหม่หลังจากทำการศึกษา ผลิตภัณฑ์อาจได้รับความเสียหายหรือสกปรกระหว่างการศึกษา และผลิตภัณฑ์ที่ได้รับการจัดอันดับว่า ‘ดี’ อาจถูกประเมินโดยผู้ประเมินว่าเป็น ‘ไม่ดี’ อย่างถูกต้อง เนื่องจากได้รับความเสียหายหรือสกปรกระหว่างการศึกษา สิ่งนี้ใช้ได้โดยเฉพาะอย่างยิ่งหากคุณมีการแจ้งเตือนผิดพลาดมากกว่าที่คุณคาดหวัง

การบันทึกและวิเคราะห์ผลลัพธ์

วิธีการด้านล่างนี้เป็นไปตามคู่มือ AIAG MSA ฉบับที่ 4 โดยทั่วไปแล้ว ผู้ประเมิน 3 คนจะตรวจสอบผลิตภัณฑ์ 50 ชิ้น 3 ครั้ง ผลิตภัณฑ์จะถูกตรวจสอบตามลำดับที่สุ่ม สำหรับแต่ละผลิตภัณฑ์ เราจะป้อนค่าอ้างอิงซึ่งคือ 0 สำหรับการปฏิเสธและ 1 สำหรับผลิตภัณฑ์ที่ดี

ดังนั้น สำหรับแต่ละผลิตภัณฑ์ เราจะได้ผลการตรวจสอบ 9 ผล หากผลการตรวจสอบทั้งหมดเป็นผลิตภัณฑ์ที่ไม่ผ่านและสอดคล้องกับค่าอ้างอิง เราจะได้เครื่องหมาย–ในคอลัมน์รหัส หากทั้งหมดเป็นผลิตภัณฑ์ที่ผ่านและสอดคล้องกับค่าอ้างอิง คุณจะได้เครื่องหมาย + ในคอลัมน์รหัส หากมีการวัดใดที่แตกต่างจากค่าอ้างอิง เราจะเห็นเครื่องหมาย Xในคอลัมน์รหัส ที่ด้านล่างของแผ่นงาน เราจะเห็นจำนวนผลิตภัณฑ์ที่ผ่านและไม่ผ่านต่อผู้ประเมิน