ประเมินเวลาทำงานอย่างไร: การสร้างเวลามาตรฐาน
ก่อนเสนอราคาต้องรู้ก่อนว่า "สินค้าหนึ่งชิ้นใช้เวลาทำจริงเท่าไร" — วิธีจับเวลาด้วยนาฬิกาจับเวลาเทียบกับวิธีใช้ข้อมูลประสบการณ์เหมาะกับสถานการณ์ไหน ค่าสัมประสิทธิ์ประสิทธิภาพและเส้นโค้งการเรียนรู้ช่วยแก้ความคลาดเคลื่อนของพนักงานใหม่และสินค้าใหม่ได้อย่างไร
โรงงานแห่งหนึ่งในประเทศไทย (รับจ้างผลิตเฟอร์นิเจอร์ พนักงานประมาณ 120 คน) ปีที่แล้วได้รับออเดอร์จากลูกค้าใหม่ ฝ่ายขายเสนอราคาโดยใช้ "เวลาทำงานที่ช่างผู้ชำนาญกะประมาณด้วยปาก" ผลปรากฏว่าหลังสินค้าใหม่ขึ้นไลน์ผลิต ผลผลิตจริงใน 2 สัปดาห์แรกได้แค่ 60% ของที่ประมาณไว้ — ไม่ใช่เพราะคนงานขี้เกียจ แต่เพราะขั้นตอนการประกอบสินค้าใหม่ไม่เคยมีใครทำมาก่อน ทุกคนต้อง "ทำไปเรียนรู้ไป" ใบเสนอราคาลงนามไปแล้ว ส่วนต่างต้องกลืนเอง พอมาทบทวนทีหลังถึงพบว่า ปัญหาไม่ได้อยู่ที่ประมาณผิดมากน้อยแค่ไหน แต่อยู่ที่ไม่มีวิธี "ประมาณอย่างไร" เลยตั้งแต่ต้น — เวลามาตรฐานตลอดทั้งกระบวนการอาศัยแค่ความรู้สึก
ทำไม
ตัวแปรหลักของการเสนอราคาคือเวลาทำงาน: ถ้าประเมินเวลาต่ำเกินไป ราคาก็ต่ำตาม ยิ่งออเดอร์เยอะยิ่งขาดทุนมาก; ถ้าประเมินเวลาสูงเกินไป ราคาก็ไม่มีการแข่งขัน ออเดอร์หลุดมือไปให้คู่แข่งทันที เวลามาตรฐานไม่ใช่ตัวเลขที่ "จับเวลาครั้งเดียวก็จบ" แต่คือ "เวลาที่คนงานที่มีคุณสมบัติเหมาะสม ใช้ทำงานมาตรฐานหนึ่งชิ้นเสร็จ ภายใต้ความเร็วปกติและเงื่อนไขปกติ" — ต้องตัดสถานการณ์ที่เกิดขึ้นเป็นครั้งคราวออก (รอวัตถุดิบ เครื่องจักรเสีย) ต้องตัดความแตกต่างเร็ว-ช้าของคนงานแต่ละคนออก และต้องคำนึงถึงความจริงที่ว่าตอนสินค้าใหม่เพิ่งขึ้นไลน์ ทุกคนยังอยู่บนเส้นโค้งการเรียนรู้ ถ้าไม่มีเวลามาตรฐาน การเสนอราคาก็คือการพนัน; ถ้ามีเวลามาตรฐานแต่ไม่ปรับค่าสัมประสิทธิ์ การเสนอราคาก็จะโน้มเอียงไปทางมองโลกในแง่ดีเกินจริงอย่างเป็นระบบ
ทำอย่างไร
1. วิธีจับเวลาด้วยนาฬิกาจับเวลา (Stopwatch Time Study) — เหมาะกับงานผลิตจำนวนมาก ท่าทางการทำงานคงที่
แยกขั้นตอนงานหนึ่งออกเป็นท่าทางย่อยๆ ใช้นาฬิกาจับเวลาวัดจริงว่าคนงานที่มี "ความชำนาญระดับกลาง" ใช้เวลาทำท่าทางเหล่านี้แต่ละท่านานเท่าไร วัดต่อเนื่อง 10-20 รอบแล้วหาค่าเฉลี่ย นี่คือ "เวลาที่สังเกตได้" (Observed Time) เวลาที่สังเกตได้ยังใช้เป็นเวลามาตรฐานตรงๆ ไม่ได้ เพราะคนงานที่ถูกวัดอาจไม่ได้ทำงานที่ "ความเร็วปกติ" — ตรงนี้ต้องคูณด้วย "ค่าสัมประสิทธิ์ประสิทธิภาพ" (หรือเรียกว่า Rating Factor / Performance Rating) เพื่อปรับแก้
2. ค่าสัมประสิทธิ์ประสิทธิภาพ (Rating Factor) กำหนดอย่างไร
ค่าสัมประสิทธิ์ประสิทธิภาพคือการประเมินเชิงอัตวิสัยของผู้ประเมินที่มีต่อคนงานที่ถูกสังเกต "เทียบกับความเร็วปกติ" เช่น กำหนด "ความเร็วปกติ" เป็น 100% ถ้าคนงานที่สังเกตทำงานเร็วกว่าคนทั่วไปอย่างชัดเจน ให้คะแนน 110% ถ้าทำงานช้ากว่าปกติ ให้คะแนน 90% เวลามาตรฐาน = เวลาที่สังเกตได้ × ค่าสัมประสิทธิ์ประสิทธิภาพ × (1 + อัตราเวลาเผื่อ) อัตราเวลาเผื่อ (Allowance) คือเวลาพักผ่อนตามสมควร ธุระส่วนตัว และเวลาฟื้นตัวจากความเหนื่อยล้าที่ให้กับคนงาน โดยทั่วไปเป็นตัวเลขเปอร์เซ็นต์ (สัดส่วนจริงแตกต่างกันไปตามอุตสาหกรรมและลักษณะงาน แนะนำให้อ้างอิงแนวทาง Work Measurement ที่เผยแพร่โดยองค์การแรงงานระหว่างประเทศ (ILO) หรือสมาคมอุตสาหกรรมในพื้นที่ หรือสอบถามหน่วยงานด้านผลิตภาพในพื้นที่เพื่อยืนยันช่วงที่ใช้กันทั่วไป) ไม่ใช่ตัวเลขตายตัว
3. วิธีใช้ข้อมูลประสบการณ์ (Historical Data Method) — เหมาะกับสินค้าหลากหลายแต่ปริมาณน้อย จับเวลาทีละแบบไม่ไหว
ถ้าสินค้ามีหลายรุ่นเกินไป ปริมาณต่อรุ่นน้อยเกินไป เป็นไปไม่ได้ที่จะจับเวลาด้วยนาฬิกาทุกรุ่น กรณีนี้ให้ใช้ "บันทึกเวลาทำงานจริงที่เสร็จสมบูรณ์ของสินค้าที่คล้ายกันในอดีต" มาย้อนประมาณค่า แล้วปรับเพิ่มลดตามความซับซ้อนที่แตกต่างของสินค้าใหม่ ความแม่นยำของวิธีนี้ขึ้นอยู่กับว่าข้อมูลในอดีต "สะอาด" พอหรือไม่ — ถ้าบันทึกในอดีตปนเปื้อนด้วยการหยุดงานผิดปกติหรือเวลาทำงานซ้ำ (Rework) ที่ไม่ถูกตัดออก วิธีนี้จะคัดลอกปัญหาเก่าไปใส่ในใบเสนอราคาใหม่โดยไม่รู้ตัว
4. เส้นโค้งการเรียนรู้ (Learning Curve) — ปรับแก้ "เวลาทำงานที่บวมช่วงต้น" ตอนสินค้าใหม่เพิ่งขึ้นไลน์
ไม่ว่าจะเป็นเวลามาตรฐานที่ประมาณด้วยวิธีจับเวลาหรือวิธีใช้ข้อมูลประสบการณ์ ล้วนเป็นเวลาสภาวะคงที่หลังจาก "คนงานชำนาญแล้ว" ตอนสินค้าใหม่หรือคนงานใหม่เพิ่งเริ่มทำงาน เวลาทำงานจริงจะสูงกว่าเวลามาตรฐานอย่างชัดเจน และจะค่อยๆ ลดลงตามปริมาณผลผลิตสะสม — กฎการลดลงนี้เรียกว่าเส้นโค้งการเรียนรู้ โมเดลที่พบบ่อยที่สุดคือ "ทุกครั้งที่ปริมาณผลผลิตสะสมเพิ่มเป็นสองเท่า เวลาต่อหน่วยจะลดลงเหลืออัตราส่วนคงที่ค่าหนึ่ง" (เช่น เส้นโค้งการเรียนรู้ 80% หมายถึงเมื่อผลผลิตเพิ่มเป็นสองเท่า เวลาทำงานลดเหลือ 80% ของรอบก่อนหน้า) ถ้าเสนอราคาโดยใช้เวลามาตรฐานสภาวะคงที่คำนวณต้นทุนทั้งออเดอร์ สินค้าใหม่ไม่กี่ร้อยชิ้นแรกจะขาดทุน เพราะช่วงนั้นคนงานยังอยู่ในช่วงลาดชันของเส้นโค้งการเรียนรู้
🔧 AI ลงมือทำ
ส่งเวลาทำงานชิ้นแรกจริง อัตราการเรียนรู้ที่ประมาณไว้ และปริมาณการผลิตที่วางแผนไว้ของโรงงานคุณให้ AI ช่วยคำนวณเวลาเฉลี่ย "หลังปรับด้วยเส้นโค้งการเรียนรู้" แล้วย้อนกลับไปตรวจสอบว่าใบเสนอราคาประมาณต่ำไปหรือไม่
คุณคือที่ปรึกษาด้านการจัดการการผลิต ช่วยฉันประมาณเวลาทำงานเฉลี่ยของออเดอร์ต่อไปนี้ด้วยโมเดลเส้นโค้งการเรียนรู้ เงื่อนไขที่ทราบ: - ชื่อสินค้า/ขั้นตอนงาน: [กรอก เช่น "ประกอบโครงโซฟารุ่นใหม่"] - เวลาทำงานจริงของชิ้นแรก: [กรอก เช่น 45 นาที] - อัตราการเรียนรู้ที่ประมาณไว้: [กรอก เช่น 80% ถ้าไม่แน่ใจให้ใช้ 80% เป็นค่าอนุรักษ์นิยมก่อน และช่วยเตือนฉันด้วยว่านี่เป็นเพียงสมมติฐาน] - ปริมาณการผลิตรวมของล็อตนี้: [กรอก เช่น 500 ชิ้น] - เวลามาตรฐานสภาวะคงที่ที่คำนวณด้วยวิธีจับเวลา/วิธีประสบการณ์ในปัจจุบันคือ: [กรอก เช่น 22 นาที/ชิ้น] ช่วยฉัน: 1. ใช้สูตรเส้นโค้งการเรียนรู้ (เวลาต่อหน่วย = เวลาชิ้นแรก × ปริมาณสะสม^b, b = log(อัตราการเรียนรู้)/log(2)) คำนวณเวลาที่ประมาณไว้ของชิ้นที่ 1, 10, 50, 100, 300, 500 2. คำนวณ "เวลาเฉลี่ย" ของ 500 ชิ้นนี้ เทียบกับเวลามาตรฐานสภาวะคงที่ที่ฉันใช้เดิม ต่างกันกี่เปอร์เซ็นต์ 3. เตือนฉันว่า ถ้าอัตราการเรียนรู้จริงแย่กว่าที่สมมติไว้ (เช่น 85% แทนที่จะเป็น 80%) เวลาเฉลี่ยจะเปลี่ยนไปอย่างไร 4. สรุปด้วยข้อความสั้นๆ ว่า ใบเสนอราคานี้ถ้าคำนวณตามเวลาสภาวะคงที่ มีความเสี่ยงมากแค่ไหน
ขั้นตอนที่ทำได้สัปดาห์นี้: หาออเดอร์ "สินค้าใหม่" ที่โรงงานคุณรับในช่วง 3 เดือนที่ผ่านมาสักหนึ่งออเดอร์ นำเวลาที่ใช้ตอนเสนอราคากับเวลาที่คำนวณจริงหลังส่งมอบมาเทียบกันดูสักครั้ง — ถ้าเวลาจริงสูงกว่าที่เสนอราคาไว้เกิน 10% อย่างเป็นระบบ มีความเป็นไปได้สูงว่าเส้นโค้งการเรียนรู้ไม่ได้ถูกนำมาคำนวณ นี่คือหนึ่งในช่องโหว่การเสนอราคาที่ถูกมองข้ามได้ง่ายที่สุด แต่พบบ่อยที่สุดในโครงสร้างต้นทุนของทั้งบริษัท
📎 ที่มาทางทฤษฎี: วิธีจับเวลาด้วยนาฬิกาจับเวลามีรากฐานจากแนวคิดการจัดการเชิงวิทยาศาสตร์ของเทย์เลอร์ (Frederick W. Taylor) และประเพณี Work Measurement; แนวคิดการให้คะแนนประสิทธิภาพ (Rating/Performance Rating) และอัตราเวลาเผื่อ (Allowance) พบได้ทั่วไปในวิธีการศึกษางานที่เผยแพร่โดยองค์การแรงงานระหว่างประเทศ (ILO); โมเดลเส้นโค้งการเรียนรู้มีที่มาจากกฎของไรท์ (Wright's Law, 1936) รูปแบบที่พบบ่อยคือเส้นโค้งการเรียนรู้แบบ log-linear ส่วนสัดส่วนอัตราเวลาเผื่อและอัตราการเรียนรู้ที่ใช้จริง กรุณาสอบถามหน่วยงานด้านผลิตภาพในพื้นที่ สมาคมอุตสาหกรรม หรือที่ปรึกษาผู้เชี่ยวชาญเพื่อยืนยันแนวปฏิบัติปัจจุบัน บทความนี้ไม่ได้ระบุตัวเลขทางกฎหมายที่เฉพาะเจาะจง
สมาชิกฟรีทำแบบทดสอบ คุยกับโค้ช AI ฟังบทความสะสมประวัติการเรียนรู้ สมัครรับ 100 พอยต์ทันที
สมัครฟรี