ถ้าคุณเพิ่งเริ่มเข้ามาในโลกของการปรับปรุงคุณภาพ หรือ คุณเพิ่งจะมาอยู่ในตำแหน่งที่เกี่ยวข้องกับการประเมินคุณภาพของผลิตภัณฑ์ทั้งแบบก่อน (incoming) และ หลัง (Outgoing) ของบริษัทคุณ คุณอาจจะต้องเจอกับคำศัพท์ว่า การชักสิ่งตัวอย่างเพื่อการยอมรับ (acceptance sampling) คือวิธีการทางสถิติในการประเมินคุณภาพของวัสดุทั้งลอตด้วยจำนวนสิ่งตัวอย่างจำนวนหนึ่ง ซึ่งในการใช้ Minitab ร่วมด้วยจะทำให้งานนั้นง่ายขึ้นมาก
ในการสอนวิชาสถิติเบื้องต้นมักจะมีการสอนเรื่องการชักสิ่งตัวอย่าง (sampling) ในส่วนของเรื่องการสำรวจ (survey) โดยคุณจะทำการสำรวจด้วยการใช้สิ่งตัวอย่างเป็นตัวแทน แล้วทำการสรุปแบบคาดการณ์เกี่ยวกับประชากรทั้งหมด เราจะได้ยินผลลัพธ์ของการสุ่มตัวอย่างในข่าวทุกๆวันจากผลการสำรวจแบบสอบถามในเรื่องต่างๆ
แนวคิดในการชักสิ่งตัวอย่างแบบสุ่มมีความคล้ายกัน คือ เราจะทดสอบหรือตรวจสอบตัวอย่างจากลอตของผลิตภัณฑ์ จากนั้นใช้ผลจากสิ่งตัวอย่างทำการคาดการณ์ว่าทั้งลอตนั้นสามารถยอมรับหรือปฏิเสธ
คุณจะเห็นได้ว่ามันจะเป็นประโยชน์ในการป้องกันปัญหาเรื่องคุณภาพ ถ้าคุณทำงานในสายการผลิตเกี่ยวกับอิเลคทรอนิคส์ที่ทำการรับชิ้นส่วนตัวเก็บประจุ (capacitors) จำนวน 500 ชิ้นต่อการขนส่ง ในการจะตรวจสอบทุกชิ้นส่วนจะต้องใช้เวลาและเงินทุนอย่างมาก มันคงจะทำให้การทำงานมีประสิทธิภาพมากขึ้นถ้าเราเพียงแค่ทำการตรวจสอบจำนวนเล็กน้อยเพื่อบอกว่าการส่งของลอตนั้นใช้ได้หรือไม่ หรือ ลอตนั้นต้องส่งคืนไปยังผู้ส่งมอบ
แต่ว่าจำนวนสิ่งตัวอย่างควรเป็นเท่าไหร่? การชักสิ่งตัวอย่างเพื่อการยอมรับจะเป็นตัวช่วยบอกว่า ควรจะใช้ตัวเก็บประจุกี่ตัวมาตรวจสอบ และจำนวนสิ่งบกพร่องกี่ตัวที่มีได้และยังคงทำให้ลอตนั้นเป็นที่ยอมรับ
แต่ต้องจำไว้ว่าการชักสิ่งตัวอย่างเพื่อการยอมรับไม่ได้เป็นตัวบอกระดับคุณภาพ เพราะว่าการตรวจสอบนั้นทำกับชิ้นงานที่ผ่านกระบวนที่เสร็จสิ้นการผลิตแล้ว ซึ่งไม่ได้เกี่ยวข้องกับการควบคุมกระบวนการแต่อย่างใด
การชักสิ่งตัวอย่างเพื่อการยอมรับด้วยตัวแปรแบบนับ (attribute) หรือตัวแปรแบบวัด (variable)
ถ้าคุณต้องใช้การชักสิ่งตัวอย่างเพื่อการยอมรับในการประเมินลอตของผลิตภัณฑ์ คุณจะต้องเริ่มต้นจากการทำการตัดสินใจก่อนว่าสถานการณ์แบบใดเหมาะกับคุณ นั่นคือ การสุ่มเพื่อการยอมรับด้วยตัวแปรนับหรือตัวแปรวัด
การชักสิ่งตัวอย่างเพื่อการยอมรับด้วยตัวแปรนับ เป็นการใช้กับการประเมินที่มีข้อมูลเป็นจำนวนตำหนิ (defect) หรือ จำนวนสิ่งบกพร่อง (defective) จากสิ่งตัวอย่าง คุณอาจจะนับจำนวนตำหนิทั้งหมด โดยเป็นตำหนิหลายๆแบบที่เกิดในชิ้นงานหนึ่งชิ้น หรือ นับจำนวนชิ้นงานที่บกพร่อง ซึ่งเป็นความบกพร่องที่ทำให้ชิ้นงานนั้นปัญหา และทำการนับต่อไปเรื่อยๆเพื่อหาจำนวนชิ้นงานที่บกพร่องทั้งหมด
ใน Minitab คุณทำการเลือก Stat > Quality Tools > Acceptance Sampling by Attributes เพื่อสร้างแผนการชักสิ่งตัวอย่างขึ้นมาอาจจะเป็นหนึ่งแผนหรือมากกว่านั้น
แผนที่ใช้กับตัวแปรนับจะมีความง่ายกว่า โดยคุณจะทำการสุ่มตัวอย่างขึ้นมาจำนวน n ชิ้น จากลอตที่มีขนาด N ชิ้น ถ้ามีชิ้นงานบกพร่องจำนวน c ชิ้นหรือน้อยกว่า ให้ทำการยอมรับลอต แต่ถ้ามีจำนวนชิ้นงานบกพร่องมากกว่า c ชิ้น ให้ทำการปฏิเสธลอต
ตัวอย่างเช่น เมื่อคุณได้รับสินค้าตัวทรานซิสเตอร์ (transistor) จำนวน 10,000 ตัว คุณจะทำการสุ่มตัวทรานซิสเตอร์มาตรวจสอบ 89 ตัว ถ้ามีตัวบกพร่องจำนวน 0, 1 หรือ 2 ตัว คุณจะทำการยอมรับสินค้าทั้งลอตนั้น แต่ถ้ามีตัวบกพร่องมากกว่า 2 ตัว จะทำการปฏิเสธทั้งลอตนั้น
การชักสิ่งตัวอย่างเพื่อการยอมรับโดยตัวแปรวัด
โดยจะใช้ค่าที่สะท้อนคุณภาพของผลิตภัณฑ์นั้นเป็นค่าวัด ตัวอย่างเช่น คุณจะใช้ค่าความยาวของลวดตะกั่วในตัวเก็บประจุ ตัวต้านทาน หรือ อุปกรณ์อิเลคทรอนิคส์ที่อยู่บนแผ่นวงจร
ใน Minitab คุณทำการเลือก Acceptance Sampling by Variables - Create / Compare เพื่อทำการสร้างแผนการชักสิ่งตัวอย่างใหม่ หรือ ทำการเปรียบเทียบแผนต่างๆ หลังจากที่คุณทำการเก็บข้อมูลตามแผนของคุณ จะต้องมีการคำนวณหาค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐาน และค่า Z ของค่าวัดนั้นๆ
โดยทำการเลือก Acceptance Sampling by Variables - Accept / Reject ในโปรแกรม Minitab จะทำการคำนวณค่าเหล่านั้นและทำการชี้ว่าสิ่งตัวอย่างนั้นมาจากลอตใด
สิ่งหนึ่งที่ต้องพึงระวังไว้คือแผนการชักสิ่งตัวอย่างโดยตัวแปรวัด คือ ในแผนหนึ่งแผนจะสามารถใช้ได้กับค่าวัดหนึ่งค่าเท่านั้น เช่น ถ้าต้องการประเมินความยาวลวดตะกั่วของตัวต้านทาน และสมรรถนะการทำงานของตัวต้านทานจะต้องทำการแยกแผนการชักสิ่งตัวอย่างเป็น 2 แผน
อย่างไรก็ตาม แผนการชักสิ่งตัวอย่างโดยตัวแปรวัด ต้องการสิ่งตัวอย่างจำนวนน้อยกว่าแผนที่ใช้กับตัวแปรวัด
ความเสี่ยงของแผนการชักสิ่งตัวอย่าง
เนื่องจากว่าเราไม่ได้ทำการตรวจสอบชิ้นงานทั้งลอต ทำให้เราต้องพิจารณาความเสี่ยงทั้งสองแบบดังนี้
เมื่อคุณใช้ Minitab ในเรื่องการชักสิ่งตัวอย่างเพื่อการยอมรับ โปรแกรมจะทำการสร้าง OC Curve เพื่อหาค่าความเสี่ยงทั้งสองนี้
กราฟจะแสดงให้เห็นค่าความน่าจะเป็นของการยอมรับลอตกับค่าจำนวนสิ่งบกพร่องหรือสัดส่วนของบกพร่องของสินค้าลอตนั้น
ในกราฟที่แสดง จากสิ่งตัวอย่าง 89 ชิ้น มีโอกาส 50% ที่จะยอมรับลอต เมื่อสัดส่วนของบกพร่องมีค่าเท่ากับ 3% แต่ถ้าสัดส่วนของบกพร่องมีค่าเป็น 9% ความน่าจะเป็นในการยอมรับลอตจะเหลือ 10%
บทความต้นฉบับ : http://blog.minitab.com/blog/understanding-statistics/what-is-acceptance-sampling
เนื้อหาบทความโดยบริษัท 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
