แนวทางแก้ปัญหาไมโครสต็อป 2026 – หาการหยุดที่ไม่ปรากฏในค่า Availability

ลองไปยืนดูอยู่หน้าเครื่องจักรสักหนึ่งชั่วโมง จะเห็นว่าไลน์หยุดครั้งแล้วครั้งเล่า โอเปอเรเตอร์เอามือปัดชิ้นงานที่ติดขัดออก กดรีเซ็ต แล้วอีก 20 วินาทีต่อมาเครื่องก็เดินต่อเหมือนไม่มีอะไรเกิดขึ้น ไม่มีใครเขียนเรื่องนี้ลงในรายงานประจำวัน แต่พอสิ้นเดือน ตัวเลขอัตราการเดินเครื่องกลับออกมาที่ 95% ซึ่งไม่ตรงกับความรู้สึกของหน้างานเลยแม้แต่น้อย เหตุผลที่แนวทางแก้ปัญหาไมโครสต็อป (การหยุดสั้น ๆ) มักไม่เข้าเป้า ก็เพราะสิ่งที่หน้างานเรียกว่าหยุด กับสิ่งที่สูตร OEE เก็บไว้ในช่องการหยุด ไม่ได้หมายถึงสิ่งเดียวกันตั้งแต่แรก บทความนี้จะเรียบเรียงว่าความคลาดเคลื่อนนั้นเกิดขึ้นตรงไหน และต้องมองตรงไหนของตัวชี้วัดตัวใดจึงจะจับมันได้

ทำไมมาตรการแก้ไมโครสต็อปถึงไม่เข้าเป้า

เวลากิจกรรมปรับปรุงเรื่องไมโครสต็อปเริ่มต้นขึ้น ส่วนใหญ่จะเริ่มจากคำสั่งว่าให้ยกอัตราการเดินเครื่องขึ้น เป้าหมายคืออัตราการเดินเครื่องกี่เปอร์เซ็นต์ ผู้รับผิดชอบคือฝ่ายวิศวกรรมการผลิต กำหนดเสร็จคือครึ่งปี แต่พอผ่านไปหกเดือน ตัวเลขแทบไม่ขยับ และเสียงที่กลับมาจากหน้างานคือความรู้สึกไม่ได้เปลี่ยนไปเลย บทสรุปแบบนี้ไม่ใช่ปัญหาความสามารถของผู้รับผิดชอบ แต่เป็นปัญหาเชิงโครงสร้างที่ว่า สิ่งที่วัดกับสิ่งที่อยากลด ไม่ใช่สิ่งเดียวกัน

คำว่าหยุดของหน้างาน กับการหยุดในสูตร OEE ไม่ใช่สิ่งเดียวกัน

ถ้าเดินไปถามโอเปอเรเตอร์ที่หน้างานว่าวันนี้เครื่องหยุดกี่ครั้ง คำตอบที่ได้มักจะตรงไปตรงมาว่าสิบหรือสิบห้าครั้ง แต่นิยามของคำว่าหยุดในคำตอบนั้นคือความรู้สึกของคนที่ยืนอยู่หน้าเครื่อง ชิ้นงานติดขัดจนต้องยื่นมือเข้าไป เซนเซอร์อ่านผิดจนไฟเตือนเปลี่ยนเป็นสีเหลือง สายพานว่างเพราะรอเติมวัสดุ ทุกกรณีล้วนเป็นการหยุดในสายตาของเจ้าตัวทั้งสิ้น

ในทางกลับกัน สิ่งที่ระบบติดตามการเดินเครื่องหรือ MES บันทึกไว้เป็นการหยุด คือเหตุการณ์ที่เข้าเงื่อนไขที่ตั้งไว้ล่วงหน้าเท่านั้น และในหลายกรณีเงื่อนไขนั้นคือสัญญาณเดินเครื่องจากตัวเครื่องอยู่ในสถานะปิดต่อเนื่องเกินค่าเกณฑ์ที่กำหนด ถ้าค่าเกณฑ์ถูกตั้งไว้ที่ 5 นาที การติดขัดที่แก้จบภายใน 20 วินาทีจะไม่มีอยู่จริงเลยในบันทึก โอเปอเรเตอร์บอกว่าหยุดไป 15 ครั้ง ระบบตอบว่า 2 ครั้ง ส่วนต่างตรงนี้คือตัวตนของไมโครสต็อป

จุดสำคัญคือ เวลาที่ไม่ได้ถูกบันทึกไม่ได้หายไปไหน ในทางบัญชีของระบบถือว่าเครื่องเดินอยู่ แต่ในความเป็นจริงช่วงเวลานั้นไม่มีชิ้นงานออกมา นั่นแปลว่าสภาพเดินอยู่แต่ผลผลิตไม่ถึงเป้าจะถูกผลักไปรวมอยู่ฝั่ง Performance (ประสิทธิภาพการเดินเครื่อง) ที่จะกล่าวถึงต่อไป ตัวเลขที่ออกมาจึงมีหน้าตาแบบที่ช่อง Availability (ความพร้อมใช้งาน) ยังสวยงามอยู่เหมือนเดิม แต่มีเฉพาะช่อง Performance ที่ต่ำอยู่โดยไม่มีใครอธิบายได้ ปัญหาที่มักถูกหยิบมาปรึกษาว่า Availability สูงแต่ OEE ไม่ยอมขึ้น จึงมีความเป็นไปได้สูงว่ากลไกการผลักไปรวมแบบนี้กำลังทำงานอยู่

ใครเป็นคนกำหนดเส้นแบ่งระหว่างไมโครสต็อปกับการหยุดยาว

เส้นแบ่งระหว่างไมโครสต็อปกับการหยุดยาว (เครื่องเสียหนัก) ไม่ได้มีอยู่จริงในฐานะปรากฏการณ์ทางกายภาพ แต่เป็นสิ่งที่ใครสักคนกำหนดขึ้นในเชิงการใช้งาน รายงานฉบับปี 2026 ของ TeepTrak ซึ่งรวบรวมค่าเทียบเคียงด้าน OEE ระบุค่าเกณฑ์ที่ใช้กันทั่วไปของไมโครสต็อปไว้ที่ต่ำกว่า 5 นาที และรายงานฉบับเดียวกันยังระบุว่า แม้จะแตกต่างกันไปตามประเภทอุตสาหกรรม แต่สัดส่วนของการหยุดที่สั้นกว่า 5 นาทีในความสูญเสียทั้งหมดสามารถสูงถึง 18-38% นั่นแปลว่าในโรงงานที่อยู่ใกล้ขอบบน เกือบ 4 ใน 10 ของความสูญเสียทั้งหมดประกอบขึ้นจากการหยุดที่มีขนาดเล็กจนหน้างานส่วนใหญ่ไม่ได้บันทึกไว้

ปัญหาคือ มีโรงงานจำนวนมากที่ไม่เคยมีใครกำหนดตัวเลข 5 นาทีนี้อย่างชัดแจ้ง อาจเป็นค่าที่ติดมากับฟังก์ชันบล็อกมาตรฐานของ PLC เป็นค่าตั้งต้นจากผู้ผลิตเครื่องจักร หรือเป็นค่าที่ผู้รับผิดชอบคนก่อนตั้งไว้แล้วค้างอยู่อย่างนั้น การกำหนดค่าเกณฑ์คือการตัดสินใจว่าจะให้ความสูญเสียขนาดไหนเข้ามาอยู่ในสายตาของฝ่ายบริหาร จึงไม่ใช่เรื่องที่ฝ่ายวิศวกรรมการผลิตควรตัดสินใจตามลำพัง แต่ในความเป็นจริงมันมักถูกตัดสินไปแล้วอย่างเงียบ ๆ ในหน้าจอตั้งค่า

ถ้าลดค่าเกณฑ์ลง จำนวนการหยุดที่เก็บได้จะเพิ่มขึ้น แต่จะมีปัญหาอีกแบบตามมา ถ้าลดลงไปถึง 10 วินาที การรอรอบทำงาน การหยุดชั่วคราวระหว่างการเปลี่ยนรุ่น ไปจนถึงการกระพริบชั่วขณะของเซนเซอร์ จะถูกยกขึ้นมาเป็นการหยุดหมด เหตุการณ์การหยุดในหนึ่งวันจะพุ่งไปหลายพันรายการ และการใช้งานแบบให้หน้างานใส่รหัสสาเหตุจะพังทันที การออกแบบค่าเกณฑ์จึงเป็นงานหาจุดสมดุลระหว่างความละเอียดของปรากฏการณ์ที่อยากเก็บ กับจำนวนรายการที่หน้างานยังกรอกไหวอย่างต่อเนื่อง ถ้าติดตั้งเซนเซอร์โดยไม่ตัดสินเรื่องนี้ก่อน สิ่งที่ได้คือแดชบอร์ดที่มีข้อมูลไหลออกมาแต่ไม่มีใครเปิดดู

ทำไม OEE จากบันทึกที่เขียนด้วยมือถึงสูงเกินจริง 8-15 จุด

มีโรงงานจำนวนไม่น้อยที่คำนวณ OEE จากรายงานประจำวันที่มีอยู่เดิมเพื่อทำความเข้าใจสถานะปัจจุบัน แล้วสรุปว่าของเราอยู่ที่ 75% ก็ถือว่าไม่แย่ แต่รายงานฉบับเดียวกันของ TeepTrak ชี้ว่า OEE ที่คำนวณจากบันทึกซึ่งเขียนด้วยมือมีแนวโน้มออกมาสูงกว่าค่าจริง 8-15 จุด ส่วนต่างนี้ไม่ได้เกิดจากการบิดเบือนข้อมูลหรือความมักง่าย แต่เกิดขึ้นตามธรรมชาติของการกระทำที่เรียกว่าการจดบันทึก

ข้อแรก คนเราไม่จดปัญหาที่ตัวเองแก้ได้แล้ว เตะให้ชิ้นงานที่ติดหลุดออก กดรีเซ็ต หมุนโรตารีเทเบิลด้วยมือนิดหน่อย สิ่งที่กลับมาเดินได้ภายในไม่กี่สิบวินาทีจะไม่ถูกรับรู้ว่าเป็นปัญหา จึงไปไม่ถึงช่องกรอก ข้อสอง บันทึกมักถูกเขียนย้อนหลังทีเดียว การนั่งนึกย้อนก่อนเลิกกะทำให้เหลือเฉพาะการหยุดก้อนใหญ่ที่ยังจำได้ ส่วนเรื่องเล็กจะถูกปัดทิ้ง ข้อสาม หน่วยของการบันทึกหยาบเกินไป ถ้าช่องในรายงานถูกออกแบบเป็นหน่วย 5 นาทีหรือ 10 นาที เหตุการณ์ที่สั้นกว่านั้นจะเขียนลงไม่ได้ในเชิงโครงสร้าง

ยิ่งกว่านั้น ช่องสาเหตุยังมีความบิดเบี้ยวอีกแบบทำงานอยู่ ต่อให้มีตัวเลือกสิบรายการ หน้างานจะเทไปที่หนึ่งหรือสองตัวเลือกที่กรอกง่ายที่สุด ข้อมูลจะกระจุกอยู่ที่รหัสอย่างวัสดุไม่ได้คุณภาพหรืออื่น ๆ และเมื่อรวมยอดออกมา อันดับหนึ่งของแผนภูมิพาเรโตจะกลายเป็นอื่น ๆ นี่ไม่ใช่ความมักง่ายของหน้างาน แต่เป็นผลของการเลือกตัวเลือกที่ปลอดภัยที่สุดในจังหวะที่ลังเลว่าจะจัดหมวดอย่างไรท่ามกลางงานที่รัดตัว การตั้งมาตรการโดยอิงข้อมูลที่เขียนด้วยมือ จึงเท่ากับวางแผนอยู่บนความบิดเบี้ยวสองชั้น คือการหยุดขนาดเล็กหล่นหาย และสาเหตุถูกปัดรวม

ยืนยันตำแหน่งของโรงงานตัวเองด้วย 4 ควอดรันต์ของการหยุด

การจะเรียบเรียงว่าไมโครสต็อปของโรงงานตัวเองอยู่ตรงไหน จะเห็นภาพชัดขึ้นถ้าตัดการหยุดด้วยแกนสองแกน แกนหนึ่งคือมีบันทึกเหลืออยู่ในระบบหรือไม่ อีกแกนหนึ่งคือคนเข้าไปแทรกแซงเพื่อให้กลับมาเดิน หรือเครื่องกลับมาเดินเองโดยอัตโนมัติ

เมื่อสร้าง 4 ควอดรันต์จากสองแกนนี้ จะเห็นชัดว่าแต่ละช่องต้องใช้วิธีการที่ต่างกัน

ควอดรันต์บนซ้ายเป็นพื้นที่ที่มองเห็นอยู่แล้ว ถ้าเครื่องเสียจนหยุด 30 นาที หัวหน้าไลน์ย่อมรู้ และมีบันทึกงานบำรุงรักษาเหลือไว้ ตรงนี้เป็นพื้นที่ที่วงจร PDCA ของการปรับปรุงหมุนอยู่แล้ว ผลของการลงทุนเพิ่มจึงค่อนข้างน้อย ปัญหาอยู่ที่สองช่องล่าง โดยเฉพาะช่องล่างขวา

สมรภูมิหลักของไมโครสต็อปคือควอดรันต์ไม่มีบันทึก x กลับมาเดินเอง เนื่องจากการหยุดในควอดรันต์นี้ไม่มีการเรียกคนเข้าไป มันจึงไม่ค้างอยู่ในความทรงจำของใคร และเนื่องจากเครื่องกลับมาเดินด้วยตัวเอง มันจึงมักไม่เหลือในประวัติความผิดปกติด้วย ทั้งที่ความถี่สูงจนเวลาสะสมมีขนาดที่มองข้ามไม่ได้ และความสูญเสียของควอดรันต์นี้จะไม่ถูกลงบัญชีใน Availability แต่จะละลายหายเข้าไปใน Performance นั่นแปลว่าต่อให้ตะโกนสั่งให้ยก Availability ขึ้นอีกกี่ครั้ง คำสั่งนั้นก็ไปไม่ถึงควอดรันต์นี้เลยแม้แต่นิดเดียว เพราะปลายทางของคำสั่งผิดตั้งแต่ต้น

ควอดรันต์ล่างซ้ายคือไม่มีบันทึก x คนเข้าไปแทรกแซง ก็มองข้ามไม่ได้เช่นกัน ตรงนี้เป็นพื้นที่ที่ถูกดูดซับด้วยความชำนาญของโอเปอเรเตอร์ ยิ่งคนเก่งยิ่งแก้ได้เร็ว เครื่องของคนเก่งจึงยิ่งดูเหมือนไม่มีปัญหาในเชิงข้อมูล โรงงานที่ยอดผลิตตกทันทีที่เปลี่ยนคน มีความเป็นไปได้สูงว่ากำลังพึ่งพาควอดรันต์นี้อยู่ ในสภาพแวดล้อมอย่างโรงงานในไทยและอาเซียนที่มีการหมุนเวียนของกำลังคนอยู่ระดับหนึ่ง คุณค่าของการทำให้ควอดรันต์นี้มองเห็นได้จึงสูงกว่าในญี่ปุ่น

โรงงานตัวเองเอนไปทางควอดรันต์ไหน สามารถคาดคะเนได้ในระดับหนึ่งจากข้อมูลที่มีอยู่แล้ว เพียงเอาจำนวนเหตุการณ์การหยุดจากล็อกของเครื่อง มาวางเทียบกับจำนวนครั้งที่หยุดตามความรู้สึกที่ได้จากการสัมภาษณ์โอเปอเรเตอร์ ยิ่งสองตัวเลขนี้ต่างกันมาก แปลว่าความสูญเสียยิ่งจมอยู่ในสองควอดรันต์ล่าง

องค์ประกอบ 3 ตัวของ OEE และที่อยู่ของไมโครสต็อป – จัดนิยามให้ตรงกันด้วย ISO 22400-2

สาเหตุส่วนใหญ่ที่การถกเรื่องไมโครสต็อปในบริษัทคุยกันไม่รู้เรื่อง อยู่ที่นิยามของตัวชี้วัดต่างกันไปในแต่ละคน แค่คำว่าอัตราการเดินเครื่องคำเดียว ก็มีทั้งคนที่หมายถึงสัดส่วนเวลาที่เครื่องเปิดไฟอยู่ และคนที่หมายถึงสัดส่วนเวลาผลิตของดีเทียบกับเวลาตามแผน นั่งอยู่ในห้องประชุมเดียวกัน ถ้าเริ่มคุยเรื่องตัวเลขโดยไม่จัดนิยามให้ตรงกันก่อน การถกเถียงจะสะดุดกลางทางแน่นอน

สำหรับ KPI ของภาคการผลิต มีมาตรฐานสากลชื่อ ISO 22400-2 ซึ่งนิยาม KPI ไว้ 34 ตัว และครอบคลุมทั้ง Availability, Performance, Quality (คุณภาพ) รวมถึง OEE (ประสิทธิผลโดยรวมของเครื่องจักร) ด้วย การวางมาตรฐานนี้ไว้เป็นจุดอ้างอิงภายในองค์กรจะทำให้สำนักงานใหญ่ที่ญี่ปุ่น โรงงานในไทย และผู้ผลิตเครื่องจักร ใช้ภาษาเดียวกันได้ โดยเฉพาะกรณีที่ต้องการเปรียบเทียบหลายฐานการผลิต ถ้าแต่ละฐานใช้นิยามอัตราการเดินเครื่องของตัวเอง การเปรียบเทียบจะเกิดขึ้นไม่ได้เลยตั้งแต่ต้น

ความสูญเสียตกลงไปอยู่ตรงไหนใน Availability, Performance และ Quality

OEE คือผลคูณของอัตราสามตัว ชนิดของความสูญเสียที่แต่ละตัวดูดซับไว้ เรียบเรียงได้ดังนี้

แถวที่สองของตารางนี้คือแก่นของบทความ การหยุดที่สั้นกว่าค่าเกณฑ์ ในเชิงนิยามถือว่าเครื่องเดินอยู่ แต่ในเวลานั้นไม่มีชิ้นงานออกมา ผลผลิตจริงจึงไปไม่ถึงจำนวนที่คาดหวังตาม ideal cycle time (รอบเวลามาตรฐาน) ผลลัพธ์คือ Performance ตกลง โดยไม่เหลือร่องรอยใด ๆ ในช่อง Availability

ด้วยเหตุนี้ การตั้งค่าเป้าหมายที่ Availability แล้วเรียกมันว่ามาตรการแก้ไมโครสต็อป จะทำให้กิจกรรมไหลไปที่การแก้เครื่องเสียและการปรับปรุงการเปลี่ยนรุ่นโดยปริยาย ตัวมันเองไม่ใช่เรื่องเลวร้าย แต่ไม่ได้แตะไมโครสต็อปที่อยากลดเลย ผลลัพธ์หลังผ่านไปครึ่งปีที่ว่าอัตราการเดินเครื่องขึ้นแต่ความรู้สึกไม่เปลี่ยน ก็เป็นผลจากการเดินมาตามเส้นทางนี้

ถ้าไม่กำหนด ideal cycle time ค่า Performance จะไม่ขยับ

การคำนวณ Performance ต้องมี ideal cycle time (รอบเวลามาตรฐาน คือเวลาต่อชิ้นที่เร็วที่สุดในทางทฤษฎี) อยู่ในตัวหาร และมีโรงงานจำนวนมากอย่างน่าตกใจที่ยังไม่ได้กำหนดค่านี้ ค่าตามแคตตาล็อกของผู้ผลิตเครื่องจักร ค่าจากการทดลองตอนเริ่มเดินเครื่อง สถิติที่เร็วที่สุดในช่วง 3 เดือนล่าสุด หรือค่าที่ใช้เป็นเวลามาตรฐานในการคำนวณต้นทุน ตัวเลือกมีหลายตัว และ Performance จะขยับได้มากตามค่าที่เลือกใช้

ถ้าใช้ค่าตามแคตตาล็อก Performance จะออกมาต่ำ เพราะไม่ได้รวมเงื่อนไขของวัสดุและจิ๊กที่ใช้จริง ถ้าใช้สถิติที่เร็วที่สุดในช่วงหลัง ค่าที่ได้จะกลายเป็นตัวเลขที่บังเอิญเงื่อนไขวันนั้นดี และกลายเป็นเป้าหมายที่ทำไม่ได้เรื้อรัง ถ้าใช้มาตรฐานต้นทุน เกณฑ์จะหลวมไปตามส่วนเผื่อที่รวมอยู่ในนั้น จนบางครั้งถึงขั้นที่มีไมโครสต็อปอยู่แต่ Performance ยังออกมาใกล้ 100%

ในทางปฏิบัติ การเก็บรอบเวลาที่วัดได้จริงในช่วงที่งานดีออกมาต่อเนื่องของแต่ละรหัสสินค้า แล้ววางค่าใกล้ค่ามัธยฐานเป็นค่าตั้งต้น เป็นวิธีที่จัดการง่ายที่สุด สิ่งสำคัญไม่ใช่ความถูกต้องสัมบูรณ์ของค่า แต่คือการบันทึกเหตุผลที่ใช้กำหนดไว้เป็นเอกสาร และเมื่อจะเปลี่ยนก็ต้องเปลี่ยนโดยมีข้อตกลงร่วมกัน ตัวชี้วัดที่ฐานอ้างอิงขยับไปมาจะเทียบกันตามเวลาไม่ได้ และใช้วัดผลของการปรับปรุงไม่ได้อีกต่อไป

อีกเรื่องหนึ่งคือ ideal cycle time แตกต่างกันไปตามรหัสสินค้า ถ้าตั้งค่ารอบเวลาเดียวสำหรับไลน์ที่ผลิตหลายรุ่น แค่สัดส่วนของรุ่นที่ผลิตเปลี่ยนไป Performance ก็ขยับ จนแยกไม่ออกจากการเพิ่มลดของไมโครสต็อป ถ้าจะทำให้ไมโครสต็อปมองเห็นได้ในไลน์ที่มีการเปลี่ยนรุ่นบ่อย การผูกข้อมูลหลักของรหัสสินค้าเข้ากับผลการผลิตจริงคือเงื่อนไขตั้งต้น ประเด็นนี้เป็นเรื่องของการจัดระบบฝั่งสารสนเทศมากกว่างานติดตั้งฝั่งเครื่องจักร และเป็นส่วนที่ต่อเชื่อมกับแนวคิดการแบ่งการลงทุน IoT ในโรงงานออกเป็น 5 ชั้นเพื่อประเมินค่าใช้จ่าย

ตัวอย่างการคำนวณ OEE

เพื่อให้เรื่องนิยามเป็นรูปธรรม ลองคำนวณด้วยกรณีสมมติสำหรับใช้อธิบาย ตัวเลขต่อไปนี้ไม่ได้อ้างอิงเครื่องจักรของบริษัทใด เป็นเพียงตัวอย่างเพื่อให้ไล่ลำดับการคำนวณด้วยมือได้

สมมติว่าหนึ่งกะของเครื่องจักรหนึ่งเครื่องมีเวลาผลิตตามแผน 480 นาที ในกะนี้ การหยุดที่ถูกบันทึกไว้ (เครื่องเสีย การเปลี่ยนรุ่น การรอวัสดุ) รวมกันได้ 60 นาที จำนวนผลิตทั้งหมด 630 ชิ้น ในจำนวนนั้นเป็นของเสีย 54 ชิ้น จึงเหลืองานดี 576 ชิ้น และกำหนดให้ ideal cycle time เท่ากับ 30 วินาทีต่อชิ้น

Availability คำนวณจากเวลาที่เดินจริง 480 – 60 = 420 นาที หารด้วยเวลาผลิตตามแผน ได้ 420 / 480 = 87.5% ส่วน Performance คำนวณจากเวลาที่ควรใช้ผลิต 630 ชิ้นตาม ideal cycle time คือ 630 x 30 วินาที = 18,900 วินาที = 315 นาที หารด้วยเวลาที่เดินจริง 420 นาที ได้ 315 / 420 = 75.0% ส่วน Quality คือ 576 / 630 = 91.4% และ OEE คือผลคูณของทั้งสามตัว 0.875 x 0.750 x 0.914 = 60.0%

ค่า 60.0% นี้อยู่ในระดับเดียวกันพอดีกับค่ามัธยฐานของ OEE ที่ 60% ซึ่งค่าเทียบเคียงปี 2026 ของ TeepTrak (450 โรงงาน) แสดงไว้ ค่าเทียบเคียงชุดเดียวกันระบุกลุ่มบนสุด 25% ไว้ที่ 75% และระดับที่เรียกว่าเวิลด์คลาสไว้ที่ 85% พูดอีกอย่างคือเครื่องจักรในตัวอย่างนี้อยู่ตรงกลางของโลก

ประเด็นจริงเริ่มตรงนี้ สมมติว่าในกะนี้มีการหยุดสั้นที่ต่ำกว่า 5 นาทีรวมกัน 45 นาที เนื่องจากค่าเกณฑ์ถูกตั้งไว้ที่ 5 นาที เวลา 45 นาทีก้อนนี้จึงไม่ถูกบันทึกเป็นการหยุด และถูกนับว่าเครื่องเดินอยู่ ถ้าบันทึก 45 นาทีนี้เป็นการหยุดได้ ตัวเลขจะเปลี่ยนไปอย่างไร

เวลาที่เดินจริงจะกลายเป็น 420 – 45 = 375 นาที Availability ลดลงเป็น 375 / 480 = 78.1% ในทางกลับกัน ตัวหารของ Performance กลายเป็น 375 นาที จึงเพิ่มขึ้นเป็น 315 / 375 = 84.0% ส่วน Quality ไม่เปลี่ยน คงอยู่ที่ 91.4% ผลคูณคือ 0.781 x 0.840 x 0.914 = 60.0% นั่นคือค่า OEE เองไม่เปลี่ยนแปลง

นี่คือความหมายของการทำไมโครสต็อปให้มองเห็นได้ ค่ารวมของ OEE ไม่ขยับ แต่ที่อยู่ของความสูญเสียย้ายไปฝั่ง Availability เมื่อ Availability ที่เคยเป็น 87.5% กลายเป็น 78.1% ข้อเท็จจริงที่ว่ามีการหยุดขนาด 9.4 จุดอยู่ตรงนี้จึงปรากฏออกมาเป็นตัวเลขได้เป็นครั้งแรก พูดกลับกันคือ ถ้ายังไม่ทำให้มองเห็นแล้วเอาแต่จ้อง OEE อย่างเดียว โดยหลักการแล้วจะตรวจจับการมีอยู่ของไมโครสต็อปไม่ได้เลย การที่ Availability สูงจึงไม่ใช่หลักฐานว่าไมโครสต็อปมีน้อย

5 ชั้นของการติดตั้งระบบทำให้ไมโครสต็อปมองเห็นได้

แล้วในทางปฏิบัติต้องสร้างอย่างไร โครงสร้างของการเก็บข้อมูลเครื่องจักรถ้าเรียบเรียงเป็น 5 ชั้นจากล่างขึ้นบน จะหาช่องโหว่ของการออกแบบได้ง่ายขึ้น ต่อไปนี้จะเรียงว่าแต่ละชั้นต้องตัดสินอะไร และถ้าไม่ตัดสินจะเกิดอะไรขึ้น

5 ชั้นนี้ดูเผิน ๆ เหมือนจะยากขึ้นเรื่อย ๆ จากล่างขึ้นบน แต่ในความเป็นจริงชั้นที่ 3 และชั้นที่ 5 ยากที่สุด ชั้นที่ 1 และชั้นที่ 2 เป็นเรื่องของเทคนิค ขอแค่ข้อกำหนดชัดเจนก็ลงมือทำได้ ส่วนตั้งแต่ชั้นที่ 3 ขึ้นไปกลายเป็นเรื่องของการใช้งานจริงและเรื่องขององค์กร

เรื่องแรกที่มักลังเลในชั้นที่ 1 คือจะดึงสัญญาณมาจากไหน ถ้า PLC มีพอร์ตอีเทอร์เน็ต และขอแผนที่แอดเดรสจากผู้ผลิตเครื่องจักรได้ การดึงผ่านการสื่อสารจะให้ปริมาณข้อมูลมากที่สุด แต่กับเครื่องเก่าคงทำแบบนั้นไม่ได้ ในกรณีนั้นต้องใช้วิธีที่ไม่รุกล้ำ เช่น อ่านสถานะการติดของไฟสามสี (signal tower ซึ่งมักถูกใช้เป็นอุปกรณ์แสดงผลของระบบ andon ด้วย) ด้วยแรงดันไฟฟ้า หรือพ่วงหน้าสัมผัสขนานออกมาจากเอาต์พุตของตัวนับที่มีอยู่เดิม ไฟสามสีมีจุดอ่อนตรงที่จะติดเฉพาะกรณีที่เครื่องตัดสินว่าตัวเองผิดปกติเท่านั้น แต่ข้อดีคืองานติดตั้งเพิ่มมีขนาดเล็กและเริ่มได้โดยไม่ต้องหยุดเครื่องที่มีอยู่ รายละเอียดของทางเลือกนี้เรียบเรียงไว้ในวิธีดำเนินการเรโทรฟิตเพื่อทำให้เครื่องจักรเดิมเชื่อมต่อ IoT

การนับจำนวนผลิตมีหลุมพรางเฉพาะตัว ถ้าไม่ตรวจสอบทีละเครื่องว่า 1 พัลส์หมายถึง 1 ชิ้นหรือ 1 ช็อต (แบบขึ้นรูปหลายชิ้นต่อครั้ง) ค่า Performance จะเพี้ยนไปทั้งก้อน อีกทั้งในเครื่องที่นับการยิงทดลองหรือการยิงเปล่าเข้าไปด้วย ต้องมีกลไกคัดออก ถ้าเริ่มเดินระบบโดยไม่เคลียร์ตรงนี้ ในการประชุมรายเดือนครั้งแรกจะโดนบอกว่าตัวเลขนี้ไม่ตรงกับของจริง แล้วหลังจากนั้นจะไม่มีใครดูระบบอีกเลย ความเชื่อถือในข้อมูลถูกตัดสินในครั้งแรกครั้งเดียว

ในชั้นที่ 2 นอกจากค่าเกณฑ์แล้วยังต้องออกแบบการกรองสัญญาณกระพริบด้วย สัญญาณจากไฟสามสีและเซนเซอร์อาจสลับสถานะชั่วขณะได้จากการสั่นสะเทือนเชิงกลหรือสภาพของสายไฟ ถ้าไม่ใส่ตัวกรองที่ตัดการเปลี่ยนแปลงซึ่งสั้นกว่าไม่กี่ร้อยมิลลิวินาทีทิ้ง จะเกิดการหยุดที่ไม่มีอยู่จริงขึ้นมาจำนวนมาก ในทางกลับกัน ถ้าตั้งตัวกรองแรงเกินไปก็จะลบการหยุดสั้นของจริงทิ้งไปด้วย จึงต้องเผื่อช่วงเวลาสำหรับเก็บล็อกที่หน้างานสองสามวันแล้วปรับจูนไว้ในแผนงาน

ชั้นที่ 3 คือการกรอกสาเหตุ เป็นจุดที่ปรัชญาการออกแบบแสดงออกมาชัดที่สุดในโครงสร้างนี้ ถ้าทำรหัสสาเหตุให้ละเอียด การวิเคราะห์จะแม่นยำขึ้น แต่ภาระการกรอกของหน้างานจะเพิ่มขึ้น ในทางปฏิบัติ รูปแบบที่ทำต่อเนื่องได้คือจำกัดลำดับชั้นที่หนึ่งไว้ที่ 5-7 รายการ แล้วให้มีลำดับชั้นที่สองเฉพาะเครื่องที่จำเป็น ส่วนจะให้โอเปอเรเตอร์หรือหัวหน้าไลน์เป็นผู้กรอก และจะกรอกทันทีตรงนั้นหรือรวบกรอกตอนพัก ก็ต้องตัดสินไว้ล่วงหน้าเช่นกัน ถ้าเริ่มโดยไม่ตัดสิน จะกลายเป็นการใช้งานแบบใครกรอกได้ก็กรอกตอนที่กรอกได้ และข้อมูลที่ขาดหายจะเอนไปกระจุกอยู่ที่บางกะหรือบางเครื่อง ข้อมูลที่ขาดหายแบบเอนเอียงนั้นน่ากลัวกว่าการไม่มีข้อมูลเลย

สำหรับชั้นที่ 4 และชั้นที่ 5 การตัดสินก่อนว่าใครดูเมื่อไรและตัดสินอะไร ได้ผลมากกว่าการออกตัวชี้วัดเอง ถ้าไม่มีรูปแบบการใช้งานอย่างการอ่านสาเหตุ 3 อันดับแรกของพาเรโตเมื่อวานในการประชุมเช้า หรือการตรวจความคืบหน้าของมาตรการในวงประชุมประจำสัปดาห์ การลงทุนตั้งแต่ชั้นที่ 1 ถึงชั้นที่ 3 จะไม่ถูกคืนทุน

เมื่อกำจัดอันดับ 1 ของพาเรโตแล้วยังไม่ได้ผล

พอการทำให้มองเห็นเริ่มเดิน ในเดือนแรกแผนภูมิพาเรโตจะออกมา ตั้งมาตรการกำจัดสาเหตุอันดับหนึ่ง ลงมือทำ แล้วตรวจผลในเดือนถัดไป ลำดับขั้นแบบนี้ถูกต้องแล้ว แต่บางครั้งผลที่คาดหวังกลับไม่ออกมา สาเหตุส่วนใหญ่อยู่ที่การเลือกวิธีเรียงลำดับ

เรียงตามความถี่ หรือเรียงตามเวลาสะสม

แกนที่ใช้เรียงสาเหตุการหยุดมีอย่างน้อย 2 แบบ คือจำนวนครั้งที่เกิด (ความถี่) กับเวลาการหยุดสะสม และสองแบบนี้มักสลับอันดับกันบ่อย ๆ

ตัวอย่างเช่น เปรียบเทียบสาเหตุ A ที่เป็นการติดขัดครั้งละ 20 วินาที เกิดเดือนละ 600 ครั้ง กับสาเหตุ B ที่เป็นการปรับตั้งครั้งละ 40 นาที เกิดเดือนละ 4 ครั้ง ถ้าดูจำนวนครั้ง A ได้ 600 ครั้ง B ได้ 4 ครั้ง A ชนะขาดลอยเป็นอันดับหนึ่ง แต่ถ้าดูเวลาสะสม A ได้ 200 นาที B ได้ 160 นาที ระยะห่างหดลงมามาก และถ้าจำนวนครั้งน้อยกว่านี้อีกนิดเดียว อันดับก็พลิกกลับ พาเรโตที่เรียงตามความถี่กับพาเรโตที่เรียงตามเวลา จึงเป็นคนละภาพกัน

ควรดูตัวไหนขึ้นอยู่กับลักษณะของมาตรการ ถ้าคิดถึงมาตรการถาวรอย่างการเปลี่ยนกลไกของเครื่องหรือการทำจิ๊กขึ้นใหม่ การเรียงตามเวลาสะสมจะช่วยตัดสินความคุ้มค่าของการลงทุนได้ง่ายกว่า ในทางกลับกัน ถ้าคิดถึงภาระของโอเปอเรเตอร์และความเสี่ยงด้านคุณภาพ ความถี่จะได้ผลมากกว่า การที่การติดขัด 20 วินาทีเกิดขึ้นเดือนละ 600 ครั้ง แปลว่าวันละ 27 ครั้ง และในหนึ่งกะโอเปอเรเตอร์ต้องยื่นมือเข้าไปในเครื่องราวสิบกว่าครั้ง ความถี่ระดับนี้มาพร้อมความเสี่ยงของการยื่นมือเข้าไปเอง (การบาดเจ็บ ตำแหน่งเคลื่อน ความสามารถในการทำซ้ำที่ลดลง) และการสูญเสียเวลาที่ควรใช้ดูแลเครื่องอื่น ถ้ามองแต่เวลาสะสมอย่างเดียว ภาระก้อนนี้จะไม่เข้ามาในสายตา

ในทางปฏิบัติ การออกทั้งสองแบบมาวางคู่กัน แล้วเริ่มลงมือจากสาเหตุที่ขึ้นมาอยู่อันดับต้นทั้งสองแบบ เป็นวิธีที่ปลอดภัยที่สุด ส่วนสาเหตุที่ขึ้นอันดับต้นเพียงแบบเดียว อย่าเพิ่งแตะจนกว่าจะอธิบายได้ว่าทำไมถึงขึ้นแค่แบบเดียว อันดับที่อธิบายไม่ได้มักบ่งชี้ปัญหาของวิธีเก็บข้อมูล

กับดักอีกอย่างคือความเอนเอียงของรหัสสาเหตุ อย่างที่กล่าวไปแล้ว หน้างานจะเทไปที่รหัสที่กรอกง่าย พาเรโตที่มีอื่น ๆ หรือวัสดุไม่ได้คุณภาพยืนอยู่อันดับหนึ่ง กำลังแสดงการกระจายของพฤติกรรมการกรอก ไม่ใช่การกระจายของปรากฏการณ์ ในสภาพแบบนี้ ต่อให้จะกำจัดอันดับหนึ่งก็ระบุเป้าหมายไม่ได้ จึงออกมาตรการไม่ได้ ถ้าอันดับหนึ่งของพาเรโตคืออื่น ๆ สิ่งที่ต้องทำก่อนคือแก้การออกแบบรหัสสาเหตุและวิธีใช้งานการกรอก

ลดเวลาการเปลี่ยนรุ่นก่อน หรือแก้ไมโครสต็อปก่อน

คำถามที่พบบ่อยคือจะจัดสรรทรัพยากรที่มีจำกัดไปทางไหน ข้อมูลประกอบการตัดสินใจอยู่ในตัวเลขของโรงงานตัวเอง เพียงออกรายละเอียดของความสูญเสียด้าน Availability มาดู แล้วเทียบเวลาที่การเปลี่ยนรุ่นกินไป กับเวลาที่จะย้ายเข้ามาเมื่อทำไมโครสต็อปให้มองเห็นได้

โดยทั่วไป ไลน์ที่สลับรุ่นหลายครั้งต่อวันจะมีน้ำหนักไปทางการเปลี่ยนรุ่น ส่วนไลน์ที่ผลิตรุ่นไม่กี่รุ่นยาว ๆ จะมีน้ำหนักไปทางไมโครสต็อป แต่การตัดสินนี้มีปัญหาเรื่องลำดับอยู่ ในสภาพที่ยังไม่ได้ทำไมโครสต็อปให้มองเห็น เราไม่มีข้อมูลสำหรับเปรียบเทียบตั้งแต่แรก ถ้าสรุปว่าปัญหาของเราคือการเปลี่ยนรุ่นโดยอ้างว่า Availability สูง ก็จะมองข้ามเวลาที่จมอยู่ใน Performance ตามที่กล่าวไปแล้ว

อีกเรื่องหนึ่งคือ การลดเวลาการเปลี่ยนรุ่นกับการแก้ไมโครสต็อปมีลักษณะการปรากฏของผลลัพธ์ต่างกัน การปรับปรุงการเปลี่ยนรุ่นมีผลของการลดเวลาต่อครั้งที่ก้อนใหญ่ ผลงานจึงมองเห็นง่าย ส่วนการแก้ไมโครสต็อปมีผลต่อรายการที่เล็ก และได้ผลด้วยจำนวนครั้ง จึงต้องใช้เวลากว่าจะยืนยันผลได้ ในสถานการณ์ที่ถูกเรียกร้องผลงานระยะสั้น การเริ่มจากการเปลี่ยนรุ่นเป็นทางเลือกที่สมจริง แต่ถึงอย่างนั้นก็ควรเริ่มเก็บข้อมูลไมโครสต็อปคู่ขนานไปด้วย เพราะข้อมูลต้องใช้เวลาสะสม และถ้าต้องการดูภาพรวมทั้งสายธาร การหยิบมุมมองเรื่องการค้างระหว่างกระบวนการและระดับสต๊อกเข้ามาประกอบ ก็ช่วยให้ตัดสินลำดับความสำคัญได้แม่นขึ้น

ค่าใช้จ่ายและการคืนทุน – ตัวอย่างคำนวณโรงงานในไทย 20 เครื่อง

มาที่เรื่องตัวเงิน ตรงนี้จะวางเงื่อนไขว่าเป็นโรงงานในไทย เครื่องเป้าหมาย 20 เครื่อง ทำงาน 2 กะ เดินเครื่อง 22 วันต่อเดือน แล้วแสดงตัวอย่างการประเมินค่าใช้จ่ายเริ่มต้นตามโครงสร้าง 5 ชั้น ใบเสนอราคาจริงจะเปลี่ยนไปตามชนิดของเครื่อง ระยะการเดินสาย และสภาพเครือข่ายที่มีอยู่เดิม ขอให้อ่านสิ่งต่อไปนี้เป็นตัวอย่างเพื่อจับหลักของขนาดตัวเลข

สิ่งที่สะดุดตาในโครงสร้างนี้คือ ค่าออกแบบ เดินสาย และอบรม 430,000 บาท มีขนาดใหญ่กว่าตัวฮาร์ดแวร์เอง การออกแบบว่าจะดึงสัญญาณจากไหน งานภายในตู้ควบคุม และการอบรมหน้างาน ล้วนเพิ่มขึ้นตามจำนวนเครื่อง อีกทั้งชั่วโมงงานยังคาดการณ์ยากตามสภาพของเครื่องเดิม ถ้าพยายามบีบตรงนี้ด้วยการทำเองทั้งหมด บางครั้งการเริ่มใช้งานจะล่าช้าไปหลายเดือน

นอกจากค่าใช้จ่ายเริ่มต้นแล้ว ค่าใช้จ่ายรายปียังต้องเผื่อค่าบำรุงรักษา 180,000 บาท ค่าสื่อสาร 36,000 บาท และอะไหล่สำรอง 24,000 บาท รวมเป็น 240,000 บาท ถ้าคิดเป็นรายเดือนคือ 240,000 / 12 = 20,000 บาท

ต่อไปคือฝั่งผลลัพธ์ ขอระบุให้ชัดว่าตั้งแต่ตรงนี้ไปมีสมมติฐานที่วางไว้ชั่วคราวปนอยู่ การคำนวณต่อไปนี้เป็นกรอบความคิดในความหมายว่าให้เอาตัวเลขของโรงงานตัวเองมาแทนค่าด้วยวิธีคิดแบบนี้ ไม่ได้แปลว่าจำนวนเงินนี้รับประกันได้ ขอให้ผู้อ่านเปลี่ยนสมมติฐานที่ทำตัวหนาไว้เป็นค่าของโรงงานตัวเอง แล้วคำนวณใหม่ตามลำดับเดิม

สมมติฐานที่ 1 เวลาเดินเครื่องของเครื่องเป้าหมาย (ฐานที่ตรงกับเวลาผลิตตามแผนของ OEE) คือ 20 เครื่อง x 16 ชั่วโมงต่อวัน x 22 วันต่อเดือน = 7,040 เครื่อง-ชั่วโมงต่อเดือน

สมมติฐานที่ 2 วางกำไรขั้นต้นที่เกิดขึ้นต่อ 1 เครื่อง-ชั่วโมงไว้ชั่วคราวที่ 450 บาท ตรงนี้เป็นตัวแปรที่ต่างกันมากที่สุดระหว่างโรงงาน และเปลี่ยนไปมากตามราคาต่อหน่วยของสินค้า สัดส่วนค่าวัสดุ และตำแหน่งของเครื่องในสายการผลิต (เป็นคอขวดหรือไม่) ค่าของโรงงานตัวเองประเมินคร่าว ๆ ได้จากการเอากำไรขั้นต้นรายเดือนของกลุ่มสินค้าที่ผ่านเครื่องนั้น หารด้วยเครื่อง-ชั่วโมงรายเดือนของเครื่องนั้น ถ้าไม่ใช่กระบวนการคอขวด ค่านี้จะเล็กลง และการตัดสินใจลงทุนจะต้องระมัดระวังมากขึ้น

สมมติฐานที่ 3 สมมติว่าการทำให้มองเห็นได้และการใช้งานเพื่อปรับปรุงทำให้ OEE ดีขึ้น 3 จุด เมื่อนั้นเวลาเดินเครื่องที่เพิ่มขึ้นเทียบเท่ากับ 7,040 x 0.03 = 211.2 เครื่อง-ชั่วโมงต่อเดือน คิดเป็นเงินคือ 211.2 x 450 = 95,040 บาทต่อเดือน หักค่าใช้จ่ายรายเดือน 20,000 บาทออก จะเหลือส่วนเพิ่มสุทธิ 95,040 – 20,000 = 75,040 บาทต่อเดือน เอาค่าใช้จ่ายเริ่มต้น 1,100,000 บาทหารด้วยตัวเลขนี้ ได้ 1,100,000 / 75,040 = ประมาณ 15 เดือน จึงคืนทุน

ปัญหาคือ 3 จุดนี้ไม่ใช่เรื่องธรรมดาที่จะได้มา ลองคำนวณกรณีเปรียบเทียบด้วยสูตรเดียวกัน โดยให้การปรับปรุงหยุดอยู่แค่ 1 จุด จะได้ 7,040 x 0.01 = 70.4 เครื่อง-ชั่วโมงต่อเดือน 70.4 x 450 = 31,680 บาทต่อเดือน ส่วนเพิ่มสุทธิคือ 31,680 – 20,000 = 11,680 บาทต่อเดือน การคืนทุนคือ 1,100,000 / 11,680 = ประมาณ 94 เดือน หรือราว 8 ปี เมื่อคิดถึงรอบการเปลี่ยนเครื่องจักรและความล้าสมัยของระบบ ระดับนี้ต้องถือว่าในทางปฏิบัติแล้วไม่คืนทุน

ค่าใช้จ่ายเริ่มต้นเท่ากัน จำนวนเซนเซอร์เท่ากัน ซอฟต์แวร์ตัวเดียวกัน แต่ระยะคืนทุนแยกออกเป็น 15 เดือนกับ 8 ปี สิ่งที่ทำให้แยกไม่ใช่สเปกของฮาร์ดแวร์ แต่คือประเด็นเดียวว่าข้อมูลที่เก็บมาได้จะขยับตัวเลขได้กี่จุด นั่นแปลว่าการถกเรื่องจะเอาหรือไม่เอาระบบด้วยคำถามว่าจะติดเซนเซอร์กี่ตัว คือการวางแกนตัดสินผิดที่ คำถามที่ควรถามคือหน้างานจะกรอกรหัสสาเหตุต่อเนื่องได้หรือไม่ มีคนที่ดูอันดับต้นของพาเรโตทุกสัปดาห์แล้วตัดสินมาตรการหรือไม่ และจะวัดผลของมาตรการด้วยเกณฑ์เดิมได้ต่อเนื่องหรือไม่ ทั้งหมดคือคำถามว่าชั้นที่ 3 กับชั้นที่ 5 จะหมุนได้หรือไม่

ถ้ายังไม่มั่นใจในระบบการใช้งานของชั้นที่ 5 ทางเลือกไม่ใช่การไม่ทำ แต่คือการเริ่มด้วยขนาดที่เล็กลง ถ้าลดเป้าหมายจาก 20 เครื่องเหลือไม่กี่เครื่อง ค่าใช้จ่ายเริ่มต้นจะลดลง และขยายต่อได้หลังยืนยันว่าการใช้งานหมุนจริง สำหรับการลงทุนที่ระยะคืนทุนอ่อนไหวสูงแบบนี้ การยืนยันความสามารถในการทำซ้ำของการใช้งานก่อนขยายขนาด เป็นทางที่สมเหตุสมผลกว่า

ประเด็นที่เพิ่มเข้ามาสำหรับโรงงานในไทยและอาเซียน

ที่ผ่านมาเป็นเรื่องโครงสร้างที่ไม่ขึ้นกับประเทศ สำหรับโรงงานในไทยและอาเซียนจะมีประเด็นเพิ่มขึ้นมาอีกหลายข้อ

ข้อแรกคือการรองรับหลายภาษาของรหัสสาเหตุ ถ้าหน้าจอของเครื่องกรอกข้อมูลที่หน้างานแสดงเฉพาะภาษาญี่ปุ่น การกรอกจะไม่ต่อเนื่อง ต้องมีการแสดงผลภาษาไทย และถ้าจำเป็นก็ต้องมีภาษาเมียนมาหรือภาษาเขมรด้วย จุดสำคัญตรงนี้ไม่ใช่คุณภาพของคำแปล แต่คือการแยกรหัสออกจากป้ายข้อความ ถ้าไม่ออกแบบให้การรวมยอดทำที่ระดับรหัส และสลับเฉพาะการแสดงผลตามภาษา ทุกครั้งที่เพิ่มภาษาในภายหลัง การรวมยอดจะถูกตัดขาดออกจากกัน นอกจากนี้ การใส่ไอคอนหรือรูปถ่ายประกอบป้ายข้อความจะทำให้กรอกได้โดยไม่ต้องพึ่งการอ่านเขียน

ข้อสองคือการหมุนเวียนของกำลังคนกับการใช้งานการกรอก ควอดรันต์ไม่มีบันทึก x คนเข้าไปแทรกแซงที่กล่าวไปแล้ว คือพื้นที่ที่ถูกดูดซับด้วยทักษะของโอเปอเรเตอร์ที่ชำนาญ พอเปลี่ยนคน ตรงนี้จะโผล่ขึ้นมาบนผิวน้ำ พูดกลับกันคือ ถ้าทำควอดรันต์นี้ให้มองเห็นไว้ เป้าหมายของการอบรมจะเป็นรูปธรรมขึ้น ถ้าชี้ด้วยข้อมูลได้ว่ารหัสสินค้าไหนติดขัดบ่อย และเครื่องไหนที่ต้องยื่นมือเข้าไปหลายครั้ง เนื้อหาของการส่งมอบงานจะเปลี่ยนจากการเล่าประสบการณ์ไปเป็นขั้นตอนปฏิบัติ

ข้อสามคือการสนับสนุนการลงทุนจากภายนอก BOI (คณะกรรมการส่งเสริมการลงทุน) สนับสนุนการลงทุนเพื่อทำให้โรงงานฉลาดขึ้นภายใต้กรอบ Smart and Sustainable Industry และมีการเผยแพร่ว่าในครึ่งแรกของปี 2026 มีคำขอ 132 โครงการ มูลค่า 17,200 ล้านบาท การลงทุนด้านการติดตามการเดินเครื่องและการเก็บข้อมูลจะเข้าข่ายกรอบนี้หรือไม่ต้องพิจารณาเป็นรายกรณี แต่ถ้าขนาดของเงินลงทุนใหญ่ ก็คุ้มที่จะตรวจสอบล่วงหน้า เงื่อนไขของมาตรการเปลี่ยนแปลงได้ การเข้าไปดูเอกสารเผยแพร่ของ BOI โดยตรงจึงแน่นอนที่สุด

ข้อสี่คือการเปลี่ยนแปลงของสภาพแวดล้อมทางธุรกิจ มีรายงานว่าดัชนีผลผลิตภาคอุตสาหกรรมของไทยในเดือนมิถุนายน 2026 ลดลง 3.1% เมื่อเทียบกับเดือนเดียวกันของปีก่อน และการผลิตรถยนต์ในเดือนเดียวกันลดลง 7.55% (Business Recorder) ในช่วงที่ปริมาณการผลิตไม่โต การลงทุนเพื่อลดของที่หลุดมือจากเครื่องที่มีอยู่เดิม มักถูกพิจารณามากกว่าการลงทุนเพิ่มเครื่อง ในทางกลับกัน การวัด OEE ในสภาพที่อัตราการเดินเครื่องกำลังลดลง ตัวเลขจะขยับได้มากตามวิธีวางเวลาผลิตตามแผน ถ้าไม่ตัดสินก่อนว่าจะยกเวลาที่ไม่ได้เดินเครื่องเพราะความต้องการตลาดออกไปเป็นการหยุดตามแผน หรือจะนับรวมไว้ การเปรียบเทียบรายเดือนจะทำไม่ได้

ข้อห้าคือการเปรียบเทียบกับค่าแรง ตามที่ Thai Law Online เรียบเรียงไว้ ค่าจ้างขั้นต่ำของไทยในปี 2026 อยู่ในช่วง 337-400 บาทต่อวันตามแต่ละจังหวัด เมื่อตั้งอยู่บนระดับนี้ แนวคิดที่ว่าจะใช้คนดูดซับภาระการกรอกข้อมูลดูเหมือนจะเป็นไปได้ แต่วัตถุประสงค์ของการบันทึกไม่ใช่การลดชั่วโมงงาน หากคือการได้ข้อมูลที่ใช้ตัดสินใจได้อย่างต่อเนื่อง ข้อชี้ก่อนหน้านี้ที่ว่าบันทึกซึ่งเขียนด้วยมือทำให้ OEE ดูสูงเกินจริง 8-15 จุด จึงมีน้ำหนักมากในประเด็นนี้ ต่อให้เพิ่มคน ความขาดหายเชิงโครงสร้างที่ว่าการหยุดขนาดเล็กไปไม่ถึงบันทึกก็ยังอุดได้ยากอยู่ดี

ข้อหกคือเรื่องเขตเวลาและเครือข่าย ในกรณีที่สำนักงานใหญ่ที่ญี่ปุ่นต้องการติดตามสถานะการเดินเครื่องของโรงงานในต่างประเทศ ไทยกับญี่ปุ่นต่างกัน 2 ชั่วโมง ถ้าสำนักงานใหญ่จะดูช่วงเริ่มเดินเครื่องตอนเช้าของไทย ก็จะตรงกับเวลาญี่ปุ่นราว 10 โมงเช้า ถ้าเรียกร้องความเป็นเรียลไทม์ โครงสร้างของวงจรสื่อสารและเซิร์ฟเวอร์จะหนักขึ้น ในหลายกรณีการออกแบบที่สมจริงกว่าคือให้สำนักงานใหญ่ดูยอดรวมรายวันก็เพียงพอ และตัดขาดว่าเรียลไทม์มีไว้ให้หน้างานท้องถิ่นใช้ตัดสินใจ ส่วนโครงสร้างที่ต่อเครือข่ายฝั่งโรงงานเข้ากับระบบของสำนักงานใหญ่โดยตรง จะพ่วงการถกเรื่องข้อกำหนดด้านความปลอดภัยและผู้รับผิดชอบการดูแลระบบ จึงควรดึงฝ่ายสารสนเทศเข้ามาร่วมตั้งแต่ช่วงต้นของการกำหนดความต้องการ และถ้าจะขยายการเฝ้าติดตามสถานะของเครื่องจักรไปจนถึงการยกระดับงานบำรุงรักษา ประเด็นที่ต้องพิจารณาจะทับซ้อนกับที่เขียนไว้ในการตัดสินใจนำระบบบำรุงรักษาเชิงพยากรณ์มาใช้

90 วันแรกต้องทำอะไร

วาง 90 วันบนสมมติฐานว่าจะไม่ขยายทุกไลน์ในทันที วัตถุประสงค์ไม่ใช่การสร้างผลงาน แต่คือการยืนยันว่าชั้นที่ 3 และชั้นที่ 5 หมุนได้จริงในองค์กรของเราหรือไม่

30 วันแรกใช้เป็นช่วงจัดนิยามให้ตรงกัน จำกัดเครื่องเป้าหมายไว้ที่ 3-5 เครื่อง แล้วจัดทำเอกสารนิยามของ Availability, Performance และ Quality ให้สอดคล้องกับ ISO 22400-2 กำหนดค่าเกณฑ์ของการหยุดไว้ชั่วคราว (หลายกรณีเริ่มจาก 5 นาที) และทำรายการสิ่งที่จะยกเว้นเป็นการหยุดตามแผน คู่ขนานกันไปคือวัด ideal cycle time ของรหัสสินค้าเป้าหมายจริง แล้วบันทึกไว้พร้อมเหตุผลที่ใช้กำหนด ใน 30 วันนี้ยังไม่ต้องติดเซนเซอร์แม้แต่ตัวเดียว

30 วันถัดมาคือการตั้งชั้นที่ 1 และชั้นที่ 2 ขึ้นมา กำหนดวิธีรับสัญญาณให้ชัด ติดตั้งเข้ากับเครื่องเป้าหมาย แล้วดูล็อกดิบสองสามวันเพื่อปรับการกรองสัญญาณกระพริบและค่าเกณฑ์ สิ่งที่ต้องตรวจให้ได้ในช่วงนี้คือจำนวนผลิตของระบบตรงกับตัวนับที่หน้างานหรือไม่ ถ้าเดินหน้าต่อทั้งที่ยังไม่ตรง ตัวเลขทั้งหมดในชั้นถัดไปจะไม่มีใครเชื่อ พร้อมกันนั้นให้เอาจำนวนครั้งที่หยุดตามความรู้สึกที่ได้จากการสัมภาษณ์โอเปอเรเตอร์ มาเทียบกับจำนวนเหตุการณ์ที่ระบบตรวจจับได้ ส่วนต่างนี้จะเป็นเบาะแสว่าความสูญเสียจมอยู่ที่ควอดรันต์ไหนใน 4 ควอดรันต์ที่กล่าวไปแล้ว

30 วันสุดท้ายให้ทุ่มไปที่ชั้นที่ 3 และชั้นที่ 5 ใช้งานรหัสสาเหตุแบบชั่วคราวด้วยจำนวน 5-7 รายการ แล้วดูอัตราการกรอกและสัดส่วนของอื่น ๆ ทุกวัน ถ้ามีช่วงเวลาหรือกะที่อัตราการกรอกตก ให้ปรับจำนวนรหัสหรือจังหวะการกรอก สัปดาห์ละครั้งให้ออกพาเรโตทั้งแบบความถี่และแบบเวลาสะสม แล้วเลือกสาเหตุที่ขึ้นอันดับต้นร่วมกันมาหนึ่งตัวเพื่อตัดสินมาตรการ ถ้าใน 90 วันนี้มีมาตรการหมุนครบวงจรได้แม้เพียงหนึ่งเรื่อง และวัดผลด้วยเกณฑ์เดียวกันได้ ก็ตัดสินได้ว่าขยายต่อได้ ถ้าไม่หมุน ต้องคลี่สาเหตุให้ออกก่อน ไม่เช่นนั้นต่อให้เพิ่มจำนวนเครื่องก็จะเกิดเรื่องเดิมซ้ำ การแก้การใช้งานก่อนเพิ่มเครื่อง ทำให้ค่าใช้จ่ายของการทำใหม่เล็กกว่ามาก

คำถามที่พบบ่อย

ไมโครสต็อปหมายถึงการหยุดตั้งแต่กี่นาทีถึงกี่นาที

ไม่มีนิยามสากลที่ชัดเจน รายงานปี 2026 ของ TeepTrak ระบุค่าเกณฑ์ที่ใช้กันทั่วไปของไมโครสต็อปไว้ที่ต่ำกว่า 5 นาที และในทางปฏิบัติก็มีหลายกรณีที่ใช้ระดับนี้เป็นจุดตั้งต้น แต่อย่างที่กล่าวไว้ในเนื้อหา ค่าเกณฑ์คือการตัดสินใจเชิงการใช้งานว่าจะทำให้ความสูญเสียขนาดไหนมองเห็นได้ ค่าที่เหมาะสมจึงเปลี่ยนไปตามรอบเวลาของเครื่อง ถ้าใช้ค่าเกณฑ์ 5 นาทีกับเครื่องที่มีรอบเวลาไม่กี่วินาที ความสูญเสียเป็นสิบ ๆ รอบจะถูกซ่อนอยู่ใต้ค่าเกณฑ์เดียว

การแก้ไมโครสต็อปมีค่าใช้จ่ายเท่าไร

ในตัวอย่างคำนวณของบทความนี้ แสดงกรณีเงื่อนไข 20 เครื่อง 2 กะ ที่มีค่าใช้จ่ายเริ่มต้น 1,100,000 บาท และค่าใช้จ่ายรายปี 240,000 บาท แต่นี่เป็นเพียงตัวอย่างโครงสร้าง และจะเปลี่ยนไปมากตามความง่ายในการดึงสัญญาณจากเครื่องเดิม ระยะการเดินสาย และการมีเครือข่ายเดิมอยู่หรือไม่ ถ้าเริ่มจากไม่กี่เครื่อง จำนวนเงินสัมบูรณ์ของค่าใช้จ่ายเริ่มต้นจะลดลง แต่เนื่องจากค่าเริ่มต้นของเซิร์ฟเวอร์และซอฟต์แวร์ไม่ได้แปรผันตามจำนวนเครื่อง ราคาต่อเครื่องจะสูงขึ้น

ควรตั้งเป้า OEE ไว้ที่เท่าไร

ค่าเทียบเคียงปี 2026 ของ TeepTrak (450 โรงงาน) ระบุค่ามัธยฐานไว้ที่ 60% กลุ่มบนสุด 25% ไว้ที่ 75% และระดับที่เรียกว่าเวิลด์คลาสไว้ที่ 85% แต่ระดับที่เหมาะสมเปลี่ยนไปตามประเภทอุตสาหกรรม โครงสร้างของเครื่องจักร และส่วนผสมของรุ่นสินค้า การไล่ดูอนุกรมเวลาของเครื่องเดียวกันด้วยนิยามเดียวกันในโรงงานตัวเอง จึงใช้งานได้จริงกว่าการเอาค่าของบริษัทอื่นมาเป็นเป้า โดยเฉพาะช่วงหลังเปลี่ยนจากรายงานที่เขียนด้วยมือมาเป็นการวัดด้วยระบบใหม่ ๆ ความสูญเสียที่เคยหล่นหายจากบันทึกจะโผล่ขึ้นมา ทำให้ดูเหมือน OEE ตกลงจากเดิม นี่ไม่ใช่การแย่ลงแต่คือความแม่นยำของการวัดที่ดีขึ้น ถ้าไม่แชร์ประเด็นนี้กับผู้บริหารไว้ล่วงหน้า กิจกรรมจะหยุดทันทีหลังเริ่มได้ไม่นาน

เครื่องเก่าเก็บไมโครสต็อปได้ไหม

เก็บได้ แม้เป็นเครื่องที่ไม่มีพอร์ตสื่อสาร ก็ยังมีวิธีอย่างการอ่านสถานะการติดของไฟสามสีด้วยแรงดันไฟฟ้า การพ่วงหน้าสัมผัสขนานออกมาจากเอาต์พุตของตัวนับที่มีอยู่ หรือการตรวจจับการเคลื่อนไหวด้วย proximity sensor ที่ติดเพิ่มจากภายนอก แต่ความละเอียดของข้อมูลที่เก็บได้จะลดลง เนื่องจากไฟสามสีบอกได้เฉพาะการหยุดที่เครื่องตัดสินว่าตัวเองผิดปกติ การรอวัสดุหรือการหยุดจากการตัดสินใจของคนจึงต้องเสริมด้วยวิธีอื่น ถ้ารู้ตั้งแต่ต้นว่าอะไรที่เก็บไม่ได้ ก็อุดช่องโหว่นั้นได้ด้วยการออกแบบการกรอกสาเหตุ

นับจำนวนผลิตอัตโนมัติอย่างเดียวมีความหมายไหม

มีความหมาย ถ้าเก็บจำนวนผลิตได้อัตโนมัติ การกระจายตัวของรอบเวลาที่เกิดขึ้นจริงจะมองเห็นได้ และเราจะได้เหตุผลรองรับสำหรับกำหนด ideal cycle time ถ้าพบว่าหางของการกระจายยาว (มีบางรอบที่ช้าผิดปกติเป็นครั้งคราว) ก็คาดคะเนได้ว่าไมโครสต็อปซ่อนอยู่ตรงนั้น แต่ถ้าไม่มีการตัดสินการหยุดและการกรอกสาเหตุ เราจะไม่รู้ว่าทำไมถึงช้า จึงยังไปไม่ถึงการระบุมาตรการ ถ้าจะเดินเป็นขั้น ลำดับที่เริ่มจากการนับจำนวนผลิต แล้วเติมการตัดสินการหยุด และวางการกรอกสาเหตุไว้ท้ายสุด เป็นลำดับที่สมจริง

สรุป

เหตุผลที่มาตรการแก้ไมโครสต็อปไม่เข้าเป้าอยู่ที่โครงสร้างของตัวชี้วัด การหยุดสั้นที่ต่ำกว่าค่าเกณฑ์ไม่ถูกบันทึกเป็นความสูญเสียของ Availability แต่ละลายอยู่ใน Performance ด้วยเหตุนี้ กิจกรรมที่ตั้งเป้าหมายไว้ที่ Availability จึงไปไม่ถึงไมโครสต็อป จุดที่ต้องไปจับคือ Performance และเพื่อการนั้นต้องกำหนด ideal cycle time กำหนดค่าเกณฑ์ของการตัดสินการหยุด และออกแบบรหัสสาเหตุให้อยู่ในความละเอียดที่หน้างานกรอกได้ ทั้งสามข้อนี้คือสิ่งที่ต้องตัดสินก่อนซื้อเครื่องจักรหรือเซนเซอร์

และแก่นของการตัดสินใจลงทุนไม่ได้อยู่ที่จำนวนเซนเซอร์ แต่อยู่ที่ความไว ในตัวอย่างคำนวณของบทความนี้ การลงทุน 1,100,000 บาทเท่ากัน ถ้าขยับ OEE ได้ 3 จุดจะคืนทุนในราว 15 เดือน แต่ถ้าหยุดอยู่ที่ 1 จุดจะใช้เวลาราว 94 เดือน ซึ่งเท่ากับไม่คืนทุนในทางปฏิบัติ สิ่งที่กำหนดทางแยกนี้คือการออกแบบรหัสสาเหตุ และการใช้งานที่มีคนดูตัวเลขทุกสัปดาห์แล้วตัดสินมาตรการ นั่นคือชั้นที่ 3 และชั้นที่ 5 ของโครงสร้าง 5 ชั้น ถ้าตัดสินภายในองค์กรได้ก่อนขอใบเสนอราคาฮาร์ดแวร์ ว่าใครจะหมุนสองชั้นนี้ด้วยวิธีใด การถกเรื่องการลงทุนจะเป็นรูปธรรมขึ้นมาก

TOMAS TECH ทำงานด้านการทำสถานะการเดินเครื่องให้มองเห็นได้สำหรับโรงงานญี่ปุ่นในไทยและอาเซียน ตั้งแต่การรับสัญญาณจากเครื่องจักรไปจนถึงการวิเคราะห์สาเหตุและการใช้งานเพื่อปรับปรุง จะเป็นขั้นตอนการจัดระเบียบเบื้องต้นก็ได้ เช่น จะวางค่าเกณฑ์และรหัสสาเหตุอย่างไร ดึงสัญญาณจากเครื่องเดิมได้ถึงระดับไหน หรือจะประเมินกำไรขั้นต้นของโรงงานตัวเองอย่างไร ใช้เราเป็นแหล่งรวบรวมข้อมูลประกอบการพิจารณาได้เลย ติดต่อเข้ามาปรึกษากันได้ที่หน้าติดต่อเรา

แหล่งอ้างอิง

• Manufacturing OEE Benchmark Report 2026 – TeepTrak
• Six Big Losses of OEE – TeepTrak
• State of OEE 2026 – TeepTrak
• OEE Benchmarks by Industry 2026 – Fabrico
• ISO 22400-2 Automation systems and integration – Key performance indicators for manufacturing operations management – ISO
• Thai June factory output falls 3.1% y/y – Business Recorder
• BOI Smart and Sustainable Industry – สถานะคำขอรับการส่งเสริมครึ่งแรกของปี 2026 – BOI
• Minimum Wage in Thailand – Thai Law Online
• OEE Benchmark 2026 – 450 โรงงาน – TeepTrak
• Micro Stops in Production – Detect and Eliminate – TeepTrak