การจัดล าดับความส าคัญข้อบกพร่องด้วยกระบวนการการล าดับชั้นเชิง

การจัดลาดับความสาคัญข้อบกพร่องด้วยกระบวนการการลาดับชั้นเชิง
วิเคราะห์แบบฟัซซี่ : กรณีศึกษากระบวนการผลิตชิ้นส่วนอิเล็กทรอนิกส์
โดย
นางสาวขวัญใจ อินหันต์
วิทยานิพนธ์นี้เป็นส่วนหนึ่งของการศึกษาตามหลักสูตร
วิศวกรรมศาสตรมหาบัณฑิต
สาขาวิชาการพัฒนางานอุตสาหกรรม ภาควิชาวิศวกรรมอุตสาหการ
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยธรรมศาสตร์
ปีการศึกษา 2558
ลิขสิทธิ์ของมหาวิทยาลัยธรรมศาสตร์
การจัดลาดับความสาคัญข้อบกพร่องด้วยกระบวนการการลาดับชั้นเชิง
วิเคราะห์แบบฟัซซี่ : กรณีศึกษากระบวนการผลิตชิ้นส่วนอิเล็กทรอนิกส์
โดย
วิทยานิพนธ์นี้เป็นส่วนหนึ่งของการศึกษาตามหลักสูตร
วิศวกรรมศาสตรมหาบัณฑิต
สาขาวิชาการพัฒนางานอุตสาหกรรม ภาควิชาวิศวกรรมอุตสาหการ
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยธรรมศาสตร์
ลิขสิทธิ์ของมหาวิทยาลัยธรรมศาสตร์
PRIORITIZATION OF FAILURE MODES BY USING FUZZY ANALYTIC
HIERARCHY PROCESS (FAHP) : A CASE STUDY OF ELECTRONICS
PARTS/COMPONENTS MANUFACTURING PROCESS
BY
MISS KHUANCHAI INHUN
A THESIS SUBMITTED IN PARTIAL FULFILLMENT OF THE REQUIREMENTS

FOR THE DEGREE OF MASTER OF ENGINEERING IN
INDUSTRIAL DEVELOPMENT
DEPARTMENT OF INDUSTRIAL ENGINEERING
FACULTY OF ENGINEERING
THAMMASAT UNIVERSITY
ACADEMIC YEAR 2015
COPYRIGHT OF THAMMASAT UNIVERSITY
(1)
หัวข้อวิทยานิพนธ์ การจัดลาดับความสาคัญข้อบกพร่องด้วยกระบวนการ
การลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ : กรณีศกึ ษา
กระบวนการผลิตชิ้นส่วนอิเล็กทรอนิกส์
ชื่อผู้เขียน นางสาวขวัญใจ อินหันต์
ชื่อปริญญา วิศวกรรมศาสตรมหาบัณฑิต
สาขาวิชา/คณะ/มหาวิทยาลัย สาขาวิชาการพัฒนางานอุตสาหกรรม
คณะวิศวกรรมศาสตร์
มหาวิทยาลัยธรรมศาสตร์
อาจารย์ที่ปรึกษาวิทยานิพนธ์ รองศาสตราจารย์ ดร. ตรีทศ เหล่าศิริหงษ์ทอง
บทคัดย่อ
งานวิจั ยนี้ มี วัต ถุ ป ระสงค์ เพื่ อ : (ก) ประเมิ น ค่าน้ าหนั ก ความสาคั ญ โดยเปรีย บเที ย บ
ของปั จ จั ย เสี่ ย ง 3 ด้ า น ได้ แ ก่ ความรุ น แรงของข้ อ บกพร่ อ ง (Severity: S) โอกาสในการเกิ ด
(Occurrence: O) และการตรวจจับ (Detection: D) ที่ใช้ในการวิเคราะห์ลักษณะข้อบกพร่องและ
ผลกระทบ (Failure mode and effects analysis: FMEA) และ (ข) จั ด ล าดั บ ความส าคั ญ ของ
ข้อบกพร่องจาก FMEA ถ่วงน้าหนักความสาคัญ โดยเปรียบเทียบ (ค่า RPN ที่พิจารณาค่าน้าหนัก
ความส าคั ญ โดยเปรี ย บเที ย บ) โดยใช้ ก ระบวนการการล าดั บ ชั้ น เชิ งวิ เคราะห์ แ บบฟั ซ ซี่ (Fuzzy
analytic hierarchy process: FAHP) ผลการศึกษาพบว่า ความรุนแรงของข้อบกพร่อง (Severity:
S) เป็นปัจจัยเสี่ยงที่มีความสาคัญมากที่สุดในการพิจารณาคัดเลือกข้อบกพร่องและ Torque NG เป็น
ข้ อ บกพร่ อ งที่ มี ล าดั บ ส าคั ญ มากที่ สุ ด จากค่ า RPN ที่ พิ จ ารณาจากค่ า น้ าหนั ก ความส าคั ญ โดย
เปรียบเทียบ ผลการศึกษานี้แสดงให้เห็นถึงความแตกต่างของค่าน้าหนักโดยเปรียบเทียบของปัจจัย
เสี่ ย งและล าดั บ ความส าคั ญ ของข้ อ บกพร่ อ ง ซึ่ ง จะส่ งผลต่ อ การแก้ ไขกระบวนการผลิ ต อย่ า งมี
ประสิทธิภาพ
คาสาคัญ: ฟัซซี,่ กระบวนการการลาดับชั้นเชิงวิเคราะห์, การวิเคราะห์ลักษณะข้อบกพร่องและ

ผลกระทบ
(2)
Thesis Title PRIORITIZATION OF FAILURE MODES BY USING

FUZZY ANALYTIC HIERARCHY PROCESS (FAHP) :
A CASE STUDY OF ELECTRONICS PARTS/
COMPONENTS MANUFACTURING PROCESS
Author Miss Khuanchai Inhun
Degree Master of Engineering
Department/Faculty/University Industrial Engineering
Faculty of Engineering
Thammasat University
Thesis Advisor Assoc. Prof. Dr. Tritos Laosirihongthong
Academic Year 2015
ABSTRACT
The objective of this study is to: (i) Failure mode and effects analysis
(FMEA) was used to evaluate comparative weight of importance among the risk
factors Severity (S), Occurrence (O), and Detection (D) and (ii) In FMEA, failure mode
was prioritized as comparative weighting importance, using the risk priority number
(RPN) and applying fuzzy analytic hierarchy process (FAHP) results showed that
Severity (S) was the most important decision-making factor in determining process-
solving and Torque NG was the most important from RPN which is comparative
weighting of importance. This finding should help to determining differences in
comparative weighting of importance among risk factors and prioritize degrees of
importance among failure modes, leading to effective action.
Keywords: Fuzzy, Analytic hierarchy process, Failure mode and effects analysis.
(3)
กิตติกรรมประกาศ
วิทยานิพนธ์ฉบับนี้ได้รับความอนุเคราะห์อย่างดียิ่งจาก รองศาสตราจารย์ ดร. ตรีทศ

เหล่าศิริหงษ์ทอง อาจารย์ที่ปรึกษา ที่ให้คาแนะนา ให้ข้อคิด และการศึกษาค้นคว้างานวิจั ย ทาให้
วิทยานิพนธ์นี้เสร็จสมบูรณ์
ขอขอบคุณท่านคณะกรรมการสอบวิทยานิพนธ์ ซึ่งประกอบด้วย รองศาสตราจารย์ ดร.
เสมอจิตร หอมรสสุคนธ์ และ รองศาสตราจารย์ ดร. สิทธิพร พิมพ์สกุล ที่กรุณาให้คาแนะนาที่เป็น
ประโยชน์เพื่อให้ผู้วิจัยเกิดแนวคิดที่ถูกต้อง ทาให้วิทยานิพนธ์ฉบับนี้มีความสมบูรณ์ยิ่งขึ้น
นอกจากนี้ ผู้วิจัยขอขอบคุณ คณาจารย์ทุกท่านในภาควิชาวิศวกรรมอุตสาหการ คณะ
วิศวกรรมศาสตร์ มหาวิทยาลัยธรรมศาสตร์ ที่ให้ความรู้ในด้านการเรียนการสอน และขอขอบคุณ
คุณชมพูนุช พิกุล เจ้าหน้าที่ภาควิชาฯ ที่ให้ความช่วยเหลือด้านข้อมูล และเอกสารตลอดระยะเวลา
ตั้งแต่เริ่มเข้าศึกษาจนสาเร็จการศึกษา
สุดท้ายนี้ ผู้วิจัยขอขอบพระคุณ บิดา มารดา ผู้เป็นที่รัก ตลอดจนญาติพี่น้อง และเพื่อน
ที่ให้การสนับสนุน และผู้มีส่วนร่วมทาให้ผู้วิจัยมีแรงผลักดัน และมีกาลังใจในการจัดทาวิทยานิพนธ์
ฉบับนี้ได้เป็นผลสาเร็จ
(4)
สารบัญ
หน้า
บทคัดย่อภาษาไทย (1)
บทคัดย่อภาษาอังกฤษ (2)
กิตติกรรมประกาศ (3)
สารบัญตาราง (8)
สารบัญภาพ (10)
บทที่ 1 บทนา 1
1.1 ความสาคัญของการศึกษา 1
1.2 วัตถุประสงค์ของการศึกษา 4
1.3 ขอบเขตของการศึกษา 4
1.4 วิธีการดาเนินงาน 5
1.5 แผนการดาเนินงาน 6
1.6 ประโยชน์ที่คาดว่าจะได้รับ 7
บทที่ 2 การทบทวนทฤษฎีและงานวิจัยที่เกี่ยวข้อง 8
2.1 คานิยามของคาศัพท์ที่เกี่ยวข้องในงานวิจัย 8
2.1.1 ของเสีย (Waste) 8
2.1.2 ความเสียหาย (Failure) 8
2.1.3 คุณลักษณะของข้อบกพร่อง (Failure Mode) 9
2.1.4 ผลกระทบจากความเสียหาย (Effect) 10
2.2 ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ 10
(5)
2.2.1 แผงวงจรฮาร์ดดิสก์ไดร์ฟ 10
2.2.2 จานแม่เหล็ก (Platter) 10
2.2.3 สปินเดิล มอเตอร์ (Spindle Motor) 10
2.2.4 แขนของหัวอ่าน-เขียน (Actuator) 11
2.2.5 หัว (Head) 11
2.2.6 ไพวอต (Pivot) 11
2.3 การวิเคราะห์ข้อบกพร่องและผลกระทบ (FMEA) 13
2.3.1 ชนิดของการวิเคราะห์ข้อบกพร่องและผลกระทบ 14
2.3.2 ขั้นตอนทั่วไปของการดาเนินงานการวิเคราะห์ข้อบกพร่องและผลกระทบ 14
2.3.3 ประโยชน์ของการวิเคราะห์ข้อบกพร่องและผลกระทบ 19
2.4 กระบวนการการลาดับชั้นเชิงวิเคราะห์ 21
2.4.1 กาหนดปัญหาและแยกองค์ประกอบของปัญหา 21
2.4.2 สร้างแผนภูมิลาดับชั้น 21
2.4.3 การหาลาดับความสาคัญ 22
2.4.4 การวิเคราะห์อัตราความสอดคล้อง 24
2.5 กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ 26
2.5.1 การกาหนดขอบเขตการพิจารณา 27
2.5.2 การคานวณหาค่าขอบเขตสังเคราะห์ฟัซซี่ 28
2.5.3 การคานวณหาระดับของความเป็นไปได้ 29
2.5.4 การคานวณหาเวกเตอร์ความสาคัญ W' ของเมตริกซ์ 29
2.6 งานวิจัยทีใ่ ช้การวิเคราะห์ข้อบกพร่องและผลกระทบ (FMEA) และกระบวนการ 30
การลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (FAHP)
บทที่ 3 วิธีดาเนินการวิจัย 32
3.1 การศึกษาข้อมูล 32
3.1.1 โครงสร้างลาดับชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง 32
3.1.2 การออกแบบแบบสอบถาม 33
3.1.3 ผู้ประเมินแบบสอบถาม 33
3.2 การวิเคราะห์ข้อมูล 35
3.2.1 การประเมินแบบสอบถาม 35
(6)
3.2.2 การวิเคราะห์หาค่าอัตราความสอดคล้อง 36
3.2.3 การวิเคราะห์หาค่าน้าหนักความสาคัญโดยเปรียบเทียบ 37
3.2.4 การวิเคราะห์หาค่า RPN โดยพิจารณาค่าน้าหนักความสาคัญ 39
โดยเปรียบเทียบ
3.3 การสรุปผลการดาเนินงาน 40
บทที่ 4 ผลการวิจัย 41
4.1 การแปลงค่าผลการประเมินแบบสอบถาม 41
4.1.1 การคานวณผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 41
4.1.2 การคานวณผลประเมินการลาดับความสาคัญของข้อบกพร่อง 42
4.2 ค่าอัตราความสอดคล้องของการประเมิน 45
4.2.1 ค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยง 45
4.2.2 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่อง 46
4.3 การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบโดย FAHP 49
4.3.1 การคานวณผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 49
4.3.2 การคานวณผลประเมินในลาดับชั้นทางเลือกหรือข้อบกพร่อง 51
4.4 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยงและข้อบกพร่อง 61
โดย FAHP
4.4.1 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 61
4.4.2 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง 62
4.5 การคานวณหาค่า RPN โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ 66
4.6 ผลค่า RPN โดยค่าน้าหนักความสาคัญโดยเปรียบเทียบ 67
บทที่ 5 สรุปผลการวิจัยและข้อเสนอแนะ 70
5.1 สรุปผลการวิจัย 70
5.2 ข้อเสนอแนะ 71
รายการอ้างอิง 72
(7)
ภาคผนวก
ภาคผนวก ก แบบสอบถาม 77
ภาคผนวก ข บทความวิชาการ 83
ประวัติผู้เขียน 95
(8)
สารบัญตาราง
ตารางที่ หน้า
1.1 ระยะเวลาการดาเนินงาน 6
2.1 เกณฑ์การประเมินผลความรุนแรงของผลกระทบ 15
2.2 เกณฑ์การประเมินผลโอกาสการเกิดขึ้น 17
2.3 เกณฑ์การประเมินผลการตรวจจับของระบบควบคุม 18
2.4 ข้อบกพร่องบางอย่างของ FMEA 20
2.5 มาตราส่วนในการวิเคราะห์เปรียบเทียบรายคู่ 23
2.6 เมทริกซ์ที่ใช้ในการเปรียบเทียบเกณฑ์ตัดสินใจเป็นคู่ 23
2.7 ค่าดัชนีความสอดคล้องเชิงสุ่ม 25
3.1 ตัวอย่างแบบสอบถามในส่วนที่ 2 การประเมินลาดับความสาคัญโดยเปรียบเทียบ 33
ของปัจจัยเสี่ยง
3.2 ตาแหน่งงานและประสบการณ์การทางานของผู้ประเมินแบบสอบถาม 34
3.3 สเกลการแปลงเป็นตัวเลขแสดงลาดับความสาคัญของการเปรียบเทียบเชิงคู่ 35
4.1 ตัวอย่าง ผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 3 ด้าน (S, O, D) 41
จากผู้เชี่ยวชาญคนที่ 1
4.2 ตัวอย่าง ผลการแปลงค่าผลประเมินการลาดับความสาคัญปัจจัยเสี่ยง 3 ด้าน (S, O, D) 42
ด้วยตัวเลขฟัซซีแ่ บบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
4.3 ตัวอย่าง ผลการแปลงค่าผลประเมินการลาดับความสาคัญข้อบกพร่อง 43
ด้านความรุนแรงของข้อบกพร่อง (Severity: S) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยม
ของผู้เชีย่ วชาญคนที่ 1
ด้านโอกาสในการเกิดของข้อบกพร่อง (Occurence: O)
ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
ด้านการตรวจจับข้อบกพร่อง (Detection: D) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยม
ของผู้เชี่ยวชาญคนที่ 1
4.6 ค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยง 3 ด้าน (S, O, D) 46
(9)
4.7 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรงของข้อบกพร่อง 47

(Severity: S)
4.8 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านโอกาสในการเกิดข้อบกพร่อง 47
(Occurrence: O)
4.9 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านการตรวจจับข้อบกพร่อง 48
(Detection: D)
4.10 ค่าเฉลี่ยของผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 3 ด้าน (S, O, D) 49
4.11 ค่าเฉลี่ยของผลประเมินการลาดับของข้อบกพร่องด้านความรุนแรงของข้อบกพร่อง 51
(Severity: S)
4.12 ค่าเฉลี่ยของผลประเมินการลาดับของข้อบกพร่องด้านโอกาสในการเกิดข้อบกพร่อง 55
(Occurrence: O)
4.13 ค่าเฉลี่ยของผลประเมินการลาดับของข้อบกพร่องด้านการตรวจจับข้อบกพร่อง 58
(Detection: D)
4.14 ค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S, O, D) 62
4.15 ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง 63
4.16 ค่า RPN โดยถ่วงค่าน้าหนักความสาคัญโดยเปรียบเทียบ 67
4.17 ค่า RPN จาก FMEA ของผลิตภัณฑ์หนึ่งของบริษทั ผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใฃ้ 68
เป็นกรณีศึกษา
4.18 การเปรียบเทียบลาดับความสาคัญของข้อบกพร่อง 69
(10)
สารบัญภาพ
ภาพที่ หน้า
1.1 FMEA กระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็น 3
กรณีศกึ ษา
1.2 อัตราของเสีย 3
2.1 ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ 11
2.2 ส่วนประกอบของไพวอต 12
2.3 แผนภูมิโครงการสร้างลาดับชั้น 22
3.1 โครงสร้างลาดับชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง 32
3.2 ตัวเลขสมาชิกของสามเหลี่ยมฟัซซี่ 35
4.1 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน 62
(S, O, D)
4.2 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง 64
ด้านความรุนแรงของข้อบกพร่อง (Severity: S)
ด้านโอกาสในการเกิดข้อบกพร่อง (Occurrence: O)
ด้านการตรวจจับข้อบกพร่อง (Detection: D)
(11)
1
บทที่ 1
บทนา
1.1 ความสาคัญของการศึกษา
อุตสาหกรรมคอมพิวเตอร์และชิ้นส่วนประกอบหรืออุตสาหกรรมอิเล็กทรอนิกส์ ของ
ประเทศไทยมีฮาร์ดดิสก์ไดร์ฟ (Hard Disk Drive: HDD) เป็นผลิตภัณฑ์หลักที่ติดอันดับ 1 ใน 3 ของ
สินค้าที่สร้างรายได้ให้กับประเทศไทย แต่เนื่องด้วยประเทศไทยประสบกับปัญหาในด้านต่างๆ เช่น
สภาวะการหดตัวของเศรษฐกิจภูมิภาคเอเชีย วิกฤติการณ์น้าท่วม การปรับอัตราค่าจ้างแรงงานขั้นต่า
การเคลื่อนไหวทางการเมืองหรือแม้แต่การรวมกลุ่มประชาคมเศรษฐกิจอาเซียน ปัญหาในด้านต่างๆ
เหล่านี้ล้วนส่งผลกระทบต่อศักยภาพในการแข่งขัน ด้านการส่งออกของอุตสาหกรรมอิเล็กทรอนิกส์
ของประเทศไทย อรุณี (2553) ซึ่งในปัจจุบันอุตสาหกรรมอิเล็กทรอนิกส์มีการแข่งขันทางการตลาด
ค่อนข้างสูง ส่งผลให้การดาเนินงานของผู้ผลิตและผู้จาหน่ายฮาร์ดดิสก์ไดร์ฟของประเทศไทย รวมถึง
บริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ ที่ใช้เป็นกรณีศึกษาต้องพยายามปรับตัวให้ทันต่อ สถานการณ์ที่มี
การเปลี่ยนแปลงอย่างรวดเร็ว โดยจะต้องมีการพัฒนาและปรับปรุงกระบวนการผลิตอย่างต่อเนื่อง
เพื่ อเพิ่ม ขีดความสามารถในการตอบสนองความต้องการของลูกค้าและเพิ่มความสามารถในการ
แข่งขันทางการตลาดให้มากขึ้น และเพิ่มความสามารถในการตอบสนองความต้องการของลูกค้าและ
สร้างความพึงพอใจของลูกค้าสูงสุด
การวิเคราะห์หาสาเหตุได้ถึงรากของปัญหาเพื่อนาไปสู่การแก้ ไขปัญหาในกระบวนการ
ผลิตและส่งผลโดยตรงต่อการปรับปรุงคุณภาพของผลิตภัณฑ์ รวมไปถึงการตอบสนองความต้องการ
ของลูกค้าและเพิ่มความสามารถในการแข่งขันทางการตลาดให้มากขึ้นและเพิ่มความสามารถในการ
ตอบสนองความต้องการของลูกค้าและสร้างความพึงพอใจของลูกค้าสูงสุด และวิธีการที่สามารถ
วิเคราะห์หาสาเหตุได้ถึงรากของปัญหาคือ การวิเคราะห์ลักษณะข้อบกพร่องและผลกระทบ (Failure
Mode and Effect Analysis: FMEA) สมภพ (2552) ซึ่ งถู ก พั ฒ นาโดยหน่ ว ยงานอากาศยานทาง
ทหารของสหรัฐอเมริกา ตั้งแต่ทศวรรษที่ 60 จากนั้นได้ประยุกต์ใช้ FMEA ไปยังบริษัทผู้ผลิตรถยนต์
จนกระทั่ง FMEA กลายมาเป็นข้อกาหนดพื้นฐานของอุตสาหกรรมยานยนต์ภายใต้ระบบ TS-16949
สาหรับประเทศไทยได้เริ่มมีการประยุกต์ใช้ FMEA กับกลุ่มอุตสาหกรรมชิ้นส่วนยานยนต์ตามความ
ต้องการของบริษัท ฟอร์ด จากัด กิติศักดิ์ (2551)
2
แต่อย่างไรก็ตาม FMEA และค่า RPN มีข้อบกพร่องบางอย่างเช่น FMEA ไม่ได้พิจารณา

ค่าน้าหนักความสาคัญโดยเปรียบเทียบของสามปัจจัยเสี่ยง (S, O, D) โดยถือว่าทั้งสามปัจจัยเสี่ยงนั้น
มีค่าน้าหนักความสาคัญโดยเปรียบเทียบเท่าๆ กัน หรือมีผลกระทบที่แตกต่างกันจากการรวมกันของ
สามปัจจัยเสี่ยง (S, O, D) ที่มีค่าแตกต่างกัน Wang, Y. M., et al. (2009)
อุ ต สาหกรรมอิ เล็ ก ทรอนิ ก ส์ ที่ ป ระยุ ก ต์ ใช้ FMEA โดยอ้ างอิ งเกณฑ์ ข องการประเมิ น
คะแนนของสามปัจจัยเสี่ยง (S, O, D) มาจากอุตสาหกรรมยานยนต์และข้อกาหนดจากลูกค้า ซึ่งมี
ข้อบกพร่องและความเสี่ยงซ่อนอยู่จากการประเมินคะแนนของสามปัจจัยเสี่ยง (S, O, D) โดยการ
ตัดสิน ใจในการประเมิ น คะแนนของสามปั จจัยเสี่ยง (S, O, D) และข้อบกพร่องนั้ น ได้ม าจากการ
ตัดสินใจของทีมงานหนึ่งซึ่งเป็นการตัดสินใจของมนุษย์ย่อมประกอบไปด้วยความคลุมเครือ อาจส่งผล
ต่ อ การตั ด สิ น ใจผิ ด พลาด การสู ญ เสี ย ทรั พ ยากร ต้ น ทุ น และเวลาในการผลิ ต จากการคั ด เลื อ ก
ข้อบกพร่องที่ผิดพลาดและไม่เกิดประสิทธิผลจากการดาเนินการแก้ไข
บริษั ท ผู้ ผ ลิ ตชิ้น ส่ วนอิเล็กทรอนิ กส์ ที่ ใช้เป็ น กรณี ศึกษา เป็ น บริษั ท หนึ่ งที่ ประยุกต์ ใช้
FMEA ในการวิเคราะห์หาสาเหตุของปัญหา โดยอ้างอิงเกณฑ์ของการประเมินคะแนนของสามปัจจัย
เสี่ ย งมาจากอุ ต สาหกรรมยานยนต์ แ ละข้ อ ก าหนดจากลู ก ค้ า โดยการจั ด ล าดั บ ความส าคั ญ ของ
ข้ อ บกพร่ อ งและคั ด เลื อ กข้ อ บกพร่ อ งจากค่ า คะแนนความเสี่ ย งของข้ อ บกพร่ อ ง (Risk Priority
Number: RPN) โดยจะพิจารณาข้อบกพร่องที่มีค่า RPN มากกว่า 100 มาดาเนินการแก้ไข
จาก FMEA กระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้
เป็นกรณีศึกษาพบว่า Appearance NG เป็นข้อบกพร่องที่มีค่า RPN มากที่สุด แต่ค่า RPN ที่ได้มีค่า
น้อยกว่า 100 (ค่า RPN เท่ากับ 90) จึงไม่ต้องคัดเลือกข้อบกพร่องนี้มาดาเนินการแก้ไข ดังภาพที่ 1.1
แต่เมื่อบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษาดาเนินการผลิตผลิตภัณฑ์นั้นและทบทวน
ข้อมูลอัตราของเสียที่เกิดขึ้นในช่วงเดือนมกราคม ถึง มิถุนายน ปี พ.ศ. 2559 พบว่า Torque NG
เป็นข้อบกพร่องที่มีอัตราของเสียมากที่สุด (ค่าอัตราของเสีย เท่ากับ 0.255%) ซึ่งควรที่จะคัดเลือกมา
ด าเนิ น การแก้ ไข ดั งภาพที่ 1.2 แต่ จ ะเห็ น ได้ ว่ า FMEA ที่ จั ด ท าขึ้ น ตั้ งแต่ ก่ อ นเริ่ ม การผลิ ต นั้ น ไม่
สามารถคั ด เลื อ กข้ อ บกพร่อ งได้ อ ย่ างเหมาะสม ซึ่ งมี ส าเหตุ เนื่ อ งมาจากความคลุ ม เครื อ ของการ
ตัดสินใจในการประเมินคะแนนของสามปัจจัยเสี่ยง (S, O, D) จึงส่งผลต่อค่า RPN ของข้อบกพร่อง
และไม่สามารถแก้ไขปรับปรุงกระบวนการผลิตได้อย่างเหมาะสมก่อนดาเนินการผลิต ส่งผลให้ อัตรา
ของเสียที่เกิดขึ้นไม่สอดคล้องกับลาดับความสาคัญของข้อบกพร่องที่ได้จากค่า RPN
3
ภาพที่ 1.1 FMEA กระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็น

กรณีศกึ ษา
ภาพที่ 1.2 อัตราของเสีย
ด้วยเหตุนี้ งานวิจัยนี้จึงได้นาเครื่องมือทางเทคโนโลยีที่ช่วยสนับสนุนการตัดสินใจมา
ประยุกต์ใช้ ซึ่งได้แก่ กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytic Hierarchy
Process: FAHP) ในการหาค่าน้าหนักความสาคัญโดยเปรียบเที ยบของปัจจัยเสี่ยงและข้อบกพร่อง
และจัดลาดับความสาคัญของข้อบกพร่องจาก FMEA ถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ (ค่า
RPN ที่พิจารณาค่าน้าหนักความสาคัญโดยเปรียบเทียบ) ซึ่งการประยุกต์ใช้ FAHP เป็นการแทนค่า
ตัวเลขเดี่ย วที่ ได้ จากการประเมิ น ผลด้ วยตั วเลขฟั ซ ซี่ เพื่ อ ก าจัด ความคลุม เครือ ที่ เกิ ดขึ้ น จากการ
ตัดสินใจของผู้เชี่ยวชาญ
4
1.2 วัตถุประสงค์ของการศึกษา
1.2.1 เพื่อประเมินค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน ได้แก่

ความรุนแรงของข้อบกพร่อง (Severity: S) โอกาสในการเกิด (Occurrence: O) และการตรวจจับ
(Detection: D) ที่ ใ ช้ ใ นการวิ เคราะห์ ลั ก ษณะข้ อ บกพร่ อ งและผลกระทบ (Failure Mode and
Effects Analysis: FMEA)
1.2.2 เพื่อจัดลาดับความสาคัญของข้อบกพร่องจาก FMEA ถ่วงน้าหนักความสาคัญโดย
เปรียบเทียบ (ค่า RPN ที่ พิจารณาค่าน้าหนักความสาคัญ โดยเปรียเทียบ) โดยใช้กระบวนการการ
ลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytic Hierarchy Process: FAHP)
1.3 ขอบเขตของการศึกษา
1.3.1 ปัจจัยเสี่ยงที่นามาศึกษามีเพียง 3 ด้านเท่านั้น ได้แก่ ความรุนแรงของข้อบกพร่อง

(Severity: S) โอกาสในการเกิ ด ข้ อ บกพร่ อ ง (Occurrence: O) และการตรวจจั บ ข้ อ บกพร่ อ ง
(Detection: D) ภายใต้กรอบการวิเคราะห์ลักษณะข้อบกพร่องและผลกระทบ (Failure mode and
effects analysis: FMEA)
1.3.2 ข้ อ บกพร่ อ งที่ น ามาศึ ก ษามี 6 ข้ อ ได้ แ ก่ Unsmooth, Torque NG, Axial
Resonance NG, Assembly NG, Appearance NG, Packing NG จากการวิ เ คราะห์ ลั ก ษณ ะ
ข้อบกพร่องและผลกระทบ (FMEA) ของกระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วน
อิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา
1.3.3 เครื่อ งมื อ ที่ น ามาศึ ก ษา คื อ กระบวนการการลาดั บ ชั้น เชิ งวิเคราะห์ แ บบฟั ซ ซี่
(Fuzzy Analytic Hierarchy Process: FAHP) เท่านั้น
1.3.4 ศึกษา รวบรวมข้อมูล จากผลิตภัณฑ์เดียวได้แก่ ไพวอต ของกลุ่มอุตสาหกรรม
คอมพิวเตอร์และชิ้นส่วนประกอบสาหรับฮาร์ดดิสก์ไดร์ฟ
1.3.5 ช่วงเวลาที่ศึกษา คือ เดือนมกราคม ถึง มิถุนายน พ.ศ. 2559 สาหรับการเก็บ
รวบรวมข้อมูลอัตราของเสียและการประเมินแบบสอบถามจากผู้เชี่ยวชาญ
5
1.4 วิธีการดาเนินงาน
1.4.1 ศึ ก ษาบทความทางวิช าการที่ ถู ก ตี พิ ม พ์ อ ยู่ บ นฐานข้ อ มู ล สากล เพื่ อ พิ จ ารณา

ข้อ บกพร่อ งของการวิเคราะห์ ลั ก ษณะข้ อ บกพร่อ งและผลกระทบ (Failure mode and effects
analysis: FMEA)
1.4.2 ศึ ก ษากระบวนการการล าดั บ ชั้ น เชิ ง วิ เ คราะห์ แ บบฟั ซ ซี่ (Fuzzy Analytic
Hierarchy Process: FAHP)
1.4.3 สร้างโครงสร้างลาดับชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง
1.4.4 จัดทาแบบสอบถาม เพื่อเก็บรวบรวมข้อมูลจากผู้เชี่ยวชาญในการประเมินลาดับ
ความสาคัญของปัจจัยเสี่ยงและข้อบกพร่อง
1.4.5 แปลงค่าผลประเมินเป็นตัวเลขฟัซซี่
1.4.6 ตรวจสอบค่าอัตราความสอดคล้อง (Consistency Ratio: CR)
1.4.7 วิ เ คราะห์ ห าค่ า น้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของปั จ จั ย เสี่ ย งและ
ข้อบกพร่องด้วยกระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (FAHP)
1.4.8 เปรียบเทียบลาดับความสาคัญของข้อบกพร่องจากค่า RPN ที่ได้จากการวิเคราะห์
ลั ก ษณะข้ อ บกพร่ อ งและผลกระทบ (FMEA), ค่ า RPN ที่ พิ จ ารณาค่ า น้ าหนั ก ความส าคั ญ โดย
เปรียบเทียบด้วยกระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (FAHP) และอัตราของเสีย
1.4.9 สรุปผล นาเสนอบทวิเคราะห์และข้อเสนอแนะ
6
1.5 แผนการดาเนินงาน
ตารางที่ 1.1
ระยะเวลาการดาเนินงาน
ม.ค. – พ.ค. 58
ส.ค. – ธ.ค. 57
ก.ย. – ธ.ค. 58
มิ.ย – ส.ค. 58
เม.ย. 59
ก.พ. 59
พ.ค. 59
ม.ค. 59
มี.ค. 59
ขั้นตอนการดาเนินการ
1. ศึ ก ษาบทความทางวิ ช าการที่ ถู ก ตี พิ ม พ์ อ ยู่ บ น

ฐานข้อมูลสากล เพื่อพิจารณาข้อบกพร่องของการ
วิ เ คราะห์ ลั ก ษณ ะข้ อ บกพร่ อ งและผลกระทบ
(Failure Mode and Effect Analysis: FMEA)
2. ศึกษากระบวนการการลาดับชั้นเชิงวิเคราะห์แบบ
ฟั ซ ซี่ ( Fuzzy Analytic Hierarchy Process:
Fuzzy AHP)
3. สร้างโครงสร้างลาดับชั้นเชิงวิเคราะห์ของการ
คัดเลือกข้อบกพร่อง
4. จัดทาแบบสอบถาม เพื่อเก็บรวบรวมข้อมูลจาก
ผู้เชี่ยวชาญในการประเมิ น ล าดั บ ความส าคั ญ ของ
ปัจจัยเสี่ยงและข้อบกพร่อง
5. แปลงค่าผลประเมินเป็นตัวเลขฟัซซี่
6. ตรวจสอบค่าอัตราความสอดคล้อง
(Consistency Ratio: CR)
7. วิ เ คราะห์ ห าค่ า น้ าห นั ก ค วาม ส าคั ญ โด ย
เปรีย บเที ย บของปั จ จั ย เสี่ ย งและข้ อ บกพร่ อ งด้ ว ย
กระบวนการการล าดั บ ชั้น เชิงวิเคราะห์ แ บบฟั ซ ซี่
(Fuzzy AHP)
8. เปรียบเทียบลาดับความสาคัญของข้อบกพร่อง
9. สรุปผล นาเสนอบทวิเคราะห์และข้อเสนอแนะ
7
1.6 ประโยชน์ที่คาดว่าจะได้รับ
1.6.1 ได้รับค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (ความรุนแรง

ของข้อบกพร่อง (Severity: S) โอกาสในการเกิด (Occurrence: O) และการตรวจจับ (Detection:
D)) ที่มีค่าแตกต่างกัน
1.6.2 ได้ รั บ ข้ อ บกพร่ อ งที่ มี ล าดั บ ความส าคั ญ มากที่ สุ ด จาก FMEA ถ่ ว งน้ าหนั ก
ความสาคัญโดยเปรียบเทียบ (ค่า RPN ที่พิจารณาค่าน้าหนักความสาคัญโดยเปรียเทียบ)
1.6.3 สามารถประยุกต์ใช้ FMEA ถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ (ค่า RPN ที่
พิจารณาค่าน้าหนักความสาคัญโดยเปรียเทียบ) ในการคัดเลือกข้อบกพร่องของผลิตภัณฑ์ใหม่อื่นๆ ได้
8
บทที่ 2
การทบทวนทฤษฎีและงานวิจัยที่เกี่ยวข้อง
หลั ก การและทฤษฎี ที่ ใช้ ในงานวิจัย นี้ มีดั งนี้ คื อ ค านิ ยามของค าศั พ ท์ ที่ เกี่ย วข้อ งใน
งานวิจัย ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ การวิเคราะห์ข้อบกพร่องและผลกระทบ (FMEA) และ
กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy AHP) เอกสารและผลงานวิจัยที่เกี่ยวข้อง
ประกอบด้วย งานวิจัยที่ใช้การวิเคราะห์ข้อบกพร่องและผลกระทบ (FMEA) และกระบวนการการ
ลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy AHP) โดยมีรายละเอียดดังต่อไปนี้
2.1 คานิยามของคาศัพท์ที่เกี่ยวข้องในงานวิจัย
2.1.1 ของเสีย (Waste)

ของเสีย ถือเป็นความสูญเปล่าชนิดหนึ่ง ตามหลักความสูญเปล่า 7 ประการ ความ
เสียหายที่เกิดจากข้อบกพร่องจะทาให้เกิดปัญหาค่าใช้จ่ายในการตรวจสอบหาจุดบกพร่อง การตอบ
กลับข้อร้องเรียนของลูกค้าและการซ่อมแซม โดยสาเหตุของข้อบกพร่อง คือ
1. การให้ความสาคัญกับการตรวจสอบปลายทาง ซึ่งทาได้เพียงแยกชิ้น งานที่มี
ข้อบกพร่องออกไป แต่การตรวจสอบนั้ น ไม่ใช่วิธีการแก้ไขเพื่ อไม่ให้เกิดความสูญ เปล่าที่ เกิดจาก
ข้อบกพร่อง จึงทาให้เกิดปัญหาความเสียหายขึ้นเพราะไม่มีการหาสาเหตุให้พบนั่นเอง
2. ไม่มีมาตรฐานสาหรับการตรวจสอบ ทาให้ไม่มีมาตรฐานในกระบวนการผลิต
เพื่อป้องกันข้อบกพร่อง
3. การละเลยในเรื่องการปฏิบัติงานที่เป็นมาตรฐาน (Standard Operations)
4. การขนถ่ายวัสดุ (Material Handling) และการลาเลียง (Conveyance)
2.1.2 ความเสียหาย (Failure)

ผลิตภัณฑ์ กระบวนการผลิต หรือการบริการที่ไม่สามารถทางานได้ตามหน้าที่ที่
กาหนดไว้
9
2.1.3 คุณลักษณะของข้อบกพร่อง (Failure Mode)

สภาวการณ์ หรืออาการที่อาจก่อให้เกิดความเสียหายตามมา (Failure) ซึ่งอาการ
ผิดปกติส่วนใหญ่ แล้วจะเป็นคุณลักษณะทางกายภาพ (Physical Characteristics) ได้แก่ การแตก
ความร้อน กลิ่นไหม้ การบิดเบี้ยว การรั่ว สีเพี้ยน รอยร้าว การสั่น เป็นต้น และสามารถสังเกตได้โดย
การใช้ประสาทสัมผัส เช่น สายตา (การรั่ว สีเพี้ยน รอยร้าว) หู (การสั่น) การสัมผัส (ความร้อน) และ
การได้กลิ่นที่ ผิ ดปกติ (กลิ่นไหม้ ) ถ้าหากอาการเหล่านี้ (Symptoms) ไม่ได้รับการแก้ไข จะส่งผล
กระทบต่อผลิตภัณฑ์หรือระบบอื่นๆ ที่จะทาให้เกิดอาการขัดข้องหรือเสียหายได้
ข้ อ บกพร่ อ งที่ น ามาศึ ก ษามี 6 ข้ อ จากการวิ เคราะห์ ลั ก ษณะข้ อ บกพร่ อ งและ
ผลกระทบ (FMEA) ของกระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้
เป็นกรณีศึกษาได้แก่
Unsmooth ผลิตภัณฑ์มีอาการผิดปกติที่สามารถตรวจจับได้จากการสัมผัส โดยการ
หมุนชิ้นงาน ซึ่งจะพบว่าการหมุนของชิ้นงานสะดุด ไม่ราบรื่น อาการนี้ ของผลิตภัณฑ์จะส่งผลกระทบ
ต่อการหมุนของแขนของหัวอ่าน-เขียนเมื่อประกอบเข้าด้วยกันในฮาร์ดดิสก์ไดร์ฟ
Torque NG ผลิ ต ภั ณ ฑ์ มี อ าการผิ ด ปกติ ท างกายภาพที่ ส ามารถตรวจจั บ ได้ ด้ ว ย
เครื่องตรวจสอบอัตโนมัติ ซึ่งจะพบว่าค่าแรงบิดชิ้นงานหรือแรงที่ใช้ในการหมุนของชิ้นงาน มีค่าน้อย
กว่าหรือมากกว่าขอบเขตที่ลูกค้ากาหนดไว้ อาการนี้ของผลิตภัณฑ์จะส่งผลกระทบต่อประสิทธิภาพใน
การหมุนของแขนของหัวอ่าน-เขียนเมื่อประกอบเข้าด้วยกันในฮาร์ดดิสก์ไดร์ฟ
Axial Resonance NG ผลิตภัณฑ์มีอาการผิดปกติทางกายภาพที่สามารถตรวจจับ
ได้ด้วยเครื่องตรวจสอบอัตโนมัติ ซึ่งจะพบว่าค่าสั่นพ้องของชิ้นงาน มีค่าน้อยกว่าหรือมากกว่าขอบเขต
ที่ลูกค้ากาหนดไว้ อาการนี้ของผลิตภัณฑ์จะส่งผลกระทบต่อประสิทธิภาพในการหมุนของแขนของ
หัวอ่าน-เขียนเมื่อประกอบเข้าด้วยกันในฮาร์ดดิสก์ไดร์ฟ
Assembly NG ผลิตภัณฑ์มีอาการผิดปกติทางกายภาพที่สามารถตรวจจับได้ด้วย
เครื่อ งตรวจสอบอัต โนมั ติ ซึ่ งจะพบว่าค่ าความสูงในการประกอบของชิ้ น งาน มี ค่ าน้ อ ยกว่าหรือ
มากกว่าขอบเขตที่ลูกค้ากาหนดไว้ อาการนี้ของผลิตภัณฑ์จะส่งผลกระทบต่อการประกอบผลิตภัณฑ์
เข้ากับฮาร์ดดิสก์ไดร์ฟ
Appearance NG ผลิตภัณฑ์มีอาการผิดปกติสามารถตรวจจับได้จากการสังเกตด้วย
สายตาภายใต้กล้องไมโครสโครป ซึ่งจะพบว่าชิ้นงานมีรอยบิ่น รอยขีดข่วน คราบเปลื้อน เส้นใยหรือ
ผงฝุ่น เป็นต้น อาการนี้ของผลิตภัณฑ์จะส่งผลกระทบต่อ ต่อการประกอบผลิตภัณฑ์เข้ากับฮาร์ดดิสก์
ไดร์ฟ
10
Packing NG ผลิ ต ภั ณ ฑ์ มี อ าการผิ ด ปกติ ส ามารถตรวจจั บ ได้ จ ากการสั งเกตด้ ว ย

สายตา ซึ่งจะพบว่าถุงพลาสติกที่บรรจุผลิตภัณฑ์รั่ว กล่องกระดาษที่บรรจุผลิตภัณฑ์ฉีกขาด บุบ หรือ
ฉลากแสดงข้อมูลของผลิตภัณฑ์ที่ติดบนถุงพลาสติกหรือกล่องกระดาษ อาการนี้จะส่งผลกระทบต่อ
การนาผลิตภัณฑ์เข้าใช้งาน
2.1.4 ผลกระทบจากความเสียหาย (Effect)

ผลที่ เกิดขึ้น เนื่ องมาจากความเสียหายและส่งผลกระทบโดยตรงต่อผลิตภัณ ฑ์
กระบวนการผลิตหรือการบริการ โดยทั่วไปแล้วมักจะยึดจาก “ผลกระทบที่เกิดขึ้นกับลูกค้าเป็นหลัก”
ซึ่งอาจหมายถึง หน่วยงานที่รับผิดชอบถัดไป เช่น ฝ่ายผลิต ฝ่ายประกอบ หรือฝ่ายบริการ เป็นต้น
2.2 ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ
ฮาร์ดดิสก์ไดร์ฟ ดังภาพที่ 2.1 ใช้สาหรับเก็บข้อมูลขนาดใหญ่ ที่มีความจุสูงหน่วยเมกะ

ไบต์จนถึงกิกะไบต์และมีความเร็วสูงในการทางาน โดยส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ (Hard Disk
Drive Component) มีรายละเอียดดังต่อไปนี้
2.2.1 แผงวงจรฮาร์ดดิสก์ไดร์ฟ (Hard Disk Drive Controller Circuit)

เป็นแผงวงจรที่ใช้ในการควบคุมการทางานของฮาร์ดดิสก์ไดร์ฟ ทั้งในส่วนของการ
บังคับการหมุนของสปินเดิลมอเตอร์ การอ่าน-เขียนข้อมูล เป็นต้น
2.2.2 จานแม่เหล็ก (Platter)

แผ่นวงกลมที่มีหน้าที่ทาการบันทึกข้อมูลที่ต้องการ โดยจานแม่เหล็กจะถูกเคลือบ
ด้วย Glass substrate โดยการบันทึกหรือการอ่านข้อมู ลจะใช้หัวอ่าน-เขียนข้อมูล จานแม่เหล็กจะมี
ขนาดและจานวนของจานแม่เหล็ก ในฮาร์ดดิสก์ไดร์ฟแต่ละรุ่นไม่เท่ากัน ขึ้นอยู่กับปริมาณความจุที่
ต้องการ
2.2.3 สปินเดิล มอเตอร์ (Spindle Motor)

เป็น ส่ วนที่ ใช้ยึด และหมุน จานแม่เหล็กแต่ละอัน ด้วยความเร็วตามที่ กาหนดไว้
ขึ้นอยู่กับ คุณสมบัติแต่ละรุ่นของฮาร์ดดิสก์ไดร์ฟ ตัวอย่างความเร็วที่ใช้อยู่ เช่น 7,200 รอบต่อวินาที
5,400 รอบต่อวินาที เป็นต้น การที่ความเร็วของสปินเดิล มอเตอร์เพิ่มมากขึ้นจะทาให้อัตราการ
ส่งผ่านข้อมูลมีประสิทธิภาพสูงขึ้นตามไปด้วย
11
2.2.4 แขนของหัวอ่าน-เขียน (Actuator)

เป็นชิ้นส่วนที่ใช้ยึดติดกับหัวอ่าน-เขียนข้อมูลโดยตรง ปลายแขนมีคุณสมบัติการ
เข้าค้นหาและเข้าถึงข้อมูลของฮาร์ดดิสก์ไดร์ฟ
2.2.5 หัว (Head)

เป็นส่วนที่ใช้ในการอ่าน-เขียนข้อมูล ทาหน้าที่ในการอ่านและเขียนข้อมูลในจาน
แม่เหล็ก (Platter)
2.2.6 ไพวอต (Pivot)

เป็นชิ้นส่วนที่ใช้ยึดติดกับแขนของหัวอ่าน-เขียน เพื่อการหมุนแขนของหัวอ่าน-
เขียนไปยังจานแม่เหล็ก
ภาพที่ 2.1 ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ
กระบวนการผลิ ต ไพวอต เริ่ ม ตั้ ง แต่ ก ารรั บ วั ต ถุ ดิ บ เข้ า มาในกระบวนการผลิ ต

จนกระทั่งนาผลิตภัณฑ์บรรจุกล่อง มีรายละเอียดตามขัน้ ตอนดังต่อไปนี้
1. กระบวนการรับวัตถุดิบ (Receiving Material Process)
เป็นกระบวนการรับวัตถุดิบเข้ามาในกระบวนการผลิต วัตถุดิบประกอบด้วย
- วัตถุดิบหลักมี 3 ชิ้นส่วน ได้แก่ แกนหมุน (Shaft) ปลอกหุ้ม (Sleeve) และ
ตลับลูกปืน (Bearing) ดังภาพที่ 2.2
12
- วัตถุดิบรองที่ เป็ นส่วนประกอบหลัก คือ กาวที่ใช้ประกอบกับวัตถุดิบหลัก

(Adhesive)
ไพวอต (Pivot) แกนหมุน (Shaft) ปลอกหุ้ม (Sleeve) ตลับลูกปืน (Bearing)
ภาพที่ 2.2 ส่วนประกอบของไพวอต
2. กระบวนการล้างชิ้นงาน (Washing Process)

เป็นกระบวนการล้างทาความสะอาดวัตถุดิบหลัก 2 ชิ้นส่วน ได้แก่ แกนหมุน
(Shaft) ปลอกหุ้ม (Sleeve) โดยเครื่องล้างทาความสะอาด (Washing Machine)
3. กระบวนการประกอบชิ้นงาน (Assembly Process)
เป็ น กระบวนการที่ น าวัต ถุ ดิ บ หลั ก มาประกอบเข้ าด้ วยกั น โดยใช้ ก าวและ
เครื่องจักร
4. กระบวนการอบผลิตภัณฑ์ (Oven Process)
เป็ น กระบวนการให้ ค วามร้ อ นกั บ ผลิ ต ภั ณ ฑ์ ด้ ว ยเครื่อ งอบความร้ อ น ตาม
ระยะเวลาที่กาหนดไว้
5. กระบวนการตรวจสอบผลิตภัณฑ์ด้วยเครื่องตรวจสอบอัตโนมัติ (Inspection
Process)
เป็ น กระบวนการตรวจสอบข้ อ มู ล จ าเพาะในการใช้ ง านของผลิ ต ภั ณ ฑ์
(Functional Specification) ด้วยเครื่องตรวจสอบอัตโนมัติ (Inspection Machine) และผลิตภัณฑ์
จะบรรจุใส่ถาดพลาสติกเพื่อส่งต่อไปยังกระบวนการถัดไป
6. กระบวนการตรวจสอบผลิ ต ภั ณ ฑ์ ด้ ว ยกล้ อ งไมโครสโครป (Microscope
Inspection Process)
เป็นกระบวนการตรวจสอบลักษณะภายนอกของผลิตภัณ ฑ์ (Appearance
criteria) ภายใต้ ก ล้ อ งไมโครสโครป เพื่ อ คั ด แยกผลิ ต ภั ณ ฑ์ ที่ มี ลั ก ษณะภายนอกที่ ผิ ด ปกติ จ าก
ข้อกาหนดของลูกค้า
13
7. กระบวนการบรรจุผลิตภัณฑ์ลงในถุงพลาสติก (Packing Seal Process)

เป็ นกระบวนการบรรจุผลิตภั ณ ฑ์ จานวน 5-10 ถาดลงในถุงพลาสติก 2 ถุง
(ซ้อนกัน) และปิดสนิทถุงพลาสติกทั้ง 2 ถุงด้วยระบบสุญญากาศและความร้อน และติดฉลากแสดง
ข้อมูลของผลิตภัณฑ์ที่ด้านหน้าถุง
8. กระบวนการบรรจุผลิตภัณฑ์ลงในกล่อง (Carton Packing Process)
เป็ น กระบวนการภายหลั ง การบรรจุ ผ ลิ ต ภั ณ ฑ์ ล งในถุ ง พลาสติ ก โดยน า
ผลิตภัณฑ์นั้นบรรจุลงในกล่องกระดาษ จานวน 4-6 แพ็ค และติดฉลากแสดงข้อมูลของผลิตภัณฑ์ที่
ด้านข้างกล่อง จากนั้นรอการส่งขายไปยังลูกค้า
2.3 การวิเคราะห์ข้อบกพร่องและผลกระทบ (Failure mode and effects analysis: FMEA)
หลั ก การของการวิเคราะห์ ข้ อ บกพร่อ งและผลกระทบ (FMEA) ได้ ถู ก พั ฒ นาขึ้ น โดย

หน่วยงานอากาศยานทางการทหารของสหรัฐอเมริกา ได้แก่ กองทัพอากาศ กองทัพเรือ และองค์การ
NASA ตั้ งแต่ ท ศวรรษที่ 60 (ระหว่ า ง ค.ศ. 1960 - 1969) และต่ อ มาได้ มี ก ารเผยแพร่ แ ละน าไป
ประยุกต์ใช้กับอุตสาหกรรมยานยนต์ ซึ่งได้แก่ บริษัทผู้ผลิตรถยนต์ชั้นนาของโลก ได้แก่ Ford, GM
และ Chrysler หรื อ ที่ รู้ จั ก กั น ในนามกลุ่ ม Big Three ปี ค.ศ. 1972 กลุ่ ม ปฏิ บั ติ ง าน North
American Automobile Operation ของบริษัท Ford จากัด ได้ผนวก FMEA เข้ากับโปรแกรมการ
ฝึกอบรมเรื่องความไว้วางใจของผลิตภัณฑ์ นอกจากนี้ยัง เผยแพร่ไปสู่กลุ่มอุตสาหกรรมอากาศยาน
และอิเล็กทรอนิกส์ โดยใช้เป็นข้อกาหนดที่สาคัญของระบบ QS-9000 และในปัจจุบันนี้ FMEA เป็น
ข้ อ ก าหนดพื้ น ฐานของอุ ต สาหกรรมยานยนต์ ที่ ต้ อ งปฏิ บั ติ ต ามภายใต้ ระบบคุ ณ ภาพ TS-16949
สาหรับประเทศไทยได้เริ่มประยุกต์ใช้ FMEA กับกลุ่มอุตสาหกรรมชิ้นส่วนยานยนต์ก่อน ตามความ
ต้ อ งการของบริ ษั ท ฟอร์ด จ ากั ด จากนั้ น เผยแพร่ สู่ อุ ต สาหกรรมยานยนต์ อื่ น และอุ ต สาหกรรม
อิเล็กทรอนิกส์ จนกระทั่ ง ในปัจจุบันนี้ บริษัท หลายๆ บริษัทได้ ประยุกต์ใช้ FMEA ในการปรับปรุง
กระบวนการ
AIAG (Automotive Industry Action Group, 2011) นิ ย าม FMEA ไว้ คื อ กลุ่ ม ของ
กิจกรรมเชิงระบบประการหนึ่ง (A Systematic Group of Activities) ที่มีจุดมุ่งหมาย คือ
1) รับ รู้แ ละประเมิ น ถึงแนวโน้ม ของข้อบกพร่องและผลกระทบจากข้อบกพร่องของ
ผลิตภัณฑ์หรือกระบวนการหนึ่ง
2) การบ่งชี้ถึงการปฏิบัติการที่สามารถกาจัดทิ้งหรือลดโอกาสการเกิดข้อบกพร่อง
3) การดาเนินการจัดทากระบวนการทั้งหมดให้อยู่ในรูปเอกสาร
14
FMEA มุ่งเน้นการชี้ให้เห็นถึงคุณลักษณะของข้อบกพร่อง (Failure Mode) หรือสาเหตุที่

จะนาไปสู่ความเสียหายที่อาจจะเกิดขึ้น (Potential Failure Mode) อันเนื่องมาจากการออกแบบ
การผลิตหรือการบริการ จากนั้นจึงทาการวิเคราะห์ผลกระทบของความเสียหายที่ คาดว่าจะเกิดขึ้น
(Effects Analysis) ความส าคั ญ ของข้ อ บกพร่ อ งขึ้ น อยู่ กั บ ความเร่ ง ด่ ว นหรื อ ผลกระทบ ของ
ข้อบกพร่องที่จะเกิดขึ้น และสุดท้ายเพื่อนาไปสู่การหาวิธีการป้องกันความเสียหายที่คาดว่าจะเกิดขึ้น
(Problems Prevention) เพื่ อ ไม่ ให้ เกิ ด ผลกระทบ ดั งนั้ น จึ งต้ อ งด าเนิ น การก่ อ น-หลั งตามความ
รุนแรงของผลกระทบของข้อบกพร่องที่จะเกิดขึ้นด้วย
FMEA เป็นเครื่องมือการวิเคราะห์เชิงรุกที่ช่วยให้องค์กรได้ดาเนินการป้องกันก่อนที่
จะเกิดความเสียหายนั้นหรือก่อนที่จะมีการปล่อยผลิตภัณฑ์หรือเริ่มกระบวนการผลิต นอกจากนี้การ
ประยุ ก ต์ ใ ช้ FMEA ที่ ดี จ ะช่ ว ยให้ ได้ ผ ลิ ต ภั ณ ฑ์ กระบวนการผลิ ต หรื อ การบริ ก ารมี คุ ณ ภาพดี มี
เสถียรภาพและสร้างความพึงพอใจให้กับลูกค้าได้เป็นอย่างมาก
2.3.1 ชนิดของการวิเคราะห์ข้อบกพร่องและผลกระทบ
FMEA สามารถแบ่งตามวิธีการนาไปประยุกต์ใช้ได้หลายอย่างดังนี้
1. การวิ เ คราะห์ ร ะบบ (System FMEA: SFMEA) ใช้ ใ นการวิ เ คราะห์ ก าร
ออกแบบหรือการปรับปรุง เป็นการสร้างแนวความคิดในการออกแบบและกาหนดรายละเอียดของ
ระบบงาน การออกแบบ การพัฒนา การทดสอบ และการประเมินผล
2. การวิเคราะห์การออกแบบ (Design FMEA: DFMEA) ใช้ในการวิเคราะห์ผล
และการแก้ไขงานที่มีการผลิตเป็นครั้ง แรก ซึ่งมักจะพิจารณาถึงปัญหา ความเหมาะสมในการใช้งาน
ตามที่ออกแบบ การป้องกันหรือการลดระดับความเสี่ยง
3. การวิ เคราะห์ ก ระบวนการ (Process FMEA: PFMEA) ใช้ ในการวิ เคราะห์
กระบวนการผลิต ปัจจัยการผลิตต่างๆ เช่น คน เครื่องจักร วัสดุ วิธีการ การวัด สภาพแวดล้อมและ
เครื่องจักร
4. การวิเคราะห์การบริการ (Service FMEA: SFMEA) ใช้ในการวิเคราะห์บริการ
ก่อนส่งไปสู่ลูกค้า โดยให้คนเป็นปัจจัยหลัก
2.3.2 ขั้นตอนทั่วไปของการดาเนินงานการวิเคราะห์ข้อบกพร่องและผลกระทบ
1. จัดทาแผนผังการไหลของกระบวนการ (Process Flow)
จัดทาแผนผังการไหลของกระบวนการที่จะประเมิน เพื่อระบุขั้นตอนการผลิต
และขอบเขตการวิเคราะห์ ซึ่งจะมั่นใจได้ว่าการวิเคราะห์ได้ถูกปฏิบัติครอบคลุมทั้งกระบวนการ
2. ระบุกระบวนการในแผนผังการไหลของกระบวนการ
15
เริ่ ม จาก ก ารระบุ ห น้ าที่ ของก ระบ วน การห รื อ ข้ อ ก าห น ด (Process

Function/Requirement) โดยสังเขปเพื่อให้ทราบว่ากระบวนการนั้น ชื่อว่าอะไร มีวัตถุประสงค์หรือ
มีเป้าหมายเพื่ออะไร
3. ระบุแนวโน้มของข้อบกพร่อง (Potential Failure Mode)
หากกระบวนการนั้ น ไม่ ส ามารถท างานได้ ต ามหน้ าที่ ข องกระบวนการหรื อ
ข้อกาหนดหรือระบุแนวโน้มของข้อบกพร่องสาหรับกระบวนการ ซึ่งอาจตั้งสมมติฐานว่าข้อบกพร่อง
นั้นสามารถเกิดขึ้นได้ โดยตั้งคาถามว่าข้อบกพร่องอาจจะเกิดจากกระบวนการนั้นได้อย่างไรบ้าง
4. ระบุ แ นวโน้ ม ของผลกระทบที่ อ าจจะเกิ ด ขึ้ น จากข้ อ บกพร่ อ ง (Potential
Effects of Failure)
หมายถึง ผลกระทบที่อาจจะเกิดขึ้นกับลูกค้า โดยลูกค้าหมายความครอบคลุม
ถึงกระบวนการถัดไปหรือลูกค้าปลายทาง (End User) ซึ่งควรระบุลักษณะของผลกระทบในด้าน
ความปลอดภั ย หรือ การขั ด กั บ กฎข้ อ บั งคั บ ต่ างๆ หรื อ การอธิ บ ายในรูป แบบของสมรรถนะของ
ผลิตภัณฑ์หรือสมรรถนะของระบบและกระบวนการ
5. ระบุความรุนแรง (Severity: S)
เป็นการประเมินและจัดลาดับความเสียหายของผลกระทบจากข้อบกพร่องซึ่ง
เป็นผลที่อาจจะเกิดขึ้นกับลูกค้าคนปลายทางหรือกระบวนการถัดไป ซึ่งได้รับการประมาณคะแนนไว้
เป็นระดับตั้งแต่ 1 ถึง 10 ในการให้คะแนนผลของลักษณะข้อบกพร่อง แนวโน้มซึ่งเป็นผลที่เกิดขึ้นกับ
กระบวนการถัดไปหรือลูกค้าปลายทาง ดังตารางที่ 2.1
เกณฑ์การประเมินผลความรุนแรงของผลกระทบ
ผลกระทบ ความรุนแรงของผลกระทบ ความรุนแรงของผลกระทบ คะแนน
ที่มีต่อลูกค้า ที่มีต่อกระบวนการ
อันตรายมาก มีผลกระทบต่อความปลอดภัยของ มีผลกระทบต่อความปลอดภัยของ 10
โดยไม่มีการเตือน ผู้ใช้งานหรือขัดต่อกฎหมายโดยไม่มกี าร พนักงาน (หรือเครื่องจักร) โดยไม่มีการ
เตือนล่วงหน้า เตือนล่วงหน้า
อันตรายมาก มีผลกระทบต่อความปลอดภัยของ มีผลกระทบต่อความปลอดภัยของ 9
โดยมีการเตือน ผู้ใช้งานหรือขัดต่อกฎหมายโดยมีการ พนักงาน (หรือเครื่องจักร) โดยมีการเตือน
เตือนล่วงหน้า ล่วงหน้า
ผลกระทบสูงมาก ผลิตภัณฑ์ไม่สามารถใช้งานได้ เนื่องจาก ผลิตภัณฑ์ทั้งหมด (100%) อาจต้องถูก 8
สูยเสียหน้าทีห่ ลัก ทาลายหรือส่งเข้าซ่อมแซม ด้วยระยะเวลา
มากกว่าหนึ่งชั่วโมง
16
ผลกระทบ ความรุนแรงของผลกระทบ ความรุนแรงของผลกระทบ คะแนน

ที่มีต่อลูกค้า ที่มีต่อกระบวนการ
ผลกระทบสูง ผลิตภัณฑ์สามารถนาไปใช้งานได้ แต่ อาจมีการตรวจสอบผลิตภัณฑ์แบบ 7
ระดับสมรรถนะลดลงจนทาให้ลกู ค้าไม่ คัดเลือก (Sorting) และผลิตภัณฑ์บางส่วน
พอใจมาก (น้อยกว่า 100%) อาจถูกทาลายหรือถูก
ซ่อมแซม ด้วยระยะเวลาครึ่งถึงหนึง่ ชั่วโมง
ผลกระทบปาน ผลิตภัณฑ์สามารถนาไปใช้งานได้ แต่ขาด ผลิตภัณฑ์บางส่วน (น้อยกว่า 100%) อาจ 6
กลาง ความสะดวกสบายและทาให้ลูกค้าไม่ ถูกทาลายหรือถูกซ่อมแซม ด้วยระยะเวลา
พอใจ น้อยกว่าครึง่ ชั่วโมง
ผลกระทบต่า ผลิตภัณฑ์สามารถนาไปใช้งานได้ด้วย ผลิตภัณฑ์ทั้งหมด (100%) อาจได้รบั การ 5
ความสะดวกสบาย แต่ระดับสมรรถนะ แก้ไข (rework) โดยไม่มีการกาจัดทิง้ หริ
ลดลง ได้รับการซ่อมแซม นอกสายการผลิต
ผลกระทบต่ามาก ความเรียบร้อยของผลิตภัณฑ์ไม่ดีนัก ผลิตภัณฑ์อาจได้รบั การตรวจสอบและ 4
ลูกค้าส่วนใหญ่ (มากกว่า 75%) สามารถ คัดเลือก (Sorting) แต่มีผลิตภัณฑ์บางส่วน
สังเกตเห็นได้ (น้อยกว่า 100%) อาจได้รับการแก้ไข
(rework) โดยไม่มีการกาจัดทิ้ง
ผลกระทบเล็กน้อย ความเรียบร้อยของผลิตภัณฑ์ไม่ดีนัก มีผลิตภัณฑ์บางส่วน (น้อยกว่า 100%) 3
ลูกค้าครึง่ หนึ่ง (มากกว่า 50%) สามารถ อาจได้รับการแก้ไข (rework) โดยไม่มีการ
สังเกตเห็นได้ กาจัดทิ้ง ในสายการผลิต แต่นอกจุด
ปฏิบัติงาน
เกือบไม่มี ความเรียบร้อยของผลิตภัณฑ์ไม่ดีนัก มีผลิตภัณฑ์บางส่วน (น้อยกว่า 100%) 2
ผลกระทบ ลูกค้าส่วนน้อย (มากกว่า 25%) สามารถ อาจได้รับการแก้ไข(rework) โดยไม่มีการ
สังเกตเห็นได้ กาจัดทิ้ง ในสายการผลิต ทีจ่ ุดปฏิบัติงาน
ไม่มีผลกระทบ ไม่มีผลกระทบที่สงั เกตเห็นได้ อาจเกิดความไม่สะดวกสบายต่อ 1
กระบวนการ หรือไม่มีผลกระทบ
6. ระบุการจัดประเภท (Classification)
เป็ นการแยกประเภทของคุณ ลักษณะพิ เศษของผลิตภัณ ฑ์ และกระบวนการ
(Critical, Key, Major, and Significant)
7. ระบุ ส าเหตุ ห รือ กลไกของข้อ บกพร่อ ง (Potential Cause/ Mechanism of
Failure)
เป็นการระบุสาเหตุ ของข้อบกพร่องที่อาจจะเกิดขึ้นให้ชัดเจน ซึ่งจะต้องเป็น
สาเหตุที่สามารถแก้ไขและควบคุมได้ ต้องลาดับรายการสาเหตุทุกประการของข้อบกพร่องทางด้าน
ศักยภาพ เพื่อแก้ไขหรือควบคุมสาเหตุนั้นๆ
17
8. ระบุโอกาสการเกิดขึ้น (Occurrence: O)
เป็นการคาดการณ์ว่าสาเหตุของข้อบกพร่องแต่ละสาเหตุจะเกิดขึ้นถี่มากน้อย
เพียงใด อัตราข้อบกพร่องที่เป็นไปได้จะอยู่บนพื้นฐานของจานวนข้อบกพร่องที่คาดการณ์ ได้หรือ
ข้อมูล จริงที่ เกิดขึ้น ในกระบวนการ หากสามารถท าได้ควรใช้ข้อมูลเชิงสถิติ จากกระบวนการที่ มี
ลักษณะเดียวกันมาเป็นพื้นฐานของข้อมูลในการจัดลาดับความสามารถของการเกิด เช่น ค่าดัชนี
ความสามารถด้านสมรรถนะของกระบวนการ Cpk, Ppk เป็นต้น ในการประมาณการณ์แนวโน้มการ
เกิดสาเหตุของข้อบกพร่องกาหนดคะแนนออกมาเป็นระดับตั้งแต่ 1 ถึง 10 ดังตารางที่ 2.2
เกณฑ์การประเมินผลโอกาสการเกิดขึ้น
โอกาสในการเกิดข้อบกพร่อง อัตราข้อบกพร่องที่น่าจะเกิดขึ้น Ppk คะแนน
สูงมาก : ≥ 100 ครั้ง ต่อ 1,000 ชิ้น < 0.55 10
เกิดข้อบกพร่องบ่อยมาก 50 ครั้ง ต่อ 1,000 ชิ้น ≥ 0.55 9
สูง : 20 ครั้ง ต่อ 1,000 ชิ้น ≥ 0.78 8
เกิดข้อบกพร่องบ่อย 10 ครั้ง ต่อ 1,000 ชิ้น ≥ 0.86 7
ปานกลาง : 5 ครั้ง ต่อ 1,000 ชิ้น ≥ 0.94 6
เกิดข้อบกพร่องเป็นครั้งคราว 2 ครั้ง ต่อ 1,000 ชิ้น ≥ 1.00 5
1 ครั้ง ต่อ 1,000 ชิ้น ≥ 1.10 4
ต่า : 0.5 ครั้ง ต่อ 1,000 ชิ้น ≥ 1.20 3
เกิดข้อบกพร่องน้อยมาก 0.1 ครั้ง ต่อ 1,000 ชิ้น ≥ 1.30 2
แทบไม่เกิด : ≥ 0.01 ครั้ง ต่อ 1,000 ชิ้น ≥ 1.67 1
ข้อบกพร่องไม่มีโอกาสเกิดขึ้นได้
9. ระบุการควบคุมกระบวนการในปัจจุบัน (Current Process Control)

เป็ นการอธิบ ายรายละเอียดการควบคุม กระบวนการในปั จจุบั น ที่ ใช้ ในการ
ป้องกัน (Prevention) หรือตรวจจับ (Detection) ข้อบกพร่องหรือสาเหตุของข้อบกพร่องที่อาจจะ
เกิดขึ้นในกระบวนการที่วิเคราะห์นั้นๆ ตัวอย่างระบบการควบคุมกระบวนการ เช่น ระบบป้องกัน
ข้อผิดพลาด (Poka-YoKe) การควบคุมกระบวนการเชิงสถิติ (SPC)
10. ระบุการตรวจจับ (Detection: D)
เป็ น การระบุ ก ารควบคุ ม กระบวนการในปั จจุ บั น และแยกจากกั น ด้ วยการ
ตรวจจั บ ข้ อ บกพร่อ งที่ มี ค วามถี่ ต่ าว่ามี ค วามสามารถเพี ย งใดหรือ มี ค วามสามารถในการป้ อ งกั น
18
ข้อบกพร่องที่อาจจะเกิดขึ้นในกระบวนการได้ ในการประมาณระดับการตรวจจับ ข้อบกพร่องกาหนด

คะแนนออกมาเป็นระดับตั้งแต่ 1 ถึง 10 ดังตารางที่ 2.3
11. ระบุคะแนนเลขลาดับความเสี่ยง (Risk Priority Number: RPN)
เป็ น ผลที่ ไ ด้ จ ากการคู ณ โดยค านวณ ค่ า ความรุ น แรงของข้ อ บกพร่ อ ง
(Severity: S) โอกาสในการเกิ ด ข้ อ บกพร่ อ ง (Occurrence: O) และการตรวจจั บ ข้ อ บกพร่ อ ง
(Detection: D) ดังสมการที่ (2-1)
RPN = (S) x (O) x (D) (2-1)
ค่ า RPN ซึ่ ง มี ค่ า ระหว่ า ง 1 ถึ ง 1,000 ค่ า RPN ในแต่ ล ะสาเหตุ ข องข้ อ

บกพร่องควรมีการจัดลาดับคะแนนจากค่าสูงสุดมาสู่ค่าต่าสุด บางครั้งอาจใช้แผนผังพาเรโตมาแสดง
ผลได้ และควรกาหนดเกณฑ์ของค่าความเสี่ยงเพื่อเป็นแนวทางในการแก้ไขหรือปรับปรุงข้อบกพร่อง
จากค่า RPN ที่มีค่าสูง ปกติแล้วไม่มีสูตรตายตัวในการกาหนดเกณฑ์แต่โดยทั่วไปมักใช้ค่า RPN >100
จึงจะมีการแก้ไขและปรับปรุง อย่างไรก็ตามถึงแม้ค่า RPN จะยังไม่เกิน เกณฑ์ ของค่าความเสี่ยงที่
กาหนดไว้ แต่หากพบค่าโอกาสในการเกิดและการตรวจจับ มีค่าคะแนนสูงควรจะมีการแก้ไขปรับปรุง
ตามความเหมาะสมเพื่อหาทางลดโอกาสในการเกิดและเพิ่มโอกาสการตรวจจับ
เกณฑ์การประเมินผลการตรวจจับของระบบควบคุม
ลักษณะการ เกณฑ์ ประเภทการตรวจจับ ขอบเขตวิธีการตรวจจับ คะแนน
ตรวจจับ A B C
เกือบเป็นไปไม่ได้ ไม่มีระบบการตรวจจับใดๆ X ไม่สามารถตรวจจับได้ 10
เป็นไปได้ยากมาก มีระบบควบคุม แต่ไม่ X การควบคุมกระทาได้เพียงการสุ่ม 9
สามารถตรวจจับข้อบกพร่อง ตรวจเท่านั้น
ได้
เป็นไปได้ยาก มีระบบควบคุม แต่มีโอกาส X การควบคุมกระทาได้ด้วยการ 8
น้อยมากที่จะตรวจจับ ตรวจสอบด้วยสายตาเท่านั้น
ข้อบกพร่องได้
น้อยมาก มีระบบควบคุม แต่มีโอกาส X การควบคุมกระทาได้ด้วยการ 7
น้อยมากที่จะตรวจจับ ตรวจสอบด้วยสายตาสองครั้ง
ข้อบกพร่องได้ เท่านั้น
น้อย มีระบบควบคุมและอาจจะ X X การควบคุมกระทาได้ด้วยแผนภูมิ 6
ตรวจจับข้อบกพร่องได้ SPC
19
ลักษณะการ เกณฑ์ ประเภทการตรวจจับ ขอบเขตวิธีการตรวจจับ คะแนน

ตรวจจับ A B C
ปานกลาง ระบบควบคุมและอาจจะ X มีการควบคุมโดยใช้เครื่องมือวัด วัด 5
ตรวจจับข้อบกพร่องได้ ชิ้นงานก่อนออกจากจุดปฏิบัติงาน
หรืออาจจะใช้เกจแบบ Go/No Go
ปานกลางค่อนข้าง มีระบบควบคุมและมีโอกาส X X มีการตรวจจับความผิดพลาดใน 4
สูง สูงที่จะตรวจจับข้อบกพร่อง กระบวนการถัดไป หรือมีการใช้
ได้ เครื่องมือวัดงานชิ้นแรกในขั้นตอน
การตั้งเครื่อง (Set up)
ค่อนข้างสูง มีระบบควบคุมและมีโอกาส X X มีการตรวจจับความผิดพลาดที่จุด 3
สูงที่จะตรวจจับข้อบกพร่อง ปฏิบัติงานหรือมีการตรวจจับความ
ได้ ผิดพลาดโดยการตรวจสอบเพื่อการ
ยอมรับ
สูง มีระบบควบคุมและเกือบจะ X X มีการตรวจจับความผิดพลาดที่จุด 2
มั่นใจได้ว่าสามารถตรวจจับ ปฏิบัติงานหรือด้วยเครื่องมือ
ข้อบกพร่อง อัตโนมัติ ชิ้นงานบกพร่องไม่
สามารถผ่านไปได้
สูงมาก มีระบบควบคุมและมั่นใจได้ X ไม่มีโอกาสเกิดผลิตภัณฑ์บกพร่อง 1
ว่าสามารถตรวจจับ เพราะใช้ Poka Yoke ในขั้นตอน
ข้อบกพร่อง การออกแบบผลิตภัณฑ์และ
กระบวนการ
ประเภทการตรวจจับ
A : ป้องกันข้อผิดพลาด
B : ใช้เครื่องมือตรวจจับ
C : การตรวจจับโดยผู้ปฏิบัติงาน (Manual)
2.3.3 ประโยชน์ของการวิเคราะห์ข้อบกพร่องและผลกระทบ
ประโยชน์ของ FMEA มีหลายประการด้วยกันคือ
1. ช่ ว ยพิ จ ารณาทางเลื อ กตั้ ง แต่ ขั้ น ตอนแรกของการออกแบบและพั ฒ นา
ผลิตภัณฑ์เพื่อเพิ่มศักยภาพของการผลิตและความน่าเชื่อถือของผลิตภัณฑ์
2. สร้างความมั่นใจว่ารูปแบบของความเสียหาย และปัญหาต่างๆ ที่อาจจะเกิดขึ้น
รวมถึงผลกระทบที่อาจตามมานั้นได้รับการพิจารณาอย่างละเอียดถี่ถ้วนมาก่อนแล้ว
3. แสดงรายการของปัญหาหลักต่างๆ และระดับความรุนแรงของผลกระทบเมื่อ
เกิดปัญหานั้นขึ้นมา
20
4. ช่วยแสดงบันทึกผลชองการปรับปรุงภายหลังการแก้ไขให้ถูกต้องอย่างใดอย่าง
หนึ่งได้ทันที
5. เป็ นพื้ น ฐานสาหรับ การกาหนดรายการทดสอบเพิ่ มเติมระหว่างการพั ฒ นา
ผลิตภัณฑ์และการผลิต
6. ช่ ว ยรวบรวมข้ อ มู ล ในอดี ต ส าหรั บ เอกสารอ้ า งอิ ง ในอนาคต โดยน ามาใช้
วิเคราะห์รูปแบบของปัญหาหรือความเสียหายต่างๆ สาหรับการพิจารณาเรื่องการเปลี่ยนแปลง
7. ทาให้เกิดความมั่นใจได้ว่าการปรับปรุงและพัฒนาต่างๆ มีผู้รับผิดชอบในการ
สร้างระบบการป้องกันปัญหา เมื่อมีการทบทวนขั้นสุดท้ายของการพัฒนาผลิตภัณฑ์หรือกระบวนการ
ผลิต
FMEA มีความสามารถในการคัดเลือกข้อบกพร่องแต่ยังมีข้อบกพร่อง เพราะค่า
RPN ไม่สามารถสะท้อนมุมมองหรือความคิดของมนุษย์ที่เพียงพอ ซึ่งผู้ตัดสินใจอาจจะมี ความรู้สึก
คลุมเครือในขณะพิจารณาประเมินผลคะแนน ซึ่งงานวิจัยต่างๆ ได้กล่าวถึงข้อบกพร่องบางประการ
ของประการ ดังตัวอย่างตามตารางที่ 2.4
ข้อบกพร่องบางอย่างของ FMEA
Abdelgawad, M. Zammori, F. and Kutlu, A. C. and
Carmignani, G.
ข้อบกพร่อง and Fayek, A. R. Gabbrielli, R. Ekmecioglu, M.
(2009)
(2010) (2012) (2012)
1. ไม่มีการพิจารณาค่าน้าหนักความสาคัญ
/ / / /
โดยเปรียบเทียบของสามปัจจัยเสี่ยง (S, O, D)
2. คะแนนของสามปัจจัยเสียง (S, O, D) ที่
แตกต่างกันและได้ค่า RPN เท่ากัน จะความ / /
เสี่ยงที่มีอาจจะเกิดขึ้นแตกต่างกัน
3. การประเมินสามปัจจัยเสี่ยง (S, O, D) ให้
/ / /
แม่นยานั้นเป็นเรื่องยาก
4. การคานวณค่า RPN นั้น ไม่มีทีมาของสูตร
/
ทางคณิตศาสตร์ที่แน่ชัด
5. ค่า RPN ไม่สามารถใช้วัดประสิทธิภาพของ
/
การดาเนินการแก้ไข
6. ค่า RPN เป็นคะแนนทีไ่ ม่ต่อเนื่องมีช่องโหว่
/
จานวนมาก
7. ค่า RPN พิจารณาเพียงสามปัจจัยเสี่ยง (S,
/ / /
O, D) เพียงด้านความปลอดภัยเป็นหลัก
21
2.4 กระบวนการการลาดับชั้นเชิงวิเคราะห์ (Analytic Hierarchy Process: AHP)
การแก้ปัญหาการตัดสินใจแบบหลายหลักเกณฑ์ตัดสินใจ (Multiple Criteria Decision

Making: MCDM) เป็นวิธีที่ช่วยวิเคราะห์ปัญหาที่มีความซับซ้อน โดยการแยกแยะองค์ประกอบของ
ปัญหาให้ดูเข้าใจง่าย กระบวนการการลาดับชั้นเชิงวิเคราะห์ (Analytic Hierarchy Process: AHP)
ถูก พั ฒ นาขึ้ น มาโดย Thomas L., Saaty ในปี ค.ศ. 1970 ซึ่ งเป็ น วิธีที่ นิ ยมใช้ กั น มากในการสร้าง
แบบจาลองกระบวนการตัดสินใจของมนุษย์ โดยการแยกแยะปัญหาให้เป็นองค์ประกอบตามระดับชั้น
ตามปั จ จั ย ที่ ท าการสั งเคราะห์ แ ละแยกแยะไว้ จากนั้ น ประเมิ น ค่ าน้ าหนั ก เพื่ อ เปรีย บเที ย บตาม
ระดั บ ชั้ น ของแต่ ล ะปั จ จัย จนได้ ท างเลือ กสุ ดท้ ายที่ ต้ องการ โดยใช้ เทคนิ ค การเปรี ยบเที ยบเชิงคู่
(Pairwise Comparison) คือ การนาปัจจัยที่อยู่ในระดับเดียวกันมาเปรียบเทียบกัน ผู้ประเมินจะทา
หน้าที่ประเมินคะแนนระหว่างสองปัจจัยว่า ปัจจัยใดมีความสาคัญมากกว่าและมีระดับความสาคัญ
มากกว่าเท่าใด จากนั้นนาข้อมูลเชิงคุณภาพที่ได้แปลงเป็นข้อมูลเชิงปริ มาณ AHP สามารถจัดการกับ
ข้อมูลเชิงคุณภาพได้อย่างมีเหตุผลและจัดการกับปัญหาที่มีความซับซ้อนและยุ่งยากได้ การดาเนินการ
ของ AHP ประกอบด้วย 4 ขั้นตอน คือ
2.4.1 กาหนดปัญหาและแยกองค์ประกอบของปัญหา
การให้คาจากัดความของปัญหา รวมถึงหาองค์ประกอบที่เกี่ยวข้องกับปัญหา
2.4.2 สร้างแผนภูมิลาดับชั้น
เป็นการสร้างแผนภูมิโครงสร้างลาดับชั้น (Hierarchy Structure) แต่ละลาดับชั้น
ประกอบไปด้วยเกณฑ์ตัดสินใจที่เกี่ยวข้องกับปัญหานั้น ดังภาพที่ 2.3
ลาดับชั้นบนสุด คือ เป้าหมาย ซึ่งมีเพียงปัจจัยเดียวเท่านั้น
ลาดับชั้นที่ 2 คือ เกณฑ์ตัดสินใจซึ่งอาจมีหลายปัจจัย ซึ่งปัจจัยต่างๆ ในลาดับชั้น
เดียวกันจะมีความสาคัญเท่ากัน
ลาดับชั้นล่างสุด คือ ทางเลือก ปัจจัยที่มีความสาคัญน้อยกว่าลาดับชั้นที่ 2
22
ภาพที่ 2.3 แผนภูมิโครงการสร้างลาดับชั้น
2.4.3 การหาลาดับความสาคัญ (Prioritization)

เป็ น การเปรี ย บเที ย บความสั ม พั น ธ์ ข องเกณ ฑ์ ตั ด สิ น ใจที ล ะคู่ (Pairwise
Comparisons) ภายใต้เกณฑ์ตัดสินใจแต่ละเกณฑ์ ผลการวิเคราะห์จะแสดงออกมาเป็นมาตราส่วน
ของระดั บ ความพึ งพอใจที่ เป็ น ตั วเลข 1 ถึ ง 9 ในตารางเมทริก ซ์ ตารางเมทริก ซ์ คื อ เครื่อ งมื อ ที่
เหมาะสมที่สุดในการเปรียบเทียบคู่ นอกจากนี้ตารางเมทริกซ์ยังสามารถทดสอบความสอดคล้องกัน
ของผลการวิ เคราะห์ แ ละสามารถวิ เคราะห์ ถึ ง ความอ่ อ นไหวของล าดั บ ความส าคั ญ เมื่ อ มี ก าร
เปลี่ยนแปลงการวิเคราะห์อกี ด้วย ซี่งสามารถแสดงในรูปแบบคณิตศาสตร์ได้ดังนี้
กาหนดให้
C1 , C2 , C3 ,..., Cn เป็นเกณฑ์ตัดสินใจ
A1 , A2 , A3 ,..., An แทนปัจจัยต่างๆ ในลาดับชั้นที่ทาการวิเคราะห์ โดยการ
ทาการวิเคราะห์ทีละคู่
ดังนั้ น การวิเคราะห์ จะท าในรูป แบบตารางเมตริกซ์ ขนาด (n  n) สามารถ
เขียนตารางเมตริกซ์ได้ดังนี้
เกณฑ์ตัดสินใจ C1 C2 C3  Cn ปัจจัย
 1 a12 a13  a1n  A1
1 / a 1 a 23  a 2 n  A2
 i2
A  1 / a in 1 / a2n 1  a 3n  A3
 
       
1 / a1n 1 / a2n 1 / a 3n  1  An
ผู้วิเคราะห์ต้องแสดงการวิเคราะห์หรือแสดงความคิดเห็นออกมาในรูปของคาพูด
แล้วจึงแทนค่าเป็นตัวเลขเดี่ยว ดังตารางที่ 2.5 ซึ่งขั้นตอนการวิเคราะห์ลาดับความสาคัญ มีดังนี้
23
ขั้น ตอนที่ 1 เปรียบเที ย บล าดั บ ความส าคั ญ ที ล ะคู่ แล้วน าค่ าที่ ได้ ใส่ ในตาราง
เมตริกซ์ ดังตัวอย่างในตารางที่ 2.6
ขั้นตอนที่ 2 คานวณหาค่า Normalized Matrix ของเมตริกซ์ ในแต่ละแถวโดยที่
ค่า Normalized หาได้จากค่าเฉลี่ยของความสาคัญในแต่ละแถว
ขั้นตอนที่ 3 หาลาดับความสาคัญ โดยการย้อนกลับไปในขั้นตอนที่ 1 และขั้นตอน
ที่ 2 จากนั้ น น าค่ าเกณฑ์ ตั ด สิ น ใจที่ ค านวณได้ จากล าดั บ ชั้ น ที่ อ ยู่ สู งกว่า 1 ชั้ น มาเป็ น ตั วคู ณ ค่ า
Normalized ของลาดับที่ 2 ที่ได้จากการคานวณ จะได้ค่าลาดับความสาคัญในลาดับชั้นรองลงมาตาม
เกณฑ์ของปัจจัยนั้นๆ จนครบทุกปัจจัย
มาตราส่วนในการวิเคราะห์เปรียบเทียบรายคู่
ลาดับความสาคัญ (Linguistic Scale) ตัวเลข AHP (AHP Scale)
มีความสาคัญเท่ากัน 1
มีความสาคัญมากกว่าเล็กน้อย 3
มีความสาคัญมากกว่าปานกลาง 5
มีความสาคัญมากกว่ามาก 7
มีความสาคัญมากกว่ามากที่สุด 9
สาหรับในกรณีประนีประนอม 2, 4, 6, 8
เพื่อลดช่องว่างระหว่างระดับความรู้สึก
เมทริกซ์ที่ใช้ในการเปรียบเทียบเกณฑ์ตัดสินใจเป็นคู่ (Pairwise Comparisons)

เกณฑ์ตัดสินใจ ปัจจัย
C1 , C 2 , C3 ,..., C n Ä1 Ä2 Ä3  Än
Ä1 1 a12 a13  a1n
Ä2 1 / a12 1 a 23  a 2n
Ä3 1 / a1n 1 / a2n 1  a3n
     
Än 1 / a1n 1 / a2n 1 / a 3n  1
24
2.4.4 การวิเคราะห์อัตราความสอดคล้อง (Consistency Ratio: CR)

เนื่องจากการประเมิ นค่าน้าหนักความสาคัญโดยการเปรียบเทียบจากผู้ประเมิน
เป็นการแสดงความคิดเห็น ของแต่ละบุคคลด้วยแบบสอบถาม อาจท าให้ ผลคะแนนที่ ได้จากการ
ประเมินมีโอกาสไม่สอดคล้องกัน ดังนั้น จึงมีความจาเป็นที่ต้องนาข้อมูลที่ได้จากการประเมินผลโดย
แบบสอบถามมาคานวณหาค่าอัตราความสอดคล้องของข้อมูล เพื่อทาการตรวจสอบความสอดคล้อง
กันของเหตุผลในการให้คะแนนก่อนนาข้อมูลนั้นไปวิเคราะห์ต่อไป
ขั้นตอนที่ 1 การคานวณค่า Eigen Values สูงสุด ( max )
โดยนาผลรวมของค่าประเมินในแต่ละเกณฑ์ตัดสินใจในแถวแนวตั้งของแต่ละแถว
มาคูณด้วยผลรวมของค่าเฉลี่ยในแถวแนวนอนแต่ละแถว และหาผลรวมของผลคูณที่ได้นั้น ซึ่งผลลัพธ์
จะเท่ ากั บ จานวนเกณฑ์ ตัด สิ น ใจทั้ งหมดที่ ถูก น ามาเปรียบเที ยบ และผลรวมนี้ เรียกว่า ค่า Eigen
Values หรือค่าแลมด้าแมกซ์ ( max ) ดังสมการที่ (2-2)
n

max  i1  j 1 aij wj
n
 (2-2)
ถ้ า ตารางเมทริ ก ซ์ มี ค วามสอดคล้ อ งกั น ของเหตุ ผ ลสมบู ร ณ์ 100% max =

จานวนเกณฑ์ตัดสินใจที่ถูกนามาเปรียบเทียบ (n)
ถ้าตารางเมทริก ซ์ ไม่ มี ค วามสอดคล้ อ งกั น ของเหตุ ผ ล max > จานวนเกณฑ์
ตัดสินใจที่ถูกนามาเปรียบเทียบ (n)
ขั้นตอนที่ 2 คานวณหาค่าดัชนีวัดความสอดคล้อง (Consistency Index: CI) จาก
สมการที่ (2-3)
( max  n)
CI  (2-3)
(n  1)
โดยที่
CI คือ ค่าดัชนีความสอดคล้อง (Consistency Index)
max คื อ ค่ า แลมด้ า แมกซ์ (Eigen Values) ผลรวมของผลหารด้ ว ยจ านวน
เกณฑ์ตัดสินใจ
n คือ จานวนเกณฑ์ตัดสินใจ
25
ขั้นตอนที่ 3 หาค่าดัชนีความสอดคล้องเชิงสุ่ม (Random index: RI)

โดยค่า RI ได้มาจากการทดลองโดยการสุ่มตัวอย่างจากตารางเมทริกซ์ จานวน
64,000 ตัวอย่าง โดย Saaty (1980) ดังตารางที่ 2.7
ค่าดัชนีความสอดคล้องเชิงสุ่ม (Random Index: RI)

ขนาดของตารางเมตริกซ์ 1 2 3 4 5 6 7 8 9 10
ค่า RI 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49
ที่มา: Saaty (1980)
ขั้นตอนที่ 4 คานวณหาค่าอัตราความสอดคล้อง (Consistency Ratio: CR) จาก

CI
CR  (2-4)
RI
โดยที่
CR คือ ค่าอัตราความสอดคล้อง (Consistency Ratio)
CI คือ ค่าดัชนีความสอดคล้อง (Consistency Index)
RI คือ ค่าเฉลี่ยดัชนีจากการสุ่มตัวอย่าง (Average Random Index) และเป็น
ค่าที่มีความสัมพันธ์กับขนาดเมตริกซ์ดังแสดงในตารางที่ 2.7
Saaty (1994) ได้ ก าหนดค่ า อั ต ราความสอดคล้ อ งที่ ย อมรั บ ได้ ส าหรั บ ตาราง
เมตริกซ์ที่มีขนาดที่แตกต่างกัน ดังต่อไปนี้ คือ
1. ค่าอัตราความสอดคล้องที่ 0.05 สาหรับตารางเมตริกซ์ที่มีขนาดเป็น 3x3
2. ค่าอัตราความสอดคล้องที่ 0.08 สาหรับตารางเมตริกซ์ที่มีขนาดเป็น 4x4
3. ค่าอัตราความสอดคล้องที่ 0.10 สาหรับตารางเมตริกซ์ที่มีขนาดมากกว่า 4x4
ขึ้นไป
ดังนั้น หากค่าอัตราความสอดคล้องที่คานวณได้มีค่าเท่ากับหรือน้อยกว่าค่าอัตรา
ความสอดคล้องที่ยอมรับได้หมายความว่า ข้อมูลมีความสอดคล้องกันภายในตารางเมตริกซ์หรือผล
การประเมินนั้นยอมรับได้ ในทางตรงกันข้ามหากค่าอัตราสอดคล้องที่คานวณได้มีค่ามากกว่าค่าอัตรา
26
ความสอดคล้องที่ยอมรับได้ แสดงว่าข้อมูลไม่มีความสอดคล้องกันภายในตารางเมตริกซ์ หรือผลของ

การประเมินนั้นไม่สามารถยอมรับได้ ควรทาการทบทวนและทาการประเมินผลใหม่ ก่อนนาข้อมูล
จากการประเมินไปใช้ในการคานวณและวิเคราะห์ต่อไป
2.5 กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytical Hierarchy Process:

FAHP)
FAHP เป็นการประยุกต์รวม Fuzzy Set กับ AHP เข้าด้วยกัน เพื่อแก้ไขข้อบกพร่อง

บางประการของ AHP ในเรื่องของความคิดเห็นของมนุษย์และเพื่อเพิ่มความราบเรียบในการตัดสินใจ
โดย Chang (1996) ฟัซซี่ลอจิก (Fuzzy Logic) เป็นเครื่องมือที่ช่วยในการตัดสินใจภายใต้ความไม่
แน่นอนของข้อมูลโดยยอมให้มีความยืดหยุ่นได้ การประมาณค่าของข้อมูลมีการแบ่งช่วงได้มากขึ้น
โดยใช้ห ลั ก เหตุ ผ ลที่ ค ล้ ายคลึ งกั บ การเลีย นแบบวิธีค วามคิด ที่ ซั บ ซ้ อ นของมนุ ษ ย์ ซึ่ งขั้น ตอนการ
ดาเนินงาน 4 ขั้นตอน ดังนี้
ขั้นตอนที่ 1 เป็นการแปลงการนาเข้าแบบทวินัยเป็นการนาเข้าแบบตัวแปรฟัซซี่ โดย
สร้างฟังก์ชันความเป็นสมาชิก ซึ่งไม่จาเป็นต้องมีลักษณะเดียวกันขึ้นอยู่กับคุณลักษณะของแต่ละการ
นาเข้า (Input) และฟัซซี่การนาเข้า
ขั้นตอนที่ 2 เป็นการสร้างความสัมพันธ์ระหว่างการนาเข้าทั้ งหมดที่เกี่ยวข้องกับการนา
ออก โดยอาศัยหลักการของการหาเหตุและผล อาจจะสร้างการเก็บข้อมูล การคาดการณ์จากการ
ตัดสินใจของมนุษย์หรือค่าจากการทดลอง โดยเขียนเป็นกฎการควบคุมระบบซึ่งจะมีลักษณะอยู่ใน
รูปแบบ ถ้า (If) และ (And) หรือ (Or) ซึ่งเป็นภาษาสามัญ และนากฎทั้งหมดมาประมวลผลรวมกัน
เพื่อหาการตัดสินใจที่เหมาะสม
ขั้นตอนที่ 3 เป็นการหา Fuzzy Output โดยการนากฎการควบคุมที่สร้างขึ้นในขั้นตอน
ที่ 2 มาประมวลผลแบบ Fuzzy Input โดยใช้วธิ ีการทางคณิตศาสตร์
ขั้นตอนที่ 4 เป็นขั้นตอนสุดท้ายหรือขั้นตอนสรุปเหตุผล โดยจะเปลี่ยน Fuzzy Output
ให้เป็นทวินัยนาออก เพื่อนาค่าที่ได้มาใช้ในการตัดสินใจในสถานการณ์นั้นๆ
ซี่งวิธีการคานวณหา FAHP โดย Chang (1996) ได้นาเสนอไว้ดังนี้
กาหนดให้ตัวเลขฟัซซี่แบบสามเหลี่ยมเป็น (l, m, u) โดยที่ m เป็นค่ากลาง และ l, u คือ
ค่าขอบเขตล่างและขอบเขตบนตามลาดับ ซึ่งแทนได้ด้วยสมการที่ (2-5)
27
 0 x 1
 ( x  1) /( m  1) if (l  x  m)
~ 
(x / M )   (2-5)
(u  1) /(u  m) if (m  x  u )

 0 xu
โดย (l, m, u) มีกฎการบวกและการคูณกัน (กฎพื้นฐานของตัวเลขฟัซซี่แบบสามเหลี่ยม)

ดังสมการที่ (2-6) ถึงสมการที่ (2-8) ดังนี้
 กฎการบวกกัน
(l1 , m1 , u1 )  (l2 , m2 , u2 )  (l1  l2 , m1  m2 , u1  u2 ) (2-6)
 กฎการคูณกัน
(l1 , m1 , u1 )  (l 2 , m2 , u 2 )  (l1  l 2 , m1  m2 , u1  u 2 ) (2-7)
(l1 , m1 , u1 ) 1  (1 / u1 ,1 / m1 ,1 / l1 ) (2-8)
2.5.1 การกาหนดขอบเขตการพิจารณา
กาหนดให้ X  x1 , x2 ,..., xn เป็นเซตของทางเลือก (Object Set) และ
G g , g ,..., g  เป็นเซตของหลักเกณฑ์ตัดสินใจ (Goal Set)
1 2 n
ในการคานวณแต่ละทางเลือก x i
จะถูกนามาวิเคราะห์ขอบเขตสาหรับแต่ละ
เกณฑ์ ตั ด สิ น ใจ g i
ตามล าดั บ ดั งนั้ น การวิ เคราะห์ ข อบเขต (ความคลุ ม เครื อ ) ส าหรั บ แต่ ล ะ
,..., M gi ส าห รั บ i  1,2,..., n เมื่ อ
1 2 m
ท างเลื อ ก ส าม ารถ แ ส ด งได้ ดั งนี้ M ,M gi gi
( j  1,2,..., m) เป็นตัวเลขฟัซซี่แบบสามเหลี่ยม
j
M gi
จากพื้ น ฐานกระบวนการการล าดั บ ชั้ น เชิ งวิ เคราะห์ แ บบฟั ซ ซี่ สามารถสร้ า ง
เมตริกซ์การเปรียบเทียบเชิงคู่ ได้ดังสมการที่ (2-9)
 M 1g1 M g21 ... M gm1   (1,1,1) (l12 , m12 , u12 ) ... (l1m , m1m , u1m ) 
 1 m  
M 2
M g 2 ... M g 2  (l 21 , m21 , u 21 ) (1,1,1) ... (l 2 m , m2 m , u 2 m )
( M gij ) nxm   g2  (2-9)
 : : : :   : : : : 
 1 2 m   
 M gn M gn ... M gn   (l n1 , mn1u n1 ) (l n 2 , mn 2 , u n 2 ) ... (1,1,1) 
28
1 1 1
โดยที่ (l ij , mij , uij )  ( , , ) สาหรับ i  1,2,..., n และ
u m l ji ji ji
( j  1,2,..., m) และ i  j และ (l , m , u )  (1,1,1) สาหรับ i  j

ij ij ij
2.5.2 การคานวณหาค่าขอบเขตสังเคราะห์ฟัซซี่
การค านวณหาค่ าขอบเขตสั งเคราะห์ ฟั ซ ซี่ ส าหรับ ทางเลื อ กที่ i ดั งสมการที่
(2-10) ถึงสมการที่ (2-13)
1
mn m 
S i   M   M gij 
j
gi (2-10)
j 1  i 1 j 1 
โดยที่
S i คือ ค่าน้าหนักความสาคัญโดยเปรียบเทียบของเกณฑ์ตัดสินใจ
m
 M คือ ผลบวกของตัวเลขฟัซซี่แบบสามเหลี่ยม
j 1
j
gi
1
 n m 
 M gi  คือ ค่าต่างตอบแทนผลรวมของ l , m, u ทุกเกณฑ์ตัดสินใจ
j
 i 1 j1 
เมื่อ
1
m m m m 
M j
gi  l j,  mj,u j
 j 1 j 1 j 1  (2-11)
j 1
 
และ
n m
 n n n


i 1 j1
M j
gi    l i  i  ui 
,
 i 1 i 1
m ,
i 1 
(2-12)
ดังนั้น
n m j
1
 1 
 n , n 
1 1
 M gi  
, n
 (2-13)
 i1 j1   i 1 li i 1 mi i 1 ui 
29
2.5.3 การคานวณหาระดับของความเป็นไปได้ (Degree of Possibility)

ก า ห น ด ใ ห้ S i  (l i , mi , ui ) แ ล ะ S j  (l j , m j , u j ) โด ย ที่
i  1,2,...,n และ ( j  1,2,..., m) และ i  j
เมื่อ S i  S j จะคานวณหาระดับของความเป็นไปได้ จากสมการที่ (2-14)



1 if m m
S  S  
i j
 l u
  (2-14)
V i j
0 if j i
 
l j ui
 
Other

    
 mi u i m j l j
เมื่ อ S i
ที่ ม ากกว่า S j อื่ น ๆ จะค านวณหาระดั บ ของความเป็ น ไปได้ จาก
V (S  Si j
| j  1,2,..., m; i  j )  min V ( M  M i | j  1,2,..., k ) (2-15)
2.5.4 การคานวณหาเวกเตอร์ความสาคัญ W  ของเมตริกซ์

การเปรียบเทียบความสาคัญแบบฟัซซี่ ดังสมการที่ (2-16) ถึงสมการที่ (2-18)
เมื่อสมมุติให้
w  min V (S  S
i i j
| j  1,2,..., m; i  j ) (2-16)
เมื่อทาการ Normalization เวกเตอร์ความสาคัญ W  จากสมการที่ (2-17)
w
w i
(2-17)
 w
i n
i 1 i
จะได้เวกเตอร์ความสาคัญใหม่ ดังสมการที่ (2-18)
W  ( w1 , w2 , ..., wn)T (2-18)

30
และ wi เป็นค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยที่กาลังวิเคราะห์
(มีค่าเป็นตัวเลขเดี่ยว ไม่ใช่ตัวเลขฟัซซี่แบบสามเหลี่ยม)
2.6 งานวิจัยที่ใช้การวิเคราะห์ข้อบกพร่องและผลกระทบ (FMEA) และกระบวนการการลาดับชั้น

เชิงวิเคราะห์แบบฟัซซี่ (FAHP)
จากปัญหาความคลุมเครือในการตัดสินใจประเมินคะแนน จึงมีการนาทฤษฎีของฟัซซี่เข้า
มาช่วยในกระบวนการตัด สิ นใจเพื่ อแก้ ไขปั ญ หาที่ เกิดขึ้น ในขั้น ตอนการวิเคราะห์ เกณฑ์ ตัดสิน ใจ
ตัวอย่างงานวิจัย เช่น
Kuo, R. J., Chi, S. C. และ Kao, S. S. (2002) ได้ ป ระยุ ก ต์ ใ ช้ FAHP และแนวคิ ด
โครงข่ายประสาทเทียมเพื่อพัฒนาระบบสนับสนุนการตัดสินใจสาหรับการคัดเลือกตาแหน่งที่ตั้งร้าน
ขายสินค้าสะดวกซื้อ โดยประเมินหาค่าน้าหนักความสาคัญของปัจจัย โดยใช้แบบสอบถามและการ
สัมภาษณ์ ซึ่งมีผู้ประเมินเป็นผู้เชี่ยวชาญด้านการขายสินค้าปลีก
Kahraman, C., Cebeci, U. และ Ulukan, Z. (2003) ได้ ท าการคั ด เลื อ กบริ ษั ท ผู้ ส่ ง
สินค้า เพื่อให้ได้ผู้ส่งสินค้าที่ มีความพึงพอใจที่สุดบนพื้นฐานปัจจัยต่างๆ ที่ใช้ในงานวิจัย โดยทาการ
สั ม ภาษณ์ ผู้ จั ด การฝ่ า ยขายของบริ ษั ท ผู้ ผ ลิ ต ต่ า งๆ ในประเทศตุ ร กี เพื่ อ ประเมิ น หาค่ า น้ าหนั ก
ความส าคั ญ โดยเปรีย บเที ย บของปั จ จั ย ต่ างๆ โดยการประยุ ก ต์ ใช้ FAHP ตั วแบบรูป สามเหลี่ ย ม
เช่นเดียวกับ Celi, M., Er, D. I. and Ozok, A. F., (2009) ที่ ประยุกต์ ใช้ FAHP บนพื้ นฐานวิธีการ
คานวณของ Chang (1996) เพื่อประเมินผู้ให้บริการขนส่งสินค้าทางเรือ เช่นเดียวกับ Huang, C.-C.,
Chu, P.-Y. และ Chiang, Y.-H. (2008) ประยุ ก ต์ ใ ช้ FAHP ส าหรั บ การคั ด เลื อ กผู้ ส นั บ สนุ น
โครงการวิ จั ย และพั ฒ นา ซึ่ งเป็ น ปั ญ หาการตั ด สิ น ใจแบบหลายหลั ก เกณฑ์ โดยมี ผู้ ป ระเมิ น เป็ น
ผู้เชี่ยวชาญจากสถาบันการศึกษา อุตสาหกรรม และภาครัฐ
สันติ นุ่มนวล และ วรพจน์ อังกสิทธิ์ (2552) ได้ทาการวิจัยเรื่อง การพัฒนาเครื่องมือ
ช่ ว ยสนั บ สนุ น การตั ด สิ น ใจเพื่ อ รองรั บ การเปลี่ ย นแปลงของเทคโนโลยี โ ดยการจั ด หาเครื่ อ ง
คอมพิวเตอร์เซิร์ฟเวอร์เป็นกรณีศึกษา โดยเครื่องคอมพิวเตอร์เซิร์ฟเวอร์นั้นเป็นเทคโนโลยีทางด้าน
ฮาร์ดแวร์ที่ได้รับผลกระทบจากการเปลี่ยนแปลงเทคโนโลยีอย่างเห็นได้ชัด เนื่องจากวงจรอายุของ
ผลิตภัณฑ์ในแต่ละรุ่นมีอัตราที่สั้นลงอย่างต่อเนื่อง และถูกแทนที่ด้วยรุ่นใหม่ๆ ตลอดเวลาทาให้เป็น
ปัญหาต่อผู้ตัดสินใจในการคัดเลือกเทคโนโลยีของเครื่องคอมพิวเตอร์เซิร์ฟเวอร์มาใช้ในหน่วยงานและ
เนื่องด้วยความรู้ความสามารถของผู้ใช้ งานที่ไม่เท่ากันจึงเกิดความคลุมเครือจากการตัดสินใจและ
ส่งผลให้การตัดสินใจคัดเลือกผลิตภัณฑ์ภายใต้เทคโนโลยีที่เข้ามาใหม่เกิดความไม่แน่นอน โดยใน
31
กรณี ศึ ก ษานี้ ได้ น าเครื่ อ งมื อ กระบวนการการล าดั บ ชั้ น เชิ งวิ เคราะห์ แ บบฟั ซ ซี่ (Fuzzy Analytic
Hierarchy Process: FAHP) มาช่วยสนับสนุนการตัดสินใจ โดยมีปัจจัยที่ใช้ในการคัดเลือกภายใต้การ
เปลี่ยนแปลงของเทคโนโลยี 8 ปัจจัย คือ ด้านจานวนลูกข่าย ด้านความเร็ว ด้านความเสถียร ด้าน
คุณภาพ ด้านรูปร่างของเครื่อง ด้านระยะเวลาที่ต้องการใช้งาน ด้านการรับประกันและด้านราคา ทั้งนี้
ข้อมูลที่ใช้ในการวิเคราะห์ได้มาจากกลุ่มผู้เชี่ยวชาญที่มีส่วนเกี่ยวข้องกับการตัดสินใจคัดเลือกเครื่อง
คอมพิวเตอร์เซิร์ฟเวอร์ โดยผลที่ได้จากการวิจัยแสดงให้เห็นว่า FAHP สามารถนามาช่วยตัดสินใจ
คัดเลือกภายใต้กฎเกณฑ์ที่ถูกกาหนดได้อย่างเป็นกระบวนการ ตลอดจนสามารถกาหนดทางเลือกเพื่อ
ใช้ตัดสินใจคัดเลือกผลิตภัณฑ์ได้อย่างเหมาะสม
อนุรักษ์ สว่างวงค์ เสริมเกียรติ จอมจันทร์ยอง อภิชาต โสภาแดง และ ปุ่น เที่ยงบูรณ
ธรรม (2551) ได้ศึกษาเรื่อง การประยุกต์ใช้กระบวนการตัดสินใจหลายหลัก เกณฑ์แบบฟัซซีในการ
คัด เลื อกพื้ น ที่ จั ดตั้ งของสถานี ขนส่ งผู้ โดยสารจังหวัดเชียงใหม่แ ห่ งที่ 3 ที่ ได้ท าการประเมิ น พื้ น ที่
ทางเลื อกที่ เหมาะสมในการจัดตั้งสถานีขนส่งผู้โดยสารจากพื้ นที่ ที่มีความเหมาะสม 5 กลุ่มพื้ น ที่
เพื่อให้ได้มาซึ่งพื้นที่ที่มีความเหมาะสมมากที่สุด โดยมีการนากระบวนการการลาดับชั้นเชิงวิเคราะห์
(Analytical Hierarchy Process: AHP) มาเป็ น เครื่ อ งมื อ ช่ ว ยในการตั ด สิ น ใจ อี ก ทั้ งยั งน าทฤษฎี
ตรรกะ (Fuzzy Set Theory) มาช่ ว ยในการวิ เคราะห์ ค วามคลุ ม เครื อ โดยมี ห ลั ก เกณฑ์ ในการ
พิจารณา 4 ด้าน คือ ด้านวิศวกรรม ด้านกายภาพ ด้านเศรษฐศาสตร์และด้านสังคมและสิ่งแวดล้อม
โดยมีวัตถุประสงค์เพื่อให้ได้มาซึ่งพื้นที่ที่มีความเหมาะสมมากที่สุด และผลจากการวิเคราะห์สามารถ
คัดเลือกพื้นที่ที่เหมาะสมที่สุดในการจัดตั้งสถานีขนส่งผู้โดยสารจังหวัดเชียงใหม่แห่งที่ 3 ได้
32
บทที่ 3
วิธีดาเนินการวิจัย
การศึกษาวิจัยนี้เป็นการประเมินค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
และข้อบกพร่อง โดยการทาแบบสอบถามเปรียบเทียบแบบเชิงคู่ และใช้กระบวนการการลาดับชั้นเชิง
วิ เ คราะห์ แ บบฟั ซ ซี่ (Fuzzy Analytic Hierarchy Process: FAHP) เพื่ อ จั ด ล าดั บ ความส าคั ญ
ข้อบกพร่องจากค่า RPN ที่วิเคราะห์และพิจารณาจากค่าน้าหนักความสาคัญโดยเปรียบเทียบ เพื่อ
นาไปประยุกต์ใช้ในการคัดเลือกข้อบกพร่องและปรับปรุงกระบวนการผลิต
3.1 การศึกษาข้อมูล
3.1.1 โครงสร้างลาดับชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง
งานวิจัยนี้ได้แบ่งโครงสร้างลาดับชั้นเชิงวิเคราะห์ออกป็น 3 ลาดับ คือ
ล าดั บ ชั้ น ที่ 1 เป็ น เป้ า หมายคื อ ข้ อ บกพร่ อ งที่ เหมาะสมแก่ ก ารคั ด เลื อ กมา
ดาเนินการแก้ไข
ลาดับชั้นที่ 2 เป็นเกณฑ์ตัดสินใจคือ ปัจจัยเสี่ยง 3 ด้านได้แก่ ความรุนแรงของ
ข้ อ บกพร่ อ ง (Severity:S) โอกาสในการเกิ ด ข้ อ บกพร่ อ ง (Occurence: O) และการตรวจจั บ
ข้ อ บกพร่ อ ง (Detection:D) ภายใต้ ก รอบของการวิ เคราะห์ ลั ก ษณะข้ อ บกพร่ อ งและผลกระทบ
(FMEA)
ลาดับชั้นที่ 3 หรือทางเลือกคือ ข้อบกพร่องของผลิตภัณ ฑ์ หนึ่งในบริษัทผู้ผลิต
ชิ้นส่วนอิเล็กทรอนิคส์ที่ใช้เป็นกรณีศึกษา
ซึ่งสามารถจัดโครงสร้างลาดับชั้นเชิงวิเคราะห์ได้ดังภาพที่ 3.1
ภาพที่ 3.1 โครงสร้างลาดับชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง

33
3.1.2 การออกแบบแบบสอบถาม
มี ก ารจั ด ท าแบบสอบถามโดยใช้ รู ป แบบการเปรี ย บเที ย บเชิ ง คู่ (Pair wise
Comparison) ในการเปรี ย บเที ย บปั จ จั ย ที่ อ ยู่ ใ นล าดั บ ชั้ น เดี ย วกั น ที ล ะคู่ ซึ่ ง แบบสอบถาม
ประกอบด้ ว ย 2 ส่ ว น คื อ ส่ ว นที่ 1 เป็ น ส่ ว นของค าถามที่ เกี่ ย วกั บ ข้ อ มู ล พื้ น ฐานของผู้ ป ระเมิ น
แบบสอบถาม และส่วนที่ 2 เป็นส่วนของตารางการประเมิน ลาดับความสาคัญโดยเปรียบเทียบ ดัง
ตารางที่ 3.1 และภาคผนวก ก โดยแบ่งการประเมินแบบสอบถามออกเป็น 2 ตอน ได้แก่ การประเมิน
ลาดับความสาคัญของปัจจัยเสี่ยงและการประเมินลาดับความสาคัญของข้อบกพร่อง
ตัวอย่างแบบสอบถามในส่วนที่ 2 การประเมินลาดับความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
1. การประเมินลาดับความสาคัญของปัจจัยเสี่ยง
ลาดับความสาคัญ มีความสาคัญมากกว่าปานกลาง
มีความสาคัญมากกว่าปานกลา
มีความสาคัญมากกว่าเล็กน้อย
มีความสาคัญมากกว่าที่สุด
มีความสาคัญมากกว่ามาก
ปัจจัยเสี่ยง ปัจจัยเสี่ยง
มีความสาคัญเท่ากัน
ความรุนแรงของข้อบกพร่อง โอกาสในการเกิดข้อบกพร่อง
(Severity: S) (Occurrence: O)
ความรุนแรงของข้อบกพร่อง การตรวจจับข้อบกพร่อง
(Severity: S) (Detection: D)
โอกาสในการเกิดข้อบกพร่อง การตรวจจับข้อบกพร่อง
(Occurrence: O) (Detection: D)
3.1.3 ผู้ประเมินแบบสอบถาม
ผู้ ป ระเมิ น แบบสอบถามเป็ น บุ ค ลากรที่ เกี่ ย วข้ อ งกั บ ข้ อ บกพร่ อ งที่ เกิ ด ขึ้ น กั บ
ผลิตภัณฑ์ของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา จานวนทั้งหมด 20 ท่าน โดยแบ่ง
ออกเป็น 3 กลุ่ม คือ ผู้ผลิตไพวอต จานวน 10 ท่าน ผู้ผลิตวัตถุดิบหลัก จานวน 6 ท่านและผู้ผลิต
ฮาร์ดดิสก์ไดร์ฟ (ลูกค้า) จานวน 4 ท่าน ซึ่งประสบการณ์การทางานของผู้ประเมินแบบสอบถามแต่ละ
ท่าน ดังตารางที่ 3.2 การประเมินผลด้วยแบบสอบถามโดยการเปรียบเทียบทีละคู่ ต้องนาผลประเมิน
ที่ได้มาคานวณหาค่าอัตราความสอดคล้อง ซึ่งอาจได้ค่าอัตราความสอดคล้องเกินจากค่าที่ยอมรับได้
34
และจะทาให้ผลการประเมินไม่เป็นที่ยอมรับ ดังนั้น การประเมินจึงใช้เวลานานและต้องให้ความสาคัญ

เป็นอย่างมาก
ตาแหน่งงานและประสบการณ์การทางานของผู้ประเมินแบบสอบถาม
ผู้ประเมิน ประสบการณ์การทางาน
ตาแหน่งงาน
แบบสอบถาม (ปี)
1 หัวหน้างานฝ่ายวิศวกรรมกระบวนการผลิต 10
3 หัวหน้างานฝ่ายวิศวกรรมบริการลูกค้า 10
4 หัวหน้างานฝ่ายวิศวกรรมบริการลูกค้า 8
5 หัวหน้างานฝ่ายรับประกันคุณภาพ 12
6 หัวหน้างานฝ่ายผลิต 13
7 หัวหน้างานฝ่ายควบคุมการผลิต 10
8 หัวหน้างานฝ่ายควบคุมคุณภาพ 11
9 หัวหน้างานฝ่ายควบคุมคุณภาพวัตถุดิบขาเข้า 13
10 หัวหน้างานฝ่ายซ่อมบารุง 14
12 หัวหน้างานฝ่ายรับประกันคุณภาพ 10
15 หัวหน้างานฝ่ายควบคุมการผลิต 12
16 หัวหน้างานฝ่ายควบคุมคุณภาพ 9
17 หัวหน้างานฝ่ายควบคุมคุณภาพผลิตภัณฑ์ขาเข้า บริษทั A 11
18 หัวหน้างานฝ่ายควบคุมคุณภาพผลิตภัณฑ์ขาเข้า บริษทั A 8
19 หัวหน้างานฝ่ายควบคุมคุณภาพผลิตภัณฑ์ขาเข้า บริษทั B 10
20 หัวหน้างานฝ่ายควบคุมคุณภาพผลิตภัณฑ์ขาเข้า บริษทั B 7
35
3.2 การวิเคราะห์ข้อมูล
3.2.1 การประเมินแบบสอบถาม
การประเมินจะแบ่งลาดับความสาคัญออกเป็น 5 ลาดับ จากนั้นนาผลประเมินที่
ได้มาแปลงเป็นตัวเลขฟัซซี่แบบสามเหลี่ยม ซึ่งสามารถแสดงในรูปแบบตัวเลขฟัซซี่แบบสามเหลี่ยมได้
ดังตารางที่ 3.3 และดังภาพที่ 3.2
สเกลการแปลงเป็นตัวเลขแสดงลาดับความสาคัญของการเปรียบเทียบเชิงคู่
ลาดับความสาคัญ ตัวเลข AHP ตัวเลขฟัซซี่แบบสามเหลี่ยม
(Linguistic Scale) (AHP Scale) (Triangular Fuzzy Scale)
มีความสาคัญเท่ากัน 1 (1,1,3)
มีความสาคัญมากกว่าเล็กน้อย 3 (1,3,5)
มีความสาคัญมากกว่าปานกลาง 5 (3,5,7)
มีความสาคัญมากกว่ามาก 7 (5,7,9)
มีความสาคัญมากกว่ามากที่สุด 9 (7,9,9)
ภาพที่ 3.2 ตัวเลขสมาชิกของสามเหลี่ยมฟัซซี่ (The Membership Functions of Triangular)
เมื่อแปลงผลประเมินที่ได้มาเป็นตัวเลขฟัซซี่แบบสามเหลี่ยม สามารถสร้างเมตริกซ์การ
เปรียบเทียบเชิงคู่ ได้ดังสมการที่ (3-1)
36
 M 1g1 M g21 ... M gm1   (1,1,1) (l12 , m12 , u12 ) ... (l1m , m1m , u1m ) 
 1 m  
M 2
M g 2 ... M g 2  (l 21 , m21 , u 21 ) (1,1,1) ... (l 2 m , m2 m , u 2 m )
( M gij ) nxm   g2  (3-1)
 : : : :   : : : : 
 1 2 m   
 M gn M gn ... M gn   (l n1 , mn1u n1 ) (l n 2 , mn 2 , u n 2 ) ... (1,1,1) 
1 1 1
โดยที่ (l ij , mij , uij )  ( , , ) สาหรับ i  1,2,..., n และ
u m l ji ji ji
( j  1,2,..., m) และ i  j และ (l , m , u )  (1,1,1) สาหรับ i  j

ij ij ij
3.2.2 การวิเคราะห์หาค่าอัตราความสอดคล้อง (Consistency Ratio: CR)

จากผลประเมิ น ที่ ไ ด้ แ ปลงมาเป็ น ตั ว เลขฟั ซ ซี่ แ บบสามเหลี่ ย ม ต้ อ งท าการ
ตรวจสอบความสอดคล้องกันของเหตุผลในการให้คะแนนก่อนนาข้อมูลนั้นไปวิเคราะห์ต่อไป จาก
CI
CR  (3-2)
RI
โดยที่
CR คือ ค่าอัตราความสอดคล้อง (Consistency Ratio: CR)
CI คือ ค่าดัชนีความสอดคล้อง (Consistency Index: CI) ซึ่งคานวณหาค่า CI
จากสมการที่ (3-3)
( max  n)
CI  (3-3)
(n  1)
n
คือ จานวนเกณฑ์ตัดสินใจ
max คือ ค่าแลมด้าแมกซ์ (Eigen Values) โดยนาผลรวมของค่าประเมินในแต่
ละเกณฑ์ตัดสินใจในแถวแนวตั้งของแต่ละแถวมาคูณด้วยผลรวมของค่าเฉลี่ยในแถวแนวนอนแต่ละ
แถว และหาผลรวมของผลคูณที่ได้นั้น ซึ่งผลลัพธ์จะเท่ากับจานวนเกณฑ์ตัดสินใจทั้งหมดที่ถูกนามา
เปรียบเทียบ ดังสมการที่ (3-4)
n

max  i1  j 1 aij wj
n
 (3-4)
37
RI คือ ค่าเฉลี่ ยดัชนี จากการสุ่ มตั วอย่าง (Average Random Index: RI) และ
เป็นค่าที่มีความสัมพันธ์กับขนาดเมตริกซ์ดังแสดงในตารางที่ 2.7
Saaty (1994) ได้ ก าหนดค่ า อั ต ราความสอดคล้ อ งที่ ย อมรั บ ได้ ส าหรั บ ตาราง
เมตริกซ์ที่มีขนาดที่แตกต่างกัน ดังต่อไปนี้ คือ
ค่าอัตราความสอดคล้องที่ 0.05 สาหรับตารางเมตริกซ์ที่มีขนาดเป็น 3x3
ค่าอัตราความสอดคล้องที่ 0.08 สาหรับตารางเมตริกซ์ที่มีขนาดเป็น 4x4
ค่าอัตราความสอดคล้องที่ 0.10 สาหรับตารางเมตริกซ์ ที่มีขนาดมากกว่า 4x4
ขึ้นไป
ดังนั้น หากค่าอัตราความสอดคล้องที่คานวณได้มีค่าเท่ ากับหรือน้อยกว่าค่าอัตรา
ความสอดคล้องที่ยอมรับได้หมายความว่า ข้อมูลมีความสอดคล้องกันภายในตารางเมตริกซ์หรือผล
การประเมินนั้นยอมรับได้ ในทางตรงกันข้ามหากค่าอัตราสอดคล้องที่คานวณได้มีค่ามากกว่าค่าอัตรา
ความสอดคล้องที่ยอมรับได้ แสดงว่าข้อมูลไม่มีความสอดคล้องกันภายในตารางเมตริกซ์ หรือผลของ
การประเมินนั้นไม่สามารถยอมรับได้ ควรทาการทบทวนและทาการประเมินผลใหม่ ก่อนนาข้อมูล
จากการประเมินไปใช้ในการคานวณและวิเคราะห์ต่อไป
3.2.3 การวิเคราะห์หาค่าน้าหนักความสาคัญโดยเปรียบเทียบ
การวิเคราะห์หาค่าน้าหนักความสาคัญโดยเปรียบเทียบและจัดลาดับความสาคัญ
ของปัจจัยเสี่ยงทั้ง 3 ด้าน และข้อบกพร่องของผลิตภัณฑ์หนึ่งในบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่
ใช้ เป็ น กรณี ศึ ก ษา เพื่ อ จั ด ล าดั บ ความส าคั ญ และคั ด เลือ กข้อ บกพร่อ ง เพื่ อ ที่ จ ะด าเนิ น การแก้ ไข
กระบวนการผลิตอย่างมีประสิทธิภาพ โดยมี 3 ขั้นตอนดังนี้
ขั้นตอนที่ 1. การคานวณหาค่าขอบเขตสังเคราะห์ฟัซซี่
สาหรับทางเลือกที่ i ดังสมการที่ (3-5) ถึงสมการที่ (3-8)
1
m n m 
S i   M   M gij 
j
gi (3-5)
j 1  i 1 j 1 
โดยที่
S i คือ ค่าน้าหนักความสาคัญโดยเปรียบเทียบของเกณฑ์ตัดสินใจ
m
 M คือ ผลบวกของตัวเลขฟัซซี่แบบสามเหลี่ยม
j 1
j
gi
38
1
 n m 
 M gi  คือ ค่าต่างตอบแทนผลรวมของ l , m, u ทุกเกณฑ์ตัดสินใจ
j
 i 1 j1 
เมื่อ
1
m m m m 
M j
gi  l j,  mj,u j
 j 1 j 1 j 1  (3-6)
j 1
 
และ
n m
 n n n


i 1 j1
M j
gi    i  i  ui 
l ,
 i 1 i 1
m ,
i 1 
(3-7)
ดังนั้น
n m j
1
 1 
 n , n 
1 1
 M gi  
, n
 (3-8)
 i1 j1   i 1 li i 1 mi i 1 ui 
ขั้นตอนที่ 2 การคานวณหาระดับของความเป็นไปได้ (Degree of Possibility)

ก า ห น ด ใ ห้ S i  (l i , mi , ui) แ ล ะ S j  (l j , m j , u j ) โ ด ย ที่
i  1,2,...,n และ ( j  1,2,..., m) และ i  j
เมื่อ S S i j จะคานวณหาระดับของความเป็นไปได้ จากสมการที่ (3-9)



1 if m m
S  S  
i j
 l u (3-9)
 
V i j
0 if j i
 l j  ui
 
Other

    
 mi u i m j l j
เมื่อ S i ที่มากกว่า S j อื่นๆ จะคานวณหาระดับของความเป็นไปได้ จากสมการ

ที่ (3-10)
V (S  S i j
| j  1,2,..., m; i  j )  min V ( M  M i | j  1,2,..., k ) (3-10)
39
ขั้นตอนที่ 3 การคานวณหาเวกเตอร์ความสาคัญ W  ของเมตริกซ์

การเปรียบเทียบความสาคัญแบบฟัซซี่ ดังสมการที่ (3-11) ถึงสมการที่ (3-13)
เมื่อสมมุติให้
w  min V (S  S
i i j
| j  1,2,..., m; i  j ) (3-11)
เมื่อทาการ Normalization เวกเตอร์ความสาคัญ W  จากสมการที่ (3-12)
w
w i
(3-12)
 w
i n
i 1 i
จะได้เวกเตอร์ความสาคัญใหม่ ดังสมการที่ (3-13)
W  ( w1 , w2 , ..., wn)T (3-13)
และ w i
เป็นค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยทีก่ าลังวิเคราะห์
3.2.4 การวิเคราะห์หาค่า RPN โดยพิจารณาค่าน้าหนักความสาคัญโดยเปรียบเทียบ

Hu, et al. (2009) ได้นาเสนอการคานวณค่า RPN โดยพิจารณาจากค่าน้าหนัก
โดยเปรียบเทียบในการจัดลาดับความสาคัญของข้อบกพร่อง คานวณจากค่าน้าหนักความสาคัญ โดย
เปรียบเทียบของปัจจัยเสี่ยงคูณกับค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง และทาการ
บวกรวมเข้าด้วยกันในของแต่ละข้อบกพร่อง ดังสมการที่ (3-14)
RPNFMi  WS  S FMi   WO  OFMi   WD  DFMi  (3-14)
โดยที่
คือ ค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
S FMi คื อ ค่ า น้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของข้ อ บกพร่อ งด้ านความ
รุนแรงของข้อบกพร่อง
OFMi คือ ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านโอกาสใน
การเกิดข้อบกพร่อง
40
DFMi คื อ ค่ า น้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของข้ อ บกพร่ อ งด้ า นการ
ตรวจจับข้อบกพร่อง
จากนั้นนาผลบวกที่ได้มาลาดับค่าความสาคัญของข้อบกพร่องโดยพิจารณาจากค่า
RPN ที่มีค่าสูงที่สุดก่อนเช่นเดียวกับ FMEA
3.3 การสรุปผลการดาเนินงาน
เปรียบเที ยบลาดับความสาคัญ ของข้อบกพร่องจากค่า RPN ที่ได้จาก FMEA และค่า

RPN ที่ได้จากการพิจารณาค่าน้าหนัก ความสาคัญ โดยเปรียบเทียบด้วย FAHP (FMEA ถ่วงน้าหนัก
ความสาคัญโดยเปรียบเทียบ) เพื่อพิจารณาคัดเลือกข้อบกพร่องที่เหมาะสมแก่การดาเนินการแก้ไข
และเปรียบเทียบลาดับความสาคัญของข้อบกพร่องเหล่านั้นกับอัตราของเสียด้วยเพื่อพิจารณาวิธีการ
ลาดับความสาคัญของข้อบกพร่องที่เหมาะสม
41
บทที่ 4
ผลการวิจัย
จากหัวข้อ 3.1 ที่ แ สดงโครงสร้างลาดับ ชั้นเชิงวิเคราะห์ของการคัดเลือกข้อบกพร่อง

แบบสสอบถาม และผู้ประเมินแบบสอบถามซึ่งเป็นบุคลากรที่เกี่ยวข้องกับข้อบกพร่องที่เกิดขึ้นกั บ
ผลิตภัณฑ์ของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา จานวนทั้งหมด 20 ท่าน จากนั้น
นาผลประเมินที่ได้มาแปลงเป็นตัวเลขฟัซซี่แบบสามเหลี่ยมและสร้างเมตริกซ์การเปรียบเทียบเชิงคู่ดัง
หัวข้อที่ 3.2.1 ซึ่งค่าประเมินที่แปลงค่าเป็นตัวเลขฟัซซี่แบบสามเหลี่ย มแล้วจะต้องดาเนินการหาค่า
อัตราความสอดคล้อง ค่าน้าหนักความสาคัญโดยเปรียบเทียบและค่า RPN ที่ได้จากการพิจารณาค่า
น้าหนักความสาคัญโดยเปรียบเทียบ โดยมีรายละเอียดดังต่อไปนี้
4.1 การแปลงค่าผลประเมินแบบสอบถาม
4.1.1 การคานวณผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง
จากการประเมิ น แบบสอบถาม แสดงเป็ น ตั ว อย่ า งผลประเมิ น การล าดั บ
ความสาคัญของปัจจัยเสี่ยง 3 ด้าน (S, O. D) จากผู้เชี่ยวชาญคนที่ 1 ดังตารางที่ 4.1
ตัวอย่าง ผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 3 ด้าน (S, O, D) จากผู้เชี่ยวชาญคนที่ 1

1. การประเมินลาดับความสาคัญของปัจจัยเสี่ยง
ลาดับความสาคัญ
มีความสาคัญมากกว่าปานกลาง
√
√
√
42
จากนั้นนาผลประเมินที่ได้มาแปลงค่า โดยแปลงค่าจากภาษาพูดมาเป็นตัวเลขฟัซ
ซี่แบบสามเหลี่ยม จากตารางที่ 3.3 ให้อยู่ในรูปเมตริกซ์ตามสมการที่ (3-1) แสดงเป็นตัวอย่างผลการ
แปลงค่าผลประเมิน การลาดับความสาคัญ ของปัจจัยเสี่ ยง 3 ด้าน (S, O, D) ด้วยตัวเลขฟัซซี่แบบ
สามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1 ดังตารางที่ 4.2
ตัวอย่าง ผลการแปลงค่าผลประเมิน การลาดับความสาคัญ ของปัจจัยเสี่ยง 3 ด้าน (S, O, D) ด้วย

ตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
S O D
S (1, 1, 1) (3, 5, 7) (1, 1, 3)
O 1 1 1
 , ,  (1, 1, 1) 1 1 1
 , , 
 7 5 3  7 5 3
D 1 
 ,1,1 (3, 5, 7) (1, 1, 1)
3 
โดยที่
S คือ เกณฑ์ตัดสินใจด้านความรุนแรงของข้อบกพร่อง (Severity)
O คือ เกณฑ์ตัดสินใจด้านโอกาสในการเกิดข้อบกพร่อง (Occurrence)
D คือ เกณฑ์ตัดสินใจด้านการตรวจจับข้อบกพร่อง (Detection)
4.1.2 การคานวณผลประเมินการลาดับความสาคัญของข้อบกพร่อง
จากการประเมิ น แบบสอบถาม และน าผลประเมิน การล าดั บ ความสาคัญ ของ
ข้อบกพร่องภายใต้ปัจจัยเสี่ยง 3 ด้าน มาแปลงค่าจากภาษาพูดมาเป็นตัวเลขฟัซซี่แบบสามเหลี่ยม
จากตารางที่ 3.3 ให้อยู่ในรูปเมตริกซ์ตามสมการที่ (3-1) โดยแสดงเป็นตัวอย่างดังต่อไปนี้
1. ผลการแปลงค่าผลประเมิน การลาดับความสาคัญของข้อบกพร่องด้านความ
รุนแรงของข้อบกพร่อง (Severity: S) ด้วยตัวเลขฟั ซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1 ดัง
43
ตัวอย่าง ผลการแปลงค่าผลประเมินการลาดับความสาคัญของข้อบกพร่องด้านความรุนแรงของ
ข้อบกพร่อง (Severity: S) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
Unsmooth Torque NG Axial Assembly Appearance Packing NG
Resonance NG NG NG
Unsmooth (1, 1, 1) (1, 1, 3) (1, 3, 5) (1, 1, 3) (1, 1, 3) (1, 1, 3)
Torque NG 1  (1, 1, 1) (1, 3, 5) (1, 1, 3) (1, 1, 3)

 ,1,1 (1, 3, 5)
3 
Axial 1 1  1 1  (1, 1, 1) (1, 1, 3) (1, 1, 3) (1, 1, 3)
 , ,1  , ,1
Resonance NG 5 3  5 3 
Assembly NG 1  1 1  1  (1, 1, 1) (1, 1, 3) (1, 1, 3)
 ,1,1  , ,1  ,1,1
3  5 3  3 
Appearance 1  1  1  1  (1, 1, 1) 1 1 
 ,1,1  ,1,1  ,1,1  ,1,1  , ,1
3  3  3  3  5 3 
Packing NG 1  1  1  1  (1, 3, 5) (1, 1, 1)
 ,1,1  ,1,1  ,1,1  ,1,1
3  3  3  3 
2. ผลการแปลงค่าผลประเมินการลาดับความสาคัญของข้อบกพร่องด้านโอกาสใน
การเกิดข้อบกพร่อง (Occurrence: O) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1 ดัง
44
ตัวอย่าง ผลการแปลงค่าผลประเมิน การลาดับ ความสาคัญ ของข้อบกพร่องด้านโอกาสในการเกิด

ข้อบกพร่อง (Occurrence: O) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
Resonance NG NG NG
Unsmooth (1, 1, 1) (1, 1, 3) (1, 3, 5) (1, 1, 3) (1, 1, 3) (1, 1, 3)
Torque NG 1  (1, 1, 1) (1, 1, 3) (1, 1, 3) (1, 1, 5)

 ,1,1 (1, 3, 3)
3 
Axial (1, 1, 1) 1 1  1  1 
1 1  1 1   , ,1  ,1,1  ,1,1
Resonance  , ,1  , ,1 5 3  3  3 
5 3  3 3 
NG
Assembly NG 1  1 1  (1, 1, 1) 1  1 
 ,1,1  , ,1  ,1,1  ,1,1
3  3 3  (1, 3, 5) 3  3 
Appearance 1  1  (1, 1, 1)
 ,1,1  ,1,1
3  3  (1, 1, 3) (1, 1, 3) (1, 1, 3)
Packing NG 1  1  1  (1, 1, 1)
 ,1,1  ,1,1  ,1,1
3  5  (1, 1, 3) (1, 1, 3) 3 
3. ผลการแปลงค่าผลประเมิน การลาดับ ความสาคัญ ของข้อบกพร่องด้านการ

ตรวจจับ ข้อบกพร่อง (Detection: D) ด้วยตัวเลขฟั ซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1 ดัง
45
ตั ว อย่ า ง ผลการแปลงค่ า ผลประเมิ น การล าดั บ ความส าคั ญ ของข้ อ บกพร่ อ งด้ า นการตรวจจั บ
ข้อบกพร่อง (Detection: D) ด้วยตัวเลขฟัซซี่แบบสามเหลี่ยมของผู้เชี่ยวชาญคนที่ 1
Resonance NG NG NG
Unsmooth (1, 1, 1)
1 1  1  1  1  1 
 , ,1  ,1,1  ,1,1  ,1,1  ,1,1
5 3  3  3  3  3 
Torque NG (1, 1, 1) 1 1  1  1  1 
 , ,1  ,1,1  ,1,1  ,1,1
(1, 3, 5) 5 3  3  3  3 
Axial (1, 1, 1) (1, 1, 3) (1, 1, 3) (1, 3, 5)

(1, 1, 3) (1, 3, 5)
Resonance NG
Assembly NG 1  (1, 1, 1) 1  1 
 ,1,1  ,1,1  ,1,1
(1, 1, 3) (1, 1, 3) 3  3  3 
Appearance 1  (1, 1, 1) 1 
 ,1,1  ,1,1
(1, 1, 3) (1, 1, 3) 3  (1, 1, 3) 3 
Packing NG 1 1  (1, 1, 3) (1, 1, 1)
 , ,1
(1, 1, 3) (1, 1, 3) 5 3  (1, 1, 3)
4.2 ค่าอัตราความสอดคล้องของการประเมิน (Consistency Ratio: CR)
จากการประเมิ นโดยใช้แบบสอบถามซึ่งเป็น การเปรียบเทียบเชิงคู่ที่ผู้เชี่ยวชาญต้อง

พิจารณาอย่างละเอียดและต้องมีความความสอดคล้องกัน เนื่องจากภาษาที่ใช้ในแบบสอบถามอาจมี
ความคลุมเครือ ผู้วิจัยจึงทาการอธิบายแบบสอบถามให้กับผู้เชี่ยวชาญและให้ผู้เชี่ยวชาญประเมิน
พร้อมกับคานวณค่าอัตราความสอดคล้องไปพร้อมๆ กัน จากการคานวณตามหัวข้อ 3.2.2 จะได้ค่า
อัตราความสอดคล้องที่ยอมรับได้ ดังตารางที่ 4.6 – 4.9
4.2.1 ค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยง

การประเมิ น ในล าดั บ ชั้ น เกณฑ์ ตั ด สิ น ใจ ซึ่ งมี ปั จ จั ย เสี่ ย ง 3 ด้ าน ได้ แ ก่ ความ
รุน แรงของข้ อ บกพร่อ ง (Severity: S) โอกาสในการเกิ ด ข้ อ บกพร่อ ง (Occurrence: O) และการ
ตรวจจั บ ข้ อ บกพร่ อ ง (Detection: D) ภายใต้ ก รอบของการวิ เคราะห์ ลั ก ษณะข้ อ บกพร่ อ งและ
ผลกระทบ (FMEA) ดังนั้น
46
การแปลงผลการประเมินเป็นตัวเลขฟัซซี่แบบสามเหลี่ยมและสร้างเมตริกซ์การ
เปรียบเทียบเชิงคู่เป็นขนาด 3x3
ค่า RI ที่นามาใช้ในการคานวณของเมตริกซ์ขนาด 3x3 คือ 0.58
ค่าอัตราความสอดคล้อง (CR) ที่ยอมรับได้ ของเมตริกซ์ ขนาด 3x3 จะต้องมีค่า
น้อยกว่าหรือเท่ากับ 0.05
จากการคานวณตามหัวข้อ 3.2.2 จะได้ค่าอัตราความสอดคล้อง (CR) ของปัจจัย
เสี่ยงที่คานวณได้จากผลประเมินของผู้เฃี่ยวชาญทั้งหมด ดังตารางที่ 4.6
ค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยง 3 ด้าน (S, O, D)

กลุ่มผู้เชี่ยวชาญ คนที่ 1 คนที่ 2 คนที่ 3 คนที่ 4 คนที่ 5 คนที่ 6 คนที่ 7 คนที่ 8 คนที่ 9 คนที่ 10
ผู้ผลิตไพวอต 0 0 0.033 0.006 0.011 0.006 0.033 0.033 0 0
ผู้ผลิตวัตถุดิบหลัก 0.025 0 0 0.011 0.025 0.011 - - - -
ผู้ผลิตฮาร์ดดิสก์ 0.006 0.033 0.006 0.006 - - - - - -
ไดร์ฟ (ลูกค้า)
จะเห็นได้ว่า ค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยงที่คานวณได้จากผู้เฃี่ยว

ชาญทั้งหมดมีค่าระหว่าง 0 ถึง 0.033 ซึ่งอยู่ในเกณฑ์ ที่สามารถยอมรับได้ ดังนั้นผลการประเมินมี
ความสอดคล้องกัน
จากนั้นนาค่าอัตราความสอดคล้อง (CR) ของปัจจัยเสี่ยงที่คานวณได้ทั้งหมดบวก
รวมกันและหารด้วยจานวนของผู้เชี่ยวชาญทั้งหมด ซึ่งจะได้ค่าเฉลี่ยของค่าอัตราความสอดคล้อง (CR)
ของปัจจัยเสี่ยง 3 ด้าน (S, O, D) มีค่าเท่ากับ 0.012
4.2.2 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่อง

การประเมินในลาดับชั้นทางเลือก ซึ่งมีข้อบกพร่อง 6 ปัจจัย ได้แก่ Unsmooth,
Torquw NG, Axial Resonance NG, Assembly NG, Appearance NG, packing NG ดังนัน้
การแปลงผลการประเมินเป็นตัวเลขฟัซซี่แบบสามเหลี่ยมและสร้างเมตริกซ์การ
เปรียบเทียบเชิงคู่เป็นขนาด 6x6
ค่า RI ที่นามาใช้ในการคานวณของเมตริกซ์ขนาด 6x6 คือ 1.24
ค่าอัตราความสอดคล้อง (CR) ที่ยอมรับได้ของเมตริกซ์ ขนาด 6x6 จะต้องมีค่า
น้อยกว่าหรือเท่ากับ 0.10
47
จากการค านวณตามหั ว ข้ อ 3.2.2 จะได้ ค่ า อั ต ราความสอดคล้ อ ง (CR) ของ

ข้อบกพร่องภายใต้ปัจจัยเสี่ยง 3 ด้าน (S, O, D) ที่คานวณได้จากผลประเมินของผู้เฃี่ยวชาญทั้งหมด
ดังนี้
1. ผลค่ า อั ต ราความสอดคล้ อ ง (CR) ของข้ อ บกพร่ อ งด้ า นความรุ น แรงของ
ข้อบกพร่อง (Severity: S) ดังตารางที่ 4.7
ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรงของข้อบกพร่อง (Severity:S)

ผู้ผลิตไพวอต 0.067 0.022 0.033 0.022 0.033 0.055 0.045 0.045 0.033 0.068
ผู้ผลิตวัตถุดิบหลัก 0.033 0.045 0.054 0.022 0.044 0.057 - - - -
ผู้ผลิตฮาร์ดดิสก์ 0.079 0.033 0.033 0.033 - - - - - -
จะเห็นได้ว่า ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรง

ของข้อบกพร่อง (Severity: S) ที่คานวณได้จากผู้เฃี่ยวชาญทั้งหมดมีค่าระหว่าง 0.022 ถึง 0.079 ซึ่ง
อยู่ในเกณฑ์ที่สามารถยอมรับได้ ดังนั้นผลการประเมินมีความสอดคล้องกัน
จากนั้นนาค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรงของ
ข้ อ บกพร่อ ง (Severity: S) ที่ ค านวณได้ ทั้ งหมดบวกรวมกั น และหารด้ ว ยจ านวนของผู้ เชี่ ย วชาญ
ทั้งหมด ซึ่งจะได้ ค่าเฉลี่ยของค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรงของ
ข้อบกพร่อง (Severity: S) มีค่าเท่ากับ 0.043
2. ผลค่ า อั ต ราความสอดคล้ อ ง (CR) ของข้ อ บกพร่ อ งด้ า นโอกาสในการเกิ ด
ข้อบกพร่อง (Occurrence: O) ดังตารางที่ 4.8
ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านโอกาสในการเกิดข้อบกพร่อง (Occurrence: O)

ผู้ผลิตไพวอต 0.055 0.022 0.055 0.022 0.033 0.055 0.057 0.022 0.045 0.033
ผู้ผลิตวัตถุดิบหลัก 0.045 0.022 0.033 0.022 0.033 0.033 - - -
ผู้ผลิตฮาร์ดดิสก์ 0.045 0.022 0.033 0.022 - - - - - -
48
จะเห็นได้ว่า ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านโอกาสในการ

เกิดข้อบกพร่อง (Occurrence: O) ที่คานวณได้จากผู้เฃี่ยวชาญทั้งหมดมีค่าระหว่าง 0.022 ถึง 0.057
ซึ่งอยู่ในเกณฑ์ทสี่ ามารถยอมรับได้ ดังนั้นผลการประเมินมีความสอดคล้องกัน
จากนั้นนาค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านโอกาสในการเกิด
ข้อบกพร่อง (Occurrence: O) ที่คานวณได้ทั้งหมดบวกรวมกันและหารด้วยจานวนของผู้เชี่ยวชาญ
ทั้งหมด ซึ่งจะได้ ค่าเฉลี่ยของค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านโอกาสในการเกิด
ข้อบกพร่อง (Occurrence: O) มีค่าเท่ากับ 0.036
3. ผลค่าอัตราความสอดคล้อง(CR) ของข้อบกพร่องด้านการตรวจจับข้อบกพร่อง
(Detection: D) ดังตารางที่ 4.9
ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านการตรวจจับข้อบกพร่อง (Detection: D)

ผู้ผลิตไพวอต 0.068 0.057 0.022 0.033 0.067 0..022 0.045 0.033 0.022 0.045
ผู้ผลิตวัตถุดิบหลัก 0.033 0.022 0.048 0.033 0.044 0.045 - - - -
ผู้ผลิตฮาร์ดดิสก์ 0.057 0.044 0.022 0.022 - - - - - -
จะเห็นได้ว่า ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านการตรวจจับ

ข้อบกพร่อง (Detection: D) ที่คานวณได้จากผู้เฃี่ยวชาญทั้งหมดมีค่าระหว่าง 0.022 ถึง 0.068 ซึ่งอยู่
ในเกณฑ์ที่สามารถยอมรับได้ ดังนั้นผลการประเมินมีความสอดคล้องกัน
จากนั้ น น าค่ าอั ต ราความสอดคล้ อ ง (CR) ของข้ อบกพร่อ งด้านการตรวจจั บ
ข้อบกพร่อง (Detection: D) ที่คานวณได้ทั้งหมดบวกรวมกันและหารด้วยจานวนของผู้เชี่ยวชาญ
ทั้ ง หมด ซึ่ ง จะได้ ค่ า เฉลี่ ย ของค่ า อั ต ราความสอดคล้ อ ง (CR) ของข้ อ บกพร่ อ งด้ า นการตรวจจั บ
ข้อบกพร่อง (Detection: D) มีค่าเท่ากับ 0.039
49
4.3 การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบโดย FAHP
4.3.1 การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
จากผลประเมินที่แปลงค่ามาเป็นตัวเลขฟัซซี่แบบสามเหลี่ยมและผลการคานวณ
ค่าอัตราความสอดคล้อง (CR) ของผลประเมิน อยู่ในเกณฑ์ที่สามารถยอมรับได้ จากนั้นนาผลการ
แปลงค่าในแถวแนวตั้งทั้งหมดบวกรวมกันและหารด้วยจานวนผู้ เชี่ยวชาญทั้งหมด จะได้ค่าเฉลี่ยของ
ผลประเมินดังตารางที่ 4.10
ค่าเฉลี่ยของผลประเมินการลาดับความสาคัญของปัจจัยเสี่ยง 3 ด้าน (S, O, D)

S O D
S (1.000, 1.000, 1.000) (2.300, 3.700, 5.700) (2.120, 3.733, 5.600)
O (0.208, 0.462, 0.673) (1.000, 1.000, 1.000) (1.225, 2.068, 3.353)
D (0.272, 0.626, 1.154) (1.221, 2.309, 3.414) (1.000, 1.000, 1.000)
โดยที่
S คือ เกณฑ์ตัดสินใจด้านความรุนแรงของข้อบกพร่อง (Severity)
O คือ เกณฑ์ตัดสินใจด้านโอกาสในการเกิดข้อบกพร่อง (Occurrence)
D คือ เกณฑ์ตัดสินใจด้านการตรวจจับข้อบกพร่อง (Detection)
จากนั้นคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S,

O, D) ตามหัวข้อ 3.2.3 โดยรายละเอียดดังต่อไปนี้
1. การคานวณหาค่าขอบเขตสังเคราะห์ฟัซซี่จากค่าเฉลี่ยที่ได้ ตามสมการที่ (3-5)
ถึงสมการที่ (3-8) ได้ดังนี้
S1  (5.420,8.433,12.300)  (0.044,0.063,0.097 ) 1  (0.237,0.530,1.189)

S 2  (2.433,3.530,5.027 )  (0.044,0.063,0.097 ) 1  (0.106,0.222,0.486)
S 3  (2.493,3.935,5.568)  (0.044,0.063,0.097) 1  (0.109,0.248,0.538)
50
2. การคานวณหาระดับของความเป็นไปได้ เมื่อ Si  S j โดยที่ Si  (li , mi , ui )

S j  (l j , m j , u j ) และ i  1,2,..., n j  1,2,...,m และ i  j สามารถหาระดับของความเป็นไป
ได้ตามสมการที่ (3-9) ถึงสมการที่ (3-10) ได้ดังนี้
V (S1  S 2 )  1.000
V ( S1  S 3 )  1.000
(0.237  0.486)
V ( S 2  S1 )   0.447
(0.222  0.486 )  (0.530  0.237 )
(0.109  0.486 )
V (S 2  S 3 )   0.937
(0.222  0.486 )  (0.248  0.109)
(0.237  0.538)
V ( S 3  S1 )   0.516
(0.248  0.538)  (0.530  0.237 )
V ( S 3  S 2 )  1.000
3. การคานวณหาเวกเตอร์ความสาคัญ เมื่อ W '  (w1, w2 ,..., wn )T เป็นเมตริกซ์

การเปรียบเทียบความสาคัญแบบฟัซซี่ ตามสมการที่ (3-11) ถึงสมการที่ (3-13) จะได้ว่า
wS'  MinV (S1  S 2 , S 3 )  Min(1.000,1.000)  1.000

wO'  MinV (S 2  S1 , S 3 )  Min(0.447,0.937)  0.447
wD'  MinV (S 3  S1 , S 2 )  Min(0.516,1.000)  0.516
ดังนั้น W '  (1.000,0.447,0.516) T
และจะได้เวกเตอร์ความสาคัญใหม่ ดังนี้ W  (0.510,0.228,0.263) T
จากการคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S,

O, D) จะได้ว่า
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของปั จ จั ย เสี่ ย งด้ านความรุน แรงของ
ข้อบกพร่อง (Severity: S) เท่ากับ 0.510
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรียบเที ยบของปั จ จั ย เสี่ ย งด้ านโอกาสในการเกิ ด
ข้อบกพร่อง (Occurrence: O) เท่ากับ 0.228
ค่ า น้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของปั จ จั ย เสี่ ย งด้ า นการตรวจจั บ
ข้อบกพร่อง (Detection: D) เท่ากับ 0.263
51
4.3.2 การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง
จากผลประเมินที่แปลงค่ามาเป็นตัวเลขฟัซซี่แบบสามเหลี่ยมและผลการคานวณ
ค่าอัตราความสอดคล้อง (CR) ของผลประเมินอยู่ในเกณฑ์ที่สามารถยอมรับได้ จากนั้นคานวณหาค่า
น้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องภายใต้ปัจจัยเสี่ยง 3 ด้านตามหัวข้อ 3.2.3 โดย
รายละเอียดดังต่อไปนี้
1. การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านความ
รุนแรงของข้อบกพร่อง (Severity: S)
ก. ค่าเฉลี่ยของผลประเมิน จากการคานวณผลการแปลงค่าในแถวแนวตั้งทั้งหมด
บวกรวมกันและหารด้วยจานวนผู้เชี่ยวชาญทั้งหมด จะได้ดังตารางที่ 4.11
ค่าเฉลี่ ยของผลประเมิ น การล าดับ ความสาคัญ ของข้อบกพร่อ งด้านความรุน แรงของข้อบกพร่อ ง

(Severity: S)
Unsmooth Torque NG Axial Assembly NG Appearance Packing NG
Resonance NG NG
Unsmooth (1.000, 1.000, (0.693, 1.000, (0.733, 1.300, (0.767, 1.200, (0.800, 1.200, (0.800, 1.300,
1.000) 2.400) 2.500) 2.500) 2.600) 2.700)
Torque NG (0.587, 1.533, (1.000, 1.000, (0.967, 2.200, (0.967, 1.500, (1.067, 1.300, (0.967, 1.100,
2.400) 1.000) 4.100) 3.400) 3.000) 3.000)
Axial (0.580, 0.900, (0.287, 0.600, (1.000, 1.000, (0.927, 1.067, (0.933, 1.200, (0.933, 1.000,
Resonance NG 1.800) 1.100) 1.000) 2.900) 3.000) 2.800)
Assembly NG (0.553, 0.933, (0.333, 0.833, (0.393, 1.067, (1.000, 1.000, (0.833, 1.100, (0.833, 1.000,
1.700) 1.100) 1.233) 1.000) 2.600) 2.500)
Appearance (0.520, 0.933, (0.360, 0.927, (0.387, 0.933, (0.560, 0.967, (1.000, 1.000, (0.613, 0.900,
1.600) 1.067) 1.200) 1.400) 1.000) 1.900)
Packing NG (0.513, 0.900, (0.360, 0.967, (0.400, 1.000, (0.500, 1.000, (0.700, 1.300, (1.000, 1.000,
1.600) 1.100) 1.200) 1.500) 2.400) 1.000)
52
ข. การคานวณหาค่าขอบเขตสังเคราะห์ฟัซซี่จากค่าเฉลี่ยที่ได้ ตามสมการที่ (3-5)

S1  (4.793,7.000,13.700)  (0.014,0.026,0.039)1  (0.068,0.179,0.530)

S2  (5.553,8.633,16.900)  (0.014,0.026,0.039) 1  (0.079,0.220,0.653)
S3  (4.660,5.767,12.600)  (0.014,0.026,0.039)1  (0.066,0.147,0.487)
S4  (3.947,5.933,10.133)  (0.014,0.026,0.039)1  (0.056,0.152,0.392)
S5  (3.440,5.660,8.167)  (0.014,0.026,0.039)1  (0.049,0.145,0.316)
S6  (3.473,6.167,8.800)  (0.014,0.026,0.039)1  (0.049,0.157,0.340)
ค. การคานวณหาระดับของความเป็นไปได้ เมื่อ Si  S j โดยที่ Si  (li , mi , ui )

(0.079  0.530 )
V ( S1  S 2 )   0.915
(0.179  0.530 )  (0.220  0.079)
V ( S1  S 3 )  1.000
V (S1  S 4 )  1.000
V ( S1  S 5 )  1.000
V ( S1  S 6 )  1.000
V (S 2  S1 )  1.000
V ( S2  S3 )  1.000
V (S2  S4 )  1.000
V ( S 2  S 5 )  1.000
V ( S 2  S 6 )  1.000
(0.068  0.487 )
V (S 3  S1 )   0.930
(0.147  0.487 )  (0.179  0.068)
(0.079  0.487 )
V (S 3  S 2 )   0.848
(0.147  0.487 )  (0.220  0.079)
(0.056  0.487 )
V (S 3  S 4 )   0.990
(0.147  0.487 )  (0.152  0.056)
V ( S 3  S 5 )  1.000
53
(0.049  0.487 )
V (S 3  S 6 )   0.977
(0.147  0.487 )  (0.157  0.049)
(0.068  0.392)
V (S 4  S1 )   0.922
(0.152  0.392)  (0.179  0.068)
(0.079  0.392)
V (S 4  S 2 )   0.819
(0.152  0.392)  (0.220  0.079)
V ( S 4  S 3 )  1.000
V ( S 4  S ¶ )  1.000
(0.049  0.392)
V (S 4  S 6 )   0.983
(0.152  0.392)  (0.157  0.049)
(0.068  0.316)
V (S 5  S1 )   0.879
(0.145  0.316)  (0.179  0.068)
(0.079  0.316)
V (S 5  S2 )   0.757
(0.145  0.316)  (0.220  0.079)
(0.056  0.316)
V (S 5  S4 )   0.974
(0.145  0.316)  (0.152  0.056)
(0.049  0.316)
V (S 5  S6 )   0.954
(0.145  0.316)  (0.157  0.049)
(0.068  0.340)
V (S 6  S1 )   0.927
(0.157  0.340)  (0.179  0.068)
(0.079  0.340)
V (S 6  S2 )   0.806
(0.157  0.340)  (0.220  0.079)
V ( S 6  S 3 )  1.000
V ( S 6  S 4 )  1.000
V ( S 6  S 5 )  1.000
ง. การคานวณหาเวกเตอร์ความสาคัญ เมื่อ W '  (w1, w2 ,..., wn )T เป็นเมตริกซ์

'
wUnsmooth  MinV (S1  S 2 , S 3 , S 4 , S 5 , S 6 )  Min(0.915,1.000,1.000,1.000,1.000)  0.915
'
wTorqueNG  MinV ( S2  S1 , S3 , S4 , S5 , S6 )  Min(1.000,1.000,1.000,1.000,1.000)  1.000
Re sonanceNG  MinV ( S 3  S1 , S 2 , S 4 , S 5 , S 6 )  Min(0.930,0.848,0.990,1.000,0.977 )  0.848
'
wAxial
'
wAssemblyNG  MinV ( S4  S1 , S2 , S3 , S5 , S6 )  Min(0.922,0.819,1.000,1.000,0.983)  0.819
NG  MinV ( S5  S1 , S 2 , S3 , S 4 , S6 )  Min(0.879,0.757 ,0.989,0.974,0.954 )  0.757
'
wAppearance
'
wPackingNG  MinV ( S5  S1 , S2 , S3 , S4 , S5 )  Min(0.927,0.806,1.000,1.000,1.000 )  0.806
54
ดังนั้น W '  (0.915,1.000,0.848,0.819,0.757,0.806) T
และจะได้เวกเตอร์ความสาคัญใหม่ ดังนี้ W  (0.178,0.194,0.165,0.159,0.147,0.157 ) T
จากการคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านความ
รุนแรงของข้อบกพร่อง (Severity: S) จะได้ว่า
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของข้ อ บกพร่อ ง Unsmooth เท่ า กั บ
0.178
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของข้ อ บกพร่อ ง Torque NG เท่ ากั บ
0.194
ค่าน้าหนักความสาคัญ โดยเปรียบเทียบของข้อบกพร่อง Axial Resonance NG
เท่ากับ 0.165
ค่าน้าหนักความสาคัญ โดยเปรียบเทียบของข้อบกพร่อง Assembly NG เท่ากับ
0.159
ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง Appearance NG เท่ากับ
0.147
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรียบเที ย บของข้ อ บกพร่อ ง Packing NG เท่ ากั บ
0.157
2. การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านโอกาส
ในการเกิดข้อบกพร่อง (Occurrence: O)
55
ค่าเฉลี่ยของผลประเมิ น การลาดับ ความสาคัญ ของข้อบกพร่องด้านโอกาสในการเกิดข้อบกพร่อง

(Occurrence: O)
Resonance NG NG
Unsmooth (1.000, 1.000, (0.787, 0.933, (0.787, 1.533, (0.800, 1.000, (0.793, 0.967, (0.800, 1.000,
1.000) 2.400) 3.000) 2.400) 2.400) 2.400)
Torque NG (0.533, 1.200, (1.000, 1.000, (0.967, 1.000, (0.967, 1.100, (0.967, 1.000, (0.967, 2.400,
1.800) 1.000) 2.900) 3.000) 2.900) 4.300)
Axial (0.493, 1.000, (0.367, 1.000, (1.000, 1.000, (0.7200, 1.033, (0.733, 1.100, (0.733, 1.100,
Resonance NG 1.800) 1.100) 1.000) 2.300) 2.300) 2.300)
Assembly NG (0.533, 1.000, (0.360, 0.967, (0.593, 1.167, (1.000, 1.000, (0.633, 1.000, (0.667, 1.300,
1.600) 1.100) 2.000) 1.000) 1.900) 2.300)
Appearance (0.533, 1.100, (0.367, 1.000, (0.593, 0.967, (0.700, 1.000, (1.000, 1.000, (0.660, 1.067,
1.700) 1.100) 1.800) 2.100) 1.000) 2.100)
Packing NG (0.533, 1.000, (0.273, 0.533, (0.593, 0.967, (0.647, 0.900, (0.660, 1.067, (1.000, 1.000,
1.600) 1.100) 1.800) 2.000) 2.100) 1.000)

S1  (4.967,6.433,13.600)  (0.039,0.026,0.014) 1  (0.071,0.168,0.528)

S 2  (5.400,7.700,15.900)  (0.039,0.026,0.014) 1  (0.078,0.201,0.617 )
S 3  (4.047,6.233,10.800)  (0.039,0.026,0.014) 1  (0.058,0.162,0.419)
S 4  (3.787,6.433,9,900)  (0.039,0.026,0.014) 1  (0.054,0.162,0.419)
S 5  (3.853,6.133,9.800)  (0.039,0.026,0.014) 1  (0.055,0.160,0.380)
S 6  (3.707,5.467,9.600)  (0.039,0.026,0.014) 1  (0.053,0.142,0.373)

56
(0.078  0.528)
V ( S1  S 2 )   0.932
(0.168  0.528)  (0.201  0.078)
V ( S1  S 3 )  1.000
V (S1  S 4 )  1.000
V ( S1  S 5 )  1.000
V ( S1  S 6 )  1.000
V (S 2  S1 )  1.000
V ( S2  S3 )  1.000
V (S2  S4 )  1.000
V ( S 2  S 5 )  1.000
V ( S 2  S 6 )  1.000
(0.071  0.419)
V ( S 3  S1 )   0.985
(0.162  0.419)  (0.168  0.071)
(0.078  0.419)
V (S 3  S 2 )   0.899
(0.162  0.419)  (0.201  0.078)
(0.054  0.419)
V (S 3  S 4 )   0.986
(0.162  0.419)  (0.168  0.054)
V ( S 3  S 5 )  1.000
V ( S 3  S 6 )  1.000
V (S 4  S1 )  1.000
(0.078  0.384)
V (S 4  S 2 )   0.903
(0.168  0.384)  (0.201  0.078)
V ( S 4  S 3 )  1.000
V ( S 4  S 5 )  1.000
V ( S 4  S 6 )  1.000
(0.071  0.380)
V ( S 5  S1 )   0.975
(0.160  0.380)  (0.168  0.071)
(0.078  0.380)
V (S 5  S 2 )   0.881
(0.160  0.380)  (0.201  0.078)
(0.058  0.380)
V (S 5  S 3 )   0.992
(0.160  0.380)  (0.162  0.058)
(0.054  0.380)
V (S 5  S 4 )   0.977
(0.160  0.380)  (0.168  0.058)
V ( S 5  S 6 )  1.000
57
(0.071  0.373)
V ( S 6  S1 )   0.923
(0.142  0.373)  (0.168  0.071)
(0.078  0.373)
V (S 6  S2 )   0.835
(0.142  0.373)  (0.201  0.078)
(0.058  0.373)
V (S 6  S3 )   0.940
(0.142  0.373)  (0.162  0.058)
(0.054  0.373)
V (S 6  S4 )   0.927
(0.142  0.373)  (0.168  0.054)
(0.055  0.373)
V (S 6  S5 )   0.948
(0.142  0.373)  (0.160  0.055)

'
'
wTorqueNG  MinV ( S 2  S1 , S 3 , S 4 , S 5 , S 6 )  Min(1.000,1.000,1.000,1.000,1.000 )  1.000
Re sonanceNG  MinV ( S 3  S1 , S 2 , S 4 , S 5 , S 6 )  Min(0.985,0.899,0.986,1.000,1.000)  0.899
'
wAxial
'
w AssemblyNG  MinV ( S 4  S1 , S 2 , S 3 , S 5 , S 6 )  Min(1.000,0.903,1.000,1.000,1.000)  0.903
NG  MinV ( S 5  S1 , S 2 , S 3 , S 4 , S 6 )  Min(0.975,0.881,0.992,0.977 ,1.000 )  0.881
'
w Appearance
'
wPackingNG  MinV ( S 5  S1 , S 2 , S 3 , S 4 , S 5 )  Min(0.923,0.835,0.940,0.927,0.948)  0.835
ดังนั้น W '  (0.932,1.000,0.899,0.903,0.881,0.835) T
และจะได้เวกเตอร์ความสาคัญใหม่ ดังนี้ W  (0.171,0.183,0.165,0.166,0.162,0.153) T
จากการค านวณค่ าน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของข้ อ บกพร่อ งด้ าน
โอกาสในการเกิดข้อบกพร่อง (Occurrence: O) จะได้ว่า
0.171
0.183
0.166
58

0.162
0.153
3. การคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านการ
ตรวจจับข้อบกพร่อง (Detection: D)
ค่ า เฉลี่ ย ของผลประเมิ น การล าดั บ ความส าคั ญ ของข้ อ บกพร่ อ งด้ า นการตรวจจั บ ข้ อ บกพร่ อ ง
(Detection: D)
Resonance NG NG
Unsmooth (1.000, 1.000, (0.680, 1.133, (0.693, 1.167, (0.693, 1.167, (0.667, 1.200, (0.700, 1.100,
1.000) 2.600) 2.267) 2.300) 2.200) 2.200)
Torque NG (0.573, 1.667, (1.000, 1.000, (0.820, 1.333, (0.793, 0.967, (0.767, 1.000, (0.793, 1.167,
2.600) 1.000) 2.900) 2.400) 2.300) 2.600)
Axial (0.620, 1.033, (0.473, 1.067, (1.000, 1.000, (0.933, 1.000, (0.933, 1.000, (0.893, 1.267,
Resonance NG 2.000) 1.700) 1.000) 2.800) 2.800) 3.000)
Assembly NG (0.620, 1.033, (0.533, 1.100, (0.400, 1.000, (1.000, 1.000, (0.720, 1.033, (0.833, 1.100,
2.000) 1.700) 1.200) 1.000) 2.300) 2.200)
Appearance (0.653, 0.933, (0.567, 1.000, (0.400, 1.000, (0.593, 1.167, (1.000, 1.000, (0.600, 1.000,
2.000) 1.700) 1.200) 2.000) 1.000) 1.364)
Packing NG (0.627, 0.967, (0.520, 1.033, (0.413, 1.000, (0.627, 0.967, (0.733, 1.000, (1.000, 1.000,
1.900) 1.667) 1.400) 1.900) 2.200) 1.000)

59
S1  (4.433,6.767,12.567 )  (0.039,0.026,0.014) 1  (0.064,0.175,0.486)

S 2  (4.747,7.133,13.800)  (0.039,0.026,0.014) 1  (0.068,0.185,0.533)
S 3  (4.853,6.367,13.300)  (0.039,0.026,0.014) 1  (0.070,0.165,0.514)
S 4  (4.107,6.267,10,400)  (0.039,0.026,0.014) 1  (0.059,0.162,0.402)
S 5  (3.813,6.100,9.264)  (0.039,0.026,0.014) 1  (0.055,0.158,0.358)
S 6  (3.920,5.967,10.067)  (0.039,0.026,0.014) 1  (0.056,0.155,0.389)

(0.068  0.486 )
V ( S1  S 2 )   0.978
(0.175  0.486 )  (0.185  0.068)
V ( S1  S 3 )  1.000
V (S1  S 4 )  1.000
V ( S1  S 5 )  1.000
V ( S1  S 6 )  1.000
V (S 2  S1 )  1.000
V ( S2  S3 )  1.000
V (S2  S4 )  1.000
V ( S 2  S 5 )  1.000
V ( S 2  S 6 )  1.000
(0.064  0.514 )
V ( S 3  S1 )   0.977
(0.165  0.514 )  (0.175  0.064 )
(0.068  0.514)
V (S 3  S 2 )   0.957
(0.165  0.514 )  (0.185  0.068)
V ( S 3  S 4 )  1.000
V ( S 3  S 5 )  1.000
V ( S 3  S 6 )  1.000
(0.064  0.402 )
V ( S 4  S1 )   0.963
(0.162  0.402 )  (0.175  0.064 )
(0.068  0.402)
V (S 4  S 2 )   0.937
(0.162  0.402)  (0.185  0.068)
60
(0.070  0.402)
V (S 4  S3 )   0.992
(0.162  0.402)  (0.165  0.070)
V ( S 4  S 5 )  1.000
V ( S 4  S 6 )  1.000
(0.064  0.358)
V ( S 5  S1 )   0.945
(0.158  0.358)  (0.175  0.064)
(0.068  0.358)
V (S5  S 2 )   0.915
(0.158  0.358)  (0.185  0.068)
(0.70  0.358)
V (S5  S3 )   0.977
(0.158  0.358)  (0.165  0.070)
(0.059  0.358)
V (S5  S 4 )   0.986
(0.158  0.358)  (0.162  0.059)
V ( S 5  S 6 )  1.000
(0.064  0.389)
V ( S 6  S1 )   0.940
(0.155  0.389)  (0.175  0.064)
(0.068  0.389)
V (S 6  S2 )   0.914
(0.155  0.389)  (0.185  0.068)
(0.070  0.389)
V (S 6  S3 )   0.969
(0.155  0.389)  (0.165  0.070)
(0.059  0.389)
V (S 6  S4 )   0.977
(0.155  0.389)  (0.162  0.059)
(0.055  0.389)
V (S 6  S5 )   0.990
(0.155  0.389)  (0.158  0.055)

'
'
wTorqueNG  MinV ( S 2  S1 , S 3 , S 4 , S 5 , S 6 )  Min(1.000,1.000,1.000,1.000,1.000)  1.000
Re sonanceNG  MinV ( S 3  S1 , S 2 , S 4 , S 5 , S 6 )  Min(0.977,0.957,1.000,1.000,1.000)  0.957
'
wAxial
'
w AssemblyNG  MinV ( S 4  S1 , S 2 , S 3 , S 5 , S 6 )  Min(0.963,0.937 ,0.992,1.000,1.000)  0.937
NG  MinV ( S 5  S 1 , S 2 , S 3 , S 4 , S 6 )  Min(0.945,0.915,0.977 ,0.986,1.000 )  0.915
'
w Appearance
'
wPackingNG  MinV ( S 5  S1 , S 2 , S 3 , S 4 , S 5 )  Min(0.940,0.914,0.969,0.977,0.990)  0.914
ดังนั้น W '  (0.978,1.000,0.957,0.937,0.915,0.914) T
และจะได้เวกเตอร์ความสาคัญใหม่ ดังนี้ W  (0.171,0.175,0.168,0.164,0.161,0.160) T

61
จากการคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องภายใต้
ปัจจัยเสี่ยง 3 ด้าน จะได้ว่า
0.172
0.175
0.164
0.161
0.160
4.4 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยงและข้อบกพร่องโดย FAHP
4.4.1 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
จากการคานวณค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S,
O, D) ตามหัวข้อ 4.3.1 จะได้ค่าน้าหนักความสาคัญโดยเปรียบเทียบดังนี้
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของปั จ จั ย เสี่ ย งด้ านความรุน แรงของ
ข้อบกพร่อง (Severity: S) เท่ากับ 0.510
ค่ าน้ าหนั ก ความส าคั ญ โดยเปรียบเที ยบของปั จ จั ย เสี่ ย งด้ านโอกาสในการเกิ ด
ข้อบกพร่อง (Occurrence: O) เท่ากับ 0.228
ค่ า น้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของปั จ จั ย เสี่ ย งด้ า นการตรวจจั บ
ข้อบกพร่อง (Detection: D) เท่ากับ 0.263
จะเห็ น ได้ ว่ า ผู้ เชี่ ย วชาญให้ ค วามส าคั ญ กั บ ปั จ จั ย เสี่ ย งด้ า นความรุ น แรงของ
ข้ อ บกพร่ อ ง (Severity: S) เป็ น อั น ดั บ แรก และรองลงมา คื อ ด้ า นการตรวจจั บ ข้ อ บกพร่ อ ง
(Detection: D) และโอกาสในการเกิดข้อบกพร่อง (Occurrence: O) ซึ่งสามารถสรุปผลได้ดังตาราง
ที่ 4.14 และภาพที่ 4.1
62
ค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
ปัจจัยเสี่ยง ค่าน้าหนักความสาคัญโดยเปรียบเทียบ
ความรุนแรงของข้อบกพร่อง 0.510
โอกาสในการเกิดข้อบกพร่อง 0.228
การตรวจจับข้อบกพร่อง 0.263
ภาพที่ 4.1 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S, O, D)
4.4.2 ผลค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง
จากการคานวณค่ าน้ าหนักความสาคัญ โดยเปรียบเทียบของข้อบกพร่อง ตาม
หัวข้อ 4.3.2 ซึ่งสามารถสรุปผลได้ดังตารางที่ 4.15
63
ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง
ค่าน้าหนักความสาคัญโดยเปรียบเทียบ
ข้อบกพร่อง ความรุนแรง โอกาสในการเกิด การตรวจจับ
ของข้อบกพร่อง ข้อบกพร่อง ข้อบกพร่อง
Unsmooth 0.178 0.171 0.172
Torque NG 0.194 0.183 0.175
Axial Resonance NG 0.165 0.165 0.168
Assembly NG 0.159 0.166 0.164
Appearance NG 0.147 0.162 0.161
Packing NG 0.157 0.153 0.160
1. ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านความรุนแรงของ
ข้อบกพร่อง (Severity: S)
ผู้ เชี่ยวชาญให้ ความสาคัญ กั บ Torque NG เป็ น อั น ดับ แรก และรองลงมา คื อ
Unsmooth, Axial Resonance NG, Assembly NG, Packing NG และ Appearance NG ตาม
ลาดับ ดังภาพที่ 4.2 ซึ่งมีค่าน้าหนักความสาคัญโดยเปรียบเทียบดังนี้
0.178
0.194
0.159
0.147
0.157
64
ภาพที่ 4.2 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านความรุนแรง

ของข้อบกพร่อง (Severity: S)
2. ค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านโอกาสในการเกิด
ข้อบกพร่อง (Occurrence: O)
ผู้ เชี่ยวชาญให้ ความสาคัญ กั บ Torque NG เป็ น อั น ดับ แรก และรองลงมา คื อ
Unsmooth, Assembly NG, Axial Resonance NG, Appearance NG และ Packing NG ตาม
0.171
0.183
0.166
0.162
0.153
65
ภาพที่ 4.3 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านโอกาสในการ

เกิดข้อบกพร่อง (Occurrence: O)
3. ค่ าน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บของข้ อ บกพร่ อ งด้ านการตรวจจั บ
ข้อบกพร่อง (Detection: D)
ผู้ เชี่ยวชาญให้ ความสาคัญ กั บ Torque NG เป็ น อั น ดั บ แรก และรองลงมา คื อ
Unsmooth, Axial Resonance NG, Assembly NG, Appearance NG และ Packing NG ตาม
0.171
0.175
0.164
0.161
0.160
66
ภาพที่ 4.4 ค่าเฉลี่ย CR และค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่องด้านการตรวจจับ

ข้อบกพร่อง (Detection: D)
4.5 การคานวณหาค่า RPN โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ
จากค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S, O, D) ดังตารางที่

4.14 ได้แก่ S = 0.510, O = 0.228, D = 0.263
และค่าน้าหนักความสาคัญโดยเปรียบเทียบของข้อบกพร่อง ดังตารางที่ 4.15
สามารถค านวณค่ า RPN โดยถ่ วงน้ าหนั ก ความส าคั ญ โดยเปรีย บเที ย บ ดั งสมการที่
(3-14) ได้ดังนี้
RPNUnsmooth  (0.510  0.178)  (0.228  0.171)  (0.263  0.172)  0.175

RPNTorqueNG  (0.510  0.194)  (0.228  0.183)  (0.263  0.175)  0.187
RPNAxial Re sonanceNG  (0.510  0.165)  (0.228  0.165)  (0.263  0.168)  0.166
RPNAssemblyNG  (0.510  0.159)  (0.228  0.166)  (0.263  0.164)  0.162
RPNAppearanceNG  (0.510  0.147)  (0.228  0.162)  (0.263  0.161)  0.154
RPNPackingNG  (0.510  0.157)  (0.228  0.153)  (0.263  0.160)  0.157
67
4.6 ผลค่า RPN โดยถ่วงค่าน้าหนักความสาคัญโดยเปรียบเทียบ
ค่า RPN โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ มีลาดับความสาคัญดังนี้

Torque NG มีลาดับความสาคัญ เป็นอันดับแรก และรองลงมาคือ Unsmooth, Axial
Resonance NG, Assembly NG, Packing NG และ Appearance NG ตามลาดับ ดังตารางที่ 4.16
ค่า RPN โดยถ่วงค่าน้าหนักความสาคัญโดยเปรียบเทียบ

ข้อบกพร่อง ค่า RPN ตาม Fuzzy AHP
Unsmooth 0.175
Torque 0.187
Axial Resonance NG 0.166
Assembly NG 0.162
Appearance NG 0.154
Packing NG 0.157
ค่ า RPN ของผลิ ต ภั ณ ฑ์ ห นึ่ ง ที่ มี ก ารจั ด ท าขึ้ น โดยที ม งานของบริ ษั ท ผู้ ผ ลิ ต ชิ้ น ส่ ว น
อิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา โดยพิจารณาคะแนนของปัจจัยเสี่ยง 3 ด้าน (S, O, D) จากตารางที่
2.1 ถึงตารางที่ 2.3 และคานวณค่า RPN จาก RPN = (S) x (O) x (D) ดังสมการที่ (2-1)
ซึ่งจะได้ลาดับความสาคัญของ ค่า RPN ดังนี้ Appearance NG มีลาดับความสาคัญเป็น
อันดั บแรก และรองลงมา คือ Torque NG, Unsmooth, Axial Resonance NG, Assembly NG,
Packing NG ตามลาดับ ดังตารางที่ 4.17
68
ค่า RPN จาก FMEA ของผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิน้ ส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา

ข้อบกพร่อง ความรุนแรงของ โอกาสในการเกิด การตรวจจับ ค่า RPN
ข้อบกพร่อง ข้อบกพร่อง ข้อบกพร่อง ตาม FMEA
(Severity: S) (Occurrence: O) (Detection: D)
Unsmooth 7 2 5 70
Torque 7 3 4 84
Axial Resonance NG 7 2 4 56
Assembly NG 7 2 4 56
Appearance NG 5 3 6 90
Packing NG 4 2 6 48
เมื่อเปรียบเทียบลาดับความสาคัญของข้อบกพร่องจากค่า RPN ตาม FMEA ดังตารางที่

4.17 กับค่า RPN โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบจาก FAHP ดังตารางที่ 4.16 และอัตรา
ของเสีย ดังภาพที่ 2.1 จะเห็นได้ว่า ลาดับความสาคัญ ของข้อบกพร่องจากค่า RPN ตาม FMEA มี
ความแตกต่างจากลาดับความสาคัญของข้อบกพร่องจากค่า RPN โดยถ่วงน้าหนักความสาคัญโดย
เปรียบเทียบจาก FAHP และอัตราของเสีย
เมื่อพิจารณาลาดับความสาคัญ ของข้ อบกพร่องจะเห็นได้ว่า ค่า RPN ตาม FMEA ไม่
สามารถคัดเลือกข้อบกพร่องได้อย่างเหมาะสม อัตราของเสียอันดับแรกที่เกิดขึ้น แตกต่างจากลาดับ
ความสาคัญแรกของค่า RPN ตาม FMEA แต่ค่า RPN โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบ
จาก FAHP สามารถคัดเลือกข้อบกพร่องที่เหมาะสมได้สอดคล้องกับอัตราของเสียที่เกิดขึ้น ดังตารางที่
4.18
69
การเปรียบเทียบลาดับความสาคัญของข้อบกพร่อง
ข้อบกพร่อง ค่า RPN ลาดับความสาคัญ ค่า RPN ลาดับความสาคัญ อัตราของเสีย
ตาม FMEA ตาม FMEA ตาม FAHP ตาม FAHP
Unsmooth 70 3 0.175 2 2
Torque 84 2 0.187 1 1
Axial Resonance NG 56 4 0.166 3 3
Assembly NG 56 4 0.162 4 4
Appearance NG 90 1 0.154 6 6
Packing NG 48 5 0.157 5 5
70
บทที่ 5
สรุปผลการวิจัยและข้อเสนอแนะ
5.1 สรุปผลการวิจัย
จากผลการประเมิ น ค่ า น้ าหนั ก ความส าคั ญ โดยเปรี ย บเที ย บของปั จ จั ย เสี่ ย งและ

ข้อบกพร่องด้วยโดยใช้กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytic Hierarchy
Process: FAHP จะเห็นได้ว่า
เกณฑ์ตัดสินใจซึ่งได้แก่ ปัจจัยเสี่ยง 3 ด้านที่ใช้ในการวิเคราะห์ลักษณะข้อบกพร่องและ
ผลกระทบ (Failure Mode and Effect Analysis: FMEA) ได้ แ ก่ ความรุ น แรงของข้ อ บกพร่ อ ง
(Severity: S) โอกาสในการเกิ ด ข้ อ บกพร่ อ ง (Occurrence: O) และการตรวจจั บ ข้ อ พร่ อ ง
(Detection: D) นั้น ไม่ ได้ พิ จารณาค่าน้าหนั กความสาคัญ โดยเปรียบเที ยบของปัจจัยเสี่ยง 3 ด้าน
(S, O, D) ซึ่งนาเสนอด้วยค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S, O, D) ที่
เท่ากันทั้งสามปัจจัย จากผลการประเมิน และวิเคราะห์ค่าน้าหนักความสาคัญโดยเปรียบเทียบของ
ปั จ จั ย เสี่ ย ง 3 ด้ า น (S, O, D) โดยใช้ FAHP พบว่ า ปั จ จั ย เสี่ ย ง 3 ด้ า น (S, O, D) มี ค่ า น้ าหนั ก
ความสาคัญโดยเปรียบเทียบแตกต่างกัน
ค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (S, O, D) ของผลิตภัณฑ์
หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา ปัจจัยเสี่ยงที่มีลาดับความสาคัญมาก
ที่สุดได้แก่ ความรุนแรงของข้อบกพร่อง (Severity: S) ค่าน้าหนักความสาคัญโดยเปรียบเทียบเท่ากับ
0.510 รองลงมาคือ การตรวจจับข้อบกพร่อง (Detection: D) ค่าน้าหนักความสาคัญโดยเปรียบเทียบ
เท่ า กั บ 0.263 และโอกาสในการเกิ ด ข้ อ บกพร่อ ง (Occurrence: O) ค่ าน้ าหนั ก ความส าคั ญ โดย
เปรี ย บเที ย บเท่ า กั บ 0.228 ซึ่ ง ล าดั บ ความส าคั ญ นี้ แ สดงให้ เห็ น ว่ า ค่ า น้ าหนั ก ความส าคั ญ โดย
เปรียบเทียบของปัจจัยเสี่ยงมีค่าแตกต่างกัน โดยที่ค่าน้าหนักความสาคัญโดยเปรียบเทียบและลาดับ
ความสาคัญของปัจจัยเสี่ยงขึ้นอยู่กับประเภทของผลิตภัณฑ์และอุตสาหกรรมนั้นๆ ด้วย
จากล าดับ ความส าคัญ ของข้อ บกพร่องที่ ได้ จาก FMEA และ FMEA โดยถ่วงน้ าหนั ก
ความสาคัญโดยเปรียบเทียบจาก FAHP นั้นมีความแตกต่างกัน ส่งผลต่อการลาดับความสาคัญ ของ
ข้อบกพร่องและการคัดเลือกข้อบกพร่องเพื่อนาข้อบกพร่องที่มีความสาคัญมากที่สุด มาดาเนินการ
แก้ไขนั้นย่อมแตกต่างกันด้วยเช่นกัน
จากผลประเมิ น คะแนนของที ม งานของบริษั ท ผู้ ผ ลิ ต ชิ้ น ส่ วนอิ เล็ ก ทรอนิ ก ส์ ที่ ใช้ เป็ น
กรณี ศึ ก ษานี้ พ บว่ า ข้ อ บกพร่ อ งที่ มี ล าดั บ ความส าคั ญ มากที่ สุ ด จากค่ า RPN ตาม FMEA ได้ แ ก่
71
Appearance NG รองลงมา คือ Torque NG, Unsmooth, Axial Resonance NG, Assembly NG
และ Packing NG ตามลาดับ ข้อบกพร่อง Appearance NG มีค่า RPN เท่ากับ 90 ซึ่งเป็นลาดับแรก
จึงเป็นข้อบกพร่องที่ควรได้รับการแก้ไข แต่ค่า RPN ที่ได้นั้นน้อยกว่าเกณฑ์ที่จะคัดเลือกข้อบกพร่อง
มาดาเนินการแก้ไข (เกณฑ์ของการคัดเลือกข้อบกพร่องที่จะนามาดาเนินการแก้ไข ค่า RPN ต้องมีค่า
มากกว่ า 100) ดั ง นั้ น ทางบริ ษั ท บริ ษั ท ผู้ ผ ลิ ต ชิ้ น ส่ ว นอิ เล็ ก ทรอนิ ค ส์ ที่ ใช้ เป็ น กรณี ศึ ก ษาจึ ง ไม่ ได้
ดาเนินการแก้ไขกระบวนการผลิตของผลิตภัณฑ์นี้
แต่ค่า RPN ตาม FMEA โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบจาก FAHP พบว่า
ข้ อ บกพร่อ งที่ มี ล าดั บ ความส าคั ญ มากที่ สุ ด ได้ แ ก่ Torque NG รองลงมา คื อ Unsmooth, Axial
Resonance NG, Assembly NG, Packing NG และ Appearance NG ตามล าดั บ Torque NG
เป็นข้อบกพร่องที่ควรได้รับการแก้ไขเป็นลาดับแรก ซึ่งจะเห็นได้ว่าลาดับความสาคัญของข้อบกพร่อง
จาก FMEA กับ FMEA โดยถ่วงน้าหนักความสาคัญโดยเปรียบเทียบจาก FAHP นั้นมีความแตกต่าง
กัน
5.2 ข้อเสนอแนะ
งานวิ จั ย นี้ เ ป็ น การศึ ก ษาการล าดั บ ความส าคั ญ และคั ด เลื อ กข้ อ บกพร่ อ งของ
กระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา เพื่อให้เกิด
ความรู้ความเข้าใจพื้นฐานสาหรับความสาคัญของค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัย
เสี่ยง 3 ด้านได้แก่ ความรุนแรงของข้อบกพร่อง (Severity: S) โอกาสในการเกิด (Occurrence: O)
และการตรวจจับ (Detection: D) ที่ใช้ในการวิเคราะห์ลักษณะข้อบกพร่องและผลกระทบ (Failure
Mode and Effects Analysis: FMEA) และจัดลาดับความสาคัญ ของข้อบกพร่องจาก FMEA ถ่วง
น้าหนักความสาคัญโดยเปรียบเทียบ (ค่า RPN ที่พิจารณาค่าน้าหนักความสาคัญโดยเปรียเทียบ) โดย
ใช้กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytic Hierarchy Process: FAHP
โดยการศึกษาเพิ่มเติมในครั้งต่อไปนั้นสามารถประยุกต์ใช้กับผลิตภัณ ฑ์หมวดอื่นๆ
รวมถึงเพิ่มเติมเกณฑ์ตัดสินใจในมิติอื่นๆ ที่มากกว่า 3 ด้านจากปัจจัยเสี่ยงจากการวิเคราะห์ลักษณะ
ข้ อ บกพ ร่ อ งและผลกระท บ (Failure Mode and Effects Analysis: FMEA) อาทิ เช่ น ด้ า น
สิ่งแวดล้อม เพื่อเพิ่มประสิทธิภาพและประสิทธิผลของกระบวนการผลิตให้มากยิ่งขึ้น
72
รายการอ้างอิง
หนังสือและบทความในหนังสือ
กิติศักดิ์ พลอยพานิชเจริญ . (2551). การวิเคราะห์อาการขัดข้องและผลกระทบ (Failure Mode

and Effect Analysis). กรุงเทพฯ : ส านั ก พิ ม พ์ สมาคมส่ งเสริม เทคโนโลยี (ไทย-ญี่ ปุ่ น ),
พิมพ์ครั้งที่ 1
Automative Industry Action Group (AIAG). Failure Mode and Effect Analysis (FMEA). 4th
printing. Michigan. USA. 2011.
บทความวารสาร
สมภพ ตลับแก้ว.(2550). การประยุกต์ใช้วิธีการ FMEA เพื่อการปรับปรุงความพึงพอใจของลูกค้า.

Abdelgawad, M. and Fayek, A. R. (2010). Risk Management in the Construction
Industry Using Combined Fuzzy FMEA and Fuzzy AHP. Journal of construction
Engineering and management. September, pp.1028-1036.
Braglia, M., Frosolimi, M. and Montanari, R. (2003). Fuzzy TOPSIS Approach for Failure
Mode, Effect and Criticality Analysis. Quality and Reliability Engineering
International. Vol.19 pp.425-443.
Carmignani, G. (2009). An integrated structural framework to cost-based FMECA: The
priority-cost FMECA. Reliability Engineering and System Safety. Vol.94, No.4,
April, pp.861-871
Chang, C.-W., Wu, C.-R. and Chen, H.-C. (2008). Using expert technology to select
unstable slicing machine to control wafer slicing quality via fuzzy AHP. Expert
Systems with Application. Vol.34, pp.2210-2220.
Celik, M., Er, I. D. and Ozok, A. F. (2009). Application of fuzzy extended AHP
methodology on shipping registry selection: The case of Turkish maritime
industry. Expert Systems with Application. Vol.36, No.1, January, pp.190-198.
73
Chang, D.-Y. (1996). Applications of the extent analysis method on fuzzy AHP.
European Journal of Operational Research. Vol.95, No.3, December, pp.649-
655.
Chin, K.-S., Chan, A. and Yang, J.-B. (2008). Development of a fuzzy FMEA based
product design system. International journal of Advanced Manufacturing
Technology. Vol.36, pp.633-649.
Chin, K.-S., Wang, Y. M., Poon, G. K. K. and Wang, J.-B. (2009). Failure model and
effects analysis using a group-based evidential reasoning approach.
Computers & Operations Research. Vol.36, No.6, June, pp.1768-1779.
Chiou, H.-K., Tzeng, G.-H. and Cheng, D.-C. (2005). Evaluating sustainable fishing
development strategies using fuzzy MCDM approach. OMEGA The
International Journal of Management. Science. Vol.33, pp.223-234.
Hu, A. H., Hsu, C.-W., Kuo, T.-C and Wu, W.-C. (2009). Risk evaluation of green
components to hazardous substance using FMEA and FAHP. Expert Systems
with Applications. Vol.36, No.3, April, pp.7142-7147.
Huang, C.-C., Chu, P.-Y. and Chiang, Y.-H. (2008). A fuzzy AHP application in
government-sponsored R&D project selection. Omega. Vol.36, No.6,
December, pp.1038-1052.
Kahraman, C., Cebeci, U. and Ulukan, Z. (2003). Multi-criteria supplier selection using
fuzzy AHP. Logistics Information Management. Vol.16, No.6, pp.382-394.
Kuo, R. J., Chi, S. C. and Kao, S. S. (2002). A decision support system for selecting
convenience store location through integration of fuzzy AHP and artificial
neural network. Computers in Industry. Vol.47, No.2, February, pp.199-214.
Kutlu, A. C. and Ekmecioglu, M. (2012). Fuzzy failure modes and effects analysis by
using fuzzy TOPSIS-based fuzzy AHP. Expert Systems with Applications. Vol.39,
No.1, January, pp.61-67.
Liu, H.-C., Liu, L., Bian, Q.-H., Lin, Q.-L., Dong, N. and Xu, P.-C. (2011). Failure mode
and effects analysis using fuzzy evidential reasoning approach and grey
theory. Expert Systems with Applications. Vol.38, pp.4403-4415.
74
Puente, J., Pino, R. Priore, P. and Fuente, D. (2002). A decision support system for
applying failure mode and effects analysis. International Journal of Quality &
Reliability Management. Vol.19, No.2, pp.137-150.
Saaty, T. L. (1980). The analytic hierarchy process. New York: McGraw-Hill.
Saaty, T. L. (1994). How to make a decision the analytic hierarchy process. Interfaces.
Vol. 24, No.6, November-December, pp.19-43.
Sankar, N.R. and Prabhu, B. S. (2001). Modified approach for prioritization of failures in
a system failure mode and effect analysis. International Journal of Quality &
reliability Management. Vol.18, No.3, pp.324-335.
Seyed-Hosseini, S. M., Safaei, N. and Asgharpour, M. J. (2006). Reprioritization of
failures in a system failure mode and effects analysis by decision making trial
and evaluation laboratory technique. Reliability Engineering and System
Safety. Vol.91, pp.872-881.
Sharma, R. K., Kumar, D. and Kumar, P. (2005). Systematic failure mode effect analysis
(FMEA) using fuzzy linguistic modeling. International Journal of Quality &
Reliability Management. Vol.22, No.9, pp.986-1004.
Tay, K. M. and Lim, C. P. (2006). Fuzzy FMEA with a guided rules reduction system for
prioritization of failures. International Journal of Quality & Reliability
Management. Vol.23, No.8, pp.1047-1066.
Wang, Y.-M., Chin, K.-S., Poon, G. K. K. and Yang, J.-B. (2009). Risk evaluation in failure
mode and effects analysis using fuzzy weighted geometric mean. Expert
Systems with Applications. Vol.36, No.2, March, pp.1195-1207.
Yang, Z., Bonsall, S., and Wang, J. (2008). Fuzzy Rule-Based Bayesian Reasoning
Approach for Prioritization of Failure in FMEA. IEEE Transactions on Reliability.
Vol.57, No.3, September. pp. 517-528.
Zammori, F. and Gabbrielli, R. (2012). ANP/RPN: A Multi Criteria Evaluation of the Risk
Priority Number. Quality and Reliability Engineering International. Vol.28,
pp.85-104.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control. Vol.8, pp.338-353.
75
วิทยานิพนธ์
สันติ นุ่มนวล และ วรพจน์ อังกสิทธิ์. (2552). การพัฒนาเครื่องมือช่วยสนับสนุนการตัดสินใจเพื่อ

รองรับการเปลี่ยนแปลงของเทคโนโลยี กรณีศึกษา : เครื่องคอมพิวเตอร์สาหรับเซิร์ฟเวอร์ .
การประชุมวิชาการระดับชาติมหาวิทยาลัยศรีปทุม. หน้า 3
อนุรักษ์ สว่างวงค์, เสริมเกียรติ จอมจันทร์ยอง, อภิชาต โสภาแดง และ ปุ่น เที่ยวบูรณธรรม. (2551).
การประยุกต์ใช้กระบวนการตัดสินใจหลายหลักเกณฑ์แบบฟัซซี่ในการคัดเลือกพื้นที่จัดตั้ง
ของสถานีขนส่งผู้โดยสารจังหวัดเชียงใหม่แห่งที่ 3. การประชุมเชิงวิชาการประจาปีด้านการ
จัดการโซ่อุปทานและโลจิสติกส์ ครั้งที่ 8
อรุณี เอี่ยมปรีชา. (2553). การวิเคราะห์ปัจจัยแห่งความสาเร็จในการพัฒนาผู้ผลิตชิ้นส่วน: กรณีศึกษา
ผู้ผลิตฮาร์ดิสไดร์ฟในประเทศไทย. (วิทยานิพนธ์ปริญญามหาบัณฑิต)
มหาวิทยาลัยธรรมศาสตร์ คณะวิศวกรรมศาสตร์
ภาคผนวก
77
ภาคผนวก ก
แบบสอบถาม
แบบสอบถามนี้จัดทาขึ้นเพื่อสั มภาษณ์ผู้เชี่ยวชาญที่เกี่ยวข้องกับข้อบกพร่องที่เกิดขึ้นกับผลิตภัณฑ์
ของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็นกรณีศึกษา และนาข้อมูลที่ได้ไปใช้ในงานวิจัย
เรื่อง การจัดลาดับความสาคัญข้อบกพร่องด้วยกระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่
การประเมินข้อมูล กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่
วัตถุประสงค์
1.เพื่อประเมินค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้านได้แก่
ความรุนแรงของข้อบกพร่อง (Severity: S) โอกาสในการเกิด (Occurrence: O) และการตรวจจับ
(Detection: D) ที่ ใ ช้ ใ นการวิ เคราะห์ ลั ก ษณะข้ อ บกพร่ อ งและผลกระทบ (Failure Mode and
Effect Analysis: FMEA)
2.เพื่อจัดลาดับความสาคัญของข้อบกพร่องจาก FMEA ถ่วงน้าหนักความสาคัญ
โดยเปรียบเทียบ (ค่า RPN ที่พิจารณาค่าน้าหนักความสาคัญโดยเปรียเทียบ) โดยใช้กระบวนการการ
ลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytic Hierarchy Process: Fuzzy AHP)
แบบสอบถามแบ่งเป็น 2 ส่วนคือ
ส่วนที่ 1 ข้อมูลพื้นฐานของผู้ประเมินแบบสอบถาม
ส่วนที่ 2 ตารางการประเมิน ลาดับความสาคัญ โดยเปรียบเทียบและคาอธิบายการประเมินลาดับ
ความสาคัญ
78
ส่วนที่ 1 ข้อมูลพื้นฐานของผู้ตอบแบบสอบถาม
หน่วยงานที่สังกัด คือ …………………………………….......
ประสบการณ์ทางาน คือ...............………..............….... ปี
ส่วนที่ 2 ตารางการประเมินลาดับความสาคัญโดยวิธกี ารเปรียบเทียบเชิงคู่
ตัวอย่าง การประเมินลาดับความสาคัญโดยเปรียบเทียบของปัจจัยเสีย่ ง
√
√
√
ความหมาย 1 : ผู้ประเมินมีความเห็นว่า ปัจจัยเสี่ยง ด้านความรุนแรงของข้อบกพร่อง มี

ความสาคัญมากกว่าเกณฑ์ด้านโอกาสในการเกิดข้อบกพร่อง มาก
ความหมาย 2 : ผู้ประเมินมีความเห็นว่าปัจจัยเสี่ยง ด้านความรุนแรงของข้อบกพร่อง มี
ความสาคัญมากกว่าเกณฑ์ด้านการตรวจจับข้อบกพร่อง ปานกลาง
ความหมาย 3 : ผู้ประเมินมีความเห็นว่า ปัจจัยเสี่ยง ด้านการตรวจจับข้อบกพร่อง มี
ความสาคัญมากกว่าเกณฑ์ด้านโอกาสในการเกิดข้อบกพร่อง ปานกลาง
79
1. การประเมินลาดับความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง
√
√
√
80
2.1 การประเมิน ล าดับ ความส าคั ญ โดยเปรียบเทียบของข้อบกพร่องในด้านความรุน แรงของ

ข้อบกพร่อง (Severity: S)
ข้อบกพร่อง ข้อบกพร่อง
Unsmooth Torque NG
Unsmooth Axial Resonance NG
Unsmooth Assembly NG
Unsmooth Appearance NG
Unsmooth Packing NG
Torque NG Axial Resonance NG
Torque NG Assembly NG
Torque NG Appearance NG
Torque NG Packing NG
Axial Resonance NG Assembly NG
Axial Resonance NG Appearance NG
Axial Resonance NG Packing NG
Assembly NG Appearance NG
Assembly NG Packing NG
Appearance NG Packing NG
81
2.2. การประเมิน ลาดับ ความสาคัญ โดยเปรียบเทียบของข้อบกพร่องในด้านโอกาสในการเกิด

ข้อบกพร่อง (Occurrence: O)
Unsmooth Torque NG
Unsmooth Packing NG
82
2.3 การประเมินลาดับความสาคัญโดยเปรียบเทียบของข้อบกพร่องในด้านตรวจจับข้อบกพร่อง
(Detect: D)
Unsmooth Torque NG
Unsmooth Packing NG
83
ภาคนวก ข
บทความวิชาการ
1. การจัด ล าดั บ ความส าคั ญ ข้ อ บกพร่อ งด้ วยกระบวนการการล าดั บ ชั้น เชิ งวิเคราะห์ แ บบฟั ซ ซี่ :
กรณี ศึกษากระบวนการผลิตชิ้นส่วนอิเล็กทรอนิคส์ (Prioritization of Failure Modes by Using
Fuzzy Analytic Hierarchy Process (FAHP): A Case Study Electronics Parts/Components
Manufacturing Process) วารสารวิ ช การพระจอมเกล้ าพระนครเหนื อ ปี ที่ 26 ฉบั บ ที่ 3 เดื อ น
กันยายน - ธันวาคม 2558
95
ประวัติผู้เขียน
ชือ่ นางสาวขวัญใจ อินหันต์

วันเดือนปีเกิด 11 เมษายน พ.ศ. 2528
ตาแหน่ง Quality Assurance NMB Minebea Thai Co. Ltd.
ทุนการศึกษา (ถ้ามี) -
ผลงานทางวิชาการ
“การจั ด ล าดั บ ความส าคั ญ ข้ อ บกพร่ อ งด้ ว ยกระบวนการการล าดั บ ชั้ น เชิ ง วิ เคราะห์ แ บบฟั ซ ซี่
กรณีศึกษากระบวนการผลิตชิ้นส่วนอิเล็กทรอนิกส์ ” จัดพิมพ์ลงวารสารวิชาการพระจอมเกล้าพระ
นครเหนือ ปีที่ 26 ฉบับที่ 3 เดือนกันยายน – ธันวาคม 2559
ประสบการณ์ทางาน พ.ศ. 2550 ถึง ปัจจุบัน: Quality Assurance NMB

Minebea Thai Co. Ltd.

การจัดล าดับความส าคัญข้อบกพร่องด้วยกระบวนการการล าดับชั้นเชิง

Uploaded by

Copyright:

Available Formats

You might also like

การจัดล าดับความส าคัญข้อบกพร่องด้วยกระบวนการการล าดับชั้นเชิง

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

การจัดล าดับความส าคัญข้อบกพร่องด้วยกระบวนการการล าดับชั้นเชิง

Uploaded by

Copyright:

Available Formats

การจัดลาดับความสาคัญข้อบกพร่องด้วยกระบวนการการลาดับชั้นเชิง

MISS KHUANCHAI INHUN

A THESIS SUBMITTED IN PARTIAL FULFILLMENT OF THE REQUIREMENTS

คาสาคัญ: ฟัซซี,่ กระบวนการการลาดับชั้นเชิงวิเคราะห์, การวิเคราะห์ลักษณะข้อบกพร่องและ

Thesis Title PRIORITIZATION OF FAILURE MODES BY USING

วิทยานิพนธ์ฉบับนี้ได้รับความอนุเคราะห์อย่างดียิ่งจาก รองศาสตราจารย์ ดร. ตรีทศ

4.7 ค่าอัตราความสอดคล้อง (CR) ของข้อบกพร่องด้านความรุนแรงของข้อบกพร่อง 47

แต่อย่างไรก็ตาม FMEA และค่า RPN มีข้อบกพร่องบางอย่างเช่น FMEA ไม่ได้พิจารณา

ภาพที่ 1.1 FMEA กระบวนการผลิตผลิตภัณฑ์หนึ่งของบริษัทผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ที่ใช้เป็น

ภาพที่ 1.2 อัตราของเสีย

1.2.1 เพื่อประเมินค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน ได้แก่

1.3.1 ปัจจัยเสี่ยงที่นามาศึกษามีเพียง 3 ด้านเท่านั้น ได้แก่ ความรุนแรงของข้อบกพร่อง

1.4.1 ศึ ก ษาบทความทางวิช าการที่ ถู ก ตี พิ ม พ์ อ ยู่ บ นฐานข้ อ มู ล สากล เพื่ อ พิ จ ารณา

1. ศึ ก ษาบทความทางวิ ช าการที่ ถู ก ตี พิ ม พ์ อ ยู่ บ น

1.6.1 ได้รับค่าน้าหนักความสาคัญโดยเปรียบเทียบของปัจจัยเสี่ยง 3 ด้าน (ความรุนแรง

2.1.1 ของเสีย (Waste)

2.1.2 ความเสียหาย (Failure)

2.1.3 คุณลักษณะของข้อบกพร่อง (Failure Mode)

Packing NG ผลิ ต ภั ณ ฑ์ มี อ าการผิ ด ปกติ ส ามารถตรวจจั บ ได้ จ ากการสั งเกตด้ ว ย

2.1.4 ผลกระทบจากความเสียหาย (Effect)

ฮาร์ดดิสก์ไดร์ฟ ดังภาพที่ 2.1 ใช้สาหรับเก็บข้อมูลขนาดใหญ่ ที่มีความจุสูงหน่วยเมกะ

2.2.1 แผงวงจรฮาร์ดดิสก์ไดร์ฟ (Hard Disk Drive Controller Circuit)

2.2.2 จานแม่เหล็ก (Platter)

2.2.3 สปินเดิล มอเตอร์ (Spindle Motor)

2.2.4 แขนของหัวอ่าน-เขียน (Actuator)

2.2.5 หัว (Head)

2.2.6 ไพวอต (Pivot)

ภาพที่ 2.1 ส่วนประกอบของฮาร์ดดิสก์ไดร์ฟ

กระบวนการผลิ ต ไพวอต เริ่ ม ตั้ ง แต่ ก ารรั บ วั ต ถุ ดิ บ เข้ า มาในกระบวนการผลิ ต

- วัตถุดิบรองที่ เป็ นส่วนประกอบหลัก คือ กาวที่ใช้ประกอบกับวัตถุดิบหลัก

ไพวอต (Pivot) แกนหมุน (Shaft) ปลอกหุ้ม (Sleeve) ตลับลูกปืน (Bearing)

ภาพที่ 2.2 ส่วนประกอบของไพวอต

2. กระบวนการล้างชิ้นงาน (Washing Process)

7. กระบวนการบรรจุผลิตภัณฑ์ลงในถุงพลาสติก (Packing Seal Process)

2.3 การวิเคราะห์ข้อบกพร่องและผลกระทบ (Failure mode and effects analysis: FMEA)

หลั ก การของการวิเคราะห์ ข้ อ บกพร่อ งและผลกระทบ (FMEA) ได้ ถู ก พั ฒ นาขึ้ น โดย

FMEA มุ่งเน้นการชี้ให้เห็นถึงคุณลักษณะของข้อบกพร่อง (Failure Mode) หรือสาเหตุที่

เริ่ ม จาก ก ารระบุ ห น้ าที่ ของก ระบ วน การห รื อ ข้ อ ก าห น ด (Process

ผลกระทบ ความรุนแรงของผลกระทบ ความรุนแรงของผลกระทบ คะแนน

9. ระบุการควบคุมกระบวนการในปัจจุบัน (Current Process Control)

ข้อบกพร่องที่อาจจะเกิดขึ้นในกระบวนการได้ ในการประมาณระดับการตรวจจับ ข้อบกพร่องกาหนด

RPN = (S) x (O) x (D) (2-1)

ค่ า RPN ซึ่ ง มี ค่ า ระหว่ า ง 1 ถึ ง 1,000 ค่ า RPN ในแต่ ล ะสาเหตุ ข องข้ อ

ลักษณะการ เกณฑ์ ประเภทการตรวจจับ ขอบเขตวิธีการตรวจจับ คะแนน

2.4 กระบวนการการลาดับชั้นเชิงวิเคราะห์ (Analytic Hierarchy Process: AHP)

การแก้ปัญหาการตัดสินใจแบบหลายหลักเกณฑ์ตัดสินใจ (Multiple Criteria Decision

ภาพที่ 2.3 แผนภูมิโครงการสร้างลาดับชั้น

2.4.3 การหาลาดับความสาคัญ (Prioritization)

เมทริกซ์ที่ใช้ในการเปรียบเทียบเกณฑ์ตัดสินใจเป็นคู่ (Pairwise Comparisons)

2.4.4 การวิเคราะห์อัตราความสอดคล้อง (Consistency Ratio: CR)

ถ้ า ตารางเมทริ ก ซ์ มี ค วามสอดคล้ อ งกั น ของเหตุ ผ ลสมบู ร ณ์ 100% max =

ขั้นตอนที่ 3 หาค่าดัชนีความสอดคล้องเชิงสุ่ม (Random index: RI)

ค่าดัชนีความสอดคล้องเชิงสุ่ม (Random Index: RI)

ขั้นตอนที่ 4 คานวณหาค่าอัตราความสอดคล้อง (Consistency Ratio: CR) จาก

ความสอดคล้องที่ยอมรับได้ แสดงว่าข้อมูลไม่มีความสอดคล้องกันภายในตารางเมตริกซ์ หรือผลของ

2.5 กระบวนการการลาดับชั้นเชิงวิเคราะห์แบบฟัซซี่ (Fuzzy Analytical Hierarchy Process:

FAHP เป็นการประยุกต์รวม Fuzzy Set กับ AHP เข้าด้วยกัน เพื่อแก้ไขข้อบกพร่อง

โดย (l, m, u) มีกฎการบวกและการคูณกัน (กฎพื้นฐานของตัวเลขฟัซซี่แบบสามเหลี่ยม)

( j  1,2,..., m) และ i  j และ (l , m , u )  (1,1,1) สาหรับ i  j