สมมติว่าคุณทำการออกแบบผลิตภัณฑ์ใหม่ที่มีการปรับปรุงรูปแบบหลายอย่างเพื่อให้ตรงตามความต้องการของลูกค้ามากขึ้น ก่อนอื่นคุณจะต้องมีการทวนสอบก่อนว่าการผลิตนั้นได้คุณภาพที่ดีที่สุดและได้มาตรฐานที่น่าเชื่อถือหรือไม่ ซึ่งจะทำให้เป็นที่ไว้วางใจของลูกค้าในระยะยาว ซึ่งคุณจะต้องทำสิงเหล่านี้ด้วยความรวดเร็วและทำการส่งต่องานของการค้นคว้าและพัฒนาไปยังฝ่ายผลิต และเพื่อช่วยให้ฝ่ายผลิตให้ทำงานได้ดีขึ้น ฝ่ายพัฒนาจะเป็นผู้กำหนดข้อกำหนดเฉพาะ(Specifications) ของชิ้นส่วนประกอบต่างๆให้กับผู้ผลิตชิ้นส่วน (suppliers) และข้อกำหนดเฉพาะของชิ้นส่วนนี้จะถูกเปลี่ยนมาเป็น “process window” ในกระบวนการผลิตจริง
การทำ Optimization
เมื่อไหร่ก็ตามที่โรงงานผลิตตั้งอยู่ห่างออกไปอีกพื้นที่หนึ่งหรือแม้แต่อีกประเทศหนึ่ง หรือแม้แต่โรงงานผู้ผลิตชิ้นส่วนนั้นจะเป็นผู้ผลิตเดียวกันหรือมาจากผู้ผลิตนอกโรงงาน (external supplier) เพื่อให้การผลิตผลิตภัณฑ์เป็นไปอย่างราบรื่น ทีมผู้ออกแบบจะต้องกำหนดสูตรให้ถูกต้อง (ได้แก่ ข้อกำหนดเฉพาะที่ดีที่สุด การตั้งค่าการผลิตที่เหมาะสมที่สุด ฯลฯ) ถ้าในการกำหนดค่าการเผื่อ (Tolerancing) ทำไว้ได้ไม่เหมาะสม วิศวกรฝ่ายผลิตอาจจะต้องทำการแก้ปัญหาที่อาจไม่เข้ากันของชิ้นส่วน หรือ ปรับเปลี่ยนค่าการตั้งค่า (setting) ในระหว่างการผลิต และถ้าเกิดเหตุการณ์นี้อาจไม่ใช่ทางเลือกที่ดีนักเพราะอาจต้องมีการแก้ไขคุณลักษณะของผลิตภัณฑ์ หรืออาจส่งผลกระทบต่อการทำการตลาดในเรื่องกำหนดเวลา
การประมาณความสามารถ (Capability Estimates)
น่าเสียดายที่กระบวนการทุกๆขั้นตอนจะมีความแปรปรวนมาจากหลายที่ (ขึ้นกับสภาพแวดล้อมที่ไม่แน่นอน และ ความผันแปรของกระบวนการผลิต) และความผันแปรของกระบวนการผลิต มักจะเป็นสาเหตุหลักของปัญหาด้านคุณภาพ ถ้าข้อกำหนดเฉพาะของผลิตภัณฑ์มีช่วงกว้างพอเมื่อเทียบกับความผันแปรทั้งหมดของกระบวนการผลิต ผลที่จะได้คือ ผลิตภัณฑ์ที่มีคุณภาพดีที่ต้นทุนการผลิตต่ำ (มีค่า Ppk สูง) ถ้าไม่ใช่กรณีเช่นนี้ ค่าเปอร์เซ็นต์ของผลิตภัณฑ์ที่ไม่ตรงตามข้อกำหนดเฉพาะจะมีค่าเพิ่มจำนวนมาก
จากกราฟด้านล่าง จะเห็นได้ว่ามีตัวแปรตั้งต้น (inputs) จำนวนมาก และมีเพียง ผลลัพธ์ (output) เพียงค่าเดียว และตัวแปรตั้งต้นบางตัวเป็นตัวที่ควบคุมได้ (Controllable) แต่บางตัวถือเป็นปัจจัยรบกวน (noise factors)
ในขั้นตอนนี้ อาจจะมีตัวต้นแบบเพียงไม่กี่ตัวที่ใช้งานได้และตรงตามแนวคิดที่ออกแบบไว้ อย่างไรก็ตาม ตัวแบบที่สร้างจากแนวคิดของการออกแบบการทดลอง (DOE, Design of Experiment) การออกแบบด้วยคอมพิวเตอร์ (Computer – Aided) หรือ การใช้ตัวแบบทางกายภาพ (Physical models) อาจจะทำให้คุณสามารถที่จะเข้าใจความผันแปรที่จะส่งผลต่อผลิตภัณฑ์สำเร็จรูปได้ง่ายขึ้น ซึ่งทำให้คุณสามารถทำนายค่าความสามารถ (Capability) ที่จะเกิดขึ้นเพื่อดูว่าการผลิตที่จะเกิดขึ้นจริงนั้นเป็นอย่างไร
การใช้วิธีจำลองตัวแบบ Monte Carlo
วิธีจำลองแบบด้วย Monte Carlo เป็นเทคนิคในการใช้ความน่าจะเป็นเพื่อสร้างตัวเลขของตัวแปรสุ่มจำนวนหนึ่ง เพื่อทำการหาค่าความผันแปรของระบบที่ซับซ้อน วัตถุประสงค์ในการจำลองตัวแบบและทดสอบตัวแบบเพื่อทำให้เราคาดการณ์ถึงปัญหาด้านคุณภาพที่จะเกิดขึ้น และทำการหลีกเลี่ยงต้นทุนการออกแบบที่ต้องเพิ่มขึ้นจากการเปลี่ยนแปลงภายหลัง ซึ่งทำให้การทำงานในโรงงานและสายการผลิตจริงนั้นมีความง่ายขึ้น
เป็นทีรู้กันว่างาน Monte Carlo เป็นงานยาก แต่โปรแกรมเป็นเครื่องมือที่จะทำให้มันทำงานได้ง่ายขึ้น ตัวอย่างเช่น โปรแกรม Devize ซึ่งเป็นโปรแกรมตัวแบบจำลอง Monte Carlo ของ Minitab
คุณลักษณะของตัวแปรตั้งต้นทุกตัวจะถูกใส่เป็นค่าเฉลี่ย และ ค่าความแปรปรวน รวมไปถึงกำหนดการแจกแจงความน่าจะเป็นให้ถูกต้องเพื่อทำให้รู้พฤติกรรมของตัวแปรตั้งต้นที่จะเป็นไป เพื่อให้งานนี้ง่ายขึ้นอาจใช้การแจกแจงแบบสามเหลี่ยม (Triangular Distribution) แทน โดยการหาค่าต่ำสุด ค่าสูงสุด และค่ากลาง (ค่าที่เป็นไปได้มากสุด)
การวิเคราะห์ Sensitivity
เมื่อทำการทดสอบตัวแบบ Monte Carlo ถ้าดัชนีความสามารถที่ทำนายออกมานั้นพบว่ามีค่าไม่เพียงพอ และจะต้องทำการปรับปรุงเพื่อให้ได้ระดับคุณภาพที่ยอมรับได้ อาจจะต้องทำการลดความผันแปรของตัวแปรตั้งต้นบางตัว แต่ในการลดความผันแปรเป็นงานที่ต้องใช้เวลาและเงินทุน ดังนั้น จึงควรเลือกที่จะทำการลดความผันแปรเฉพาะกับบางตัวที่ให้ผลกระทบขนาดใหญ่ในการปรับปรุงความสามารถ
จากกราฟด้านบนนี้ แสดงให้เห็นว่าการวิเคราะห์ sensitivity ในการลดความเบี่ยงเบนมาตรฐานของตัวแปรเฉพาะตัวหนึ่ง (เส้นสีเขียว) ทำให้เราสามารถลดสัดส่วนงานที่ไม่ตรงตามข้อกำหนดเฉพาะได้จำนวนมาก
Robust Design
ในระบบอาจจะมีพารามิเตอร์ที่ควบคุมได้บางตัวมีอิทธิพลเกี่ยวเนื่องกับปัจจัยรบกวน หมายความว่าปัจจัยรบกวนตัวนั้นอาจทำการปรับแก้ได้จากการปรับปัจจัยที่ควบคุมได้ ถ้าในกรณีแบบนี้ อิทธิพล interactions ของปัจจัยดังกล่าวจะนำมาใช้เพื่อกำจัดค่าของปัจจัยรบกวนและทำการสร้างกระบวนการผลิต หรือ ผลิตภัณฑ์ที่ไม่ไวต่อการเปลี่ยนแปลงของความไม่คงที่ของสภาพแวดล้อม อิทธิพลที่ไม่เป็นเส้นตรงก็อาจเป็นอีกหนึ่งวิธีที่ใช้ในการปรับปรุงเพื่อให้ได้ในสิ่งที่ไม่ไวต่อการเปลี่ยนแปลงของความไม่คงที่ของสภาพแวดล้อม
จากกราฟด้านบน หลังจากการทำ Optimization และตามด้วยการวิเคราะห์ sensitivity ทำการลดความผันแปรของตัวแปรตั้งต้นหนึ่งซึ่งทำให้ความผันแปรของผลลัพธ์สุดท้ายลดลงอย่างมาก ซึ่งก่อนหน้านี้มีของที่ออกนอกข้อกำหนดเฉพาะจำนวนมาก (รูปก่อนหน้าการลดความผันแปรคือด้านขวา) แต่หลังจากลดความผันแปรจะเห็นว่าเกือบทั้งหมดอยู่ในข้อกำหนดเฉพาะ
บทสรุป
วิธีการทำแบบจำลองเป็นกระบวนการทำซ้ำ ดังนี้
การจำลองแบบ Monte Carlo เป็นส่วนสำคัญของงาน DFSS (Design for Six Sigma) หรือ DMADV (Define Measure Analyze Design Verify) การคิดค้นนวัตกรรมมีบทบาทสำคัญเพื่อทำให้เกิดความประหยัดและเกิดความก้าวหน้ารวมไปถึงมีการเติบโตอย่างต่อเนื่อง ในการที่จะเข้าสู่สภาวะการคิดค้นนวัตกรรม แนวคิดการใช้การจำลองแบบถือเป็นสิ่งสำคัญยิ่ง
การจำลองแบบ Monte Carlo ในอดีตอาจจะมีค่าใช้ต้นทุนเพื่อการคำนวณที่สูง ซึ่งไม่ได้มีผลใดใดในปัจจุบันนี้เพราะมีเครื่องมือมากมายที่สามารถใช้ในการคำนวณตัวเลขจำนวนมหาศาลได้อย่างง่ายดาย
บทความต้นฉบับ : http://blog.minitab.com/blog/applying-statistics-in-quality-projects/how-could-you-benefit-from-monte-carlo-simulation-to-design-new-productsเนื้อหาบทความโดยบริษัท 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
