BÀI TẬP KIỂM SOÁT CHẤT LƯỢNG

Lớp: A01

Nhóm:

- Võ Ngọc Kim Ngân 1710405

- Nguyễn Thùy Đoan 1711033
- Nguyễn Thiên Phúc 1712687

Phần 1. BÀI TẬP THỰC HÀNH CÔNG CỤ KIỂM SOÁT CHẤT LƯỢNG

1.1. Thực hành về kiểm soát quá trình SPC

1.1.1 Lưu đồ quá trình
a) Bài 1: Sử dụng Minitab, vẽ lại Flowchart của quá trình sản xuất của một công ty
may mặc:
b) Bài 2:Lên ý tưởng và xây dựng Flowchart cho quá trình sau:
 Đóng tiền học phí trường ĐH Bách Khoa TP.HCM:
 Sản xuất của một công ty mà em đã được đi kiến tập hoặc đã được biết:
1.1.2 Biều đồ nhân quả
a) Bài 1: Sử dụng phần mềm minitab vẽ lại CED (Biểu đồ xương cá) của ví dụ

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:

Dựa vào tần đồ trên ta thấy với cỡ mẫu 100 thì:

- Trung bình kích thước của vật liệu kim loại là 0.972 và sai số 0.3908.
- Kích thước nằm trong khoảng [0.1;1.8].
 b) Bài 2: Hãy vẽ biểu đồ tần suất (Histogram) về kết quả học tập môn Kiểm soát chất
lượng của lớp CK14HT1:

Dựa vào tần đồ trên ta thấy với cỡ mẫu 120 thì:

- Trung bình kết quả học tập môn Kiểm soát chất lượng của lớp CK14HT1 là
4.479 và sai số 1.627.
- Điểm nằm trong khoảng [1;8].
 1.1.4 Biểu đồ Pareto
Ứng dụng trong nhiều lĩnh vực như đo lường mức độ than phiền của khách hàng, định
ra các khuyết tật của chất lượng, hỏng hóc và nguyên nhân. Biểu đồ Pareto giúp phát
hiện ra những lỗi thường xảy ra nhất.
a) Bài 1:Vẽ biểu đồ Pareto cho các nguyên nhân gây ra việc hàng gửi bị trả lại.

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.

1.2.2 Kiểm đồ thuộc tính

a) Bài 1 – 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 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.

1.3. Thực hành phân tích năng lực quá trình

a) Bài 1

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.

1.4. Thực hành lấy mẫu kiểm định

1.4.1 Lấy mẫu kiểm định thuộc tính
Bài 1

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.

1.4.2 Lấy mẫu kiểm định biến số

Bài 2
Hình 12 Biểu đồ đặc tính vận hành, mức chất lượng sau kiểm tra và trung bình tổng số
lần kiểm tra mỗi lô hàng
Cần lấy 19 sản phẩm ngẫu nhiên ở mỗi lô hàng trong số 1000 sản phẩm từ nhà cung
cấp. Tính toán giá trị trung bình và độ lệch chuẩn từ các mẫu ngẫu nhiên để tính giá trị
thống kê Z với
𝜇−𝐿𝑆𝐿
𝑍= .
𝜎

Nếu Z.LSL > k = 3.72787 => chấp nhận lô hàng.

Nếu trị Z.LSL < k = 3.72787 => từ chối lô hàng hoặc kiểm tra chỉnh lưu nếu cần.

Phần 2. BÀI TẬP SÁCH MONGOMERY

2.1. Chương 5: Methods And Philosophy Of Statistics Process Control

2.1.1 Bài 5.1
Trong bất kỳ một quy trình sản xuất nà cũng sẽ luôn tồn tại một lượng biến thiên vốn có
hay biến thiên tự nhiên nhất định.

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.

2.1.2 Bài 5.2

Có một mối quan hệ chặt chẽ giữa biểu đồ kiểm soát và kiểm định giả thuyết thống kê.
Biểu đồ kiểm soát là phép kiểm tra của giả thuyết rằng quá trình đang trong trạng thái
kiểm soát về mặt thống kê. Một điểm trên kiểm đồ nằm trang giới hạn kiểm soát tương
đương với việc chấp nhận giả thuyết về kiểm soát thống kê ngược lại một điểm nằm
ngoài giới hạn kiểm soát tương đương với việc bác bỏ kiểm soát thống kê.

2.1.3 Bài 5.3

Khung kiểm tra giả thuyết rất hữu dụng trong việc phân tích hiệu suất của biểu đồ kiểm
soát. Chúng ta có thể hình dung chung như sau:

- 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.

2.1.5 Bài 5.10

Chiến lược lấy mẫu này rất có thể sẽ đánh giá thấp kích thước của sự biến đổi quá trình
thực sự. Các nguyên liệu thô và điều kiện vận hành tương tự sẽ có xu hướng làm cho bất
kỳ mẫu năm mảnh nào giống nhau, trong khi sự thay đổi gây ra bởi các thay đổi trong lô
hoặc thiết bị có thể vẫn không bị phát hiện. Tín hiệu ngoài tầm kiểm soát trên biểu đồ R
sẽ được hiểu là kết quả của sự khác biệt giữa các lổ hổng. Bởi vì tính biến thiên của quy
trình thực sự sẽ bị đánh giá thấp, nên có khả năng sẽ có nhiều báo động sai trên biểu đồ
𝑥̅ hơn.

2.1.6 Bài 5.11

a. Không
b. Vấn đề là quá trình có thể chuyển sang trạng thái mất kiểm soát và trở lại trạng
thái trong kiểm soát trong vòng chưa đầy một tiếng rưỡi. Mỗi nhóm nhỏ phải là một
mẫu ngẫu nhiên của tất cả các bộ phận được sản xuất trong 2 tiếng rưỡi qua

2.1.7 Bài 5.15

Các chi phí lấy mẫu, các đơn vị bị lỗi quá mức và tìm kiếm các nguyên nhân có thể gán
có thể lựa chọn tác động của các tham số biểu đồ kiểm soát của cỡ mẫu n, tần số lấy
mẫu h và chiều rộng giới hạn kiểm soát. N và h càng lớn, chi phí lấy mẫu sẽ càng lớn.
Chi phí lấy mẫu này phải được cân nhắc với chi phí sản xuất sản phẩm không phù hợp
 2.1.8 Bài 5.19

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

2.2.2 Bài 6.12

𝑛 = 6 vật/mẫu; ∑50 50
𝑖=1 x̄ i = 2000; ∑𝑖=1 Ri = 200; m= 50 mẫu

∑ 50 ∑ 50
x̄ i 2000 Ri 200
a. 𝑋̿ = 𝑖=1 = 50 =40; 𝑅̅ = 𝑖=1 = 50 =4
𝑚 𝑚

UCL𝑥̄ = 𝑋̿+ 𝐴2𝑅̅ = 40 + 0.483(4) = 41.932

LCL𝑥̄ = 𝑋̿ − 𝐴2𝑅̅ = 40 − 0.483(4) = 38.068

UCL𝑅 = 𝐷4𝑅̅ = 2.004(4) = 8.016
LCL𝑅 = 𝐷3𝑅̅ = 0(4) = 0

(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.

2.2.3 Bài 6.13

50 50

𝑛 = 4 items/subgroup; ∑ 𝑥̄ 𝑖 = 1000; ∑ 𝑆𝑖 = 72; 𝑚 = 50 subgroups

𝑖=1 𝑖=1
 ∑50
𝑥̄ 1000
(a) 𝑥̄̄ = 𝑖=1 𝑖 = = 20
𝑚 50
∑50
𝑖=1 𝑆𝑖 72
𝑆̄ = = = 1.44
𝑚 50
UCL𝑥̄ = 𝑥̄̄ + 𝐴3 𝑆̄ = 20 + 1.628(1.44) = 22.34
LCL𝑥̄ = 𝑥̄̄ − 𝐴3 𝑆̄ = 20 − 1.628(1.44) = 17.66
UCL𝑆 = 𝐵4 𝑆̄ = 2.266(1.44) = 3.26
LCL𝑆 = 𝐵3 𝑆̄ = 0(1.44) = 0
(b) Giới hạn dung sai quá trình tự nhiên:
𝑆̄ 1.44
𝑥̄̄ ± 3𝜎̂𝑥 = 𝑥̄̄ ± 3 ( ) = 20 ± 3 ( ) = [15.3,24.7]
𝑐4 0.9213
(c)
USL - LSL +4.0 − (−4.0)
𝐶̂𝑃 = = = 0.85
6𝜎̂𝑥 6(1.44/0.9213)
Vì vậy quá trình không có khả năng.
(d)
23−20
𝑝̂ rework = 𝑃𝑟{ 𝑥 > USL} = 1 − 𝑃𝑟{ 𝑥 ≤ USL} = 1 − Φ ( )=1−
1.44/0.9213
𝛷(1.919) = 1 − 0.9725 = 0.0275or 2.75%.
15−20
𝑝̂scrap = 𝑃𝑟{ 𝑥 < LSL} = Φ (1.44/0.9213) = 𝛷(−3.199) = 0.00069, or 0.069%

Total = 2.88% + 0.069% = 2.949%

(e)
23−19
𝑝̂ rework = 1 − 𝛷 ( ) = 1 − 𝛷(2.56) = 1 − 0.99477 = 0.00523, or
1.44/0.9213
0.523%
15−19
𝑝̂scrap = 𝛷 ( ) = 𝛷(−2.56) = 0.00523, or 0.523%
1.44/0.9213

Tổng = 0.523% + 0.523% = 1.046%

Trung tâm quá trình sẽ làm giảm làm lại, nhưng tăng phế liệu. Một phân tích chi
phí là cần thiết để đưa ra quyết định cuối cùng. Một giải pháp thay thế sẽ là làm
việc để cải thiện quy trình bằng cách giảm sự thay đổi.

2.2.4 Bài 6.17

𝑛old = 5; 𝑥̄̄ old = 34.00; 𝑅̄old = 4.7
(f) Tại nnew = 3
𝑑2(new) 1.693
UCL𝑥̄ = 𝑥̄̄ old + 𝐴2(new) [ ] 𝑅̄old = 34 + 1.023 [ ] (4.7) = 37.50
𝑑2(old) 2.326
𝑑2(new) 1.693
LCL𝑥̄ = 𝑥̄̄ old − 𝐴2(new) [ ] 𝑅̄old = 34 − 1.023 [ ] (4.7) = 30.50
𝑑2(old) 2.326
𝑑2(new) 1.693
UCL𝑅 = 𝐷4(new) [ ] 𝑅̄old = 2.574 [ ] (4.7) = 8.81
𝑑2(old) 2.326
 𝑑2(new) 1.693
CL𝑅 = 𝑅̄new = [ ] 𝑅̄old = [ ] (4.7) = 3.42
𝑑2(old) 2.326
𝑑2(new) 1.693
LCL𝑅 = 𝐷3(new) [ ] 𝑅̄old = 0 [ ] (4.7) = 0
𝑑2(old) 2.326

(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.

2.2.5 Bài 6.19

 n=7; ∑𝟑𝟓 ̅𝒊 = 7805 và ∑𝟑𝟓
𝒊=𝟏 𝒙 𝒊=𝟏 𝑹𝒊 = 1200; m=35 mẫu
(a)
∑35
𝑖=1 𝑥̅𝑖 7805
𝑥̿ = = = 223
𝑚 35
∑35
𝑖=1 𝑅𝑖 1200
̅
𝑅= = = 34.29
𝑚 35
𝑈𝐶𝐿𝑥̅ = 𝑥̿ + 𝐴2 𝑅̅ = 223 + 0.419 𝑥 34.29 = 237.37
𝑈𝐶𝐿𝑥̅ = 𝑥̿ − 𝐴2 𝑅̅ = 223 − 0.419 𝑥 34.29 = 208.63
𝑈𝐶𝐿𝑅 = 𝐷4 𝑅̅ = 1.924 𝑥 34.29 = 65.97
𝑈𝐶𝐿𝑅 = 𝐷3 𝑅̅ = 0.076 𝑥 34.29 = 2.61
(b)
𝑅̅ 34.29
µ̂ = 𝑥̿ = 223; 𝜎
̂𝑥 = = = 12.68
𝑑2 2.704

(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

2.2.6 Bài 6.21

(a)
Ta có một số thông số sau:
- n = 5 => 𝐶4 = 0.94
- 𝑠̅ = 1.5
- m = 50 mẫu
Độ lệch chuẩn quả trình:
𝑠̅ 1.5
𝜎𝑥 = = = 1.6
𝐶4 0.94
(b)
Tra bảng với n = 5 => 𝐴3 = 1.954; 𝐵3 = 0; 𝐵4 = 2.089
- Giới hạn kiểm soát cho 𝑋̅𝐶𝐶:

𝑈𝐶𝐿𝑥̅ = 𝑋̿ + 𝐴3 𝑠̅ = 20 + 1.954 × 1.5 = 22.931

𝐶𝐿𝑥̅ = 𝑋̿ = 20

𝐿𝐶𝐿𝑥̅ = 𝑋̿ − 𝐴3 𝑠̅ = 20 − 1.954 × 1.5 = 17.069

- Giới hạn kiểm soát cho 𝑆𝐶𝐶:
𝑈𝐶𝐿𝑆 = 𝐵3 𝑠̅ = 2.089 × 1.5 = 3.1335
𝐶𝐿𝑆 = 𝑠̅ = 1.5
𝐿𝐶𝐿𝑆 = 𝐵3 𝑠̅ = 0 × 1.5 = 0
(c)
P{trong kiểm soát} = P{LCL ≤ 𝒙
̅ ≤ UCL} = P{𝒙
̅ ≤ UCL} – P{𝒙
̅ ≤ LCL}
 𝑈𝐶𝐿𝑋
̿ − µ𝑚ớ𝑖 𝐿𝐶𝐿𝑋̿ − µ𝑚ớ𝑖
= Φ( 𝜎𝑥 ) − Φ( 𝜎𝑥 )
⁄ ⁄
√𝑛 √𝑛

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%

2.2.7 Bài 6.22

P{lỗi} = 1 – P{không lỗi} = 1 - P{LCL ≤ 𝒙
̅ ≤ UCL} = 1- [P{𝒙
̅ ≤ UCL} – P{𝒙
̅ ≤ LCL}]

𝑈𝐶𝐿𝑋
̿ − µ𝑚ớ𝑖 𝐿𝐶𝐿𝑋̿ − µ𝑚ớ𝑖
= 1 – [Φ ( 𝜎𝑥 ) − Φ( 𝜎𝑥 )]
⁄ ⁄
√𝑛 √𝑛

209 − 188 191 − 188

= 1 – [Φ ( 6⁄ ) − Φ( 6⁄ )] = 1 − (1 − 0.84134) = 0.84134
√4 √4

Xác suất dịch chuyển được phát hiện trên mẫu tiếp theo đầu tiên là 84.13%

2.2.8 Bài 6.23

Ta có một số thông số sau:
X~N
- n = 5 => 𝑑2 = 2.326

- 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

2.2.10 Bài 6.43

a.
centerline S  c4  0.9213(10)  9.213
UCL S  B6 x  2.088(10)  20.88
LCL S  B5 x  0(10)  0
b.
k  Z / 2  Z 0.05/ 2  Z 0.025  1.96
UCL x    k x    k  x  
n  200  1.96 10  4   209.8
LCL x    k x    k  x n   200  1.96 10 4   190.2
 2.2.11 Bài 6.46
n  9;   600;  x  12;  =0.01
k  Z / 2  Z 0.01/ 2  Z 0.005  2.576
UCL x    k x    k  x  
n  600  2.576 12  9   610.3
LCL x    k x    k  x n   600  2.576 12 9   589.7

2.2.12 Bài 6.48

1 1 1 1
ARL1      6.30
1   1  Pr{not detect} Pr{detect} 0.1587
2.3. Chương 7: Control Charts for Attribute
2.3.1 Bài 7.7

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.

Pr{detected by 3rd sample} = 1 – Pr{detected after 3rd} = 1 – (1 – 0.278)3 =

0.624

2.3.2 Bài 7.8

10
0.0440
𝑚 = 10; 𝑛 = 250; ∑ 𝑝̂ 𝑖 = 0.0440; 𝑝̄ = = 0.0044
10
𝑖=1

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.

2.3.3 Bài 7.10

16
𝑛𝑝 = 16.0; 𝑛 = 100; 𝑝̄ = = 0.16
100
UCL = 𝑛𝑝 + 3√𝑛𝑝(1 − 𝑝̄ ) = 16 + 3√16(1 − 0.16) = 27.00
LCL = 𝑛𝑝 − 3√𝑛𝑝(1 − 𝑝̄ ) = 16 − 3√16(1 − 0.16) = 5.00
a)
npnew = 20.0 > 15, vì vậy sử dụng xấp xỉ bình thường để phân phối nhị thức.
Pr{detect shift on 1st sample}  1  
 1  [Pr{D  UCL | p}  Pr{D  LCL | p}]
 UCL  1/ 2  np   LCL  1/ 2  np 
 1      
 np (1  p )   np (1  p ) 
 
 27  0.5  20   5  0.5  20 
 1    
 20(1  0.2)   20(1  0.2) 
   
 1   (1.875)   (3.875)
 1  0.970  0.000
 0.030

Pr{detect by at least 3rd}

= 1 – Pr{detected after 3rd}
= 1 – (1 – 0.030)3
= 0.0873
b)
Giả sử L = 3 giới hạn kiểm soát sigma,
(1  p ) 2
n L
p
(1  0.16) 2
 (3)
0.16
 47.25
Vì vậy, n = 48 là cỡ mẫu tối thiểu cho LCL dương.
 2.3.4 Bài 7.11
Ta có một số thông số sau:
- p = 0.1
- 𝑝𝑚ớ𝑖 = 0.2
- Giả sử quá trình đạt 3sigma: L = 3
=> ẟ = 𝑝𝑚ớ𝑖 − 𝑝 = 0.2 − 0.1 = 0.1
Với xác suất 50% phát hiện dịch chuyển quá trình ở lượng ẟ = 0.1
Cỡ mẫu cần thiết:

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

𝑈𝐶𝐿 = 𝑛𝑝 + 3√𝑛𝑝𝑞 = 8 + 3√8 × (1 − 0.08) = 16.139

𝐿𝐶𝐿 = 𝑛𝑝 − 3√𝑛𝑝𝑞 = 8 − 3√8 × (1 − 0.08) = −0.139 < 0 𝑠𝑢𝑦 𝑟𝑎 𝐿𝐶𝐿 = 0

(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 − 𝑝𝑚ớ𝑖 𝐿𝐶𝐿 − 𝑝𝑚ớ𝑖

= Φ( )− Φ( )
√𝑝(1−𝑝)⁄𝑛 √𝑝(1−𝑝)⁄𝑛

0.161 − 0.2 0 − 0.2

= Φ( ) − Φ( )
√0.08(1−0.08)⁄ √0.08(1−0.08)⁄
100 100

= Φ(−1.44) − Φ(−7.37) = 0.749 − 0 = 0.749

 2.3.6 Bài 7.13
(a)
Quá trình sử dụng giới hạn kiểm soát 3sigma. Các giới hạn kiểm soát lần lượt là:
𝑝 = 0.07

𝑝(1 − 𝑝)⁄ 0.07(1 − 0.07)⁄

𝑈𝐶𝐿 = 𝑝 + 3√ 𝑛 = 0.07 + 3√ 400 = 0.108

𝑝(1 − 𝑝)⁄ 0.07(1 − 0.07)⁄

𝐿𝐶𝐿 = 𝑝 − 3√ 𝑛 = 0.07 − 3√ 400 = 0.032
(b)
P{phát hiện ở mẫu 1} = 1 - P{không phát hiện ở mẫu 1} = 1 - β
= 1- [P{p < UCL | 𝑝} - P{p ≤ LCL | 𝑝}]

𝑈𝐶𝐿 − 𝑝 𝐿𝐶𝐿 − 𝑝
= 1 - [Φ ( ) − Φ( )]
√𝑝(1−𝑝)⁄𝑛 √𝑝(1−𝑝)⁄𝑛

0.108 − 0.1 0.032 − 0.1

= 1 − [Φ ( ) − Φ( )]
√0.1(1−0.1)⁄ √0.1(1−0.1)⁄
400 400

= 1 − [Φ(0.533) − Φ(−4.533)] = 1 − 0.703 + 0 = 0.297

Xác suất sản phẩm lỗi được phát hiện trên mẫu 1 là 29.7%
(c)
P{phát hiên trên mẫu 1 hoặc 2}
= P{phát hiên trên mẫu 1} + P{không phát hiên trên mẫu 1} x P phát hiên trên mẫu 2}
= 0.297 + (1 - 0.297) x 0.297 = 0.506
Xác suất sản phẩm lỗi được phát hiện trên mẫu 1 hoặc mẫu 2 là 50.6%

2.3.7 Bài 7.14

Ta có một số thông số sau:
- p = 0.2
- 𝑝𝑚ớ𝑖 = 0.26
- Giả sử quá trình đạt 3sigma: L = 3
Cỡ mẫu để đạt LCL dương
𝑝(1 − 𝑝) 2 0.2(1 − 0.2) 2
𝑛> 𝐿 = 3 = 7.2
𝑝 0.2
=> Cần nhiều hơn 7 mẫu để đạt LCL dương.
Ta có: ẟ = 𝑝𝑚ớ𝑖 − 𝑝 = 0.26 − 0.2 = 0.06
Với xác suất 50% phát hiện dịch chuyển quá trình ở lượng ẟ = 0.06
Cỡ mẫu cần thiết:

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

> 396 ≥ 397

b.
δ = 0.04 – 0.01 = 0.03
𝐿 2 2
𝑛 = ( )2 𝑝(1 − 𝑝) = ( ) ∗ 0.01 ∗ (1 − 0.01) = 44
δ 0.03
2.3.9 Bài 7.34
𝐶𝐿 = 𝑛𝑝̅ = 2500 ∗ 0.1228 = 307

𝑈𝐶𝐿 = 𝑛𝑝̅ + 3√𝑛𝑝̅ (1 − 𝑝̅) = 307 + 3√307(1 − 0.1228) = 356.23

𝐿𝐶𝐿 = 𝑛𝑝̅ − 3√𝑛𝑝̅ (1 − 𝑝̅) = 307 − 3√307(1 − 0.1228) = 257.77

 MTB > Stat > Control Charts > Attributes Charts > NP

NP Chart of Number of Nonconforming Belts (Ex6-5Num)

500
1
1
1 1
1
400

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

Test Results for NP Chart of Ex6-5Num

TEST 1. One point more than 3.00 standard deviations from
center line.
Test Failed at points: 1, 2, 3, 5, 11, 12, 15, 16, 17, 19,
20

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

U Chart of Imperfections in Paper Rolls (Ex6-37Imp)

1.4

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

Descriptive Statistics: Ex6-37Rol

Variable N Mean
Ex6-37Rol 20 20.550

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

U Chart of Imperfections in Paper Rolls (Ex6-37Imp)

with average sample size n=20
1.4
UCL=1.289
1.2
Sample Count Per Unit

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

2.3.1 Bài 7.54

Một biểu đồ c với một đơn vị kiểm tra bằng 50 đơn vị sản xuất là phù hợp
c  850/100  8.5 . Từ phân phối Poisson tích lũy:
x Pr{D  x | c = 8.5}
3 0.030
13 0.949
14 0.973
LCL = 3 and UCL = 13. Để so sánh, phân phối chuẩn cho:
UCL  c  z0.97 c  8.5  1.88 8.5  13.98
LCL  c  z0.03 c  8.5  1.88 8.5  3.02

2.4. Chương 8: Process and Measurement System Capacity Analysis

2.4.1 Bài 8.5
Với n = 5 => 𝐶4 = 0.94
Độ lệch chuẩn quả trình:
𝑠̅ 1.05
𝜎𝑥 = = = 1.117
𝐶4 0.94
(a)
Chỉ số năng lực quá trình
𝑈𝑆𝐿 − 𝐿𝑆𝐿 105 − 85
𝐶𝑝 = = = 2.984
6𝜎 6 × 1.117
(b)
Chỉ số năng lực quá trình thực tế

𝐶𝑝𝑘 = 𝑚𝑖𝑛(𝐶𝑝𝑈 , 𝐶𝑝𝑈 )

Chỉ số năng lực quá trình một bên:

µ − 𝐿𝑆𝐿 100 − 85
𝐶𝑝𝐿 = = = 4.476
3𝜎 3 × 1.117
𝑈𝑆𝐿 − µ 105 − 100
𝐶𝑝𝑈 = = = 1.492
3𝜎 3 × 1.117
=> Chỉ số năng lực quá trình thực tế 𝐶𝑝𝑘 = 1.492

(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%

2.4.2 Bài 8.6

Với n = 4 => 𝑑2 = 2.059
Độ lệch chuẩn quả trình:
𝑅̅ 3.5
𝜎𝑥 = = = 1.7
𝑑2 2.059
(a)
Chỉ số năng lực quá trình
𝑈𝑆𝐿 − 𝐿𝑆𝐿 208 − 192
𝐶𝑝 = = = 1.569
6𝜎 6 × 1.7
(b)
Chỉ số năng lực quá trình thực tế

𝐶𝑝𝑘 = 𝑚𝑖𝑛(𝐶𝑝𝑈 , 𝐶𝑝𝑈 )

Chỉ số năng lực quá trình một bên:

µ − 𝐿𝑆𝐿 199 − 192
𝐶𝑝𝐿 = = = 1.373
3𝜎 3 × 1.7
𝑈𝑆𝐿 − µ 208 − 199
𝐶𝑝𝑈 = = = 1.765
3𝜎 3 × 1.7
=> Chỉ số năng lực quá trình thực tế 𝐶𝑝𝑘 = 1.373

(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%

2.4.3 Bài 8.7

a. n=2 nên d2=1.128
𝜎=R/d2=2.5/1.128=2.216
𝑈𝑆𝐿−𝐿𝑆𝐿
𝑃𝐶𝑅 = = 0.752
6𝜎
𝑋𝑡𝑏−𝐿𝑆𝐿
b. 𝑃𝐶𝑅𝐿 = = 0.707
3𝜎
𝑈𝑆𝐿−𝑋𝑡𝑏
𝑃𝐶𝑅𝑈 = = 0.797
3𝜎

𝑃𝐶𝑅𝐾 =min(PCRU,PCRL)=0.707
c. P(35<X<45)=0.975

2.4.4 Bài 8.8

𝑈𝑆𝐿−𝐿𝑆𝐿
𝑃𝐶𝑅 = = 1.333
6𝜎
𝑋𝑡𝑏−𝐿𝑆𝐿
𝑃𝐶𝑅𝐿 = = 0.5
3𝜎
𝑈𝑆𝐿−𝑋𝑡𝑏
𝑃𝐶𝑅𝑈 = = 2.14
3𝜎

𝑃𝐶𝑅𝐾 =min(PCRU,PCRL)=0.5
c. P(72<X<88)=0.933

2.4.5 Bài 8.9

Với n = 5 => 𝐶4 = 0.94

Độ lệch chuẩn quả trình:
𝑠̅ 3
𝜎𝐴 = = = 3.191
𝐶4 0.94
𝑠̅ 1
𝜎𝐵 = = = 1.064
𝐶4 0.94
*Chỉ số năng lực quá trình 𝐶𝑝
𝑈𝑆𝐿 − 𝐿𝑆𝐿 110 − 90
𝐶𝑝𝐴 = = = 1.045
6𝜎 6 × 3.191
𝑈𝑆𝐿 − 𝐿𝑆𝐿 110 − 90
𝐶𝑝𝐵 = = = 3.132
6𝜎 6 × 1.064
*Chỉ số năng lực quá trình thực tế 𝐶𝑝𝑘

𝐶𝑝𝑘 = 𝑚𝑖𝑛(𝐶𝑝𝑈 , 𝐶𝑝𝑈 )

Chỉ số năng lực quá trình một bên:

µ − 𝐿𝑆𝐿 100 − 90
𝐶𝑝𝐿𝐴 = = = 1.045
3𝜎 3 × 3.191
𝑈𝑆𝐿 − µ 110 − 100
𝐶𝑝𝑈𝐴 = = = 1.045
3𝜎 3 × 3.191
=> Chỉ số năng lực quá trình thực tế 𝐶𝑝𝑘𝐴 = 1.045
µ − 𝐿𝑆𝐿 105 − 90
𝐶𝑝𝐿𝐵 = = = 4.7
3𝜎 3 × 1.064
𝑈𝑆𝐿 − µ 110 − 105
𝐶𝑝𝑈𝐵 = = = 1.566
3𝜎 3 × 1.064
=> Chỉ số năng lực quá trình thực tế 𝐶𝑝𝑘𝐵 = 1.566

*Chỉ số năng lực quá trình dài hạn 𝐶𝑝𝑚

𝑈𝑆𝐿 − 𝐿𝑆𝐿 110 − 90
𝐶𝑝𝑚𝐴 = = = 1.045
6√𝜎 2 + (µ − 𝑇)2 6√3.1912 + (100 − 100)2
𝑈𝑆𝐿 − 𝐿𝑆𝐿 110 − 90
𝐶𝑝𝑚𝐵 = = = 0.652
6√𝜎 2 + (µ − 𝑇)2 6√1.0642 + (105 − 100)2
Nếu quá trình được áp dụng ngắn hạn nên sử dụng quá trình B vì 𝐶𝑝𝑘𝐵 > 𝐶𝑝𝑘𝐴

Nếu quá trình được áp dụng dài hạn nên sử dụng quá trình A vì 𝐶𝑝𝑚𝐴 > 𝐶𝑝𝑚𝐵

2.4.6 Bài 8.10

Đối với quá trình A: P(198<𝑋𝐴 <200) sấp sỉ bằng 0
Đối với quá trình A: P(198<𝑋𝐴 <200) sấp sỉ bằng 0
Nên cả 2 quá trình đều có tỷ lệ lỗi cao nên không được chọn
 2.4.7 Bài 8.11

Xtb=0.9968
S=0.0209
LNL=Xtb – 3S= 0.9341
UNL=Xtb + 3S=1.0595
P(0.9341<X1.0595)=0.9973

2.4.8 Bài 8.12

P(X <0.985) =0.28618=28,618%

2.5. Chương 15: Lot-by-lot Acceptance Sampling For Attributes

2.5.1 Bài 15.4
Ta có một số các thông số:
- α = 0.05
- β = 0.1
- p1 = AQL= 0.01
- p2 = LTPD= 0.1
Chạy phần mềm minitab, xuất kết quả:

Vậy kích thước mẫu là 52, số chấp nhận c = 2.

 2.5.2 Bài 15.6
p1 = AQL= 0.02; p2 = LTPD= 0.06
Chạy phần mềm minitab, xuất kết quả:

Vậy kích thước mẫu là 274, số chấp nhận c = 11

2.5.3 Bài 15.7

LTPD = 5%
Kích thước mẫu khác nhau cung cấp mức độ bảo vệ khác nhau.
Người tiêu dùng được bảo vệ với LTPD = 0.05 bởi Pa {N = 5000} = 0.00046 hoặc Pa
{N = 10.000} = 0.00000, nhưng trả tiền cho xác suất cao khi từ chối các lô chấp nhận
được (ví dụ: với p = 0.025, Pa {N = 5000} = 0.294 trong khi Pa {N = 10.000} = 0.182).

2.5.4 Bài 15.5

Ta có một số các thông số:
- α = 0.05
- β = 0.1
- p1 = AQL= 0.05
- p2 = LTPD= 0.15
Chạy phần mềm minitab, xuất kết quả:

Vậy kích thước mẫu là 77, số chấp nhận c = 7.

 2.5.5 Bài 15.8

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.

2.5.6 Bài 15.9

Dựa trên bài 15.4 và cỡ lô N = 2000
Chạy phần mềm Minitab, xuất kết quả OC Curve, AOQ Curve, ATI Curve
- Mức chất lượng sau kiểm tra AOQL là 0.02562 tại vị trí tỷ lệ lỗi 0.043

2.5.7 Bài 15.11

a) Đường OC của kế hoạch lấy mẫu với n = 50, c = 2

b) Ta có công thức xác suất chấp nhận lô hàng:

 Với n = 50, và c = 2 và xác suất từ chối là 0.9 nên xác suất chấp nhận là Pa = 0.1
 áp dụng công thức ta tính được p = 0.10295
c) Nếu thay đổi mức chấp nhận xuống còn 0 thì độ nhạy của kế hoạch lấy mẫu sẽ
cao hơn.
d) Đường cong OC với c = 0 và mức chất lượng ở câu b

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

2.5.8 Bài 15.13

- Đường chấp nhận: XA = - h1 + sn = -0.94 + 0.024n

- Đường từ chối: XB = -h2 + sn = -1.21 + 0.024n
 Cỡ mẫu n phụ thuộc vào mục đích của việc lấy mẫu và tính chất của sản phẩm

2.5.9 Bài 15.14

- Đường chấp nhận: XA = - h1 + sn = -1.09 + 0.05n

- Đường từ chối: XB = -h2 + sn = -1.67 + 0.05n
 Cỡ mẫu n phụ thuộc vào mục đích của việc lấy mẫu và tính chất của sản phẩm

2.6. Chương 16: Other Acceptance Sampling Techniques

2.6.1 Bài 16.6
N = 500, kiểm tra cấp 2, AQL = 4%
Mẫu mã cỡ chữ = E
Giả sử giới hạn thông số kỹ thuật duy nhất
Lấy mẫu bình thường: n = 7, k = 1.15
Lấy mẫu chặt: n = 7, k = 1.33

2.6.2 Bài 16.7

LSL = 225 psi, AQL = 1%, N = 100000
Giả sử kiểm tra cấp IV, mẫu mã cỡ chữ = O
Lấy mẫu bình thường: n = 100, k = 2.00
Lấy mẫu chặt: n = 100, k = 2.14
Giả sử lấy mẫu bình thường có hiệu lực.
𝑥̅= 225, s = 10
𝑥̅ −𝐿𝑆𝐿 255−225
𝑍𝐿𝑆𝐿 = = = 3 > 2 => Chấp nhận lô hàng
𝑠 10

2.6.3 Bài 16.8

σ = 0.005 g/cm3
𝑥̅1 = 0.15; 1 – α = 1 – 0.95 = 0.05
𝑥̅𝐴 − 𝑥̅1
𝜎 = Φ(1 − α)
√𝑛
𝑥̅𝐴 − 0.15
= +1.645
0.005
√𝑛
𝑥̅2 = 0.145; β = 0.1
𝑥̅𝐴 − 𝑥̅2
𝜎 = Φ(β)
√𝑛
𝑥̅𝐴 − 0.145
= −1.282
0.005
√𝑛
n ≈ 9 và 𝑥̅𝐴 = 0.1527

2.6.4 Bài 16.10

N = 30,000; tỉ lệ giảm trung bình = 0.10% = 0.001, n = 32, c = 0
(a)

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

OC Chart for n=32, c=0

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

Pa  P (0, n)  P (1, n)[ P (0, n)]i

P (0, n)  P (0,32)  0.9685
P (1, n)  P (1,32)  0.0310
Pa  0.9685  (0.0310)(0.9685)3  0.9967

ATI  32  (1  0.9967)(30000  32)  131

So với lấy mẫu thông thường, Pa cho lấy mẫu chuỗi lớn hơn một chút, nhưng số lượng
trung bình được kiểm tra nhỏ hơn nhiều.
(d)
Pa = 0.9958, Có thay đổi nhỏ trong hiệu suất khi tăng i

ATI  32  (1  0.9958)(30000  32)  158

2.6.5 Bài 16.12

N = 500, n = 6
Nếu c = 0, chấp nhận. Nếu c = 1, chấp nhận. Nếu i = 4. Cần tìm Pa{p = 0.02}
Pa = P(0.6) + P(1.6) x [P(0.6)]4 = 0.88584 + 0.10847 x (0.88584)4 = 0.95264

2.6.6 Bài 16.13

3 kế hoạch khác nhau CSP-1 với AOQL = 0.198% sẽ là:
1. f = ½ và i = 140
2. f = 1/10 và i = 550
3. f = 1/100 và i = 1302

2.6.7 Bài 16.14

Loại bỏ quy trình TB, p = 0.15% = 0.0015 và q = 1 – p = 0.9985
1. f = ½ và i = 140: u = 155.915, v = 1333.3, AFI = 0.5523, Pa = 0.8953
2. f = 1/10 và i = 550: u = 855.530, v = 6666.7, AFI = 0.2024, Pa = 0.8863
3. f = 1/100 và i = 1302: u = 4040.000, v = 66,666.7, AFI = 0.0666, Pa = 0.9429

f = 1/2 and i = 140 f = 1/10 and i = 550 f = 1/100 and i = 1302

p u v Pa u v Pa u v Pa
0.00 1.5035E 2000.0 0.93 7.3373E 10000.0 0.93 2.6790E 100000.0 0.97
10 +02 000 01 +02 000 16 +03 000 39
0.00 1.5592E 1333.3 0.89 8.5553E 6666.66 0.88 4.0401E 66666.66 0.94
15 +02 333 53 +02 67 63 +03 67 29
0.00 1.6175E 1000.0 0.86 1.0037E 5000.00 0.83 6.2765E 50000.00 0.88
20 +02 000 08 +03 00 28 +03 00 85
0.00 1.6788E 800.00 0.82 1.1848E 4000.00 0.77 1.0010E 40000.00 0.79
25 +02 00 66 +03 00 15 +04 00 98
0.00 1.7431E 666.66 0.79 1.4066E 3333.33 0.70 1.6331E 33333.33 0.67
30 +02 67 27 +03 33 32 +04 33 12
0.00 1.8106E 571.42 0.75 1.6795E 2857.14 0.62 2.7161E 28571.42 0.51
35 +02 86 94 +03 29 98 +04 86 27
0.00 1.8816E 500.00 0.72 2.0162E 2500.00 0.55 4.5912E 25000.00 0.35
40 +02 00 66 +03 00 36 +04 00 26
0.00 1.9562E 444.44 0.69 2.4329E 2222.22 0.47 7.8675E 22222.22 0.22
45 +02 44 44 +03 22 74 +04 22 02
0.00 2.0346E 400.00 0.66 2.9502E 2000.00 0.40 1.3638E 20000.00 0.12
50 +02 00 28 +03 00 40 +05 00 79
0.00 2.2037E 333.33 0.60 4.3972E 1666.66 0.27 4.2131E 16666.66 0.03
60 +02 33 20 +03 67 49 +05 67 81
0.00 2.3909E 285.71 0.54 6.6619E 1428.57 0.17 1.3395E 14285.71 0.01
70 +02 43 44 +03 14 66 +06 43 06
0.00 2.5984E 250.00 0.49 1.0238E 1250.00 0.10 4.3521E 12500.00 0.00
80 +02 00 04 +04 00 88 +06 00 29
0.00 2.8284E 222.22 0.44 1.5930E 1111.11 0.06 1.4383E 11111.11 0.00
90 +02 22 00 +04 11 52 +07 11 08
0.01 3.0839E 200.00 0.39 2.5056E 1000.00 0.03 4.8192E 10000.00 0.00
00 +02 00 34 +04 00 84 +07 00 02
0.01 4.8648E 133.33 0.21 2.7157E 666.666 0.00 2.3439E 6666.666 0.00
50 +02 33 51 +05 7 24 +10 7 00
0.02 7.9590E 100.00 0.11 3.3467E 500.000 0.00 1.3262E 5000.000 0.00
00 +02 00 16 +06 0 01 +13 0 00
0.02 1.3449E 80.000 0.05 4.4619E 400.000 0.00 8.2804E 4000.000 0.00
50 +03 0 61 +07 0 00 +15 0 00
0.03 2.3371E 66.666 0.02 6.2867E 333.333 0.00 5.5729E 3333.333 0.00
00 +03 7 77 +08 3 00 +18 3 00
0.03 4.1604E 57.142 0.01 9.2451E 285.714 0.00 3.9936E 2857.142 0.00
50 +03 9 35 +09 3 00 +21 9 00
0.04 7.5602E 50.000 0.00 1.4085E 250.000 0.00 3.0255E 2500.000 0.00
00 +03 0 66 +11 0 00 +24 0 00
0.04 1.3984E 44.444 0.00 2.2128E 222.222 0.00 2.4121E 2222.222 0.00
50 +04 4 32 +12 2 00 +27 2 00
0.05 2.6266E 40.000 0.00 3.5731E 200.000 0.00 2.0179E 2000.000 0.00
00 +04 0 15 +13 0 00 +30 0 00
0.06 9.6355E 33.333 0.00 1.0035E 166.666 0.00 1.6195E 1666.666 0.00
00 +04 3 03 +16 7 00 +36 7 00
0.07 3.6921E 28.571 0.00 3.0852E 142.857 0.00 1.5492E 1428.571 0.00
 00 +05 4 01 +18 1 00 +42 4 00
0.08 1.4676E 25.000 0.00 1.0318E 125.000 0.00 1.7586E 1250.000 0.00
00 +06 0 00 +21 0 00 +48 0 00
0.09 6.0251E 22.222 0.00 3.7410E 111.111 0.00 2.3652E 1111.111 0.00
00 +06 2 00 +23 1 00 +54 1 00
0.10 2.5471E 20.000 0.00 1.4676E 100.000 0.00 3.7692E 1000.000 0.00
00 +07 0 00 +26 0 00 +60 0 00

2.6.8 Bài 16.15

CSP-1 với AOQL = 1.90%
Kế hoạch A: f = 1/5 và i = 38
Kế hoạch B: f = 1/25 và i = 86

2.6.9 Bài 16.16

Kế hoạch A: AFI = 0.5165 and Pa{p = 0.0375} = 0.6043
Kế hoạch B: AFI = 0.5272 and Pa{p = 0.0375} = 0.4925
Ưu tiên kế hoạch B hơn kế hoạch A kể từ khi nó có Pa thấp hơn tại mức độ không thể
chap nhận được của p.