เริ่มประเมิน
Focused Improvement · TPM / Kaizen

ตรวจ FI Theme
ให้คะแนนเหมือน
กรรมการ TPM

อัปโหลดผลงาน Focused Improvement (PDF/PPTX) แล้วรับ scorecard รายขั้นทั้ง 10 Step · เกรด 0–5 · จุดที่ยังขาด และ คำแนะนำยกระดับ — อ้างเกณฑ์กรรมการจริง สาย Loss / Minor stop / P-M Analysis

ให้คะแนนด้วย Claude · น้ำหนัก/การคำนวณคุมด้วยโค้ด ไม่ให้ LLM มั่วเลข
ผลประเมิน FI Themeครบ 26 เกณฑ์
4GRADE
ยอดเยี่ยม (Great)
รวม 84.0 / 100 · ส่ง Outside Awards ได้
Step 02
15/17
Step 04
8/12
Step 05
12/15
Step 06
17/18
Step 08
7/10
FI Step
10
ตามฟอร์มกรรมการจริง
เกณฑ์ย่อย
26
น้ำหนักรวม 100
เกรดผลรวม
0–5
6 ระดับ · ตัดที่ 50/60/70/80/90
ต้นทุนต่อรอบ
~฿21
ประเมิน 1 ผลงาน ด้วย Claude
วิธีทำงาน
จากไฟล์ผลงาน สู่ scorecard ใน 3 ขั้น

เอนจินถือ rubric ไว้ในโค้ดเป็น single source of truth — LLM คืนแค่คะแนน 0–10 ต่อเกณฑ์ ส่วน Python คูณน้ำหนัก รวมคะแนน และตัดเกรดเอง

01 · UPLOAD

อัปโหลดผลงาน

รับไฟล์ PDF หรือ PPTX — ระบบดึงข้อความอัตโนมัติ และใช้ vision เฉพาะหน้าที่ตัวอักษรไทยเพี้ยน เพื่อคุมต้นทุน

02 · SCORE

กรรมการ AI ให้คะแนน

Claude ประเมินทีละเกณฑ์ตามสเกล 0–10 พร้อมเหตุผลอ้างหลักฐานในผลงาน ผ่าน strict tool use — บังคับคืนโครงสร้างครบทุกข้อ

03 · REPORT

scorecard + คำแนะนำ

ได้เกรด 0–5, คะแนนรายขั้น, จุดที่ยังขาดต่อเกณฑ์ และลำดับสิ่งที่ควรทำก่อนเพื่อยกระดับ พร้อมธงเสี่ยงตอนกรรมการลงหน้างาน

เกณฑ์ให้คะแนน · น้ำหนักรวม 100
คะแนนอยู่ที่การแก้ปัญหาและกลไก

10 FI Step ตามฟอร์มกรรมการจริง — Step 6 (Main Kaizen) หนักสุด ตามด้วยการวิเคราะห์สภาพ กลไก และสาเหตุ จุดที่ FI ต่างจาก QCC คือ Step 4 กลไกปกติ/ผิดปกติ ถึงระดับชิ้นส่วน

01
Theme — ตั้งชื่อสอดคล้อง Loss
Theme
2pt
02
Background — วิเคราะห์สภาพปัญหา
Background
17pt
03
Target — เป้าหมาย + แผน
Target
5pt
04
Outline of process — กลไกการเกิดปัญหา
Mechanism
12pt
05
Cause analysis — วิเคราะห์สาเหตุ
Cause
15pt
06
Main Kaizen — การแก้ไขปัญหา
Kaizen
18pt
07
Results — ตรวจสอบผล
Results
10pt
08
Standardize — ตั้งมาตรฐาน
Standardize
10pt
09
Horizontal Expansion — สรุป + ติดตาม
Expansion
8pt
10
Next theme — เรื่องต่อไป
Next
3pt
น้ำหนักปกติ ขั้นน้ำหนักสูงสุด — Main Kaizen (18) สเกลต่อเกณฑ์ 0–10 · เต็ม 100 × 10 = 1000 → %Result
ระดับผล
เกรด 0–5
5
สุดยอด (Excellence)
ส่ง Outside Awards ได้
90–100
4
ยอดเยี่ยม (Great)
ส่ง Outside Awards ได้
80–89
3
ดีมาก (Well)
70–79
2
ดี (Good)
60–69
1
พอใช้ (Fair)
50–59
0
มีจุดต้องปรับปรุงเพิ่มเติม
< 50
บทลงโทษเวลา เกินเวลานำเสนอ ตัดคะแนนรวมนาทีละ 1 (สูงสุด 5)
ทำไมเชื่อผลได้
ออกแบบให้ตรวจสอบได้ ไม่ให้ LLM มั่ว
R

Rubric อยู่ในโค้ด

น้ำหนัก 26 เกณฑ์เป็น single source ในเอนจิน LLM ให้แค่ 0–10 Python คูณน้ำหนักและตัดเกรดเอง

Strict tool use

บังคับคืนโครงสร้างครบทุก id เกณฑ์ที่ไม่ถูกให้คะแนนจะถูก flag ไม่เติม 0 เงียบ ๆ ให้เกรดพอง

กันแต่งหลักฐาน

ทุก finding มี quote จริง + ตรวจซ้ำกับหน้าที่อ้าง และธงจุดเสี่ยงตอนกรรมการลงหน้างาน (gemba)

FI

ศัพท์ TPM ล้วน

เข้าใจ Loss · Minor stop · P-M · AM/PM Standard และกลไกระดับชิ้นส่วน

พร้อมตรวจผลงาน FI ของคุณแล้ว

อัปโหลดไฟล์เดียว รับ scorecard 10 ขั้น เกรด 0–5 และแผนยกระดับ ก่อนถึงมือกรรมการจริง

Claude เท่านั้นสำหรับการให้คะแนน · API key ฝั่ง server · ~฿21/รอบ
เริ่มประเมิน