Professional Documents
Culture Documents
Bai Tp Kim Soat Cht Lng
Bai Tp Kim Soat Cht Lng
Bai Tp Kim Soat Cht Lng
Lớp: A01
Nhóm:
Phần 1. BÀI TẬP THỰC HÀNH CÔNG CỤ KIỂM SOÁT CHẤT LƯỢNG
b) Xây dựng biểu đồ CED (Biểu đồ xương cá) bằng Minitab thể hiện các nguyên
nhân gây ra tai nạn giao thông gia tăng
c) Tham khảo bài báo sau, phân tích cách thực hiện và vẽ lại CED của bài báo bằng
Minitab. Bài báo: “The application of cause and effect diagram in the oil industry
in Iran: The case of four liter oil canning process of Sepahan Oil Company”
1.1.3 Tần đồ (Histogram)
a) Bài 1: Nhằm xác định chính xác các kích thước của vật liệu kim loại có liên quan
tới quá trình công nghệ gia công nhiệt đang sử dụng, bộ phận kỹ thuật tiến hành
ghi chép hệ số biến dạng của vật liệu kim loại trong quá trình nhiệt luyện lấy 100
mẫu, thu được các số liệu như sau. Vẽ biểu đồ phân bố (Histogram) cho bộ dữ
liệu:
Từ kết quả ta có thể thấy 71,6% việc gửi hàng bị trả lại đến từ 4 lỗi: Số danh mục sai,
đổi giá không thông báo, lỗi chính tả tên người nhận, chữ viết không rõ.
Bài 2: Vẽ biểu đồ Pareto cho các dạng khuyết tật của sản phẩm
Từ kết quả ta có thể thấy 74% khuyết tật của sản phẩm đến từ 3 lỗi: Các vết mẻ, sai kích
thước, bị rỗ.
1.1.5 Tán đồ (Scatter Diagram)
Quan sát tương quan đặc tính là có hay không, nếu có là thuận hay nghịch, mạnh hay
yếu, tuyến tính hay phi tuyến.
a) Bài 1: Vẽ tán đồ và cho biết mối quan hệ giữa 2 đại lượng X và Y
Từ kết quả ta có thể thấy X và Y tương quan thuận với nhau tới 15.3% = 0.153
Bài 2: Vẽ tán đồ và cho biết mối tương quan giữa vận tốc băng chuyền (cm/s) và chiều
dài máy cắt được của sản phẩm cơ khí A.
Từ kết quả ta có thể thấy Vận tốc băng chuyền và Chiều dài cắt được tương quan thuận
với nhau tới 1.9% = 0.0.19
1.2. Thực hành về kiểm đồ
1.2.1 Kiểm đồ biến số
XCC-RCC: Kiểm soát quá trình trực tuyến, từ đó kiểm soát chất lượng sản phẩm
XCC-SCC: Kiểm soát quá trình trực tuyến, từ đó kiểm soát chất lượng sản phẩm
ICC-MRCC: Kiểm soát quá trình trực tuyến, từ đó kiểm soát chất lượng sản phẩm.
Bài 1: Xây dựng đồ thị kiểm soát cho loại quan sát riêng lẻ, dùng cả 8 loại kiểm tra. Quá
trình có nằm trong sự kiểm soát hay không?
Từ kết quả ta có thể thấy ,theo XCC và MR thì tất cả đều nằm trong kiểm soát Với
R=0.453 và 𝑋̿ = 5.895. Quá trình đang nằm trong kiểm soát.
Bài 2: Kiểm đồ trung bình, khoảng (XCC và RCC) và Kiểm đồ trung bình, độ lệch
chuẩn (XCC và SCC).
Hãy xây dựng và diễn dịch đồ thị S, R, x trung bình, sử dụng các thông số của quá trình.
Từ kết quả ta có thể thấy ,theo XCC -RCC thì có 1 điểm nằm ngoài kiểm soát Với
R=0.1854 và 𝑋̿ = 16.0121
Từ kết quả ta có thể thấy ,theo XCC -SCC thì có 1 điểm nằm ngoài kiểm soát Với
S=0.0829 và 𝑋̿ = 16.0121.
Sau khi nhập dữ liệu bài toán và thiết lập các dữ liệu về biến số và cỡ mẫu bằng 10 ta có
được kết quả kiểm đồ trung bình số lỗi UCC của bài toán như sau:
Hình 1 Kiểm đồ trung bình số lỗi UCC
Dựa trên kiểm đồ có thể thấy trung bình trung bình số lỗi phân bố ngẫu nhiên và đang
nằm trong kiểm soát. Đường tâm và các giới hạn kiểm soát của UCC là:
- LCL = 0
- CL = 0.8
- UCL = 1.649
Các giới hạn có thể được sử dụng để kiểm soát quá trình hiện tại, tuy nhiên để sử dụng
cho dữ liệu trong tương lai cần có cân nhắc điều chỉnh thu hẹp hoặc mở rộng giới hạn
(nếu cần).
b) Bài 2 - Kiểm đồ kiểm soát tỷ lệ lỗi PCC
Sau khi nhập dữ liệu bài toán và thiết lập các dữ liệu về biến số và cỡ mẫu bằng 50 ta có
được kết quả kiểm đồ tỷ lệ lỗi PCC của bài toán như sau:
Hình 2 Kiểm đồ tỷ lệ lỗi PCC
Dựa vào kiểm đồ có thể thấy tỉ lệ lỗi phân bố ngẫu nhiên, tỉ lệ lỗi ở mức trung bình là
𝑃̅ = 0.0971 với các giới hạn kiểm soát là:
- LCL = 0
- CL = 0.0971
- UCL = 0.2228
Với mức giới hạn kiểm soát như trên ta thấy quá trình có một điểm nằm ngoài kiểm soát
ở mẫu thứ 12, cần tìm hiểu nguyên nhân lỗi của mẫu này để có thể giải quyết kịp thời
hoặc điều chỉnh giới hạn kiểm soát nếu cần thiết.
c) Bài 3 – Kiểm đồ tổng số lỗi đơn vị CCC
Sau khi nhập dữ liệu bài toán và thiết lập các dữ liệu về biến số, ta có được kết quả kiểm
đồ tổng số lỗi đơn vị CCC của bài toán như sau:
Hình 3 Kiểm đồ tổng số lỗi đơn vị CCC
Dựa vào kiểm đồ có thể thấy tổng số lỗi đơn vị phân bố ngẫu nhiên, tổng số lỗi đơn vị ở
mức trung bình là 𝐶̅ = 19.38 với các giới hạn kiểm soát là:
- LCL = 6.18
- CL = 19.38
- UCL = 32.59
Với mức giới hạn kiểm soát như trên ta thấy quá trình hiện đang nằm trong kiểm soát,
tuy nhiên có một điểm nằm đúng tại vị trí giới hạn kiểm soát dưới là mẫu thứ 20, cần
tìm hiểu nguyên nhân lỗi của mẫu này để có thể giải quyết kịp thời hoặc điều chỉnh giới
hạn kiểm soát nếu cần thiết.
d) Bài 4 – Kiểm đồ trung bình số lỗi UCC
Sau khi nhập dữ liệu bài toán và thiết lập các dữ liệu về biến số và cỡ mẫu bằng 5 ta có
được kết quả kiểm đồ trung bình số lỗi UCC của bài toán như sau:
Hình 4 Kiểm đồ trung bình số lỗi UCC
Dựa trên kiểm đồ có thể thấy trung bình trung bình số lỗi phân bố ngẫu nhiên ở mức
trung bình là 𝐶̅ = 19.38. Đường tâm và các giới hạn kiểm soát của UCC là:
- LCL = 1.312
- CL = 3.993
- UCL = 6.674
Với mức giới hạn kiểm soát như trên ta thấy quá trình hiện đang nằm ngoài kiểm soát
với đến 3/30 mẫu (14, 22, 29) có giá trị trung bình lỗi nằm ngoài kiểm soát. Cần tìm
hiểu nguyên nhân lỗi của các mẫu này để có thể giải quyết kịp thời hoặc điều chỉnh giới
hạn kiểm soát nếu cần thiết.
Sau khi nhập dữ liệu bài toán và thiết lập các dữ liệu về biến số cho từng bộ dữ liệu của
2 công ty, cỡ mẫu bằng 1, giới hạn trên là 199 và giới hạn dưới là 201 ta có được kết
quả biểu đồ phân tích năng lực quá trình của 2 công ty như bên dưới:
Hình 5 Phân tích năng lực sản xuất nhà cung cấp Ngọc Nghĩa
Xét về năng lực cung cấp dài hạn, nhà cung cấp Ngọc Nghĩa có chất lượng chiều cao
chai phần lớn nằm trong giới hạn kỹ thuật, tuy nhiên quá trình cũng có sự lệch tâm nhẹ
với độ lệch chuẩn là 0.220786. Nhà cung cấp đạt năng lực quá trình thực tế CPm là 1.23
và số khuyết tật (nằm ngoài dung sai) là 67.59 trên một triệu sản phẩm.
Hình 6 Phân tích năng lực sản xuất nhà cung cấp Tân Phú
Xét về năng lực cung cấp dài hạn, nhà cung cấp Tân Phú có chất lượng chiều cao chai
có một số lượng lớn nằm ngoài giới hạn kỹ thuật, tuy nhiên có thể thấy quá trình không
bị lệch tâm quá nhiều với độ lệch chuẩn là 0.586661. Nhà cung cấp đạt năng lực quá
trình thực tế CPm là 0.56 và số khuyết tật (nằm ngoài dung sai) là 90972.5 trên một
triệu sản phẩm.
Từ đó công ty có thể cân nhắc lựa chọn nhà cung cấp Ngọc Nghĩa vì năng lực quá trình
thực tế dài hạn CPm lớn hơn (1.23 > 0.56), quá trình đồng nhất hơn và độ phân tán chất
lượng thấp, chất lượng chiều cao nằm trọn trong giới hạn kỹ thuật cho phép. Thêm vào
đó là tỉ lệ lỗi dự đoán trong tương lai cũng thấp hơn rất nhiều so với nhà cung cấp Tân
Phú.
b) Bài 2
Sau khi nhập dữ liệu bài toán và chọn công cụ Descriptive Statistics thiết lập các dữ liệu
về biến số ta có được một số thông số sau:
- Cỡ mẫu N=100
- Trị trung bình = 264.06
- Độ lệch chuẩn = 32.02
- Điểm tứ phân vị thứ nhất = 248
- Trung vị = 265
- Điểm tứ phân vị thứ ba = 280
Từ đó ta có thể tính toán được giới hạn kiểm soát trên UCL và giới hạn kiểm soát dưới
LCL với giới hạn kiểm soát 3σ lần lượt là:
- UCL = 360.12
- CL = 264.06
- LCL = 168
Với UCL và LCL vừa tính toán, tiến hành phân tích năng lực quá trình thực tế của công
ty:
Hình 7 Biểu đồ phân tích năng lực quá trình với đặc tính kỹ thuật Áp suất
Từ biểu đồ có thể thấy năng lực quá trình thực tế ngắn hạn của công ty là 1.02 và tỉ lệ
lỗi được dự đoán là 2294.24 lỗi trên một triệu sản phẩm. Mặt khác, xét về dài hạn, năng
lực quá trình thực tế của công ty là 1.00 và tỉ lệ lỗi được dự đoán là 2698.08 lỗi trên một
triệu sản phẩm.
a) Sau khi nhập lần lượt các thông số được cung cấp trên đề bài như:
- Mức chất lượng chấp nhận AQL = 0.5%
- Mức chất lượng bác bỏ LTPD = 2%
- α = 5%
- β = 6%
- Cỡ lô N = 1000
Tiếp theo, thiết lập và chạy phần mềm Minitab ta có kết quả như sau:
Hình 8 Biểu đồ đặc tính vận hành, mức chất lượng sau kiểm tra và trung bình tổng số
lần kiểm tra mỗi lô hàng.
AOQL = 0.307 tại phần trăm tỉ lệ lỗi của lô hàng là 0.855%
b)
i. Khi thay đổi cỡ lô thành N=2000 ta có kết quả:
Hình 9 Biểu đồ đặc tính vận hành, mức chất lượng sau kiểm tra và trung bình tổng số
lần kiểm tra mỗi lô hàng.
AOQL = 0.466 tại phần trăm tỉ lệ lỗi của lô hàng là 0.855%
ii. Khi thay đổi mức chất lượng chấp nhận AQL = 0.8% ta có kết quả:
Hình 10 Biểu đồ đặc tính vận hành, mức chất lượng sau kiểm tra và trung bình tổng số
lần kiểm tra mỗi lô hàng
AOQL = 0.044 tại phần trăm tỉ lệ lỗi của lô hàng là 1.012%
iii. Khi thay đổi mức chất lượng bác bỏ LTPD = 6% ta có kết quả:
Hình 11 Biểu đồ đặc tính vận hành, mức chất lượng sau kiểm tra và trung bình tổng số
lần kiểm tra mỗi lô hàng
AOQL = 1.246 tại phần trăm tỉ lệ lỗi của lô hàng là 2.274%
c) Dựa vào câu b), ta có thể rút ra một số kết luận sau về sự ảnh hưởng của các tham số
đối với AOQL cũng như việc lựa chọn cỡ mẫu và số chấp nhận như sau:
- Việc thay đổi cỡ lô N không ảnh hưởng đến độ lớn cỡ mẫu và số chấp nhận tuy nhiên
việc tăng cỡ lô ảnh hưởng đến mức chất lượng sau giới hạn AOQL cụ thể cỡ lô tăng,
AOQL cũng sẽ tăng và AQL vẫn cùng đạt cực đại ở vị trí tỉ lệ lỗi của lô hàng như nhau.
- Việc thay đổi mức chất lượng chấp nhập AQL có ảnh hưởng trực tiếp đến cỡ mẫu
và số chấp chận. Cụ thể AQL tăng sẽ làm cỡ mẫu tăng kéo theo số chấp nhận cũng sẽ
tăng. Mặt khác việc tăng AQL lại làm giảm giá trị của AOQL.
- Việc thay đổi mức chất lượng bác bỏ LTPD cũng ảnh hưởng đến cỡ mẫu và số chấp
nhận. Cụ thể LTPD tăng sẽ làm cỡ mẫu giảm kéo theo số chấp nhận cũng sẽ giảm. Mặt
khác việc tăng LTPD cũng làm tăng giá trị của AOQL.
Các nguyên nhân “cơ hội” hay “phổ biến” của sự biến thiên đại diện bởi lượng biến
thiên sẵn có và biến thiên tự nhiên của quá trình – các yếu tố gây nhiễu. Sự biến thiên là
kết quả từ những nguyên nhân “không ngẫu nhiên” hoặc “đặc biệt, điển hình là các
thành phần thể hiện sự khác biệt lớn và không phù hợp đối với hiệu suất quá trình thông
thường. Những biến thiên có nguyên nhân không ngẫu nhiên thường có thể được tìm ra,
có thể cần sự điều chỉnh trong nguyên liệu, thiết bị hay phương thức vận hành.
Biểu đồ kiểm soát của Shewart có thể được dùng để kiểm soát một quá trình và xác định
những khả năng xảy ra của những nguyên nhân không ngẫu nhiên. Có khả năng cao
rằng những nguyên nhân ngẫu nhiên xảy ra khi đường biểu diễn nằm ngoài giới hạn
kiểm soát. Bằng cách nhanh chóng xác định những khả năng xảy ra và hành động từ từ
để có thể loại bỏ nguyên nhân ra khỏi quá trình, chúng ta có thể làm giảm biến thiên quá
trình trong tương lai dài.
- Xác suất sai lầm loại I của biểu đồ kiểm soát là xác suất quá trình nằm ngoài tầm kiểm
soát trong khi quá trình thực sự nằm trong tầm kiểm soát.
- Xác suất sai lầm loại II của biểu đồ kiểm soát là xác suất quá trình nằm trong tầm kiểm
soát trong khi quá trình thực sự nằm ngoài tầm kiểm soát.
Trên thực tế, tác động của 2 loại xác suất sai lầm đối với doanh nghiệp có thể là:
- Với sai lầm loại I: trong quá trình vận hành, tần suất cao của báo động sai có thể dẫn
đến chi phí kiểm tra vượt mức, chi phí điều chỉnh không cần thiết (và tăng tính biến
thiên) và thiếu độ tin cậy đối với các phương pháp SPC.
- Với sai lầm loại II: tác động đối với các hoạt động của quá trình của việc không thể
phát hiện ra sự thay đổi ngoài tầm kiểm soát sẽ là sự gia tăng sản phẩm không phù hợp
và các chi phí liên quan.
2.1.4 Bài 5.6
Logic sau việc sử dụng các giới hạn kiểm soát 3-sigma trên các biểu đồ kiểm soát
Shewhart là chúng có thể mang lại kết quả khá tốt trong thực tế.
- Giới hạn kiểm soát hẹp hơn sẽ dẫn đến việc doanh nghiệp cần phải tìm hiểu nhiều hơn
và cẩn thận hơn về các nguyên nhân không ngẫu nhiên, và có thể có nhiều hơn những
báo động sai.
- Giới hạn kiểm soát động hơn sẽ dẫn đến doanh nghiệp sẽ ít phải tìm hiểu các nguyên
nhân, nhưng có thể những dịch chyển trong quá trình sẽ khó xác định nhanh chóng và
kịp thời.
Thỉnh thoảng những giới hạn xác suất sẽ được sử dụng – đặc biệt khi phân bố cơ bản
của đại lượng thống kê được biết. Nếu các phân bố cơ bản không xác định, cần thận
trọng trong việc lựa chọn độ rộng của giới hạn kiểm soát. Tuy nhiên, từ trước đến nay,
giới hạn kiểm soát 3-sigma được đánh giá là khá tốt trong khi áp dụng thực tế.
Dựa vào quãng chạy, xu hướng hoặc chu kỳ, có một sóng "thấp - cao - thấp - cao -
thấp" (tất cả các mẫu), có thể là một chu kỳ. Vì vậy chúng ta có thể nói rằng, mẫu không
xuất hiện ngẫu nhiên.
2.1.9 Bài 5.23
Kiểm tra:
Bất kỳ điểm nào nằm ngoài giới hạn kiểm soát 3-sigma? KHÔNG. (Điểm 12
nằm trong giới hạn kiểm soát 3 sigma thấp hơn.)
2 trên 3 ngoài 2 sigma của đường trung tâm? CÓ, điểm 16, 17 và 18.
4 trên 5 tại 1 sigma hoặc vượt quá đường trung tâm? CÓ, điểm 5, 6, 7, 8 và 9.
8 điểm liên tiếp ở một bên của đường trung tâm? KHÔNG.
Hai tiêu chí ngoài tầm kiểm soát được thỏa mãn.
2.1.10 Bài 5.24
Mẫu trong Hình (a) khớp với biểu đồ kiểm soát trong Hình (2).
Mẫu trong Hình (b) khớp với biểu đồ kiểm soát trong Hình (4).
Mẫu trong Hình (c) khớp với biểu đồ kiểm soát trong Hình (5).
Mẫu trong Hình (d) khớp với biểu đồ kiểm soát trong Hình (1).
Mẫu trong Hình (e) khớp với biểu đồ kiểm soát trong Hình (3).
2.2. Chương 6: Control Charts for Variables
2.2.1 Bài 6.11
𝑛 = 10; 𝜇 = 80 in-lb; 𝜎𝑥 = 10 in-lb
𝐴 = 0.949; 𝐵6 = 1.669; 𝐵5 = 0.276
centerline𝑥̄ = 𝜇 = 80
UCL𝑥̄ = 𝜇 + 𝐴𝜎𝑥 = 80 + 0.949(10) = 89.49
LCL𝑥̄ = 𝜇 − 𝐴𝜎𝑥 = 80 − 0.949(10) = 70.51
centerline𝑆 = 𝑐4𝜎𝑥 = 0.9727(10) = 9.727
UCL𝑆 = 𝐵6𝜎𝑥 = 1.669(10) = 16.69
LCL𝑆 = 𝐵5𝜎𝑥 = 0.276(10) = 2.76
∑ 50 ∑ 50
x̄ i 2000 Ri 200
a. 𝑋̿ = 𝑖=1 = 50 =40; 𝑅̅ = 𝑖=1 = 50 =4
𝑚 𝑚
(b) Giới hạn chịu đựng tự nhiên: 𝑋̿± 3𝜎̂𝑥 = 𝑋̿ ± 3(𝑅̅ /𝑑2 ) = 40 ± 3(4/2.534) =
[35.264,44.736]
𝐶̂𝑃 =( USL – LSL) /6𝜎̂𝑥 =[ +5.0−(−5.0)]/ [ 6(1.579)] = 1.056
vì vậy quá trình không có khả năng
36−40
(d) 𝑝̂scrap = 𝑃𝑟{ 𝑥 < LSL} = 𝑃𝑟{ 𝑥 < 36} = 𝛷 (
1.579
) = 𝛷(−2.533) = 0.0057
47−40
𝑝̂rework = 𝑃𝑟{ 𝑥 > USL} = 1 − 𝑃𝑟{ 𝑥 < USL} = 1 − Φ ( ) = 1 − 𝛷(4.433) = 1 −
1.579
0.999995 = 0.000005.
(e) Đầu tiên, tập trung vào quy trình ở 41, chứ không phải 40, để giảm chi phí phế liệu
và làm lại. Thứ hai, giảm độ biến thiên sao cho giới hạn dung sai của quá trình tự nhiên
gần hơn, giả sử, 𝜎̂𝑥 ≈ 1.253.
(g) Các giới hạn kiểm soát cho n = 5 là Giới hạn chặt chẽ hơn (31,29, 36,72) so với
giới hạn cho n = 3 (30,50, 37,50). Điều này có nghĩa là sự thay đổi 2 * trong giá
trị trung bình sẽ được phát hiện nhanh hơn với kích thước mẫu là n = 5
(h) Tại n = 8
𝑑2(new) 2.847
UCL𝑥̄ = 𝑥̄̄ old + 𝐴2(new) [ ] 𝑅̄old = 34 + 0.373 [ ] (4.7) = 36.15
𝑑2(old) 2.326
𝑑2(new) 2.847
LCL𝑥̄ = 𝑥̄̄ old − 𝐴2(new) [ ] 𝑅̄old = 34 − 0.373 [ ] (4.7) = 31.85
𝑑2(old) 2.326
𝑑2(new) 2.847
UCL𝑅 = 𝐷4(new) [ ] 𝑅̄old = 1.864 [ ] (4.7) = 10.72
𝑑2(old) 2.326
𝑑2(new) 2.847
CL𝑅 = 𝑅̄new = [ ] 𝑅̄old = [ ] (4.7) = 5.75
𝑑2(old) 2.326
𝑑2(new) 2.847
LCL𝑅 = 𝐷3(new) [ ] 𝑅̄old = 0.136 [ ] (4.7) = 0.78
𝑑2(old) 2.326
(i) Các giới hạn kiểm soát cho n = 8 thậm chí còn "chặt chẽ hơn" (31,85, 36,15), tăng
khả năng biểu đồ nhanh chóng phát hiện sự thay đổi 2 * trong quá trình trung
bình.
(c)
𝑈𝑆𝐿 − 𝐿𝑆𝐿 35 − (−35)
̂𝑝 =
𝐶 = = 0.92
6𝜎
̂𝑥 6 𝑥 12.68
Quá trình không có khả năng đáp ứng
𝑝̂ = Pr{𝑥 > 𝑈𝑆𝐿} + Pr{𝑥 < 𝐿𝑆𝐿} = 1 − Pr{𝑥 < 𝑈𝑆𝐿) + Pr{𝑥 < 𝐿𝑆𝐿}
255 − 220 185 − 223
= 1 − Pr{𝑥 ≤ 255} + Pr{𝑥 ≤ 185} = 1 − Φ ( ) + Φ( )
12.68 12.68
= 1 − Φ(2.52) + Φ(−3.00) = 1 − 0.99413 + 0.00135 = 0.0072
(d)
255 − 220 185 − 220
𝑝̂ = 1 − Φ ( )+Φ( ) = 1 − Φ(2.76) + Φ(−2.76)
12.68 12.68
= 1 − 0.99711 + 0.00289 = 0.00578
𝐶𝐿𝑥̅ = 𝑋̿ = 20
22.931 − 22 17.069 – 22
= Φ( 1.6⁄ ) − Φ( 1.6⁄ )
√5 √5
= 0.90339 – 0 = 0.90339
Xác suất kết luận quá trình trong kiểm soát là 90.34%
𝑈𝐶𝐿𝑋
̿ − µ𝑚ớ𝑖 𝐿𝐶𝐿𝑋̿ − µ𝑚ớ𝑖
= 1 – [Φ ( 𝜎𝑥 ) − Φ( 𝜎𝑥 )]
⁄ ⁄
√𝑛 √𝑛
Xác suất dịch chuyển được phát hiện trên mẫu tiếp theo đầu tiên là 84.13%
- 𝑋̿ = 104
- 𝑅̅ =9.30
- USL = 110; LSL = 90
Xét độ lệch chuẩn quá trình:
𝑅̅ 9.3
𝜎𝑥 = = = 3.998
𝑑2 2.326
Quá trình với giới hạn kiểm soát 3𝜎, khoảng giá trị là 6𝜎𝑥 = 6 × 3.998 = 23.988 >
khoảng dung sai cho phép 20 (2×10 = 20)
Vì thế kể cả khi quá trình được điều chỉnh đúng tâm quá trình là 100 thì vẫn chưa chắc
tất cả các sản phẩm đều đạt tiêu chuẩn kỹ thuật.
Năng lực quá trình hiện tại là:
𝑈𝐶𝐿−𝐿𝐶𝐿 110−90
𝐶𝑝 = = = 0.88375
6𝜎𝑥 23.988
2.2.9 Bài 6.24
Ta có một số thông số sau:
- n = 2 => 𝐴 = 2.121; 𝐷1 = 0; 𝐷2 = 3.686; 𝐵5 = 0; 𝐵6 = 2.606;
𝑑2 = 1.128 ; 𝐶4 = 0.7979
- 𝜎 = 2.5
- µ = 10
- Giới hạn kiểm soát cho 𝑋̅𝐶𝐶:
𝑈𝐶𝐿𝑥̅ = µ + 𝐴𝜎 = 10 + 2.121 × 2.5 = 15.3025
𝐶𝐿𝑥̅ = µ = 10
𝐿𝐶𝐿𝑥̅ = µ + 𝐴𝜎 = 10 − 2.121 × 2.5 = 4.6975
- Giới hạn kiểm soát cho 𝑅𝐶𝐶:
𝑈𝐶𝐿𝑅 = 𝐷2 𝜎 = 3.686 × 2.5 = 9.215
𝐶𝐿𝑅 = 𝑑2 𝜎 = 1.128 × 2.5 = 2.82
𝐿𝐶𝐿𝑅 = 𝐷1 𝜎 = 0 × 2.5 = 0
- Giới hạn kiểm soát cho 𝑆𝐶𝐶:
𝑈𝐶𝐿𝑆 = 𝐵6 𝜎 = 2.606 × 2.5 = 6.515
𝐶𝐿𝑆 = 𝐶4 𝜎 = 0.7979 × 2.5 = 1.99475
𝐿𝐶𝐿𝑆 = 𝐵5 𝜎 = 0 × 2.5 = 0
𝑝̄ = 0.02; 𝑛 = 50
𝑝̄ (1 − 𝑝̄ ) 0.02(1 − 0.02)
UCL = 𝑝̄ + 3√ = 0.02 + 3√ = 0.0794
𝑛 50
𝑝̄ (1 − 𝑝̄ ) 0.02(1 − 0.02)
LCL = 𝑝̄ − 3√ = 0.02 − 3√ = 0.02 − 0.0594 ⇒ 0
𝑛 50
Bởi vì pnew = 0.04 < 0.1 và n = 50 is "large", sử dụng xấp xỉ Poisson cho
nhị thức với = npnew = 50(0.04) = 2.00.
Pr{detect|shift}
= 1 – Pr{not detect|shift}
=1–
= 1 – [Pr{D < nUCL | } – Pr{D nLCL | }]
= 1 – Pr{D < 50(0.0794) | 2} + Pr{D 50(0) | 2}
= 1 – POI(3,2) + POI(0,2) = 1 – 0.857 + 0.135 = 0.278
Với POI() là phân phối Poisson tích lũy.
𝑝̄ (1 − 𝑝̄ ) 0.0044(1 − 0.0044)
UCL = 𝑝̄ + 3√ = 0.0044 + 3√ = 0.0170
𝑛 250
𝑝̄ (1 − 𝑝̄ ) 0.0044(1 − 0.0044)
UCL = 𝑝̄ − 3√ = 0.0044 − 3√
𝑛 250
= 0.0044 − 0.0126 ⇒ 0
Các dữ liệu từ lô hàng không chỉ ra kiểm soát thống kê. Từ mẫu thứ 6, (𝑝̂6 =
0.020) > 0.0170, UCL.
𝐿 2 3 2
𝑛 = ( ) × 𝑝(1 − 𝑝) = ( ) × 0.1(1 − 0.1) = 81 (𝑚ẫ𝑢)
ẟ 0.1
2.3.5 Bài 7.12
(a)
𝑛𝑝 = 100 × 0.08 = 8
(b)
Sử dụng phân phối xấp xỉ Poisson cho nhị thức
P{lỗi loại I} = α = P{D < LCL | p} + P{D > UCL | p}
= P{D < LCL | p} + [1 – P{D UCL | p}]
= P{D < 0 | 8} + [1 – P{D 16.139 | 8}]
= 0 + 1 - POI(16,8) = 1 - 0.996 = 0.04
(c)
P{lỗi loại II} = β
= P{p < UCL | 𝑝𝑚ớ𝑖 } - P{p ≤ LCL | 𝑝𝑚ớ𝑖 }
𝑈𝐶𝐿 − 𝑝 𝐿𝐶𝐿 − 𝑝
= 1 - [Φ ( ) − Φ( )]
√𝑝(1−𝑝)⁄𝑛 √𝑝(1−𝑝)⁄𝑛
𝐿 2 3 2
𝑛 = ( ) × 𝑝(1 − 𝑝) = ( ) × 0.2(1 − 0.2) = 400 (𝑚ẫ𝑢)
ẟ 0.06
2.3.8 Bài 7.29
a.
1−𝑝
𝑛>(
𝑝
) 𝐿2
1−0.01
>( ) 22
0.01
UCL=356.3
Sample Count
__
300 NP=307.1
LCL=257.8
1 1
1 1
200
1
1
100
2 4 6 8 10 12 14 16 18 20
Sample
Giống như biểu đồ kiểm soát p, nhiều nhóm con nằm ngoài tầm kiểm soát (11
trong tổng số 20), cho thấy rằng dữ liệu này không nên được sử dụng để thiết lập
giới hạn kiểm soát cho sản xuất trong tương lai
2.3.10 Bài 7.37
CL u 0.7007
UCLi u 3 u ni 0.7007 3 0.7007 / ni
LCLi u 3 u ni 0.7007 3 0.7007 / ni
ni [LCLi, UCLi]
18 [0.1088, 1.2926]
20 [0.1392, 1.2622]
21 [0.1527, 1.2487]
22 [0.1653, 1.2361]
24 [0.1881, 1.2133]
MTB > Stat > Control Charts > Attributes Charts > U
UCL=1.249
1.2
Sample Count Per Unit
1.0
0.8 _
U=0.701
0.6
0.4
0.2
LCL=0.153
0.0
2 4 6 8 10 12 14 16 18 20
Sample
Tests performed with unequal sample sizes
2.3.11 Bài 7.38
CL u 0.7007; n 20.55
UCL u 3 u n 0.7007 3 0.7007 / 20.55 1.2547
LCL u 3 u n 0.7007 3 0.7007 / 20.55 0.1467
MTB > Stat > Basic Statistics > Display Descriptive Statistics
Cỡ mẫu trung bình là 20.55 truy nhiên MINITAB chỉ chấp nhận các giá trị nguyên
cho n. Sử dụng cỡ mẫu n=20, và kiểm ra các điểm nằm gần giới hạn kiểm soát.
MTB > Stat > Control Charts > Attributes Charts > U
1.0
0.8 _
U=0.72
0.6
0.4
0.2
LCL=0.151
0.0
2 4 6 8 10 12 14 16 18 20
Sample
(c)
Với 𝐶𝑝 = 2.984 (lý thuyết)
𝐿𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡 𝑈𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡
𝑝𝑝 = p{𝑧 < } + [1 − p {𝑧 ≤ }]
𝜎 𝜎
𝐿𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡 𝑈𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡
= Φ( ) + [1 − Φ ( )]
𝜎 𝜎
85−95 105−95
= Φ( ) + 1 - Φ( )
1.117 1.117
=0+1–1=0
Với 𝐶𝑝𝑘 = 1.492 (thực tế)
𝐿𝑆𝐿−µ 𝑈𝑆𝐿−µ
𝑝𝑎 = p{𝑧 < } + [1 − p {𝑧 ≤ }]
𝜎 𝜎
𝐿𝑆𝐿−µ 𝑈𝑆𝐿−µ
= Φ( ) + [1 − Φ ( )]
𝜎 𝜎
85−100 105−100
= Φ( ) + 1 - Φ( )
1.117 1.117
= 0 + 1 – 0.99999 = 0.00001
Vậy khi thực hiện điều chỉnh xác suất lỗi giảm 0.00001 hay 0.001%
(c)
Với 𝐶𝑝 = 1.569 (lý thuyết)
Khi tâm quá trình trùng với mục tiêu của đặc tính kỹ thuật, phần trăm tỷ lệ lỗi sẽ bằng:
𝐿𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡
𝑝𝑝 = p{𝑧 < }
𝜎
𝐿𝑆𝐿−µ𝑙ý 𝑡ℎ𝑢𝑦ế𝑡
= 2 × Φ( )
𝜎
192−200
= 2 × Φ( )
1.7
= 2 x 0.000001265= 0.00000253
Với 𝐶𝑝𝑘 = 1.373 (thực tế)
𝐿𝑆𝐿−µ 𝑈𝑆𝐿−µ
𝑝𝑎 = p{𝑧 < } + [1 − p {𝑧 ≤ }]
𝜎 𝜎
𝐿𝑆𝐿−µ 𝑈𝑆𝐿−µ
= Φ( ) + [1 − Φ ( )]
𝜎 𝜎
192−199 208−199
= Φ( ) + 1 - Φ( )
1.7 1.7
= 0.000019149 + 1 – 1 = 0.000019149
Vậy khi thực hiện điều chỉnh xác suất lỗi giảm 0.00001912 hay 0.001912%
𝑃𝐶𝑅𝐾 =min(PCRU,PCRL)=0.707
c. P(35<X<45)=0.975
𝑃𝐶𝑅𝐾 =min(PCRU,PCRL)=0.5
c. P(72<X<88)=0.933
Nếu quá trình được áp dụng dài hạn nên sử dụng quá trình A vì 𝐶𝑝𝑚𝐴 > 𝐶𝑝𝑚𝐵
Xtb=0.9968
S=0.0209
LNL=Xtb – 3S= 0.9341
UNL=Xtb + 3S=1.0595
P(0.9341<X1.0595)=0.9973
Kế hoạch này cung cấp các biện pháp bảo vệ lô khác nhau với mức độ khiếm khuyết
khác nhau, tùy thuộc vào quy mô lô. Ví dụ tại p = 0.01, Pa (N=1000) = 0.73230, Pa
(N=5000) = 0.49484.
1.
Dốc hơn so với đường OC ở câu a
e) Công thức tính ATI:
Với c = 2 ATI = 60
Với c = 0 ATI = 495
p Pa Pr{reject}
0.0010 0.9685 0.0315
0.0020 0.9379 0.0621
0.0030 0.9083 0.0917
0.0040 0.8796 0.1204
0.0050 0.8518 0.1482
0.0060 0.8248 0.1752
0.0070 0.7987 0.2013
0.0080 0.7733 0.2267
0.0090 0.7488 0.2512
0.0100 0.7250 0.2750
0.0200 0.5239 0.4761
0.0300 0.3773 0.6227
0.0400 0.2708 0.7292
0.0500 0.1937 0.8063
0.0600 0.1381 0.8619
0.0700 0.0981 0.9019
0.0800 0.0694 0.9306
0.0900 0.0489 0.9511
0.1000 0.0343 0.9657
0.2000 0.0008 0.9992
0.3000 0.0000 1.0000
1.0
0.8
Probability of Acceptance, Pa
0.6
0.4
0.2
0.0
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18 0.20
Fraction Defective, p
(b)
ATI n (1 Pa )( N n)
32 (1 0.9685)(30000 32)
976
(c)
Chuỗi lấy mẫu: n = 32, c = 0, i = 3, p = 0.001