4m102-99 4M Case Study วิเคราะห์ปัญหาโรงงานจริง ตั้งแต่ Defect เพิ่มจนถึง Root Cause และปิด Corrective Action

ปัจจัยในกระบวนการผลิต 4 ด้าน ( 4M in Production Process)

4M Case Study วิเคราะห์ปัญหาโรงงานจริง ตั้งแต่ Defect เพิ่มจนถึง Root Cause และปิด Corrective Action

กรณีศึกษานี้เป็น สถานการณ์จำลองเพื่อการเรียนรู้ ตัวเลข ชื่อเครื่องจักร และเหตุการณ์ถูกกำหนดขึ้นเพื่ออธิบายวิธีคิด ไม่ใช่ข้อมูลจากโรงงานแห่งใดแห่งหนึ่ง หัวใจของกรณีศึกษาคือ Problem → Containment → 4M → Fishbone → Data → Verification → 5 Why → Root Cause → Corrective Action → Effectiveness → Standardization

สิ่งสำคัญที่สุดไม่ใช่การทำแบบฟอร์มให้ครบ แต่คือการเปลี่ยนจาก “เราคิดว่าน่าจะเป็นสาเหตุ” ไปสู่ “ข้อมูลและการทดสอบสนับสนุนว่านี่คือสาเหตุ”

Case Study: โรงงานพบ Scratch Defect เพิ่มจาก 1.8% เป็น 7.6% สมมติโรงงานแห่งหนึ่งผลิตชิ้นส่วนโลหะ Product A ผ่านกระบวนการ Cutting โดยมีเครื่องจักร 4 เครื่อง ได้แก่ M01, M02, M03 และ M04 อัตรา Scratch Defect ปกติของกระบวนการอยู่ประมาณ 1.8% แต่ฝ่าย Quality พบว่าในช่วงวันที่ 10–12 สิงหาคม Defect เพิ่มเป็น 7.6% ปฏิกิริยาแรกของแต่ละฝ่ายแตกต่างกัน

Production สงสัย Operator ใหม่

Purchasing สงสัย Material Lot ใหม่

Maintenance บอกว่าเครื่องไม่มี Alarm

Engineering สงสัย Cutting Parameter

หากทีมงานเลือกสาเหตุจากความคิดเห็นทันที การแก้ปัญหาอาจผิดทิศทาง ดังนั้นสิ่งแรกที่ต้องทำคือ ยังไม่ตัดสินว่าใครหรืออะไรเป็นสาเหตุ

STEP 1: Define Problem – กำหนดปัญหาให้ชัดก่อน

คำว่า “Scratch เยอะ” ไม่ใช่ Problem Statement ที่ดี เพราะไม่ระบุขนาดและขอบเขตของปัญหา ทีมงานจึงเขียนใหม่ว่า “Scratch Defect ของ Product A ใน Cutting Process, Line 2 เพิ่มจากค่าเฉลี่ย 1.8% เป็น 7.6% ระหว่างวันที่ 10–12 สิงหาคม โดย Defect สูงกว่าระดับปกติอย่างมีนัยสำคัญในข้อมูลการผลิตช่วงดังกล่าว”

จากนั้นบันทึกข้อมูลพื้นฐาน

ตอนนี้ทีมงานมี Problem เดียวกัน ให้ร่วมกันวิเคราะห์แล้ว

STEP 2: Containment – คุมปัญหาก่อนหาสาเหตุ

เมื่อพบปัญหา สิ่งแรกที่ต้องพิจารณาคือ “มี Product ที่อาจมีปัญหาหลุดไปถึงลูกค้าหรือไม่?” ทีมงานจึงดำเนินการ Hold Finished Goods ที่เกี่ยวข้อง แยก Suspect Lot ตรวจสอบ Product ที่ผลิตในช่วงเวลาที่เกี่ยวข้องแบบ 100% เพิ่ม Inspection Frequency ของ Line 2 ตรวจสอบ Shipment Status นี่คือ Containment เป้าหมายคือหยุดผลกระทบ ไม่ใช่แก้ Root Cause สามารถจำง่าย ๆ ว่า Containment = Stop the bleeding ส่วน Corrective Action = Prevent recurrence ทั้งสองอย่างไม่ใช่เรื่องเดียวกัน

STEP 3: Check 4M Change – ก่อนปัญหาเกิด มีอะไรเปลี่ยน?

หนึ่งในคำถามที่มีประโยชน์มากเมื่อ Process ที่เคยทำงานปกติเริ่มผิดปกติคือ “What changed?” ทีมงานจึงตรวจ Change Log และ Production Record ย้อนหลัง พบเหตุการณ์ดังนี้

9 Aug 07:00 → Operator ใหม่ 2 คนเริ่มงาน

9 Aug 08:00 → M03 เปลี่ยน Cutting Tool

10 Aug 06:00 → Material Lot B เริ่มใช้งาน

10 Aug 09:15 → Scratch Defect เริ่มเพิ่ม

ตอนนี้มี Change อย่างน้อย 3 เรื่องที่เกิดใกล้ช่วง Problem

Man → Operator ใหม่

Machine → Tool Change

Material → Lot ใหม่

Method → ไม่พบ Change ที่บันทึกไว้

แต่สิ่งสำคัญคือ Change ก่อน Problem ไม่ได้แปลว่า Change นั้นเป็น Root Cause Timeline ช่วยสร้าง Hypothesis เท่านั้น

STEP 4: 4M Analysis – กวาดพื้นที่ค้นหาสาเหตุ

ทีมงานเริ่มวิเคราะห์ผ่าน 4M 

Man / พบว่า มี Operator ใหม่ 2 คน, Training พื้นฐานครบ, แต่ประสบการณ์กับ Product A ยังน้อย 

Possible Cause: Operator ใหม่อาจ Setup หรือ Handling Product ไม่ถูกต้อง

Machine / พบว่า M03 เปลี่ยน Cutting Tool, ก่อนเกิด Problem ไม่มี Machine Alarm, ไม่มี Breakdown, Parameter ในระบบไม่เปลี่ยน

Possible Causes: Tool Installation, Tool Alignment, Fixture, Vibration, Tool Condition

Material / Material Lot B เริ่มใช้งานวันที่ 10, Incoming Inspection ผ่าน, Specification อยู่ใน Acceptance Criteria, 

Possible Cause: Material Surface Characteristic อาจแตกต่างจาก Lot เดิม

Method / WI Revision ไม่เปลี่ยน, Cutting Parameter ไม่เปลี่ยน, Inspection Method ไม่เปลี่ยน แต่พบว่า Tool Change WI ระบุขั้นตอนการเปลี่ยน Tool แต่ไม่ได้ระบุ Alignment Verification หลังติดตั้ง

Possible Cause: Tool Change Method อาจมีช่องว่างในการตรวจยืนยัน ตอนนี้ทีมงานมี Candidate Causes หลายตัวแล้ว แต่ยังไม่มี Root Cause

STEP 5: Fishbone – จัด Possible Causes ให้เป็นระบบ

ทีมงานนำข้อมูลทั้งหมดเข้าสู่ Cause-and-Effect Diagram

Man / Operator ใหม่
Skill
Training
Handling
Setup Experience

Machine / Tool
Alignment
Fixture
Spindle
Vibration
Machine Condition

Material / Lot
Hardness
Surface
Dimension
Supplier Variation

Method / Setup Procedure
Tool Change WI
Parameter
Inspection
First-piece Approval

Fishbone มีหน้าที่สำคัญคือทำให้ทีมไม่กระโดดไปจับสาเหตุแรกที่ดูน่าสงสัย American Society for Quality อธิบาย Cause-and-Effect/Fishbone Diagram ว่าเป็นเครื่องมือช่วยระบุ Possible Causes จำนวนมากของปัญหาและจัดหมวดหมู่แนวคิดเหล่านั้นอย่างเป็นระบบ แต่ต้องจำว่า Fishbone ≠ Proof ทุกก้างที่เขียนขึ้นมายังเป็นสิ่งที่ต้องตรวจสอบ

STEP 6: Stratify Data – ให้ข้อมูลช่วยลดพื้นที่ค้นหา

แทนที่จะประชุมต่อว่าใครคิดว่าสาเหตุใด “น่าจะใช่” ทีมงานนำ Production Data มาวิเคราะห์ เริ่มจากแยก Defect ตาม Machine

ตอนนี้ Pattern ชัดขึ้นมาก M03 = 15.4% ขณะที่ M01, M02 และ M04 อยู่ประมาณ 2%

พื้นที่ค้นหาสาเหตุจึงควรถูกลดจาก “Line 2 มีปัญหา” เป็น “อะไรทำให้ M03 แตกต่างจาก M01, M02 และ M04?” นี่คือพลังของ Stratification

STEP 7: ตรวจสมมติฐาน Man

ทีมงานนำข้อมูลมาแบ่งตาม Operator พบว่า Operator ใหม่ทำงานทั้ง M02 และ M03 แต่ M02 Defect = 2.1%, M03 Defect = 15.4% และ Operator ที่มีประสบการณ์เมื่อทำงานบน M03 ก็พบ Defect สูงเช่นกัน จึงสรุปในขั้นนี้ว่า Hypothesis: Operator ใหม่เป็นสาเหตุหลัก → Reject ไม่ได้หมายความว่า Man ไม่มีความสำคัญ แต่ข้อมูลไม่สนับสนุนว่า Operator ใหม่เป็นตัวอธิบายหลักของ Defect Pattern ครั้งนี้ นี่เป็นตัวอย่างว่าทำไมไม่ควรรีบสรุปว่า “Human Error”

STEP 8: ตรวจสมมติฐาน Material

Material Lot B ถูกใช้กับ M01, M02, M03 และ M04 หาก Material B เป็นสาเหตุหลักเพียงตัวเดียว เราควรคาดว่าจะเห็น Defect เพิ่มในหลายเครื่อง

แต่ข้อมูลพบว่า

M01 ≈ 1.8%

M02 ≈ 2.1%

M04 ≈ 2.0%

มีเพียง M03 ที่สูงมาก ทีมงานจึงทดสอบ Material เพิ่มเติมและไม่พบความแตกต่างที่อธิบาย Defect 15.4% ได้ จึงบันทึกว่า Hypothesis: Material Lot B เป็น Primary Cause → Reject แต่ยังเก็บ Material ไว้เป็นข้อมูลประกอบ เผื่อพบ Interaction กับปัจจัยอื่นในภายหลัง

STEP 9: เจาะ Machine M03

ตอนนี้ Evidence ชี้ไปที่ M03 ทีมงานตรวจ

Machine Parameter → ปกติ

Fixture → ปกติ

Spindle → ไม่พบ Alarm

Tool Condition → ใหม่

Tool Alignment → พบความคลาดเคลื่อน

สมมติ Alignment Standard กำหนดไม่เกิน 0.10 mm แต่ค่าที่วัดได้คือ 0.18 mm นี่เป็น Evidence สำคัญ แต่ยังไม่ควรหยุดที่ Root Cause = Tool Alignment ผิด เพราะคำถามต่อไปคือ “ทำไม Alignment จึงผิด และทำไมระบบจึงไม่ตรวจพบก่อนเริ่มผลิต?” ตรงนี้จึงเข้าสู่ 5 Why

STEP 10: ใช้ 5 Why เจาะ Causal Chain

Problem M03 เกิด Scratch Defect 15.4%

Why 1 ทำไมเกิด Scratch? เพราะ Tool สัมผัสผิวชิ้นงานในตำแหน่งที่ไม่เหมาะสม

Why 2 ทำไม Tool จึงสัมผัสผิดตำแหน่ง? เพราะ Tool Alignment คลาดเคลื่อน

Why 3 ทำไม Alignment จึงคลาดเคลื่อน? เพราะหลัง Tool Change การตั้งตำแหน่งอาศัย Manual Reference

Why 4 ทำไม Alignment Error จึงไม่ถูกตรวจพบก่อน Production? เพราะ Tool Change WI ไม่มีขั้นตอน Alignment Verification ด้วย Master Gauge และไม่มี Acceptance Criteria

ถึงตรงนี้มี Causal Chain ที่สามารถตรวจสอบได้ และสามารถกำหนดมาตรการเชิงระบบได้แล้ว จึงไม่จำเป็นต้องสร้าง Why 5 เพียงเพื่อให้ครบจำนวน 

Lean Enterprise Institute อธิบาย 5 Why ว่าจำนวน “ห้า” ไม่ใช่ข้อกำหนดตายตัว สาระสำคัญ คือ การถามต่อให้ลึกกว่าปรากฏการณ์หรืออาการที่เห็น 

STEP 11: เขียน Root Cause ให้ถูกระดับ

Root Cause ที่ไม่ควรเขียนคือ “Technician ตั้ง Tool ผิด” เพราะแม้เปลี่ยน Technician ปัญหาก็อาจเกิดซ้ำได้ Root Cause Statement ที่เหมาะสมกว่าในกรณีจำลองนี้ คือ “Tool Change WI ไม่มีขั้นตอน Alignment Verification และ Acceptance Criteria หลังติดตั้ง Tool ทำให้ Tool Alignment ที่เกินเกณฑ์สามารถผ่านเข้าสู่ Production โดยไม่ถูกตรวจพบก่อนเริ่มผลิต” ข้อความนี้ชี้ไปที่ Process Control Gap ไม่ใช่เพียงตัวบุคคล และทำให้เราสามารถออกแบบ Corrective Action ที่เป็นระบบได้

STEP 12: พิสูจน์ Candidate Root Cause

ก่อนปิด RCA ควรพยายามตรวจสอบความสัมพันธ์ให้มากกว่าการอธิบายด้วยเหตุผล ทีมงานจึง ปรับ Alignment M03 ให้กลับเข้า Standard ตรวจด้วย Master Gauge ทำ First-piece Inspection Trial Production 1,000 pcs 

ผลสมมติหลัง Trial Scratch Defect = 1.6% จากเดิม 15.4%

การที่ Defect ลดลงหลังควบคุม Alignment สนับสนุนสมมติฐานว่า Alignment มีความสัมพันธ์เชิงสาเหตุกับปัญหาในกรณีนี้

STEP 13: แยก Correction ออกจาก Corrective Action

สิ่งที่ทีมงานทำทันที คือ ปรับ Alignment M03 นี่คือ Correction เพราะเป็นการแก้สภาพผิดปกติที่พบ แต่ถ้าหยุดแค่นี้ วันหนึ่งหลังเปลี่ยน Tool ปัญหาอาจกลับมาอีก จึงต้องทำ Corrective Action ต่อ

STEP 14: Corrective Action – ป้องกันไม่ให้เกิดซ้ำ

ทีมกำหนด Action ดังนี้

ตอนนี้การแก้ไม่ได้พึ่งเพียง “บอก Technician ให้ระวัง” แต่เพิ่ม Control Mechanism เข้าไปใน Process

STEP 15: Horizontal Deployment – อย่าแก้เฉพาะ M03

ทีมงานตรวจพบว่า M01, M02 และ M04 ใช้ Tool Change Procedure แบบเดียวกัน แม้ตอนนี้ยังไม่มี Defect แต่มี Systemic Risk เดียวกัน

ดังนั้น Corrective Action จึงถูกขยายไปยัง M01 M02 M04 รวมถึงเครื่องจักรอื่นที่ใช้ Tool Change Process ลักษณะเดียวกัน นี่เรียกว่า Horizontal Deployment / Yokoten ในแนวคิดการเรียนรู้และขยายแนวปฏิบัติไปยังพื้นที่ที่เกี่ยวข้อง 

แทนที่จะคิดว่า “M03 หายแล้ว งานจบ” ให้ถามว่า “ระบบเดียวกันนี้อยู่ที่ไหนอีก?”

STEP 16: Effectiveness Verification – แก้แล้วต้องติดตาม

หลัง Implement Corrective Action ทีมติดตาม Defect M03

นอกจากนี้ตรวจ Tool Change ที่เกิดขึ้นใหม่ในช่วง Monitoring Period แล้วไม่พบ Alignment เกิน Acceptance Criteria จึงมีหลักฐานสนับสนุนว่า Corrective Action Effective ภายใต้ช่วงเวลาที่ติดตาม นี่สำคัญมาก เพราะ Action Completed ≠ Action Effective การทำงานเสร็จไม่ได้แปลว่าปัญหาถูกแก้แล้ว 

STEP 17: Standardization – เปลี่ยนบทเรียนเป็นมาตรฐาน

หลังยืนยัน Effectiveness ทีมงาน Update, Tool Change WI,

Inspection Checklist

First-piece Approval

Training Material

Skill Matrix

Process Audit Checklist

Control Plan หากเกี่ยวข้อง และเก็บ Case เข้า Lessons Learned / RCA Knowledge Base ตอนนี้สิ่งที่เกิดขึ้นจึงไม่ใช่เพียง “แก้ Scratch M03” แต่เป็น “องค์กรเรียนรู้ว่ากระบวนการ Tool Change ต้องมี Alignment Verification” นี่คือความแตกต่างระหว่าง Problem Fixing กับ Organizational Learning

STEP 18: เชื่อมกลับไปยัง 4M Change

หากมองย้อนกลับไป ปัญหานี้เริ่มต้นจาก Machine Change → Tool Change แต่ Tool Change ไม่ได้รับการควบคุมผลกระทบอย่างเพียงพอ ดังนั้นบทเรียนไม่ได้มีเพียงการแก้ WI ควรถามต่อว่า Tool Change ประเภทใดควรถูกจัดเป็น 4M Change? เมื่อใดต้อง Trial? เมื่อใดต้อง First-piece Approval? Change แบบใดต้อง QA/Engineering Sign-off? เมื่อคำตอบเหล่านี้ถูกเพิ่มเข้า Change Management Process โรงงานกำลังเปลี่ยนจาก Reactive RCA ไปสู่ Preventive Change Management ซึ่งเป็นแนวคิดสำคัญจาก 4M102-04

STEP 19: ถ้าโรงงานเป็น Smart Factory จะทำได้เร็วขึ้นอย่างไร?

ลองเปรียบเทียบ โรงงานแบบ Paper-based

Quality พบ Defect ↓

ค้น Production Sheet ↓

ถาม Operator ↓

ค้น Material Record ↓

ขอ Maintenance Log ↓

ค้น Tool Change Record ↓

รวมข้อมูลใน Excel อาจใช้เวลาหลายชั่วโมงหรือหลายวัน 
โรงงานที่มี Digital Traceability

Defect Alert ↓

เลือก Product / Time Range ↓

ระบบแสดง 

Man: Operator / Shift

Machine: M03

Material: Lot B

Method: Recipe R07

Change: Tool Change 08:00

Defect Increase: 09:15

Machine Data: Vibration / Parameter / Alarm

Engineer สามารถเริ่ม Investigation ได้เร็วขึ้นมาก Digital 4M ไม่ได้แทน Root Cause Analysis แต่ช่วยลดเวลาในการเข้าถึง Evidence

STEP 20: AI จะช่วยกรณีนี้ได้ตรงไหน?

หากมี Historical Data จำนวนมาก AI หรือ Analytics อาจช่วยตรวจพบว่า หลัง Tool Change บางประเภท Alignment Variation เพิ่ม Vibration Pattern เปลี่ยน Defect Probability สูงขึ้น ระบบอาจสร้าง Alert ว่า “Process behavior after tool change differs from normal baseline.”

แต่ AI ยังไม่ควรสรุปอัตโนมัติว่า “Root Cause = Tool Change” เพราะ Pattern หรือ Correlation ยังต้องได้รับการตรวจสอบทางวิศวกรรม

บทบาทที่เหมาะสมกว่าคือ

AI → Detect Pattern

Engineer → Investigate

Experiment/Data → Verify

RCA → Establish Cause

Process Control → Prevent Recurrence

สรุป Case Study ในหน้าเดียว

กรณีศึกษาทั้งหมดสามารถย่อได้ดังนี้

Problem Scratch Defect 1.8% → 7.6% ↓

Containment Hold + 100% Inspection ↓

4M Change Operator ใหม่ Tool Change Material Lot ใหม่ ↓

4M + Fishbone สร้าง Possible Causes ↓

Stratification M03 Defect = 15.4% เครื่องอื่น ≈ 2% ↓

Verification Man → Reject, Material → Reject as primary cause, Machine M03 → Confirm ↓

Investigation Tool Alignment = 0.18 mm, Standard ≤ 0.10 mm ↓

5 Why Alignment Error ↓

Manual Setup ↓

ไม่มี Verification ↓

WI ไม่มี Alignment Verification ↓

Root Cause Tool Change Process ไม่มีระบบตรวจยืนยัน Alignment ก่อน Production ↓

Correction ปรับ Alignment ↓

Corrective Action WI + Master Gauge + Acceptance Criteria + First-piece Approval + Training ↓

Effectiveness 15.4% → 1.6% ↓

Standardization Deploy M01–M04 + Update Control Documents

นี่คือวงจรการแก้ปัญหาที่สมบูรณ์กว่าการเขียนในรายงานเพียงว่า “Cause: Machine / Action: Adjust Machine” 

สิ่งที่กรณีศึกษานี้สอนเราเกี่ยวกับ 4M 

บทเรียนแรก คือ 4M ไม่ได้มีไว้เพื่อเลือกผู้ร้ายหนึ่งตัวจาก Man, Machine, Material และ Method ปัญหานี้เริ่มจาก Machine Change แต่ Root Cause เชื่อมไปถึง Method Control Machine → Tool Alignment แต่ Method → ไม่มี Alignment Verification แสดงให้เห็นว่า M ต่าง ๆ สามารถเชื่อมโยงกันได้

บทเรียนที่สอง คือ สิ่งที่เกิดพร้อมปัญหาไม่จำเป็นต้องเป็นสาเหตุ Operator ใหม่และ Material Lot ใหม่เกิดในช่วงใกล้เคียงกัน แต่ข้อมูลไม่สนับสนุนว่าเป็น Primary Cause

บทเรียนที่สาม คือ Fishbone สร้าง Hypothesis แต่ Data ใช้ทดสอบ Hypothesis

บทเรียนที่สี่ คือ 5 Why ควรใช้หลังจากพื้นที่ค้นหาสาเหตุแคบลงแล้ว ไม่ใช่เริ่มถาม Why จากสมมติฐานที่ยังไม่มีหลักฐาน

บทเรียนที่ห้า คือ Root Cause ต้องนำไปสู่ Corrective Action ที่ลดโอกาสเกิดซ้ำ

และบทเรียนสุดท้าย คือ RCA ที่ดีควรทำให้องค์กรฉลาดขึ้นหลังเกิดปัญหา ไม่ใช่เพียงทำให้ Defect วันนี้หายไป

4M ไม่ควรถูกมองเพียงเป็นคำจำง่าย ๆ สี่คำ แต่สามารถใช้เป็น จุดเริ่มต้นของการคิดเชิงกระบวนการ การค้นหาสาเหตุ การบริหาร Change และการจัดระบบข้อมูลการผลิต

บทสรุปส่งท้าย สิ่งที่อยากให้ผู้อ่านจำไม่ใช่เพียง Man = คน, Machine = เครื่องจักร, Material = วัตถุดิบ, Method = วิธีการ แต่ควรจำวิธีคิดว่า เมื่อ Output เปลี่ยน ให้ตรวจ Process, เมื่อ Process ผิดปกติ ให้ถามว่าอะไรเปลี่ยน, เมื่อพบสิ่งผิดปกติ อย่าเพิ่งเรียกว่า Root Cause, เมื่อมี Hypothesis ให้หาหลักฐาน, เมื่อพบ Cause ให้ถามต่อว่าทำไมระบบจึงปล่อยให้เกิด, เมื่อแก้แล้วต้องวัดผล, เมื่อได้บทเรียนแล้วต้องเปลี่ยนเป็น Standard,ดังนั้นเส้นทางของ 4M ที่มีคุณค่าที่สุดจึงไม่ใช่ Problem → 4M → เลือก M → จบ แต่คือ Problem → 4M → Hypothesis → Evidence → Root Cause → Corrective Action → Verification → Standardization → Learning เมื่อองค์กรทำวงจรนี้ซ้ำอย่างมีวินัย ปัญหาที่เกิดขึ้นแต่ละครั้งจะไม่ใช่เพียงต้นทุนของความผิดพลาด แต่จะกลายเป็น ข้อมูลสำหรับการเรียนรู้และปรับปรุงระบบการผลิตให้แข็งแรงขึ้น

#4M #4MAnalysis #4MChange #CaseStudy #RootCauseAnalysis #RCA #Fishbone #5Why #CorrectiveAction #ProblemSolving #QualityManagement #QualityControl #Manufacturing #ProductionManagement #ContinuousImprovement #Kaizen #LeanManufacturing #SmartFactory #DataDrivenManufacturing #DefectReduction #ProcessImprovement #บริหารการผลิต #วิเคราะห์ปัญหา