ภายหลังจากบริษัทยักษ์ใหญ่ และ ยักษ์เล็กต่างปรับปรุงกระบวนการทำงานอย่างยกใหญ่ เพื่อรองรับความไม่แน่นอน ของการผลิตและจัดจำหน่าย ที่นับวันยิ่งเข้มข้น ที่มีแนวโน้มไปในทิศทางเดียวกัน คือ คุณภาพต้องสูงและราคาต้องต่ำ โดยมีบริการทัดเทียม หรือ ดีเท่าคู่แข่งในอุตสาหกรรมเดียวกัน

ที่ผ่านมา การควบคุมคุณภาพสินค้าและบริการ มักมีการริเริ่มนำเอาเทคนิคทางสถิติมาช่วยเป็นเครื่องมือประกอบการตัดสินใจ ปรับประบวนการ ที่มักคุ้นเคยกันในชื่อของ การควบคุมกระบวนการโดยวิธีทางสถิติ (Statistical Process Control : SPC) รวมถึง มีความพยามที่จะบริหารความบกพร่องในกระบวนการให้เห็นภาพชัดเป็นตัวเลขที่ดูง่าย เข้าใจง่าย สำหรับการบริหารจัดการ ก็อาจมีการเทียบผลทาสถิติจากกระบวนการที่ได้กับ สเปก หรือ ข้อกำหนดลูกค้า แล้วเรียกว่า การศึกษาความสามารถกระบวนการ (Process Capability) ซึ่งยิ่งหากดัชนีดังกล่าว ยิ่งมีค่าสูงมาก ยิ่งแสดงระดับผลผลิตที่สูงขึ้น และ ข้อบกพร่องน้อยลง

 ปัญหาสำคัญที่ผู้บริหารกระบวนการเผชิญคือ ทำอย่างไรจะยกระดับค่าดัชนีดังกล่าว หรือ ยกระดับผลผลิตได้ เพื่อให้ได้ผลิตภัณฑ์ที่มีโอกาสได้ของดีมากขึ้น หรือ ผู้บริหารกระบวนการนั้นอาจพอใจกับระดับผลผลิต ปัจจุบัน แต่ต้องการหาทางประหยัดทรัพยากร เช่น ใช้วัสดุที่ถูกลง แต่ให้คุณสมบัติที่เหมือนกัน หรือ ลดพลังงานลงโดยไม่กระทบกับคุณภาพผลิตภัณฑ์ หรือ เร่งสปีดการทำงานที่มากขึ้น คำตอบของคำถามเหล่านี้ มักอาศัยเทคนิคที่เรียกกันทั่วไปว่า “การออกแบบการทดลองอุตสาหกรรม” (Industrial Design of Experiments)

ดร.โรนัลด์  พิชเชอร์ เป็นผู้หนึ่งที่มีคุณาปการต่อ วิธีการออกแบบการทดลองอย่างใหญ่หลวง ด้วยแนวทางของเขา ที่เริ่มต้น เพื่อใช้หาข้อสรุปการปรับปรุงแปลงเกษตรและมันได้กลายเป็นรากฐานที่ ผู้ที่จะออกแบบการทดลองต้องเข้าใจกลไกของมันก่อนที่จะดำเนินการจริง

บทความนี้ จะมุ่งเน้นให้ท่านได้เห็นวิธีการออกแบบการทดลอง โดยพยามลดรูปแบบคำอธิบายด้านการคำนวณให้น้อย เพื่อให้เห็นส่วนสำคัญของมันในเรื่อง สาระจากการทดลอง เพื่อก่อให้เกิดการริเริ่มประยุกต์ใช้ในโรงงานได้

กลยุทธ์ของการออกแบบการทดลอง ถูกนำมาใช้เป็นเครื่องมือ ในการขับเคลื่อนเพื่อการลดต้นทุน ดังนั้นก่อนลงมือออกแบบการทดลอง สักเรื่อง คงต้องตอบคำถามสำคัญก่อนว่า เรามีจุดมุ่งหมายใดบ้างในการออกแบบการทดลอง

ยกตัวอย่างเช่น คุณสนใจจะหาโอกาสเปลี่ยนวัสดุใหม่ที่ถูกลงกว่าเดิม โดยที่คุณไม่แน่ใจคุณสมบัติของวัสดุนั้น ยังทดแทนตัวเดิมได้หรือไม่ หรือ ในการอบชิ้นงาน คุณเคยใช้จำนวนชิ้นงานต่อครั้ง จำนวนหนึ่ง คุณสนใจจะเพิ่มจำนวนอบชิ้นงาน แต่ไม่แน่ใจว่า แต่ละชิ้นยังคงได้รับผลทางความร้อนทั่วถึงหรือไม่ เป็นต้น

ความล้มเหลวของการออกแบบการทดลอง จากประสบการณ์ที่ปรึกษา พบว่า ส่วนหนึ่งเกิดจากการกำหนดจุดมุ่งหมายการทดลองไม่ชัดเจน หรือ กำหนดจุดมุ่งหมายในสิ่งที่ไม่ต้องทดลองก็รู้อยู่แล้ว

มาถึงตรงนี้ บางท่านอาจสงสัย ว่า แล้วควรมีแนวทางในการกำหนดจุดมุ่งหมายการทดลองอย่างไร ก่อนอื่นต้องเข้าใจว่า ผลการออกแบบการทดลองจะถูกนำไปใช้ซ้ำไปซ้ำมาหมายครั้ง เช่น หากกำหนดว่า ณ. ค่าอุณหภูมิฉีด ที่ระดับนี้ให้งานผลผลิตดีที่สุด ค่าอุณหภูมิช่วงดังกล่าว จะถูกพิจารณาเป็นค่าตั้งมาตรฐานของการทำงานประจำวัน ดังนั้น บทบาทของการออกแบบการทดลอง จึงมีบทบาทสำคัญ คือ การตอบคำถามและแปลผลจากคำถามในรูปตัวเลขที่สามารถสรุปผลระยะยาวได้ และ แนะนำค่าตัดสินใจเชิงตัวเลขให้กับผู้วางแผนการทดลอง

ดังนั้น แนวทางกำหนดจุดมุ่งหมาย ในการทดลองต้องตั้งอยู่บนพื้นฐานเรื่องที่ผู้ออกแบบการทดลองสนใจจะปรับปรุงผลระยะยาว  โดยต้องระลึกเสมอว่า การนำผลการทดลองระยะสั้นไปสรุปผลระยะยาว อยู่ภายใจความเสี่ยงที่จะสรุปผลผิดพลาด ดังนั้น การออกแบบการทดลอง จึงไม่สามารถบอกได้ตรงๆ ว่า อะไรดีที่สุด หรือ ดำเนินการตัดสินใจให้เราได้ (ผู้ทดลองต้องใช้ผลการทดลองมาขบคิดว่า จะตัดสินใจอย่างไร)

ขั้นตอนของการออกแบบการทดลองอุตสาหกรรม

 ภายหลังจากกำหนด จุดประสงค์ ของการทดลองแล้ว ก็จะเริ่มสู่การวางแผนการทดลอง ซึ่งมีขั้นตอนโดยสรุปดังนี้

1.       ประเมิน ตัววัด ปัญหา

2.       พิจารณาความถูกต้องและแม่นยำของตัววัดปัญหา

3.       เลือกปัจจัยที่จะวางแผนทดลองให้ตรงกับจุดประสงค์

4.       กำหนดระดับเปรียบเทียบ

5.       เลือกแบบการวางแผนทดลองให้สอดคล้องจุดประสงค์

6.       วางแผนการเก็บข้อมูล ให้มีความสอดคล้องกับจุดประสงค์

7.       วิเคราะห์ผล

8.       ดำเนินการตัดสินใจ

ทีนี้ บางท่าน อาจรู้สึกว่า ทำไม แค่ทดลองในสายการผลิต รู้สึกว่ายุ่งยากหลายขั้นตอน อย่าลืมว่า เมื่อมีการทดลองอุตสาหกรรม เกิดขึ้นในสายการผลิต จริงๆ นั่นหมายถึง ไลน์การผลิตนั้นต้องหยุดการผลิตตามปกติ หรือ อาจผลิตตามปกติ แต่มีภาวะเงื่อนไขการผลิตแตกต่างออกไป ที่ทำให้ยอดผลิตได้ลดลง แน่นอนสิ่งเหล่านี้จะสร้างปัญหา ให้กับพนักงานหรือผู้บริหารการผลิต และหากว่า ผลการทดลองไม่สามารถช่วยให้เกิดการปรับปรุงผลผลิต จริงๆ ได้ ก็จะกลายเป็นความสูญเปล่าอย่างมหาศาล

ก้าวแรกของการทดลอง ประเมินตัววัดปัญหา

เมื่อมีจุดประสงค์การทดลองชัดเจน ว่าต้องการอะไรจากผลการทดลอง ตัวสำคัญที่จะต้องเอาใจใส่คือ จะวัดผลการทดลองด้วยตัววัดอะไร, ตัววัดดังกล่าวมีผลต่อผลผลิตมากน้อยเพียงใด, และประการสำคัญ ในภาวะเทคโนโลยีการผลิต/ควบคุมกระบวนการ หรือ ควบคุมคุณภาพปัจจุบัน ท่านมีตัววัดเหล่านี้อยู่แล้วหรือไม่

 ตัวอย่าง การเลือกตัววัดเพื่อการทดลองอุตสาหกรรม

วัตถุประสงค์	ตัววัด
1.       ต้องการหาวัสดุทดแทนวัสดุเดิมเพื่อลดต้นทุน 2.       ต้องการลดความเสียหายหากการโก่งตัวหรือบิดตัว 3.       ต้องการลดรอยตำหนิบนผิวชิ้นงานฉีดพลาสติก	1.       คุณสมบัติวัสดุที่สำคัญ เช่น ค่า Strength, ค่า Hardness เป็นต้น 2.       ค่าขนาด Dimension ตามจุดที่สำคัญของงาน 3.       Defect Per Unit, จำนวนข้อบกพร่อง, สัดส่วนข้อบกพร่อง

 

ก้าวถัดมา : พิจารณาความถูกต้องและแม่นยำของตัววัดปัญหา

เมื่อลงมือ ทดลอง จนได้ผลสรุป การสรุปผลการทดลองที่ยึดถือ เกณฑ์ทางตัวเลขเป็นหลักเพื่อการตัดสินใจ ดังนั้น หากผลที่ได้จากการทดลอง ถูกเก็บ, รวบรวม, วัดผล ภายใต้ความคลาดเคลื่อนของการวัดผลที่มีความคลาดเคลื่อนมาก ย่อมมีความเสี่ยงในการสรุปผลการทดลอง และ ความน่าเชื่อถือของผลการทดลอง

 ขั้นตอนนี้ต้องการตรวจความถูกต้อง, ความแม่นยำ และ ความคลาดเคลื่อน จากตัววัดปัญหาที่ได้เลือกขึ้นมา ภายใต้การวัดผลปัจจุบัน ซึ่งเทคนิคที่ใช้ประเมินคือการวิเคราะห์ระบบวัด (Measurement System Analysis) ดูรูปที่ 1

จุดสำคัญของการวิเคราะห์ ต้องการใช้ข้อมูลตัวเลขจากผลการทดลอง มีความละเอียด (Resolution) ที่เพียงพอ ไม่หยาบไปจนไม่สามารถเข้าใจปรากฏการณ์ของผลที่ปรากฏ (ลองนึกถึง เปรียบเทียบการตะโกนจากหลังห้องประชุมที่เงียบ และ ผู้ฟังอยู่บนเวที กับ การตะโกนเมื่อมีเสียงเจี๊ยวจ๊าว ครึกโครม ท่านได้ยินเสียงใดชัดกว่ากัน), นอกความละเอียดแล้ว ยังต้องการผลการทดลองให้ถูกต้อง แม่นยำ เพื่อนำไปเทียบเคียง (Benchmark) หรือ เปรียบเทียบ (Compare) กับข้อกำหนดลูกค้า หรือ คู่แข่ง หรือ มาตรฐานต่อไป

 

 

 

 

 

 

 

 

 

 

รูปที่ 1 แสดงความคลาดเคลื่อนของการเก็บรวบรวมข้อมูล

ขั้นที่ 3  กำหนดปัจจัย ที่จะวางแผนการทดลองให้ตรงจุดประสงค์

ปัจจัยในขั้นตอนนี้ คือ สิ่งที่สนใจจะศึกษา ซึ่งในการทดลองอาจสนใจศึกษามากกว่า 1 ปัจจัย ในคราวเดียวกัน เช่น ต้องการศึกษาว่าอุณหภูมิที่ X องศา กับอัตราป้อนที่ระดับ Y เมื่อเปลี่ยนอุณหภูมิและอัตราป้อนไป จะมีผลต่อการเกิดรอยตำหนิบนผิวพลาสติกหรือไม่

เทคนิคการกำหนดปัจจัยก็ตรงไปตรงมา ปัจจัยคือสิ่งที่สนใจ ซึ่งอาจมีลักษณะเป็นทั้งค่าต่อเนื่อง (Continuous) หรือ ลักษณะเป็นกลุ่มก้อน (Discrete) ก็ได้

 ตัวอย่าง การกำหนดปัจจัย เพื่อการทดลองอุตสาหกรรม

วัตถุประสงค์	ตัววัด	ปัจจัย
1. ต้องการหาวัสดุทดแทนวัสดุเดิมเพื่อลดต้นทุน	Hardness	1.1 วัสดุ X เทียบกับ วัสดุ Y
2. ต้องการลดความเสียหายจากการโก่งตัว หรือ บิดตัวของงาน	Dimension	2.1 ตำแหน่งการเชื่อม 2.2 ขนาดหัวเชื่อม 2.3 ช่องว่าง Gap ระหว่างชิ้นงาน
3. ต้องการลดตำหนิบนผิวชิ้นงานฉีดพลาสติก	สัดส่วนข้อบกพร่อง	3.1  Screw Speed 3.2  Injection Temp 3.3  Time 3.4  Pressure

นอกจากปัจจัยที่สนใจแล้ว ยังต้องพิจารณา ปัจจัยที่ไม่ได้วางแผนจะทดลอง แต่มีผลต่อ ผลการทดลอง เช่น สนใจการเปลี่ยนแปลงอุณหภูมิในตู้อบว่า มีผลต่อการเปลี่ยนแปลงค่า ความแข็งในงานชุบ อุณหภูมิเป็นปัจจัยที่สนใจ ในขณะที่ตำแหน่งการวางงาน, ความแข็งของวัตถุดิบ, ขนาดงาน ที่ไม่ได้สนใจ จะส่งผลต่อค่าความแข็งด้วย ซึ่ง ผู้วางแผนการทดลอง ต้องหาทางขจัดอิทธิพลภายนอก จากปัจจัยก่อกวน (Noise factor) เหล่านี้ด้วย

ขั้นที่ 4 กำหนดระดับเปรียบเทียบ

ระดับที่ใช้ในการเปรียบเทียบผลจากปัจจัย จะเริ่มตั้งแต่ 2 ระดับขึ้นไป ซึ่งอาจมีได้หลายระดับ ยิ่งจำนวนระดับในการทดลองยิ่งมาก ยิ่งมีค่าใช้จ่ายในการทดลองเพิ่มขึ้น เนื่องจากมีจำนวนครั้งในการทดลองเพิ่มขึ้น

 ตัวอย่าง การกำหนดระดับเปรียบเทียบ

ปัจจัย	ระดับที่พิจารณา
ตำแหน่งการเชื่อม อุณหภูมิ Pressure Vendor	ตำแหน่งใกล้ขอบ 2 มม., ตำแหน่งใกล้ขอบ 10 มม. 230O, 250O, 270O 15, 18 psi KTC, QTZ, MTI

 

ขั้นที่ 5 เลือกแบบการวางแผนทดลองให้สอดคล้องวัตถุประสงค์

 คำว่า แบบการวางแผนการทดลอง หมายถึง กระบวนการเพื่อแยกปัจจัยที่สนใจออกจากปัจจัยที่ไม่สนใจ โดยให้สัญญาณ (Signal) ซึ่งหมายถึง สารสนเทศที่ได้จากข้อมูลการทดลอง ที่มาจากปัจจัยที่สนใจ เด่นชัด, เห็นชัด กว่า สิ่งที่ออกมาหรือได้มาจากปัจจัยที่ไม่สนใจ (Noise Factor) ในปัจจุบันมีแผนแบบการทดลองให้เลือกมากมาย ตั้งแต่ ระดับง่ายสุด ไปจนถึง ระดับที่ซับซ้อนจนต้องมีเทคนิคมาเพื่อทำให้การเก็บข้อมูลทำได้สะดวก (ดูรูปที่ 2 ) เช่น

• One-way ANOVA

• Randomized Block Design

• Multi-Factor ANOVA

• 2^K Factorial, 3^K Factorial

• Fractional Factorial

• etc

 

  

 

 

 

 

 

 

 

 

 

 รูปที่ 2 ตัวอย่างแบบการทดลองในโปรแกรมคอมพิวเตอร์

ขั้นที่ 6 วางแผนการเก็บข้อมูล ให้มีความสอดคล้องตามจุดประสงค์

 

เมื่อได้เลือกแบบแผนการทดลอง ก็จะเริ่มการเก็บข้อมูล สิ่งที่ต้องให้ความสำคัญเป็นอย่างยิ่ง คือ การลดอิทธิพลจากสิ่งรบกวนซึ่งมาจากปัจจัยที่ไม่สนใจจะศึกษาทั้งหลาย ทั้งนี้ การจำกัดอิทธิพลของสิ่งรบกวนขณะเก็บข้อมูล ยิ่งมากเท่าใดยิ่งทำให้การเข้าใจสัญญาณ (Signal) จากแผนแบบการทดลองที่วางไว้ เป็นภาพเข้าใจได้ง่ายขึ้น ซึ่งการวางแผนเก็บข้อมูล อาจใช้หลากหลายกลยุทธ์ เช่น การเก็บข้อมูล แบบสุ่ม (Randomized), การจำกัด (Blocking) และการทำซ้ำ (Replication)

 

ขั้นที่ 7 การวิเคราะห์ผล

บ่อยครั้งมักมี ผู้ที่เข้าใจว่า นี่คือ ขั้นตอนสำคัญ แต่แท้ที่จริงเป็นขั้นตอนหนึ่งแม้มีความสำคัญ แต่ก็ไม่เท่าขั้นตอนแรกๆ ข้างต้น และด้วยเทคโนโลยีในปัจจุบันที่เปิดโอกาสให้เกิดความง่ายในการวิเคราะห์ผล โดยการใช้โปรแกรม เช่น SPSS, JASS, Minitab, Stat graphics, SAS, Statistical, etc.  ซึ่งบรรดาโปรแกรมเหล่านี้จะบรรจุเครื่องมือ ของการวิเคราะห์ผลตามแบบการทดลองในขั้นที่ 5 ไว้หลากหลาย

ในขณะวิเคราะห์ผล ผู้วิเคราะห์ ต้องตระหนักเสมอว่า ข้อมูล ประกอบด้วย สารสนเทศผสมกับสิ่งปนเปื้อนที่เกิดจากอิทธิพลของสิ่งที่ไม่ได้ควบคุม หรือคุมไม่ได้ ขณะเก็บข้อมูล ซึ่งบรรดาสิ่งปนเปื้อนเหล่านี้ ไม่สามารถขจัดทิ้งได้หมดจด แต่การมีอยู่ของมันต้องไม่ก่อกวนผลการวิเคราะห์ อันนำไปสู่การสรุปผลผิดพลาด และเกิดความเสี่ยงในการตัดสินใจ ดังนั้น จึงต้องมีการทวนสอบผลของข้อมูลหลังการวิเคราะห์เสมอ (ดูรูปที่ 3  ตัวอย่างผลหลังการใช้โปรแกรมคอมพิวเตอร์ ทวนสอบวิเคราะห์คุณภาพข้อมูลก่อนตัดสินใจ)

  

 

 

 

 

 

 

 

 

 

 

รูปที่ 3 ตัวอย่างผลการทวนสอบข้อมูลหลังการทดลอง

 

ขั้นตอนที่ 8  การตัดสินใจ

ภายหลังเมื่อมีความเชื่อในผลการวิเคราะห์ จากขั้นตอนที่ 7 ผู้ออกแบบวางแผนการทดลอง ก็จะดำเนินการตัดสินใจ ตามข้อมูลที่ได้จากการวิเคราะห์ โดยในการตัดสินใจนั้นจะให้ความสำคัญกับ ระดับความมีนัยสำคัญ (Significant) เพื่อบอกโอกาสการเกิดซ้ำในระยะยาว แล้วก่อนการสรุปผลก็อาจเอาผลสรุปไปทดลองใช้แล้วพิจารณาอีกครั้งก็ทำได้

จะเห็นว่า ขั้นตอน 8 ขั้นตอนนั้นมีหลักการ อยู่ที่ กำหนดจุดมุ่งหมาย/จุดประสงค์ให้ชัดเจน (Practical) และอาจมีการใช้ กราฟ ประกอบการอธิบายสภาพข้อมูลก่อนการทดลอง (Graphical) แล้งจึงออกแบบวางแผนทดลอง (Analysis) ต่อไป ในฉบับหน้า เพื่อให้เข้ากับ บทความนี้ จะขอนำเสนอเทคนิคของ Dorian Shinin  เพื่อการออกแบบการทดลองทั้ง 8 ขั้นตอน ที่ง่ายในทางปฏิบัติ เพื่อให้เห็นผลจริงต่อไป