ការវិភាគស្ថិតិសម្រាប់គុណភាព

ការវិភាគស្ថិតិសម្រាប់គុណភាព

នៅក្នុងយុគសម័យនៃការប្រកួតប្រជែងកាន់តែខ្លាំងឡើង គុណភាពមិនមែនគ្រាន់តែជាតម្លៃបន្ថែមនោះទេ ប៉ុន្តែវាក៏ជាតម្រូវការចម្បងសម្រាប់ផលិតផល និងសេវាកម្មដើម្បីរស់រានមានជីវិតនៅក្នុងទីផ្សារផងដែរ។ អង្គការជាច្រើនបានអនុវត្តការត្រួតពិនិត្យ ការធ្វើសវនកម្ម និងការកែលម្អដំណើរការ។ ទោះជាយ៉ាងណាក៏ដោយ បើគ្មានវិធីសាស្រ្តដែលអាចវាស់វែងបានទេ កិច្ចខិតខំប្រឹងប្រែងកែលម្អគុណភាពច្រើនតែក្លាយទៅជាការសម្រេចចិត្តដោយវិចារណញាណសុទ្ធសាធ។ នេះជាកន្លែងដែលការវិភាគស្ថិតិដើរតួនាទីយ៉ាងសំខាន់៖ ជួយបំលែងទិន្នន័យទៅជាព័ត៌មាន ហើយបន្ទាប់មកទៅជាការសម្រេចចិត្តគោលបំណង។ អត្ថបទនេះពិភាក្សាអំពីរបៀបដែលការវិភាគស្ថិតិត្រូវបានប្រើដើម្បីវាយតម្លៃ គ្រប់គ្រង និងកែលម្អគុណភាពជាប្រព័ន្ធ។

១. ហេតុអ្វីបានជាស្ថិតិមានសារៈសំខាន់ខាងគុណភាព?

គុណភាពមានទំនាក់ទំនងជាមូលដ្ឋានទៅនឹងការប្រែប្រួល។ នៅក្នុងដំណើរការផលិតកម្ម ឬសេវាកម្មណាមួយ តែងតែមានភាពប្រែប្រួលជានិច្ច — ឧទាហរណ៍ ការប្រែប្រួលទំហំ ទម្ងន់ ពេលវេលាសេវាកម្ម ឬអត្រាពិការភាព។ មិនមែនការប្រែប្រួលទាំងអស់សុទ្ធតែអាក្រក់ដោយធម្មជាតិនោះទេ។ ខ្លះជាការប្រែប្រួលធម្មជាតិដែលមិនអាចលុបបំបាត់បានទាំងស្រុង។ ស្ថិតិជួយបែងចែកការប្រែប្រួលធម្មជាតិ (មូលហេតុទូទៅ) ពីការប្រែប្រួលដែលកើតចេញពីបញ្ហាជាក់លាក់ (មូលហេតុពិសេស)។ តាមរយៈការយល់ដឹងពីប្រភពនៃការប្រែប្រួល អង្គការនានាអាចផ្តោតលើការកែលម្អពិតប្រាកដ ជាជាងគ្រាន់តែ "ពន្លត់ភ្លើង" ដែលលេចឡើងម្តងម្កាលប៉ុណ្ណោះ។

បើគ្មានស្ថិតិទេ ក្រុមគ្រប់គ្រងអាចចាត់វិធានការខុស។ ឧទាហរណ៍ ប្រសិនបើទិន្នផលផលិតកម្មថ្ងៃនេះអាក្រក់ជាងម្សិលមិញបន្តិច នោះមិនចាំបាច់មានន័យថាដំណើរការនេះកំពុងធ្លាក់ចុះនោះទេ - វាអាចគ្រាន់តែជាការប្រែប្រួលធម្មតាប៉ុណ្ណោះ។ ផ្ទុយទៅវិញ ប្រសិនបើមានគំរូនៃការកើនឡើងបន្តិចម្តងៗនៃពិការភាព ស្ថិតិអាចរកឃើញពួកវាលឿនជាងមុនមុនពេលវាក្លាយជាការបរាជ័យធំ។

2. ទិន្នន័យគុណភាព៖ ប្រភេទ និងវិធីសាស្រ្តនៃការប្រមូល

ការវិភាគស្ថិតិគឺល្អលុះត្រាតែទិន្នន័យដែលវាប្រើប្រាស់។ ទាក់ទងនឹងគុណភាព ទិន្នន័យត្រូវបានបែងចែកជាពីរប្រភេទ៖

១. ទិន្នន័យគុណលក្ខណៈ៖ ទិន្នន័យប្រភេទ ឧទាហរណ៍ មានបញ្ហា/មិនមានបញ្ហា ជាប់/បរាជ័យ ប្រភេទមានបញ្ហា A/B/C។ ទិន្នន័យនេះគឺជារឿងធម្មតានៅក្នុងការត្រួតពិនិត្យចុងក្រោយ ឬការត្រួតពិនិត្យដោយមើលឃើញ។
2. ទិន្នន័យអថេរ៖ ទិន្នន័យលេខបន្ត ឧទាហរណ៍ ប្រវែងសមាសធាតុ (ម.ម.) ទម្ងន់ (ក្រាម) ភាពរឹងរបស់សម្ភារៈ ពេលវេលាសេវាកម្ម (នាទី)។ ទិន្នន័យអថេរជាទូទៅផ្តល់ព័ត៌មានច្រើនជាងព្រោះវាមានព័ត៌មានលម្អិតអំពីទំហំនៃគម្លាត។

ការប្រមូលទិន្នន័យត្រូវតែពិចារណាលើគោលការណ៍មួយចំនួន៖ និយមន័យច្បាស់លាស់នៃកំហុស នីតិវិធីវាស់វែងដែលស៊ីសង្វាក់គ្នា ទំហំគំរូគ្រប់គ្រាន់ និងការរក្សាកំណត់ត្រាត្រឹមត្រូវ។ ទិដ្ឋភាពមួយដែលតែងតែត្រូវបានមើលរំលងគឺប្រព័ន្ធវាស់វែង៖ ឧបករណ៍វាស់វែងអាចមិនត្រឹមត្រូវ ឬប្រតិបត្តិករអាចធ្វើការវិនិច្ឆ័យខុសៗគ្នា។ ដូច្នេះ អង្គការជាច្រើនធ្វើការវាយតម្លៃប្រព័ន្ធវាស់វែង (ឧទាហរណ៍ ការសិក្សាអំពីភាពអាចធ្វើម្តងទៀតបាន និងសមត្ថភាពផលិតឡើងវិញបាន) ដើម្បីធានាថាទិន្នន័យដែលទទួលបានគឺអាចទុកចិត្តបាន។

៣. ស្ថិតិពិពណ៌នា៖ ជំហានដំបូងក្នុងការយល់ដឹងអំពីគុណភាព

ជំហានដំបូងនៅក្នុងការវិភាគជាធម្មតាគឺស្ថិតិពិពណ៌នា។ គោលដៅគឺដើម្បីពិពណ៌នាអំពីស្ថានភាពគុណភាពបច្ចុប្បន្ន។ វិធានការមួយចំនួនដែលប្រើជាទូទៅគឺ៖

– មធ្យមភាគ៖ តម្លៃកណ្តាលដែលតំណាងឱ្យនិន្នាការទូទៅ។
– មេឌីយ៉ាន៖ តម្លៃកណ្តាលដែលធន់នឹងកត្តាមិនប្រក្រតី។
– ភាពខុសគ្នា និងគម្លាតស្តង់ដារ៖ ពិពណ៌នាអំពីវិសាលភាពនៃភាពខុសគ្នា។ ភាពខុសគ្នាធំៗ ជារឿយៗជា «សត្រូវ» នៃគុណភាព។
– អប្បបរមា–អតិបរមា៖ ជួយមើលឃើញជួរនៃលទ្ធផលដំណើរការ។
– ភាគរយនៃកំហុស៖ សម្រាប់ទិន្នន័យគុណលក្ខណៈ។

ក្រៅពីលេខ ការមើលឃើញដោយមើលឃើញគឺមានសារៈសំខាន់ណាស់។ អ៊ីស្តូក្រាម ប្រអប់ព្រាត និងព្រាតរាយជួយមើលឃើញរូបរាងនៃការចែកចាយ ចន្លោះប្រហោងដែលមានសក្តានុពល និងទំនាក់ទំនងរវាងអថេរ។ ឧទាហរណ៍ ព្រាតរាយអាចបង្ហាញថាពិការភាពកើនឡើងនៅពេលដែលសីតុណ្ហភាពម៉ាស៊ីនខ្ពស់ពេក - ជាតម្រុយដំបូងចំពោះមូលហេតុឫសគល់។

៤. ការគ្រប់គ្រងដំណើរការជាមួយការគ្រប់គ្រងដំណើរការស្ថិតិ (SPC)

ការប្រើប្រាស់ស្ថិតិដ៏ល្បីបំផុតមួយក្នុងគុណភាពគឺការគ្រប់គ្រងដំណើរការស្ថិតិ (SPC) ជាពិសេសតាមរយៈតារាងត្រួតពិនិត្យ។ តារាងត្រួតពិនិត្យមានគោលបំណងតាមដានដំណើរការមួយតាមពេលវេលា និងរកឃើញថាតើដំណើរការនេះនៅតែមានស្ថេរភាពខាងស្ថិតិឬអត់។

ប្រភេទទូទៅនៃតារាងត្រួតពិនិត្យ៖

– តារាង X-bar និង R៖ សម្រាប់ទិន្នន័យអថេរនៅក្នុងក្រុមរង (ឧទាហរណ៍ 5 គំរូក្នុងមួយម៉ោង)។
– តារាង I-MR៖ សម្រាប់ទិន្នន័យនីមួយៗ (ឧទាហរណ៍ ការវាស់វែងមួយក្នុងមួយពេល)។
– តារាង p៖ សម្រាប់សមាមាត្រនៃពិការភាព (គុណលក្ខណៈ)។
– តារាង c ឬ តារាង u៖ សម្រាប់ចំនួនពិការភាពក្នុងមួយឯកតា។

ស្នូលនៃតារាងត្រួតពិនិត្យគឺដែនកំណត់ត្រួតពិនិត្យខាងលើ (UCL) និងដែនកំណត់ត្រួតពិនិត្យខាងក្រោម (LCL)។ ប្រសិនបើចំណុចទិន្នន័យឆ្លងកាត់ដែនកំណត់ទាំងនេះ ឬបង្កើតជាលំនាំជាក់លាក់មួយ (ឧទាហរណ៍ និន្នាការកើនឡើង ដំណើរវែងឆ្ងាយនៅម្ខាង) វាបង្ហាញពីវត្តមាននៃមូលហេតុពិសេសមួយ។ គុណសម្បត្តិរបស់ SPC គឺវាការពារប្រតិកម្មហួសហេតុចំពោះការប្រែប្រួលធម្មតា និងលើកទឹកចិត្តដល់សកម្មភាពកែតម្រូវលុះត្រាតែមានភស្តុតាងស្ថិតិ។

៥. សមត្ថភាពដំណើរការ៖ តើដំណើរការនេះមានសមត្ថភាពបំពេញតាមលក្ខណៈបច្ចេកទេសដែរឬទេ?

ដំណើរការដែលមានស្ថេរភាពមិនចាំបាច់ធានាថាវានឹងបំពេញតាមលក្ខណៈបច្ចេកទេសរបស់អតិថិជននោះទេ។ នេះជាកន្លែងដែលការវិភាគសមត្ថភាពចូលមក ដោយឆ្លើយសំណួរថា តើដំណើរការនេះផលិតផលិតផលក្នុងកម្រិតអត់ធ្មត់ជាក់លាក់បានល្អប្រសើរប៉ុណ្ណា?

សន្ទស្សន៍ដែលប្រើជាញឹកញាប់៖

– Cp៖ ប្រៀបធៀបទទឹងនៃលក្ខណៈបច្ចេកទេសជាមួយនឹងការប្រែប្រួលដំណើរការ (ដោយមិនមើលទីតាំងជាមធ្យម)។
– Cpk៖ ពិចារណា​ពី​ទីតាំង​ជា​មធ្យម​ទាក់ទង​នឹង​ដែនកំណត់​នៃ​លក្ខណៈ​បច្ចេកទេស; ឆ្លុះបញ្ចាំង​ថា​តើ​ដំណើរការ​នេះ​ «តឹងតែង» ទៅ​ម្ខាង​ឬ​អត់។
– Pp និង Ppk៖ ស្រដៀងគ្នាទៅនឹង Cp/Cpk ប៉ុន្តែប្រើបំរែបំរួលរួម (រយៈពេលវែង) ដែលជារឿយៗត្រូវបានប្រើសម្រាប់ទិន្នន័យដំណើរការដែលមិនទាន់ត្រូវបានគ្រប់គ្រងពេញលេញនៅឡើយ។

ជាទូទៅ តម្លៃ Cpk ≥ 1,33 ត្រូវបានគេចាត់ទុកថាគ្រប់គ្រាន់នៅក្នុងឧស្សាហកម្មជាច្រើន ខណៈពេលដែលឧស្សាហកម្មដែលមានហានិភ័យខ្ពស់អាចមានគោលដៅខ្ពស់ជាងនេះ។ ទោះជាយ៉ាងណាក៏ដោយ តួលេខនេះគួរតែត្រូវបានអាននៅក្នុងបរិបទ៖ ប្រភេទផលិតផល ថ្លៃដើមនៃការបរាជ័យ និងតម្រូវការរបស់អតិថិជន។

៦. ការវិភាគសន្និដ្ឋាន៖ ការធ្វើតេស្តការស្មាន និងការប្រៀបធៀបដំណើរការ

នៅពេលដែលអង្គការនានាសាកល្បងការផ្លាស់ប្តូរ ដូចជាការផ្លាស់ប្តូរវត្ថុធាតុដើម ការកំណត់ប៉ារ៉ាម៉ែត្រម៉ាស៊ីនឡើងវិញ ឬការបណ្តុះបណ្តាលប្រតិបត្តិករ ពួកគេត្រូវធានាថាការផ្លាស់ប្តូរទាំងនោះពិតជាធ្វើអោយប្រសើរឡើងនូវគុណភាព។ ការវិភាគសន្និដ្ឋានជួយធ្វើការសម្រេចចិត្តដោយផ្អែកលើគំរូ។

វិធីសាស្រ្តទូទៅមួយចំនួន៖

– តេស្ត T៖ ប្រៀបធៀបមធ្យមភាគនៃលក្ខខណ្ឌពីរ (មុន ទល់នឹង ក្រោយ ម៉ាស៊ីន A ទល់នឹង ម៉ាស៊ីន B)។
– ANOVA៖ ប្រៀបធៀបក្រុមច្រើនជាងពីរ (ឧទាហរណ៍ អ្នកផ្គត់ផ្គង់បី)។
– ការធ្វើតេស្ត Chi-square៖ សម្រាប់ទិន្នន័យគុណលក្ខណៈ ឧទាហរណ៍ ការប្រៀបធៀបសមាមាត្រពិការភាពរវាងការផ្លាស់ប្តូរ។
– ការវិភាគតំរែតំរង់៖ ការធ្វើគំរូនៃទំនាក់ទំនងរវាងគុណភាពទិន្នផល និងកត្តាដំណើរការ (សីតុណ្ហភាព សម្ពាធ ល្បឿន)។

វាជាការសំខាន់ណាស់ក្នុងការយកចិត្តទុកដាក់លើសម្មតិកម្មនៃវិធីសាស្ត្រ - ឧទាហរណ៍ បទដ្ឋាន ឯករាជ្យភាព និងសមភាពនៃភាពខុសគ្នា។ ប្រសិនបើសម្មតិកម្មមិនត្រូវបានបំពេញទេ ការបំលែងទិន្នន័យ ឬវិធីសាស្ត្រមិនមែនប៉ារ៉ាម៉ែត្រអាចត្រូវបានពិចារណា។

៧. ការរចនានៃការពិសោធន៍ (DOE)៖ ការកែលម្អដំណើរការឱ្យកាន់តែមានប្រសិទ្ធភាព

ប្រសិនបើគោលដៅគឺដើម្បីស្វែងរកការរួមបញ្ចូលគ្នាដ៏ល្អប្រសើរនៃកត្តាដំណើរការ ការរចនាការពិសោធន៍ (DOE) គឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពខ្លាំង។ មិនដូចការធ្វើតេស្តកត្តាមួយក្នុងពេលតែមួយទេ DOE អនុញ្ញាតឱ្យធ្វើតេស្តកត្តាច្រើនក្នុងពេលដំណាលគ្នា និងចាប់យកអន្តរកម្មរវាងពួកវា។

ឧទាហរណ៍សាមញ្ញមួយ៖ គុណភាពផ្ទៃត្រូវបានប៉ះពាល់ដោយល្បឿនម៉ាស៊ីន សីតុណ្ហភាព និងប្រភេទប្រេងរំអិល។ DOE អាចបង្ហាញមិនត្រឹមតែកត្តាណាដែលមានឥទ្ធិពលបំផុតប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងការរួមបញ្ចូលគ្នានៃប៉ារ៉ាម៉ែត្រដែលបណ្តាលឱ្យមានចំនួនពិការភាពទាបបំផុត។ នេះបណ្តាលឱ្យមានការជួសជុលលឿនជាងមុន ថ្លៃដើមតេស្តទាប និងការសម្រេចចិត្តកាន់តែមានភាពត្រឹមត្រូវតាមស្ថិតិ។

៨. ភ្ជាប់ស្ថិតិទៅនឹងវប្បធម៌ដែលមានគុណភាព

ការវិភាគស្ថិតិនឹងមិនមានប្រសិទ្ធភាពទេ ប្រសិនបើវាត្រូវបានចាត់ទុកថាជាភារកិច្ចរបស់នាយកដ្ឋានដែលមានគុណភាព។ អង្គការនានាត្រូវកសាងវប្បធម៌ទិន្នន័យ៖ ប្រតិបត្តិករយល់ពីអត្ថន័យនៃតារាងត្រួតពិនិត្យ អ្នកត្រួតពិនិត្យអាចអាននិន្នាការ និងអ្នកគ្រប់គ្រងប្រើប្រាស់ភស្តុតាងនៅពេលធ្វើការសម្រេចចិត្ត។ លើសពីនេះ ស្ថិតិត្រូវតែភ្ជាប់ទៅនឹងសកម្មភាពក្នុងពិភពពិត៖ នៅពេលដែលបញ្ហាត្រូវបានរកឃើញ ត្រូវតែមានយន្តការសម្រាប់ការស៊ើបអង្កេតមូលហេតុដើម (ឧទាហរណ៍ 5 Whys ឬការវិភាគឆ្អឹងត្រី) និងការតាមដានលើការកែលម្អ។

កំហុសទូទៅមួយគឺ "ការប្រមូលទិន្នន័យដោយគ្មានគោលបំណង"។ ការវិភាគស្ថិតិគួរតែត្រូវបានជំរុញដោយសំណួរអាជីវកម្ម៖ អ្វីដែលអ្នកចង់កែលម្អ គោលដៅរបស់អ្នកជាអ្វី កត្តាណាខ្លះដែលមានឥទ្ធិពលបំផុត និងរបៀបតាមដានលទ្ធផល។

សេចក្តីសន្និដ្ឋាន

ការវិភាគស្ថិតិសម្រាប់គុណភាពគឺជាវិធីសាស្រ្តមួយដែលផ្លាស់ប្តូរការគ្រប់គ្រងគុណភាពពីការត្រួតពិនិត្យសាមញ្ញទៅជាការគ្រប់គ្រង និងការកែលម្អដែលជំរុញដោយទិន្នន័យ។ តាមរយៈស្ថិតិពិពណ៌នា SPC សមត្ថភាពដំណើរការ ការធ្វើតេស្តសន្និដ្ឋាន និង DOE អង្គការនានាអាចយល់ពីភាពខុសគ្នា រកឃើញបញ្ហាបានលឿនជាងមុន និងធានាថាដំណើរការបំពេញតាមលក្ខណៈបច្ចេកទេសរបស់អតិថិជន។ នៅទីបំផុត ស្ថិតិគឺច្រើនជាងលេខធម្មតា។ ពួកវាគឺជាភាសាគោលបំណងសម្រាប់ណែនាំការកែលម្អជាបន្តបន្ទាប់ — កាត់បន្ថយពិការភាព បន្ថយថ្លៃដើម និងបង្កើនការពេញចិត្តរបស់អតិថិជន។

ប្រសិនបើអ្នកចង់បាន ខ្ញុំអាចកែសម្រួលអត្ថបទនេះទៅតាមបរិបទជាក់លាក់មួយ (ការផលិត ការថែទាំសុខភាព ការអប់រំ ឬសេវាកម្មអតិថិជន) ឬបន្ថែមឧទាហរណ៍នៃការគណនា Cp/Cpk និងតារាងត្រួតពិនិត្យដោយផ្អែកលើទិន្នន័យរបស់អ្នក។