Core Tools

for IATF 16949

Core tools In IATF 16949

APQP  Advanced Product Quality Planning & Control plan

(2nd Edition)
PPAP  Production Part Approval Process (4th Edition)
FMEA  Failure Mode and Effect Analysis (1st Edition)
SPC  Statistical Process Control (2nd Edition)
MSA  Measurement System Analysis (4th Edition)

1
 Statistical Process Control (SPC)

การควบคุมกระบวนการเชิงสถิติ

Control Chart
• คือ แผนภูมิหรือแผ่นกราฟที่เขียนขึ้นล่วงหน้า โดยอาศัยข้อมูลจากข้อกาหนด
ทางเทคนิค (Specification) ที่ระบุคุณสมบัติทางคุณภาพข้อใดข้อหนึ่งของ
ชิ้นงานที่ทาการผลิตและต้องการจะควบคุมนั้น เพื่อใช้เป็นแนวทางในการติดตาม
ผลการผลิตจากกระบวนการผลิตขั้นตอนใดขั้นตอนหนึ่ง
• Variable Data (Continuous) => ตัวแปรที่แสดงเป็นตัวเลข เช่น ความ
หนา 3 mm., อุณหภูมิ 32 องศา, น้าหนัก 4 kg
• Attribute Data (Discrete) => ข้อมูลด้านคุณลักษณะ เช่น สีผิดเพี้ยน,
ชิ้นงานไม่เต็ม (กระบวนการฉีด), ผิวไม่เรียบ

2
 สาเหตุของความผันแปร
• สาเหตุธรรมชาติ (common cause) : เป็นกลุ่มสาเหตุของความผันแปรที่ไม่มี
ความรุนแรงและไม่มีผลต่อคุณภาพของสินค้าที่ผลิตได้ เกิดจากความผันแปร
หรือความแตกต่างเล็กๆ น้อยๆ ของวัตถุดิบ และปัจจัยการผลิตต่างๆ เพียงแต่
ว่าความแตกต่างเหล่านั้นอยู่ในพิกัดที่ข้อกาหนดทางเทคนิคได้อนุญาตเอาไว้แล้ว
ในค่า พิกัดความเผื่อ (Tolerance)
• เช่น ความเมื่อยล้าของพนักงาน, ความแม่นยาของเครื่องจักรที่แตกต่างกัน ,
ความแตกต่างของวัตถุดิบ (แต่อยู่ใน spec), ขั้นตอนการทางานของพนักงานแต่
ละคน

สาเหตุของความผันแปร

• สาเหตุผิดพลาด (special cause) : เป็นกลุ่มสาเหตุของความผันแปรที่เกิดจาก

ความผิดพลาด ความผิดปกติ ความชารุด ความไม่ได้เกณฑ์ ฯลฯ ของปัจจัยการ
ผลิตต่างๆ ที่ส่งผลกระทบต่อคุณภาพของผลิตภัณฑ์และไม่ใช่เป็นปกติวิสัย หรือ
ธรรมชาติของการผลิตในเรื่องนั้นๆ จาเป็นต้องได้รับการกาจัดหรือแก้ไขจึงจะทา
ให้คุณภาพของการผลิตกลับเข้าสู่ภาวะปกติอีกครั้งได้
• เช่น เครื่องจักชารุด อุปกรณ์จับยึดไม่แน่น , ตั้ง parameter ผิดพลาด, วัตถุดิบ
ผิดปกติ, พนักงานทางานผิดขั้นตอน

3
 สาเหตุของความผันแปร
ก่อนสร้างแผนภูมิควบคุม เราจาเป็นต้องทราบขนาดของความผันแปร
(Variation) ที่เป็นสาเหตุที่เป็นปกติวิสัยของกระบวนการผลิตนั้นก่อน
• แม้ว่าแผนภูมิควบคุมจะมีหลายชนิดก็ตาม แต่จะมีหลักการเดียวกันก็คือ แผน
ภูมควบคุมชนิด 3 ซิกม่า (3-Sigma Control Chart) กล่าวคือ เป็นแผนภูมิ
ควบคุมที่มีระยะห่างของเส้น upper control limit ห่างจากค่าเส้นกลาง Ce
ntral line อยู่เท่ากับ 3 หน่วยซิกม่า หรือ 3s (LCL ห่าง –3s)
• s = ค่าเบี่ยงเบนมาตรฐานของข้อมูลจากกระบวนการผลิต
สเปก คือช่ วงของผลิตภัณฑ์ ท่ลี ูกค้ ายอมรั บว่ าคุณภาพดี ( USL , LSL)
พิกัดควบคุม คือช่ วงปกติของ Process ที่เป็ นในอดีต ( UCL , LCL)

ชนิดของแผนภูมิควบคุม

ลักษณะจาเพาะของค่าที่จะควบคุม ชื่อแผนภูมิควบคุมที่ใช้
ข้อมูลที่มีค่าต่อเนื่อง หรือข้อมูลจากหน่วย X-R Chart (แผนภูมิควบคุมค่าเฉลี่ยและพิสัย)
วัด
X-S Chart (แผนภูมิควบคุมค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน)
(Variable Data)
Median Chart (แผนภูมิควบคุมค่ามัธยฐาน)
X-MR Chart (แผนภูมิควบคุมสาหรับกระบวนการแบบแบช)
ข้อมูลแบบค่าแจงนับ หรือข้อมูลจากหน่วย nP Chart (แผนภูมิควบคุมจานวนชิ้นงานที่เป็นของเสีย)
นับ
P Chart (แผนภูมิควบคุมสัดส่วนของเสีย)
(Attribute Data)
C Chart (แผนภูมิควบคุมจานวนตาหนิ)
U Chart (แผนภูมิควบคุมจานวนตาหนิต่อชิ้น)

4
 แผนภูมิค่าเฉลี่ยและพิสัย (X-R)
วิธีการในการคานวณตัวแปรสาหรับ X bar and R chart
กาหนดขนาดของกลุ่มย่อย โดยปกติจะมีจานวนระหว่าง 2- 9 ชิ้น
สร้างความถี่ของการทาการวัดผล
เก็บข้อมูล
คานวณค่าเฉลี่ยของแต่ละกลุม่ ย่อยและบันทึกผล
หาค่าพิสัยของแต่ละกลุ่มย่อยและบันทึกผล
คานวณค่าเส้นที่ควบคุมด้านบนและด้านล่าง (Upper and Lower
Control Line)
นาค่าเฉลี่ยและค่าพิสัยที่ได้ไปเขียนลงในแผนภูมิ
แปรความหมายจากแผนภูมิ

แผนภูมิค่าเฉลี่ยและพิสัย (X-R)

การคานวณหาเส้นควบคุม
R = R1 + R2+…+ Rn X= X1 + X2+…+ Xn
k and k
K = จานวนกลุ่มของข้อมูล
UCLR = D4R LCLR = D3R
UCLX = X+A2R LCLX = X - A2R

5
 แผนภูมิค่าเฉลี่ยและพิสัย (X-R)

ค่าของ D4, D3 และ A2

n 2 3 4 5 6 7 8 9 10

D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78

D3 - - - - - 0.08 0.14 0.18 0.22

A2 1.88 1.02 .73 0.5 0.48 0.42 0.37 0.34 0.31

แผนภูมิค่าเฉลี่ยและพิสัย (X-R)
Upper Control Limit

Lower Control Limit

6
 วิธีอ่านแผนภูมิควบคุม

• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
1. จุดอยู่นอกควบคุม (out of control)

UCL

X CL

LCL

วิธีอ่านแผนภูมิควบคุม
• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
2. การเกิดรัน (Run) : มีจุดปรากฏติดต่อกันบนซีกใดซีกหนึ่งของเส้นกลาง มี
ความยาวตั้งแต่ 7 จุดขึ้นไป หรือ มีจุดอย่างน้อย 12 จุด จาก 14 จุดอยู่ซีก
เดียวกัน หรือ มีจุดอย่างน้อย 16 จุด จาก 20 จุดอยู่ซีกเดียวกัน
เช่น มีการสับเปลี่ยนพนักงาน

UCL

X CL

LCL

7
 วิธีอ่านแผนภูมิควบคุม
• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
3. การเกิดแนวโน้ม (Trend) : มี 7 จุดต่อเนื่องกันไปในทิศทางเดียวกันอย่าง
ต่อเนื่องโดยไม่มีการสลับฟันปลาเลย มีผลทาให้เส้นต่อจุดเหล่านั้นคล้ายๆ
เส้นตรงพาดขึ้นหรือพาดลง
เช่น Tool สึก บรรยากาศ เมื่อยล้า Fixture คลอน
UCL

X CL

LCL

วิธีอ่านแผนภูมิควบคุม

• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
4. การเกิดการเข้าใกล้เส้นขอบเขตควบคุม : มีจุด 2 ใน 3 จุดที่อยู่ต่อเนื่องกันใน
แต่ละช่วงได้ตกไปอยู่ในพื้นที่ระหว่างเส้น 2 ซิกม่ากับเส้นขอบเขตควบคุม (3
ซิกม่า)

UCL

X CL

LCL

8
 วิธีอ่านแผนภูมิควบคุม
• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
5. การเกิดการเข้าใกล้เส้นค่ากลาง : เส้นกราฟทั้งหมดตกอยู่ในระหว่างเส้น
1.5 ซิกม่า นับจากเส้นค่ากลางขึ้นไปและลงมาแล้ว ไม่ได้หมายความว่า กระบวนการ
ผลิตนั้นอยู่ในควบคุม แต่กลับแสดงว่า คงจะมีความผิดพลาดเกิดขึ้นกับการกาหนด
ขนาดของกรุ๊ปย่อย ข้อมูลมีการปะปนระหว่างข้อมูลต่างประชากร

UCL

X CL

LCL

วิธีอ่านแผนภูมิควบคุม
• ข้อแนะนาเกี่ยวกับ 6 ลักษณะอาการสาคัญ
6. การเกิดวัฏจักร : ค่าในเส้นกราฟจะเปลี่ยนแปลงขึ้นๆ ลงๆ มีลักษณะเป็นวงจรวงรอบที่
เกือบจะทานายลักษณะเส้นกราฟในช่วงต่อๆ ไปได้
เช่น เมื่อยล้า บรรยากาศ Temp ,Humid , สับเปลี่ยนพนักงาน , เกจวัดต่าง , เปลี่ยน Fixture
เครื่องจักรเสื่อมสภาพ )
UCL

X CL

LCL

9
 Process Capability Analysis
การวิเคราะห์ความสามารถของกระบวนการ

ดัชนีแสดงความสามารถ (Capability Index)

สถิติที่ใช้เป็นตัววัดความเบี่ยงเบนของข้อมูล เทียบกับความเบี่ยงเบนที่ยอมให้เกิด

Cp = ความเบี่ยงเบนที่ยอมให้เกิด = USL – LSL

ความเบี่ยงเบนของประชากร 6

Note Cp เป็นการวัดค่าการกระจายโดยไม่คานึงถึงค่าที่ควรจะเป็น
 ถ้าหากค่าที่ควรจะเป็นไปได้อยู่ที่จดุ กึ่งกลาง จะทาให้ตีความหมายผิด

10
 การประมาณขีดความสามารถของกระบวนการ
x
LSL USL

=R , S , MR
d 2 c4 d2

3
Cp = USL - LSL
6
USL - X X - LSL
Cpk = MIN 3
, 3

การวิเคราะห์การกระจายข้อมูล

ถ้า Cp = Cpk ค่าที่ควรจะเป็นอยู่ตรงค่ากลางของข้อกาหนด

(Spec.)

ถ้า Cp > Cpk ค่าที่ควรจะเป็นจะเยื้อง (Offset) ไปจากค่ากลาง

ของข้อกาหนด (Spec.)

11
 Process Performance Index

USL - X
Ppk = MIN 3 p
, X - LSL
3 p

ค่าคงที่ d2

n 2 3 4 5 6 7 8 9 10

d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08

12
 การวิเคราะห์ระบบการวัด
Measurement System Analysis ( MSA )

การเตรียมการก่อนการวิเคราะห์ระบบการวัด

ก่อนดาเนินการวิเคราะห์ระบบการวัด ผู้ทาการทดลองต้องมั่นใจว่ามี
ความผันแปรที่เกิดจากสาเหตุธรรมชาติเป็นหลัก โดยเตรียมการดังนี้

• ดาเนินการสอบเทียบเครื่องมือที่จะทาการวิเคราะห์
• ฝึกอบรมพนักงานให้มีความสามารถที่เหมาะสม
• ควบคุมสภาพแวดล้อมในการตรวจสอบ (ถ้าจาเป็น)

13
 แหล่งที่มาของความผันแปร

+ =

2true process variability + 2measurement variability = 2Total variability

LSL USL

GRR PV

ความผันแปรโดยรวม (TV)

การวิเคราะห์ระบบการวัด

• Accuracy (ความถูกต้อง)
- Bias (คุณสมบัติด้านเอนเอียง)
- Stability (คุณสมบัติด้านเสถียรภาพ)
- Linearity (คุณสมบัติเชิงเส้นตรง)
• Precision (ความแม่นยา)
- Repeatability (ความผันแปรของเครื่องมือวัด)
- Reproducibility (ความผันแปรของผู้วัด)
- Discrimination (ความสามารถในการแยกความแตกต่าง)

14
 ความสัมพันธ์ระหว่าง Bias กับ Repeatability

ความสัมพันธ์ระหว่าง Repeatability กับ Reproducibility

Repeatability
Good Poor

งานชิ้นเดียวกัน,
เครื่องมือเดียวกัน,
คนคนเดียวกัน

Reproducibility
Mr. A Mr. B Mr. C Mr. A Mr. B Mr. C
งานชิ้นเดียวกัน,
เครื่องมือเดียวกัน,
คนละคนวัด

15
 การวิเคราะห์ความถูกต้องของระบบการวัด

• ค่าไบอัส (Bias) คือ ความแตกต่างระหว่างค่าเฉลี่ยของค่าที่ได้จากการวัดกับค่า

อ้างอิงหรือค่ามาสเตอร์
• ค่าเสถียรภาพของระบบการวัด (stability) คือ ระยะเวลาที่ทาให้ค่าไบอัสของ
ระบบการวัดเพิ่มขึ้นตามเวลาใช้งาน เนื่องมาจากความเสื่อมสภาพโดยธรรมชาติ
ของระบบการวัด
• ค่าคุณสมบัติเชิงเส้นตรง (Linearity) คือ การที่ค่าไบอัสของระบบการวัดจะมีค่า
ไม่เปลี่ยนแปลงไปตลอดย่านการวัด (working range)

การวิเคราะห์ความแม่นยาของระบบการวัด

• Repeatability : ความผันแปรของเครื่องมือวัด
ค่าความแตกต่างในการวัดอย่างต่อเนื่องกับงานชิ้นเดียวกันด้วย เครื่องมือ
เดี ย วกั น และด้ว ยพนัก งานคนเดี ย วกั น (สรุ ป คื อ ความผั น แปรภายใน
เงื่อนไขเดียวกัน)
• Reproducibility : ความผันแปรของพนักงานวัด
ค่ า ความแตกต่ า งในค่ า เฉลี่ ย ของการวั ด กั บ งานชิ้ น เดี ย วกั น เครื่ อ งมื อ
เดียวกัน แต่ต่างพนักงานกัน (สรุป คือ ความผันแปรระหว่างเงื่อนไขของ
การวั ด เช่ น พนั ก งานวั ด , กะงาน, อุ ป กรณ์ จั บ ยึ ด , เงื่ อ นไขของ
สภาพแวดล้อม)

16
 Variable Gauge Study

วิธีวิเคราะห์ระบบการวัด
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)

17
 วิธีวิเคราะห์ระบบการวัด

วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)

1. เลือกพนักงาน 2 หรือ 3 คน ชิ้นงาน 10 ชิ้น โดยทาการวัดซ้า 2 หรือ 3 ครั้ง
และบันทึกค่า
2. คานวณค่าเฉลี่ย และพิสัยของแต่ละข้อมูลในแต่ละคน
3. หาค่าเฉลี่ยของพนักงานแต่ละคนที่วัดชิ้นงาน และค่าเฉลี่ยพิสยั Xa, Xb, Xc
และ Ra, Rb, Rc
4. คานวณค่าความแตกต่างสูงสุดของพนักงานแต่ละคนที่วัดได้
X diff = Max ( X a, X b, X c ) – Min ( X a, X b, X c )
5. คานวณค่า =R โดย=R = ( Ra + Rb + Rc ) / 3

35

วิธีวิเคราะห์ระบบการวัด

วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)

6. คานวณขอบเขตควบคุมของพิสัย UCLR
Trial 2 3
UCLR = =R x D4 =
= 0.3417 x 2.58 D4 3.27 2.58
= 0.8816
7. Repeatability = Equipment Variation ( EV )
EV = =R x K1 Trial 2 3
= 0.3417 x 0.5908
K1 0.8862 0.5908
= 0.20188

36

18
 วิธีวิเคราะห์ระบบการวัด
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)
8. Reproducibility = Appraiser Variation (AV)

AV =  (X diff x K2)2 – [(EV)2 / (nr)]

=  (0.4446 x 0.5231)2 – [(0.20188)2 / (10x3)]
= 0.22963

Appraiser 2 3 n = Number of part

K2 0.7071 0.5231 r = Number of trail

37

วิธีวิเคราะห์ระบบการวัด
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)
9. Repeatability and Reproducibility (R&R)
parts K3
R&R =  (EV)2 + (AV)2 2 0.7071
=  (0.20188)2 + (0.22963)2 3 0.5231
= 0.30575 4 0.4467
10. Part Variation (PV) 5 0.4030
6 0.3742
PV = Rp x K3
7 0.3534
= 3.511 x 0.3146 = 1.10456

38

19
 วิธีวิเคราะห์ระบบการวัด
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)
11. Total Variation (TV)
TV=  (GR&R)2 + (PV)2
=  (0.30575)2 + (1.10456)2
= 1.14610

%EV = 100 [EV /TV] = 100 [0.20188 / 1.14610]

= 17.62%
%AV = 100 [AV /TV] = 100 [0.22963 / 1.14610]
= 20.04%

39

วิธีวิเคราะห์ระบบการวัด
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)

%R&R = 100 [R&R /TV] = 100 [0.30575 / 1.14610]

= 26.68%
%PV = 100 [PV /TV] = 100 [1.10456 / 1.14610]
= 96.38%
12. ndc = 1.41 [PV / GR&R] = 1.41 [1.10456 / 0.30575]
= 5.095

ndc : The number of distinct categories

40

20
 เกณฑ์การตัดสินใจ
วิธีอาศัยค่าเฉลี่ย และพิสัย (Average and Range Method)

GRR (< 10%) อยูใ่ นเกณฑ์ที่ยอมรับได้โดยไม่ตอ้ งแก้ไข

GRR (10 ถึง 30) อาจจะยอมรับได้ (ให้พิจารณาปั จจัยอื่นๆ เช่น ค่าใช้จ่าย ต้นทุนการซ่อม)
GRR (> 30%) ไม่สามารถยอมรับได้ ต้องค้นหาสาเหตุแล้วทาการแก้ไข

ndc ความสามารถของการแยกแยะความแตกต่างของข้อมูลที่วดั ได้

ndc = number of distinct categories ต้องมากกว่าหรื อเท่ากับ 5

(ndc  5)

Attribute Gauge Study

21
 การวิเคราะห์ระบบการวัด Attribute

• แนะนาไว้ 2 วิธี
1. Hypothesis Test Analyses – Cross Tab method
2. Signal Detection Theory

• 4th Edition ปรับการคานวณ Miss Rate กับ False Alarm Rate

Cross – Tab Method

• เตรียม sample ที่คละกันในช่วง area , area  และ area  และใช้

สัญลักษณ์ “-”, “x” และ “+” ตามลาดับ

area  : No Good / area  : ก้ ากึ่ง / area  : Good

22
 Cross – Tab Method

• สาหรับ จานวน sample ใน AIAG Manual ไม่ได้กาหนดจานวนไว้ว่าต้องเป็นเท่าใด

ตายตัว เพียงแต่ขอให้ sample คลุม expected operating range
• ทั้งนี้ขึ้นกับ Cp, Cpk, Pp, Ppk ของ process
• ถ้า Process นิ่ง จานวน Sample ก็ไม่จาเป็นต้องเยอะ
• ตัวอย่างทาไว้ที่ 50 ชิ้น, พนักงาน 3 คน, วัดซ้าคนละ 3 ครั้ง เนื่องจาก Pp, Ppk = 0.5

45

Cross – Tab Method

• Fasser and Brettner แนะนาไว้ ดังตาราง

พนักงาน ชิ้นงาน วัดซ้า

1  24 5
2  18 4
3  12 3

46

23
 Cross – Tab Method
• 1. จัดทาตารางเทียบ ระหว่าง Inspector แต่ละคู่ (A*B), (B*C) และ (A*C)

48

24
 Cross – Tab Method
• 2. คานวณ probability (expected count)
50 x 47 x 150 = 15.7
150 150

49

Cross – Tab Method

• 3. คานวณ KAPPA

kappa = Po – Pe
1 – Pe

Po = ผลรวมของค่าสัดส่วนของค่าสังเกตในแนวทแยงมุม
Pe = ผลรวมของค่าสัดส่วนของค่าคาดหมายในแนวทแยงมุม

50

25
 Cross – Tab Method

• ตัวอย่าง พนักงาน A*B

kappa A*B= (44/150 + 97/150) – (15.7/150+68.7/150)
1 – (15.7/150+68.7/150)

Cross – Tab Method

• ตัวอย่าง พนักงาน A*B

kappa A*B= (44/150 + 97/150) – (15.7/150+68.7/150)
1 – (15.7/150+68.7/150)
= 0.86

26
 Cross – Tab Method

• การประเมินผล (maximum kappa = 1)

kappa  0.75  Good
kappa  0.40  Poor

4. คานวณ cross tab ของพนักงานแต่ละคน เทียบกับ ค่า reference value

และ kappa

Cross – Tab Method

ตัวอย่าง พนักงาน A เทียบ reference value

27
 Cross – Tab Method

• 5. คานวณ Effectiveness, Miss Rate, False Alarm Rate

Effectiveness = number of correct decision

total opportunities for a decision

55

Effectiveness
ความมีประสิทธิผล
Effectiveness = จานวนที่ชี้บ่งอย่างถูกต้อง x 100
จานวน sample
= 42 x 100 = 84%
50

28
 Miss Rate (การยอมรับที่ผิดพลาด)
งาน NG กลับบอก OK หรือ เฉลย 0 กับตอบ 1

Miss Rate = จานวนครั้งที่ยอมรับผิดพลาด x100

จานวน NG sample x จานวนวัดซ้า
= 3 x 100 = 6.3%
16 x 3

False Alarm Rate (การปฏิเสธที่ผิดพลาด)

งาน OK กลับบอก NG หรือ เฉลย 1 กับตอบ 0

False Alarm Rate = จานวนครั้งที่ปฏิเสธผิดพลาด x 100

จานวน OK sample x จานวนวัดซ้า
= 5 x 100 = 4.9%
34 x 3

29
 Effectiveness Criteria

สาเหตุความผิดพลาดในระบบการวัดแบบ Attribute

• พนักงานอาจตัดสินใจผิดพลาดกับชิ้นงานที่มีลักษณะก้ากึ่ง (Marginal)
• พนักงานเข้าใจและตรวจสอบชิ้นงานไม่ถูกวิธี
• เกิดการเอนเอียงของพนักงานตรวจสอบในขณะทางานวิเคราะห์ระบบการวัด
• เลือกพนักงานที่มิได้ปฏิบัติงานตรวจสอบ ณ จุดตรวจสอบ
• แนวทางการแก้ไข : อบรมพนักงานตรวจสอบใหม่แล้วทาการวิเคราะห์อีกครั้ง

30