Kỹ thuật thống kê sử dụng trong QLCL• Phân tích độ tin cậy; • Lấy mẫu; • Mô phỏng; • Biểu đồ kiểm soát quá trình; • Thiết lập dung sai bằng thống kê; • Phân tích chuỗi thời gian... Diễn
Trang 1Chương 8:
Các công cụ kiểm soát
quá trình bằng thống kê
Trang 2Vai trò của kiểm soát quá trình bằng thống kê
• ISO/TR 10017:2003 giúp tổ chức sử dụng Bộ tiêu chuẩn ISO 9000 xác định các kỹ thuật thống kê
nhằm cải tiến hiệu quả của HTQLCL
• Các kỹ thuật thống kê giúp hiểu sâu hơn về bản chất, quy mô và nguyên nhân của sự biến đổi
• Từ đó giúp kiểm soát và giảm được các vấn đề xảy
ra cũng như các vấn đề tồn tại trong suốt vòng
đời của sản phẩm, từ khâu nghiên cứu thị trường đến dịch vụ khách hàng và đến lúc huỷ bỏ
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 2
Trang 3Vai trò của kiểm soát quá trình bằng thống kê
• Báo cáo kỹ thuật ISO/TR 10017:2003 Hướng dẫn
về kỹ thuật thống kê được thiết kế giúp xác định được các kỹ thuật thống kê để cải tiến chất lượng hoặc quá trình
• Báo cáo đem đến cách nhìn rõ ràng và súc tích về phạm vi của các kỹ thuật thống kê hiện đang
được sử dụng rộng rãi, vai trò tiềm tàng và giá trị khi cải tiến chất lượng
• Mặc dù, báo cáo này không phải là một phần yêu cầu trong chứng nhận HTQLCL nhưng rất hữu ích cho các tổ chức đang áp dụng và cải tiến HTQLCL.
Trang 4Vai trò của kiểm soát quá trình bằng thống kê
• “Quản lý bằng dữ liệu”, “quản lý dựa trên thực
tế” (Management By Fact) được xem như kỹ
thuật quản lý quan trọng thường ngày
• Kiểm soát chất lượng thống kê được xem là công
cụ để nắm bắt thực tế trên cơ sở các dữ liệu thu thập được xuyên suốt vòng đời của sản phẩm
• Công cụ thống kê từ lâu đã được sử dụng như
một công cụ hữu dụng trong quá trình nhận biết
và xác định sự biến động về chất lượng của sản phẩm, quá trình, xác định nguyên nhân và thực hiện các giải pháp cải tiến
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 4
Trang 5Vai trò của kiểm soát quá trình bằng thống kê
• Lựa chọn đúng và áp dụng hiệu quả các công
cụ thống kê sẽ mang lại những lợi ích đáng kể trong giảm chi phí, nâng cao năng suất và chất lượng
• Các công cụ thống kê đã được Kaoru Ishikawa phổ biến và áp dụng thành công trong quá
trình kiểm soát chất lượng ở các doanh nghiệp Nhật Bản trong những năm 1960 của thế kỷ
XX
Trang 6Kỹ thuật thống kê sử dụng trong QLCL
• Thống kê mô tả;
• Thiết kế thử nghiệm;
• Kiểm định giả thuyết;
• Phân tích đo lường;
• Phân tích năng lực quá trình;
• Phân tích hồi quy;
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 6
Trang 7Kỹ thuật thống kê sử dụng trong QLCL
• Phân tích độ tin cậy;
• Lấy mẫu;
• Mô phỏng;
• Biểu đồ kiểm soát quá trình;
• Thiết lập dung sai bằng thống kê;
• Phân tích chuỗi thời gian.
Trang 87 công cụ (7 tools) kiểm soát chất lượng
1 Phiếu kiểm tra
2 Biểu đồ Pareto
3 Biểu đồ cột
4 Biểu đồ tương quan
5 Biểu đồ kiểm soát
6 Biểu đồ nhân quả
7 Lưu đồ
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 8
Trang 9Phiếu kiểm tra: Thu thập dữ liệu thực
tế làm cơ sở cho kiểm soát chất lượng
Trang 12Diễn giải độ lệch chuẩn theo Quy tắc kinh nghiệm (The Empirical Rule)
• Nếu một phân phối dữ liệu có một chóp đỉnh cùng dạng đối xứng với hình chuông (bell-shaped) được diễn giải độ lệch chuẩn chính xác như sau:
• 68% các quan sát nằm trong khoảng 1 độ lệch chuẩn so với giá trị trung bình, nghĩa là trong
khoảng
• 95% các quan sát nằm trong khoảng 2 độ lệch chuẩn so với giá trị trung bình, nghĩa là trong
khoảng
• 97% các quan sát nằm trong khoảng 3 độ lệch chuẩn so với giá trị trung bình, nghĩa là trong
khoảng
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 12
Trang 13Biểu đồ kiểm soát
Trang 14Biểu đồ tương quan
Tìm mối tương
quan giữa 02 loại
dữ liệu xuất hiện
các mối quan hệ
nhân quả, giữa
nguyên nhân này
với nguyên nhân
khác, giữa một
kết quả với 01
nguyên nhân.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 14
Trang 16Biểu đồ tương quan
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 16
Trang 17Biểu đồ nhân quả
Trang 1814/10/2017 TS Hoàng Mạnh Dũng - QTCL 18
Trang 2014/10/2017 TS Hoàng Mạnh Dũng - QTCL 20
Trang 22liệu dựa trên số năm
yếu tố: râu dưới, phân
vị mức 25 , phân vị
mức 50 (mean), phân vị
mức 75, tối đa
Trang 23Biểu đồ hộp
• Phân vị mức 25 được gọi là phân
vị thứ nhất và kí hiệu là q1.
• Phân vị mức 50 được gọi là phân
vị thứ hai hay median và kí hiệu
là q2 hoặc m.
• Phân vị mức 75 được gọi là phân
vị thứ ba và được kí hiệu là q3.
• Khoảng tứ phân vị (Interquatile
range hay IQR) là sự chênh lệch
giữa phân vị thứ nhất và phân vị
Trang 2414/10/2017 TS Hoàng Mạnh Dũng - QTCL 24
Bách phân vị thứ p là vị
trí có p phần trăm trên
tổng số quan sát nhận giá
trị nhỏ hơn hoặc bằng giá
trị tại điểm đó (với điều
kiện dữ liệu đã được sắp
xếp theo thứ tự từ nhỏ
đến lớn)
Trung vị là giá trị giữa
của quan sát Số trung
vị là bách phân vị thứ
50 nghĩa là có 50% tổng số quan sát nhận giá trị nhỏ hơn hoặc bằng giá trị tại điểm bách phân vị thứ 50.
Trang 25Thiết lập các thông số
của biểu đồ hộp
Số trung vị (Median) là một số tách giữa nửa
lớn hơn và nửa bé hơn của một mẫu, một quần thể, hay một phân bố xác suất Nếu số quan sát là số chẵn, người ta thường lấy trung bình của hai giá trị nằm giữa.
Trang 26Thiết lập các thông số
của biểu đồ hộp
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 26
Sắp xếp dữ liệu từ nhỏ đến lớn
Trang 2791 91
( 25 , 0 91
) (
25 ,
y
Trang 29Khoảng tứ phân vị IQR là : 107−91 = 16.
Trang 30Râu trên và râu dưới
Khoảng tứ phân vị (Interquatile range hay
IQR) là sự chênh lệch giữa phân vị thứ nhất và
phân vị thứ ba Khoảng tứ phân vị IQR là :
Trang 31Vẽ biểu đồ hộp
• Vẽ một trục ngang thể hiện giá trị của dữ liệu.
• Trên trục này, vẽ một hình chữ nhật với phía trái hộp là phân vị thứ nhất q 1 và phía phải hộp là phân vị thứ
ba q 3
• Vẽ một đường thẳng đứng nối cạnh trên và cạnh dưới
của hộp tại điểm trung vị m.
• Để vẽ râu bên trái, ta vẽ một đường nằm ngang từ giá trị nhỏ nhất đến điểm giữa cạnh bên trái của hộp.
• Để vẽ râu bên phải, ta vẽ một đường ngang nối từ điểm giữa cạnh phải của hộp đến giá trị lớn nhất của hộp.
• Sau khi vẽ như vậy, ta có biểu đồ hộp chia dữ liệu một cách hình ảnh thành 4 phần Chú ý rằng, đường ngang chiều dài hộp là khoảng tứ phân vị IQR, râu bên trái thể hiện phần tư thứ nh ất, và râu bên phải thể hiện phần tư
Trang 3214/10/2017 TS Hoàng Mạnh Dũng - QTCL 32
Trang 34Tạo biểu đồ hộp với dữ liệu
20 hàm lượng Canxi Cacbonat
trong 1 lít nước.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 34
Trang 35So sánh số trung bình và trung vị dựa
theo hình dạng của phân bố
• Nếu phân bố đối xứng hoàn toàn(perfectly symmetric) thì
số trung bình bằng trung vị.
• Nếu phân bố lệch trái (left- skewed) thì số trung bình nhỏ hơn trung vị.
• Nếu phân bố lệch phải
(right-skewed) thì số trung bình lớn hơn trung vị.
Trang 36Biểu đồ sai số chuẩn
Nếu chọn mẫu n lần; mỗi
lần với n đối tượng sẽ có
N số trung bình Độ lệch
chuẩn của n số trung
bình này là sai số chuẩn
Sai số chuẩn – SE: Standard Error phản ánh độ dao động của các số trung bình mẫu được chọn từ tổng thể Sai số chuẩn không cung cấp
về độ biến thiên của một tổng thể mà chỉ mô tả sự dao động của các số trung bình mẫu
Sai số chuẩn thấp hơn độ lệch chuẩn vì bằng độ lệch chuẩn chia căn bậc hai của cỡ
mẫu.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 36
Trang 37Cách tính sai số chuẩn
Mẫu dữ liệu gồm 5, 17, 12 và 10 hãy tính sai
số chuẩn của tập dữ liệu trên?
Dùng excel để biết giá trị trung bình
(AVERAGE), phương sai (VAR), độ lệch chuẩn (STDEV), căn bậc hai (SQRT) và sai số chuẩn
như sau:
Trang 38Biểu đồ sai số chuẩn (Error bar plot)
Mục đích mô tả phân bố dữ liệu
(distribution of data), so sánh giữa các nhóm đối tượng với sai số chuẩn
Nhìn vào biểu đồ, bước đầu trực quan
về giá trị trung bình (mean) cũng như sai số chuẩn
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 38
Trang 39Bảng tính các thông số
vẽ biểu đồ sai số chuẩn (Error bar plot)
Trang 41Biểu đồ sai số chuẩn (Error bar plot)
Trang 4214/10/2017 TS Hoàng Mạnh Dũng - QTCL 42
Mật độ xương theo từng lứa tuổi 58, 61,… (ít nhất 5 mẫu/nhóm) ứng với
nhóm người bị gãy xương (màu đỏ) và nhóm không bị gãy xương (màu xanh)
Trang 43Biểu đồ mạng nhện (Spider web diagram)
Trang 44Biểu đồ mạng nhện (Spider web diagram)
• là một đồ thị cho phép tổ chức đánh giá được kết quả theo nhiều tiêu chí
• Mỗi trục biểu hiện một tiêu chí.
• Mạng nhện so sánh các giá trị đạt được so với mức trung bình của ngành
• Nhận biết được điểm mạnh, điểm yếu
• Được sử dụng để cải tiến sự thực hiện và nên đặt sự ưu tiên tại điểm nào để tiếp tục triển
khai tốt hơn.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 44
Trang 45Cách vẽ biểu đồ mạng nhện
(Spider web diagram)
• Lựa chọn và xác định tiêu chí; chấp nhận
khoảng từ 5 đến 10 loại tiêu chí
• Vẽ một vòng tròn với những nan hoa, mỗi nan hoa được tương ứng với một tiêu chí Tâm của vòng tròn đánh số 0: kết quả thực hiện bằng 0; đầu bên ngoài của nan hoa được đánh số
lớn nhất – kết quả thực hiện cao nhất
• Kết quả thực hiện xếp loại theo chủ quan hoặc
Trang 46Cách vẽ biểu đồ mạng nhện
(Spider web diagram)
• Kết nối dữ liệu và tô màu làm rõ vùng
bên trong các điểm nối
• Sử dụng các màu sắc khác nhau khi thể
hiện dữ liệu lấy liệu từ cá nhân hoặc chỉ dùng một màu với nhưng chấm lớn hơn.
• Sử dụng excel để vẽ biểu đồ mạng nhện.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 46
Trang 47Xác định năng lực của quá trình
47
Trang 4814/10/2017 TS Hoàng Mạnh Dũng - QTCL 48
Trang 49Giới hạn kiểm soát
là những giá trị được tính toán trong quá trình thiết lập các loại biểu đồ kiểm soát trong 7 công cụ kiểm soát chất lượng
UCL và LCL liên quan đến tính ổn định của quá trình (Quá trình trong tầm kiểm soát hay ngoài tầm kiểm
Trang 50Đây là đường cong biểu diễn năng lực quá trình về mặt hình học
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 50
Trang 51Vị trí giá trị trung bình X
Trang 5214/10/2017 TS Hoàng Mạnh Dũng - QTCL 52
Trang 53độ rộng thực của quá trình (6σ)
• Độ rộng cho phép của quá trình =
USL – LSL
Độ rộng thực của quá trình = 6σ
Chỉ số tiềm năng
Trang 54Giá trị của chỉ số tiềm năng quá trình C p
Cp<1: Năng lực quá trình kém, không có
khả năng kiểm soát quá trình, chắc chắn quá
trình tạo ra phế phẩm.
Cp=1: Năng lực quá trình khó kiểm soát, bất
cứ sự thay đổi nào của quá trình đều tạo ra
phế phẩm Trong trường hợp này, hệ số
ppmo=66803 tức trong một triệu cơ hội có
đến 66803 lỗi và quá trình đạt mức 3σ.
1<Cp≤ 1,33: Năng lực quá trình còn chưa kiểm soát, phế phẩm không thể phát hiện bằng các biểu đồ kiểm soát Nếu Cp
=1,33, hệ số ppmo=6200 tức trong một triệu
cơ hội có đến 6200 lỗi và quá trình đạt mức 4σ.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 54
Trang 55Giá trị của chỉ số tiềm năng quá trình C p
Cp<1: Năng lực quá trình kém, không có
khả năng kiểm soát quá trình, chắc chắn quá
trình tạo ra phế phẩm.
Cp=1: Năng lực quá trình khó kiểm soát, bất
cứ sự thay đổi nào của quá trình đều tạo ra
phế phẩm Trong trường hợp này, hệ số
ppmo=66803 tức trong một triệu cơ hội có
đến 66803 lỗi và quá trình đạt mức 3σ.
1<Cp≤ 1,33: Năng lực quá trình còn chưa kiểm soát, phế phẩm không thể phát hiện bằng các biểu đồ kiểm soát Nếu Cp
=1,33, hệ số ppmo=6200 tức trong một triệu
Trang 56Giá trị của chỉ số tiềm năng quá trình C p
hiện Nếu Cp =1,67, hệ số ppmo=233 tức
trong một triệu cơ hội có đến 233 lỗi và quá
trình đạt mức 5σ.
1,67<Cp≤2: Năng lực quá trình rất đáng tin cậy Nếu Cp =2, hệ số ppmo=3,4 tức trong một triệu cơ hội có đến 3,4 lỗi và quá trình đạt mức 6σ.
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 56
Trang 57Chỉ số năng lực quá trình C pk
Chỉ số năng lực quá trình gắn liền với
tiềm năng quá trình với giá trị trung bình
X (thể hiện độ tập trung)
Chỉ số năng lực quá trình trên (CPU) là
sự so sánh giữa độ rộng cho phép trên với
Trang 5814/10/2017 TS Hoàng Mạnh Dũng - QTCL 58
Lower Specification Limit: 48 Target Specification: 55 Upper Specification Limit: 60 Tolerance 48 – 60 = 12 6-Sigma process spread: 9
dữ liệu thu thập được của quá trình vượt
ra ngoài giới hạn kỹ thuật trên (Khoảng 2.439% = (61,5-60)/61,5).
Trang 59Chỉ số lệch tâm của quá trình
giữa hai giới hạn kỹ
thuật với ½ độ rộng cho
Trang 60Mối liên hệ giữa Cpk và Cp Trường hợp tốt nhất: = m dẫn đến k=0 và Cpk = Cp
Trường hợp xấu nhất: m = LSL hoặc m = USL
dẫn đến k=1 và Cpk = 0
) 1
C
14/10/2017 TS Hoàng Mạnh Dũng - QTCL 60