หลักสูตร MSA Attribute Gage R&R การวิเคราะห์ระบบการวัด สำหรับข้อมูลแบบนับ

บทนำ

ระบบการวัดปัจจุบันมีความสำคัญต่อการ ยืนยันผลการตรวจสอบคุณภาพ ถึงแม้ว่าระบบการผลิตจะมีความถูกต้องแต่ถ้าระบบการวัดมีความผิดพลาดก็อาจส่งผลต่อการตัดสินใจที่คลาดเคลื่อนได้ จะเกิดอะไรขึ้นถ้าระบบการวัดขาดความเที่ยงตรง และความแม่นยำ

ซึ่งจะส่งผลทันทีต่อการตัดสินใจด้านการวัดและวิเคราะห์ค่าของการตรวจสอบชิ้น งานที่มีความผิดพลาด ทำให้ขาดความเชื่อมั่นจากทางลูกค้าในระยะยาวได้ ดังนั้นระบบการวัดจึงถือเป็นระบบพื้นฐานที่สำคัญและจำเป็นที่จะต้องมีการควบคุม และต้องลดความผันแปรในระบบการวัดซึ่งจำเป็นในช่วงของการทดลองผลิตและการผลิตจริงในเฟสที่ 4และ 5

Measurement System Analysis (MSA) คือ การวิเคราะห์คุณสมบัติเชิงสถิติของการวัดเพื่อจำแนกปัญหาที่พบในระบบการวัดซึ่งอาจมีสาเหตุมาจาก เช่น คน เครื่องมือ วิธีการ สภาพแวดล้อม เพื่อนำไปใช้เป็นข้อมูลในการปรับปรุงระบบการวัดทำให้การวัดมีความน่าเชื่อถือ

การทำการวิเคราะห์ระบบการวัด (MSA) จะต้องทำการวิเคราะห์ทุก การวัด การตรวจสอบ และการทดสอบ ผลิตภัณฑ์และกระบวนการ ตามที่ระบุไว้ใน แผนควบคุม ซึ่งเครื่องมือที่จะต้องนำมาใช้ในการวิเคราะห์ระบบการวัดเพื่อบ่งชี้ปัญหามีอยู่ 5 ชนิดและมีการวิเคราะห์ตามลำดับดังนี้
การวิเคราะห์ระบบการวัด (MSA) สำหรับการตรวจสอบข้อมูลเชิงคุณลักษณะหรือข้อมูลนับ (Attribute) เช่น “สี, เนื้อ, ความเงา, ความเป็นประกาย, ตัวหนังสือ, ความแตกต่างด้านรูปลักษณ์” ย่อมต้องมีเกิดขึ้นในแต่กระบวนการดังนั้นเพื่อให้เกิดการตรวจสอบที่มีประสิทธิภาพ จึงจำเป็นต้องมีการปรับปรุงและพัฒนาการตรวจสอบ เครื่องมือหนึ่งที่สามารถใช้ในการประเมินความสามารถในการตรวจสอบเชิงคุณภาพ

ที่ได้รับความนิยมมากคือ Kappa coefficient หรือชื่อทางการคือสัมประสิทธิ์แคปปาของโคเฮน 1960 (Cohen’s kappa coefficient) เป็นค่าสัมประสิทธิ์ตัวชี้วัดทางสถิติระหว่างผู้ให้ความเห็นสองฝ่าย ว่ามีความเห็นตรงกันมากหรือน้อยอย่างไร โดยค่าสูงสุดที่เป็นไปได้คือ 1.0 หมายถึงทุกฝ่ายเห็นตรงกันหมด ส่วน 0.0 หมายถึง ไม่มีฝ่ายใดเห็นตรงกันเลยในการวิเคราะห์ระบบการวัดได้มีการเปรียบเทียบดังนี้
– ผู้วัดกับผู้วัด (APPERAISER CROSS APPERAISER) ค่าที่ดีที่สุดคือ 1
– ผู้วัดกับมาตรฐาน (APPERAISER CROSS REFFERENCE) ค่าที่ดีที่สุดคือ 1
การข้อมูลทางสถิติที่เก็บมายังสามารถเอาข้อมูลมาวิเคราะห์ให้เห็นถึง
– ประสิทธิภาพของการวัดที่ถูกต้อง (Effectiveness) ค่าที่ดีที่สุดคือ 100%
– อัตราการวัดที่ผิดพลาด (Miss Rate) ค่าที่ดีที่สุดคือ 0%
– การแจ้งเตือนที่ผิดพลาด (False Alarm Rate) ค่าที่ดีที่สุดคือ 0%
และยังเป็นเครื่องมือที่ทำให้สามารถวิเคราะห์ถึงจุดที่เกิดความผิดพลาดเพื่อนำไปสู่กระบวนการแก้ไขที่ถูกต้องทำให้พนักงานคนนั้นๆมีศักยภาพในการตรวจวัดที่ดี

วัตถุประสงค์
1. เพื่อทำให้ผู้เข้าอบรมทราบวิธี การวิเคราะห์ระบบการวัด (MSA) สำหรับข้อมูลเชิงคุณลักษณะหรือข้อมูลนับ (Attribute) เช่น “สี, เนื้อ, ความเงา, ตัวหนังสือ
2. เพื่อทำให้สามารถทราบวิธีการแก้ไขปัญหาที่เกิดความผิดพลาดในแต่ละประเภท

กลุ่มเป้าหมาย : ผู้จัดการ หัวหน้างาน พนักงานตรวจสอบและผลิต และผู้ที่สนใจ
จำนวนผู้เข้าอบรม : 30 คน/รุ่น
กำหนดการอบรม 1 วัน 09.00-16.30

หัวข้อสัมมนา
บทนำ
– ความเข้าใจพื้นฐานและวัตถุประสงค์ของ MSA
– ข้อกำหนด IATF16949 ที่เกี่ยวข้องกับ MSA
– ความหมายของ “การวัด”
– ผลกระทบของการวัด (α , β )ที่มีต่อผลิตภัณฑ์และกระบวนการ
– บทบาทของการวัดต่อการควบคุมกระบวนการ และผลิตภัณฑ์
– หลักการและความแปรผันในระบบการวัด
– ความคลาดเคลื่อนของระบบการวัด
– ความถูกต้องและความแม่นยำของการวัด
– การปรับปรุงระบบการวัดเพื่อนำไปสู่การสร้างความเชื่อถือ
– ขั้นตอนวิเคราะห์ปัญหาของระบบการวัด
– บ่งชี้ประเด็นหรือปัญหาที่เกิดขึ้นในการวัด
– สิ่งที่ต้องเตรียมการก่อนการวิเคราะห์ระบบการวัด
– ปัญหาที่เกิดขึ้นในการตรวจสอบคุณลักษณะหรือข้อมูลนับ (Attribute) เช่น “สี, เนื้อ, ความเงา, ความเป็นประกาย, ตัวหนังสือ
KAPPA
– KAPPA คืออะไร
– การประเมินความสามารถในการตรวจสอบ Effectiveness ,Miss Rate, False Alarm Rate
– ขั้นตอนการประเมินการตรวจสอบด้วยสายตา
– การวิเคราะห์และบ่งชี้ปัญหาที่เกิดขึ้นในการตรวจสอบ
– การแก้ไขปัญหาที่เกิดขึ้นจากการตรวจสอบที่ผิดพลาด
– การประเมินผลการแก้ไขความผิดพลาดในการตรวจสอบ
การพัฒนาทักษะผู้ตรวจสอบ
– การบ่งชี้ความจำเป็นในการอบรมด้วย Skill Map จากแผนควบคุมคุณภาพ
– Q&A

รูปแบบการอบรม
– บรรยาย 30% Workshop 70%
– ทำกิจกรรมผ่านชุด WORKSHOP โดยใช้เครื่องมือและชิ้นงานจริงขององค์กร
– ทำกิจกรรมกลุ่มในการประเมินและร่วมกันระดมความคิดในการวิเคราะห์และแก้ไขปัญหา

สิ่งที่องค์กรต้องจัดเตรียมในแต่ละกลุ่ม
– ชิ้นงาน part เดียวกัน จำนวน 20 ชิ้นขึ้นไป และมีการแบ่งกลุ่มออกเป็น 4 ส่วนดังนี้ ถุงที่ 1 ชิ้นงานดี 30% , ถุงที่ 2 ชิ้นงานเสีย 30% ,ถุงที่ 3 ชิ้นงานที่ตัดสินใจยากแต่ดี 20% ,ถุงที่4 ชิ้นงานที่ตัดสินใจยากแต่เป็นชิ้นงานเสีย 20% ( ผู้เลือกชิ้นงานมาตรฐานต้องเป็นผู้วัดที่มีความสามารถในการตัดสินที่แม่นยำ )
– WI limit sample , โน๊ตบุ๊ค 1 เครื่องต่อกลุ่มและ office excel

Total Page Visits: 2193 - Today Page Visits: 4