บทนำ
การวิเคราะห์ระบบการวัด Measurement System Analysis (MSA) เป็นแนวคิดทางสถิติที่พัฒนาขึ้นเพื่อประเมินความน่าเชื่อถือของข้อมูลการวัดในกระบวนการผลิต โดยมีเป้าหมายเพื่อให้มั่นใจว่าข้อมูลที่ใช้ในการควบคุมคุณภาพและการตัดสินใจทางวิศวกรรมมีความถูกต้องและเชื่อถือได้
แนวคิดเกี่ยวกับความถูกต้องของการวัดมีรากฐานมานานหลายศตวรรษ ตั้งแต่การกำหนดมาตรฐานหน่วยวัดในอดีต เช่น มาตรฐานความยาว “Royal Cubit” ในอียิปต์โบราณ และต่อมาได้มีการพัฒนามาตรฐานหน่วยวัดสากล เช่น เมตรมาตรฐานในยุโรป เพื่อเพิ่มความแม่นยำของการวัดในงานวิศวกรรมและอุตสาหกรรม
เมื่ออุตสาหกรรมการผลิตมีความซับซ้อนมากขึ้น โดยเฉพาะอุตสาหกรรมยานยนต์ จึงเกิดความจำเป็นในการประเมินว่าระบบการวัดมีความสามารถเพียงพอสำหรับการควบคุมกระบวนการหรือไม่ ในช่วงปลายทศวรรษ 1980 บริษัท Ford ได้เผยแพร่เอกสารสำหรับการประเมินระบบการวัด และแนะนำการศึกษา Type-1 และ Type-2 Study ซึ่งถือเป็นจุดเริ่มต้นของแนวคิด MSA ในอุตสาหกรรมยานยนต์
ต่อมาในปี 1990 องค์กร Automotive Industry Action Group (AIAG) ได้เผยแพร่ MSA Manual ฉบับแรก เพื่อสร้างแนวทางมาตรฐานสำหรับการประเมินระบบการวัดในห่วงโซ่อุปทานของอุตสาหกรรมยานยนต์ โดยใช้วิธีการทางสถิติ เช่น Bias, Linearity, Stability และ Gage Repeatability & Reproducibility (GR&R) เพื่อวิเคราะห์แหล่งที่มาของความแปรปรวนในการวัด
ในเวลาต่อมา แนวคิดการประเมินระบบการวัดได้พัฒนาเพิ่มเติมในยุโรป โดยเฉพาะแนวทาง VDA Volume 5 ซึ่งมุ่งเน้นการประเมิน Measurement Uncertainty ของกระบวนการวัด และนำไปสู่การพัฒนามาตรฐานสากล ISO 22514-7 Measurement Process Capability ที่ใช้ประเมินความเหมาะสมของกระบวนการวัดในเชิงความไม่แน่นอนของการวัด
ปัจจุบัน MSA ได้กลายเป็นหนึ่งใน Automotive Core Tools ที่สำคัญในระบบบริหารคุณภาพ เช่น IATF 16949 ซึ่งปัจจุบันการประเมินระบบการวัดในอุตสาหกรรมใช้แนวคิดหลัก 3 แนวทาง
AIAG MSA → วิเคราะห์ความแปรปรวนของการวัด (Error-based approach)
VDA 5 → วิเคราะห์ความไม่แน่นอนของการวัด (Uncertainty-based approach)
ISO 22514-7 → ประเมินความเหมาะสมของกระบวนการวัดในระดับสากล
AIAG หลักสูตร MSA AIAG&VDA 1st
Measurement System Analysis : MSA คือกระบวนการวิเคราะห์ทางสถิติที่ใช้ประเมินความสามารถของระบบการวัด เพื่อให้มั่นใจว่าผลการวัดที่ได้มีความ ถูกต้อง (Accuracy) และ แม่นยำ (Precision) เพียงพอสำหรับการใช้งานในกระบวนการผลิตจริง
Measurement System คือ องค์ประกอบทั้งหมดที่เกี่ยวข้องกับการวัด ตรวจสอบ ทดสอบ ได้แก่ เครื่องมือหรือเกจ มาตรฐาน ขั้นตอนการปฏิบัติ วิธีการ อุปกรณ์ยึดจับ ซอฟต์แวร์ บุคลากร สิ่งแวดล้อม และสมมติฐานต่าง ๆ ที่ใช้ในการหาปริมาณ หน่วยวัด หรือกำหนดค่าประเมินให้กับลักษณะเฉพาะของคุณลักษณะ ( เน้นว่า Measurement System ไม่ใช่แค่เครื่องมือ )
VDA & ISO22514-7
Measurement process : Set of operations to determine the value of a quantity ชุดของกระบวนการที่ใช้กำหนดค่าของปริมาณหนึ่งๆ : ตาม ISO/IEC Guide 99:2007 (VIM), ข้อ 2.2
Measuring system : Measuring instrument and any other device necessary for a particular measurement procedure เครื่องมือวัดและอุปกรณ์อื่นใดที่จำเป็นต่อการดำเนินกระบวนการวัดที่กำหนดไว้ : ตาม ISO/IEC Guide 99:2007 (VIM), ข้อ 2.8
วิธีการประเมินคุณภาพของระบบการวัด
Measurement Variation มุ่งเน้นการวิเคราะห์ความแปรผันภาพรวมในระบบการวัด จำแนกการวิเคราะห์เป็น 2 ส่วนใหญ่ Accuracy และ Precision ด้วยเครื่องมือต่างๆ ซึ่งไม่ได้แยกแยะแหล่งกำเนิดความแปรผันออกมาเป็นแต่ละปัจจัย (เครื่องมือหรือเกจ มาตรฐาน ขั้นตอนการปฏิบัติ วิธีการ อุปกรณ์ยึดจับ ซอฟต์แวร์ บุคลากร สิ่งแวดล้อม) ต้องมาทำการวิเคราะห์หาสาเหตุหลังจากการประเมินผล
AIAG MSA
มาตรฐาน AIAG MSA (Measurement System Analysis) เป็นคู่มือที่พัฒนาโดย Automotive Industry Action Group (AIAG) และถือเป็นหนึ่งใน Automotive Core Tools ที่สำคัญในอุตสาหกรรมยานยนต์ ร่วมกับ APQP, PPAP และ SPC คู่มือนี้ถูกใช้เป็นแนวทางมาตรฐานในการประเมินความสามารถของระบบการวัด เพื่อให้มั่นใจว่าข้อมูลที่ใช้ในการควบคุมกระบวนการผลิตมีความถูกต้องและเชื่อถือได้
แนวคิดของ AIAG MSA มุ่งเน้นการวิเคราะห์ ความแปรปรวนของระบบการวัด (Measurement Variation) โดยใช้วิธีการทางสถิติเพื่อแยกแยะและประเมินแหล่งที่มาของความคลาดเคลื่อนในการวัด การวิเคราะห์ระบบการวัดตามแนวทาง AIAG สามารถแบ่งออกเป็นการประเมินสำหรับ Variable Measurement System และ Attribute Measurement System
Variable Measurement System
ใช้สำหรับลักษณะคุณภาพที่วัดเป็นค่าตัวเลข (Continuous Data) เช่น ความยาว เส้นผ่านศูนย์กลาง หรือแรงดัน โดยวิธีการวิเคราะห์ที่สำคัญ ได้แก่
Bias – ความแตกต่างระหว่างค่าเฉลี่ยของผลการวัดกับค่ามาตรฐานอ้างอิง (Reference Value)
Linearity – การเปลี่ยนแปลงของ Bias ในช่วงการวัดตลอดช่วงของค่าที่สนใจ
Stability – ความสามารถของระบบการวัดในการให้ผลการวัดที่สม่ำเสมอตลอดระยะเวลา
Gage Repeatability & Reproducibility (GR&R) – การวิเคราะห์ความแปรปรวนของระบบการวัด โดยพิจารณา
– Repeatability (Equipment Variation) ความแปรปรวนจากเครื่องมือวัด
– Reproducibility (Appraiser Variation) ความแปรปรวนจากผู้วัด
Attribute Measurement System
ใช้สำหรับลักษณะคุณภาพที่เป็น ข้อมูลเชิงจัดประเภท (Categorical Data) เช่น ดี/เสีย ผ่าน/ไม่ผ่าน หรือการจัดระดับความรุนแรงของข้อบกพร่อง
วิธีการวิเคราะห์ที่ใช้บ่อย ได้แก่
– Attribute Agreement Analysis – วิเคราะห์ความสอดคล้องของการตัดสินผลระหว่างผู้ตรวจสอบ
– Kappa Statistics (Cohen’s Kappa) – ใช้ประเมินระดับความสอดคล้องของผลการตรวจสอบเมื่อเทียบกับการสุ่ม โดยคำนึงถึงความสอดคล้องที่อาจเกิดขึ้นโดยบังเอิญ
ค่า Kappa ที่สูงแสดงว่าระบบการตรวจสอบมีความสอดคล้องและเชื่อถือได้มากขึ้น ขณะที่ค่าต่ำแสดงว่าการตัดสินผลมีความแปรปรวนสูงและอาจต้องปรับปรุงวิธีการตรวจสอบ
มีปัญหาในการปรับปรุงคุณภาพระบบการวัดเนื่องจาก
“การบ่งชี้สาเหตุที่ผิดพลาด (Identification of error sources)” เป็นหนึ่งในปัญหาสำคัญของการทำ MSA แบบ AIAG จึงนำไปสู่การใช้บริบท ISO 22514-7 และ ISO 14253-1 เข้ามาร่วมเป็นส่วนหนึ่งในการวิเคราะห์
เช่น
การทำ GR&R เป็นในส่วนวิเคราะห์ความแปรปรวนของระบบการวัดภาพรวมแยกเป็น
Repeatability Symbol : EV (Equipment Variation) สาเหตุจากเครื่องมือ
Reproducibility Symbol : AV (Appraiser Variation) สาเหตุจากผู้วัด
Part Symbol : PV (Part Variation) สาเหตุจากชิ้นงาน
Interaction สาเหตุจากชิ้นงานร่วมกับผู้วัด
ซึ่งในระบบการวัดหรือกระบวนการวัดจริงไม่ได้มีเพียง เครื่องมือ ผู้วัด ชิ้นงาน แต่ยังมีปัจจัยอื่นที่คลอบคุมปัจจัย 5M,6M
เช่น Repeatability ไม่ได้เกิดจากเครื่องมือเพียงอย่างเดียว แต่เกิดจากระบบการวัดทั้งหมด
ภายในชิ้นงาน (Within-Part / Sample) : รูปร่างของชิ้นงาน , ความหยาบผิว (Surface roughness), ความไม่สม่ำเสมอของวัสดุ,การเสียรูปทรง,อุณหภูมิชิ้นงาน
ภายในเครื่องมือวัด (Within-Instrument) : มีค่าความแม่นยำที่ไม่ดี , การตั้งค่าก่อนการใช้งาน ,รูปทรงของปากวัดงาน
ภายในวิธีการวัด (Within-Method) : วิธีการที่แตกต่างกันในแต่ละครั้ง , การจับวัด
ภายในสภาพแวดล้อม (Within-Environment) : อุณหรูมิที่แตกต่าง , การสันสะเทือน
ภายในผู้วัด (Within-Appraiser) : การอ่านค่า ,นำหนักหารกดหรือดึงเครื่องมือ , ความเข้าใจด้านเกณฑ์ยอมรับ
การลดปัญหาความซ้ำซ้อนการดำเนินงานของผู้ผลิต ด้านมาตรฐานของ AIAG กับ VDA จึงนำไปสู่การรวมให้เป็นมาตรฐานเดียวกัน ( VDA5 มีมุ่งมองคล้ายคลึง ISO 22514-7 )
ข้อจำกัด AIAG ไม่สามารถระบุ source ของ error ภายในเครื่องมือได้
เช่น Resolution , Temperature , Calibration , Drift , Fixture , Alignment ทั้งหมดนี้ AIAG MSA 4th ไม่สามารถแยกได้
– แต่ VDA 5 และ ISO22514-7 มีการวิเคราะห์โดยการบ่งชี้ โดยแยกองค์ประกอบที่มีอิทธิพลต่อผลการวัดออกเป็นแต่ละ Influence Quantity อย่างเป็นระบบ (เช่น repeatability, calibration, resolution, temperature, part variation, stability ฯลฯ) และคำนวณ Standard Uncertainty ของแต่ละองค์ประกอบเพื่อสร้าง Uncertainty Budget ทำให้ง่ายต่อการบ่งชี้สาเหตุที่ต้องจัดการได้ถูกต้องและง่ายขึ้นทำให้องค์กรสามารถพัฒนาคุณภาพของระบบการวัดได้ดีขึ้น
VDA5 & ISO22514-7
มุ่งเน้นการวิเคราะห์ “ความสามารถของกระบวนการวัด” โดยอิงแนวคิด Measurement Uncertainty ตาม GUM โดยแยกองค์ประกอบที่มีอิทธิพลต่อผลการวัดออกเป็นแต่ละ Influence Quantity อย่างเป็นระบบ (เช่น repeatability, calibration, resolution, temperature, part variation, stability ฯลฯ) และคำนวณ Standard Uncertainty ของแต่ละองค์ประกอบเพื่อสร้าง Uncertainty Budget จากนั้นรวมเป็น Expanded Measurement Uncertainty (U) เพื่อประเมิน Capability Ratio (QMS และ QMP) เทียบกับ Tolerance โดย
VDA Volume 5 – Capability of Measurement Processes
มาตรฐาน VDA Volume 5 พัฒนาโดยสมาคมอุตสาหกรรมยานยนต์เยอรมนี (VDA) โดยมีแนวคิดหลักคือการประเมิน ความสามารถของกระบวนการวัด (Measurement Process Capability) บนพื้นฐานของ Measurement Uncertainty
VDA 5 พิจารณาองค์ประกอบทั้งหมดที่มีผลต่อความไม่แน่นอนของการวัด เช่น
Resolution ของเครื่องมือวัด
Calibration Uncertainty ของมาตรฐานอ้างอิง
Repeatability ของเครื่องมือวัด
Bias ของระบบการวัด
อิทธิพลของชิ้นงาน (Part influence)
สภาพแวดล้อม เช่น อุณหภูมิ
ค่าความไม่แน่นอนจากแต่ละองค์ประกอบจะถูกคำนวณเป็น Standard Uncertainty แล้วนำมารวมกันเพื่อคำนวณ Expanded Measurement Uncertainty
จากนั้นจะใช้ตัวชี้วัดความสามารถของระบบการวัด เช่น
-
QMS (Capability ratio of Measuring System)
-
QMP (Capability ratio of Measurement Process)
โดยทั่วไปเกณฑ์ที่ใช้ในทางปฏิบัติคือ
-
QMS ≤ 15%
-
QMP ≤ 30%
ซึ่งใช้เป็นเกณฑ์ในการพิจารณาว่าระบบหรือกระบวนการวัดมีความสามารถเพียงพอหรือไม่
ISO 22514-7 – Measurement Process Capability
มาตรฐาน ISO 22514-7 เป็นมาตรฐานสากลที่พัฒนาขึ้นภายใต้คณะกรรมการ ISO/TC 69 (Statistical Methods) เพื่อกำหนดวิธีการประเมิน ความสามารถของกระบวนการวัด (Measurement Process Capability)
แนวคิดของมาตรฐานนี้มีพื้นฐานใกล้เคียงกับ VDA 5 โดยใช้การวิเคราะห์ Measurement Uncertainty เป็นหลัก แต่มีเป้าหมายเพื่อให้สามารถนำไปใช้ได้ในหลายอุตสาหกรรม ไม่จำกัดเฉพาะอุตสาหกรรมยานยนต์
การประเมินใน ISO 22514-7 จะพิจารณา
– ความไม่แน่นอนของเครื่องมือวัด
– ความแปรปรวนจากกระบวนการวัด
– อิทธิพลของผู้ปฏิบัติงานและสภาพแวดล้อม
ผลการวิเคราะห์จะใช้เพื่อประเมิน Measurement Process Suitability หรือความเหมาะสมของกระบวนการวัดในการใช้ควบคุมกระบวนการผลิต
ISO 14253-1 – Decision Rules for Conformity Assessment
มุ่งเน้นการใช้ Measurement Uncertainty ตามแนวคิด GUM เพื่อกำหนดกฎการตัดสิน (Decision Rules) ในการยืนยัน “ความสอดคล้องหรือไม่สอดคล้องของชิ้นงาน” กับข้อกำหนด โดยนำ Expanded Measurement Uncertainty (U) มาพิจารณาร่วมกับค่าที่วัดได้ (y) เพื่อสร้าง Acceptance Limits และ Rejection Limits (Guard Band) เพื่อลดความเสี่ยงจากการยอมรับของเสีย (False Accept) และการปฏิเสธของดี (False Reject) สามารถประเมินได้ 2 วิธีการ
ความสัมพันธ์ระหว่างความสามารถกระบวนการ Cp, Cpk, Pp, Ppk และอัตราส่วนความแปรปรวนของระบบวัดเทียบกับกระบวนการ QMP
ค่าความสามารถของกระบวนการผลิตที่เราคำนวณได้ (Cp, Cpk, Pp, Ppk) “ถูกบิดเบือน จากความไม่แน่นอนของระบบการวัดมากแค่ไหน”
ความสัมพันธ์ทั้งหมดระหว่างความสามารถที่เราคำนวณได้จากข้อมูล (Observed capability) กับความสามารถจริงของกระบวนการผลิต (Real capability)
ชนิดความผิดพลาด หลักสูตร MSA AIAG&VDA
Type I Error (α) Producer Risk (False Rejection)
เป็นความผิดพลาดในการตัดสินที่เกิดขึ้นเมื่อผลการตรวจสอบหรือการวัด ปฏิเสธสินค้าที่เป็นไปตามข้อกำหนด (Conforming product) ว่าเป็นสินค้าไม่ผ่าน ทั้งที่จริงแล้วสินค้านั้นเป็นไปตามข้อกำหนด ความผิดพลาดลักษณะนี้ทำให้ผู้ผลิตสูญเสียโอกาสทางธุรกิจหรือต้องคัดทิ้งสินค้าที่ดีโดยไม่จำเป็น จึงเรียกความเสี่ยงนี้ว่า Producer Risk และในทางสถิติเรียกว่า Type I Error (α)
Type II Error (β) Consumer Risk (False Acceptance)
เป็นความผิดพลาดในการตัดสินที่เกิดขึ้นเมื่อผลการตรวจสอบหรือการวัด ยอมรับสินค้าที่ไม่เป็นไปตามข้อกำหนด (Nonconforming product) ว่าเป็นสินค้าที่ผ่านการยอมรับ ทั้งที่จริงแล้วสินค้านั้นควรถูกปฏิเสธ ความผิดพลาดลักษณะนี้ทำให้ลูกค้ามีความเสี่ยงที่จะได้รับสินค้าที่ไม่ได้คุณภาพ จึงเรียกความเสี่ยงนี้ว่า Consumer Risk และในทางสถิติเรียกว่า Type II Error (β)
เครื่องมือและลำดับขั้นในการวิเคราะห์ AIAG 4th เทียบ VDA5 & ISO22514-7
Type 1 Measurement System Analysis – Instrument Capability Study (Single Master, Cg/Cgk Method)
Type 1 Measurement System Analysis – Linearity Study (Multiple Reference Standards)
Type 2 Measurement System Analysis (Gage R&R) – Two-Way Random Effects ANOVA with Appraiser and Part Interaction
Type 3 Measurement System Analysis – Repeatability Study (One-Way Random Effects ANOVA, No Appraiser Effect)
Stability
Attribute Measurement System Capability Study
วัตถุประสงค์ หลักสูตร MSA AIAG & VDA
1.เพื่อให้ผู้ฝึกอบรมมีความรู้ความเข้าใจหลักการวิเคราะห์ระบบการวัด Measurement System Analysis ( MSA AIAG & VDA ) 1st Edition ตามคำแนะนำของ AIAG & VDA ทั้งแบบ Variables และ Attribute
2.เพื่อให้ผู้เข้ารับการอบรม มีทักษะการวิเคราะห์ระบบการวัด ( ทดลอง , เก็บข้อมูล วิเคราะห์ผล และ ประเมินสาเหตุของปัญหาได้ ผ่าน Workshop จริง )
กลุ่มเป้าหมาย : ผู้จัดการ หัวหน้างาน และผู้ที่สนใจ
จำนวนผู้เข้าอบรม : 30 คน/รุ่น
กำหนดการอบรม
บทนำ “Coming Soon”
รูปแบบการอบรม
– บรรยาย 30% Workshop 70%
– ทำกิจกรรมกลุ่มในการประเมินและร่วมกันระดมความคิด
สิ่งที่องค์กรต้องจัดเตรียม ( ต่อกลุ่ม )
วิเคราะห์ระบบการวัดแบบ Variable GR&R , bias , Linearity , Stability
1. ชิ้นงาน part เดียวกัน จำนวน 10 ชิ้น จะต้องมีขนาดแตกต่างกันอย่างน้อย 5 กลุ่ม ถ้าต่ำกว่านี้ค่า ndc จะต่ำ
2. เครื่องมือวัด 1ตัว หรือมากกว่า อาจเป็นเวอร์เนียร์หรือไมโคร ความละเอียดแย่สุด1/3 ของspecที่จะวัด (ควรมีความระเอียดมากกว่าไม่งั้นค่า ndc จะต่ำเหมือนกัน
3 โน๊ตบุ๊ค 1 เครื่อง ต้องมีโปรแกรม office excel ด้วย
วิเคราะห์ระบบการวัดแบบ Attribute
1. ชิ้นงานสำหรับทดสอบ part เดียวกัน จำนวน 20 ชิ้น และมีการแบ่งกลุ่มออกเป็น 4 ส่วนดังนี้
ถุงที่ 1 ชิ้นงานดี 30%
ถุงที่ 2 ชิ้นงานเสีย 20%
ถุงที่ 3 ชิ้นงานที่ตัดสินใจยากแต่ดี 25%
ถุงที่4 ชิ้นงานที่ตัดสินใจยากแต่เป็นชิ้นงานเสีย 25%
2. WI limit sample ที่บอกว่าชิ้นงานแบบไหนยอมรับได้หรือไม่ได้
3. ชิ้นงานเสียแต่ละประเภทเอามาใช้สอนก่อนการทดลอง ห้ามนำชิ้นงานที่จะมาทดลองมาสอนเนื่องจากจะเป็นการเฉลย)
4. อุปกรณ์สำหรับตรวจ (ถ้ามี) เช่นแว่นขยายถ้าจำเป็นต้องใช้