การบริหาร KPI โรงงาน 2026｜แบ่งตัวชี้วัดด้วยความถี่ วัดเฉพาะจุดคอขวด

สาเหตุที่การบริหาร KPI ในโรงงานไม่เดินหน้า ไม่ได้อยู่ที่วิธีเลือกตัวชี้วัด แต่อยู่ที่การไม่ได้กำหนดว่าตัวเลขนั้นเกิดจากสูตรใด มาจากแหล่งไหน อัปเดตด้วยความถี่เท่าใด และส่งถึงใคร แดชบอร์ดที่เรียงไว้เพียงชื่อตัวชี้วัด ต่อให้เป็นตัวชี้วัดที่ถูกต้อง ก็ไม่ทำให้ใครลงมือทำ บทความนี้จะแสดงขั้นตอนการออกแบบอย่างเป็นรูปธรรม ทั้งการนิยาม KPI ด้วยชุด 5 องค์ประกอบ การแบ่งตัวชี้วัดด้วยความถี่ในการอัปเดตแทนการแบ่งตามลำดับชั้น และการวัดเฉพาะจุดคอขวด พร้อมแบบจำลองการคำนวณต้นทุนที่อ้างอิงโรงงานในประเทศไทย

ตัวชี้วัดสองตัวที่วัดโรงงานเดียวกัน กลับชี้คนละทิศทั้งที่ถูกต้องทั้งคู่

สิ่งที่เกิดขึ้นในภาคการผลิตของไทยปี 2026

ในภาคการผลิตของไทยปี 2026 มีตัวเลขสองชุดที่ดูเหมือนชี้ไปคนละทิศทางวางเรียงอยู่ด้วยกัน

ชุดแรกคือดัชนีผลผลิตอุตสาหกรรมหรือ MPI ที่กระทรวงอุตสาหกรรมของไทยเป็นผู้เผยแพร่ MPI ของเดือนมิถุนายน 2026 อยู่ที่ −3.10% เมื่อเทียบกับเดือนเดียวกันของปีก่อน และเมื่อดูทั้งไตรมาสที่สองอยู่ที่ −1.79% ส่วนอัตราการใช้กำลังการผลิตเฉลี่ยของภาคการผลิตในช่วงเดียวกันอยู่ที่ 57.47% ถ้าดูเฉพาะตัวเลขก็ต้องสรุปว่าการผลิตกำลังหดตัวและเครื่องจักรเดินอยู่เพียงครึ่งกว่าเล็กน้อย

อีกชุดหนึ่งคือดัชนี PMI ภาคการผลิตของไทยที่ S&P Global เผยแพร่ PMI ของเดือนกรกฎาคม 2026 อยู่ที่ 54.2 ปรับขึ้นจากเดือนมิถุนายนที่ 53.6 เนื่องจากระดับ 50 คือเส้นแบ่งระหว่างการขยายตัวกับการหดตัว ข้อสรุปจากตัวเลขชุดนี้จึงเป็น “กำลังขยายตัว”

อุตสาหกรรมเดียวกัน ประเทศเดียวกัน ช่วงเวลาใกล้เคียงกัน แต่ด้านหนึ่งบอกว่าหดตัว อีกด้านบอกว่าขยายตัว แล้วฝ่ายไหนผิด

ทำไมทั้งสองตัวจึงถูกต้องทั้งคู่ — เพราะนิยามและแหล่งข้อมูลต่างกัน

คำตอบคือไม่มีฝ่ายไหนผิด ทั้งสองตัว วัดคนละสิ่งและเก็บข้อมูลด้วยวิธีที่ต่างกัน เท่านั้น

MPI เป็นดัชนีที่รวบรวมปริมาณการผลิตจริง ตัวเลขไหลขึ้นมาจากโรงงานแล้วนำมาสะสมรวมกัน จึงบอกได้ว่าผลิตได้กี่ชิ้นเมื่อเทียบกับปีก่อน เป็นบันทึกของสิ่งที่เกิดขึ้นไปแล้ว

ส่วน PMI เป็นการสำรวจความเห็นของผู้จัดการฝ่ายจัดซื้อ โดยถามถึงคำสั่งซื้อใหม่ การผลิต การจ้างงาน ราคาวัตถุดิบ และสินค้าคงคลังว่าเปลี่ยนแปลงอย่างไรเทียบกับเดือนก่อน แล้วแปลงคำตอบเป็นดัชนี สิ่งที่รวบรวมจึงไม่ใช่ปริมาณ แต่เป็นทิศทาง และเนื่องจากสะท้อนความรู้สึกต่อคำสั่งซื้อที่อยู่ในมือผู้ตอบ จึงมักนำหน้าตัวเลขผลการผลิตจริง

พูดง่าย ๆ คือด้านหนึ่งวัด “ปริมาณในอดีต” อีกด้านวัด “ทิศทางในปัจจุบัน” นิยามต่างกัน แหล่งข้อมูลต่างกัน ความถี่ในการอัปเดตก็ต่างกัน การที่วัดความจริงเดียวกันแล้วชี้คนละทางจึงเกิดขึ้นได้ และไม่ใช่ความขัดแย้ง

ปัญหาจะเกิดตอนที่มีคนเอาตัวเลขสองชุดนี้มาวางบนสไลด์เดียวกันในที่ประชุม แล้วเริ่มถกกันว่าอันไหนจริง สิ่งที่ควรถกไม่ใช่ความจริงเท็จ แต่คือ ตัวชี้วัดตัวไหนผูกอยู่กับมาตรการอะไร

เรื่องแบบนี้เกิดขึ้นในโรงงานทุกวัน

สิ่งเดียวกันนี้เกิดขึ้นภายในโรงงานแห่งเดียวทุกวัน

“อัตราการเดินเครื่อง” ที่ฝ่ายวางแผนการผลิตรายงาน กับตัวเดียวกันที่ฝ่ายซ่อมบำรุงรายงานไม่ตรงกัน “อัตราของเสีย” ของฝ่ายประกันคุณภาพ กับตัวที่ฝ่ายบัญชีใช้คำนวณต้นทุนไม่ตรงกัน “อัตราการส่งมอบตรงเวลา” ที่ฝ่ายขายเห็น กับที่โรงงานเห็นก็ไม่ตรงกัน

ทุกคนคำนวณถูกต้องตามนิยามของตัวเอง แต่ในที่ประชุมกลับต้องเริ่มจากคำถามว่า “ตัวเลขนี้คำนวณมาอย่างไร” แล้วเวลาที่ควรใช้ตัดสินใจเรื่องมาตรการก็หายไป สิ่งที่เกิดกับดัชนีมหภาคระดับประเทศ เกิดขึ้นในโรงงานเป็นจำนวนเท่ากับจำนวนตัวชี้วัดที่มี

บทความนี้พูดถึงขั้นตอนการออกแบบเพื่อออกจากสภาพนั้น ไม่ใช่เรื่องการเลือกตัวชี้วัด แต่เป็นเรื่อง การทำให้ตัวชี้วัดอยู่ในรูปที่ขับเคลื่อนคนได้

5 อาการของโรงงานที่การบริหาร KPI ไม่เดิน

ก่อนอื่นลองตรวจสอบว่าโรงงานของคุณเข้าข่ายหรือไม่ ถ้าเข้าข่ายตั้งแต่ 2 ข้อขึ้นไปจาก 5 อาการต่อไปนี้ การกลับไปนิยามตัวชี้วัดที่มีอยู่ใหม่จะให้ผลเร็วกว่าการเพิ่มตัวชี้วัด

อาการที่ 1 ประชุมทีไรต้องเริ่มจาก “ตัวเลขนี้ได้มาอย่างไร”

คือสภาพที่การประชุมรายเดือนหรือประชุมเช้ารายวันใช้เวลาส่วนใหญ่ไปกับการอธิบายตัวเลขในเอกสาร ถ้านิยามของตัวตั้งตัวหาร เงื่อนไขการยกเว้น และช่วงเวลาที่ครอบคลุมไม่ถูกแบ่งปันกันไว้ ผู้เข้าประชุมจะอ่านตัวเลขด้วยนิยามที่อยู่ในหัวของตัวเอง เมื่อการตีความแตกออกไปแล้ว ตัวเลขนั้นก็หมดสภาพการเป็นข้อมูลกลางสำหรับการตัดสินใจ

อาการที่ 2 แดชบอร์ดยังทำงาน แต่ไม่มีใครเปิด

ตอนเริ่มใช้ทุกคนเปิดดู แต่พอผ่านไปครึ่งปีกลับไม่มีใครเปิดเลย เป็นบทสรุปที่พบบ่อยมาก สาเหตุไม่ใช่หน้าจอใช้ยาก แต่เป็นเพราะ ไม่ได้กำหนดว่าหลังจากดูหน้าจอนั้นแล้วต้องทำอะไรต่อ ถ้าดูแล้วไม่มีมาตรการรออยู่ การไม่เปิดดูก็เป็นพฤติกรรมที่สมเหตุสมผล

อาการที่ 3 ตัวเลขดีขึ้น แต่กำไรไม่เพิ่ม

อัตราการเดินเครื่องสูงขึ้น อัตราผ่านครั้งแรกก็สูงขึ้น แต่ผลกำไรขาดทุนไม่ขยับ อาการนี้เกิดขึ้นแน่นอนเมื่อตัวเลขดีขึ้นที่เครื่องจักรซึ่งไม่ใช่คอขวด การเพิ่มอัตราการเดินเครื่องที่ไม่ใช่คอขวด สิ่งที่เพิ่มขึ้นมีเพียงงานระหว่างทำ ต่อให้ตัวชี้วัดดีขึ้น ถ้าไม่ได้ปรับปรุงจุดที่เงินเคลื่อนไหว กำไรก็ไม่เปลี่ยน

อาการที่ 4 รู้ปัญหาหลังปิดบัญชีสิ้นเดือน

คือสภาพที่อัตราผลได้หรืออัตราการใช้พลังงานต่อหน่วยจะปรากฏก็ต่อเมื่อปิดต้นทุนรายเดือนแล้วเท่านั้น กรณีนี้กว่าจะรู้ปัญหาก็ผ่านไปอย่างน้อยสองสัปดาห์นับจากวันที่เกิด ข้อมูลที่จะใช้สืบหาสาเหตุหายไปจากหน้างานแล้ว และการป้องกันการเกิดซ้ำก็จบลงที่ข้อสรุปว่า “ให้ระมัดระวังมากขึ้น”

อาการที่ 5 เปลี่ยนผู้รับผิดชอบแล้วความหมายของตัวชี้วัดเปลี่ยนตาม

ผู้รับช่วงต่อไฟล์ Excel ที่คนก่อนหน้าทำไว้ ลงมือจัดระเบียบวิธีรวบรวมข้อมูลใหม่ตามความเข้าใจของตัวเอง ไม่ได้มีเจตนาร้าย ตรงกันข้ามคือความหวังดีที่อยากปรับปรุง แต่เพราะไม่มีเอกสารนิยาม การเปรียบเทียบกับอดีตจึงทำไม่ได้ตั้งแต่วินาทีนั้น เรื่องที่ข้อมูลแนวโน้มหลายปีแท้จริงแล้วเป็นการต่อกันของนิยาม 3 แบบ ไม่ใช่เรื่องแปลกเลย

KPI ไม่ใช่ชื่อตัวชี้วัด — ต้องครบชุด 5 องค์ประกอบจึงจะเดิน

จากตรงนี้คือเนื้อหาหลัก KPI ไม่ใช่ชื่อตัวชี้วัด อย่าง “อัตราการเดินเครื่อง” หรือ “อัตราของเสีย” ต้องมี 5 ข้อต่อไปนี้ครบถ้วน มันจึงจะกลายเป็นตัวชี้วัดที่ขับเคลื่อนคนได้ ถ้าขาดไปแม้เพียงข้อเดียว ต่อให้เป็นชื่อตัวชี้วัดที่ถูกต้อง มันก็เป็นแค่ของประดับที่เรียงอยู่บนแดชบอร์ด

องค์ประกอบที่ 1 สูตรนิยาม ตัวตั้ง ตัวหาร และเงื่อนไขการยกเว้น

เขียนตัวตั้งและตัวหารให้ละเอียดถึงระดับที่ใครอ่านก็คำนวณออกมาได้เท่ากัน สิ่งที่สำคัญเป็นพิเศษคือ เงื่อนไขการยกเว้น การหยุดตามแผนนับรวมในตัวหารหรือไม่ การเปลี่ยนรุ่นจัดการอย่างไร ชิ้นงานทดลองนับรวมในตัวตั้งหรือไม่ อัตราการเดินเครื่องที่ยังไม่ได้กำหนดสามข้อนี้ให้ชัด จะได้ค่าต่างกันในแต่ละแผนก

องค์ประกอบที่ 2 แหล่งข้อมูล เก็บอัตโนมัติ ป้อนมือ หรือคำนวณต่อ

เขียนว่าตัวเลขนั้นมาจากไหน ให้ละเอียดถึงระดับชื่อระบบและชื่อตาราง แค่ “มาจากระบบบริหารการผลิต” ยังไม่พอ ต้องระบุการจำแนก 3 แบบเสมอว่า เก็บอัตโนมัติ คนป้อนเข้าไป หรือคำนวณต่อจากตัวชี้วัดอื่น การจำแนกนี้เชื่อมโดยตรงกับการประเมินความน่าเชื่อถือที่จะกล่าวถึงต่อไป

องค์ประกอบที่ 3 ความถี่ในการอัปเดต

เขียนว่าค่าจะถูกอัปเดตเมื่อใด เรียลไทม์ ทุกหนึ่งชั่วโมง เช้าวันถัดไป หรือวันทำการที่ 3 ของเดือนถัดไป ตัวชี้วัดที่ความถี่ตรงนี้ไม่สอดคล้องกับรอบของมาตรการ จะกลายเป็นพิธีกรรมอย่างแน่นอน รายละเอียดจะกล่าวถึงในหัวข้อถัดไป

องค์ประกอบที่ 4 ผู้รับผิดชอบ ไม่ใช่คนออกตัวเลข แต่คือคนที่ลงมือเมื่อค่าเบี่ยงเบน

ตรงนี้เป็นจุดที่โรงงานเข้าใจผิดกันมากที่สุด ผู้รับผิดชอบ KPI ไม่ใช่เจ้าหน้าที่รวบรวมข้อมูล แต่คือคนที่มีอำนาจสั่งเคลื่อนคนและเครื่องจักรได้จริงเมื่อค่าหลุดเกณฑ์ ถ้าตั้งเจ้าหน้าที่รวบรวมข้อมูลเป็นผู้รับผิดชอบ สิ่งที่เกิดขึ้นเมื่อตัวเลขออกมาไม่ดีจะไม่ใช่การปรับปรุง แต่เป็นการทบทวนวิธีรวบรวมข้อมูล

องค์ประกอบที่ 5 มาตรการเมื่อค่าเบี่ยงเบน เกณฑ์ และใครทำอะไร

กำหนดล่วงหน้าเป็นข้อความว่าถ้าค่าหลุดเกณฑ์แล้วใครต้องทำอะไร คำว่า “ตรวจสอบ” หรือ “เฝ้าดู” ไม่ใช่มาตรการ ต้องเขียนได้ถึงระดับ “หัวหน้าฝ่ายซ่อมบำรุงลงหน้างานภายใน 30 นาที จำแนกสาเหตุการหยุดเข้า 1 ใน 3 ประเภทและบันทึกไว้” จึงจะเรียกว่ามาตรการ

ตัวอย่างการกรอกเอกสารนิยาม KPI

ขอแสดงตัวอย่างเต็มรูปแบบของตัวชี้วัด 1 ตัว ตัวชี้วัดที่เขียนถึงระดับนี้ไม่ได้ ยังไม่ถือเป็น KPI

ถ้าทำตารางนี้ได้ 6 ใบ การออกแบบการบริหาร KPI ก็เสร็จไปแล้ว 80% ในทางกลับกัน ถ้าซื้อแพลตฟอร์มมาโดยที่ตารางนี้ยังเป็น 0 ใบ สิ่งที่จะได้ออกมาคือแดชบอร์ดแบบอาการที่ 2

คำว่า “อัตราการเดินเครื่อง” หมายถึงของ 3 อย่างที่ต่างกัน

จุดที่ความจำเป็นของชุด 5 องค์ประกอบปรากฏชัดที่สุดคือคำว่า “อัตราการเดินเครื่อง” คำนี้ในโรงงานหมายถึงของอย่างน้อย 3 อย่างที่ต่างกัน

ความหมาย A อัตราความพร้อมใช้งานของเครื่องจักร

คือค่าที่ได้จากการหารเวลาเดินเครื่องด้วยเวลาเดินเครื่องตามแผน ตรงกับ Availability ใน ISO 22400 และเป็นหนึ่งใน 3 องค์ประกอบของ OEE ด้วย ใช้วัดว่าเครื่องจักร “เดินได้มากแค่ไหนในสภาพที่พร้อมเดิน” เนื่องจากตัวหารคือเวลาเดินเครื่องตามแผน เวลาที่หยุดไลน์เพราะคำสั่งซื้อน้อยจึงถูกตัดออกจากตัวหารตามหลักการ

องค์ประกอบของ OEE และวิธีจับการหยุดสั้น ๆ ที่เกิดถี่ ได้อธิบายไว้อย่างละเอียดในมาตรการรับมือการหยุดสั้น ๆ ของเครื่องจักร 2026 บทความนี้จะพูดถึงการออกแบบระบบตัวชี้วัดทั้งระบบซึ่งอยู่ในชั้นที่สูงกว่านั้น

ความหมาย B ผลการผลิตจริงเทียบกับกำลังการผลิต

คือสัดส่วนของปริมาณที่ผลิตได้จริงเทียบกับกำลังการผลิตสูงสุดที่เครื่องจักรมี อัตราการใช้กำลังการผลิตเฉลี่ย 57.47% ของกระทรวงอุตสาหกรรมไทยที่ยกมาตอนต้นคือความหมายนี้ ถ้าคำสั่งซื้อน้อย ต่อให้เครื่องจักรอยู่ในสภาพดีเยี่ยม ค่านี้ก็ลดลง นี่คือตัวชี้วัดของอุปสงค์ ไม่ใช่ตัวชี้วัดของการบริหารเครื่องจักร

ความหมาย C สัดส่วนเวลางานตรงของคน

คือค่าที่ได้จากการหารเวลางานตรงด้วยเวลาทำงานทั้งหมด ใช้วัดว่าคนใช้เวลาไปกับงานที่สร้างมูลค่าเพิ่มได้มากแค่ไหน เนื่องจากตัวหารคือเวลาของคน จึงเป็นตัวชี้วัดที่แยกขาดจากเรื่องของเครื่องจักรโดยสิ้นเชิง

เข้าใจสลับกันเมื่อใด มาตรการจะกลับทิศทันที

คำพูดที่ว่า “อัตราการเดินเครื่องมีแค่ 80%” จะมีมาตรการที่ถูกต้องต่างกันโดยสิ้นเชิงขึ้นกับว่าหมายถึงความหมายใด

ถ้าปล่อยให้ทั้ง 3 ความหมายปนกันในที่ประชุมเดียว ผลลัพธ์คือมาตรการที่ตัดสินใจกันไปไม่ตรงกับปัญหาของใครเลย แค่เขียนบรรทัดแรกของเอกสารนิยาม KPI ว่า “ขอบเขตคือเครื่องจักร คน หรืออุปสงค์” อุบัติเหตุแบบนี้ก็แทบจะหายไป

ISO 22400 ไม่ใช่ระบบการรับรอง — วิธีใช้และฉบับปัจจุบัน

สิ่งที่ถูกสร้างขึ้นมาเพื่อกำจัดความสับสนนี้คือ ISO 22400 โดยเฉพาะ ISO 22400-2 ที่เป็นส่วนนิยาม KPI มันคือชุดนิยาม KPI ในการบริหารปฏิบัติการผลิต ที่กำหนดมาตรฐานของตัวตั้ง ตัวหาร และเงื่อนไขการยกเว้นสำหรับตัวชี้วัดอย่าง Availability, Effectiveness และ Quality Ratio

ขอแก้ความเข้าใจผิดก่อนว่า ISO 22400 ไม่ใช่ระบบการรับรอง ไม่ใช่มาตรฐานประเภทที่ต้องไปขอรับรองหรือรับการตรวจประเมิน แต่เป็นพจนานุกรมที่ใช้อ้างอิงตอนจัดทำเอกสารนิยามภายในองค์กร

ฉบับปัจจุบันคือ ISO 22400-2:2014 และในปี 2017 มีส่วนเพิ่มเติมด้าน KPI ที่เกี่ยวกับการประหยัดพลังงานคือ ISO 22400-2:2014/Amd 1:2017 เข้ามา ส่วนฉบับปรับปรุงอยู่ระหว่างการพิจารณาในชื่อ ISO/DIS 22400-2 และไปถึงขั้น 40.99 เมื่อวันที่ 17 กันยายน 2024 แต่ ณ เดือนสิงหาคม 2026 ยังไม่ได้เผยแพร่ เนื่องจากกำหนดเวลาเผยแพร่ยังไม่ชัดเจน ณ เวลาที่เขียนบทความนี้ แนวทางที่สมจริงคือจัดทำเอกสารนิยามภายในโดยอ้างอิงฉบับปัจจุบันไปก่อน แล้วค่อยปรับส่วนต่างเมื่อฉบับปรับปรุงออกมา

วิธีใช้ในงานจริงนั้นเรียบง่าย เรียงชื่อตัวชี้วัดที่บริษัทใช้ออกมา ตรวจว่ามีตัวชี้วัดชื่อเดียวกันหรือใกล้เคียงใน ISO 22400 หรือไม่ ถ้ามีก็ยืมแนวคิดของตัวตั้งและตัวหารมา ถ้าไม่มีก็ระบุในเอกสารนิยามให้ชัดว่าเป็นนิยามที่บริษัทกำหนดเอง เพียงเท่านี้ก็ลดการเปลี่ยนความหมายตอนผลัดเปลี่ยนผู้รับผิดชอบได้มาก

แบ่ง KPI ด้วย “ความถี่ในการอัปเดต” ไม่ใช่ลำดับชั้น

ตรงนี้คือส่วนที่บทความนี้อยากเน้นย้ำมากที่สุด

4 ย่านความถี่ เรียลไทม์ รายวัน รายสัปดาห์ รายเดือน

คำอธิบายเรื่องการออกแบบ KPI ทั่วไปมักแบ่งเป็น 3 ลำดับชั้นคือ KPI ระดับบริหาร KPI ระดับแผนก และ KPI ระดับหน้างาน เป็นการแบ่งที่เข้าใจง่ายเพราะสอดคล้องกับผังองค์กร แต่สิ่งที่พังในงานจริงไม่ใช่ลำดับชั้น หากเป็น ความไม่สอดคล้องระหว่างความถี่กับมาตรการ

ถ้าตั้ง KPI รายวันทั้งที่ไม่มีมาตรการที่ขยับได้ในรอบวัน หน้างานจะเริ่ม “สร้างตัวเลขขึ้นมาเพื่อรายงาน” ในทางกลับกัน การดูอัตราผลได้ที่ออกได้เฉพาะตอนปิดต้นทุนรายเดือน แล้วหวังจะปรับปรุงรายวันนั้นเป็นไปไม่ได้

ดังนั้นก่อนตัดสินใจเลือกตัวชี้วัด ให้แบ่งเป็น 4 ย่านตามความถี่ในการอัปเดตก่อน แล้ว ตรวจสอบก่อนว่าแต่ละย่านมีมาตรการอยู่จริงหรือไม่

ตารางเปรียบเทียบรายย่าน

คอลัมน์ขวาสุดของตารางนี้คือแก่นของเรื่อง ย่านที่กรอกช่องมาตรการไม่ได้ ห้ามวางตัวชี้วัดลงไป

การนำ MTBF และ MTTR มาใช้ในย่านรายสัปดาห์ ต้องมีความละเอียดของทะเบียนเครื่องจักรและกฎการบันทึกการเสียที่พร้อมอยู่ก่อน เงื่อนไขเหล่านั้นอธิบายไว้ในวิธีเลือกระบบบริหารงานซ่อมบำรุง 2026 ส่วน KPI อัตราการใช้พลังงานต่อหน่วยในย่านรายเดือนนั้น ด้านการทำให้มองเห็นการใช้ไฟฟ้าได้จริงอธิบายไว้ในระบบเฝ้าติดตามพลังงานในโรงงาน 2026

ทำไม KPI tree จึงไม่ทำงาน — แตกย่อยแล้วความถี่ก็ยังไม่เท่ากัน

KPI tree คือวิธีแตกย่อยตัวชี้วัดระดับสูงสุดอย่างกำไรจากการดำเนินงานลงมาจนถึงตัวชี้วัดหน้างาน ตรรกะนั้นถูกต้องและทำออกมาเป็นเอกสารก็ดูสวยงาม แต่ที่มักไม่ทำงานในหน้างานเป็นเพราะ แตกย่อยแล้วความถี่ก็ยังไม่เท่ากัน

สมมติแตกกำไรจากการดำเนินงานลงมาเป็น “ต้นทุนการผลิต” แล้วแตกต่อเป็น “อัตราผลได้” แล้วแตกต่อเป็น “อัตราผ่านครั้งแรกรายกระบวนการ” บนแผนภาพดูต่อเนื่องกันดี แต่กำไรจากการดำเนินงานเป็นรายเดือน อัตราผลได้ออกตอนปิดต้นทุนรายเดือน ส่วนอัตราผ่านครั้งแรกรายกระบวนการออกได้รายวัน ณ จุดนี้ ต่อให้ปรับปรุงอัตราผ่านครั้งแรกรายวันได้ กว่าจะยืนยันผลในรูปกำไรจากการดำเนินงานได้ก็ต้องรออีกกว่า 1 เดือน

ปัญหาไม่ได้อยู่ที่ tree แต่อยู่ที่ขั้นตอนหลังจากทำ tree เสร็จ นั่นคือขั้นตอน เขียนความถี่ในการอัปเดตกำกับแต่ละโหนด แล้วระบุจุดที่ความถี่กระโดด ที่หายไป จุดที่ความถี่กระโดดนั่นแหละคือจุดที่การปรับปรุงหยุดชะงัก

ตัวชี้วัดที่ความถี่ไม่ตรงกัน ให้ลดชั้นเป็นตัวชี้วัดเสริม

ตัวชี้วัดที่อยากได้แต่ไม่ตรงกับความถี่ของมาตรการ ไม่จำเป็นต้องทิ้ง ให้วางไว้ในกรอบที่แยกจาก KPI หลักในฐานะ ตัวชี้วัดเสริม

ตัวชี้วัดเสริมจะไม่ขึ้นในเอกสารหลักของที่ประชุม แต่ใช้อ้างอิงตอนทบทวนรายไตรมาสหรือตอนวิเคราะห์เฉพาะเรื่อง ถ้าไม่สร้างการแบ่งแบบนี้ จำนวน KPI หลักจะเพิ่มไม่มีที่สิ้นสุด และตกไปสู่สภาพ “ไม่ได้ดูสักตัว” ที่จะกล่าวถึงต่อไป

ออกแบบย้อนกลับจากตัวชี้วัดที่เก็บอัตโนมัติได้

กลไกที่ทำให้ KPI จากการป้อนมือลู่เข้าหา “ตัวเลขที่ดี”

ตัวชี้วัดที่คนป้อนเข้าไป เมื่อเวลาผ่านไปจะเอนเข้าหา “ตัวเลขที่ดี” อย่างแน่นอน เรื่องนี้ไม่ใช่เรื่องการทุจริต

ตอนเขียนเวลาหยุดลงในรายงานประจำวันแบบกระดาษ การหยุดที่จริง ๆ แล้ว 7 นาที คนจะเขียนว่า “5 นาที” เพราะเป็นเลขกลม ๆ ใกล้เคียงกับที่จำได้ และไม่มีใครรู้สึกว่าตัวเองโกหก เมื่อคนเดิมปัดเศษแบบเดิมทุกวัน ค่ารวมจึงเล็กกว่าความจริงอย่างสม่ำเสมอ และเพราะมันสม่ำเสมอ ข้อมูลจึงดูสะอาดตาและไม่ถูกตรวจจับว่าผิดปกติ

ยิ่งไปกว่านั้น ถ้าคนที่ป้อนข้อมูลรู้ว่าตัวเลขนั้นใช้ประเมินตัวเอง ทิศทางของการปัดเศษก็จะเอียงไปทางที่เป็นคุณกับตัวเองโดยอัตโนมัติ สิ่งที่เกิดขึ้นในโรงงานที่วางตัวชี้วัดจากการป้อนมือไว้เป็น KPI หลัก ไม่ใช่การปรับปรุง แต่คือการทำตัวเลขให้ลงตัว

ด้วยเหตุนี้ การออกแบบ KPI จึงต้องไม่เริ่มจาก “อยากได้ตัวชี้วัดอะไร” แต่ให้ออกแบบย้อนกลับจาก “ตัวชี้วัดใดบ้างที่เก็บอัตโนมัติได้“

3 เส้นทางของการเก็บข้อมูลอัตโนมัติ

ตัวชี้วัดที่เก็บอัตโนมัติได้มีเส้นทางใหญ่ ๆ 3 ทาง

สัญญาณจากเครื่องจักร คือเส้นทางที่ดึงสัญญาณเดินเครื่อง สัญญาณหยุด และตัวนับการผลิตจากเครื่องจักรโดยตรงผ่านยูนิตเก็บข้อมูล เพราะไม่มีคนเข้ามาแทรก ความน่าเชื่อถือจึงสูงที่สุด และตัวชี้วัดของย่านเรียลไทม์กับย่านรายวันเกือบทั้งหมดสร้างจากทางนี้ได้ แม้กับเครื่องจักรเก่า ถ้าดึงสัญญาณจากเซนเซอร์วัดกระแสไฟฟ้าหรือสัญญาณไฟของโคมสัญญาณได้ ก็แยกสถานะเดินกับหยุดได้ วิธีเลือกแพลตฟอร์มด้านการเฝ้าติดตามและการเก็บข้อมูลสรุปไว้ในSCADA คืออะไร 2026

เครื่องบันทึกผลการผลิต คือเส้นทางที่พนักงานสแกนบาร์โค้ดที่เครื่องปลายทางบนไลน์หรือเครื่องมือถือ แม้คนจะเป็นผู้ปฏิบัติ แต่สิ่งที่ป้อนคือข้อเท็จจริงว่า “เมื่อไร ล็อตไหน ผ่านกระบวนการใด” ไม่ใช่การให้คนสร้างตัวเลขขึ้นมาเอง ความน่าเชื่อถือจึงสูงกว่าการป้อนมือ ส่วนกลไกของการติดตามความคืบหน้าและการสั่งงานอธิบายไว้ในระบบบริหารกระบวนการผลิต ต้นทุนและวิธีเลือก 2026

ระบบหลักขององค์กร คือเส้นทางที่ใช้ข้อมูลคำสั่งซื้อ การส่งมอบ สินค้าคงคลัง และต้นทุนที่มีอยู่แล้วในระบบบริหารการผลิตหรือ ERP ตัวชี้วัดของย่านรายเดือนส่วนใหญ่ดึงจากทางนี้ได้ แต่เพราะการอัปเดตผูกอยู่กับจังหวะการปิดบัญชี จึงใช้กับย่านรายวันไม่ได้

วิธีจัดการกับตัวชี้วัดที่ทำให้เป็นอัตโนมัติไม่ได้

ตัวชี้วัดที่ทำให้เป็นอัตโนมัติไม่ได้ จัดการด้วย 3 วิธีต่อไปนี้

วิธีแรก ลดชั้นเป็นตัวชี้วัดเสริม ถอดออกจาก KPI หลัก แล้วเก็บไว้ใช้วิเคราะห์รายไตรมาส

วิธีที่สอง แทนที่ด้วยตัวชี้วัดทดแทน ตัวอย่างเช่น “ระดับความชำนาญของพนักงาน” วัดโดยตรงไม่ได้ แต่ความแปรปรวนของเวลาทำงานในกระบวนการเดียวกันนั้นเก็บอัตโนมัติจากสัญญาณเครื่องจักรได้ ให้มองหาตัวเลขที่ขยับไปด้วยกันและเก็บอัตโนมัติได้ แทนที่จะยึดกับแนวคิดที่อยากวัดตรง ๆ

วิธีที่สาม เปลี่ยนวิธีทำงานให้วัดอัตโนมัติได้ เช่นเปลี่ยนจากการเขียนสาเหตุการหยุดลงกระดาษ เป็นการเลือก 3 ตัวเลือกบนหน้าจอสัมผัสที่เชื่อมกับสัญญาณโคมสัญญาณ การเปลี่ยนแบบนี้กลายเป็นการตัดสินใจลงทุน จึงเข้าไปอยู่ในขอบเขตของแบบจำลองต้นทุนที่จะกล่าวถึงต่อไป

ความน่าเชื่อถือของตัวชี้วัดจำแนกตามแหล่งข้อมูล

การเก็บตัวชี้วัดสายคุณภาพแบบอัตโนมัติ ต้องออกแบบคีย์ที่เชื่อมผลการตรวจสอบกับล็อตให้เสร็จก่อน ประเด็นนี้อธิบายไว้อย่างละเอียดในระบบบริหารข้อมูลคุณภาพ 2026

ตัวชี้วัดมีได้กี่ตัวจึงจะยังขับเคลื่อนได้

ประชุม 1 ครั้งตามได้มากสุด 5 ถึง 6 ตัว

ตัวชี้วัดที่การประชุม 1 ครั้งสามารถถกเถียงจนตัดสินใจเรื่องมาตรการได้จริง จากประสบการณ์คือมากที่สุด 5 ถึง 6 ตัว ต่อ 1 ตัวชี้วัดต้องใช้เวลาอย่างน้อย 5 ถึง 10 นาทีสำหรับการยืนยันการเปลี่ยนแปลงจากครั้งก่อน การแยกแยะสาเหตุ การตัดสินใจเรื่องมาตรการ และการกำหนดผู้รับผิดชอบกับกำหนดเวลา ถ้าประชุม 60 นาทีแล้วต้องดู 6 ตัวชี้วัด เวลาก็หมดพอดี

ตัวชี้วัดตัวที่ 7 เป็นต้นไป แม้จะอยู่ในเอกสารก็จะไม่ถูกถกเถียง ตัวชี้วัดที่อยู่ในเอกสารแต่ไม่ถูกถกเถียง จะค่อย ๆ กลายเป็น “หัวข้อที่มีไว้อ่านออกเสียง” และในที่สุดก็ไม่มีใครอ่าน

กฎจำนวนรวมคงที่

ดังนั้นให้ กำหนดจำนวนรวมของ KPI หลักไว้ล่วงหน้า โดยตั้งเพดานที่ 5 ถึง 6 ตัวต่อ 1 ไลน์หรือ 1 แผนก และเมื่ออยากเพิ่มตัวชี้วัดใหม่ ต้องลดตัวเดิม 1 ตัวลงไปเป็นตัวชี้วัดเสริมหรือยกเลิกเสมอ เป็นกฎง่าย ๆ ว่าเพิ่ม 1 ต้องตัดออก 1

ผลของกฎนี้ไม่ได้อยู่ที่การลดจำนวนตัวชี้วัด แต่อยู่ที่ การบังคับให้เกิดการถกเถียงตอนจะเพิ่มตัวชี้วัดว่า “ในบรรดา 6 ตัวที่ตามอยู่ ตัวนี้สำคัญกว่าตัวไหน” ตัวชี้วัดที่ถูกเพิ่มเข้ามาโดยไม่ผ่านการถกเถียงนี้ แทบไม่มีข้อยกเว้นเลยว่าจะกลายเป็นพิธีกรรม

ทำไมแดชบอร์ด 30 ตัวชี้วัดจึงกลายเป็นสภาพ “ไม่ได้ดูสักตัว”

แดชบอร์ดที่มีตัวชี้วัดเรียงกัน 30 ตัว เมื่อมองผ่าน ๆ ดูครอบคลุมและให้ความอุ่นใจ แต่สภาพจริงไม่ใช่การดู 30 ตัว หากคือสภาพ ไม่ได้ดูสักตัว

เหตุผลมี 3 ข้อ ข้อแรก คนดูต้องคัดเองทุกครั้งว่าใน 30 ตัวนั้นตัวไหนเกี่ยวกับการตัดสินใจของวันนี้ และต้นทุนของการคัดเลือกนั้นเองกลายเป็นเหตุผลที่ทำให้เลิกเปิดดู ข้อที่สอง ถ้ามี 30 ตัว ทุกวันจะต้องมีบางตัวเป็นสีแดงเสมอ สีแดงจึงหมดสภาพการเป็นสัญญาณของความผิดปกติ ข้อที่สาม การรักษา 30 ตัวชี้วัดต้องมีเอกสารนิยาม 30 ใบด้วย แต่ในความเป็นจริงจะไม่ถูกจัดทำ กว่าครึ่งจึงเรียงอยู่ในสภาพตัวเลขที่ไม่รู้นิยาม

ความครอบคลุมสร้างความอุ่นใจ แต่ไม่สร้างการลงมือทำ จำนวนตัวชี้วัดที่ขับเคลื่อนได้ ไม่มีความสัมพันธ์กับจำนวนตัวชี้วัดที่มองเห็น

แบบจำลองการคำนวณต้นทุน — โรงงานในไทย พนักงาน 180 คน 6 ไลน์ เครื่องจักร 40 เครื่อง

จากนี้ไปเป็นเรื่องตัวเงิน ทั้งหมดต่อไปนี้เป็นการคำนวณตาม แบบจำลองสมมติของบริษัทเรา ไม่ใช่ตัวเลขของบริษัทใดบริษัทหนึ่งที่มีอยู่จริง โปรดอ่านโดยแทนค่าเข้ากับเงื่อนไขของโรงงานท่านเอง

สมมติฐานของโรงงานต้นแบบ

สมมติเป็นโรงงานผลิตชิ้นส่วนทุนญี่ปุ่นในจังหวัดชลบุรี พนักงาน 180 คน ไลน์การผลิต 6 ไลน์ เครื่องจักรหลัก 40 เครื่อง เดินงาน 2 กะ เดินเครื่อง 300 วันต่อปี เวลาเดินเครื่องตามแผนต่อเครื่องคือ 3,600 ชั่วโมงต่อปี มูลค่าการผลิตต่อปีอยู่ที่ 420,000,000 บาท

จากตรงนี้คำนวณต้นทุนต่อชั่วโมงเครื่องจักร 420,000,000 ÷ (40 เครื่อง × 3,600 ชั่วโมง) = 2,917 บาทต่อชั่วโมง กำไรส่วนเกินที่สูญไปเมื่อเครื่องจักรคอขวดหยุด 1 ชั่วโมง เมื่อกำหนดอัตรากำไรส่วนเกิน 30% จะเท่ากับ 2,917 × 30% ≒ 875 บาทต่อชั่วโมง

สภาพปัจจุบันคือ อัตราการหยุดของเครื่องจักร 8.5% อัตราของเสีย 1.8% การบันทึกใช้รายงานประจำวันแบบกระดาษแล้วคัดลอกลง Excel ส่วนอัตราผลได้จะรู้ก็ต่อเมื่อปิดต้นทุนรายเดือนแล้วเท่านั้น

ตัวเลข 875 บาทต่อชั่วโมงนี้คือเกณฑ์ที่ร้อยเรียงทั้งบทความนี้ไว้ด้วยกัน ถ้าคำนวณไว้ก่อนว่าเครื่องจักรตัวไหน 1 ชั่วโมงมีค่าเท่าไร การถกเถียงเรื่องการออกแบบ KPI จะเปลี่ยนจาก “อยากดูหรือไม่อยากดู” ไปเป็น “จะดึงเงินกลับมาได้เท่าไร”

แตกต้นทุนออกเป็น 5 ชั้น

ต้นทุนการนำการบริหาร KPI มาใช้ แตกออกเป็น 5 ชั้นได้ การแตกนี้จะส่งผลในภายหลัง

หน่วยเป็นบาท สัดส่วนองค์ประกอบของสถานการณ์ A คือ ชั้นการเก็บข้อมูล 32.9% ชั้นแพลตฟอร์ม 23.9% ชั้นการนิยาม 13.5% ชั้นหน้าจอ 18.1% และชั้นการทำให้ใช้ได้จริง 11.6%

สิ่งที่ควรจับตาคือ ชั้นการนิยาม ชั้นหน้าจอ และชั้นการทำให้ใช้ได้จริง รวม 3 ชั้น ทั้ง 3 ชั้นนี้ไม่ใช่ฮาร์ดแวร์แต่เป็นงานของคน จึงแทบไม่แปรผันตามจำนวนเครื่องจักรที่เป็นเป้าหมาย เพราะแรงที่ใช้ทำเอกสารนิยาม KPI 6 ใบนั้น ไม่ว่าเป้าหมายจะเป็น 40 เครื่องหรือ 12 เครื่องก็ไม่ต่างกันมาก

สถานการณ์ A ทำพร้อมกันทั้งโรงงาน 40 เครื่อง 30 ตัวชี้วัด

เป็นแนวทางติดยูนิตเก็บข้อมูลกับเครื่องจักรครบทั้ง 40 เครื่อง และเปิดแดชบอร์ด 30 ตัวชี้วัด ค่าลงทุนเริ่มต้น 3,100,000 ค่าดำเนินการรายปี 372,000 ใน 40 เครื่องนั้นเป็นคอขวด 8 เครื่อง

เป็นแนวทางที่ครอบคลุมที่สุดและผู้บริหารมักตอบรับดี แต่เงิน 1,020,000 บาทที่ทุ่มลงในชั้นการเก็บข้อมูล ส่วนใหญ่กลายเป็นการลงทุนกับเครื่องจักรที่ไม่ได้ก่อให้เกิดตัวเงิน

สถานการณ์ B นำร่อง 1 ไลน์ 8 เครื่อง 6 ตัวชี้วัด

เป็นแนวทางเริ่มเล็ก ๆ ที่ 1 ไลน์ก่อน เป้าหมาย 8 เครื่อง 6 ตัวชี้วัด ค่าลงทุนเริ่มต้น 924,000 ค่าดำเนินการรายปี 138,600 ใน 8 เครื่องนั้นเป็นคอขวด 3 เครื่อง

เงินลงทุนอยู่ในระดับไม่ถึง 3 ใน 10 ของ A เป็นแนวทางตามตำราที่ว่า “เริ่มเล็กแล้วค่อยขยาย” และขออนุมัติภายในได้ง่าย แต่ดังที่จะกล่าวต่อไป แนวทางนี้กลับคืนทุนช้าที่สุด

สถานการณ์ C ข้ามไลน์เจาะคอขวด 12 เครื่อง 6 ตัวชี้วัด

เป็นแนวทางที่ไม่สนใจเส้นแบ่งของไลน์ แต่เลือกเฉพาะเครื่องจักรคอขวด 12 เครื่องข้ามทั้ง 6 ไลน์ ตัวชี้วัด 6 ตัว ค่าลงทุนเริ่มต้น 1,126,000 ค่าดำเนินการรายปี 168,900 ทั้ง 12 เครื่องเป็นคอขวดทั้งหมด

เงินลงทุนเพิ่มจาก B เล็กน้อย เพราะเป้าหมายเพิ่มจาก 8 เครื่องเป็น 12 เครื่อง ชั้นการเก็บข้อมูลจึงเป็น 1.5 เท่า และเพราะต้องดึงผู้เกี่ยวข้องจากหลายไลน์เข้ามา ชั้นการทำให้ใช้ได้จริงจึงสูงขึ้นด้วย ถึงอย่างนั้นผลลัพธ์กลับต่างกันมาก

รายละเอียดของผลตอบแทนรายปี

ผลตอบแทนเกิดขึ้นผ่าน 3 เส้นทาง

จุดที่ลดเวลาหยุดได้ กำหนดให้ A เท่ากับ 1.5 จุดสำหรับ 8 เครื่อง B เท่ากับ 1.5 จุดสำหรับ 3 เครื่อง และ C เท่ากับ 1.6 จุดสำหรับ 12 เครื่อง สำหรับ A และ B คือระดับการลดอัตราการหยุดจาก 8.5% ในปัจจุบันลง 1.5 จุดเหลือ 7.0% ที่กำหนดให้ C เป็น 1.6 จุด เพราะเป้าหมายเป็นคอขวดทั้งหมดและมาตรการจะกระจุกตัว จึงคาดหวังช่วงการลดได้มากกว่าเล็กน้อย

จุดที่ลดของอัตราผลได้ กำหนดให้ A เท่ากับ 0.12 จุดทั้งโรงงาน B เท่ากับ 0.20 จุดเทียบกับมูลค่าการผลิต 70,000,000 บาทของ 1 ไลน์ และ C เท่ากับ 0.10 จุดทั้งโรงงาน

รายละเอียดของชั่วโมงงานคัดลอก หากยกตัวอย่างด้วยสถานการณ์ A คือ หัวหน้ากะ 12 คน วันละ 25 นาที 300 วัน เท่ากับ 1,500 ชั่วโมง ฝ่ายวางแผนการผลิต 2 คน วันละ 90 นาที 300 วัน เท่ากับ 900 ชั่วโมง รวม 2,400 ชั่วโมง แล้วลดลง 70% ค่าแรงต่อชั่วโมงคือหัวหน้ากะ 145 บาท ฝ่ายวางแผนการผลิต 210 บาท ส่วน B เป็น 1 ไลน์จาก 6 ไลน์ จึงเท่ากับ 1 ใน 6 ของ A คือ 47,425 บาท ส่วน C ประมาณว่ารายงานประจำวันของเครื่องจักรเป้าหมายคิดเป็น 40% ของทั้งหมด จึงเท่ากับ 2,400 ชั่วโมง x 40% x 70% = 672 ชั่วโมง คูณค่าแรงเฉลี่ยรวม 165 บาท ได้ 110,880 บาท

ผลตอบแทนรายปีของ A กับ C เกือบเท่ากัน 964,950 เทียบกับ 967,680 แต่ค่าลงทุนเริ่มต้นคือ 3,100,000 กับ 1,126,000 ต่างกันเกือบ 3 เท่า

ตารางเปรียบเทียบระยะเวลาคืนทุนและยอดสะสม 5 ปี

เมื่อมองในกรอบ 5 ปี ทั้ง A และ B ให้ยอดสุทธิติดลบ มีเพียง C เท่านั้นที่ได้ +2,867,900 บาท และ ROI +254.7%

ทำไมแค่เริ่มเล็ก ๆ จึงไม่ทำให้ดีขึ้น

ตรงนี้คือส่วนที่ใช้ได้จริงที่สุดในบทความนี้

สถานการณ์ B ลงทุนน้อยกว่า A ถึง 7 ส่วนใน 10 แต่ระยะเวลาคืนทุนกลับ แย่ลง จาก 5.2 ปี เป็น 6.9 ปี ตำราที่ว่า “เริ่มเล็ก ๆ” ถูกหักล้างในกรณีนี้

เหตุผลอยู่ที่โครงสร้างต้นทุน สัดส่วนของ 3 ชั้นการออกแบบ ได้แก่ชั้นการนิยาม ชั้นหน้าจอ และชั้นการทำให้ใช้ได้จริง ที่มีต่อค่าลงทุนเริ่มต้น อยู่ที่ 43.2% สำหรับ A และ 51.9% สำหรับ B ทั้งที่ลดเป้าหมายลงเหลือ 1 ใน 5 แต่น้ำหนักของ 3 ชั้นการออกแบบกลับเพิ่มขึ้น นี่คือภาพสะท้อนของการที่ค่าออกแบบเป็นต้นทุนคงที่

ในความเป็นจริง จำนวนเครื่องจักรเป้าหมายลดจาก 40 เครื่องของ A เหลือ 8 เครื่องของ B คือเหลือ 1 ใน 5 แต่ค่าลงทุนเริ่มต้นลดจาก 3,100,000 เหลือ 924,000 คือลดลงได้แค่เหลือราว 3 ส่วนใน 10 เท่านั้น เพราะงานทำเอกสารนิยาม KPI งานออกแบบแดชบอร์ด และงานขับเคลื่อนเวทีประชุมให้เกิดการใช้จริง ไม่แปรผันตามจำนวนเครื่องจักร

ขณะเดียวกัน ผลตอบแทนไม่ได้แปรผันตามจำนวนเครื่องจักรเป้าหมาย แต่ แปรผันตามจำนวนเครื่องจักรคอขวด A มีคอขวด 8 เครื่องจาก 40 เครื่อง ส่วน B มีเพียง 3 เครื่องจากเป้าหมาย 8 เครื่อง ผลก็คือผลประโยชน์สุทธิรายปีลดจาก 592,950 เหลือ 134,575 คือเหลือประมาณ 2 ส่วนกว่าใน 10 เงินลงทุนลดได้แค่เหลือ 3 ส่วนใน 10 แต่ผลประโยชน์เหลือเพียง 2 ส่วนกว่าใน 10 นี่คือเหตุผลที่ระยะเวลาคืนทุนแย่ลงจาก 5.2 ปี เป็น 6.9 ปี

ที่ C คืนทุนเร็ว ไม่ใช่เพราะขนาดหรือจำนวนตัวชี้วัด แต่เพราะ ทั้ง 12 เครื่องเป็นคอขวด ถ้าต้องจ่ายค่าออกแบบเท่ากันอยู่แล้ว การวางค่าออกแบบนั้นลงบนเครื่องจักรที่ก่อให้เกิดตัวเงินย่อมคืนทุนเร็วกว่า

ข้อสรุปของบทความนี้พูดได้ในประโยคเดียว สิ่งที่กำหนดการคืนทุนของการลงทุน ไม่ใช่ความกว้างของขอบเขตหรือจำนวนตัวชี้วัด แต่คือสิ่งที่วัดนั้นเป็นคอขวดหรือไม่

ความอ่อนไหว — เมื่ออัตราการลงมือแก้ไขลดลง

การคำนวณทั้งหมดข้างต้นตั้งอยู่บนสมมติฐานว่ามาตรการจะถูกลงมือทำแน่นอนเมื่อเห็นความผิดปกติ ในความเป็นจริงไม่เป็นเช่นนั้น จึงกำหนดให้สัดส่วนของความผิดปกติที่เห็นแล้วมีการลงมือทำมาตรการจริงเป็น อัตราการลงมือแก้ไข แล้วคูณกับผลตอบแทนทั้งหมดอย่างเท่ากันเพื่อดูความอ่อนไหว โดยใช้สถานการณ์ C เป็นเป้าหมาย

เมื่ออัตราการลงมือแก้ไขลดลงถึง 40% ระยะเวลาคืนทุนจะยืดจาก 1.4 ปีเป็น 5.2 ปี หรือประมาณ 3.7 เท่า อนึ่ง ตารางนี้คูณอัตราการลงมือแก้ไขกับผลตอบแทนรายปีทั้งก้อนอย่างเท่ากัน ส่วนที่ลดชั่วโมงงานคัดลอกและรวบรวมข้อมูลนั้นเกิดขึ้นทันทีที่เปลี่ยนมาเก็บอัตโนมัติ และไม่ขึ้นกับว่ามีการลงมือทำมาตรการหรือไม่ ของจริงจึงแย่ลงช้ากว่าในตารางนี้ กล่าวคือเป็นการประมาณการที่เผื่อไว้ในทางอนุรักษ์ ต่อให้ซื้อแพลตฟอร์มมาแล้ว ถ้าคนไม่ขยับหลังสัญญาณเตือนดัง การลงทุนก็ไม่คืนทุน

ตารางนี้ควรถูกเปิดขึ้นมาทุกครั้งที่มีการถกเถียงว่าจะตัดรายจ่าย 360,000 บาทหรือ 260,000 บาทของชั้นการทำให้ใช้ได้จริงหรือไม่ การตัดชั้นการทำให้ใช้ได้จริง มีความหมายเดียวกับการลดอัตราการลงมือแก้ไข

ทำไมข้อสรุปจึงกลับทิศกับบทความเรื่องการเฝ้าติดตามอุณหภูมิและความชื้น

ขออธิบายให้ชัดตรงจุดที่ข้อสรุปกลับทิศกับบทความที่บริษัทเราเคยเขียนไว้

ในบทความเรื่องระบบเฝ้าติดตามอุณหภูมิและความชื้น เราสรุปว่า “ยิ่งเพิ่มจุดเฝ้าติดตาม การคืนทุนยิ่งไกลออกไป” แต่บทความนี้สรุปกลับกันว่า “แค่ทำให้ขอบเขตแคบลงอย่างเดียว การคืนทุนก็ไม่ได้ใกล้ขึ้น” เมื่อมองผ่าน ๆ ดูเหมือนขัดแย้งกัน

แต่ไม่ได้ขัดแย้ง เพราะโครงสร้างต้นทุนต่างกัน

อุณหภูมิและความชื้นนั้น ผลตอบแทนอยู่เฉพาะใกล้จุดที่กำลังเสียหายเท่านั้น เช่น 1 จุดในห้องควบคุมอุณหภูมิ 2 จุดในกระบวนการอบแห้ง จุดเฝ้าติดตามที่หลุดออกไปจากนั้นแทบไม่สร้างผลตอบแทนเทียบกับเงินลงทุน ดังนั้นยิ่งจำกัดจำนวนจุด การคืนทุนยิ่งเร็ว

ส่วนการบริหาร KPI นั้น ค่าออกแบบเป็นต้นทุนคงที่ ต่อให้ทำให้ขอบเขตแคบลง แรงที่ใช้กับเอกสารนิยาม หน้าจอ และเวทีประชุมก็ไม่ได้ลดลงมากเท่าจำนวนเครื่องจักร ดังนั้นแค่ทำให้แคบลงอย่างเดียว การคืนทุนจึงไม่ได้ใกล้ขึ้น

และเกณฑ์การตัดสินที่ทั้งสองเรื่องมีร่วมกันนั้นเหมือนกันทุกประการ ระบุจุดที่ตัวเงินกำลังเกิดขึ้นให้ได้ก่อน แล้วค่อยวัด ถ้าเป็นอุณหภูมิและความชื้นก็คือกระบวนการที่เกิดของเสีย ถ้าเป็น KPI ก็คือเครื่องจักรคอขวด ทั้งสองกรณีมีลำดับเดียวกันคือวาดแผนที่ของตัวเงินก่อนลงมือวัด

แนวทางการเริ่มใช้งาน — หมุน 1 ย่านให้ครบใน 90 วัน

ถ้าพยายามเปิดใช้ทุกย่านพร้อมกัน จะติดอยู่ที่การถกเถียงเรื่องนิยามอย่างแน่นอน ขอให้เริ่มหมุนเฉพาะ ย่านรายวัน ให้ครบภายใน 90 วันก่อน

วันที่ 0 ถึง 30 ระบุจุดที่ตัวเงินกำลังเกิดขึ้น

ก่อนจะคุยเรื่องตัวชี้วัด ให้วาดแผนที่ของตัวเงินก่อน เริ่มจากคำนวณต้นทุนต่อชั่วโมงเครื่องจักร เพียงแค่นำมูลค่าการผลิตต่อปีหารด้วยจำนวนเครื่องจักรเป้าหมายและเวลาเดินเครื่องตามแผนต่อปี ในโรงงานต้นแบบคือ 2,917 บาทต่อชั่วโมง

ถัดมา คูณด้วยอัตรากำไรส่วนเกิน เพื่อหาความสูญเสียเมื่อหยุด 1 ชั่วโมง ได้เท่ากับ 875 บาทต่อชั่วโมง

จากนั้นสำหรับแต่ละไลน์ในทั้ง 6 ไลน์ ให้ระบุเครื่องจักรที่กำหนดปริมาณการผลิตออกมา 1 ถึง 2 เครื่อง วิธีตัดสินง่ายมาก คือดูว่าเมื่อเครื่องนั้นหยุด กระบวนการก่อนหน้าและถัดไปต้องรอหรือไม่ ถ้ากระบวนการก่อนหน้ามีงานระหว่างทำกองสะสม และกระบวนการถัดไปว่างงาน นั่นคือคอขวด ผลงานที่ต้องได้ในช่วงนี้มีเพียง 2 อย่างเท่านั้น คือ รายชื่อเครื่องจักรคอขวด และมูลค่าต่อ 1 ชั่วโมงของแต่ละเครื่อง

วันที่ 31 ถึง 60 นิยาม 6 ตัวชี้วัดด้วยชุด 5 องค์ประกอบ

สำหรับเครื่องจักรที่ระบุได้แล้ว ให้จัดทำเอกสารนิยาม KPI 6 ใบ โดยใช้รูปแบบตารางที่แสดงไว้ในครึ่งแรกของบทความนี้ กรอกให้ครบทั้งสูตรนิยาม เงื่อนไขการยกเว้น แหล่งข้อมูล ความถี่ในการอัปเดต ผู้รับผิดชอบ เกณฑ์ และมาตรการเมื่อค่าเบี่ยงเบน

สิ่งที่ใช้เวลามากที่สุดใน 30 วันนี้คือการตกลงเรื่องเงื่อนไขการยกเว้น จะนับการบำรุงรักษาตามแผนเข้าไปในตัวหารหรือไม่ จะจัดการการเปลี่ยนรุ่นอย่างไร การรอวัตถุดิบถือเป็นการหยุดของเครื่องจักรหรือเป็นปัญหาของฝ่ายวางแผนการผลิต การถกเถียงกันตรงนี้เป็นเรื่องปกติ และ ถ้าข้ามการถกเถียงนี้ไปแล้วนำแพลตฟอร์มเข้ามาใช้ การถกเถียงเดียวกันจะเกิดขึ้นหลังเริ่มใช้งานจริง แถมยังเกิดในสภาพที่ตัวเลขออกมาแล้ว

พร้อมกันนั้น ให้ตรวจสอบว่าใน 6 ตัวชี้วัดนั้นเก็บอัตโนมัติได้กี่ตัว ถ้าเก็บอัตโนมัติได้ไม่ถึง 4 ตัว ให้เลือกตัวชี้วัดใหม่ หรือทบทวนขอบเขตของชั้นการเก็บข้อมูล

วันที่ 61 ถึง 90 นำขึ้นเวทีประชุมและหมุนมาตรการ

เปิดใช้แดชบอร์ดและนำขึ้นเป็นวาระของประชุมเช้าวันถัดไป วัตถุประสงค์ของช่วงนี้ไม่ใช่การดูตัวเลข แต่คือ การตรวจสอบว่ามาตรการถูกลงมือทำจริงหรือไม่

ทุกเช้า นำเสนอ 3 อันดับการหยุดสูงสุด กำหนดผู้รับผิดชอบและกำหนดเวลา แล้ววันถัดไปตรวจสอบผล ถ้าการไปกลับนี้เริ่มหมุนได้ อัตราการลงมือแก้ไขจะสูงขึ้น ถ้าหมุนไม่ได้ สาเหตุไม่ได้อยู่ที่หน้าจอ แต่อยู่ที่การตั้งผู้รับผิดชอบหรือความเป็นรูปธรรมของมาตรการอย่างใดอย่างหนึ่ง

4 ข้อที่ต้องตรวจสอบในวันที่ 90

ข้อแรก ใน 6 ตัวชี้วัดนั้นเก็บอัตโนมัติได้กี่ตัว เส้นขั้นต่ำคือ 4 ตัว เป้าหมายคือ 5 ตัวขึ้นไป ข้อที่สอง อัตราการลงมือทำมาตรการที่ตัดสินใจในประชุมเช้าคือกี่เปอร์เซ็นต์ ตามตารางความอ่อนไหว ถ้าตรงนี้ต่ำกว่า 40% การตัดสินใจลงทุนก็เปลี่ยนไปเลย ข้อที่สาม อัตราการหยุดของเครื่องจักรคอขวดลดลงกี่จุด ข้อที่สี่ ในช่วง 3 เดือนนี้มีตัวชี้วัดที่อยากเพิ่มหรือไม่ ถ้ามี ให้ตัดสินใจก่อนว่าจะตัดตัวไหนออก 1 ตัวแล้วจึงเพิ่ม

ประเด็นเฉพาะของฐานผลิตในไทยและอาเซียน

KPI ที่สำนักงานใหญ่ต้องการ กับ KPI ที่หน้างานขยับได้ ไม่ตรงกัน

KPI ที่ส่งลงมาจากสำนักงานใหญ่ในญี่ปุ่น ส่วนใหญ่ถูกนิยามไว้แล้วในฐานะมาตรฐานทั้งบริษัท และไม่แน่ว่าจะเก็บอัตโนมัติได้ที่ฐานผลิตในไทย

ในกรณีนี้ ห้ามนำ KPI ของสำนักงานใหญ่มาเป็น KPI หลักของฐานผลิตโดยตรง ให้คง KPI ของสำนักงานใหญ่ไว้ สำหรับการรายงานในย่านรายเดือน แล้ววางตัวชี้วัดอีกชุดที่เก็บอัตโนมัติได้ไว้ในย่านรายวันของฐานผลิต ถ้าทำความสัมพันธ์ของทั้งสองชุดเป็นตารางเทียบ 1 ใบและแบ่งปันกับสำนักงานใหญ่ไว้ คำถามที่ว่า “ทำไมถึงมีตัวเลข 2 ชุด” ก็จะหายไป

ในตารางเทียบให้เขียน 5 คอลัมน์ ได้แก่ ชื่อ KPI ของสำนักงานใหญ่ ชื่อตัวชี้วัดที่สอดคล้องกันของฐานผลิต ความต่างของนิยาม ความต่างของความถี่ในการอัปเดต และความเป็นไปได้ในการแปลงค่า การมีหรือไม่มีตารางนี้ ทำให้ชั่วโมงงานของการรายงานรายเดือนต่างกันมาก

ชื่อตัวชี้วัดใน 3 ภาษาไม่ได้ครอบคลุมขอบเขตเดียวกัน

ที่ฐานผลิตในไทย เราจัดการตัวชี้วัดเดียวกันด้วย 3 ภาษาคือญี่ปุ่น อังกฤษ และไทย และสิ่งที่เกิดขึ้นบ่อยคือขอบเขตเคลื่อนทันทีที่แปล

คำว่า “อัตราการเดินเครื่อง” เมื่อแปลเป็นภาษาอังกฤษ ถ้าเป็นความหมาย A จะเป็น Availability ถ้าเป็นความหมาย B จะเป็น Capacity Utilization และถ้าเป็นความหมาย C จะเป็น Direct Labor Ratio กลายเป็นคนละคำโดยสิ้นเชิง สิ่งที่เป็นคำเดียวในภาษาหนึ่งแตกเป็น 3 คำในอีกภาษาหนึ่ง ความหมายจึงถูกล็อกตายตั้งแต่ตอนที่ผู้แปลเลือกคำ

มาตรการรับมือนั้นเรียบง่าย เขียนชื่อตัวชี้วัดทั้ง 3 ภาษากำกับไว้ในเอกสารนิยาม KPI และเขียนสูตรนิยามเพียงสูตรเดียว ถ้าระบุไว้ชัดว่าตัวจริงคือสูตรนิยาม ไม่ใช่คำแปล ขอบเขตก็จะคงอยู่แม้ข้ามภาษา

มารยาทในการใช้ตัวชี้วัดภายนอกประกอบการขออนุมัติ

MPI และ PMI ที่กล่าวถึงตอนต้นบทความนั้นสะดวกเมื่อต้องอธิบาย “สภาพแวดล้อมตลาดของฐานผลิต” ในการขออนุมัติต่อสำนักงานใหญ่ แต่การใช้ก็มีมารยาทอยู่

ข้อแรก ต้องระบุแหล่งที่มาและนิยามกำกับไว้เสมอ MPI อิงปริมาณการผลิตจริง ส่วน PMI อิงการสำรวจผู้จัดการฝ่ายจัดซื้อ และการที่ทั้งสองชี้คนละทางเป็นเรื่องที่เกิดขึ้นได้ตามปกติ ถ้าอ้างอิงเพียงด้านเดียว ภายหลังจะถูกยกตัวเลขอีกด้านมาโต้

ข้อที่สอง อย่าใช้ตัวชี้วัดภายนอกเป็นเหตุผลรองรับค่าเป้าหมายของบริษัทตัวเอง อัตราการใช้กำลังการผลิตเฉลี่ย 57.47% เป็นตัวเลขที่แสดงสภาพอุปสงค์ของภาคการผลิตไทยทั้งหมด และไม่เกี่ยวกับระดับการบริหารเครื่องจักรของบริษัทท่าน ให้ใช้ตัวชี้วัดภายนอกในการอธิบายสภาพแวดล้อม ส่วนค่าเป้าหมายให้สร้างขึ้นจากตัวเงินของคอขวดในโรงงานท่านเอง

ข้อมูลปฐมภูมิสามารถตรวจสอบได้ที่Industrial Indices ของสำนักงานเศรษฐกิจอุตสาหกรรม กระทรวงอุตสาหกรรม ตัวเลขที่จะนำขึ้นเอกสารขออนุมัติ ขอให้ยืนยันจากแหล่งที่ประกาศโดยตรง ไม่ใช่จากบทความสรุป

การออกแบบ KPI บนสมมติฐานที่อัตราการลาออกสูง

ในหน้างานการผลิตของไทย จำเป็นต้องออกแบบบนสมมติฐานว่าคนหมุนเวียนเร็วกว่าในญี่ปุ่น เรื่องนี้ส่งผล 2 ประการต่อการออกแบบ KPI

ข้อแรก ตัวชี้วัดจากการป้อนมือที่พึ่งพาความชำนาญของคน จะยิ่งเชื่อถือไม่ได้ เมื่อคนที่จำกฎการป้อนข้อมูลได้ลาออกไป คุณสมบัติของค่ารวมก็เปลี่ยนไปตั้งแต่วันนั้น เหตุผลที่ต้องให้ความสำคัญกับการเก็บอัตโนมัติจึงหนักแน่นกว่าในญี่ปุ่นอีกขั้น

ข้อที่สอง เอกสารนิยาม KPI จะกลายเป็นเอกสารส่งมอบงานในตัวมันเอง ถ้ามีเอกสารนิยาม ผู้รับช่วงต่อก็ไม่ต้องเดาวิธีรวบรวมข้อมูลของคนก่อนหน้า ในโรงงานที่ไม่มีเอกสารนิยาม ความหมายของตัวชี้วัดจะแปรเปลี่ยนทุกครั้งที่เปลี่ยนผู้รับผิดชอบ และการวิเคราะห์แนวโน้มก็ไม่เป็นผล

ค่าแรงขั้นต่ำกับตัวหารของ KPI ผลิตภาพต่อชั่วโมงแรงงาน

น่าจะมีโรงงานจำนวนมากที่วางผลิตภาพต่อชั่วโมงแรงงานไว้เป็น KPI ของย่านรายเดือน ตัวชี้วัดนี้มีตัวหารเป็นเวลาของคน จึงไม่ได้รับผลกระทบโดยตรงจากการปรับระดับค่าจ้าง แต่จะเกิดผลกระทบในสถานการณ์ที่ ประเมินตัวชี้วัดนี้ในรูปตัวเงิน

ในประเทศไทย การปรับค่าแรงขั้นต่ำดำเนินไปเป็นขั้น ๆ และในกรุงเทพฯ ได้มีการปรับขึ้นเป็นวันละ 400 บาทแล้ว เนื่องจากระดับค่าจ้างต่างกันไปในแต่ละจังหวัด จึงต้องตรวจสอบอัตราที่บังคับใช้กับพื้นที่ตั้งของโรงงานท่านเป็นรายกรณี

ข้อควรระวังในทางปฏิบัติมีเพียงข้อเดียว คือ ให้นิยามตัวหารของผลิตภาพต่อชั่วโมงแรงงานเป็น “เวลาทำงานจริง” ไม่ใช่ “จำนวนคน” ถ้าใช้จำนวนคนเป็นตัวหาร การเพิ่มลดของชั่วโมงล่วงเวลาจะไม่สะท้อนในตัวชี้วัด และในช่วงที่ค่าจ้างสูงขึ้นจะเกิดสภาพที่อธิบายไม่ได้ว่า “ผลิตภาพดีขึ้นแต่ค่าแรงกลับเพิ่ม” เพียงเขียนกำกับในช่องตัวหารของเอกสารนิยาม 1 บรรทัดว่า “เวลาทำงานจริง รวมล่วงเวลา” ก็ป้องกันได้แล้ว

5 ความล้มเหลวที่พบบ่อยและวิธีเลี่ยง

ความล้มเหลวที่ 1 ซื้อแพลตฟอร์มก่อน เป็นรูปแบบที่นำยูนิตเก็บข้อมูลและซอฟต์แวร์เข้ามาก่อน แล้วค่อยเริ่มถกกันว่าจะวัดอะไร เพราะการถกเรื่องนิยามต้องมีการโต้แย้งอยู่แล้ว เวลาหลายเดือนจึงผ่านไปทั้งที่แพลตฟอร์มเดินอยู่ วิธีเลี่ยงคือทำเอกสารนิยาม 6 ใบให้เสร็จก่อนแล้วจึงขอใบเสนอราคา ถ้ามีเอกสารนิยาม จำนวนจุดเก็บข้อมูลที่ต้องใช้ก็ถูกกำหนดตามมาโดยอัตโนมัติ

ความล้มเหลวที่ 2 ติดครบทุกเครื่องจักร ความครอบคลุมสร้างความอุ่นใจ แต่การลงทุนกับเครื่องจักรที่ไม่ก่อให้เกิดตัวเงินไม่ช่วยเรื่องการคืนทุน ความต่างระหว่างสถานการณ์ A กับ C คือเรื่องนี้ วิธีเลี่ยงคือวางการระบุเครื่องจักรคอขวดไว้ก่อนการตัดสินใจลงทุน

ความล้มเหลวที่ 3 เพิ่มตัวชี้วัดไปเรื่อย ๆ ถ้าเพิ่มทุกครั้งที่มีคนพูดในที่ประชุมว่า “อยากดูตัวเลขนี้ด้วย” ครึ่งปีก็จะกลายเป็น 30 ตัวชี้วัด วิธีเลี่ยงคือกฎจำนวนรวมคงที่ การเพิ่มต้องมาคู่กับการลบออก 1 ตัวเสมอ

ความล้มเหลวที่ 4 ตั้งเจ้าหน้าที่รวบรวมข้อมูลเป็นผู้รับผิดชอบ เมื่อตัวเลขออกมาไม่ดี สิ่งที่เริ่มต้นขึ้นคือการทบทวนวิธีรวบรวมข้อมูล วิธีเลี่ยงคือระบุนิยามในช่องผู้รับผิดชอบให้ชัดว่า “คนที่มีอำนาจสั่งเคลื่อนคนและเครื่องจักรเมื่อค่าเบี่ยงเบน”

ความล้มเหลวที่ 5 ตัดค่าใช้จ่ายของชั้นการทำให้ใช้ได้จริง การอบรมและการออกแบบเวทีประชุมเป็นรายการที่ถูกตัดเป็นอันดับแรกในใบเสนอราคา แต่ตามตารางความอ่อนไหว ถ้าอัตราการลงมือแก้ไขตกลงมาที่ 40% การคืนทุนของสถานการณ์ C จะเปลี่ยนจาก 1.4 ปีเป็น 5.2 ปี วิธีเลี่ยงคือเขียนในเอกสารขออนุมัติว่าชั้นการทำให้ใช้ได้จริงไม่ใช่ “ค่าใช้จ่าย” แต่เป็น “การลงทุนในอัตราการลงมือแก้ไข”

สรุป

สิ่งที่ต้องตัดสินใจเพื่อให้การบริหาร KPI ของโรงงานทำงานได้ มีดังนี้

KPI ไม่ใช่ชื่อตัวชี้วัด แต่คือชุด 5 องค์ประกอบอันได้แก่ สูตรนิยาม แหล่งข้อมูล ความถี่ในการอัปเดต ผู้รับผิดชอบ และมาตรการเมื่อค่าเบี่ยงเบน ตัวชี้วัดที่ 5 ข้อไม่ครบ ต่อให้ชื่อถูกต้องก็ไม่ขับเคลื่อน

คำว่า “อัตราการเดินเครื่อง” หมายถึงของ 3 อย่างที่ต่างกัน คืออัตราความพร้อมใช้งานของเครื่องจักร ผลการผลิตจริงเทียบกับกำลังการผลิต และสัดส่วนเวลางานตรงของคน ส่วน ISO 22400 ไม่ใช่ระบบการรับรองแต่เป็นชุดนิยาม โดยฉบับปัจจุบันคือฉบับปี 2014 กับส่วนเพิ่มเติมปี 2017 และฉบับปรับปรุงยังไม่ได้เผยแพร่ ณ เดือนสิงหาคม 2026

ให้แบ่งตัวชี้วัดด้วย ความถี่ในการอัปเดต ไม่ใช่ลำดับชั้น และตรวจสอบก่อนตัดสินใจเลือกตัวชี้วัดว่าแต่ละย่านในทั้ง 4 ย่าน คือเรียลไทม์ รายวัน รายสัปดาห์ และรายเดือน มีมาตรการอยู่จริงหรือไม่ ห้ามวางตัวชี้วัดลงในย่านที่ไม่มีมาตรการ

เนื่องจากตัวชี้วัดจากการป้อนมือจะลู่เข้าหาตัวเลขที่ดีอย่างแน่นอน จึงต้องออกแบบย้อนกลับจาก “ตัวชี้วัดใดบ้างที่เก็บอัตโนมัติได้” กำหนดจำนวน KPI หลักไว้คงที่ที่ 5 ถึง 6 ตัว และเพิ่ม 1 ตัดออก 1

และสิ่งที่กำหนดการคืนทุนของการลงทุน ไม่ใช่ความกว้างของขอบเขตหรือจำนวนตัวชี้วัด แต่คือ สิ่งที่วัดนั้นเป็นคอขวดหรือไม่ ในแบบจำลองสมมติของบริษัทเรา การทำพร้อมกันทั้งโรงงานคืนทุน 5.2 ปี การนำร่อง 1 ไลน์คืนทุน 6.9 ปี และการข้ามไลน์เจาะคอขวดคืนทุน 1.4 ปี แค่เริ่มเล็ก ๆ อย่างเดียวการคืนทุนไม่ได้ใกล้ขึ้น เพราะค่าออกแบบเป็นต้นทุนคงที่

สิ่งที่ต้องทำใน 90 วันแรกไม่ใช่การเลือกตัวชี้วัด แต่คือ การคำนวณออกมาว่าเครื่องจักรตัวไหน 1 ชั่วโมงมีมูลค่าเท่าไร

เกี่ยวกับการปรึกษาในขั้นตอนที่กำลังพิจารณาออกแบบ KPI

หากท่านต้องการนำไปคิดต่อโดยแทนค่าเข้ากับสถานการณ์ของบริษัทท่าน ยังไม่จำเป็นต้องเข้าสู่เรื่องผลิตภัณฑ์หรือใบเสนอราคาแต่อย่างใด สิ่งที่ตัดสินใจได้ยากจริง ๆ คือส่วนที่อยู่ก่อนหน้านั้น ได้แก่ เครื่องจักรตัวไหนคือคอขวด 1 ชั่วโมงของเครื่องนั้นมีมูลค่าเท่าไร และตัวชี้วัดตัวไหนที่เก็บอัตโนมัติได้

บริษัทเราให้บริการด้านการเก็บและแสดงผลข้อมูลการผลิตและข้อมูลเครื่องจักรแก่ผู้ผลิตทุนญี่ปุ่นที่มีฐานอยู่ในประเทศไทย และรับปรึกษาตั้งแต่ขั้นตอนก่อนการกำหนด KPI นั่นคือขั้นตอนการค้นหาว่าตัวเงินกำลังเกิดขึ้นที่จุดใด เพียงต้องการตรวจสอบว่าโครงสร้างเครื่องจักรของบริษัทท่านน่าจะเก็บตัวชี้วัดใดอัตโนมัติได้ หรือเครื่องจักรเดิมที่มีอยู่ดึงสัญญาณออกมาได้หรือไม่ เราก็ยินดีให้คำปรึกษา

ติดต่อเราได้ที่แบบฟอร์มติดต่อสอบถาม

คำถามที่พบบ่อย

การบริหาร KPI โรงงานควรเริ่มจากกี่ตัวชี้วัด

ขอให้เริ่มโดยตั้งเพดานไว้ที่ 5 ถึง 6 ตัวชี้วัด ต่อ 1 ไลน์หรือ 1 แผนก ตัวชี้วัดที่การประชุม 1 ครั้งถกจนตัดสินใจเรื่องมาตรการได้มีมากสุด 5 ถึง 6 ตัว ส่วนที่เกินจากนั้นต่อให้อยู่ในเอกสารก็ไม่ถูกถกเถียง ในช่วงแรกแนะนำให้จำกัดไว้เพียง 6 ตัวชี้วัดของย่านรายวัน และจัดโครงสร้างให้ในจำนวนนั้นเก็บอัตโนมัติได้ตั้งแต่ 4 ตัวขึ้นไป เมื่ออยากเพิ่มตัวชี้วัด ขอให้ลดตัวเดิม 1 ตัวลงไปเป็นตัวชี้วัดเสริมก่อนเสมอแล้วจึงเพิ่ม

อัตราการเดินเครื่องกับ OEE ต่างกันอย่างไร

OEE คือผลคูณขององค์ประกอบ 3 ตัว และหนึ่งในนั้นคืออัตราความพร้อมใช้งาน ถ้าคำว่าอัตราการเดินเครื่องหมายถึงอัตราความพร้อมใช้งานของเครื่องจักรตามความหมาย A ก็เท่ากับว่ามันเป็นหนึ่งในองค์ประกอบของ OEE แต่ภายในโรงงาน อัตราการเดินเครื่องยังอาจหมายถึงผลการผลิตจริงเทียบกับกำลังการผลิต หรือสัดส่วนเวลางานตรงของคนได้ด้วย ความต่างที่สำคัญที่สุดในทางปฏิบัติคือ OEE มีนิยามชัดเจนในรูปผลคูณของ 3 องค์ประกอบ ขณะที่อัตราการเดินเครื่องหมายถึงของ 3 อย่างที่ต่างกันตามบริบท ในที่ประชุมขอให้เลี่ยงการใช้คำว่าอัตราการเดินเครื่องโดด ๆ และใช้คู่กับสูตรนิยามเสมอ

การบริหาร KPI ด้วย Excel ใช้ได้ถึงระดับไหน

ถ้าเป็นตัวชี้วัดของย่านรายเดือน Excel ก็เพียงพออย่างยิ่ง หากเพียงนำข้อมูลที่ดึงออกจากระบบหลักขององค์กรมาประมวลผลเดือนละครั้ง ก็ไม่จำเป็นต้องมีแพลตฟอร์มเฉพาะทาง

ที่จะใช้ไม่ได้คือย่านรายวันและย่านเรียลไทม์ ในการจับการหยุดของเครื่องจักรเป็นหน่วยนาที ตัวเลขจะถูกปัดเศษตั้งแต่ตอนที่คนคัดลอก และลู่เข้าหาเวลาหยุดที่น้อยกว่าความจริง เกณฑ์การตัดสินง่ายมาก คือดูว่า ข้อมูลต้นทางของตัวชี้วัดนั้นคนเป็นผู้ป้อนหรือไม่ ถ้าคนเป็นผู้ป้อน ไม่ว่าจะเป็น Excel หรือไม่ ตัวชี้วัดนั้นก็ไม่ควรถูกวางไว้เป็น KPI หลัก

ISO 22400 จำเป็นต้องขอการรับรองหรือไม่

ไม่จำเป็น ISO 22400 ไม่ใช่ระบบการรับรอง แต่เป็นชุดนิยาม KPI ไม่ใช่มาตรฐานประเภทที่ต้องรับการตรวจประเมินหรือขึ้นทะเบียน แต่ใช้เป็นพจนานุกรมสำหรับอ้างอิงแนวคิดของตัวตั้ง ตัวหาร และเงื่อนไขการยกเว้น ตอนจัดทำเอกสารนิยาม KPI ภายในองค์กร

ฉบับปัจจุบันเผยแพร่ในปี 2014 และในปี 2017 มีส่วนเพิ่มเติมด้าน KPI ที่เกี่ยวกับการประหยัดพลังงานเข้ามา ส่วนฉบับปรับปรุงอยู่ระหว่างการพิจารณาในชื่อ ISO/DIS 22400-2 และไปถึงขั้น 40.99 เมื่อวันที่ 17 กันยายน 2024 แต่ ณ เดือนสิงหาคม 2026 ยังไม่ได้เผยแพร่ การจัดทำเอกสารภายในโดยอ้างอิงฉบับปัจจุบันแล้วค่อยปรับส่วนต่างเมื่อฉบับปรับปรุงออกมาก็เพียงพอแล้ว

ควรทำ KPI tree หรือไม่

การทำนั้นมีประโยชน์ในตัวเอง แต่ แค่ทำเสร็จมันก็ยังไม่ทำงาน tree แสดงการแตกย่อยเชิงตรรกะ และลากเส้นเชื่อมจากกำไรจากการดำเนินงานลงมาถึงตัวชี้วัดหน้างานให้เรา แต่ต่อให้แตกย่อยแล้ว ความถี่ในการอัปเดตของแต่ละโหนดก็ยังไม่เท่ากัน

สิ่งที่แนะนำคือขั้นตอนการเขียนความถี่ในการอัปเดตกำกับแต่ละโหนดหลังทำ tree เสร็จ ถ้าพบจุดที่มีโหนดรายวันห้อยอยู่ใต้โหนดรายเดือน จุดนั้นคือรอยขาดที่ทำให้ยืนยันผลของการปรับปรุงไม่ได้ ขอให้ใช้ tree ในฐานะ “แผนภาพแสดงความสัมพันธ์” ส่วนการออกแบบการใช้งานจริงให้ทำด้วย 4 ย่านความถี่ในการอัปเดต

ทำไม KPI ดีขึ้นแล้วกำไรกลับไม่เพิ่ม

สาเหตุที่พบมากที่สุดคือ เครื่องจักรที่ปรับปรุงไปนั้นไม่ใช่คอขวด การเพิ่มอัตราการเดินเครื่องของเครื่องจักรที่ไม่ใช่คอขวด สิ่งที่เพิ่มขึ้นมีเพียงงานระหว่างทำ ส่วนปริมาณผลผลิตของทั้งโรงงานไม่เปลี่ยน จึงเกิดสภาพที่ตัวชี้วัดดีขึ้นแต่ผลกำไรขาดทุนไม่ขยับ

สาเหตุที่สองคือตัวหารของตัวชี้วัดไม่ตรงกับสภาพจริง ถ้านิยามตัวหารของผลิตภาพต่อชั่วโมงแรงงานด้วยจำนวนคน ต่อให้ล่วงเวลาเพิ่มขึ้น ตัวชี้วัดก็ยังดูดีขึ้น

สาเหตุที่สามคือผลตอบแทนไม่ได้ถูกแปลงเป็นตัวเงิน สมมติว่าอัตราการหยุดลดลง 1.5 จุด ถ้าไม่มีใครคำนวณว่าเท่ากับเงินปีละเท่าไร ก็ไม่มีทางจับคู่กับผลกำไรขาดทุนได้ การคำนวณต้นทุนต่อชั่วโมงเครื่องจักรและอัตรากำไรส่วนเกินไว้ก่อน ก็เพื่อให้จับคู่ตรงนี้ได้เช่นกัน

แหล่งอ้างอิง

• ดัชนีผลผลิตอุตสาหกรรมเดือนมิถุนายน 2026 ของกระทรวงอุตสาหกรรมไทย รายงานโดยสำนักข่าวซินหัว วันที่ 27 กรกฎาคม 2026 — อ่านบทความ
• ดัชนี PMI ภาคการผลิตของไทยเดือนกรกฎาคม 2026 โดย S&P Global รายงานโดยสำนักข่าวซินหัว วันที่ 3 สิงหาคม 2026 — อ่านบทความ
• ISO 22400-2:2014 ฉบับปัจจุบัน — หน้าทางการของ ISO
• ISO 22400-2:2014/Amd 1:2017 ส่วนเพิ่มเติมด้าน KPI ที่เกี่ยวกับการประหยัดพลังงาน — หน้าทางการของ ISO
• ISO/DIS 22400-2 อยู่ระหว่างการปรับปรุง ไปถึงขั้น 40.99 เมื่อวันที่ 17 กันยายน 2024 — หน้าทางการของ ISO
• สำนักงานเศรษฐกิจอุตสาหกรรม กระทรวงอุตสาหกรรมไทย หัวข้อ Industrial Indices — หน้าทางการของ สศอ.
• เจโทร รายงานการปรับขึ้นค่าแรงขั้นต่ำในกรุงเทพฯ เป็นวันละ 400 บาท วันที่ 4 กรกฎาคม 2025 — ข่าวธุรกิจสั้นของเจโทร