การวิเคราะห์ข้อมูลการผลิต: ตัวชี้วัดอะไรที่ควรวัดบนพื้นที่หน้างาน และอะไรที่ควรละทิ้ง

การวิเคราะห์ข้อมูลการผลิต (Manufacturing Analytics) คือกระบวนการเก็บรวบรวม ตีความ และนำข้อมูลจากพื้นที่หน้างานการผลิตไปใช้จริง เพื่อเพิ่มกำลังการผลิต ลดของเสีย และลดต้นทุนการดำเนินงาน ตัวชี้วัดที่ขับเคลื่อนการตัดสินใจบนพื้นที่หน้างานจริงมีเพียงส่วนน้อยจากข้อมูลมหาศาลที่โรงงานส่วนใหญ่เก็บอยู่แล้ว ระบบวิเคราะห์ข้อมูลส่วนใหญ่ล้มเหลวไม่ใช่เพราะขาดข้อมูล แต่เพราะติดตามตัวชี้วัดผิดจุด หรือตัวชี้วัดที่ถูกต้องไม่ได้เชื่อมโยงกับการตัดสินใจ หรือข้อมูลกระจัดกระจายอยู่ในระบบที่ไม่สื่อสารกัน บทความนี้จะพาไปดูว่าควรวัดอะไร ควรเลิกวัดอะไร และจะสร้างระบบวิเคราะห์ข้อมูลหน้างานที่นำไปสู่การปรับปรุงการดำเนินงานจริง แทนที่จะเป็นเพียงรายงานได้อย่างไร

ทำไมระบบวิเคราะห์ข้อมูลหน้างานส่วนใหญ่จึงได้แค่รายงาน ไม่ใช่การตัดสินใจ

โรงงานทั่วไปมักเก็บข้อมูลมากกว่าที่นำไปใช้จริง เครื่องจักรสร้างข้อมูลจากเซ็นเซอร์ตลอดเวลา ระบบการผลิตบันทึกเหตุการณ์ต่างๆ ระบบ ERP บันทึกธุรกรรม ข้อมูลเหล่านี้กระจัดกระจายอยู่คนละระบบ ถูกรวบรวมเป็นรายงานรายสัปดาห์ และถูกทบทวนโดยคนที่ไม่มีอำนาจหรือบริบทเพียงพอที่จะลงมือทำอะไรกับสิ่งที่เห็น

ผลลัพธ์ที่ได้คือระบบรายงาน ไม่ใช่ระบบวิเคราะห์ข้อมูล ความแตกต่างนี้สำคัญมาก การรายงานบอกว่าเกิดอะไรขึ้น แต่การวิเคราะห์ข้อมูลอธิบายว่าทำไมถึงเกิดขึ้นและควรทำอย่างไรให้ต่างออกไป ผู้ผลิตที่ต้องการให้ข้อมูลนำไปสู่การตัดสินใจจริง จำเป็นต้องออกแบบระบบวิเคราะห์โดยยึดการตัดสินใจที่ต้องการเป็นตัวตั้ง ไม่ใช่ยึดตามข้อมูลที่เก็บได้ง่ายที่สุด

ตัวชี้วัดที่ขับเคลื่อนประสิทธิภาพหน้างานจริง

Overall Equipment Effectiveness (OEE)

OEE เป็นตัวชี้วัดหน้างานที่ถูกใช้แพร่หลายที่สุดด้วยเหตุผลที่ชัดเจน นั่นคือมันรวมมิติของประสิทธิภาพการผลิตสามด้านไว้ในตัวเลขเดียว Availability (ความพร้อมใช้งาน) วัดว่าเครื่องจักรทำงานจริงคิดเป็นกี่เปอร์เซ็นต์ของเวลาผลิตที่วางแผนไว้ Performance (อัตราความเร็ว) วัดว่าเครื่องจักรทำงานเร็วแค่ไหนเมื่อเทียบกับความเร็วที่ออกแบบไว้ และ Quality (คุณภาพ) วัดว่าผลผลิตกี่เปอร์เซ็นต์ผ่านมาตรฐานตั้งแต่ครั้งแรก

คะแนน OEE ที่สูงกว่า 85 เปอร์เซ็นต์ถือเป็นระดับ world-class สำหรับอุตสาหกรรมการผลิตแบบ discrete โรงงานส่วนใหญ่ทำได้อยู่ระหว่าง 40 ถึง 60 เปอร์เซ็นต์ ซึ่งหมายความว่ายังมีกำลังการผลิตที่กู้คืนได้อีกมากโดยไม่ต้องลงทุนเพิ่มเติมเลย OEE จะมีประโยชน์ที่สุดเมื่อติดตามเป็นรายเครื่องจักรหรือรายไลน์ผลิต แทนที่จะดูเป็นค่าเฉลี่ยของทั้งโรงงาน เพราะค่าเฉลี่ยมักซ่อนข้อจำกัดเฉพาะจุดที่ฉุดกำลังการผลิตโดยรวมไว้

ความแปรปรวนระหว่างเวลารอบการผลิต (Cycle Time) กับทักท์ไทม์ (Takt Time)

เวลารอบการผลิต (Cycle Time) คือเวลาที่ใช้จริงในการผลิตหนึ่งชิ้นงาน ส่วนทักท์ไทม์ (Takt Time) คือเวลาที่ควรใช้ตามความต้องการของลูกค้าและชั่วโมงการผลิตที่มีอยู่ ช่องว่างระหว่างสองค่านี้เป็นตัวบ่งชี้ที่ตรงที่สุดว่าไลน์ผลิตกำลังตอบสนองความต้องการได้ทันหรือกำลังล้าหลังอยู่

การติดตามความแปรปรวนของเวลารอบการผลิตแยกตามสถานีงานช่วยระบุจุดคอขวดได้ชัดเจน สถานีที่ทำงานช้ากว่าทักท์ไทม์อย่างต่อเนื่องคือตัวฉุดทั้งไลน์ ในขณะที่สถานีที่ทำงานเร็วกว่าอย่างต่อเนื่องกำลังผลิตสต๊อกสะสมรอที่หน้าจุดคอขวด ซึ่งถือเป็นความสูญเปล่า ไม่ใช่ผลผลิตที่แท้จริง ทั้งสองกรณีเป็นข้อมูลที่นำไปปฏิบัติได้จริง และการติดตามเวลารอบการผลิตช่วยทำให้มองเห็นได้ชัดเจน

อัตราผ่านครั้งแรก (First Pass Yield) และอัตราของเสียแยกตามขั้นตอนการผลิต

อัตราผ่านครั้งแรก (First Pass Yield) วัดว่าผลิตภัณฑ์กี่เปอร์เซ็นต์ผ่านขั้นตอนการผลิตได้โดยไม่ต้องแก้ไขหรือถูกปฏิเสธ การติดตามอัตราผ่านครั้งแรกแยกตามขั้นตอนการผลิต แทนที่จะดูเฉพาะปลายไลน์ ช่วยให้เห็นว่าของเสียเกิดขึ้นที่จุดใด ไม่ใช่แค่จุดที่ตรวจพบ ของเสียที่ตรวจพบที่ปลายไลน์มักถูกสร้างขึ้นตั้งแต่ต้นทาง และต้นทุนของของเสียนั้นรวมมูลค่าเพิ่มทั้งหมดที่เกิดขึ้นตั้งแต่จุดกำเนิดจนถึงจุดตรวจพบ

อัตราของเสียแยกตามขั้นตอนการผลิต เมื่อนำมาผนวกกับการจัดหมวดหมู่สาเหตุที่แท้จริง (Root Cause) จะได้ข้อมูลที่จำเป็นสำหรับจัดลำดับความสำคัญในการลงทุนด้านคุณภาพ ขั้นตอนที่มีอัตราของเสียสูงที่สุดและต้นทุนต่อของเสียสูงที่สุดคือจุดที่การลงทุนด้านคุณภาพจะให้ผลตอบแทนสูงสุด

เวลาหยุดเครื่องโดยไม่ได้วางแผน (Unplanned Downtime) แยกตามสาเหตุ

เวลาหยุดเครื่องโดยไม่ได้วางแผนเป็นตัวทำลาย OEE และกำลังการผลิตโดยตรงที่สุด การติดตามแยกตามสาเหตุ เครื่องจักร และกะการทำงาน ช่วยระบุรูปแบบที่การบำรุงรักษาเชิงป้องกันและการฝึกอบรมพนักงานสามารถแก้ไขได้ เครื่องจักรที่เสียซ้ำๆ ที่จุดเดิมในรอบการทำงานกำลังส่งสัญญาณว่าช่วงเวลาการบำรุงรักษาไม่เหมาะสม ส่วนเวลาหยุดเครื่องที่กระจุกตัวอยู่ในกะใดกะหนึ่งกำลังส่งสัญญาณปัญหาการฝึกอบรมหรือการปฏิบัติตามขั้นตอนงาน ทั้งสองรูปแบบนี้จะมองไม่เห็นเลยหากดูแค่ตัวเลขเวลาหยุดเครื่องรวม

ระดับสินค้าคงคลังและงานระหว่างผลิต (WIP) แยกตามสถานีงาน

การสะสมของสต๊อกระหว่างสถานีการผลิตเป็นอาการของความไม่สมดุลในสายการผลิต งานระหว่างผลิต (Work-in-Progress) ที่สะสมก่อนถึงสถานีใดสถานีหนึ่งบ่งบอกถึงจุดคอขวด ส่วนงานระหว่างผลิตที่ลดลงแล้วสะสมขึ้นใหม่เป็นวงจรบ่งบอกถึงกระบวนการที่มีประสิทธิภาพไม่สม่ำเสมอ ทั้งสองรูปแบบชี้ให้เห็นว่าการปรับปรุงการไหลของงานจุดใดจะส่งผลกระทบสูงสุดต่อกำลังการผลิตและการใช้พื้นที่หน้างาน

สิ่งที่ควรเลิกให้ความสำคัญบนพื้นที่หน้างาน

ตัวชี้วัดที่กินทรัพยากรการวิเคราะห์โดยไม่นำไปสู่การตัดสินใจใดๆ สำคัญไม่แพ้ตัวชี้วัดที่มีความหมายจริง จึงจำเป็นต้องระบุให้ชัดเจน

• อัตราการใช้งานเครื่องจักร (Utilization) เมื่อดูแบบโดดๆ เครื่องจักรอาจถูกใช้งานสูงมากแต่ผลิตของเสียหรือสร้างสต๊อกที่ไม่มีใครต้องการก็ได้ อัตราการใช้งานที่ไม่เชื่อมโยงกับบริบทด้านคุณภาพและความต้องการจริงไม่ใช่ตัวชี้วัดประสิทธิภาพ
• ค่าเฉลี่ยของตัวชี้วัดข้ามกะหรือข้ามไลน์ ค่าเฉลี่ยมักซ่อนความแปรปรวนที่เป็นตัวขับเคลื่อนการตัดสินใจจริง OEE เฉลี่ยของทั้งโรงงานที่ 72 เปอร์เซ็นต์อาจสะท้อนประสิทธิภาพที่สม่ำเสมอ หรืออาจเป็นไลน์หนึ่งที่ทำได้ดีมากช่วยกลบไลน์ที่ทำได้แย่อีกสองไลน์ก็ได้
• ตัวชี้วัดที่ไม่มีเจ้าของ ตัวชี้วัดใดก็ตามที่ถูกรายงานแต่ไม่เชื่อมโยงกับบุคคลที่มีทั้งอำนาจและหน้าที่รับผิดชอบในการลงมือแก้ไข ถือเป็นเพียงกิจกรรมรายงาน ไม่ใช่การวิเคราะห์ข้อมูลที่แท้จริง
• ข้อมูลที่ถูกเก็บเร็วกว่าความสามารถในการนำไปใช้ ข้อมูลแบบเรียลไทม์ที่ป้อนเข้าแดชบอร์ดที่ไม่มีใครติดตามดูไม่ได้ช่วยปรับปรุงการดำเนินงานแต่อย่างใด ความถี่ในการรายงานควรสอดคล้องกับความถี่ในการตัดสินใจ

วิธีสร้างระบบวิเคราะห์ข้อมูลหน้างานที่นำไปสู่การปรับปรุงจริง

เริ่มจากการตัดสินใจหนึ่งเรื่อง ไม่ใช่แดชบอร์ดหนึ่งชิ้น

ระบบวิเคราะห์ข้อมูลหน้างานที่ได้ผลที่สุดมักเริ่มต้นจากการระบุการตัดสินใจด้านการดำเนินงานหนึ่งเรื่องที่ปัจจุบันใช้สัญชาตญาณเป็นหลัก แล้วสร้างโครงสร้างข้อมูลขึ้นมารองรับให้ตัดสินใจได้ด้วยหลักฐานจริง เช่น การตัดสินใจเรื่องตารางการบำรุงรักษา การจัดสรรกำลังคน หรือการจัดลำดับการผลิต การเริ่มต้นจากการตัดสินใจหนึ่งเรื่องจะทำให้ระบบวิเคราะห์ถูกนำไปใช้งานจริง ไม่ใช่แค่ถูกรายงานเฉยๆ

เชื่อมข้อมูลเข้าถึงคนที่เป็นผู้ตัดสินใจ

ข้อมูลวิเคราะห์ที่ไปถึงแค่ผู้จัดการโรงงานไม่ได้ช่วยปรับปรุงประสิทธิภาพที่สายการผลิตแต่อย่างใด แต่ข้อมูลวิเคราะห์ที่ไปถึงหัวหน้างานไลน์ ช่างซ่อมบำรุง หรือพนักงานควบคุมเครื่องจักร ณ จุดที่ต้องตัดสินใจจริงต่างหากที่ช่วยได้ การออกแบบเส้นทางข้อมูลให้ยึดผู้ตัดสินใจเป็นศูนย์กลาง แทนที่จะยึดตามโครงสร้างองค์กร คือปัจจัยที่บ่งชี้ได้แม่นยำที่สุดว่าระบบวิเคราะห์จะนำไปสู่การปรับปรุงการดำเนินงานได้จริงหรือไม่

เชื่อมต่อระบบให้ครบก่อนเพิ่มเซ็นเซอร์

โรงงานส่วนใหญ่เก็บข้อมูลมากกว่าที่นำไปใช้อยู่แล้ว อุปสรรคของการวิเคราะห์ข้อมูลไม่ใช่การขาดข้อมูล แต่คือการเข้าถึงข้อมูลไม่ได้ ข้อมูลการผลิตอยู่ใน MES ข้อมูลการบำรุงรักษาอยู่คนละระบบ ข้อมูลคุณภาพอยู่ในสเปรดชีต และข้อมูลการเงินอยู่ใน ERP โดยไม่มีระบบใดสื่อสารกันเลย การเชื่อมต่อแหล่งข้อมูลที่มีอยู่แล้วเข้าด้วยกันสร้างมูลค่าด้านการดำเนินงานได้เร็วกว่าและมากกว่าการติดตั้งเซ็นเซอร์ใหม่ในสภาพแวดล้อมที่ข้อมูลเดิมยังไม่ถูกนำไปใช้อย่างเต็มที่

คำถามที่พบบ่อย

การวิเคราะห์ข้อมูลการผลิตคืออะไร?

การวิเคราะห์ข้อมูลการผลิต (Manufacturing Analytics) คือกระบวนการเก็บรวบรวม ตีความ และนำข้อมูลจากพื้นที่หน้างานไปใช้จริง เพื่อเพิ่มกำลังการผลิต คุณภาพ และลดต้นทุนการดำเนินงาน ครอบคลุมตัวชี้วัดอย่าง OEE ความแปรปรวนของเวลารอบการผลิต อัตราผ่านครั้งแรก เวลาหยุดเครื่องโดยไม่ได้วางแผน และระดับงานระหว่างผลิต การวิเคราะห์ข้อมูลการผลิตที่มีประสิทธิภาพต้องเชื่อมโยงข้อมูลเข้ากับการตัดสินใจที่ควรเกิดขึ้น ไม่ใช่แค่สร้างรายงานที่ถูกทบทวนแล้วไม่ถูกนำไปปฏิบัติ

OEE คืออะไร และทำไมถึงสำคัญบนพื้นที่หน้างาน?

OEE หรือ Overall Equipment Effectiveness วัดประสิทธิภาพการผลิตในสามมิติ ได้แก่ ความพร้อมใช้งาน (Availability) อัตราความเร็ว (Performance) และอัตราคุณภาพ (Quality) เป็นตัวชี้วัดหน้างานที่ถูกใช้แพร่หลายที่สุด เพราะรวมสามช่องทางที่การผลิตอาจสูญเสียมูลค่าไว้ในตัวเลขเดียว ระดับ world-class ของ OEE อยู่ที่สูงกว่า 85 เปอร์เซ็นต์ ในขณะที่ผู้ผลิตส่วนใหญ่ทำได้อยู่ระหว่าง 40 ถึง 60 เปอร์เซ็นต์ ซึ่งหมายความว่ายังมีศักยภาพในการเพิ่มกำลังการผลิตได้อีกมากโดยไม่ต้องลงทุนเพิ่มเติม

ผู้ผลิตควรติดตามตัวชี้วัดใดบนพื้นที่หน้างาน?

ตัวชี้วัดที่ขับเคลื่อนการปรับปรุงหน้างานได้สม่ำเสมอที่สุด ได้แก่ OEE แยกตามเครื่องจักรหรือไลน์ ความแปรปรวนของเวลารอบการผลิตและทักท์ไทม์แยกตามสถานีงาน อัตราผ่านครั้งแรกและอัตราของเสียแยกตามขั้นตอนการผลิต เวลาหยุดเครื่องโดยไม่ได้วางแผนแยกตามสาเหตุและเครื่องจักร และระดับงานระหว่างผลิตแยกตามสถานีงาน ตัวชี้วัดเหล่านี้นำไปปฏิบัติได้จริง เพราะแต่ละตัวเชื่อมโยงกับการตัดสินใจด้านการดำเนินงานที่เจาะจง ซึ่งมีบุคคลที่ระบุตัวได้เป็นผู้รับผิดชอบ

ผู้ผลิตควรเลิกติดตามตัวชี้วัดใดบ้าง?

ตัวชี้วัดที่กินทรัพยากรการวิเคราะห์โดยไม่นำไปสู่การตัดสินใจ ได้แก่ อัตราการใช้งานเครื่องจักรแบบโดดๆ ที่ไม่มีบริบทด้านคุณภาพ ค่าเฉลี่ยระดับโรงงานที่ซ่อนความแปรปรวนระดับไลน์ ตัวชี้วัดที่ไม่มีเจ้าของการตัดสินใจที่ระบุตัวได้ชัดเจน และข้อมูลที่ถูกเก็บด้วยความถี่เร็วกว่าความสามารถในการนำไปใช้ วินัยในการตัดตัวชี้วัดที่มีคุณค่าต่ำออกสำคัญไม่แพ้การเพิ่มตัวชี้วัดที่มีคุณค่าสูง

จะเริ่มต้นระบบวิเคราะห์ข้อมูลหน้างานอย่างไร?

เริ่มต้นด้วยการระบุการตัดสินใจด้านการดำเนินงานหนึ่งเรื่องที่ปัจจุบันใช้สัญชาตญาณเป็นหลัก แล้วสร้างโครงสร้างข้อมูลขึ้นมารองรับการตัดสินใจนั้น เชื่อมต่อแหล่งข้อมูลที่มีอยู่แล้วก่อนติดตั้งเซ็นเซอร์ใหม่ เชื่อมผลลัพธ์จากการวิเคราะห์ไปถึงบุคคลที่เป็นผู้ตัดสินใจ ณ จุดที่ต้องตัดสินใจจริง และวัดผลว่าคุณภาพการตัดสินใจดีขึ้นหรือไม่ ก่อนขยายขอบเขตของระบบวิเคราะห์ต่อไป

ทำไมระบบวิเคราะห์ข้อมูลการผลิตส่วนใหญ่จึงไม่เห็นผลลัพธ์?

ระบบวิเคราะห์ข้อมูลการผลิตส่วนใหญ่ล้มเหลวเพราะถูกออกแบบโดยยึดการเก็บข้อมูลเป็นตัวตั้ง ไม่ใช่ยึดการสนับสนุนการตัดสินใจ ผลลัพธ์ที่ได้คือแดชบอร์ดที่ถูกทบทวนแต่ไม่ถูกนำไปปฏิบัติ ตัวชี้วัดที่ไม่เชื่อมโยงกับการตัดสินใจที่เจาะจง การรวมข้อมูลในรูปแบบที่ซ่อนความแปรปรวนซึ่งเป็นต้นเหตุของปัญหาการดำเนินงาน และผลลัพธ์ที่ถูกส่งไปถึงคนที่ไม่มีอำนาจหรือบริบทเพียงพอที่จะลงมือทำอะไรกับสิ่งที่เห็น