Gage R&R คืออะไร: เกณฑ์ยอมรับ %GRR 10%/30% และสิ่งที่ลูกค้าญี่ปุ่นคาดหวัง

เครื่องมือวัดสอบเทียบทุกปี ใบรับรองก็เก็บครบ แต่แล้วฝ่าย QA ของลูกค้าญี่ปุ่นก็ขอผล Gage R&R (ในเอกสารญี่ปุ่นเขียนว่า gēji R&R) หรือขอผล MSA ซึ่งก็คือการวิเคราะห์ระบบการวัด (Measurement Systems Analysis, ภาษาญี่ปุ่น: 測定システム解析 / sokutei shisutemu kaiseki) ซัพพลายเออร์ Tier 1 และ Tier 2 ที่ส่งชิ้นส่วนให้โรงงานรถยนต์และมอเตอร์ไซค์ญี่ปุ่นในไทยมีโอกาสถูกขอเอกสารนี้ได้

การสอบเทียบตรวจสอบหลัก ๆ เพียงเรื่องเดียว คือเครื่องมืออ่านค่าห่างจากเครื่องมือมาตรฐานเท่าไร (bias) แต่ในการวัดจริง ค่าที่ได้ยังกระจายเมื่อคนเดิมวัดชิ้นงานเดิมซ้ำ และเปลี่ยนไปเมื่อคนวัดเปลี่ยน Gage R&R คือการเอาความกระจายนั้นมาเป็นตัวเลข แล้วเทียบกับความแปรปรวนระหว่างชิ้นงานหรือกับค่าพิกัดความเผื่อ (tolerance)

บทความนี้อธิบายตำแหน่งของ Gage R&R ใน MSA, ขั้นตอนการทำ 6 ขั้น, ตัวอย่างคำนวณด้วยวิธี Average and Range (ใช้ข้อมูลสมมติทั้งหมด), ความต่างของผลจาก ANOVA และวิธีอ่านเกณฑ์ 10% กับ 30% ตอนท้ายมีสิ่งที่ลูกค้าญี่ปุ่นมักตรวจ เช็กลิสต์ก่อนส่งรายงาน และคำถามที่ควรถามก่อนเริ่มทำ

สารบัญ

1. Gage R&R วัดอะไรใน MSA
2. วิธีทำ Gage R&R 6 ขั้นตอน
3. วิธี Average and Range: ตัวอย่างคำนวณ
4. Average and Range เทียบกับ ANOVA
5. เกณฑ์ยอมรับ: อ่าน 10%, 30% และ ndc ≥ 5
6. ถ้าผลไม่ดี ต้องทำอย่างไร
7. MSA แบบ Attribute: งานตรวจผ่าน/ไม่ผ่านและค่า Kappa
8. ก่อนส่งรายงาน: เช็กลิสต์และคำถามถึงลูกค้าญี่ปุ่น
9. ข้อจำกัดของบทความนี้
10. คำถามที่พบบ่อย (FAQ)
11. แหล่งอ้างอิง

Gage R&R วัดอะไรใน MSA

MSA ประเมินทั้งระบบการวัดด้วยสถิติ ไม่ได้ประเมินแค่เครื่องมือวัด ระบบการวัดรวมถึงคนวัด วิธีวัด jig และสภาพแวดล้อม ในอุตสาหกรรมยานยนต์ คู่มือ MSA ของ AIAG (Automotive Industry Action Group สมาคมอุตสาหกรรมยานยนต์ของสหรัฐฯ) ถือเป็นมาตรฐานที่ใช้กันจริง ฉบับปัจจุบันคือฉบับที่ 4 ออกเมื่อมิถุนายน 2010 และ AIAG ยังแสดงฉบับนี้เป็นฉบับล่าสุด ณ ตุลาคม 2026

คู่มือแบ่งค่าคลาดเคลื่อนของระบบการวัดเป็น 2 แบบ แบบแรกคือ location (ตำแหน่ง) ที่ค่าเฉลี่ยของการวัดเบี่ยงจากค่าจริง แบบที่สองคือ width (ความกว้างหรือการกระจาย) ที่ค่าวัดกระจายรอบค่าเฉลี่ย Gage R&R ประเมินค่าคลาดเคลื่อนด้านการกระจาย คือวัดของเดิมซ้ำ ๆ แล้วค่ากระจายมากแค่ไหน

รูปที่ 1: คุณสมบัติ 5 ประการที่ MSA ประเมิน

3 ข้อแรกอธิบายค่าคลาดเคลื่อนด้านตำแหน่ง 2 ข้อถัดมาอธิบายด้านการกระจาย Gage R&R รวม 2 ข้อหลังเข้าด้วยกัน

Bias (ค่าเบี่ยงเบน)

ตำแหน่งผลต่างระหว่างค่าเฉลี่ยของการวัดกับค่าอ้างอิง ตรวจด้วยการสอบเทียบหรือการวัดชิ้นงานมาสเตอร์

Linearity (ความเป็นเชิงเส้น)

ตำแหน่งดูว่า bias ต่างกันหรือไม่ระหว่างช่วงล่างกับช่วงบนของย่านการวัด

Stability (ความเสถียร)

ตำแหน่งดูว่า bias เปลี่ยนตามเวลาหรือไม่ เมื่อวัดมาสเตอร์ตัวเดิมเป็นระยะ ติดตามด้วยแผนภูมิควบคุม

Repeatability (EV)

การกระจายความแปรปรวนเมื่อคนเดียววัดชิ้นงานเดิมซ้ำด้วยเกจตัวเดิม เรียกอีกอย่างว่า Equipment Variation

Reproducibility (AV)

การกระจายความต่างของค่าเฉลี่ยระหว่างผู้วัดแต่ละคน เรียกอีกอย่างว่า Appraiser Variation

Gage R&R (GRR)

รวมRepeatability กับ Reproducibility รวมกัน คือค่าคลาดเคลื่อนด้านการกระจายของระบบการวัด

EV = Equipment Variation; AV = Appraiser Variation การจัดหมวดอ้างอิงจากเอกสารอธิบายที่สรุปคู่มือ AIAG MSA ฉบับที่ 4

Repeatability และ Reproducibility: หมายเหตุเรื่องศัพท์ญี่ปุ่น

รายงานญี่ปุ่นใช้คำว่า 繰返し性 (kurikaeshi-sei) แทน Repeatability และ 再現性 (saigen-sei) แทน Reproducibility มาตรฐานศัพท์มาตรวิทยาของญี่ปุ่น JIS Z 8103 นิยาม Repeatability ว่าเป็นความแม่นยำ (precision) ภายใต้เงื่อนไขการวัดซ้ำ คือใช้ขั้นตอนเดียวกัน ผู้วัดคนเดียวกัน ระบบการวัดเดียวกัน เงื่อนไขการใช้งานเดียวกัน สถานที่เดียวกัน วัดวัตถุเดิมซ้ำในเวลาสั้น ๆ ใน Gage R&R ค่านี้รายงานเป็น EV

นิยาม Reproducibility ของ JIS กว้างกว่านั้น เงื่อนไขของมันอาจรวมสถานที่หรือระบบการวัดที่ต่างกัน แต่ใน Gage R&R Reproducibility (AV) หมายถึงความต่างที่เกิดจากการเปลี่ยนผู้วัดเป็นหลัก ถ้าจะส่งขั้นตอนหรือรายงานให้ลูกค้าญี่ปุ่น ควรเขียนชัดว่า "Reproducibility = ความต่างระหว่างผู้วัด" เพื่อไม่ให้อีกฝ่ายอ่านตามความหมายกว้างของ JIS

การศึกษานี้แยกความแปรปรวนรวมที่สังเกตได้ออกเป็นความแปรปรวนจากตัวชิ้นงานเอง กับความแปรปรวนจากระบบการวัด ดังรูปต่อไปนี้

รูปที่ 2: การแยกองค์ประกอบของความแปรปรวนในการวัด

ในระบบการวัดที่ดี ความแปรปรวนของชิ้นงานต้องเป็นส่วนใหญ่ของความแปรปรวนรวม และ GRR ต้องมีค่าน้อย

ความแปรปรวนรวม (TV)ความแปรปรวนทั้งหมดที่เห็นในค่าวัด TV² = PV² + GRR²

แยกเป็น

ความแปรปรวนของชิ้นงาน (PV)ความต่างของขนาดจริงระหว่างชิ้นงาน คือความแปรปรวนที่เราต้องการเห็น

Gage R&R (GRR)ความแปรปรวนจากระบบการวัด GRR² = EV² + AV²

GRR ประกอบด้วย

Repeatability (EV)ความแปรปรวนภายในคนเดียว จากเกจ jig และวิธีวัด

Reproducibility (AV)ความต่างของค่าเฉลี่ยระหว่างผู้วัด

มีเพียงความแปรปรวน (variance คือส่วนเบี่ยงเบนมาตรฐานยกกำลังสอง) เท่านั้นที่บวกกันได้ ส่วนเบี่ยงเบนมาตรฐานและค่าเปอร์เซ็นต์บวกกันตรง ๆ ไม่ได้

การสอบเทียบกับ Gage R&R ต่างกันอย่างไร

การสอบเทียบคือการเทียบเกจกับเครื่องมือมาตรฐานที่ความสอบกลับได้ (traceability) แล้วตรวจค่าคลาดเคลื่อนของการอ่านค่า ดูเฉพาะตัวเครื่องมือ ซึ่งก็คือ bias ในรูปที่ 1 เป็นหลัก ต่อให้สอบเทียบและมีความสอบกลับได้ครบ ความหลวมของ jig หรือนิสัยการวัดของแต่ละคนก็ยังทำให้ค่าวัดกระจายอยู่ดี เรื่องบันทึกการสอบเทียบและ traceability ที่โรงงานญี่ปุ่นดูได้ในบทความเรื่องนี้

Gage R&R ใช้ชิ้นงานจริง วัดโดยคนที่วัดงานนี้อยู่ประจำ ด้วยขั้นตอนปกติ การสอบเทียบตอบคำถามว่า "เกจถูกต้องไหม" ส่วน Gage R&R ตอบว่า "วิธีวัดนี้แยกความต่างของชิ้นงานได้ไหม" ต้องมีทั้งสองอย่างจึงจะนำค่าวัดไปตัดสินคุณภาพได้

ทำไมลูกค้ายานยนต์ญี่ปุ่นขอ: IATF 16949 ข้อ 7.1.5.1.1

IATF 16949 มาตรฐานระบบบริหารคุณภาพยานยนต์ กำหนดเรื่อง MSA ไว้ในข้อ 7.1.5.1.1 ต้องมีการศึกษาทางสถิติเพื่อวิเคราะห์ความแปรปรวนของผลจากระบบเครื่องมือตรวจสอบ วัด และทดสอบแต่ละชนิดที่ระบุใน Control Plan (แผนควบคุม)

วิธีวิเคราะห์และเกณฑ์ยอมรับต้องเป็นไปตามคู่มืออ้างอิง MSA ถ้าจะใช้วิธีหรือเกณฑ์อื่นต้องได้รับอนุมัติจากลูกค้า และต้องเก็บบันทึกการอนุมัตินั้นไว้ ดังนั้นขอบเขตมาจาก Control Plan และกฎของลูกค้าเองก็สำคัญพอ ๆ กับตัวเลขของ AIAG ตำแหน่งของ MSA ในกระบวนการเตรียมผลิตของลูกค้าญี่ปุ่นอธิบายไว้ในบทความเรื่อง NPI และกระบวนการ QA ของโรงงานญี่ปุ่น

วิธีทำ Gage R&R 6 ขั้นตอน

ความน่าเชื่อถือของผลขึ้นอยู่กับการเก็บข้อมูลมากกว่าการคำนวณ แผนทั่วไปคือ 10 ชิ้นงาน ผู้วัด 3 คน คนละ 3 รอบ แบ่งเป็น 6 ขั้นตอนดังนี้

รูปที่ 3: 6 ขั้นตอนของการทำ Gage R&R

3 ขั้นตอนเตรียมการเป็นตัวกำหนดว่าผลจะเชื่อถือได้หรือไม่

เตรียมการ

01กำหนดเป้าหมายและวัตถุประสงค์คุณลักษณะไหน เกจตัวไหน ใช้ควบคุมกระบวนการหรือตัดสินผ่าน/ไม่ผ่าน

02ตรวจ Resolution และการสอบเทียบค่าอ่านน้อยสุดละเอียดถึง 1/10 ของ tolerance (หรือความแปรปรวนของกระบวนการ) หรือไม่ การสอบเทียบยังไม่หมดอายุใช่ไหม

03เลือกชิ้นงานประมาณ 10 ชิ้น ครอบคลุมช่วงความแปรปรวนทั้งหมดของกระบวนการ ใส่หมายเลขโดยไม่ให้ผู้วัดเห็น

การวัดและการวิเคราะห์

04วัดตามลำดับสุ่มผู้วัด 3 คน คนละ 3 รอบ สลับลำดับทุกรอบ และไม่ให้เห็นค่าที่วัดไปก่อนหน้า

05คำนวณหา EV, AV และ GRR ด้วยวิธี Average and Range (X̄-R) หรือ ANOVA

06ตัดสินและแก้ไขเทียบ %GRR และ ndc กับเกณฑ์ ถ้าไม่ผ่านให้แยกว่าสาเหตุอยู่ที่ Repeatability หรือ Reproducibility

10 ชิ้นงาน ผู้วัด 2–3 คน และ 2–3 รอบ เป็นแนวทางทั่วไป (เอกสารทางเทคนิคของ Minitab) ถ้าลูกค้ากำหนดไว้ ให้ทำตามลูกค้า

ขั้นที่ 1: กำหนดเป้าหมายและวัตถุประสงค์

เลือกก่อนว่าจะศึกษาคุณลักษณะด้านคุณภาพข้อไหน ด้วยเกจ jig และขั้นตอนอะไร ถ้าอยู่ภายใต้ IATF 16949 โดยทั่วไปจะเริ่มจากการวัดที่ระบุใน Control Plan

จากนั้นกำหนดว่าการวัดนี้ใช้ทำอะไร จะติดตามความแปรปรวนของกระบวนการด้วยแผนภูมิควบคุม หรือจะตัดสินผ่าน/ไม่ผ่านก่อนส่งของ คำตอบนี้มีผลต่อตัวหารที่ใช้คำนวณ %GRR ในภายหลัง

ขั้นที่ 2: ตรวจ Resolution และการสอบเทียบ

ถ้า resolution (ค่าอ่านน้อยที่สุด) ของเกจหยาบเกินไป เกจจะให้ค่าเดิมทุกครั้ง และประเมินความแปรปรวนได้ไม่ถูกต้อง แนวทางของ AIAG มี "กฎ 10 ต่อ 1" คือ resolution ควรละเอียดเท่ากับ 1/10 ของ tolerance หรือละเอียดกว่า เช่นขนาดที่มี tolerance 0.10 mm ต้องใช้เกจที่อ่านได้ถึง 0.01 mm หรือละเอียดกว่า

ตรวจด้วยว่าการสอบเทียบของเกจยังไม่หมดอายุ Gage R&R ไม่ได้ประเมิน bias ดังนั้นต่อให้ผลดี แต่ถ้าเกจนั้นสอบเทียบเกินกำหนดแล้ว ก็ยืนยันไม่ได้ว่าค่าที่อ่านถูกต้อง

ขั้นที่ 3: เลือกชิ้นงาน

เลือกชิ้นงานให้ครอบคลุมช่วงความแปรปรวนทั้งหมดที่กระบวนการผลิตออกมาจริง Minitab ระบุว่าการสุ่มจากช่วงทั้งหมดของกระบวนการทำให้ประมาณความแปรปรวนระหว่างชิ้นงานได้ดีขึ้น ถ้าไปเก็บชิ้นงานที่คล้ายกันจากล็อตเดียว ความแปรปรวนของชิ้นงานจะเล็กลง และ %GRR จะออกมาสูงเกินจริง

ใส่หมายเลขชิ้นงาน แต่ต้องไม่ให้ผู้วัดเห็นหมายเลข ผู้วัดที่เห็นหมายเลขมักจำค่าครั้งก่อนแล้ววัดให้ตรงกัน จึงควรทำเครื่องหมายไว้ด้านล่างของชิ้นงาน หรือให้อีกคนเป็นคนยื่นชิ้นงานให้ นอกจากนี้ 10 ชิ้นงานประมาณความแปรปรวนของชิ้นงานได้ไม่แม่นนัก เอกสารทางเทคนิคของ Minitab เสนอ 2 ทางเลือก คือเพิ่มจำนวนชิ้นงาน หรือใช้ส่วนเบี่ยงเบนมาตรฐานของกระบวนการที่คำนวณจากข้อมูลในอดีตจำนวนมาก

ขั้นที่ 4: วัดตามลำดับสุ่ม

เลือกผู้วัดจากคนที่วัดงานนี้เป็นประจำ ถ้าเลือกเฉพาะผู้ตรวจสอบที่เก่งที่สุด ผลจะประเมินความแปรปรวนของการวัดในแต่ละวันต่ำกว่าจริง

ในรอบที่ 1 ผู้วัด A วัดทั้ง 10 ชิ้นครั้งละชิ้น แล้ว B กับ C วัดต่อ รอบที่ 2 และ 3 ทำซ้ำโดยสลับลำดับชิ้นงาน การสุ่มลำดับทุกรอบและไม่ให้เห็นผลก่อนหน้าช่วยตัดผลจากความจำและลำดับการวัด ตกลงกันล่วงหน้าด้วยว่าจะวัดตรงตำแหน่งไหนของชิ้นงาน และทุกคนต้องวัดตำแหน่งเดียวกัน

ขั้นที่ 5 และ 6: คำนวณและตัดสิน

เมื่อได้ข้อมูลครบ ให้คำนวณด้วยวิธี Average and Range หรือ ANOVA ใช้สเปรดชีตก็ได้ แต่โปรแกรมสถิติให้ผล ANOVA และกราฟได้ในครั้งเดียว ตอนตัดสิน ให้เทียบ %GRR และ ndc (number of distinct categories จำนวนกลุ่มที่แยกได้) กับเกณฑ์

ถ้าไม่ผ่าน ให้ดูว่า Repeatability หรือ Reproducibility ใหญ่กว่า แล้วแก้ตามนั้น หัวข้อถัดไปจะพาคำนวณทีละขั้น

วิธี Average and Range: ตัวอย่างคำนวณ

ข้อมูลด้านล่างเป็นข้อมูลสมมติ ตัวเลขทั้งหมดสร้างขึ้นเพื่ออธิบาย ไม่ได้มาจากกระบวนการจริง สมมติว่าวัดเส้นผ่านศูนย์กลางนอกของเพลา สเปก 10.00 ±0.05 mm (tolerance กว้าง 0.10 mm) ด้วยไมโครมิเตอร์ที่อ่านได้ละเอียด 0.001 mm ผู้วัด A, B, C วัดคนละ 10 ชิ้น 3 รอบ

ผู้วัด / รอบ	1	2	3	4	5	6	7	8	9	10
A รอบที่ 1	9.972	9.986	10.020	9.995	10.029	9.962	10.008	9.994	10.014	10.000
A รอบที่ 2	9.973	9.986	10.021	9.995	10.030	9.967	10.004	9.989	10.009	9.998
A รอบที่ 3	9.966	9.984	10.017	9.999	10.030	9.964	10.000	9.988	10.015	10.002
A ค่าพิสัย (range)	0.007	0.002	0.004	0.004	0.001	0.005	0.008	0.006	0.006	0.004
B รอบที่ 1	9.969	9.986	10.020	9.998	10.035	9.965	10.010	9.995	10.015	10.004
B รอบที่ 2	9.974	9.987	10.019	10.000	10.036	9.962	10.013	9.992	10.015	10.010
B รอบที่ 3	9.976	9.983	10.023	10.002	10.031	9.969	10.010	9.994	10.021	10.002
B ค่าพิสัย (range)	0.007	0.004	0.004	0.004	0.005	0.007	0.003	0.003	0.006	0.008
C รอบที่ 1	9.969	9.980	10.017	9.990	10.024	9.960	10.007	9.989	10.007	9.996
C รอบที่ 2	9.970	9.975	10.016	9.994	10.030	9.963	10.003	9.985	10.010	10.003
C รอบที่ 3	9.967	9.980	10.018	9.994	10.025	9.958	10.004	9.985	10.014	10.000
C ค่าพิสัย (range)	0.003	0.005	0.002	0.004	0.006	0.005	0.004	0.004	0.007	0.007
ค่าเฉลี่ยชิ้นงาน	9.9707	9.9830	10.0190	9.9963	10.0300	9.9633	10.0066	9.9901	10.0133	10.0017

วิธี Average and Range ประมาณส่วนเบี่ยงเบนมาตรฐานจากค่าพิสัย (ค่าสูงสุดลบค่าต่ำสุด) และจากผลต่างของค่าเฉลี่ย ตัวคูณที่แปลงค่าพิสัยเป็นส่วนเบี่ยงเบนมาตรฐานคือ K1, K2 และ K3 ซึ่งค่าขึ้นกับจำนวนรอบ จำนวนผู้วัด และจำนวนชิ้นงาน

รูปที่ 4: ลำดับการคำนวณของวิธี Average and Range

แปลงค่าพิสัยหรือผลต่าง 3 ค่าเป็นส่วนเบี่ยงเบนมาตรฐานด้วยตัวคูณ K แล้วรวมเข้าด้วยกัน

R̿ (ค่าพิสัยเฉลี่ย)เฉลี่ยค่าพิสัยของผู้วัดแต่ละคน แล้วเฉลี่ยข้ามผู้วัด

X̄diffค่าเฉลี่ยรวมของผู้วัดที่มากสุด ลบค่าที่น้อยสุด

Rpค่าเฉลี่ยชิ้นงานที่มากสุด ลบค่าที่น้อยสุด

คูณด้วยตัวคูณ

EV = R̿ × K1K1: 0.5908 สำหรับ 3 รอบ, 0.8862 สำหรับ 2 รอบ

AV = √[(X̄diff × K2)² − EV²/(n·r)]K2: 0.5231 สำหรับผู้วัด 3 คน, 0.7071 สำหรับ 2 คน

PV = Rp × K3K3: 0.3146 สำหรับ 10 ชิ้น, 0.4030 สำหรับ 5 ชิ้น

รวมค่า

GRR = √(EV² + AV²)   TV = √(GRR² + PV²)%GRR = GRR ÷ TV × 100   ndc = 1.41 × PV ÷ GRR (ปัดเศษทิ้ง)

n = จำนวนชิ้นงาน, r = จำนวนรอบ ตัวคูณเป็นค่าที่ใช้ในวิธีของ AIAG MSA ฉบับที่ 4 ตรวจเทียบกับ SPC for Excel และกับค่าที่คำนวณจากตาราง d2 และ d2* (K1 = 1/d2, K2 และ K3 = 1/d2*) K3 สำหรับ 2–10 ชิ้น: 0.7071, 0.5231, 0.4467, 0.4030, 0.3742, 0.3534, 0.3375, 0.3249, 0.3146

ตำราเก่าและฟอร์มเก่าที่โรงงานทำไว้เองบางครั้งใช้ตัวคูณอย่าง 4.56 และ 3.05 ค่าเหล่านี้มาจากคู่มือฉบับที่ 1 และ 2 ที่แสดงผลเป็นช่วงกระจาย 99% (5.15 เท่าของส่วนเบี่ยงเบนมาตรฐาน) %GRR เทียบกับความแปรปรวนรวมจะเท่าเดิม แต่ค่า EV และ AV แบบสัมบูรณ์ และสัดส่วนต่อ tolerance จะเปลี่ยน ต้องเช็กเสมอว่าแม่แบบ (template) ใช้ตัวคูณของฉบับไหน รวมถึงฟอร์มที่โรงงานทำเองหรือฟอร์มเก่า

1. Repeatability (EV)

เริ่มจากหาค่าเฉลี่ยของค่าพิสัยของผู้วัดแต่ละคน ในตัวอย่าง A ได้ 0.0047 mm, B ได้ 0.0051 mm และ C ได้ 0.0047 mm ค่าพิสัยเฉลี่ยรวม R̿ จึงเป็น 0.00483 mm (4.83 µm) ส่วนที่เหลือของตัวอย่างใช้หน่วย µm เพื่อให้อ่านง่าย

ก่อนไปต่อ ให้ตรวจว่าไม่มีค่าพิสัยใดเกินขีดควบคุม (UCL = D4 × R̿ สำหรับ 3 รอบ D4 = 2.574 ได้ 12.4 µm) ถ้ามีค่าเกิน ให้สงสัยว่าวัดผิดหรือจดผิด แล้ววัดชิ้นนั้นใหม่ก่อนคำนวณ ในตัวอย่างค่าพิสัยสูงสุดคือ 8 µm จึงไม่มีปัญหา ใช้ K1 = 0.5908 สำหรับ 3 รอบ ได้ EV = 4.83 × 0.5908 ≈ 2.86 µm

2. Reproducibility (AV)

ค่าเฉลี่ยของผู้วัดแต่ละคนจาก 30 ค่า คือ A = 9.99723 mm, B = 10.00053 mm และ C = 9.99443 mm ผลต่างระหว่างค่าสูงสุด (B) กับต่ำสุด (C) คือ X̄diff = 6.10 µm เมื่อมีผู้วัด 3 คน K2 = 0.5231

X̄diff × K2 = 3.19 µm ยกกำลังสองได้ 10.18 เนื่องจากค่าเฉลี่ยของผู้วัดมีความแปรปรวนจาก Repeatability ปนอยู่เล็กน้อย จึงต้องหักออก EV² ÷ (10 ชิ้น × 3 รอบ) = 2.86² ÷ 30 ≈ 0.27 ได้ AV = √(10.18 − 0.27) ≈ 3.15 µm ถ้าค่าใต้รากที่สองติดลบ ให้ตั้ง AV = 0

3. GRR, PV และ TV

GRR คือรากที่สองของผลรวมกำลังสองของ EV และ AV: √(2.86² + 3.15²) ≈ 4.25 µm ส่วน PV มาจาก Rp ซึ่งเป็นผลต่างระหว่างค่าเฉลี่ยชิ้นงานสูงสุด (10.0300 mm) กับต่ำสุด (9.9633 mm) Rp = 66.67 µm คูณ K3 = 0.3146 สำหรับ 10 ชิ้น ได้ PV = 20.97 µm ความแปรปรวนรวม TV = √(4.25² + 20.97²) ≈ 21.40 µm

4. %GRR และ ndc

%GRR = 4.25 ÷ 21.40 × 100 ≈ 19.9% คำนวณแบบเดียวกันได้ %EV = 13.3%, %AV = 14.7% และ %PV = 98.0% เมื่อบวก %EV กับ %AV จะไม่ได้ 19.9% เพราะมีเฉพาะค่ายกกำลังสอง (variance) ที่บวกกันได้ ตามหมายเหตุใต้รูปที่ 2

ndc = 1.41 × 20.97 ÷ 4.25 ≈ 6.96 ปัดเศษทิ้งได้ 6 ส่วน 1.41 คือ √2 ที่ปัดเศษแล้ว

รูปที่ 5: ผลของตัวอย่างคำนวณ (วิธี Average and Range)

%GRR = 19.9% อยู่ในช่วง "ยอมรับแบบมีเงื่อนไข" และ Reproducibility (AV) ใหญ่กว่า Repeatability เล็กน้อย

ค่า (µm)

สัดส่วนต่อความแปรปรวนรวม (TV)

Repeatability EV

2.86

13.3%

Reproducibility AV

3.15

14.7%

Gage R&R GRR

4.25

19.9% (ช่วง 10–30%)

ความแปรปรวนของชิ้นงาน PV

20.97

98.0%

ความแปรปรวนรวม TV

21.40

100%

ndc

6.96 → 6

ผ่านเกณฑ์ (5 ขึ้นไป)

สัดส่วนต่อ tolerance

6 × GRR = 25.5

25.5% ของ tolerance กว้าง 100 µm

ข้อมูลตัวอย่างสมมติ ตรวจสอบการคำนวณด้วย Python แล้ว เนื่องจากสัดส่วนรวมกันแบบผลรวมกำลังสอง 13.3% + 14.7% จึงไม่เท่ากับ 19.9%

Average and Range เทียบกับ ANOVA

ANOVA (การวิเคราะห์ความแปรปรวน) แยกความแปรปรวนในค่าวัดเป็น 4 แหล่ง คือ ชิ้นงาน ผู้วัด ผลร่วมระหว่างผู้วัดกับชิ้นงาน (interaction) และความคลาดเคลื่อนจาก Repeatability คู่มือ AIAG อธิบายทั้งสองวิธี และโปรแกรมสถิติส่วนใหญ่ตั้ง ANOVA เป็นค่าเริ่มต้น

ตาม Minitab วิธี Average and Range คำนวณความแปรปรวนของ interaction ระหว่างผู้วัดกับชิ้นงานไม่ได้ interaction หมายถึงผู้วัดแต่ละคนวัดต่างกันเป็นรายชิ้น เช่น "ผู้วัด C อ่านต่ำเฉพาะชิ้นงานเล็ก" โดยทั่วไป ANOVA ประมาณความแปรปรวนได้แม่นกว่า และยังทดสอบได้ด้วยว่ามี interaction หรือไม่

รูปที่ 6: Average and Range เทียบกับ ANOVA

วิธี X̄-R ตามด้วยมือได้ ส่วน ANOVA ให้ข้อมูลมากกว่าและประมาณได้แม่นกว่า

Average and Range (X̄-R)

ANOVA

วิธีประมาณความแปรปรวน

คูณค่าพิสัยด้วยตัวคูณเพื่อประมาณส่วนเบี่ยงเบนมาตรฐาน

ประมาณองค์ประกอบของความแปรปรวนจาก mean square

Interaction

ประเมินไม่ได้ (ไปซ่อนอยู่ใน Repeatability หรือ Reproducibility)

แยกออกมาและทดสอบได้ว่ามี interaction ระหว่างผู้วัดกับชิ้นงานหรือไม่

ความยุ่งยาก

เครื่องคิดเลขหรือสเปรดชีต

โปรแกรมสถิติ หรือเครื่องมือวิเคราะห์ในสเปรดชีต

%GRR ในตัวอย่าง

19.9% (ndc 6)

18.6% (ndc 7)

เหมาะกับ

การตรวจเช็กเร็ว ๆ หน้างาน และการสอนแนวคิด

การส่งให้ลูกค้า และการวัดที่สงสัยว่ามี interaction

ใน ANOVA ของตัวอย่าง ค่า p ของ interaction คือ 0.75 จึงคำนวณใหม่โดยตัดพจน์ interaction ออก (Minitab ตัด interaction เมื่อ p ≥ 0.05)

เมื่อนำข้อมูลสมมติชุดเดียวกันไปคำนวณด้วย ANOVA จะได้ส่วนเบี่ยงเบนมาตรฐานของ Repeatability 2.63 µm, Reproducibility 3.02 µm, GRR 4.00 µm และระหว่างชิ้นงาน 21.12 µm %GRR (เป็นอัตราส่วนของส่วนเบี่ยงเบนมาตรฐาน) คือ 18.6% และ ndc คือ 7 ตัวเลขต่างกันเล็กน้อยเพราะวิธีหนึ่งประมาณจากค่าพิสัย อีกวิธีประมาณจาก mean square แต่ทั้งสองอยู่ในช่วงเดียวกัน

เวลาอ่านผลจากโปรแกรม อย่าสับสนระหว่าง %Contribution (ภาษาญี่ปุ่น: 寄与率 / kiyo-ritsu) กับ %Study Var (研究変動 / kenkyu hendo) %Contribution เป็นอัตราส่วนของ variance ในตัวอย่าง GRR ได้ 3.5% ส่วน %Study Var เป็นอัตราส่วนของส่วนเบี่ยงเบนมาตรฐาน ได้ 18.6%

เกณฑ์ 10% และ 30% ใช้กับอัตราส่วนของส่วนเบี่ยงเบนมาตรฐาน (%Study Var หรืออัตราส่วนต่อ tolerance) สำหรับ %Contribution Minitab ให้แนวทางอีกชุดหนึ่ง คือต่ำกว่า 1%, 1–9% และสูงกว่า 9%

เกณฑ์ยอมรับ: อ่าน 10%, 30% และ ndc ≥ 5

เกณฑ์ที่รู้จักกันมากที่สุดจากคู่มือ AIAG MSA แบ่ง %GRR เป็น 3 ช่วงที่ 10% และ 30% Minitab แสดงช่วงเดียวกันนี้ในฐานะแนวทางของ AIAG

รูปที่ 7: ช่วงเกณฑ์ %GRR (แนวทางของ AIAG)

ช่วง 10–30% ไม่ได้ผ่านโดยอัตโนมัติ เป็นช่วงที่ต้องตัดสินตามการใช้งานและต้นทุน

ต่ำกว่า 10%ยอมรับได้ใช้ระบบการวัดได้ แยกความต่างของชิ้นงานได้ดี

10–30%ยอมรับแบบมีเงื่อนไขอาจยอมรับได้ ขึ้นกับความสำคัญของการวัด ราคาเกจ ต้นทุนการแก้ไขหรือซ่อมงาน และอื่น ๆ ตรวจข้อกำหนดของลูกค้าด้วย

เกิน 30%ยอมรับไม่ได้ต้องปรับปรุงระบบการวัด ห้ามใช้ตามสภาพเดิมสำหรับควบคุมกระบวนการหรือตัดสินผ่าน/ไม่ผ่าน

ตรวจด้วยว่า ndc (จำนวนกลุ่มที่แยกได้) เท่ากับ 5 ขึ้นไป ndc บอกว่าระบบการวัดแบ่งความแปรปรวนของกระบวนการออกได้กี่กลุ่ม

แหล่งอ้างอิง: Minitab Help และ QI Macros ที่นำเสนอเกณฑ์นี้ในฐานะแนวทางของ AIAG ข้อกำหนดต่างกันไปตามลูกค้าและอุตสาหกรรม

%GRR 19.9% ของตัวอย่างอยู่ในช่วงกลาง "ยอมรับแบบมีเงื่อนไข" ส่วน ndc = 6 ผ่านเกณฑ์ หมายความว่าระบบแยกความแปรปรวนของกระบวนการได้ประมาณ 6 กลุ่ม

ถ้า ndc ต่ำกว่า 5 อาจเป็นเพราะระบบการวัดหยาบเกินไป หรือชิ้นงานที่เลือกมีความแปรปรวนน้อยเกินไป เนื่องจาก ndc ใช้ PV เป็นตัวตั้ง การเลือกชิ้นงานไม่ดีทำให้ ndc ต่ำได้ แม้ตัวระบบการวัดจะไม่มีปัญหา

ตัวหาร: ความแปรปรวนของกระบวนการหรือ tolerance

%GRR คำนวณเทียบกับความแปรปรวนรวม (ความแปรปรวนของกระบวนการ) หรือเทียบกับ tolerance ก็ได้ อัตราส่วนต่อ tolerance คำนวณโดยเอา 6 × GRR (ช่วงกว้าง ±3 เท่าของส่วนเบี่ยงเบนมาตรฐาน) หารด้วย tolerance กว้าง เรียกอีกอย่างว่า P/T ratio (precision-to-tolerance ratio)

Minitab อธิบายว่าอัตราส่วนต่อความแปรปรวนรวมเป็นการเทียบกับความแปรปรวนของกระบวนการทั้งหมด ส่วนอัตราส่วนต่อ tolerance เป็นตัวชี้วัดสำหรับคัดแยกชิ้นงานว่าอยู่ในหรือนอกสเปก แนวปฏิบัติที่พบบ่อยจึงเป็น ใช้อัตราส่วนต่อความแปรปรวนรวมกับการวัดที่ป้อนแผนภูมิควบคุม และใช้อัตราส่วนต่อ tolerance กับการวัดที่ตัดสินผ่าน/ไม่ผ่านในการตรวจขั้นสุดท้าย ทั้งนี้ขึ้นกับวิธีใช้การวัดและข้อกำหนดของลูกค้า บางรายงานแสดงทั้งสองค่า

ข้อมูลชุดเดียวกันให้ผลต่างกันเมื่อเปลี่ยนตัวหาร ในตัวอย่าง %GRR คือ 19.9% เมื่อเทียบกับความแปรปรวนรวม แต่เป็น 25.5% เมื่อเทียบกับ tolerance 0.10 mm ต้องเขียนในรายงานเสมอว่า "เทียบกับอะไร" เพื่อไม่ให้ตัวเลขของเราขัดกับของลูกค้า สำหรับค่าพิกัดความเผื่อทั่วไปในแบบญี่ปุ่น ดูบทความเรื่อง JIS B 0405 เทียบกับ ASME

สิ่งที่ลูกค้าญี่ปุ่นอาจคาดหวังเกินกว่า 10% และ 30%

10% และ 30% เป็นแนวทางของ AIAG ไม่ใช่ขีดจำกัดสากล IATF 16949 ให้คู่มืออ้างอิง MSA เป็นหลัก แต่ยอมรับวิธีวิเคราะห์และเกณฑ์อื่นถ้าลูกค้าอนุมัติ ผลคือผู้ผลิตรถยนต์และ Tier 1 อาจกำหนดเกณฑ์หรือขอบเขตของตนเองในข้อกำหนดเฉพาะของลูกค้า (CSR; ภาษาญี่ปุ่น: 顧客固有要求事項 / kokyaku koyu yokyu jiko)

ตำราและมาตรฐานภายในบริษัทญี่ปุ่นบางแห่งแบ่งช่วงเงื่อนไขละเอียดขึ้นอีก เช่น ถือว่า 10–20% ยอมรับได้โดยทั่วไป และ 20–30% เป็นขีดจำกัด ข้อกำหนดต่างกันไปในแต่ละบริษัท จึงอย่าสรุปว่ากฎของลูกค้ารายหนึ่งใช้กับอีกรายได้ ลำดับที่ปลอดภัยคือยืนยันข้อกำหนดของลูกค้าก่อน แล้วตั้งมาตรฐานภายในไม่ให้หลวมกว่าของลูกค้า

ตามที่ SPC for Excel รายงาน คู่มือ AIAG เองก็เตือนว่า การใช้เกณฑ์ GRR อย่างเดียวเป็นเส้นตัดสินผ่าน/ไม่ผ่านไม่ใช่วิธีที่ยอมรับได้ในการตัดสินระบบการวัด นอกจากดูว่าตัวเลขอยู่ในเกณฑ์หรือไม่ ต้องพิจารณาด้วยว่าการวัดนั้นใช้ตัดสินอะไร

ถ้าผลไม่ดี ต้องทำอย่างไร

เมื่อ %GRR สูง ให้ดูก่อนว่า Repeatability (EV) หรือ Reproducibility (AV) ใหญ่กว่า คู่มือที่อิงตาม AIAG MSA ฉบับที่ 4 เช่น QI Macros จัดสาเหตุที่น่าสงสัยไว้ดังนี้

รูปที่ 8: แยกสาเหตุและแนวทางแก้ไขโดยทั่วไป

จุดที่ต้องลงมือแก้ขึ้นกับว่า EV หรือ AV ใหญ่กว่า และ ndc เพียงพอหรือไม่

Repeatability (EV) ใหญ่บำรุงรักษาเกจ (การสึกหรอ การกัดกร่อน ความหลวม) ทบทวนการเลือกเกจ ปรับปรุงการจับยึดชิ้นงานหรือเกจ กำหนดตำแหน่งวัดให้คงที่ และตรวจด้วยว่าความแปรปรวนภายในชิ้นงานเดียวกัน (ความเรียว ความกลม) ปนเข้ามาหรือไม่

Reproducibility (AV) ใหญ่อบรมผู้วัดเรื่องวิธีวัด ทำขั้นตอนให้เจาะจง (จุดสัมผัส แรงกด วิธีอ่านค่า) เปลี่ยนเกจที่อ่านสเกลยาก และเพิ่ม jig ที่ทำให้ทุกคนวัดในท่าเดียวกัน

ndc ต่ำกว่า 5 ความแปรปรวนของชิ้นงานน้อยชิ้นงานอาจไม่เป็นตัวแทนของความแปรปรวนของกระบวนการ เลือกชิ้นงานใหม่จากช่วงทั้งหมดของกระบวนการ หรือใช้ส่วนเบี่ยงเบนมาตรฐานของกระบวนการจากข้อมูลในอดีต

ค่าพิสัยเกินขีดควบคุมหาว่าค่าพิสัยที่ใหญ่เกี่ยวกับผู้วัดหรือชิ้นงานเฉพาะรายหรือไม่ กำจัดสาเหตุที่เกิดครั้งคราว เช่น อ่านผิด จดผิด ชิ้นงานสกปรก ก่อน

แหล่งอ้างอิง: QI Macros (คู่มือที่อิงตาม AIAG MSA ฉบับที่ 4) และเอกสารทางเทคนิคของ Minitab หลังแก้ไขแล้ว ให้ทำการศึกษาซ้ำภายใต้เงื่อนไขเดิมเพื่อยืนยันผล

ในตัวอย่าง %AV (14.7%) ใหญ่กว่า %EV (13.3%) เล็กน้อย และค่าเฉลี่ยของผู้วัด C ต่ำกว่า B ประมาณ 6 µm ให้เริ่มตรวจวิธีที่ C ใช้ไมโครมิเตอร์ (ใช้ ratchet หรือไม่ ผิวสัมผัสแนบกับชิ้นงานตรงหรือไม่) และวิธีอ่านสเกลของ C

ถ้าปัญหาอยู่ที่ Repeatability ลองใช้ jig และตรึงตำแหน่งวัดก่อนซื้อเกจใหม่ สาเหตุมักมาจากวิธีวางชิ้นงานหรือตำแหน่งที่วัดไม่คงที่ มากกว่าสมรรถนะของเกจเอง เพื่อจำกัดสาเหตุ ให้พล็อตค่าวัดแยกตามผู้วัดและตามชิ้นงาน หรือใช้ผังก้างปลา (Fishbone Diagram) เพื่อไล่ปัจจัยด้านคน เกจ วิธีการ และสภาพแวดล้อม

ข้อผิดพลาดที่ทำให้ต้องทำใหม่

ข้อผิดพลาดต่อไปนี้พบบ่อยในการทำ Gage R&R ที่หน้างาน

• เก็บชิ้นงาน 10 ชิ้นจากล็อตเดียวกัน ความแปรปรวนของชิ้นงานจึงน้อย และ %GRR ดูแย่
• ผู้วัดเห็นหมายเลขชิ้นงานระหว่างวัด จึงวัดให้ตรงกับค่าเดิม
• ให้เฉพาะผู้วัดที่เก่งที่สุดทำ ผลจึงดีกว่าการวัดจริงในแต่ละวัน
• ไม่ได้ตกลงตำแหน่งวัด ความแปรปรวนภายในชิ้นงานจึงปนเข้ามาใน Repeatability
• ใช้แม่แบบเก่าที่ใช้ตัวคูณแบบ 5.15 sigma ทำให้ EV และ AV ไม่ตรงกับที่ลูกค้าคำนวณ
• รายงาน %GRR โดยไม่ระบุตัวหาร (ความแปรปรวนรวมหรือ tolerance) ตัวเลขจึงไม่ตรงกับของลูกค้า

เมื่อลูกค้าชี้ปัญหาด้านการวัดและขอรายงานการแก้ไข ผล MSA ใช้สนับสนุนการวิเคราะห์สาเหตุได้ การแสดง %GRR เป็นหลักฐานว่าตรวจสอบระบบการวัดแล้ว ทำให้มาตรการแก้ไขน่าเชื่อถือขึ้น รูปแบบรายงานดูได้ในบทความเรื่องการเขียนรายงาน 8D

MSA แบบ Attribute: งานตรวจผ่าน/ไม่ผ่านและค่า Kappa

การคำนวณข้างต้นใช้ไม่ได้กับการวัดที่ให้ผลแค่ผ่านหรือไม่ผ่าน เช่น การตรวจด้วยสายตา การตัดสินเทียบกับชิ้นงานตัวอย่างขีดจำกัด (限度見本 / gendo mihon, limit sample) หรือเกจ Go/No-Go ระบบการวัดแบบ attribute เหล่านี้ประเมินจากความสอดคล้องของคำตัดสิน

วิธีที่ใช้กันทั่วไปคือวิธี cross-tab ในคู่มือ AIAG เตรียมชิ้นงานที่ทราบผลตัดสินที่ถูกต้อง (reference) ให้ผู้วัดหลายคนตัดสินแต่ละชิ้นหลายรอบ แล้วแสดงความสอดคล้องระหว่างผู้วัดกันเอง และกับ reference ด้วยค่า Kappa Kappa วัดความสอดคล้องเหนือกว่าความบังเอิญ 1 คือสอดคล้องสมบูรณ์ 0 คือไม่ดีกว่าความบังเอิญ ตาม Minitab AIAG ถือว่า Kappa 0.75 ขึ้นไปคือสอดคล้องกันดี และค่าที่สูงกว่า เช่น 0.90 เป็นที่ต้องการ

อ่านผลได้ 3 มุม คือ ภายในผู้วัด (แต่ละคนตัดสินซ้ำได้ผลเดิมหรือไม่) ผู้วัดแต่ละคนเทียบกับ reference (ตัดสินถูกหรือไม่) และระหว่างผู้วัด (ผลตัดสินเปลี่ยนไปตามคนหรือไม่) SPC for Excel อ้างตารางจากคู่มือ AIAG (ฉบับที่ 3) ที่ให้แนวทางยอมรับเมื่อเทียบกับ reference คือ Effectiveness 90% ขึ้นไป Miss rate (อัตราที่ของเสียถูกตัดสินว่าผ่าน) ไม่เกิน 2% และ False alarm rate (อัตราที่ของดีถูกตัดสินว่าไม่ผ่าน) ไม่เกิน 5%

ถ้าลูกค้ากำหนดเกณฑ์ ให้ทำตามลูกค้า ควรใส่ชิ้นงานที่อยู่ใกล้เส้นแบ่งด้วย ไม่ใช่เฉพาะชิ้นที่ดีชัดเจนกับเสียชัดเจน ถ้าไม่มีชิ้นงานก้ำกึ่ง ความแปรปรวนของการตัดสินจะไม่ปรากฏ

ก่อนส่งรายงาน: เช็กลิสต์และคำถามถึงลูกค้าญี่ปุ่น

หลายข้อผิดพลาดข้างต้น เช่น ลืมระบุตัวหารหรือใช้ตัวคูณเก่า เกิดจากความเข้าใจที่ไม่ตรงกัน ไม่ใช่เกจแย่ ควรตกลงเรื่องเหล่านี้กับลูกค้าก่อนทำการศึกษา ไม่ใช่หลังส่งรายงานแล้วถูกตีกลับ

เช็กลิสต์ก่อนส่งรายงาน

หัวข้อ	สิ่งที่ต้องยืนยัน
ขอบเขต	ระบุคุณลักษณะ เกจ jig และขั้นตอนแล้ว และคุณลักษณะนั้นอยู่ใน Control Plan
Resolution	ค่าอ่านน้อยสุดละเอียดถึง 1/10 ของ tolerance (หรือความแปรปรวนของกระบวนการ) หรือละเอียดกว่า
การสอบเทียบ	การสอบเทียบเกจยังไม่หมดอายุ
การออกแบบการศึกษา	ระบุจำนวนชิ้นงาน ผู้วัด และรอบ ชิ้นงานครอบคลุมช่วงของกระบวนการ สุ่มลำดับการวัด ซ่อนหมายเลขชิ้นงาน
ผู้วัด	เป็นคนที่วัดงานนี้เป็นประจำ ไม่ใช่เฉพาะผู้ตรวจสอบที่เก่งที่สุด
วิธีวิเคราะห์	ระบุว่าใช้ Average and Range หรือ ANOVA ถ้าเป็น ANOVA ระบุว่าคงหรือตัดพจน์ interaction
ตัวคูณ	K1, K2, K3 ของฉบับที่ 4 (ไม่ใช่ตัวคูณแบบ 5.15 sigma เก่า)
ตัวหาร	%GRR เทียบกับความแปรปรวนรวม tolerance หรือทั้งสอง ระบุป้ายกำกับชัดเจน
ผล	%EV, %AV, %GRR, ndc และตรวจค่าพิสัยเทียบกับขีดควบคุมแล้ว
เกณฑ์	ระบุในรายงานว่าใช้เกณฑ์ใด (AIAG หรือ CSR ของลูกค้า)
ช่วงมีเงื่อนไข	ถ้า %GRR อยู่ที่ 10–30% ให้บันทึกเหตุผลที่ยอมรับได้สำหรับการใช้งานนี้ และขออนุมัติลูกค้าถ้าจำเป็น
การตรวจแบบ Attribute	มีชิ้นงานก้ำกึ่งรวมอยู่ รายงานค่า Kappa, Effectiveness, Miss rate และ False alarm rate

คำถามที่ควรถามลูกค้าญี่ปุ่น

• ต้องทำ MSA กับคุณลักษณะไหนบ้าง ทุกรายการใน Control Plan หรือเฉพาะ Special และ Critical Characteristics
• ใช้เกณฑ์ AIAG MSA ฉบับที่ 4 หรือมีเกณฑ์ของตนเองใน CSR (เช่น แบ่งย่อยในช่วง 10–30%)
• ให้คำนวณ %GRR เทียบกับความแปรปรวนของกระบวนการ tolerance หรือทั้งสอง
• กำหนดวิธี (Average and Range หรือ ANOVA) และจำนวนชิ้นงาน ผู้วัด และรอบไว้หรือไม่
• ต้องใช้ฟอร์ม Excel ของลูกค้าหรือไม่ และฟอร์มนั้นใช้ตัวคูณของฉบับไหน
• สำหรับการตรวจด้วยสายตา ลูกค้าจะให้ชิ้นงานตัวอย่างขีดจำกัด (gendo mihon) หรือไม่ และคาดหวังค่า Kappa หรือ Effectiveness เท่าไร
• ต้องทำซ้ำเมื่อไร หลังเปลี่ยนเกจ เปลี่ยนขั้นตอน เปลี่ยนผู้วัด หรือตามรอบเวลาที่กำหนด

ตัวอย่างอีเมลสอบถาม (ภาษาอังกฤษ)

ซัพพลายเออร์ในไทยมักติดต่อลูกค้าญี่ปุ่นเป็นภาษาอังกฤษ จึงให้ตัวอย่างเป็นภาษาอังกฤษ แก้ข้อความในวงเล็บเหลี่ยมให้ตรงกับงานของคุณ

Subject: Gage R&R requirements for part [part number]

Dear [Name],

We are preparing the measurement system analysis for [part number / drawing number] as listed in our control plan. To make sure our report matches your requirements, could you confirm the following?

1. Acceptance criteria: AIAG MSA 4th edition (%GRR under 10% / 10–30% / over 30%, ndc of 5 or more), or your own criteria?
2. Denominator for %GRR: process variation, tolerance, or both?
3. Preferred method (average and range or ANOVA) and study size (parts, appraisers, trials)
4. Whether a specific report format is required

If any characteristic falls in the 10–30% range, we will assess whether it is acceptable for its intended use and confirm with you.

Best regards,
[Your name]

ข้อจำกัดของบทความนี้

• ตัวอย่างคำนวณใช้ข้อมูลสมมติ การศึกษาจริงควรทำตามฟอร์มของลูกค้าและการตั้งค่าโปรแกรม
• เกณฑ์ต่างกันไปตามลูกค้า อุตสาหกรรม และคุณลักษณะ ช่วงเกณฑ์ของ AIAG ในที่นี้ใช้อ้างอิงเท่านั้น ไม่อาจใช้แทน CSR ของลูกค้า
• บทความนี้อธิบายการศึกษาแบบ crossed ทั่วไป ที่ผู้วัดทุกคนวัดชิ้นงานทุกชิ้น
• ถ้าต้องการข้อความที่แน่นอนของ IATF 16949 ให้ตรวจจากตัวมาตรฐานและคู่มือ AIAG ฉบับปัจจุบันโดยตรง ไม่ใช่จากแหล่งทุติยภูมิ
• ยังไม่ได้ตรวจว่ามีมาตรฐาน มอก. ที่เทียบเท่ากับเกณฑ์ MSA ของ AIAG โดยตรงหรือไม่ ให้ใช้เกณฑ์ของลูกค้าหรือ AIAG เป็นหลัก

คำถามที่พบบ่อย (FAQ)

ควรทำ Gage R&R ซ้ำบ่อยแค่ไหน

ไม่มีรอบเวลาตายตัว ให้ทบทวนเมื่อเปลี่ยนเกจ เปลี่ยนขั้นตอน หรือเปลี่ยนผู้วัด ถ้า CSR ของลูกค้ากำหนดเกณฑ์หรือขอบเขตไว้ ให้วางแผนให้ตรงกับที่กำหนด

ถ้าเกจสอบเทียบแล้ว ยังต้องทำ Gage R&R อีกไหม

ต้องทำ การสอบเทียบตรวจ bias ของตัวเครื่องมือเท่านั้น ไม่ครอบคลุมความแปรปรวนจากความหลวมของ jig หรือนิสัยการวัดของแต่ละคน ซึ่งเป็นสิ่งที่ Gage R&R ประเมิน

Gage R&R ย่อมาจากอะไร

ย่อมาจาก Gage Repeatability and Reproducibility Repeatability เขียนเป็น EV, Reproducibility เป็น AV และค่ารวมเป็น GRR เอกสารญี่ปุ่นใช้ตัวย่อเดียวกัน เขียนเป็น gēji R&R

คำนวณ Gage R&R ในสเปรดชีตได้ไหม

วิธี Average and Range ทำซ้ำในสเปรดชีตได้ง่าย คือคูณตัวคูณแล้วรวมค่า ส่วน ANOVA คำนวณมากกว่า การใช้โปรแกรมสถิติหรือเครื่องมือวิเคราะห์ในสเปรดชีตจะประหยัดแรงกว่า

ควรเลือกใครเป็นผู้วัด

เลือกคนที่วัดงานนี้เป็นประจำ 2–3 คน ไม่ใช่เฉพาะคนที่ชำนาญที่สุด ถ้าใช้เฉพาะผู้ตรวจสอบที่เก่งที่สุด ผลจะดีกว่าการวัดจริงในแต่ละวันและประเมินความแปรปรวนต่ำเกินไป

แหล่งอ้างอิง

• AIAG, MSA-4: Measurement Systems Analysis
• Q-DAS, Notes on the 4th Edition of the MSA Manual (วันที่ออกและตัวคูณ 5.15)
• JIS Z 8103:2019 ศัพท์มาตรวิทยา และ JIS Z 8402-1:1999 ความแม่นยำของวิธีวัดและผลการวัด ส่วนที่ 1 (ภาษาญี่ปุ่น): Z 8103, Z 8402-1
• Minitab, Is my measurement system acceptable?
• Minitab, Interpret the key results for Crossed Gage R&R Study
• Minitab, Methods and formulas for gage R&R table และ Methods and formulas for method of analysis
• Minitab, Data considerations for Crossed Gage R&R Study และ Assistant technical paper: Gage R&R Study (Crossed)
• Minitab, What is gage resolution?
• SPC for Excel, Variable Measurement Systems – Part 4: Gage R&R
• SPC for Excel, Acceptance Criteria for Measurement Systems Analysis
• SPC for Excel, Attribute Gage R&R Studies – Part 2
• QI Macros, Gage R&R Made Easy
• สรุปข้อ 7.1.5.1.1 ของ IATF 16949 (ภาษาญี่ปุ่น): IATF16949 koryaku