MTBF และ MTTR ฉบับสมบูรณ์ — วิธีคำนวณ เก็บข้อมูล และตีความความน่าเชื่อถือของเครื่องจักร

บทความเรื่อง Planned Maintenance คืออะไร ได้แนะนำสูตร MTBF, MTTR และ Availability พร้อมตัวอย่างคำนวณสั้น ๆ ไว้แล้วในหัวข้อ "ตัวชี้วัดที่ต้องติดตาม" แต่ปัญหาที่ทีมซ่อมบำรุงเจอในหน้างานจริงไม่ใช่ "สูตรผิด" ปัญหาจริงอยู่ที่ข้อมูลดิบที่ป้อนเข้าสูตรถูกต้องหรือไม่ ตีความถูกทางหรือไม่ และรู้ทันกับดักที่ทำให้ตัวเลขดูสวยแต่หลอกตัวเองหรือเปล่า บทความนี้เป็นภาคเจาะลึกที่ต่อยอดจาก flagship บทความเสาที่ 3 โดยตรง ครอบคลุมการออกแบบระบบเก็บข้อมูลดิบให้ถูกต้อง ตัวอย่างเดินเลขเต็มจากข้อมูลจริง 3 ชุด กับดักการคำนวณ 8 ข้อที่พบบ่อยที่สุด ไปจนถึงการตีความค่าเพื่อตัดสินใจเชิงบำรุงรักษาจริง

MTBF และ MTTR คืออะไร นิยามที่ต้องแม่นยำตั้งแต่ต้น

MTBF (Mean Time Between Failures) คือเวลาเฉลี่ยที่เครื่องจักรทำงานได้ระหว่างความล้มเหลวสองครั้งติดกัน คำว่า "Mean" คือหัวใจของนิยามนี้ เพราะ MTBF เป็นค่าเฉลี่ยทางสถิติที่คำนวณจากกลุ่มเหตุการณ์ความเสียหายหลายครั้ง หรือกลุ่มเครื่องจักรประเภทเดียวกัน ไม่ใช่การพยากรณ์ว่าเครื่องหนึ่งจะเสียเมื่อไหร่ ส่วน MTTR (Mean Time To Repair) คือเวลาเฉลี่ยที่ทีมซ่อมบำรุงใช้ลงมือซ่อมจริงต่อความเสียหายหนึ่งครั้ง นับเฉพาะช่วงที่ช่างอยู่หน้างานและลงมือแก้ไข ไม่รวมเวลารอ

ความเข้าใจผิดที่พบบ่อยที่สุดในหน้างานคือการอ่าน MTBF เป็น "อายุการใช้งานที่คาดหวังของเครื่องเดียว" เช่น เห็น MTBF 500 ชั่วโมง แล้วสรุปว่าปั๊มตัวนี้จะวิ่งได้ครบ 500 ชั่วโมงพอดีก่อนเสียทุกรอบ ความเข้าใจนี้ผิดหลักสถิติตั้งแต่ต้น เพราะ MTBF ไม่ได้บอกว่าเมื่อไหร่เครื่องหนึ่งจะเสีย บอกเพียงอัตราเฉลี่ยของกลุ่มเหตุการณ์ เครื่องเดียวกันอาจเสียที่ชั่วโมงที่ 50 ในรอบหนึ่ง แล้วไปเสียอีกทีที่ชั่วโมงที่ 950 ในอีกรอบ โดยค่าเฉลี่ยยังเท่ากับ 500 ชั่วโมงพอดี การกระจายตัวของเวลาการเสียจึงสำคัญไม่น้อยกว่าค่าเฉลี่ย ดังจะอธิบายในหัวข้อสถิติด้านล่าง

ด้วยเหตุนี้ MTBF ที่มีความหมายทางสถิติจริงต้องคำนวณจากกลุ่มเสมอ อาจเป็นกลุ่มเหตุการณ์ความเสียหายหลายครั้งของเครื่องเดียวในช่วงเวลายาวพอ หรือกลุ่มเครื่องจักรรุ่นเดียวกันที่สภาพใกล้เคียงกัน ยิ่งจำนวนเหตุการณ์น้อย ค่าที่ได้ยิ่งผันผวนสูงและเชื่อถือได้น้อยลง องค์กรที่วางรากฐานนี้ดีมักมาจากการวางโครงสร้าง 8 เสาหลักของ TPMเชื่อมตัวชี้วัดระดับปฏิบัติการกับเป้าหมายระดับบนผ่าน KMI-KPI-KAI

หัวใจของการคำนวณที่ถูกต้อง อยู่ที่การเก็บข้อมูลดิบ ไม่ใช่ที่สูตร

สูตร MTBF และ MTTR มีเพียงบรรทัดเดียวและไม่เคยเปลี่ยน สิ่งที่ทำให้ตัวเลขสองตัวนี้ผิดเพี้ยนในทางปฏิบัติคือคุณภาพของข้อมูลดิบที่ป้อนเข้าสูตร บทความ Planned Maintenance คืออะไร พูดถึงจุดเวลาสำคัญของความเสียหายไว้แล้วในภาพรวม หัวข้อนี้จะขยายว่าต้องบันทึกจุดเวลาใดบ้าง และเหตุใดการปนกันระหว่างเวลาซ่อมจริงกับเวลารอจึงทำให้ MTTR ที่รายงานกันสูงเกินจริงหลายเท่าตัว

4 จุดเวลาที่ต้องบันทึกทุกครั้งที่เกิดความเสียหาย

ใบแจ้งซ่อมหรือ Work Order ที่ดีต้องบังคับบันทึกเวลาอย่างน้อย 4 จุด ไม่ใช่แค่ "เวลาแจ้ง" กับ "เวลาปิดงาน" ตามที่หลายระบบทำกันอยู่ เพราะสองจุดนั้นแยกเวลาซ่อมจริงออกจากเวลารอไม่ได้เลย

จากจุดเวลาทั้งสี่ คำนวณช่วงย่อยได้สามช่วง คือเวลารอช่าง (T1−T0) เวลาซ่อมจริงหรือ MTTR (T2−T1) และเวลารอหลังซ่อมก่อนกลับมาผลิตได้ (T3−T2) ผลรวมทั้งสามช่วงคือเวลาหยุดรวมหรือ MDT (T3−T0) องค์กรที่บันทึกแค่ T0 กับ T3 จะไม่มีทางรู้ว่าเวลาที่หายไปเกิดจากช่างซ่อมช้าหรือระบบสนับสนุนช้า ควรตรวจสอบว่าเวลาที่บันทึกมาจากเหตุการณ์จริงด้วยหลัก 3-Gen ไปดูของจริงที่หน้างาน เป็นระยะ ทีมผลิตที่ผ่านการฝึก Autonomous Maintenance (AM) มาดีมักบันทึก T0 ได้แม่นยำกว่า เพราะรู้จักอาการผิดปกติตั้งแต่ระยะเริ่มต้นจากกิจกรรมทำความสะอาดประจำวัน

โรงงานที่ต้องการความแม่นยำสูงขึ้น เริ่มติดตั้งเซนเซอร์ตรวจจับสถานะเครื่องจักรอัตโนมัติเพื่อบันทึก T0 โดยไม่ต้องพึ่งคน เป็นทิศทางของ Smart Factory และ Industry 4.0 ที่ต่อยอดจาก TPM เดิม ส่วนระบบบันทึกเวลาทั้งสี่จุดควรอยู่ในระบบ CMMSที่บังคับกรอกฟิลด์เวลา เพราะข้อมูลขาดหายบางส่วนจะทำให้สถิติทั้งชุดใช้งานไม่ได้

แยก "เวลาซ่อมจริง" ออกจาก "เวลารอ" จุดที่ MTTR บวมเกินจริงมากที่สุด

เวลารอที่ปนเข้าไปใน MTTR มีหลายรูปแบบ และแต่ละแบบมีวิธีแก้ต่างกันโดยสิ้นเชิง การนำเวลารอทั้งหมดไปกองรวมเป็น MTTR ก้อนเดียวทำให้ทีมบำรุงรักษาแก้ปัญหาผิดจุดเสมอ เช่น สั่งอบรมเพิ่มทักษะช่างทั้งที่ปัญหาจริงคือระบบเบิกอะไหล่ช้า

ข้อสังเกตสำคัญคือเวลารอบางประเภท เช่น รอช่างว่างหรือรอสตาร์ทเครื่อง มักเป็นการหยุดสั้น ๆ ที่หน้างานมักไม่รายงานเพราะดูไม่ใช่การเสียใหญ่โต ซึ่งมีธรรมชาติต่างจากMinor Stop Loss (Chokotei)ที่เป็นการหยุดจิ๋วระหว่างเดินเครื่องปกติ เวลารอในบริบทนี้เกิดขึ้นระหว่างเหตุการณ์ breakdown ที่นับเป็นความล้มเหลวอยู่แล้ว จึงต้องแยกให้ชัดว่าเป็นคนละเรื่องกัน ไม่ควรเหมารวมหรือแยกออกจาก MDT โดยพลการ

ตัวอย่างคำนวณเดินเลขเต็ม 3 ชุด จากข้อมูลดิบจริงหน้างาน

สามตัวอย่างต่อไปนี้จำลองจากรูปแบบข้อมูลที่พบได้จริงในโรงงาน แต่ละชุดแสดง log เหตุการณ์ทีละครั้งพร้อมจุดเวลาทั้งสี่ แล้วไล่คำนวณ MTBF, MTTR (active repair), MDT และ Availability ให้เห็นวิธีคิดทุกขั้นตอน ตัวเลข Availability ในหัวข้อนี้เป็นคนละมุมกับ Performance และ Quality ในสูตร OEE เพราะเป็นเพียงหนึ่งในสามองค์ประกอบเท่านั้น

ชุดที่ 1 ปั๊มหล่อเย็น P-101

ช่วงเวลาสังเกตการณ์ 1 มกราคม ถึง 31 มีนาคม รวม 90 วัน เครื่องเดินต่อเนื่อง 24 ชั่วโมงต่อวัน ไม่มีการหยุดตามแผน จึง exposure time = 90×24 = 2,160 ชั่วโมง ในช่วงนี้เกิดความเสียหาย 4 ครั้ง ดังตาราง

เวลาซ่อมจริง (T2−T1) และเวลารอ (T1−T0)+(T3−T2) ต่อครั้ง เป็นนาที: ครั้งที่ 1 ซ่อมจริง 90 รอ 60 · ครั้งที่ 2 ซ่อมจริง 210 รอ 30 · ครั้งที่ 3 ซ่อมจริง 60 รอ 105 · ครั้งที่ 4 ซ่อมจริง 30 รอ 15 รวมเวลาซ่อมจริง 390 นาที รวมเวลารอ 210 นาที เวลาหยุดรวม = 390+210 = 600 นาที (10 ชั่วโมง) Uptime = 2,160−10 = 2,150 ชั่วโมง (n = 4 ครั้ง) จึงคำนวณได้ดังนี้

• MTBF = Uptime ÷ n = 2,150 ÷ 4 = 537.5 ชั่วโมง
• MTTR (เฉพาะเวลาซ่อมจริง) = 390 ÷ 4 = 97.5 นาที (ประมาณ 1.63 ชั่วโมง)
• MDT (เวลาหยุดรวมเฉลี่ยต่อครั้ง) = 600 ÷ 4 = 150 นาที (2.5 ชั่วโมง)
• Availability = MTBF ÷ (MTBF+MDT) = 537.5 ÷ 540 = 0.9954 หรือ 99.54%

ข้อสังเกต: ครั้งที่ 3 ซึ่งเกิดกะดึก มีเวลารอสูงถึง 105 นาทีจากทั้งหมด 165 นาที (เกือบ 64%) เพราะไม่มีช่างประจำกะดึก หากนำ MDT ก้อนนี้ไปตีความว่าเป็นฝีมือช่างแย่ จะผิดทันที ต้นตอจริงคือการจัดอัตรากำลังกะดึก ไม่ใช่ทักษะการซ่อม

ชุดที่ 2 สายพานลำเลียง C-205

ช่วงเวลาสังเกตการณ์ 60 วัน สายพานนี้เดินเครื่องตามแผน 2 กะ หรือ 16 ชั่วโมงต่อวัน และหยุดตามแผน 8 ชั่วโมงต่อวันเพื่อทำความสะอาดและ PM ประจำวัน เวลาหยุดตามแผนนี้ต้องตัดออกจาก exposure time ตั้งแต่ต้น ไม่นำมาปนกับการคำนวณ MTBF และ MTTR ของความเสียหายที่ไม่ได้วางแผน จึง exposure time = 60×16 = 960 ชั่วโมง เกิดความเสียหาย 5 ครั้งในช่วงนี้

เวลาซ่อมจริงแต่ละครั้ง (นาที): 20, 90, 45, 30, 150 รวม 335 นาที เวลารอแต่ละครั้ง (นาที): 0, 40, 125, 10, 50 รวม 225 นาที เวลาหยุดรวม = 335+225 = 560 นาที Uptime = 960−(560÷60) = 960−9.33 = 950.67 ชั่วโมง (n = 5 ครั้ง)

• MTBF = 950.67 ÷ 5 = 190.13 ชั่วโมง
• MTTR (เฉพาะเวลาซ่อมจริง) = 335 ÷ 5 = 67 นาที (ประมาณ 1.12 ชั่วโมง)
• MDT (เวลาหยุดรวมเฉลี่ย) = 560 ÷ 5 = 112 นาที (ประมาณ 1.87 ชั่วโมง)
• Availability = 190.13 ÷ 192.0 = 0.9903 หรือ 99.03%

จุดที่ควรสังเกต: ครั้งที่ 3 มีเวลารอ 125 นาทีจากทั้งหมด 170 นาที (ประมาณ 74%) เพราะอะไหล่อยู่คนละอาคาร และครั้งที่ 5 มีเวลารอ 50 นาทีจากการรอใบอนุมัติ hot work ทั้งสองเป็นปัญหาระบบสนับสนุน ไม่ใช่ฝีมือช่าง 4M Analysisแยกตาม Man, Machine, Material, Method ช่วยชี้ว่าควรแก้ที่ Material หรือ Method ไม่ใช่โทษตัวช่าง

ชุดที่ 3 มอเตอร์เกียร์ GM-310

ช่วงเวลาสังเกตการณ์ 120 วัน ตั้งแต่ 1 มกราคม ถึง 30 เมษายน เดินเครื่องต่อเนื่อง 24 ชั่วโมงต่อวัน exposure time = 120×24 = 2,880 ชั่วโมง เครื่องนี้เสียเพียง 3 ครั้งในช่วงนี้ แต่แต่ละครั้งใช้เวลาซ่อมนานกว่าสองตัวอย่างแรกมาก เพราะเป็นงานที่ต้องเปิดเคสเกียร์และเปลี่ยนชิ้นส่วนภายใน

เวลาซ่อมจริงแต่ละครั้ง (นาที): 360, 210, 60 รวม 630 นาที เวลารอแต่ละครั้ง (นาที): 60, 495 (รอข้ามกะจนถึงเช้าวันถัดไป), 20 รวม 575 นาที เวลาหยุดรวม = 630+575 = 1,205 นาที Uptime = 2,880−(1,205÷60) = 2,880−20.08 = 2,859.92 ชั่วโมง (n = 3 ครั้ง)

• MTBF = 2,859.92 ÷ 3 = 953.31 ชั่วโมง
• MTTR (เฉพาะเวลาซ่อมจริง) = 630 ÷ 3 = 210 นาที (3.5 ชั่วโมง)
• MDT (เวลาหยุดรวมเฉลี่ย) = 1,205 ÷ 3 = 401.67 นาที (ประมาณ 6.69 ชั่วโมง)
• Availability = 953.31 ÷ 960.0 = 0.9930 หรือ 99.30%

MTBF ที่สูงถึง 953 ชั่วโมงไม่ได้แปลว่าเครื่องนี้น่าห่วงน้อยกว่าเครื่องอื่นเสมอไป เพราะเมื่อเสียแต่ละครั้ง ทั้ง MTTR และ MDT สูงกว่าปั๊มและสายพานมาก โดยเฉพาะครั้งที่ 2 ที่เวลารอสูงถึง 495 นาที (8.25 ชั่วโมง) จากการไม่มีช่างเฉพาะทางเกียร์ในกะดึก การวางแผนด้วยSkill Matrixให้ครอบคลุมทักษะวิกฤตทุกกะจึงสำคัญไม่น้อยกว่าการทำให้ MTBF สูงขึ้น

สรุปเปรียบเทียบผลลัพธ์ทั้ง 3 เครื่อง

เมื่อนำผลของทั้งสามเครื่องมาเทียบกันในตารางเดียว จะเห็นรูปแบบที่แตกต่างกันชัดเจน แม้ทั้งสามจะอยู่ในโรงงานเดียวกัน

ปั๊มหล่อเย็นเสียบ่อยที่สุดเมื่อเทียบสัดส่วน แต่ MTTR และ MDT ต่ำ ทำให้ Availability สูงสุดในกลุ่ม สายพานลำเลียงมี MTBF ต่ำสุดเพราะกลไกสัมผัสงานโดยตรงและมีจุดสึกหรอหลายจุด ส่วนมอเตอร์เกียร์เสียน้อยที่สุดแต่กระทบการผลิตนานที่สุดเมื่อเสีย ปั๊มและสายพานเหมาะกับPredictive Maintenance (CBM)เพื่อจับสัญญาณก่อนเสีย ส่วนมอเตอร์เกียร์ที่เสียไม่บ่อยแต่รุนแรงเหมาะกับRCMเพื่อวางแผนอะไหล่-กำลังคนล่วงหน้าเฉพาะจุดวิกฤต

กับดักการคำนวณ 8 ข้อที่ทำให้ตัวเลข MTBF และ MTTR โกหก

ตัวเลข MTBF และ MTTR ที่ผิดเพี้ยนในทางปฏิบัติแทบทั้งหมดไม่ได้มาจากสูตรผิด แต่มาจากวิธีเตรียมข้อมูลก่อนเข้าสูตร ตารางด้านล่างรวบรวมกับดักที่พบบ่อยที่สุด 8 ข้อ

มองลึกกว่าค่าเฉลี่ย พื้นฐานสถิติเบื้องหลัง MTBF และ MTTR

ในทางวิศวกรรมความน่าเชื่อถือ (Reliability Engineering) MTBF สัมพันธ์โดยตรงกับอัตราการเสีย หรือ Failure Rate แทนด้วยสัญลักษณ์ λ (แลมบ์ดา) คือ λ = 1 ÷ MTBF ถ้า MTBF = 500 ชั่วโมง อัตราการเสียเฉลี่ย = 1÷500 = 0.002 ครั้งต่อชั่วโมง หรือประมาณ 2 ครั้งต่อ 1,000 ชั่วโมง ใช้ประมาณความเสียหายที่คาดว่าจะเกิดได้ แต่ต้องอาศัยสมมติฐานว่าอัตราการเสียคงที่ตลอดช่วงที่พิจารณา ซึ่งจริงเฉพาะบางช่วงอายุของเครื่องจักรเท่านั้น

ทำไมเวลาการเสียส่วนใหญ่ไม่ได้กระจายแบบ Normal Distribution

ความเข้าใจผิดที่ตามมาคือสมมติว่าเวลาการเสียกระจายแบบ Normal Distribution หรือโค้งระฆังคว่ำสมมาตร แต่ในความเป็นจริงเวลาการเสียของเครื่องจักรอุตสาหกรรมส่วนใหญ่ไม่ได้กระจายแบบนั้น เพราะกลไกการเสียมีธรรมชาติต่างกันตามช่วงอายุ ช่วงต้น (early-life) มักมาจากข้อบกพร่องการผลิตหรือติดตั้ง อัตราการเสียสูงแล้วลดลง ช่วงกลาง (useful life) เกิดแบบสุ่ม อัตราการเสียคงที่และต่ำ ช่วงปลาย (wear-out) อัตราการเสียเพิ่มขึ้นจากการสึกหรอสะสม สามช่วงนี้วาดกราฟรวมกันได้รูปทรงคล้ายอ่างอาบน้ำ อธิบายไว้ในBathtub Curve คืออะไร

ผลที่ตามมาคือค่าเฉลี่ย MTBF ตัวเดียวอาจซ่อนความจริงต่างกันไว้ข้างหลัง เครื่องสองเครื่องอาจมี MTBF เท่ากันที่ 500 ชั่วโมง แต่เครื่องหนึ่งเสียสม่ำเสมอทุก 450 ถึง 550 ชั่วโมง (กระจายแคบ คาดการณ์ง่าย) ขณะที่อีกเครื่องเสียกระจุกตัวช่วงสั้น ๆ แล้วเงียบไปนาน (กระจายกว้าง คาดการณ์ยาก) ความเสี่ยงเชิงธุรกิจจึงสูงกว่ามากแม้ค่าเฉลี่ยเท่ากัน จึงต้องใช้เครื่องมือทางสถิติ เช่น การแจกแจงแบบ Weibull ระบุตำแหน่งบน Bathtub Curve และเลือกกลยุทธ์ให้เหมาะ หลักคิดเดียวกับRCMที่เลือกกลยุทธ์เฉพาะแต่ละชิ้นส่วนแทนมาตรฐานเดียวทั้งเครื่อง

ตีความอย่างไรให้นำไปตัดสินใจได้จริง

MTBF และ MTTR มีความหมายมากที่สุดเมื่อนำมาอ่านคู่กันเป็นแนวโน้ม ไม่ใช่อ่านแยกเป็นตัวเลขเดี่ยว ๆ ในแต่ละรอบรายงาน ตารางด้านล่างสรุปสถานการณ์ที่พบบ่อยและแนวทางตอบสนอง

ตัวชี้วัดที่แตกแขนงจาก MTBF และ MTTR ได้แก่ MTTF, MDT และ MTBM

นอกจาก MTBF และ MTTR แล้ว ยังมีตัวชี้วัดใกล้เคียงกันอีกสามตัวที่มักถูกใช้ปนกันอย่างไม่ถูกต้อง ทั้งที่แต่ละตัวตอบคำถามคนละแบบ

ตัวอย่าง MTTF คือหลอดไฟ LED บนไลน์ผลิตที่เมื่อเสียต้องเปลี่ยนดวงใหม่ทั้งหมด ไม่มีการซ่อมหลอดเดิม จึงรายงานเป็น MTTF ไม่ใช่ MTBF ส่วน MTBM มีประโยชน์เมื่อต้องวางแผนกำลังคนรวมทั้งงานPlanned Maintenance ทุกประเภททั้ง BM, TBM, CBM และ CM ไม่ใช่มองแค่ความเสียหายที่ไม่ได้วางแผน การแยกตัวชี้วัดให้ถูกประเภทช่วยให้รายงานผลไปยังผู้บริหารไม่คลาดเคลื่อน

ค่าเป้าหมายอ้างอิง ตามระดับความสุกงอมและประเภทอุตสาหกรรม

คำถามที่พบบ่อยที่สุดคือ MTBF เท่าไหร่ถึงจะเรียกว่าดี คำตอบคือไม่มีตัวเลขสากลตายตัว เพราะ MTBF ที่ดีของอุตสาหกรรมกระบวนการต่อเนื่องกับอุตสาหกรรมประกอบชิ้นส่วนแตกต่างกันโดยธรรมชาติของเครื่องจักรและความรุนแรงของสภาพการทำงาน ตารางด้านล่างให้กรอบอ้างอิงตามระดับความสุกงอม เป็นทิศทางกว้าง ๆ สำหรับประเมินตัวเองเทียบกับอดีต ไม่ใช่มาตรฐานที่เทียบข้ามอุตสาหกรรมได้โดยตรง

ข้อควรระวังคือห้ามนำตัวเลขในตารางนี้ไปเทียบข้ามอุตสาหกรรมโดยตรง เพราะเครื่องจักรในอุตสาหกรรมกระบวนการต่อเนื่องมักเดินเครื่อง 24 ชั่วโมงไม่หยุดเป็นปี จึงมีฐาน exposure time สูงกว่ามาก การเปรียบเทียบที่มีความหมายที่สุดคือเทียบตัวเองในอดีตกับปัจจุบันของเครื่องจักรประเภทเดียวกันในโรงงานเดียวกัน มากกว่าไล่ตามตัวเลขจากอุตสาหกรรมอื่นที่สภาพแวดล้อมต่างกัน แนวทางที่ยั่งยืนกว่าคือตั้งเป้าหมายสอดคล้องเส้นทางสู่Zero Breakdownของโรงงานตัวเอง และดูภาพรวมในคลัง Manufacturing KPIประกอบ

กับดักเชิงพฤติกรรม เมื่อ MTBF กลายเป็นเครื่องมือประเมินผลงาน

ปัญหาที่ร้ายแรงกว่าความผิดพลาดทางคำนวณคือกับดักเชิงพฤติกรรม เกิดขึ้นเมื่อผู้บริหารนำ MTBF ไปผูกกับการประเมินผลงานช่างซ่อมบำรุงโดยตรง เช่น ตั้งเป้าว่าทีมที่มี MTBF สูงกว่าคือทีมที่เก่งกว่า หรือผูก MTBF กับโบนัสรายบุคคล พฤติกรรมที่ตามมาแทบทุกครั้งคือการปั้นข้อมูล ไม่ใช่การปรับปรุงงานจริง ช่างจะเริ่มไม่รายงานเหตุขัดข้องเล็ก ๆ ที่แก้เองได้เงียบ ๆ เพราะรู้ว่าการรายงานจะทำให้ MTBF ของตัวเองแย่ลง

ผลลัพธ์ที่ตามมาคือระบบข้อมูลทั้งชุดเสียความน่าเชื่อถือ เพราะเหตุการณ์เล็ก ๆ ที่ไม่ถูกรายงานคือสัญญาณเตือนล่วงหน้าที่มีค่าที่สุดสำหรับป้องกันความเสียหายใหญ่ในอนาคต การซ่อนข้อมูลทำให้ MTBF ดูดีขึ้นในกระดาษ แต่ความเสี่ยงจริงไม่ได้ลดลง ทำลายวัฒนธรรมการรายงานโปร่งใสซึ่งเป็นรากฐานของDaily Managementที่ดี จึงควรใช้ MTBF/MTTR เป็นตัวชี้วัดของระบบ ไม่ใช่ของบุคคล ประเมินทีมงานจากพฤติกรรมเชิงคุณภาพแทน เช่น ความสม่ำเสมอในการบันทึกข้อมูลและความรวดเร็วในการตอบสนอง โดยอาศัยการบริหารการเปลี่ยนแปลงในองค์กร TPMสร้างความไว้วางใจว่าการรายงานตามจริงจะไม่ถูกลงโทษ

Checklist ตั้งระบบเก็บข้อมูลให้พร้อมคำนวณ MTBF และ MTTR ได้ถูกต้อง

ก่อนเชื่อตัวเลข MTBF และ MTTR ที่รายงานออกมาจากระบบใด ให้ตรวจสอบรากฐานการเก็บข้อมูลตามรายการต่อไปนี้ก่อน

1. ใบแจ้งซ่อมหรือ Work Order บังคับกรอกครบ 4 จุดเวลา (T0 ถึง T3) ไม่ปล่อยให้ปิดงานได้โดยเว้นฟิลด์ว่าง
2. แยกฟิลด์เวลาซ่อมจริงกับเวลารอตั้งแต่การออกแบบฟอร์ม ไม่ใช่มาแยกทีหลังจากตัวเลขรวม
3. ระบุประเภทเวลารอทุกครั้ง ไม่ว่ารอช่าง รออะไหล่ รออนุมัติ รอผู้เชี่ยวชาญ หรือรอตรวจสอบ เพื่อวิเคราะห์แยกสาเหตุภายหลัง
4. แยก planned downtime ออกจาก unplanned downtime ตั้งแต่ต้นทาง กำหนด exposure time ให้ชัดต่อเครื่องจักรแต่ละตัว
5. กำหนดนิยามความล้มเหลวให้ตรงกันทั้งโรงงาน เช่น หยุดกี่นาทีถึงนับเป็น breakdown ไม่ใช่แค่ minor stop เพื่อไม่ให้แต่ละกะนับต่างกัน
6. แยกระดับการวิเคราะห์ให้ชัดว่าเป็น MTBF ของเครื่องทั้งเครื่องหรือชิ้นส่วนวิกฤตจุดใดจุดหนึ่ง อ้างอิงจุดวิกฤตจาก FMEA
7. สะสมข้อมูลให้มีจำนวนเหตุการณ์เพียงพอก่อนสรุปแนวโน้ม อย่างน้อยหลายไตรมาสหรือรวมกลุ่มเครื่องรุ่นเดียวกัน
8. ตรวจสอบคุณภาพข้อมูลเป็นระยะด้วยการไปดูหน้างานจริง เทียบกับสิ่งที่บันทึกในระบบว่าตรงกันหรือไม่
9. ไม่ผูก MTBF หรือ MTTR รายบุคคลเข้ากับการประเมินผลงานหรือโบนัสโดยตรง เพื่อป้องกันการปั้นข้อมูล
10. ทบทวนนิยามและวิธีเก็บข้อมูลร่วมกันทั้งทีมผลิตและทีมซ่อมบำรุงอย่างสม่ำเสมอ ให้เข้าใจตรงกันว่าทำไมข้อมูลแม่นยำจึงสำคัญกว่าตัวเลขที่ดูดี

MTBF และ MTTR เป็นเพียงผลลัพธ์ปลายทางของระบบข้อมูลเบื้องหลัง สูตรทั้งสองไม่เคยซับซ้อน แต่คุณภาพของ T0 ถึง T3 ที่บันทึกทุกครั้งต่างหากกำหนดว่าตัวเลขที่ได้จะใช้ตัดสินใจได้จริงหรือเป็นเพียงตัวเลขสวยงามที่หลอกตัวเอง โรงงานที่วางรากฐานถูกต้องตั้งแต่ต้นจะเห็นแนวโน้มความน่าเชื่อถือของเครื่องจักรชัดเจนขึ้นทุกไตรมาส กลับไปทบทวนภาพรวมเสาที่ 3 ได้ที่Planned Maintenance คืออะไร หากต้องการความช่วยเหลือออกแบบระบบเก็บข้อมูลและ Dashboard ติดตาม MTBF/MTTR ทีมงานพร้อมให้คำปรึกษาที่TPM Consulting