Solution Center Minitab

ผู้เขียน : Solution Center Minitab

อัพเดท: 26 มี.ค. 2018 06.46 น. บทความนี้มีผู้ชม: 2604 ครั้ง

SIX SIGMA เป็นวิธีการสำหรับการปรับปรุงคุณภาพที่มีการใช้งานมาเป็นสิบปีเพราะว่าให้ผลลัพธ์ที่ชัดเจน โครงการที่ทำใน SIX SIGMA มีการกำหนดขั้นตอนไว้อย่างชัดเจน และมีการนำไปใช้งานในหลายบริษัท หลายอุตสาหกรรมในทั่วโลกซึ่งพิสูจน์ได้ว่าสามารถแก้ปัญหาได้และยังทำให้ประหยัดเงินได้หลายพันล้าน


คู่มือแนะนำ เครื่องมืออีก 5 ชนิดที่สำคัญใน six sigma (5 More Critical Six Sigma Tools: A Quick Guide)

SIX SIGMA เป็นวิธีการสำหรับการปรับปรุงคุณภาพที่มีการใช้งานมาเป็นสิบปีเพราะว่าให้ผลลัพธ์ที่ชัดเจน  โครงการที่ทำใน SIX SIGMA มีการกำหนดขั้นตอนไว้อย่างชัดเจน และมีการนำไปใช้งานในหลายบริษัท หลายอุตสาหกรรมในทั่วโลกซึ่งพิสูจน์ได้ว่าสามารถแก้ปัญหาได้และยังทำให้ประหยัดเงินได้หลายพันล้าน

แต่ SIX SIGMA มีการใช้สถิติมากในการวิเคราะห์ข้อมูล และทำให้คนที่ยังใหม่กับงานด้านปรับปรุงคุณภาพมีความรู้สึกกลัวสถิติแต่คุณไม่จำเป็นต้องกลัวใดใดเลย  ในขณะที่การวิเคราะห์ข้อมูลคือสิ่งสำคัญที่สุดในการปรับปรุงคุณภาพ แต่งานวิเคราะห์ใน SIX SIGMA ไม่ใช่เรื่องยากที่จะทำความเข้าใจแม้คุณจะไม่มีความรู้ด้านสถิติเลยก็ตาม

เพื่อเป็นการเริ่มต้นลองมาทำความคุ้นเคยกับเครื่องมือที่ใช้ใน SIX SIGMA ในบทความที่แล้วได้นำเสนอเครื่องมือทางสถิติ 5 ชนิด ที่ใช้ใน SIX SIGMA ส่วนในบทความนี้มาดูว่าเครื่องมืออีก  5 ชนิดเพิ่มเติมและดูว่าเครื่องมือเหล่านี้ทำอะไรและมีความสำคัญอย่างไรต่อ SIX SIGMA

1. t-Tests

เราใช้ t-test ในการเปรียบเทียบค่าเฉลี่ยชองสิ่งตัวอย่างหนึ่งกลุ่มกับค่าเป้าหมาย หรือ เปรียบเทียบกับตัวอย่างอีกกลุ่มหนึ่ง ตัวอย่างเช่น บริษัทขายเครื่องดื่มบรรจุกระป๋องขนาด 16 ออนซ์  เราจะใช้ t-test เพื่อทำการศึกษาว่าปริมาณเครื่องดื่มที่เติมลงกระป๋องบรรจุเป็นไปตามเป้าหมายหรือไม่  ถ้าคุณต้องทำการเลือกซื้อน้ำเชื่อมจากผู้ส่งมอบ 2 ราย และต้องการดูว่าปริมาณที่ส่งมอบจากผู้ส่งมอบ 2 รายนี้แตกต่างกันหรือไม่ เราสามารถใช้ 2–sample t-test ในการทดสอบเปรียบเทียบค่าเฉลี่ยของผู้ส่งมอบ 2 รายนี้ได้

2. ANOVA

ในขณะที่ t-test ทำการเปรียบเทียบค่าเฉลี่ยกับค่าเป้าหมาย หรือเปรียบเทียบ 2 กลุ่มตัวอย่าง แต่ ANOVA (Analysis of Variance) ทำให้คุณสามารถเปรียบเทียบค่าเฉลี่ยที่มากกว่า 2 กลุ่มตัวอย่าง ตัวอย่างเช่น  ANOVA สามารถทำให้คุณเห็นว่าค่าเฉลี่ยของปริมาณการผลิตจาก 3 กะทำงาน นั้นมีค่าเท่ากันหรือไม่ คุณยังสามารถใช้ ANOVA ในการวิเคราะห์มากกว่า 1 ตัวแปร ตัวอย่างเช่น  ใช้เปรียบเทียบค่าเฉลี่ยจาก 3 กะ และ ค่าเฉลี่ยที่ได้จาก 2 สายการผลิต

3. Regression

Regression จะใช้ในการหาความสัมพันธ์ระหว่างผลลัพธ์ (output) และปัจจัยตั้งต้นต่างๆ (Input) คุณสามารถใช้ Regression เพื่อดูความสัมพันธ์ของค่าใช้จ่ายทางการตลาดกับรายรับจากการขาย ถ้าปัจจัยมีความสัมพันธ์กัน เราสามารถสร้างสมการถดถอย (Regression) เพื่ออธิบายความสัมพันธ์และใช้ทำนายผลลัพธ์เมื่อให้ค่าปัจจัยตั้งต้นตามที่ต้องการ

4. DOE (Design of Experiment)

Regression และ ANOVA มักจะใช้กับข้อมูลที่มีอยู่แล้ว (หรือเก็บมาไว้ก่อนแล้ว) ในทางกลับกัน DOE จะต้องมีการวางแผนเพื่อเก็บข้อมูล คุณจะทำการเปลี่ยนปัจจัยต่างๆ เพื่อทำให้เห็นว่าความสัมพันธ์ระหว่างผลลัพธ์และปัจจัยตั้งต้นนั้นเป็นอย่างไร และเมื่อทำการเก็บข้อมูลตามแผนที่วางไว้ คุณจะสามารถบอกได้ว่าปัจจัยตั้งต้นใดเป็นปัจจัยสำคัญ และ DOE ยังใช้เพื่อหาค่า SETTINGs ของแต่ละปัจจัยที่เหมาะสม (optimal)

5. แผนภูมิควบคุม (Control Charts)

ทุกๆกระบวนการมีความผันแปรตามธรรมชาติอยู่เสมอ แต่ถ้ากระบวนการนั้นเสถียร (stable) และสามารถทำนายได้ (Predictable) ถือเป็นกระบวนการที่มีคุณภาพ การรู้ว่ากระบวนการนั้นมีความผันแปรเกินกว่าปกติ (ธรรมชาติ) มีความสำคัญอย่างมากเพราะจะทำให้รู้ได้ว่าปัญหานั้นเกิดขึ้นแล้วและต้องการแก้ไข แผนภูมิควบคุมจะเป็นตัวชี้ให้เห็นว่าความผันแปรนั้นมาจากสาเหตุไม่ปกติและเกินกว่าเขตที่ยอมรับได้ แผนภูมิควบคุมจะแสดงข้อมูลตามเวลาดูเทียบกับเกณฑ์ เพื่อดูว่าข้อมูลนั้นออกนอกเขตควบคุม คือ มีความผันแปรจากสาเหตุที่ไม่ปกติและต้องทำการแก้ไข แผนภูมิควบคุมยังช่วยทำให้เกิดการปรับปรุงกระบวนการอย่างต่อเนื่อง

บทสรุป 

ไม่ว่าองค์กรใดใดก็สามารถได้ประโยชน์จาก SIX SIGMA แต่ว่าต้องขึ้นกับการวิเคราะห์ข้อมูล อย่างไรก็ตาม SIX SIGMA จะประสบความสำเร็จได้ขึ้นกับผู้ปฏิบัติที่มีความชำนาญด้านต่างๆ มากกว่า ผู้ที่เชี่ยวชาญด้านสถิติเท่านั้น แต่ก็ต้องมีความเข้าใจสถิติที่ใช้ใน SIX SIGMAรวมทั้งความรู้ในใช้โปรแกรมสถิติเพื่อช่วยการวิเคราะห์ข้อมูลทางสถิติเพื่อให้น่าเชื่อถือมากขึ้น


บทความต้นฉบับ : http://blog.minitab.com/blog/understanding-statistics/5-more-critical-six-sigma-tools-a-quick-guide

เนื้อหาบทความโดยบริษัท Minitab Inc. ประเทศสหรัฐอเมริกา
แปลและเรียบเรียงโดยสุวดี นําพาเจริญ และ ชลทิขา จํารัสพร, บริษัท โซลูชั่น เซ็นเตอร์ จํากัด webadmin@solutioncenterminitab.com


บทความนี้เกิดจากการเขียนและส่งขึ้นมาสู่ระบบแบบอัตโนมัติ สมาคมฯไม่รับผิดชอบต่อบทความหรือข้อความใดๆ ทั้งสิ้น เพราะไม่สามารถระบุได้ว่าเป็นความจริงหรือไม่ ผู้อ่านจึงควรใช้วิจารณญาณในการกลั่นกรอง และหากท่านพบเห็นข้อความใดที่ขัดต่อกฎหมายและศีลธรรม หรือทำให้เกิดความเสียหาย หรือละเมิดสิทธิใดๆ กรุณาแจ้งมาที่ ht.ro.apt@ecivres-bew เพื่อทีมงานจะได้ดำเนินการลบออกจากระบบในทันที