QC 7 Tools คืออะไร? เครื่องมือคุณภาพ 7 อย่างที่ใช้จริงหน้างาน

ผมเคยยืนอยู่หน้าไลน์ประกอบชิ้นส่วนยานยนต์แห่งหนึ่งตอนตีห้าครึ่ง หัวหน้ากะเดินมาบอกว่า "ปัญหาเดิมครับอาจารย์ ของเสียตัวเดิม เดือนที่แล้วก็แก้ไปแล้ว" ผมถามกลับสั้น ๆ ว่า "แก้ไปแล้วดีขึ้นกี่เปอร์เซ็นต์ครับ" เขาเงียบไปสักพักแล้วตอบว่า "ก็...รู้สึกว่าดีขึ้นนะครับ" นั่นคือคำตอบที่ผมได้ยินบ่อยที่สุดในโรงงานไทย และมันคือรากของปัญหาเรื้อรังแทบทุกเรื่อง

โรงงานส่วนใหญ่ไม่ได้ขาดคนเก่ง ไม่ได้ขาดความตั้งใจ และไม่ได้ขาดงบประมาณด้วยซ้ำ สิ่งที่ขาดคือ "หลักฐาน" ที่ทำให้ทุกคนในห้องประชุมมองเห็นภาพเดียวกัน เมื่อไม่มีหลักฐาน การประชุมแก้ปัญหาจะกลายเป็นเวทีของคนที่พูดเสียงดังที่สุดหรือมีตำแหน่งสูงที่สุด มาตรการที่ออกมาจึงเป็นมาตรการที่ "ฟังดูดี" มากกว่ามาตรการที่ "ตรงจุด" ผลลัพธ์คือปัญหาหายไปสองสัปดาห์แล้วกลับมาใหม่ พร้อมกับความเชื่อฝังลึกว่า "ปัญหานี้มันแก้ไม่ได้หรอก เป็นแบบนี้มาสิบปีแล้ว"

QC 7 Tools คือชุดเครื่องมือที่เกิดขึ้นมาเพื่อแก้ความเชื่อนั้นโดยเฉพาะ มันไม่ใช่สถิติชั้นสูง ไม่ต้องใช้ซอฟต์แวร์ราคาแพง และไม่ต้องจบปริญญาโทถึงจะใช้ได้ พนักงานหน้างานที่จบ ปวช. ใช้ได้จริง ผมเห็นมากับตาหลายสิบโรงงาน บทความนี้จะพาไปดูเครื่องมือทั้งเจ็ดทีละตัว พร้อมตัวเลขจริงแบบที่เจอหน้างาน วิธีสร้างทีละขั้น และข้อผิดพลาดที่ผมเห็นซ้ำ ๆ จนจำได้ขึ้นใจ

QC 7 Tools คืออะไร

QC 7 Tools หรือ "เครื่องมือควบคุมคุณภาพ 7 ชนิด" คือชุดเทคนิคเชิงสถิติพื้นฐานเจ็ดอย่างที่ใช้เก็บข้อมูล จัดระเบียบข้อมูล และตีความข้อมูลเพื่อหาสาเหตุของปัญหาคุณภาพ ภาษาญี่ปุ่นเรียกว่า QC Nanatsu Dougu ส่วนภาษาอังกฤษมักเรียกว่า Seven Basic Tools of Quality

คนที่ผลักดันแนวคิดนี้จนแพร่หลายทั่วประเทศญี่ปุ่นในช่วงทศวรรษ 1960 คือ ดร.คาโอรุ อิชิกาวะ (Kaoru Ishikawa) อาจารย์จากมหาวิทยาลัยโตเกียว ความคิดของท่านตรงไปตรงมามาก ท่านมองว่าการควบคุมคุณภาพจะไม่มีวันสำเร็จถ้ามันถูกผูกขาดอยู่กับวิศวกรไม่กี่คนในแผนก QA เพราะคนที่เห็นปัญหาก่อนใครคือคนที่ยืนอยู่หน้าเครื่องจักร ดังนั้นถ้าอยากให้คุณภาพดีขึ้นจริง ต้องทำให้พนักงานระดับปฏิบัติการใช้สถิติเป็น

ท่านจึงคัดเลือกเทคนิคที่ "ง่ายพอที่คนทั่วไปเรียนรู้ได้ในเวลาไม่กี่ชั่วโมง แต่ทรงพลังพอที่จะแก้ปัญหาส่วนใหญ่ในโรงงานได้" ออกมาเจ็ดอย่าง มีคำพูดที่มักถูกอ้างถึงว่าเครื่องมือพื้นฐานเหล่านี้จัดการปัญหาคุณภาพในโรงงานได้ราว 95 เปอร์เซ็นต์ ตัวเลขนี้จะแม่นหรือไม่ไม่สำคัญเท่ากับสาระของมัน คือปัญหาส่วนใหญ่ที่เราคิดว่าซับซ้อน จริง ๆ แล้วแก้ได้ด้วยการนับให้ถูก จัดกลุ่มให้ถูก และวาดกราฟให้ถูก

อีกจุดที่หลายคนมองข้าม คือ QC 7 Tools ถูกออกแบบมาให้ใช้เป็น "ภาษากลาง" ของกลุ่มย่อย เมื่อทุกคนในกลุ่ม QCC หรือทีมไคเซ็นใช้เครื่องมือชุดเดียวกัน การสื่อสารจะเร็วขึ้นมาก ผู้จัดการที่ไม่ได้อยู่หน้างานสามารถดูผังพาเรโตแผ่นเดียวแล้วเข้าใจสถานการณ์ได้ภายในสามสิบวินาที นี่คือเหตุผลที่เครื่องมือชุดนี้กลายเป็นพื้นฐานบังคับของทั้ง TPM, QCC, Lean และ Six Sigma มาจนถึงทุกวันนี้

ในบริบทของ TPM เครื่องมือชุดนี้ทำงานเป็นกระดูกสันหลังของเสา Focused Improvement หรือ Kaizen โดยตรง ทุกครั้งที่ทีมจะลด ความสูญเสียที่ฉุด OEE ลง ขั้นแรกคือเก็บข้อมูลด้วยใบตรวจสอบ ขั้นที่สองคือจัดลำดับด้วยพาเรโต ถ้าข้ามสองขั้นนี้ไป สิ่งที่ได้จะเป็นแค่การเดาที่ใส่กระดาษสวย ๆ

เครื่องมือที่ 1: ใบตรวจสอบ (Check Sheet)

ใบตรวจสอบคือแบบฟอร์มที่ออกแบบไว้ล่วงหน้าเพื่อให้คนหน้างาน "ขีด" บันทึกเหตุการณ์ได้ทันทีที่มันเกิดขึ้น โดยไม่ต้องเขียนบรรยาย ไม่ต้องคิดเยอะ และไม่ต้องรอกลับไปนั่งพิมพ์ที่โต๊ะ มันเป็นเครื่องมือตัวเดียวในเจ็ดตัวที่ทำหน้าที่ "สร้างข้อมูล" ส่วนอีกหกตัวที่เหลือทำหน้าที่ "ใช้ข้อมูล" ดังนั้นถ้าใบตรวจสอบออกแบบผิด เครื่องมืออีกหกตัวจะผิดตามทั้งหมด

ใช้ตอบคำถามอะไร

ใบตรวจสอบตอบคำถามพื้นฐานที่สุดสี่ข้อ คือ เกิดอะไรขึ้น เกิดกี่ครั้ง เกิดที่ไหน และเกิดเมื่อไหร่ มันไม่ได้บอกสาเหตุ และไม่ควรคาดหวังให้มันบอก หน้าที่ของมันคือเปลี่ยนความรู้สึกว่า "ช่วงนี้เสียเยอะ" ให้กลายเป็นตัวเลขที่เถียงกันไม่ได้

ประเภทที่ใช้บ่อยหน้างาน

• ใบนับความถี่ของข้อบกพร่อง แจกแจงชนิดของเสียเป็นแถว แจกแจงกะหรือวันเป็นคอลัมน์ แล้วขีดนับ เหมาะกับงานที่ต้องการหาว่าของเสียชนิดไหนเยอะที่สุด
• ใบตรวจสอบตำแหน่งข้อบกพร่อง ใช้รูปวาดของชิ้นงานจริงเป็นพื้นหลัง แล้วให้พนักงานจุดตำแหน่งที่พบรอยตำหนิลงบนรูป เครื่องมือนี้ทรงพลังมากกับปัญหารอยขีดข่วนหรือรอยบุบ เพราะพอเก็บครบร้อยชิ้นแล้ววางซ้อนกัน จุดจะกระจุกอยู่ตำแหน่งเดียว ซึ่งมักชี้ไปที่จุดจับยึดของฟิกซ์เจอร์หรือมุมของรางลำเลียงทันที
• ใบตรวจสอบสาเหตุการหยุดเครื่อง ระบุรหัสสาเหตุการหยุดไว้ล่วงหน้า พนักงานแค่ขีดพร้อมจดเวลาเริ่มและเวลาเดินเครื่องอีกครั้ง ข้อมูลชุดนี้คือวัตถุดิบตั้งต้นของการคำนวณ MTBF และ MTTR
• ใบตรวจสอบการกระจายของค่าวัด แบ่งช่วงค่าวัดไว้ล่วงหน้าเป็นชั้น ๆ แล้วขีดลงในชั้นที่ตรงกับค่าที่วัดได้ ทำให้ได้ฮิสโตแกรมสำเร็จรูปโดยไม่ต้องคำนวณย้อนหลัง
• ใบตรวจสอบเพื่อยืนยันการทำงาน คือเช็กลิสต์ที่ใช้ตอนตรวจสภาพเครื่องประจำวัน มีลักษณะเป็นรายการที่ต้องติ๊กให้ครบ ใช้คู่กับงานการบำรุงรักษาด้วยตนเอง

วิธีสร้างทีละขั้น

1. ระบุวัตถุประสงค์ให้แคบที่สุด เขียนเป็นประโยคเดียวว่าจะเอาข้อมูลนี้ไปตอบคำถามอะไร ถ้าเขียนไม่ได้แปลว่ายังไม่ควรทำใบตรวจสอบ ควรกลับไปนิยามปัญหาให้ชัดก่อน ซึ่งเป็นเรื่องที่ผมเขียนไว้แยกใน บทความว่าด้วยการนิยามปัญหา
2. กำหนดหน่วยของการนับ จะนับเป็นชิ้น เป็นจุดบกพร่อง หรือเป็นครั้ง ต้องเลือกให้ชัด ชิ้นงานหนึ่งชิ้นที่มีรอยขีดข่วนสามรอยจะถูกนับเป็น 1 หรือ 3 ต้องตกลงกันก่อนพิมพ์ฟอร์ม
3. กำหนดหมวดหมู่ล่วงหน้า รายการชนิดของเสียควรมีไม่เกิน 8 ถึง 10 หมวด และต้องมีช่อง "อื่น ๆ" พร้อมบรรทัดว่างให้เขียนขยายความเสมอ
4. ออกแบบให้ขีดเสร็จภายใน 5 วินาที ถ้าพนักงานต้องใช้เวลากรอกนานกว่านี้ ในกะดึกเขาจะไม่กรอก แล้วมากรอกย้อนหลังตอนใกล้เลิกกะ ซึ่งได้ข้อมูลที่แย่กว่าไม่มีข้อมูลเลย
5. ใส่หัวฟอร์มให้ครบ วันที่ กะ ชื่อไลน์ รหัสเครื่อง รุ่นสินค้า ชื่อผู้บันทึก ห้าอย่างนี้คือสิ่งที่จะทำให้แบ่งชั้นข้อมูลได้ในภายหลัง
6. ทดลองใช้จริง 3 วันแล้วแก้ ไม่มีใบตรวจสอบไหนถูกตั้งแต่ครั้งแรก ให้ถือว่าเวอร์ชันแรกเป็นตัวทดลองเสมอ

ตัวอย่างจริงจากหน้างาน

โรงงานฉีดพลาสติกแห่งหนึ่งเชื่อกันมานานว่าปัญหาหลักคือ "ชิ้นงานเป็นรอยไหม้" เพราะเป็นสิ่งที่ลูกค้าเคยเคลมและทุกคนจำได้ พอเราให้พนักงานขีดใบตรวจสอบเป็นเวลา 10 วันทำงาน กับผลผลิตรวม 42,600 ชิ้น ผลออกมาแบบนี้

สองเรื่องโผล่ขึ้นมาทันทีจากตารางเดียวนี้ เรื่องแรกคือรอยไหม้ที่ทุกคนเชื่อว่าเป็นปัญหาหลัก จริง ๆ แล้วอยู่อันดับสี่และคิดเป็นแค่ 8.6 เปอร์เซ็นต์ เรื่องที่สองซึ่งสำคัญกว่าคือกะ C มีของเสียสูงกว่ากะอื่นเกือบ 40 เปอร์เซ็นต์ทุกชนิด ไม่ใช่เฉพาะชนิดใดชนิดหนึ่ง รูปแบบแบบนี้แทบไม่เคยเกิดจากตัวแม่พิมพ์ แต่มักเกิดจากวิธีการทำงานหรือเงื่อนไขแวดล้อมที่ต่างกัน ซึ่งภายหลังพบว่ากะ C เป็นกะที่รับช่วงต่อหลังการล้างเครื่องและใช้เวลาอุ่นเครื่องสั้นกว่ามาตรฐานเพราะเร่งยอด

ข้อผิดพลาดที่พบบ่อย

• ให้หัวหน้ากรอกแทนพนักงาน ข้อมูลจะกลายเป็นความทรงจำ ไม่ใช่การสังเกต และมักจะปัดตัวเลขให้ดูดีโดยไม่รู้ตัว
• ฟอร์มยาวเกินหนึ่งหน้า A4 อัตราการกรอกจะตกฮวบทันทีที่ต้องพลิกหน้า
• ไม่มีคำนิยามของแต่ละหมวด พนักงานสองคนตัดสินรอยเดียวกันเป็นคนละชนิด ทำให้ข้อมูลใช้ไม่ได้ ทางแก้คือติดรูปถ่ายตัวอย่างของเสียแต่ละชนิดไว้ข้างฟอร์ม ซึ่งเป็นการประยุกต์ การควบคุมด้วยสายตา เข้ากับงานเก็บข้อมูล
• เก็บแล้วไม่เอามาแสดงผล นี่คือบาปที่ร้ายที่สุด ถ้าพนักงานกรอกข้อมูลสามเดือนแล้วไม่เคยเห็นกราฟ เขาจะเลิกกรอกอย่างถูกต้องภายในเดือนที่สอง ผมแนะนำเสมอว่าให้เอาผลสรุปขึ้นบอร์ดหน้าไลน์ทุกสัปดาห์ หรือถ้าใช้ระบบดิจิทัล ให้ตั้งแดชบอร์ดที่พนักงานเปิดดูได้เอง ซึ่งระบบบริหารงาน TPM แบบออนไลน์ช่วยตรงนี้ได้มาก เพราะข้อมูลจะกลายเป็นกราฟทันทีที่บันทึก

เครื่องมือที่ 2: กราฟ (Graph)

กราฟฟังดูเป็นเครื่องมือที่ธรรมดาที่สุดในเจ็ดตัว จนหลายคนข้ามไปเลย แต่ในทางปฏิบัติมันคือเครื่องมือที่ถูกใช้ผิดบ่อยที่สุด และการใช้ผิดของมันสร้างความเสียหายมากกว่าที่คิด เพราะกราฟคือสิ่งที่ผู้บริหารดู และผู้บริหารตัดสินใจจากสิ่งที่เขาดู

ใช้ตอบคำถามอะไร

กราฟตอบคำถามว่า "ภาพรวมเป็นอย่างไร" และ "แนวโน้มไปทางไหน" มันเปลี่ยนตารางตัวเลขที่ต้องใช้เวลาอ่านสองนาที ให้กลายเป็นภาพที่เข้าใจได้ในสามวินาที

ชนิดของกราฟและโจทย์ที่เหมาะ

ตัวอย่างจริงจากหน้างาน

ไลน์บรรจุแห่งหนึ่งรายงานว่า OEE เดือนล่าสุดอยู่ที่ 68 เปอร์เซ็นต์ ซึ่งดีขึ้นจากเดือนก่อนที่ 64 เปอร์เซ็นต์ ผู้บริหารพอใจ แต่พอเราขอข้อมูลรายวันมาพลอตเป็นกราฟเส้น 30 จุด ภาพที่เห็นคือค่าแกว่งอยู่ระหว่าง 41 ถึง 88 เปอร์เซ็นต์ โดยมีวันที่ต่ำกว่า 55 เปอร์เซ็นต์อยู่ 7 วัน และทั้ง 7 วันนั้นคือวันจันทร์กับวันหลังหยุดยาว ค่าเฉลี่ยเดือนที่ดีขึ้น 4 จุดจึงไม่ได้มาจากการปรับปรุงกระบวนการ แต่มาจากเดือนนั้นมีวันจันทร์น้อยกว่าหนึ่งวัน

นี่คือบทเรียนที่ผมย้ำในคลาสทุกครั้ง ค่าเฉลี่ยซ่อนความจริงเสมอ กราฟเส้นรายวันเปิดเผยมัน และเมื่อเห็นรูปแบบ "วันจันทร์แย่" ทีมก็รู้ทันทีว่าต้องไปดูขั้นตอนการเริ่มเดินเครื่องหลังหยุด ไม่ใช่ไปไล่ปรับความเร็วสายพาน

ข้อผิดพลาดที่พบบ่อย

• ตัดแกน Y ไม่ให้เริ่มที่ศูนย์ในกราฟแท่ง ทำให้ความต่าง 2 เปอร์เซ็นต์ดูเหมือนความต่างเท่าตัว เป็นการหลอกตาที่พบบ่อยมากในสไลด์รายงานผลงาน
• ใช้กราฟวงกลมกับข้อมูลเกิน 6 กลุ่ม สายตามนุษย์เปรียบเทียบมุมได้แย่มาก ถ้ามีหลายกลุ่มให้ใช้กราฟแท่งแนวนอนเรียงจากมากไปน้อยแทน
• ไม่ระบุจำนวนตัวอย่าง กราฟที่บอกว่าอัตราของเสีย 20 เปอร์เซ็นต์ โดยไม่บอกว่ามาจาก 5 ชิ้นหรือ 5,000 ชิ้น เป็นกราฟที่ใช้ตัดสินใจไม่ได้
• ลืมเส้นเป้าหมาย กราฟติดตามผลทุกใบควรมีเส้นเป้าหมายและเส้นค่าฐานเดิม ไม่อย่างนั้นคนดูจะไม่รู้ว่าตัวเลขที่เห็นดีหรือแย่

เครื่องมือที่ 3: ผังพาเรโต (Pareto Chart)

ถ้าให้ผมเลือกเครื่องมือเดียวที่ทุกโรงงานต้องใช้ให้เป็น ผมเลือกผังพาเรโต เพราะมันตอบคำถามที่แพงที่สุดในการทำไคเซ็น นั่นคือ "เราควรลงแรงกับเรื่องไหนก่อน" ทรัพยากรของทุกโรงงานมีจำกัด การเลือกผิดหัวข้อหนึ่งครั้งหมายถึงเวลาสามเดือนของทีมที่หายไปโดยไม่ได้อะไรกลับมา

ใช้ตอบคำถามอะไร

ผังพาเรโตตอบว่า "ปัญหาส่วนใหญ่มาจากสาเหตุกลุ่มไหน" มันตั้งอยู่บนหลักการที่ว่าความสูญเสียส่วนใหญ่มักกระจุกอยู่ในสาเหตุจำนวนน้อย มักถูกเรียกกันติดปากว่ากฎ 80/20 แต่ในทางปฏิบัติผมไม่แนะนำให้ยึดติดกับตัวเลข 80/20 ให้ดูที่รูปทรงของกราฟแทน ถ้าแท่งแรกสูงโดดออกมาชัดเจน แปลว่ามีเป้าหมายที่คุ้มค่า ถ้าแท่งทุกแท่งสูงพอ ๆ กัน แปลว่าคุณแบ่งหมวดหมู่ผิด ต้องกลับไปแบ่งชั้นข้อมูลใหม่

วิธีสร้างทีละขั้น

1. เลือกหน่วยวัดให้ตรงกับสิ่งที่อยากลด จะเป็นจำนวนชิ้น จำนวนนาทีที่หยุด หรือมูลค่าเป็นบาทก็ได้ แต่เลือกได้ทีละหนึ่ง
2. รวมยอดของแต่ละหมวดจากใบตรวจสอบ
3. เรียงหมวดจากมากไปน้อย ยกเว้นหมวด "อื่น ๆ" ที่ต้องอยู่ท้ายสุดเสมอแม้ยอดจะไม่น้อยที่สุด
4. คำนวณเปอร์เซ็นต์ของแต่ละหมวดเทียบยอดรวม
5. คำนวณเปอร์เซ็นต์สะสมโดยบวกสะสมลงมาทีละแถว
6. วาดแท่งตามยอด แล้ววาดเส้นสะสมทับโดยใช้แกน Y ด้านขวาที่มีสเกล 0 ถึง 100
7. ลากเส้นแนวนอนที่ระดับ 70 ถึง 80 เปอร์เซ็นต์ เพื่อกำหนดขอบเขตของ "หัวข้อสำคัญ"

ตัวอย่างคำนวณเปอร์เซ็นต์สะสม

ต่อจากข้อมูลโรงงานฉีดพลาสติกข้างต้น แต่คราวนี้ผมเปลี่ยนหน่วยจาก "จำนวนชิ้น" เป็น "มูลค่าความสูญเสียเป็นบาท" เพราะของเสียแต่ละชนิดมีต้นทุนไม่เท่ากัน บางชนิดแก้ไขซ่อมได้ บางชนิดต้องทิ้งอย่างเดียว

ผลลัพธ์พลิกจากหน้ามือเป็นหลังมือ เมื่อนับเป็นจำนวนชิ้น "ครีบเกิน" คืออันดับหนึ่งด้วยส่วนแบ่ง 44.6 เปอร์เซ็นต์ แต่เมื่อคิดเป็นเงิน มันตกไปอยู่อันดับสามด้วยส่วนแบ่ง 15.3 เปอร์เซ็นต์ เพราะครีบเกินตกแต่งได้ ต้นทุนต่อชิ้นจึงต่ำ ในขณะที่ "ฉีดไม่เต็ม" ที่มีจำนวนน้อยกว่าเกือบสามเท่ากลับกลายเป็นอันดับหนึ่ง เพราะทิ้งทั้งชิ้นและเป็นรุ่นที่ใช้เม็ดพลาสติกวิศวกรรมราคาสูง

ถ้าทีมไคเซ็นเลือกหัวข้อจากจำนวนชิ้น เขาจะใช้เวลาสามเดือนไปกับครีบเกินและได้เงินคืน 15,000 บาทต่อ 10 วัน แต่ถ้าเลือกจากมูลค่า เขาจะได้ 39,000 บาท ด้วยความพยายามพอ ๆ กัน แนวคิดการแปลงความสูญเสียเป็นเงินก่อนจัดลำดับนี้คือหัวใจของ Cost Deployment ซึ่งผมแนะนำให้ทำควบคู่กับพาเรโตเสมอในโครงการที่ผู้บริหารต้องอนุมัติงบ

เทคนิคขั้นสูง: พาเรโตซ้อนพาเรโต

พาเรโตใบแรกมักหยาบเกินกว่าจะแก้ได้จริง วิธีที่ผมใช้เสมอคือทำพาเรโตชั้นที่สองโดยเจาะเข้าไปในแท่งที่หนึ่ง เช่นจากตัวอย่างข้างบน เราเจาะ "ฉีดไม่เต็ม" 305 ชิ้น แล้วแยกตามแม่พิมพ์ พบว่า 214 ชิ้นมาจากแม่พิมพ์รหัส M-07 ตัวเดียว จากทั้งหมด 9 แม่พิมพ์ที่ผลิตรุ่นนี้ นั่นทำให้ขอบเขตปัญหาแคบลงจาก "ทั้งโรงงาน" เหลือ "แม่พิมพ์เดียว" ซึ่งเป็นระดับที่ทีมลงมือได้จริงภายในสัปดาห์เดียว

ข้อผิดพลาดที่พบบ่อย

• เอาหมวด "อื่น ๆ" ไปวางตามลำดับยอด ถ้าอื่น ๆ ขึ้นไปอยู่อันดับหนึ่ง กราฟจะไร้ความหมายทันที และถ้าอื่น ๆ เกิน 10 เปอร์เซ็นต์ แปลว่าการแบ่งหมวดหมู่ยังไม่ดีพอ ต้องกลับไปแยกใหม่
• ใช้หน่วยที่ไม่ตรงกับเป้าหมายของโครงการ ถ้าเป้าคือลดต้นทุน ต้องพลอตเป็นบาท ถ้าเป้าคือเพิ่มกำลังผลิต ต้องพลอตเป็นนาทีที่สูญเสีย
• ทำพาเรโตครั้งเดียวตอนเริ่มโครงการ ควรทำซ้ำหลังปรับปรุงเพื่อพิสูจน์ว่าแท่งที่หนึ่งเตี้ยลงจริง และมักจะพบว่าอันดับสลับกันใหม่ ซึ่งคือหัวข้อของรอบถัดไป
• ไม่ระบุช่วงเวลาที่เก็บข้อมูล พาเรโตที่ไม่บอกว่าเก็บกี่วันหรือกี่ชิ้น เอาไปเทียบกับรอบหน้าไม่ได้

เครื่องมือที่ 4: ผังก้างปลา (Cause and Effect Diagram)

ผังก้างปลาหรือผังอิชิกาวะ คือแผนภาพที่วางปัญหาไว้ที่หัวปลาด้านขวา แล้วแตกกิ่งสาเหตุออกมาเป็นก้าง เครื่องมือนี้เป็นตัวเดียวในเจ็ดตัวที่ไม่ใช้ตัวเลข แต่ใช้ความรู้และประสบการณ์ของคนในทีม หน้าที่ของมันคือทำให้สมมติฐานทั้งหมดถูกเขียนออกมาบนกระดาษแผ่นเดียว ก่อนที่จะเลือกไปพิสูจน์ด้วยข้อมูล

ใช้ตอบคำถามอะไร

มันตอบว่า "อะไรบ้างที่อาจเป็นสาเหตุ" ย้ำคำว่า "อาจ" เพราะทุกก้างในผังคือสมมติฐาน ไม่ใช่ข้อสรุป ความผิดพลาดที่ร้ายแรงที่สุดของเครื่องมือนี้คือการวาดเสร็จแล้วชี้ไปที่ก้างใดก้างหนึ่งแล้วประกาศว่านั่นคือสาเหตุ

กรอบ 4M 5M และ 5M1E

สำหรับงานบริการหรืองานสำนักงาน กรอบที่นิยมกว่าคือ 4P คือ Policy, Procedure, People, Plant ซึ่งเข้ากับบริบทงานเอกสารมากกว่า ผมใช้กรอบนี้ตอนทำโครงการใน Office TPM เป็นประจำ

วิธีสร้างทีละขั้น

1. เขียนหัวปลาให้เป็นปัญหาที่วัดได้ ห้ามเขียนว่า "คุณภาพไม่ดี" ให้เขียนว่า "อัตราชิ้นงานฉีดไม่เต็มของแม่พิมพ์ M-07 เท่ากับ 4.8 เปอร์เซ็นต์" ความคมของหัวปลากำหนดคุณภาพของทั้งผัง
2. ลากก้างใหญ่ตามกรอบที่เลือก ปกติใช้ 4M เป็นพื้นฐาน แล้วเพิ่ม Measurement กับ Environment เมื่อปัญหาเกี่ยวกับค่าวัดหรือความชื้น
3. ระดมสมองแบบไม่ตัดสิน ให้ทุกคนเขียนลงกระดาษโน้ตคนละหลายใบก่อน แล้วค่อยแปะลงก้าง วิธีนี้ป้องกันไม่ให้ความเห็นของหัวหน้าครอบงำห้อง
4. ถามต่ออีกอย่างน้อยสองชั้น ก้างย่อยต้องลึกพอ ถ้าเขียนแค่ "อุณหภูมิไม่เหมาะ" ยังใช้ไม่ได้ ต้องไล่ต่อว่าทำไมอุณหภูมิไม่เหมาะ จนถึงระดับที่จับต้องได้ เช่น "เทอร์โมคัปเปิลโซน 3 อ่านค่าต่ำกว่าจริง 12 องศา" การไล่ระดับนี้คือจุดที่ผังก้างปลาต่อเข้ากับ Why-Why Analysis ได้อย่างลงตัว
5. ลงคะแนนเลือกสาเหตุที่น่าสงสัยที่สุด 3 ถึง 5 ข้อ ให้สมาชิกทุกคนมีคะแนนคนละ 3 แต้ม แปะสติกเกอร์เลือก
6. ไปพิสูจน์ที่หน้างานด้วยข้อมูล ขั้นนี้คือขั้นที่คนข้ามบ่อยที่สุด ทุกสาเหตุที่ถูกเลือกต้องมีแผนการเก็บข้อมูลเพื่อยืนยันหรือปฏิเสธ

ตัวอย่างจริงจากหน้างาน

ทีมของแม่พิมพ์ M-07 ระดมสมองได้ 34 สาเหตุใน 6 หมวด แล้วโหวตเหลือ 4 ข้อ คือ อุณหภูมิบาร์เรลโซนหน้าต่ำกว่ามาตรฐาน ช่องทางไหลบางเกินไปหลังการซ่อมผิว ความชื้นในเม็ดพลาสติกจากการอบไม่ครบเวลา และแรงดันฉีดขั้นที่สองตั้งต่ำ จากนั้นใช้เวลาสองวันวัดจริง ผลคือสองข้อแรกยืนยันได้ด้วยตัวเลข ส่วนความชื้นวัดได้ 0.018 เปอร์เซ็นต์ ซึ่งอยู่ในเกณฑ์ จึงตัดออก และแรงดันขั้นสองตั้งตรงตามมาตรฐานทุกกะ จึงตัดออกเช่นกัน สุดท้ายเหลือสองสาเหตุที่ต้องแก้ ซึ่งชัดเจนพอที่จะเขียนมาตรการได้ทันที

ข้อผิดพลาดที่พบบ่อย

• วาดคนเดียวที่โต๊ะแล้วเอาไปให้ทีมเซ็น คุณค่าของผังก้างปลาอยู่ที่บทสนทนาระหว่างวาด ไม่ใช่ตัวรูป
• เขียนก้าง "พนักงานไม่ระมัดระวัง" นี่คือการโทษคน ไม่ใช่การวิเคราะห์ ต้องถามต่อว่าอะไรทำให้พลาดได้ง่าย แล้วมักจบลงที่การออกแบบ กลไกกันความผิดพลาด ซึ่งได้ผลถาวรกว่าการเตือนสติ
• สับสนระหว่างสาเหตุกับอาการ "เครื่องหยุดบ่อย" ไม่ใช่สาเหตุ มันคืออาการอีกตัวหนึ่ง
• ใช้กับปัญหาเรื้อรังที่มีหลายปัจจัยพัวพันกัน ผังก้างปลาเหมาะกับปัญหาที่มีสาเหตุเด่นไม่กี่ตัว ถ้าเป็นปัญหาเรื้อรังที่เกิดจากปัจจัยเล็ก ๆ หลายตัวรวมกัน ควรใช้ P-M Analysis ที่วิเคราะห์จากหลักฟิสิกส์แทน และถ้าปัญหาเป็นเรื่องความล้มเหลวของระบบที่มีเงื่อนไขซ้อนกัน FTA จะให้ภาพที่แม่นกว่า

เครื่องมือที่ 5: ฮิสโตแกรม (Histogram)

ฮิสโตแกรมคือกราฟแท่งที่แสดงว่าค่าที่วัดได้กระจายตัวอย่างไร แกนนอนคือช่วงของค่าวัด แกนตั้งคือความถี่ที่ค่าตกอยู่ในช่วงนั้น มันต่างจากกราฟแท่งธรรมดาตรงที่แกนนอนเป็นข้อมูลต่อเนื่อง ไม่ใช่หมวดหมู่ ดังนั้นแท่งจึงติดกันโดยไม่มีช่องว่าง

ใช้ตอบคำถามอะไร

ฮิสโตแกรมตอบว่า "กระบวนการของเราผลิตของออกมากระจายแบบไหน และมันอยู่ในกรอบข้อกำหนดหรือไม่" คำถามนี้สำคัญเพราะการรู้แค่ค่าเฉลี่ยไม่พอ กระบวนการสองตัวที่มีค่าเฉลี่ยเท่ากันเป๊ะ อาจตัวหนึ่งผลิตของดี 100 เปอร์เซ็นต์ อีกตัวผลิตของเสีย 8 เปอร์เซ็นต์ เพราะการกระจายต่างกัน

วิธีสร้างทีละขั้น

1. เก็บข้อมูลค่าวัดอย่างน้อย 50 ค่า ถ้าได้ 100 ค่าขึ้นไปจะเห็นรูปทรงชัดกว่ามาก
2. หาค่าสูงสุดและต่ำสุด แล้วคำนวณพิสัย
3. กำหนดจำนวนชั้น โดยทั่วไปใช้รากที่สองของจำนวนข้อมูล ถ้ามี 100 ค่าก็ใช้ประมาณ 10 ชั้น
4. คำนวณความกว้างชั้นจากพิสัยหารด้วยจำนวนชั้น แล้วปัดให้เป็นตัวเลขกลม ๆ ที่วัดง่าย
5. นับจำนวนข้อมูลที่ตกในแต่ละชั้น
6. วาดแท่ง แล้วลากเส้นขอบเขตข้อกำหนดล่างและบนทับลงไปด้วยเสมอ ขั้นนี้คือขั้นที่ทำให้ฮิสโตแกรมมีประโยชน์จริง

อ่านรูปทรงให้เป็น

ตัวอย่างจริงจากหน้างาน

งานกลึงเพลารุ่นหนึ่ง ข้อกำหนดเส้นผ่านศูนย์กลางคือ 25.00 บวกลบ 0.05 มิลลิเมตร หมายความว่าขอบล่างคือ 24.95 และขอบบนคือ 25.05 เราวัดชิ้นงาน 120 ชิ้นจากการผลิตต่อเนื่องสองกะ ได้ผลดังนี้

ค่าเฉลี่ยของชุดข้อมูลนี้อยู่ที่ประมาณ 25.011 มิลลิเมตร ซึ่งดูดีมากเพราะห่างจากค่ากลาง 25.000 แค่ 0.011 แต่ส่วนเบี่ยงเบนมาตรฐานอยู่ที่ประมาณ 0.0245 มิลลิเมตร และมีชิ้นงาน 5 ชิ้นหลุดเกินขอบบนไปแล้ว

Cp และ Cpk เบื้องต้น

ตัวเลขสองตัวนี้คือดัชนีความสามารถของกระบวนการ ซึ่งเป็นการขยายผลจากฮิสโตแกรมให้เป็นตัวเลขเดียวที่เทียบกันได้

• Cp เปรียบเทียบความกว้างของกรอบข้อกำหนดกับความกว้างของการกระจาย คำนวณจากผลต่างขอบบนกับขอบล่าง หารด้วยหกเท่าของส่วนเบี่ยงเบนมาตรฐาน ในตัวอย่างนี้คือ 0.10 หารด้วย 0.147 ได้ประมาณ 0.68 Cp บอกแค่ว่ากระบวนการ "แคบพอ" หรือไม่ โดยไม่สนว่าอยู่ตรงกลางหรือเปล่า
• Cpk เพิ่มเรื่องตำแหน่งเข้ามา โดยดูระยะจากค่าเฉลี่ยไปยังขอบที่ใกล้ที่สุด หารด้วยสามเท่าของส่วนเบี่ยงเบนมาตรฐาน ในตัวอย่างนี้ขอบที่ใกล้กว่าคือขอบบน ระยะเท่ากับ 25.05 ลบ 25.011 ได้ 0.039 หารด้วย 0.0735 ได้ประมาณ 0.53

เกณฑ์ที่อุตสาหกรรมยานยนต์ใช้กันคือ Cpk ต้องไม่ต่ำกว่า 1.33 สำหรับกระบวนการทั่วไป และ 1.67 สำหรับลักษณะเฉพาะที่วิกฤต ค่า 0.53 จึงถือว่าแย่มาก และที่สำคัญคือ Cp 0.68 บอกเราว่าต่อให้เลื่อนค่าเฉลี่ยมาไว้ตรงกลางเป๊ะ ๆ ก็ยังผลิตของเสียอยู่ดี เพราะการกระจายกว้างเกินกรอบตั้งแต่ต้น

นี่คือข้อสรุปเชิงปฏิบัติที่สำคัญมาก เมื่อ Cp ต่ำ การไปนั่งปรับออฟเซ็ตเครื่องทุกเช้าจะไม่ช่วยอะไรเลย ต้องไปแก้ที่ต้นตอของความผันแปร เช่นความสึกของมีด ความหลวมของหัวจับ หรือการสั่นสะเทือนของแกน ซึ่งเป็นงานที่เชื่อมตรงเข้ากับ Quality Maintenance ที่มุ่งควบคุมสภาพเครื่องจักรให้ผลิตของดีโดยไม่ต้องตรวจ

ข้อผิดพลาดที่พบบ่อย

• วาดฮิสโตแกรมโดยไม่ใส่เส้นข้อกำหนด รูประฆังสวยแต่ทั้งกองอยู่นอกกรอบก็ไม่มีประโยชน์
• เอาข้อมูลหลายเครื่องหลายกะมารวมกัน จะได้รูปสองยอดหรือรูปแบน แล้วสรุปผิดว่ากระบวนการผันแปรสูง ทั้งที่จริงคือแต่ละเครื่องนิ่งแต่ตั้งค่าต่างกัน
• ใช้จำนวนชั้นน้อยเกินไป 4 ถึง 5 ชั้นจะกลบรายละเอียดจนอ่านรูปทรงไม่ออก
• คำนวณ Cpk จากข้อมูลที่ยังไม่อยู่ในการควบคุมทางสถิติ ถ้าแผนภูมิควบคุมยังมีจุดหลุด ค่า Cpk ที่ได้จะไม่มีความหมายเชิงพยากรณ์ ต้องทำให้กระบวนการเสถียรก่อนเสมอ

เครื่องมือที่ 6: ผังการกระจาย (Scatter Diagram)

ผังการกระจายคือการพลอตจุดของตัวแปรสองตัวคู่กัน ตัวหนึ่งบนแกนนอน อีกตัวบนแกนตั้ง เพื่อดูว่าทั้งสองเคลื่อนไหวสัมพันธ์กันหรือไม่ เป็นเครื่องมือที่ใช้ "พิสูจน์" สมมติฐานจากผังก้างปลา

ใช้ตอบคำถามอะไร

มันตอบว่า "ตัวแปร A กับตัวแปร B เกี่ยวข้องกันจริงหรือเปล่า และเกี่ยวข้องกันแรงแค่ไหน" ในทางปฏิบัติ เมื่อทีมเถียงกันว่าอุณหภูมิห้องมีผลต่อความหนาของฟิล์มหรือไม่ วิธียุติข้อถกเถียงที่เร็วที่สุดคือเก็บคู่ข้อมูล 30 คู่แล้วพลอต

วิธีสร้างทีละขั้น

1. เลือกตัวแปรสองตัวที่สงสัยว่าสัมพันธ์กัน โดยให้ตัวที่เราควบคุมได้อยู่แกนนอน และตัวที่เป็นผลลัพธ์อยู่แกนตั้ง
2. เก็บข้อมูลเป็นคู่ อย่างน้อย 30 คู่ ทุกคู่ต้องมาจากช่วงเวลาหรือชิ้นงานเดียวกัน
3. กำหนดสเกลแกนให้จุดกระจายเต็มพื้นที่ ไม่ใช่กระจุกอยู่มุมเดียว
4. พลอตจุด ถ้ามีจุดซ้ำให้วงกลมซ้อนเพื่อไม่ให้ข้อมูลหาย
5. ดูรูปแบบ แล้วถ้าจำเป็นค่อยคำนวณสัมประสิทธิ์สหสัมพันธ์

อ่านรูปแบบ

ตัวอย่างจริงจากหน้างาน

โรงงานเคลือบผิวแห่งหนึ่งสงสัยว่าความหนืดของน้ำยาส่งผลต่อความหนาของชั้นเคลือบ จึงเก็บข้อมูล 36 คู่ในหนึ่งสัปดาห์ พลอตแล้วได้เส้นเฉียงขึ้นชัดเจน ค่าสหสัมพันธ์อยู่ที่ประมาณ 0.86 ทีมจึงมั่นใจว่าถ้าคุมความหนืดให้อยู่ในช่วง 380 ถึง 420 เซนติพอยส์ ความหนาจะอยู่ในกรอบ ผลปรากฏว่าหลังคุมความหนืดแล้ว ของเสียลดจาก 3.2 เหลือ 1.1 เปอร์เซ็นต์ในเดือนถัดมา

แต่มีอีกกรณีที่เป็นบทเรียนตรงข้าม โรงงานเดียวกันพบว่าจำนวนของเสียรายวันมีความสัมพันธ์เชิงบวกกับจำนวนพนักงานที่เข้าทำงานในวันนั้น ค่าสหสัมพันธ์สูงถึง 0.79 มีคนเสนอในที่ประชุมว่า "งั้นลดคนสิ ของเสียจะได้ลด" ซึ่งเป็นข้อสรุปที่ผิดอย่างสิ้นเชิง

สหสัมพันธ์ไม่ใช่เหตุและผล

ในกรณีข้างต้น ตัวแปรที่ซ่อนอยู่คือปริมาณการผลิต วันที่คนมาเยอะคือวันที่ผลิตเยอะ และเมื่อผลิตเยอะ จำนวนของเสียเป็นชิ้นย่อมเยอะตามไปด้วยแม้อัตราของเสียจะเท่าเดิม พอเปลี่ยนแกนตั้งจาก "จำนวนของเสียเป็นชิ้น" เป็น "อัตราของเสียเป็นเปอร์เซ็นต์" ความสัมพันธ์หายไปทันที เหลือค่าสหสัมพันธ์แค่ 0.06

กฎที่ผมสอนเสมอมีสามข้อ หนึ่ง ความสัมพันธ์ทางสถิติบอกได้แค่ว่าสองสิ่งเคลื่อนไหวไปด้วยกัน ไม่ได้บอกว่าอันไหนทำให้เกิดอันไหน สอง ต้องมีคำอธิบายเชิงกลไกหรือเชิงฟิสิกส์รองรับเสมอ ถ้าอธิบายไม่ได้ว่าทำไม A ถึงทำให้ B เกิด อย่าเพิ่งเชื่อ สาม ทางพิสูจน์ที่แท้จริงคือการทดลอง ลองเปลี่ยน A แล้วดูว่า B เปลี่ยนตามหรือไม่ ภายใต้เงื่อนไขอื่นที่คงที่

ข้อผิดพลาดที่พบบ่อย

• เก็บข้อมูลน้อยเกินไป ต่ำกว่า 20 คู่ รูปแบบที่เห็นอาจเป็นเพียงความบังเอิญ
• ใช้ช่วงข้อมูลแคบ ถ้าอุณหภูมิที่เก็บมาแกว่งแค่ 2 องศา จะไม่มีวันเห็นความสัมพันธ์แม้มันจะมีอยู่จริง
• ดูแต่ตัวเลขสหสัมพันธ์โดยไม่ดูรูป ความสัมพันธ์แบบโค้งจะให้ค่าใกล้ศูนย์ทั้งที่มีความสัมพันธ์ชัดเจน
• ไม่แบ่งชั้นข้อมูล ข้อมูลจากสองเครื่องรวมกันอาจให้ภาพลวง แนะนำให้ใช้สัญลักษณ์จุดต่างกันแยกตามเครื่องหรือกะเสมอ

เครื่องมือที่ 7: แผนภูมิควบคุม (Control Chart)

แผนภูมิควบคุมคือกราฟเส้นที่พลอตค่าตามลำดับเวลา พร้อมเส้นกลางและเส้นขอบเขตควบคุมบนกับล่าง เครื่องมือนี้เกิดจากงานของวอลเตอร์ ชูฮาร์ท ที่ห้องปฏิบัติการเบลล์ตั้งแต่ปี 1924 และเป็นเครื่องมือที่ลึกที่สุดในเจ็ดตัว เพราะมันไม่ได้แค่แสดงข้อมูล แต่บอกเราว่า "ควรลงมือทำอะไรหรือไม่"

ใช้ตอบคำถามอะไร

มันตอบคำถามเดียวที่สำคัญมาก คือ "การเปลี่ยนแปลงที่เห็นนี้ เป็นเรื่องปกติของกระบวนการ หรือมีอะไรผิดปกติเกิดขึ้นจริง" คำถามนี้ตอบผิดแล้วเสียหายทั้งสองทาง ถ้าคิดว่าปกติทั้งที่ผิดปกติ เราจะปล่อยของเสียไหลไป ถ้าคิดว่าผิดปกติทั้งที่ปกติ เราจะเข้าไปปรับเครื่องโดยไม่จำเป็น ซึ่งจะทำให้ความผันแปรเพิ่มขึ้นแทนที่จะลดลง

Common cause กับ Special cause

ชูฮาร์ทแบ่งสาเหตุของความผันแปรออกเป็นสองประเภท และการแยกสองอย่างนี้ให้ออกคือหัวใจทั้งหมดของเรื่อง

• Common cause หรือสาเหตุร่วม คือความผันแปรที่ฝังอยู่ในระบบเอง เกิดจากปัจจัยเล็ก ๆ นับไม่ถ้วนที่ทำงานอยู่ตลอดเวลา เช่นการสั่นสะเทือนปกติ ความแตกต่างเล็กน้อยระหว่างเม็ดวัตถุดิบ ความคลาดเคลื่อนตามธรรมชาติของเครื่องมือวัด ความผันแปรประเภทนี้จะอยู่ในกรอบขอบเขตควบคุมและคาดเดาได้ การจะลดมันต้องเปลี่ยนระบบ ไม่ใช่ตามแก้เป็นจุด ๆ ซึ่งเป็นความรับผิดชอบของฝ่ายจัดการ ไม่ใช่ของพนักงานหน้าเครื่อง
• Special cause หรือสาเหตุเฉพาะ คือสิ่งที่ไม่ได้อยู่ในระบบตามปกติ เช่นมีดบิ่น เปลี่ยนล็อตวัตถุดิบ พนักงานคนใหม่เข้ามาแทน เซ็นเซอร์เสีย ความผันแปรประเภทนี้ระบุตัวได้และควรถูกกำจัดทันทีที่พบ นี่คือสิ่งที่พนักงานหน้างานต้องตอบสนอง

ความผิดพลาดที่แพงที่สุดในโรงงานคือการปฏิบัติต่อ common cause เหมือนเป็น special cause ผมเคยเห็นโอเปอเรเตอร์ที่ปรับออฟเซ็ตเครื่องทุกครั้งที่ค่าวัดขยับจากค่ากลาง ผลคือค่าวัดแกว่งหนักขึ้นเป็นสองเท่า เพราะเขาไล่ตามเงาของความผันแปรตามธรรมชาติ ปรากฏการณ์นี้มีชื่อเรียกว่า tampering และมันเป็นเหตุผลว่าทำไมต้องมีเส้นขอบเขตควบคุม

ชนิดของแผนภูมิที่ใช้บ่อย

วิธีสร้างทีละขั้น

1. เลือกลักษณะคุณภาพที่จะติดตาม ควรเป็นตัวที่มีผลต่อลูกค้าหรือต่อการทำงานของชิ้นส่วนโดยตรง
2. วางแผนการสุ่มให้กลุ่มย่อยแต่ละกลุ่ม "เหมือนกันภายใน" มากที่สุด เช่นสุ่มติดกัน 5 ชิ้น ไม่ใช่สุ่มกระจายทั้งชั่วโมง หลักการนี้เรียกว่า rational subgroup และมันสำคัญกว่าสูตรคำนวณทั้งหมด
3. เก็บข้อมูลอย่างน้อย 20 ถึง 25 กลุ่มย่อยในช่วงที่กระบวนการเดินตามปกติ
4. คำนวณค่าเฉลี่ยรวมและพิสัยเฉลี่ย
5. คำนวณเส้นขอบเขตควบคุมโดยใช้ตารางค่าคงที่ตามขนาดกลุ่มย่อย เส้นเหล่านี้อยู่ที่ระยะสามเท่าของส่วนเบี่ยงเบนมาตรฐานจากเส้นกลาง
6. พลอตข้อมูลใหม่ลงไปเรื่อย ๆ ตามเวลาจริง แล้วใช้กฎการตัดสิน
7. ทบทวนและคำนวณเส้นขอบเขตใหม่เมื่อกระบวนการเปลี่ยนอย่างมีนัยสำคัญ เช่นเปลี่ยนเครื่อง เปลี่ยนวัตถุดิบหลัก หรือหลังการปรับปรุงใหญ่

จุดที่ผมต้องย้ำแรง ๆ คือ เส้นขอบเขตควบคุมไม่ใช่เส้นข้อกำหนด เส้นขอบเขตควบคุมคำนวณจากข้อมูลจริงของกระบวนการ มันบอกว่า "กระบวนการนี้ทำได้แค่ไหน" ส่วนเส้นข้อกำหนดมาจากแบบวิศวกรรมหรือจากลูกค้า มันบอกว่า "เราต้องการแค่ไหน" การเอาเส้นข้อกำหนดไปวาดบนแผนภูมิควบคุมแทนเส้นขอบเขตควบคุมเป็นความผิดพลาดที่ผมเจอในเกือบครึ่งของโรงงานที่เข้าไป และมันทำให้แผนภูมินั้นสูญเสียความสามารถในการเตือนล่วงหน้าไปทั้งหมด

กฎการตัดสินว่าผิดปกติ

ตัวอย่างจริงจากหน้างาน

กลับมาที่งานกลึงเพลา หลังจากทีมแก้เรื่องหัวจับหลวมและตั้งรอบการเปลี่ยนมีดใหม่ เราเริ่มทำแผนภูมิ X-bar และ R โดยวัด 5 ชิ้นทุกชั่วโมง เก็บ 25 กลุ่มย่อยได้เส้นกลางที่ 25.002 มิลลิเมตร เส้นขอบเขตบนที่ 25.019 และล่างที่ 24.985

สองสัปดาห์ต่อมา แผนภูมิแสดง 6 จุดติดกันไต่ขึ้นเรื่อย ๆ แม้ทุกจุดยังอยู่ในขอบเขตและทุกชิ้นยังผ่านข้อกำหนด แต่กฎข้อ 3 ถูกกระตุ้น ทีมเข้าไปตรวจแล้วพบว่ามีดกลึงสึกเร็วกว่าที่คาดเพราะล็อตวัตถุดิบใหม่มีความแข็งสูงกว่าเดิม พวกเขาเปลี่ยนมีดก่อนที่ของเสียจะเกิด นี่คือคุณค่าที่แท้จริงของแผนภูมิควบคุม มันเตือนล่วงหน้าก่อนที่ปัญหาจะกลายเป็นของเสีย ซึ่งเป็นแนวคิดเดียวกับ การบำรุงรักษาเชิงพยากรณ์ เพียงแต่ใช้กับคุณภาพแทนที่จะใช้กับสภาพเครื่อง

ข้อผิดพลาดที่พบบ่อย

• เอาเส้นข้อกำหนดมาใช้แทนเส้นขอบเขตควบคุม ตามที่อธิบายไปข้างต้น เป็นความผิดพลาดอันดับหนึ่ง
• ไม่มีแผนตอบสนองเมื่อจุดหลุด แผนภูมิที่มีจุดหลุดแล้วไม่มีใครทำอะไร มีค่าเท่ากับกระดาษเปล่า ทุกแผนภูมิควรมีตารางแนบว่า "ถ้าหลุดให้ทำอะไร ใครตัดสินใจ ต้องกักของกี่ชิ้น"
• คำนวณขอบเขตจากข้อมูลที่มีความผิดปกติปนอยู่ จะได้เส้นที่กว้างเกินจริง ทำให้แผนภูมิจับอะไรไม่ได้เลย ต้องคัดจุดที่มีสาเหตุเฉพาะที่ระบุได้ออกก่อนแล้วคำนวณใหม่
• สุ่มกลุ่มย่อยข้ามช่วงเวลานานเกินไป ทำให้ความผันแปรระหว่างกลุ่มไปปนอยู่ในกลุ่ม ขอบเขตกว้างเกินจริงเช่นกัน
• ปล่อยให้พนักงานพลอตแต่ไม่เคยสอนวิธีอ่าน จบลงด้วยการที่ทุกคนพลอตครบแต่ไม่มีใครเห็นสัญญาณ

เลือกเครื่องมือให้ตรงกับคำถาม

ปัญหาที่ผมเห็นบ่อยที่สุดในการอบรม ไม่ใช่คนใช้เครื่องมือไม่เป็น แต่คือคนหยิบเครื่องมือผิดตัวมาใช้กับคำถามที่ตัวเองมี ตารางนี้คือสิ่งที่ผมให้ผู้เข้าอบรมพิมพ์ติดไว้ข้างโต๊ะ

ข้อสังเกตสำคัญคือ "การแบ่งชั้นข้อมูล" หรือ Stratification ไม่ได้ถูกนับเป็นหนึ่งในเจ็ด แต่มันคือทักษะที่แทรกอยู่ในทุกเครื่องมือ การแยกข้อมูลตามกะ ตามเครื่อง ตามผู้ปฏิบัติงาน ตามล็อตวัตถุดิบ ตามช่วงเวลาของวัน คือสิ่งที่ทำให้เครื่องมือธรรมดากลายเป็นเครื่องมือที่คมกริบ ในหลายตำรานับการแบ่งชั้นเป็นเครื่องมือแทนที่ "กราฟ" ด้วยซ้ำ

ลำดับการใช้จริงในโครงการไคเซ็น

เครื่องมือทั้งเจ็ดไม่ได้ถูกออกแบบมาให้ใช้แยกกัน มันมีลำดับที่ต่อกันเป็นสายการผลิตของการแก้ปัญหา ลำดับที่ผมใช้กับทุกทีมมีเจ็ดขั้นตามนี้

ขั้นที่ 1: กำหนดขอบเขตและเก็บข้อมูลด้วยใบตรวจสอบ

เริ่มจากคำถามว่าเราจะแก้อะไร แล้วออกแบบใบตรวจสอบให้ตอบคำถามนั้นได้ ระยะเวลาเก็บข้อมูลควรครอบคลุมอย่างน้อยหนึ่งรอบการทำงานเต็ม เช่นสองสัปดาห์สำหรับไลน์ที่หมุนสามกะ ในช่วงนี้ห้ามแก้อะไรทั้งสิ้น เพราะเราต้องการภาพของสภาพปัจจุบันที่ไม่ถูกรบกวน

ขั้นที่ 2: จัดลำดับด้วยผังพาเรโตและตั้งเป้าหมาย

ทำพาเรโตด้วยหน่วยที่ตรงกับเป้าหมายของโครงการ เจาะลงชั้นที่สองและชั้นที่สามจนได้ขอบเขตที่แคบพอ จากนั้นตั้งเป้าหมายเป็นตัวเลขที่มีทั้งค่าและกำหนดเวลา เช่น "ลดของเสียชนิดฉีดไม่เต็มของแม่พิมพ์ M-07 จาก 4.8 เหลือ 1.5 เปอร์เซ็นต์ ภายใน 90 วัน" เป้าหมายที่ไม่มีตัวเลขจะทำให้โครงการจบแบบไม่มีใครรู้ว่าสำเร็จหรือไม่

ขั้นที่ 3: หาสาเหตุที่เป็นไปได้ด้วยผังก้างปลา

ระดมสมองกับคนที่อยู่หน้างานจริง ไม่ใช่แค่วิศวกร ผมยืนยันเสมอว่าต้องมีโอเปอเรเตอร์อย่างน้อยสองคนในห้อง เพราะเขาคือคนที่รู้ว่าตอนตีสามเครื่องมีเสียงอะไรแปลก ๆ จบขั้นนี้ด้วยการโหวตเหลือสาเหตุที่น่าสงสัย 3 ถึง 5 ข้อ

ขั้นที่ 4: พิสูจน์สาเหตุด้วยผังการกระจายและฮิสโตแกรม

ทุกสมมติฐานต้องผ่านการพิสูจน์ด้วยข้อมูล ผังการกระจายใช้ตรวจว่าปัจจัยที่สงสัยสัมพันธ์กับผลลัพธ์จริงไหม ฮิสโตแกรมใช้ดูว่าการกระจายเปลี่ยนไปเมื่อแยกตามปัจจัยนั้นหรือไม่ ขั้นนี้มักตัดสมมติฐานทิ้งไปกว่าครึ่ง ซึ่งเป็นเรื่องดี เพราะทุกสมมติฐานที่ตัดทิ้งได้แปลว่าเราไม่ต้องเสียเงินแก้มัน

ขั้นที่ 5: ออกแบบและทดลองมาตรการ

เขียนมาตรการให้ระบุชัดว่าใครทำ ทำอะไร ที่ไหน เมื่อไหร่ และวัดผลอย่างไร ทดลองในขอบเขตเล็กก่อน เช่นแม่พิมพ์เดียว เครื่องเดียว หนึ่งกะ แล้วเทียบผลก่อนหลังด้วยฮิสโตแกรมและกราฟเส้น ถ้าได้ผลค่อยขยาย ที่สำคัญคือมาตรการที่ดีควรเป็นมาตรการที่ทำให้ทำผิดไม่ได้ ไม่ใช่มาตรการที่ขอให้คนระวังมากขึ้น

ขั้นที่ 6: ทำให้คงอยู่ด้วยแผนภูมิควบคุมและมาตรฐาน

ขั้นนี้คือขั้นที่โครงการส่วนใหญ่ล้มเหลว ผลลัพธ์ที่ดีขึ้นจะค่อย ๆ ถอยกลับภายในสามถึงหกเดือนถ้าไม่มีกลไกรักษาสภาพ สิ่งที่ต้องทำมีสามอย่าง หนึ่งคือปรับปรุงเอกสารมาตรฐานการทำงานให้สะท้อนวิธีใหม่ สองคืออบรมทุกกะด้วย บทเรียนแผ่นเดียว ที่เข้าใจได้ในห้านาที สามคือติดตั้งแผนภูมิควบคุมพร้อมแผนตอบสนองเมื่อพบสัญญาณผิดปกติ

ขั้นที่ 7: ขยายผลและทบทวน

เอาบทเรียนไปใช้กับเครื่องอื่น ไลน์อื่น หรือโรงงานอื่นในเครือ แล้วทำพาเรโตใหม่เพื่อหาหัวข้อของรอบถัดไป นี่คือจุดที่วงจรหมุนกลับไปขั้นที่หนึ่ง และเป็นเหตุผลที่ การปรับปรุงแบบมุ่งเป้า ถึงเป็นกิจกรรมที่ไม่มีวันจบ

ในทางปฏิบัติ ปัญหาใหญ่ที่สุดของลำดับนี้ไม่ใช่ความยากของเครื่องมือ แต่คือการที่ข้อมูลกระจัดกระจายอยู่ในกระดาษหลายสิบใบและไฟล์สเปรดชีตหลายเวอร์ชัน ทีมจึงเสียเวลาไปกับการรวมข้อมูลมากกว่าการวิเคราะห์ โรงงานที่ผมเห็นว่าเดินได้เร็วกว่าคนอื่น มักเป็นโรงงานที่ย้ายใบตรวจสอบขึ้นระบบดิจิทัลตั้งแต่ต้น แล้วให้พาเรโตกับกราฟถูกสร้างอัตโนมัติจากข้อมูลชุดเดียวกัน หากสนใจแนวทางนี้ ลองดูแพลตฟอร์มบริหารกิจกรรม TPM ที่รวบใบตรวจสอบ ทะเบียนความสูญเสีย และแผนงานไคเซ็นไว้ในที่เดียว

QC 7 Tools กับ New QC 7 Tools ต่างกันอย่างไร

หลายคนได้ยินชื่อ New QC 7 Tools แล้วเข้าใจผิดว่ามันมาแทนของเดิม จริง ๆ แล้วมันเสริมกัน ไม่ได้แทนกัน ชุดใหม่ถูกพัฒนาขึ้นในญี่ปุ่นช่วงปลายทศวรรษ 1970 เพื่อรับมือกับปัญหาที่ "ไม่มีตัวเลข" เช่นงานวางแผน งานพัฒนาผลิตภัณฑ์ใหม่ งานประสานระหว่างแผนก ซึ่งชุดเดิมทำได้ไม่ดีเพราะชุดเดิมออกแบบมาสำหรับข้อมูลเชิงปริมาณ

คำแนะนำเชิงปฏิบัติของผมคือ ให้ทีมเชี่ยวชาญชุดเดิมให้ได้ก่อนอย่างน้อยหนึ่งปี ค่อยแตะชุดใหม่ เพราะชุดใหม่ต้องอาศัยวินัยในการคิดที่มาจากการใช้ข้อมูลจริงมาก่อน ถ้าทีมยังไม่เคยเก็บข้อมูลอย่างเป็นระบบ การไปทำผังความสัมพันธ์จะกลายเป็นการเดาแบบหรูหรา ที่ดูดีบนกระดาษแต่ไม่เชื่อมกับหน้างาน

อีกจุดที่ควรเข้าใจคือมีเครื่องมือชั้นสูงกว่าอีกชุดหนึ่งที่ทำงานร่วมกับทั้งสองชุดนี้ เช่น FMEA ที่ใช้ประเมินความเสี่ยงเชิงระบบก่อนเกิดปัญหา และการออกแบบการทดลองที่ใช้เมื่อมีปัจจัยหลายตัวที่มีปฏิสัมพันธ์ซับซ้อนเกินกว่าผังการกระจายจะจับได้ แต่ทั้งหมดนี้ตั้งอยู่บนฐานเดียวกัน คือข้อมูลที่เก็บมาอย่างซื่อสัตย์และครบถ้วน

กับดักที่พบบ่อยและวิธีเลี่ยง

กับดักที่ 1: เก็บข้อมูลเพื่อรายงาน ไม่ใช่เพื่อแก้ปัญหา

อาการคือมีแฟ้มข้อมูลหนาเป็นตั้ง แต่พอถามว่าเดือนที่แล้วใช้ข้อมูลตัดสินใจอะไรบ้าง ไม่มีใครตอบได้ ทางแก้คือก่อนออกแบบฟอร์มใด ๆ ให้เขียนก่อนว่า "ข้อมูลนี้จะทำให้เราตัดสินใจเรื่องอะไร" ถ้าเขียนไม่ได้ อย่าเพิ่งเก็บ

กับดักที่ 2: กระโดดข้ามไปที่มาตรการทันที

ในห้องประชุม พอเห็นปัญหาปุ๊บก็มีคนเสนอทางแก้ปั๊บ นี่คือสัญชาตญาณของคนทำงานที่มีประสบการณ์ และมันถูกในบางครั้ง แต่ผิดบ่อยกว่าที่คิด วิธีคุมคือตั้งกติกาว่าห้ามพูดถึงมาตรการจนกว่าจะมีพาเรโตวางบนโต๊ะ

กับดักที่ 3: ใช้ข้อมูลรวมโดยไม่แบ่งชั้น

ตัวเลขรวมทั้งโรงงานแทบไม่เคยชี้ทางแก้ได้ ต้องแยกให้ถึงระดับเครื่อง กะ ล็อต หรือรุ่นสินค้า จำไว้ว่าถ้าพาเรโตของคุณยังไม่บอกว่า "แก้ที่ไหน" แปลว่ายังแบ่งชั้นไม่พอ

กับดักที่ 4: ทำสวยเพื่อการนำเสนอ

กราฟสามมิติ สีสันจัดจ้าน เอฟเฟกต์เงา ทั้งหมดนี้ทำให้อ่านข้อมูลยากขึ้น ไม่ใช่ง่ายขึ้น กราฟที่ดีคือกราฟที่คนดูเข้าใจโดยไม่ต้องมีคนอธิบาย

กับดักที่ 5: ไม่ตรวจสอบความน่าเชื่อถือของระบบวัด

ถ้าเครื่องมือวัดหรือวิธีการตัดสินของคนไม่น่าเชื่อถือ ข้อมูลทั้งหมดก็ไร้ค่า ผมเคยเจอโรงงานที่ทำ Cpk มาสวยงาม แต่พอให้พนักงานสามคนวัดชิ้นเดียวกัน ได้ค่าต่างกัน 0.03 มิลลิเมตร ซึ่งมากกว่าหนึ่งในสามของกรอบข้อกำหนดทั้งกรอบ ตัวเลขทุกอย่างก่อนหน้านั้นจึงไม่มีความหมาย ควรตรวจความสามารถของระบบวัดก่อนเริ่มโครงการเสมอ

กับดักที่ 6: หยุดที่การวิเคราะห์ ไม่ไปถึงการรักษาสภาพ

โครงการจำนวนมากจบลงที่การนำเสนอผลแล้วถ่ายรูปหมู่ ไม่มีใครกลับไปดูอีกเลย หกเดือนผ่านไปตัวเลขกลับไปที่เดิม การป้องกันคือกำหนดผู้รับผิดชอบติดตามผลรายเดือนต่อเนื่องอย่างน้อยหนึ่งปี และผูกตัวชี้วัดเข้ากับโครงสร้าง KMI KPI KAI เพื่อให้ผลลัพธ์ระดับหน้างานเชื่อมกับเป้าหมายระดับโรงงาน

กับดักที่ 7: อบรมแล้วไม่ได้ใช้

นี่คือกับดักที่ผมเจอมากที่สุด โรงงานจัดอบรม QC 7 Tools สองวัน พนักงานสอบผ่านทุกคน แล้วก็ไม่เคยมีใครใช้อีกเลย เพราะไม่มีโครงการจริงรองรับหลังอบรม วิธีที่ได้ผลคือให้ทุกกลุ่มที่เข้าอบรมต้องมีหัวข้อปัญหาจริงติดมือมาตั้งแต่วันแรก แล้วอบรมไปทำไป โดยมีการนำเสนอผลจริงในสัปดาห์ที่แปด รูปแบบนี้ได้ผลต่างจากการอบรมแบบบรรยายล้วนอย่างสิ้นเชิง และเป็นวิธีที่เราใช้ในงานให้คำปรึกษาและวางระบบ TPM ทุกโครงการ

สรุป

QC 7 Tools ไม่ใช่ความรู้ใหม่ มันมีอายุกว่าหกสิบปีแล้ว และก็ไม่ใช่ความรู้ที่ยาก ใช้เวลาสอนสองวันก็ครบทุกตัว แต่เหตุผลที่มันยังอยู่และยังทรงพลัง เพราะมันแก้ปัญหาที่ลึกกว่าเรื่องเทคนิค นั่นคือปัญหาที่คนในองค์กรมองเห็นความจริงคนละแบบ

เมื่อทีมมีใบตรวจสอบร่วมกัน ทุกคนเห็นตัวเลขชุดเดียวกัน เมื่อมีพาเรโต ทุกคนเห็นลำดับความสำคัญเดียวกัน เมื่อมีแผนภูมิควบคุม ทุกคนใช้เกณฑ์เดียวกันในการตัดสินว่าอะไรผิดปกติ ความสอดคล้องนี้เองที่ทำให้การแก้ปัญหาเดินหน้าได้ แทนที่จะวนอยู่กับการถกเถียงว่าใครถูก

ถ้าจะเริ่มพรุ่งนี้ ผมแนะนำแบบนี้ เลือกไลน์ที่มีปัญหาชัดเจนหนึ่งไลน์ ออกแบบใบตรวจสอบหนึ่งใบให้กรอกได้ในห้าวินาที เก็บข้อมูลสองสัปดาห์โดยไม่แก้อะไร แล้วทำพาเรโตหนึ่งใบเอาขึ้นบอร์ดหน้าไลน์ แค่นี้คุณจะได้บทสนทนาที่ต่างไปจากเดิมอย่างสิ้นเชิงในการประชุมครั้งถัดไป และเมื่อความสำเร็จเล็ก ๆ นั้นเกิดขึ้น การขยายไปยังเครื่องมืออีกหกตัวจะเป็นเรื่องง่ายกว่าที่คิดมาก

สุดท้าย เครื่องมือไม่เคยแก้ปัญหาด้วยตัวมันเอง คนแก้ ระบบที่ทำให้คนอยากใช้เครื่องมือต่างหากคือสิ่งที่ต้องสร้าง ถ้าโรงงานของคุณอยากวางรากฐานนี้อย่างเป็นระบบตั้งแต่การอบรมไปจนถึงการติดตามผลระยะยาว ทีมของเรายินดีเข้าไปช่วยออกแบบเส้นทางให้เหมาะกับหน้างานจริงของคุณ โดยเริ่มจากสิ่งที่คุณมีอยู่แล้ว ไม่ใช่จากตำรา