ปรับปรุง OEE ในโรงงานปี 2026 | เริ่มจากการแก้วิธีวัด ไม่ใช่การเพิ่มมาตรการ

เมื่อค้นหาคำว่า “ปรับปรุง OEE” สิ่งแรกที่โผล่ขึ้นมามักเป็นคำอธิบายสูตรคำนวณ กับตัวเลขเป้าหมายระดับ World Class ที่ 85% แต่โรงงานจำนวนมากที่ลงมือวัด OEE จริงกลับไปหยุดอยู่ตรงจุดที่ว่า ตัวเลขออกมาสูงกว่าที่คิด และต่อให้ลงมือทำมาตรการแล้วตัวเลขก็ไม่ขยับ ต้นเหตุไม่ได้อยู่ที่มาตรการไม่พอ แต่อยู่ที่วิธีวัดยังเก็บสภาพจริงของหน้างานได้ไม่ครบ บทความนี้เรียบเรียงตั้งแต่นิยามของประสิทธิผลโดยรวมของเครื่องจักร OEE เกณฑ์เทียบวัด ณ ปี 2026 กลไกที่ทำให้ค่าที่รายงานเองสูงกว่าค่าที่วัดจริง ไปจนถึงวิธีหมุนงานการมองเห็นอัตราการทำงานเครื่องจักรและการวิเคราะห์สาเหตุการหยุดเครื่อง โดยยึดงานจริงของโรงงานญี่ปุ่นในประเทศไทยเป็นฐาน

ประสิทธิผลโดยรวมของเครื่องจักร OEE คืออะไร | ความหมายของการคูณกันของสามองค์ประกอบ

OEE ย่อมาจาก Overall Equipment Effectiveness ในภาษาไทยมักเรียกว่าประสิทธิผลโดยรวมของเครื่องจักร เป็นดัชนีที่รวบผลลัพธ์ที่เครื่องจักรทำได้จริง เทียบกับผลลัพธ์ที่เครื่องนั้นควรจะทำได้ตั้งแต่แรก ให้เหลือเป็นอัตราส่วนเดียว ในระดับมาตรฐานสากล ISO 22400-2 กำหนด OEE ไว้เป็น KPI ของการจัดการปฏิบัติการผลิต ถ้าคำนวณตามนิยามนี้ การเทียบระหว่างโรงงานหรือข้ามประเทศจะมีความหมายขึ้นมาทันที

สูตรคำนวณ OEE และองค์ประกอบสามส่วน

OEE คำนวณจากผลคูณของอัตราส่วนสามตัว

OEE = Availability (อัตราเดินเครื่อง) × Performance (อัตราประสิทธิภาพการเดินเครื่อง) × Quality (อัตราของดี)

ทั้งสามตัวจับความสูญเสียคนละชนิดกัน

• Availability หรืออัตราเดินเครื่อง คือสัดส่วนของเวลาที่เครื่องเดินจริง เทียบกับเวลาที่ตั้งใจจะให้เดิน ความสูญเสียจากเครื่องเสีย การเปลี่ยนรุ่น การรอวัตถุดิบ และการรอคน จะถูกหักออกตรงนี้
• Performance หรืออัตราประสิทธิภาพการเดินเครื่อง คือสัดส่วนที่เครื่องเดินได้ตามความเร็วที่ควรเป็น ภายในช่วงเวลาที่เครื่องเดินอยู่ ความเร็วตก การหยุดสั้น ๆ และการเดินตัวเปล่าจะถูกหักออกตรงนี้
• Quality หรืออัตราของดี คือสัดส่วนของงานดีที่ส่งออกได้โดยไม่ต้องแก้ไข เทียบกับจำนวนที่ผลิตทั้งหมด ของเสีย งานแก้ไข และของที่ทิ้งช่วงเริ่มเดินเครื่องจะถูกหักออกตรงนี้

ลองใส่ตัวเลขดู ถ้าเครื่องหนึ่งมีอัตราเดินเครื่อง 85% อัตราประสิทธิภาพการเดินเครื่อง 90% และอัตราของดี 98% ค่า OEE จะเท่ากับ 0.85 × 0.90 × 0.98 = 0.7497 หรือราว 75% ทั้งสามตัวไม่มีตัวไหนต่ำกว่า 85% มองแยกทีละตัวก็ถือว่าไม่แย่ แต่พอคูณกันแล้วเท่ากับหายไปหนึ่งในสี่

ความรู้สึกที่เหลื่อมกันแบบนี้ ที่ว่า “ทุกตัวก็ไม่ได้แย่ แต่ภาพรวมกลับแย่” คือคุณสมบัติที่สำคัญที่สุดของดัชนี OEE เพราะมันเป็นการคูณ ไม่ใช่การบวก การดันตัวใดตัวหนึ่งขึ้นไปมาก ๆ ขณะที่ตัวอื่นยังต่ำ ภาพรวมก็จะไม่ขยับ ในทางกลับกัน การยกตัวที่ต่ำที่สุดในสามตัวขึ้นมา 5 จุด บางครั้งให้ผลมากกว่าที่ความรู้สึกบอกไว้มาก เวลาจัดลำดับว่าจะปรับปรุงอะไรก่อน ให้แตกออกเป็นสามองค์ประกอบก่อนเสมอ แล้วมองตัวที่ต่ำที่สุด

อีกเรื่องที่ควรรู้คือคำแปลภาษาไทยของทั้งสามตัวยังไม่นิ่ง Availability ถูกเรียกทั้งอัตราเดินเครื่อง ความพร้อมใช้งาน และอัตราการเดินเครื่องตามเวลา ส่วน Performance ก็มีทั้งอัตราประสิทธิภาพและอัตราสมรรถนะ ส่วน Quality ก็มีทั้งอัตราของดีและอัตราคุณภาพ เมื่อคำเรียกภายในองค์กรแตกกัน จะไม่มีใครรู้ว่ากำลังพูดถึงตัวเลขเดียวกันหรือคนละตัว สิ่งที่สำคัญกว่าการเลือกคำแปลคือการเขียนเป็นประโยคไว้ว่า ตัวเศษและตัวส่วนของแต่ละค่าใส่อะไรลงไปบ้าง แล้วเก็บเอกสารนั้นไว้

อัตราการทำงานเครื่องจักรกับ OEE ต่างกันตรงไหน

สิ่งที่หน้างานสับสนบ่อยที่สุดคืออัตราการทำงานเครื่องจักรกับ OEE คำว่าอัตราการทำงานเครื่องจักรในโรงงานส่วนใหญ่หมายถึงสัดส่วนของเวลาที่เครื่องเดินจริง เทียบกับเวลาที่ตั้งใจจะให้เดิน ซึ่งตรงกับส่วนของ Availability เพียงตัวเดียวในสามองค์ประกอบของ OEE

ถ้าดูแต่อัตราการทำงานเครื่องจักร ขอเพียงเครื่องเดินอยู่ ตัวเลขก็ออกมาสูง ต่อให้ความเร็วเหลือแค่ 80% ของที่ควรเป็น หรือของที่ผลิตออกมา 3% เป็นของเสีย ก็ไม่ปรากฏในอัตราการทำงานเครื่องจักร เพราะเครื่องยังเดินอยู่ จุดที่ OEE ต่างจากอัตราการทำงานเครื่องจักรอย่างเด็ดขาด คือมันไล่ถามถึงเนื้อในของเวลาที่เครื่องเดินอยู่ด้วย

อีกปัญหาหนึ่งของคำว่าอัตราการทำงานเครื่องจักร คือมันปนกันระหว่างอัตราการทำงานของเครื่องจักรกับระดับการเดินสายการผลิตของโรงงาน วันที่คำสั่งซื้อน้อยจนต้องหยุดไลน์ ไม่เกี่ยวกับสมรรถนะของเครื่องเลย แต่ถ้าเลือกตัวส่วนผิด ตัวเลขก็ตกลงมา ถ้าจะใช้ OEE เป็น KPI ภายในองค์กร ต้องตัดสินใจตั้งแต่แรกว่าจะจัดการกับการหยุดตามแผนอย่างไร ไม่อย่างนั้นตัวเลขรายเดือนจะแกว่งไปตามปริมาณคำสั่งซื้อ จนอ่านผลของการปรับปรุงไม่ออก

เกณฑ์เทียบวัด OEE ปี 2026 | ระยะห่างระหว่างค่ากลาง 60% กับ World Class 85%

พอได้ตัวเลขของโรงงานตัวเองออกมาแล้ว สิ่งที่อยากรู้ต่อคือ ตัวเลขนี้ดีหรือไม่ดี ด้านล่างคือเกณฑ์เทียบวัดที่เผยแพร่อยู่ ณ ปี 2026

การกระจายตัวแบบนี้ปรากฏใกล้เคียงกันในหลายรายงาน รวมถึง State of OEE 2026 ของ TeepTrak การที่ค่ากลางอยู่ที่ 60% แปลว่าโรงงานระดับกลาง ๆ ปล่อยผลลัพธ์ที่ควรจะทำได้หลุดมือไป 40% เห็นตัวเลขนี้ครั้งแรกอาจรู้สึกว่าเกินจริง แต่ตามการคำนวณข้างต้น ถ้าทั้งสามองค์ประกอบค้างอยู่แถว 80 ต้น ๆ ผลคูณก็ตกลงมาอยู่ที่ราว 50 กว่าจนถึง 60 ต้น ๆ

ตัวเลขเป้าหมาย 85% มาจากไหน

ค่า World Class ที่ 85% ไม่ใช่ค่าเฉลี่ยที่วัดได้จริงจากโรงงานแห่งใดแห่งหนึ่ง แต่มาจากเกณฑ์ของนากาจิมะ ผู้วางระบบ TPM เมื่อนำเป้าหมายสามตัวคืออัตราเดินเครื่อง 90% อัตราประสิทธิภาพการเดินเครื่อง 95% และอัตราของดี 99.9% มาคูณกัน จะได้ 0.90 × 0.95 × 0.999 = 0.8541 หรือราว 85% พูดอีกอย่างคือ 85% เป็นผลคูณของค่าอุดมคติที่วางไว้ให้แต่ละองค์ประกอบ แล้วจึงย้อนกลับมาใช้เป็นเป้าหมายของหน้างาน

ระดับ 85% นี้ยังถูกยืนยันซ้ำในฐานะหมุดหมายของระดับที่ไปถึงได้ ในผลสำรวจโรงงานในยุโรป 250 แห่งที่ Fabrico จัดทำเมื่อปี 2025 แต่ในรายงานเดียวกันก็ระบุไว้ด้วยว่า โรงงานที่ทำหลายรุ่นสินค้าและมีหลายไลน์นั้น แทบไม่มีที่ไหนรักษาค่าเฉลี่ยรวมทั้งโรงงานไว้ที่ 85% ได้ ค่านี้จึงใกล้เคียงกับค่าอุดมคติในทางทฤษฎีมากกว่า ถ้าเป็นไลน์ที่ผลิตสินค้ารุ่นเดียวและแทบไม่ต้องเปลี่ยนรุ่น เป้าหมาย 85% ก็สมเหตุสมผล แต่ถ้าโรงงานหลากรุ่นปริมาณน้อยไปตั้งเป้า 85% เป็นค่าเฉลี่ยของทั้งโรงงาน การทำไม่ถึงจะกลายเป็นเรื่องปกติ และดัชนีนั้นก็หมดความน่าเชื่อถือไปเอง

เป้าหมายที่เป็นจริงเปลี่ยนไปตามประเภทอุตสาหกรรม

เกณฑ์รายอุตสาหกรรมที่ Symestic รวบรวมไว้ระบุระดับอ้างอิงว่า อุตสาหกรรมการผลิตแบบไม่ต่อเนื่อง (discrete manufacturing) ควรอยู่ที่ 85% ขึ้นไป ยาอยู่ที่ 75% ขึ้นไป และชิ้นส่วนอากาศยานอยู่ที่ 72% ขึ้นไป ตัวเลข 85% เดียวกันนี้จึงมีความเป็นไปได้ในการไปถึงต่างกันสิ้นเชิง ขึ้นกับลักษณะของสินค้าและความเข้มงวดของกฎระเบียบ

การที่เป้าหมายของยาและชิ้นส่วนอากาศยานถูกวางไว้ต่ำกว่า ไม่ได้แปลว่าโรงงานเหล่านั้นบริหารหละหลวม แต่เป็นเพราะข้อจำกัดอย่างการทำ validation ข้อกำหนดด้านบันทึก คุณสมบัติของวัตถุดิบ และขนาดล็อตที่เล็ก กดเพดานของอัตราเดินเครื่องและอัตราประสิทธิภาพลงมาในเชิงโครงสร้าง เวลากำหนดเป้าหมายของตัวเอง อย่ายืมเลข 85% ของอุตสาหกรรมอื่นมาใช้ แต่ให้วางเพดานที่ไปถึงได้ของแต่ละองค์ประกอบภายใต้ข้อจำกัดของโรงงานตัวเอง แล้วใช้ผลคูณนั้นเป็นเป้าหมาย ต่อให้ผลคูณไม่ถึง 85% นั่นก็คือเต็มร้อยของโรงงานคุณ

คำแนะนำเชิงปฏิบัติอีกข้อคือ เป้าหมายของปีแรกควรตั้งเป็น “ส่วนต่างที่เพิ่มขึ้น” ไม่ใช่ “ระดับ” โรงงานที่อยู่ 60% แล้วประกาศเป้า 85% ทันทีจะตัดสินใจไม่ได้ว่าต้องทำอะไร แต่ถ้าตั้งว่า “บวก 5 จุดภายใน 6 เดือน” จะย้อนคำนวณได้ว่าต้องตัดความสูญเสียตัวไหนออกเท่าไรจึงจะถึง

ทำไมค่า OEE ที่รายงานเองจึงสูงกว่าค่าที่วัดจริง 10 – 18 จุด

ก่อนจะเอาตัวเลขของตัวเองไปเทียบกับเกณฑ์ มีเรื่องหนึ่งที่ต้องตรวจก่อน นั่นคือข้อสังเกตที่ว่าค่า OEE ที่รายงานเองมีแนวโน้มสูงกว่าค่าที่ได้จากการวัดจริงอยู่ 10 – 18 จุด แนวโน้มที่ TeepTrak และ Fabrico หยิบยกซ้ำ ๆ นี้ ไม่ใช่เรื่องที่ผู้รับผิดชอบตกแต่งตัวเลข แต่เป็นเพราะกลไกการบันทึกด้วยมือมีช่องรั่วฝังอยู่ในโครงสร้างของมันเอง

อนึ่ง ช่วงของส่วนต่างนี้บางรายงานระบุไว้ที่ 8 – 15 จุด ซึ่งเปลี่ยนไปตามวิธีบันทึกและส่วนผสมของอุตสาหกรรมในกลุ่มตัวอย่าง สิ่งที่ต้องจับไม่ใช่ตัวเลขของช่วงนั้น แต่เป็นทิศทางที่ว่า ตราบใดที่ยังบันทึกด้วยมือ ค่าจะเอนไปทางสูงกว่าค่าที่วัดจริงเสมอ

โรงงานที่เคยเชื่อว่า OEE ของตัวเองอยู่ที่ 75% แล้วพอใส่ระบบวัดจริงกลับพบว่าเหลือ 60% เป็นเรื่องที่เจอได้บ่อย ดูเผิน ๆ เหมือนเป็นฉากที่น่าผิดหวัง แต่จริง ๆ แล้วตรงนี้คือจุดตั้งต้นของการปรับปรุง เพราะ 15 จุดที่มองไม่เห็นมาตลอด คือส่วนที่เอากลับคืนมาได้นับจากนี้

การหยุดเดินเครื่องสั้น ๆ ไม่เหลือร่องรอยในบันทึก

ช่องรั่วที่ใหญ่ที่สุดคือการหยุดสั้น ๆ การหยุดที่ใช้เวลาไม่กี่สิบวินาทีถึงไม่กี่นาทีแล้วกลับมาเดินต่อ จะไม่ถูกเขียนลงในช่องเวลาหยุดของใบรายงานประจำวัน หน้างานตัดสินว่าไม่ใช่เรื่องที่ต้องเขียน และเอาเข้าจริง การต้องหยุดงานอย่างอื่นลงเพื่อมาจดว่าเครื่องหยุดไป 3 นาที กลับยิ่งไม่สมเหตุสมผลเข้าไปอีก

แต่ถ้าการหยุด 3 นาทีนี้เกิดขึ้น 15 ครั้งต่อกะ รวมแล้วคือ 45 นาที เท่ากับราว 9% ของเวลา 8 ชั่วโมงหายไป ในความเป็นจริงเครื่องหยุดไป 45 นาที แต่ในบันทึกด้วยมือกลับไม่มีสักบรรทัดในช่องเวลาหยุด ยิ่งไปกว่านั้น การหยุดสั้น ๆ ส่วนใหญ่ไปโผล่ที่อัตราประสิทธิภาพการเดินเครื่องมากกว่าที่อัตราเดินเครื่อง ต่อให้มีบันทึกอยู่ ก็สังเกตได้แค่ในรูปของรอบเวลาที่ช้าลงเท่านั้น ในโลกของการจดด้วยมือ ความสูญเสียก้อนนี้แทบจะหายไปแน่นอน

เรื่องที่ว่าควรจับการหยุดสั้น ๆ ไว้ที่องค์ประกอบไหนของ OEE เราเรียบเรียงวิธีตั้งค่าเกณฑ์เวลาและการแยกประเภทไว้แล้วใน มาตรการรับมือการหยุดสั้น ๆ ปี 2026 และวิธีจับการหยุดที่ไม่โผล่ในอัตราเดินเครื่อง โรงงานที่ค่ารายงานเองกับค่าที่วัดจริงต่างกันมาก ให้สงสัยจุดนี้เป็นอันดับแรก

การผลักเวลาเปลี่ยนรุ่นไปไว้ในการหยุดตามแผน

ข้อที่สองคือวิธีจัดการกับการเปลี่ยนรุ่น ถ้าจัดเวลาเปลี่ยนรุ่นเข้าไปอยู่ในหมวดการหยุดตามแผน เวลาส่วนนั้นจะหลุดออกจากตัวส่วน ทำให้ OEE ออกมาสูง เหตุผลที่ว่าในเมื่อทำตามแผนอยู่แล้วก็ต้องเป็นการหยุดตามแผน ฟังดูมีน้ำหนักในตอนแรก

แต่การเปลี่ยนรุ่นคือเป้าหมายของการปรับปรุงโดยแท้ ทั้งในแนวคิดของ ISO 22400-2 และในการจำแนก 7 ความสูญเสียใหญ่ของ TPM การเปลี่ยนรุ่นและการปรับตั้งถูกนับเป็นความสูญเสียที่แยกออกมาต่างหาก การดึงมันออกจากตัวส่วนจึงเท่ากับการเอาพื้นที่ที่มีโอกาสปรับปรุงมากที่สุดออกจากขอบเขตการวัด ตัวเลขจะสวยขึ้นก็จริง แต่วัตถุดิบของการปรับปรุงหายไปหนึ่งชิ้น

สำหรับการลดเวลาเปลี่ยนรุ่นโดยตรง เราได้อธิบายโครงสร้างที่ว่าทำไมการปรับปรุงจึงไม่อยู่ตัวเมื่อหน่วยที่วัดหยาบเกินไป ไว้ใน ลดเวลาเปลี่ยนรุ่นปี 2026 และเหตุผลที่ทำเร็วแล้วกลับไปเท่าเดิม อ่านคู่กับการออกแบบตัวส่วนของ OEE จะเห็นเป็นรูปธรรมว่าทำไมจึงห้ามผลักการเปลี่ยนรุ่นไปไว้ในการหยุดตามแผน

การใช้รอบเวลาตามสเปกของผู้ผลิตเป็นเกณฑ์

ข้อที่สามคือรอบเวลามาตรฐานที่ใช้ในการคำนวณอัตราประสิทธิภาพการเดินเครื่อง ถ้าใช้รอบเวลาตามสเปกที่อยู่ในแคตตาล็อกของผู้ผลิตเครื่องจักร ค่านั้นมักช้ากว่าความเร็วที่เครื่องทำได้จริงในสภาพที่ดีที่สุด ทำให้อัตราประสิทธิภาพการเดินเครื่องออกมาสูงเกินความสามารถจริง

สิ่งที่ควรใช้คือรอบเวลาที่ดีที่สุดที่เครื่องนั้นเคยทำได้จริงกับสินค้ารุ่นนั้น เมื่อใช้ค่าที่ดีที่สุดจากการวัดจริงเป็นเกณฑ์ อัตราประสิทธิภาพจะลดลง แต่ส่วนต่างจากความเร็วที่ทำได้ตอนสภาพดีจะปรากฏออกมาเป็นความสูญเสีย และส่วนต่างนี้เองคือเป้าหมายของการปรับปรุง ตราบใดที่ยังใช้ค่าตามสเปก ทุกคนก็จะถกกันโดยไม่มีใครรู้ว่าเครื่องของตัวเองเดินได้จริงกี่วินาที

ทั้งสามข้อนี้ไม่ได้เกิดจากเจตนาไม่ดีหรือความมักง่าย แต่เป็นข้อจำกัดที่ติดมากับกลไกการบันทึกด้วยมือ ด้วยเหตุนี้ ก้าวแรกของการปรับปรุง OEE จึงไม่ใช่มาตรการ แต่คือการรื้อวิธีวัด

จุดตั้งต้นของการวิเคราะห์สาเหตุการหยุดเครื่อง | แปล 7 ความสูญเสียใหญ่เป็นภาษาหน้างาน

พอแก้วิธีวัดแล้ว ขั้นต่อไปคือจำแนกว่าส่วนที่หายไปนั้นหายไปทางไหน ใน TPM ใช้การจำแนกแบบ 7 ความสูญเสียใหญ่ ส่วนในบริบทของ OEE มักเรียกว่า Six Big Losses ชื่อเรียกต่างกันแต่สิ่งที่มองแทบจะเหมือนกัน โดย Six Big Losses มักรวมการเปลี่ยนใบมีดเข้าไปในการเปลี่ยนรุ่นและการปรับตั้ง จนเหลือ 6 กลุ่ม ความต่างมีอยู่เพียงเท่านั้น

วิธีใช้ตารางนี้เรียบง่ายมาก ระบุองค์ประกอบที่ต่ำที่สุดในสามตัว แล้วไปดูเฉพาะความสูญเสียที่ส่งผลต่อองค์ประกอบนั้น โรงงานที่อัตราเดินเครื่องต่ำ ต่อให้ทุ่มมาตรการลดของเสีย ค่า OEE ก็แทบไม่ขยับ แค่เพื่อไม่ให้ลำดับการปรับปรุงสลับกัน ตารางนี้ก็คุ้มที่จะติดไว้ที่ผนังแล้ว

ข้อสังเกตปี 2026 ที่ว่าสาเหตุการหยุดอันดับหนึ่งคือไม่มีคำสั่งซื้อ

สิ่งที่ต้องระวังในการวิเคราะห์สาเหตุการหยุดเครื่อง คือการจัดการกับปัจจัยที่ฝั่งโรงงานควบคุมไม่ได้ ในเกณฑ์เทียบวัดที่ Guidewheel เผยแพร่เมื่อปี 2026 มีข้อสังเกตว่า เมื่อดูข้ามเครื่องจักรทั้งหมด สาเหตุความสูญเสียที่ใหญ่ที่สุดคือการไม่มีคำสั่งซื้อ ซึ่งพบใน 37.6% ของเครื่องจักรทั้งหมด

ตัวเลขนี้เอามาตั้งเป็นเป้าหมายการปรับปรุงของโรงงานตรง ๆ ไม่ได้ เพราะการไม่มีคำสั่งซื้อเป็นเรื่องของฝั่งขายและฝั่งอุปสงค์ ไม่ใช่สมรรถนะของเครื่องหรือคุณภาพของงานบำรุงรักษา แต่ข้อสังเกตนี้มีนัยเชิงปฏิบัติอยู่สองข้อ ข้อแรกคือถ้าจะใช้ OEE ประเมินตัวเครื่องจักร ต้องดึงเวลาหยุดเพราะไม่มีคำสั่งซื้อออกจากตัวส่วนอย่างชัดเจน และบันทึกไว้ว่าดึงออกไปแล้ว ข้อที่สองคือเมื่อรู้ว่าเครื่องไหนมีเวลาว่างจากการไม่มีคำสั่งซื้อยาว ก็ออกแบบการใช้เวลานั้นได้ เช่น ใช้ซ้อมการเปลี่ยนรุ่นหรือเลื่อนงานบำรุงรักษาเข้ามาทำก่อน การวิเคราะห์สาเหตุการหยุดเครื่องทำเพื่อกำหนดการใช้เวลา ไม่ใช่เพื่อไล่หาคนผิด

รหัสสาเหตุการหยุดควรเหลือจำนวนที่หน้างานเลือกได้ใน 5 วินาที

การวิเคราะห์สาเหตุการหยุดเครื่องจะทำงานหรือไม่ ขึ้นอยู่กับว่าตอนเครื่องหยุดมีการบันทึกสาเหตุไว้หรือเปล่า และการจะมีบันทึกหรือไม่นั้น แทบจะตัดสินด้วยจำนวนตัวเลือก

โรงงานที่เตรียมรหัสสาเหตุไว้ 50 ชนิด หน้างานจะเลือก “อื่น ๆ” ข้อมูลที่มีอื่น ๆ เป็นส่วนใหญ่ อ่านอะไรไม่ได้เลย ตอนเริ่มควรจำกัดไว้ราว 8 ถึง 12 รหัส ใช้งานจริงสัก 3 เดือน แล้วค่อยไปสอบถามว่าอื่น ๆ นั้นมีอะไรบ้าง แล้วเติมเท่าที่จำเป็น วิธีนี้แน่นอนกว่า ความละเอียดของการจำแนกมีความสำคัญน้อยกว่าการที่บันทึกยังดำเนินต่อไปได้

อีกเคล็ดหนึ่งคือตั้งชื่อรหัสด้วยคำที่หน้างานใช้กันอยู่ทุกวัน ไม่ใช่ “ความผิดปกติของระบบจ่ายวัตถุดิบ” แต่เป็น “วัตถุดิบหมด” ไม่ใช่ “งานตรวจสอบคุณภาพ” แต่เป็น “รอชิ้นแรก” ถ้าไปอิงคำศัพท์ของฝ่ายบริหาร ทุกครั้งที่เลือกจะต้องแปลในหัวก่อน การเลือกจะช้าลง แล้วสุดท้ายก็ไหลไปที่อื่น ๆ อยู่ดี

เริ่มการมองเห็นอัตราการทำงานเครื่องจักรอย่างไร | เริ่มจากการกำหนดหน่วยที่จะวัด

การจะนำเนื้อหาทั้งหมดข้างต้นไปลงมือทำ ต้องมีการมองเห็นอัตราการทำงานเครื่องจักรเป็นพื้นฐานก่อน แต่คำว่าการมองเห็นครอบคลุมขอบเขตกว้างมาก และความยากง่ายเปลี่ยนไปคนละเรื่องตามจุดที่เลือกลงมือ

จะดึงสัญญาณจากจุดไหน

วิธีเก็บสถานะการเดินของเครื่องจักรมีอยู่ราวสี่แบบ

• อ่านสีของไฟสัญญาณแบบหอคอย (tower light) ด้วยเซ็นเซอร์แสง ไม่ต้องดัดแปลงตัวเครื่อง ติดเพิ่มกับเครื่องเก่าได้ สิ่งที่ได้คือสถานะเดิน หยุด และผิดปกติเท่านั้น
• วัดกระแสไฟด้วยเซ็นเซอร์กระแส ส่วนใหญ่หนีบวัดได้โดยไม่ต้องแตะสายไฟ และเห็นถึงระดับภาระงานด้วย แต่ต้องปรับค่าเกณฑ์เพื่อแยกระหว่างการเดินกับการรอ
• ดึงข้อมูลจาก PLC โดยตรง ได้ถึงสาเหตุการหยุดและข้อมูลกระบวนการ แต่ต้องอาศัยความร่วมมือจากผู้ผลิตเครื่องและการรองรับโปรโตคอล
• รับสัญญาณพัลส์จากตัวนับจำนวนผลิต ได้จำนวนผลิตและรอบเวลาโดยตรง จึงเหมาะกับการคำนวณอัตราประสิทธิภาพการเดินเครื่อง

คำตอบที่ถูกต้องขึ้นกับปีที่ผลิตของเครื่องและโครงสร้างทีมงานของโรงงาน แต่สำหรับเครื่องแรก การเลือกวิธีที่ติดตั้งเพิ่มได้ง่ายและไม่ต้องหยุดเครื่องคือแนวทางที่เป็นจริงที่สุด เพราะเป้าหมายของเครื่องแรกไม่ใช่การเก็บข้อมูลให้สมบูรณ์แบบ แต่คือการสร้างค่าที่วัดจริงสักหนึ่งค่าไว้เป็นฐานของการถกเถียงภายในองค์กร

ภาพรวมของการตัดสินใจลงทุนที่เริ่มจากการเลือกเซ็นเซอร์ ว่าค่าใช้จ่ายไปตกอยู่ตรงไหนบ้างและจุดไหนที่มักถูกมองข้าม เราแยกเป็นชั้นของต้นทุนไว้ใน คู่มือติดตั้ง IoT ในโรงงานปี 2026 พร้อมการแยกต้นทุน 5 ชั้นและวิธีเริ่มเฝ้าระวังการเดินเครื่อง ข้อมูลที่ต้องใช้ตอนขออนุมัติงบรวมอยู่ในบทความนั้นแล้ว

เริ่มจากเครื่องเดียวก็พอ แต่สะสมข้อมูลให้ครบหนึ่งเดือนก่อน

เหตุผลคลาสสิกที่ทำให้โครงการมองเห็นข้อมูลหยุดชะงัก คือการขยายขอบเขตกว้างเกินไปตั้งแต่ต้น แผนที่ครอบคลุมทุกไลน์ทำให้ยอดเงินสูงขึ้น การขออนุมัติยืดยาวขึ้น การออกแบบไม่ลงตัวเพราะแต่ละเครื่องมีเงื่อนไขต่างกัน แล้วครึ่งปีก็ผ่านไปโดยยังไม่ได้เริ่ม

สิ่งที่เราแนะนำคือจำกัดไว้ที่เครื่องเดียวในกระบวนการคอขวด แล้วสะสมข้อมูลให้ครบหนึ่งเดือนก่อน หนึ่งเดือนก็พอจะเห็นคลื่นขึ้นลงภายในวัน แนวโน้มรายวันในสัปดาห์ ความต่างตามรุ่นสินค้า และปริมาณรวมของการหยุดที่บันทึกด้วยมือมองไม่เห็นมาก่อน เมื่อมีค่าที่วัดจริงสักหนึ่งชุด น้ำหนักในการขออนุมัติครั้งถัดไปจะเปลี่ยนไปคนละเรื่อง คำอธิบายว่า “ได้ยินว่าที่อื่นเขาได้ผล” กับคำอธิบายว่า “เครื่องหมายเลข 3 ของเราเดือนที่แล้วหยุดไป 168 ชั่วโมง โดย 62 ชั่วโมงในนั้นไม่ได้อยู่ในใบรายงานประจำวัน” ผ่านด้วยความเร็วต่างกันมาก

และมีสิ่งหนึ่งที่ต้องทำให้ได้ในขั้นนี้ คือเดินไปถามผู้รับผิดชอบหน้างานพร้อมกับดูข้อมูลว่า ช่วงเวลานี้เกิดอะไรขึ้น ข้อมูลบอกได้ว่าเกิดอะไรขึ้น แต่บอกไม่ได้ว่าทำไมจึงเกิด ถ้าสร้างนิสัยการจับคู่ข้อมูลกับคำพูดของหน้างานไว้ตั้งแต่เดือนแรก คุณภาพของการวิเคราะห์หลังจากนั้นจะต่างออกไป

วงจรของการปรับปรุง OEE | วัด วิเคราะห์ ปรับปรุง และทำให้อยู่ตัว

การปรับปรุง OEE ไม่ใช่มาตรการครั้งเดียวจบ แต่ควรออกแบบเป็นวงจรสี่ขั้นที่หมุนต่อเนื่อง การจัดเป็น Measure, Analyze, Improve และ Control เป็นรูปแบบที่ใช้กันทั่วไป และแนวโน้มของปี 2026 คือการทำให้ส่วนของการวัดและการวิเคราะห์ในสี่ขั้นนี้เป็นแบบเรียลไทม์ด้วย IoT และ AI

ขั้นวัด คือการนิยามตัวเศษและตัวส่วนของทั้งสามองค์ประกอบ แล้วจัดให้เก็บได้แบบอัตโนมัติ ถ้าไม่บันทึกนิยามเป็นเอกสารในขั้นนี้ ภายหลังจะเทียบระหว่างฐานการผลิตไม่ได้ ในเอกสารนิยามต้องเขียนว่าการหยุดตามแผนรวมอะไรบ้าง กำหนดรอบเวลามาตรฐานอย่างไร และตัดสินของดีที่กระบวนการไหน ให้คิดว่านี่คือขั้นของการเปลี่ยนเส้นทางของบันทึกทั้งเส้น จากสภาพที่ใบรายงานเขียนมือกองอยู่ในแฟ้ม ไปสู่สภาพที่เซ็นเซอร์ซึ่งติดกับเครื่องส่งข้อมูลถึงหน้าจอแดชบอร์ดโดยอัตโนมัติ

ขั้นวิเคราะห์ คือการระบุองค์ประกอบที่ต่ำที่สุดในสามตัว แล้วแจกแจงความสูญเสียที่เกี่ยวข้อง สิ่งสำคัญตรงนี้คือต้องดูทั้งความถี่และเวลา ไม่ใช่เรียงตามเวลายาวอย่างเดียว เครื่องเสีย 8 ชั่วโมงเดือนละครั้งเท่ากับ 480 นาที ส่วนการหยุดสั้น ๆ ครั้งละ 1 นาที วันละ 20 ครั้ง เมื่อเดินงาน 25 วันเท่ากับ 500 นาที เวลาสูญเสียรายเดือนเกือบเท่ากัน แต่มาตรการต่างกันสิ้นเชิง แบบแรกเป็นปัญหาของแผนบำรุงรักษา แบบหลังเป็นปัญหาของการออกแบบกระบวนการหรืออุปกรณ์จับยึด

ขั้นปรับปรุง ให้จำกัดมาตรการไว้ที่ความสูญเสียหนึ่งหรือสองตัวที่ระบุได้จากการวิเคราะห์ ถ้าลงมือ 5 มาตรการพร้อมกัน จะไม่รู้ว่าอันไหนได้ผล แล้วรอบถัดไปก็ไม่มีการเรียนรู้สะสม ใน 1 รอบควรจำกัดสมมติฐานที่จะพิสูจน์ไว้ที่หนึ่งหรือสองข้อ

ขั้นทำให้อยู่ตัว เป็นขั้นที่ถูกมองข้ามมากที่สุด และเป็นสาเหตุของความล้มเหลวมากที่สุด ถ้าไม่มีกลไกตรวจว่าสภาพที่ปรับปรุงแล้วยังคงอยู่หรือไม่เมื่อผ่านไป 3 เดือน ตัวเลขจะค่อย ๆ ไหลกลับที่เดิมอย่างเงียบ ๆ กลไกที่ทำงานได้ดีมักเป็นการใช้งานแบบเบา ๆ เช่น ในที่ประชุมเช้าประจำวันใช้เวลา 3 นาทีดู OEE ของวันก่อนหน้าและความสูญเสียก้อนใหญ่ที่สุด รายงานรายเดือนนั้นรู้ตัวช้าเกินไปว่าค่ากลับไปเท่าเดิมแล้ว

รอบของวงจรนี้ ช่วงแรกควรอยู่ที่ 1 เดือน พอชินแล้วราว 2 สัปดาห์ก็เป็นจริงได้ ถ้าทำเป็นรายสัปดาห์ ปริมาณข้อมูลที่ใช้วิเคราะห์จะน้อยเกินไป และจะถูกเหวี่ยงไปตามฤดูกาลกับส่วนผสมของรุ่นสินค้า

ผลของการปรับปรุง OEE ออกมามากแค่ไหน | กรณีศึกษาและการประเมิน

ในเวทีตัดสินใจลงทุน จะต้องถูกถามถึงผลที่คาดว่าจะได้เสมอ ด้านล่างแยกเป็นกรณีศึกษาที่เผยแพร่แล้ว กับแนวคิดสำหรับคำนวณใหม่ด้วยตัวเลขของโรงงานตัวเอง

บริษัท NGK Insulators กำหนด OEE เป็น KPI ร่วมของ 19 โรงงานใน 11 ประเทศ และเดินหน้าทำให้มองเห็นได้บนฐาน BI ในโครงการนี้มีรายงานว่าโรงงานแห่งหนึ่งยกระดับ OEE ขึ้นได้ 20% การจะเรียงโรงงานหลายประเทศด้วยดัชนีเดียวกันได้ ต้องปรับนิยามให้ตรงกันก่อน แก่นของกรณีนี้จึงอยู่ที่การรวมดัชนีให้เป็นหนึ่งเดียว

ในกรณีศึกษาที่ Canon IT Solutions นำเสนอ ระบุว่าการสร้างรายงาน OEE อัตโนมัติช่วยลดเวลาที่ใช้ทำใบรายงานประจำวันลง 90% พร้อมกับรวมนิยามของ OEE ให้เป็นหนึ่งเดียวทั้งบริษัท ขอให้สังเกตว่าการรวมนิยามโผล่ขึ้นมาคู่กันอีกครั้ง เพราะการจะทำรายงานอัตโนมัติได้ ไม่มีทางอื่นนอกจากต้องตกลงสูตรคำนวณให้เหลือสูตรเดียว พูดกลับกันคือ ระบบอัตโนมัติทำหน้าที่เป็นเครื่องมือที่บังคับให้ต้องรวมนิยาม

สำหรับส่วนต่างของการปรับปรุง TeepTrak อ้างอิงผลการติดตั้งกว่า 450 รายตั้งแต่ปี 2018 ถึงไตรมาสที่ 2 ของปี 2026 แล้วระบุว่าส่วนต่างของ OEE ที่พบเป็นปกติเมื่อผ่านไป 90 วันหลังเริ่มใช้งานอยู่ที่ 4 – 12 จุด บริษัทเดียวกันยังแสดงการประเมินกรณีสมมติของโรงงานขนาดกลางที่มี 5 ไลน์และมี OEE อยู่ที่ 60% ว่าผลประโยชน์สุทธิต่อปีจะอยู่ที่ 1.2 – 2.4 ล้านดอลลาร์สหรัฐ และระยะเวลาคืนทุนอยู่ที่ 1.2 – 2.4 เดือน เมื่อหารเฉลี่ยกับ 5 ไลน์ในแบบจำลองนั้น จะตกราวไลน์ละ 240,000 – 480,000 ดอลลาร์ต่อปี หรือราวไลน์ละ 120,000 – 240,000 ดอลลาร์ในครึ่งปี แต่ข้อมูลนี้เป็นข้อมูลที่ผู้ขายเผยแพร่เอง จึงต้องอ่านโดยหักลบความเป็นไปได้ที่จะมีเฉพาะงานที่เงื่อนไขดีรวมอยู่ด้วย ถ้าจะใช้เป็นข้อมูลประกอบการตัดสินใจ อย่ารับมาทั้งดุ้น แต่ให้แทนที่ด้วยตัวเลขของโรงงานตัวเองตามแนวคิดต่อไปนี้

รูปแบบพื้นฐานของการประเมินด้วยตัวเองนั้นเรียบง่าย การที่ OEE เพิ่มขึ้น 5 จุด หมายความว่าปริมาณผลผลิตที่ดึงออกมาได้จากเครื่องเดิมและเวลาเท่าเดิมเพิ่มขึ้นตามสัดส่วนนั้น สมมติว่าหนึ่งไลน์เดินวันละ 20 ชั่วโมง เดือนละ 25 วัน เวลารับภาระงาน (loading time) ต่อเดือนจะเท่ากับ 500 ชั่วโมง ถ้า OEE อยู่ที่ 60% ส่วนที่สร้างมูลค่าจริงคือ 300 ชั่วโมง เมื่อขึ้นเป็น 65% จะกลายเป็น 325 ชั่วโมง ส่วนต่างคือ 25 ชั่วโมงต่อเดือน ถ้ามี 5 ไลน์ก็เป็น 125 ชั่วโมงต่อเดือน และเท่ากับ 1,500 ชั่วโมงต่อปี

นำ 1,500 ชั่วโมงนี้ไปคูณกับมูลค่าเพิ่มต่อชั่วโมงของโรงงานตัวเอง ก็แปลงเป็นตัวเงินได้ ถ้าสมมติว่าชั่วโมงละ 3,000 บาท ก็จะได้ปีละ 4,500,000 บาท แต่ราคาต่อหน่วยนี้ต่างกันมากในแต่ละโรงงาน จึงต้องใช้ค่าจริงของโรงงานตัวเองเสมอ สิ่งสำคัญไม่ใช่ตัวเลขเงินมากหรือน้อย แต่คือกำลังการผลิตที่ได้จากการคำนวณนี้เกิดขึ้นโดยไม่ต้องเพิ่มเครื่องจักรแม้แต่เครื่องเดียว การขออนุมัติซื้อเครื่องใหม่หนึ่งเครื่อง กับการขออนุมัติเพื่อดึงกำลังการผลิตเท่ากันกลับคืนมาจากเครื่องที่มีอยู่ ยืนอยู่บนเวทีเปรียบเทียบคนละเวทีกัน

อนึ่ง การประเมินนี้มีเงื่อนไขตั้งต้นอยู่ นั่นคือต้องมีคำสั่งซื้อมากพอจะดูดซับกำลังการผลิตที่เพิ่มขึ้น และคนกับวัตถุดิบต้องป้อนได้ทัน ในจังหวะที่คำสั่งซื้อไม่โต ผลจะออกมาในรูปของการลดค่าล่วงเวลาและการลดการทำงานวันหยุดแทน รูปแบบของผลเปลี่ยนไปเท่านั้น ไม่ได้แปลว่ามูลค่าหายไป แต่ประเภทของผลที่จะเขียนลงในเอกสารขออนุมัติ ควรเลือกให้ตรงกับสถานการณ์ของโรงงานตัวเอง

ประเด็นเฉพาะเมื่อโรงงานในประเทศไทยเดินหน้าปรับปรุง OEE

ที่ผ่านมาเป็นหลักการทั่วไป แต่โรงงานญี่ปุ่นในประเทศไทยมีเงื่อนไขเฉพาะอยู่หลายข้อ

ข้อแรกคือการเปลี่ยนไปสู่การผลิตหลากรุ่นปริมาณน้อย โรงงานที่เคยรับผลิตล็อตใหญ่ที่ส่งมาจากสำนักงานใหญ่ ในระยะหลังก็มีรุ่นสินค้ามากขึ้นและล็อตเล็กลง เมื่อรุ่นสินค้ามากขึ้น จำนวนครั้งของการเปลี่ยนรุ่นก็มากขึ้น และอัตราเดินเครื่องจะลดลงในเชิงโครงสร้าง ในสภาพเช่นนี้ ถ้าประกาศแต่เป้าหมาย 85% หน้างานจะรับรู้ว่าเป็นเป้าที่ทำไม่ได้ ถ้าส่วนผสมของรุ่นสินค้าเปลี่ยนไปแล้ว ค่าเป้าหมายก็ควรถูกสร้างขึ้นใหม่ด้วย

ข้อที่สองคือการเคลื่อนย้ายของกำลังคน การเปลี่ยนงานและการโยกย้ายตำแหน่งของช่างฝีมือเกิดถี่กว่าในญี่ปุ่น สภาพที่ว่า “ถ้าคนนั้นเป็นคนปรับ งานจะไหลเร็ว” จึงปรากฏเป็นความเสี่ยงต่อ OEE เอาเข้าจริง เมื่อนำแนวโน้มรายเดือนของอัตราประสิทธิภาพการเดินเครื่องมาซ้อนกับการจัดกำลังคน จะเห็นกราฟตกลงตรงกับช่วงที่พนักงานคนหนึ่งย้ายออกพอดี คุณค่าอย่างหนึ่งของการวัด OEE คือทำให้การพึ่งพาตัวบุคคลมองเห็นได้เป็นตัวเลข ขอให้ใช้มันเป็นวัตถุดิบสำหรับย้ายวิจารณญาณของคนคนนั้นเข้าไปอยู่ในระบบ ไม่ใช่เพื่อประเมินตัวบุคคล

ข้อที่สามคือการรายงานกลับสำนักงานใหญ่ที่ญี่ปุ่น ในฉากที่สำนักงานใหญ่เอา OEE ของหลายฐานการผลิตมาเรียงเทียบกัน ความต่างของนิยามจะกลายเป็นความต่างของผลงานไปเลย ถ้าเอาฐานที่นับการเปลี่ยนรุ่นเป็นการหยุดตามแผน มาเรียงกับฐานที่ไม่ได้นับ ฐานแรกจะดูเก่งกว่า ก่อนเริ่มเปรียบเทียบระหว่างฐาน ต้องทำงานรวมเอกสารนิยามให้เหลือฉบับเดียวก่อนเสมอ งานนี้ดูไม่หวือหวา แต่ถูกกว่ากันคนละเรื่อง เมื่อเทียบกับการไปไล่ปรับให้ตรงกันหลังจากเริ่มเปรียบเทียบไปแล้ว

ข้อที่สี่คือความสัมพันธ์กับงานด้านคาร์บอน โรงงานในประเทศไทยเริ่มได้รับคำขอเรื่องการคำนวณและรายงานปริมาณการปล่อยก๊าซเรือนกระจกและ CO2 จากคู่ค้ามากขึ้น สิ่งที่มักเกิดขึ้นตรงนี้คือ การตั้งโครงการเก็บข้อมูลเพื่องานคาร์บอน แยกออกจากโครงการลงทุน IoT เพื่อการปรับปรุง OEE เป็นคนละโครงการ ทั้งที่ในความเป็นจริง ปริมาณการใช้ไฟฟ้า อัตราผลผลิตที่ได้ และสถานะการเดินเครื่อง ดึงมาจากเครื่องเดียวกันด้วยเส้นทางเดียวกันได้ ถ้าวางไว้บนฐานข้อมูลเดียวกัน ลงทุนครั้งเดียวก็ตอบสองความต้องการพร้อมกันได้ ในแง่ของความง่ายในการขออนุมัติงบ โครงสร้างที่ตอบสองวัตถุประสงค์ด้วยการลงทุนครั้งเดียวก็ได้เปรียบกว่า

4 อุปสรรคที่พบร่วมกันในโรงงานที่ปรับปรุง OEE ไม่ต่อเนื่อง

ส่วนสุดท้ายคืออุปสรรคที่มักเกิดขึ้นหลังจากเริ่มวัดไปแล้ว

ข้อแรกคือการเอา OEE ไปใช้ประเมินตัวบุคคลหรือประเมินกะ ทันทีที่เอาไปใช้ประเมิน หน้างานจะปรับพฤติกรรมให้ตัวเลขดูดี เปลี่ยนสาเหตุการหยุดไปใส่หมวดที่เบากว่า ไม่บันทึก ปรับตัวส่วน แล้วกลไกการวัดจริงที่อุตส่าห์สร้างมาก็ย้อนกลับไปเป็นข้อมูลคุณภาพเดียวกับการจดด้วยมือ ขอให้สื่อสารให้ชัดตั้งแต่ตอนเริ่มใช้ว่า OEE คือดัชนีที่สะท้อนสภาพของเครื่องจักรและกระบวนการ ไม่ใช่ใบประเมินผลของคน

ข้อที่สองคือการเริ่มเปรียบเทียบทั้งที่นิยามของตัวส่วนยังต่างกันไปในแต่ละฐานและแต่ละกระบวนการ การประชุมที่เอาตัวเลขซึ่งนิยามไม่ตรงกันมาเรียงกัน จะจบลงที่การถกเถียงว่าตัวเลขถูกหรือไม่ถูก และไปไม่ถึงการถกเรื่องการปรับปรุง

ข้อที่สามคือการพอใจอยู่แค่การสร้างแดชบอร์ดเสร็จ เมื่อหน้าจอเสร็จ โครงการดูเหมือนจบแล้ว แต่หน้าจอเป็นเพียงผลงานของขั้นวัด ส่วนการวิเคราะห์ การปรับปรุง และการทำให้อยู่ตัว เพิ่งจะเริ่มต้น เรื่องที่ผู้รับผิดชอบกลับไปทำงานประจำทันทีที่หน้าจอเสร็จ แล้วผ่านไปครึ่งปีก็ไม่มีใครเปิดดู ไม่ใช่เรื่องแปลก พร้อมกับการสร้างหน้าจอ ให้กำหนดการใช้งานไปด้วยว่าใครจะดูตอนไหน นานกี่นาที

ข้อที่สี่คือการไม่วางผู้รับผิดชอบการปรับปรุงไว้ที่หน้างาน ข้อมูลมารวมกันที่สำนักงาน แต่ความสูญเสียเกิดที่หน้างาน ถ้าใช้โครงสร้างที่เพียงส่งผลวิเคราะห์ไปให้หน้างาน บริบทว่าทำไมการหยุดนั้นจึงเกิดขึ้นจะไม่มีวันถูกเติมเต็ม จุดชี้ขาดว่าวงจรนี้จะหมุนได้หรือไม่ อยู่ที่คนที่รับผิดชอบการวิเคราะห์จะมีเวลาไปยืนอยู่ที่หน้างานสัปดาห์ละหลายครั้งได้หรือเปล่า

คำถามที่พบบ่อย (FAQ)

ประสิทธิผลโดยรวมของเครื่องจักร OEE คืออะไร

ประสิทธิผลโดยรวมของเครื่องจักร OEE คือดัชนีที่แสดงสัดส่วนของผลลัพธ์ที่เครื่องจักรทำได้จริง เทียบกับผลลัพธ์ที่เครื่องนั้นควรจะทำได้ คำนวณจากการคูณกันของสามค่าคือ Availability หรืออัตราเดินเครื่อง Performance หรืออัตราประสิทธิภาพการเดินเครื่อง และ Quality หรืออัตราของดี มาตรฐาน ISO 22400-2 กำหนดไว้เป็น KPI ของการจัดการปฏิบัติการผลิต การคำนวณตามนิยามนี้ทำให้ใช้เทียบระหว่างโรงงานหรือข้ามประเทศได้ และเพราะเป็นการคูณกันของสามองค์ประกอบ ต่อให้แต่ละตัวอยู่แถว 85% ค่า OEE ก็อาจตกลงมาอยู่ระดับ 60 กว่าได้

ค่าเป้าหมายและมาตรฐานสากลของ OEE อยู่ที่เท่าไร

ข้อมูลที่เผยแพร่ ณ ปี 2026 แสดงการกระจายตัวว่าค่ากลางของอุตสาหกรรมอยู่ราว 60% กลุ่มบนสุด 25% อยู่ราว 75% และระดับ World Class อยู่ราว 85% แต่ 85% เป็นค่าทางทฤษฎีที่ได้จากการคูณเกณฑ์ของ TPM คืออัตราเดินเครื่อง 90% อัตราประสิทธิภาพการเดินเครื่อง 95% และอัตราของดี 99.9% เข้าด้วยกัน โรงงานที่ทำหลายรุ่นสินค้าแทบไม่มีที่ไหนรักษาไว้ได้ในระดับค่าเฉลี่ยรวม เมื่อแยกตามอุตสาหกรรมยังมีเกณฑ์อ้างอิงว่า การผลิตแบบไม่ต่อเนื่องอยู่ที่ 85% ขึ้นไป ยาอยู่ที่ 75% ขึ้นไป และชิ้นส่วนอากาศยานอยู่ที่ 72% ขึ้นไป โรงงานของคุณไม่ควรยืมระดับของที่อื่นมาใช้ แต่ควรวางเพดานของแต่ละองค์ประกอบภายใต้ข้อจำกัดของตัวเอง แล้วใช้ผลคูณเป็นเป้าหมาย

อัตราการทำงานเครื่องจักรกับ OEE ต่างกันอย่างไร และการมองเห็นอัตราการทำงานเครื่องจักรควรเริ่มจากไหน

อัตราการทำงานเครื่องจักรที่โรงงานส่วนใหญ่ใช้ หมายถึงสัดส่วนของเวลาที่เครื่องเดินจริงเทียบกับเวลาที่ตั้งใจจะให้เดิน ซึ่งตรงกับ Availability เพียงตัวเดียวในสามองค์ประกอบของ OEE อัตราการทำงานเครื่องจักรจะออกมาสูงขอเพียงเครื่องเดินอยู่ จึงมองไม่เห็นความสูญเสียจากความเร็วตกและของเสีย ส่วน OEE ประเมินถึงเนื้อในของเวลาที่เครื่องเดิน คือรวมทั้งความเร็วและคุณภาพเข้าไปด้วย นี่คือความต่างที่เด็ดขาด การเริ่มจากการมองเห็นอัตราการทำงานเครื่องจักรเป็นลำดับที่ถูกต้อง แต่ถ้าหยุดอยู่แค่นั้นจะมองข้ามโอกาสปรับปรุงไปครึ่งหนึ่ง

การปรับปรุง OEE ใช้งบประมาณและเวลาเท่าไร

เปลี่ยนไปมากตามขอบเขตที่เลือก แต่ถ้าเป็นระดับการติดเซ็นเซอร์กับเครื่องเดียวในกระบวนการคอขวดแล้วสะสมข้อมูลหนึ่งเดือน ก็สามารถเลือกวิธีที่เริ่มได้โดยไม่ต้องหยุดเครื่อง ส่วนต่างของการปรับปรุงนั้น TeepTrak แสดงเกณฑ์อ้างอิงว่าอยู่ที่ 4 – 12 จุดเมื่อผ่านไป 90 วันหลังเริ่มใช้งาน โดยอ้างอิงผลการติดตั้งกว่า 450 ราย แต่เนื่องจากเป็นข้อมูลของผู้ขายเอง เราแนะนำให้คำนวณใหม่ด้วยเวลารับภาระงานและมูลค่าเพิ่มต่อชั่วโมงของโรงงานตัวเอง ในแง่ระยะเวลา การเผื่อไว้ 2 ถึง 3 เดือนจนกว่าข้อมูลจะครบหนึ่งเดือน ผ่านการวิเคราะห์และมาตรการ แล้วยืนยันผลได้ ถือว่าเป็นจริงที่สุด

ควรเริ่มวิเคราะห์สาเหตุการหยุดเครื่องจากตรงไหน

เริ่มจากระบุองค์ประกอบที่ต่ำที่สุดในสามตัวก่อน แล้วดูเฉพาะความสูญเสียที่ส่งผลต่อองค์ประกอบนั้น ถ้าอัตราเดินเครื่องต่ำก็ดูเครื่องเสีย การเปลี่ยนรุ่น และการเปลี่ยนใบมีด ถ้าอัตราประสิทธิภาพการเดินเครื่องต่ำก็ดูการหยุดสั้น ๆ และความเร็วตก ถ้าอัตราของดีต่ำก็ดูของเสียและความสูญเสียช่วงเริ่มเดินเครื่อง รหัสสาเหตุการหยุดอย่าทำให้ละเอียดตั้งแต่แรก แต่ให้จำกัดไว้ราว 8 ถึง 12 รหัสเพื่อให้หน้างานเลือกได้ภายใน 5 วินาที หลังใช้งานจริง 3 เดือนแล้วค่อยสอบถามว่าสิ่งที่ถูกจัดเป็นอื่น ๆ มีอะไรบ้าง แล้วเติมเท่าที่จำเป็น วิธีนี้ทำให้การบันทึกดำเนินต่อไปได้

สรุป

สิ่งที่ควรลงมือเป็นอันดับแรกในการปรับปรุง OEE ไม่ใช่มาตรการ แต่คือวิธีวัด ค่า OEE ที่รายงานเองมีแนวโน้มสูงกว่าค่าที่วัดจริงอยู่ 10 – 18 จุด และส่วนต่างนั้นเกิดจากโครงสร้างสามข้อ คือการมองข้ามการหยุดสั้น ๆ การจัดการเปลี่ยนรุ่นเข้าไปในการหยุดตามแผน และการใช้รอบเวลาตามสเปกของผู้ผลิต เมื่อตรวจสามข้อนี้ก่อนแล้วเปลี่ยนมาใช้ค่าที่วัดจริง เป้าหมายของการปรับปรุงจึงจะเริ่มมองเห็นได้

จากนั้นจึงหมุนวงจรที่ระบุองค์ประกอบต่ำที่สุดในสามตัว จำกัดมาตรการไว้ที่ความสูญเสียที่เกี่ยวข้อง แล้วตามดูจนกระทั่งผลอยู่ตัว ในแง่เกณฑ์เทียบวัดมีการกระจายตัวที่ค่ากลาง 60% กลุ่มบนสุด 25% อยู่ที่ 75% และ World Class ที่ 85% แต่ 85% เป็นค่าทางทฤษฎีของ TPM ไม่ใช่ตัวเลขที่โรงงานหลากรุ่นสินค้าจะยกขึ้นมาเป็นค่าเฉลี่ยรวม ขอให้วางเพดานที่ไปถึงได้ของแต่ละองค์ประกอบภายใต้ข้อจำกัดของโรงงานตัวเอง แล้วใช้ผลคูณนั้นเป็นเป้าหมาย

สำหรับโรงงานในประเทศไทยยังมีอีกสี่ประเด็นเพิ่มเข้ามา คือการเปลี่ยนรุ่นที่มากขึ้นจากการผลิตหลากรุ่น การเคลื่อนย้ายของกำลังคน ความต่างของนิยามในการรายงานกลับสำนักงานใหญ่ และการอยู่ร่วมกับงานด้านคาร์บอน โดยเฉพาะประเด็นสุดท้าย การทำให้ปริมาณการใช้ไฟฟ้าและอัตราการทำงานเครื่องจักรมองเห็นได้บนฐานข้อมูลเดียวกัน จะออกแบบให้ตอบสองความต้องการด้วยการลงทุนครั้งเดียวได้

การปรับปรุง OEE ตัดสินไปแล้วครึ่งหนึ่งตั้งแต่ตอนที่กำหนดว่าจะเริ่มวัดจากตรงไหน ก่อนจะไปเลือกเซ็นเซอร์ ขอให้เริ่มจากการเขียนนิยามของตัวเศษและตัวส่วนลงในเอกสารหนึ่งแผ่น

คำถามที่ว่าเครื่องจักรของคุณควรเริ่มวัดจากจุดไหน ดึงสัญญาณอะไรได้บ้าง และจะเชื่อมกับระบบเดิมอย่างไร คำตอบเปลี่ยนไปตามปีที่ผลิตของเครื่องและโครงสร้างของตู้ควบคุม TOMAS TECH รับปรึกษาแนวทางที่อิงเงื่อนไขของแต่ละหน้างานเช่นนี้ ผ่านประสบการณ์การวางระบบเฝ้าระวังการเดินเครื่องและระบบสอบกลับให้โรงงานญี่ปุ่นในประเทศไทย แม้ยังอยู่ในขั้นพิจารณาที่ทิศทางภายในองค์กรยังไม่นิ่งก็ไม่เป็นไร เล่าโครงสร้างเครื่องจักรและโจทย์ที่กำลังเจอให้เราฟังได้ที่หน้าติดต่อเรา เราเริ่มไปด้วยกันได้ตั้งแต่เรื่องรูปธรรมอย่างการตัดขอบเขตการวัด หรือการเลือกว่าเครื่องแรกควรวางไว้ที่ไหน

แหล่งอ้างอิง

• How to Calculate OEE in Industrial Production 2026 (TeepTrak) – สูตรคำนวณ OEE ตาม ISO 22400-2 และ Six Big Losses ของนากาจิมะ
• State of OEE 2026 (TeepTrak) – เกณฑ์เทียบวัด OEE ปี 2026 และรายงานส่วนต่างของการปรับปรุงจากผลการติดตั้งจริง
• OEE Benchmark (Fabrico) – การกระจายตัวตั้งแต่ค่ากลางอุตสาหกรรม 60% ถึงระดับ World Class 85% และผลสำรวจโรงงานในยุโรป 250 แห่งเมื่อปี 2025
• OEE Benchmarks (Symestic) – การเรียบเรียงค่าเป้าหมาย OEE ที่เป็นจริงแยกตามอุตสาหกรรม
• OEE คืออะไร (Nikken Tsunagu) – นิยามของ OEE จุดที่ควรปรับปรุง และกรณีการรวม KPI ของ NGK Insulators ใน 19 โรงงานต่างประเทศ
• OEE (Canon IT Solutions) – กรณีลดเวลาทำใบรายงานประจำวันลง 90% ด้วยการสร้างรายงาน OEE อัตโนมัติ