Một sản phẩm có thể chứa nhiều khuyết tật
Khi thống kê chất lượng lớp phủ hoặc kết quả một công đoạn chế tạo, có hai cách đếm khác nhau: số sản phẩm không phù hợp và số khuyết tật được ghi nhận. Một sản phẩm có nhiều khuyết tật làm hai số này khác nhau. NIST phân biệt các đơn vị không phù hợp với những điểm không phù hợp riêng khi trình bày biểu đồ số đếm. [1]
Biểu đồ c trong bài theo dõi số khuyết tật trên một đơn vị kiểm tra có phạm vi không đổi. Ví dụ dùng những vùng kiểm tra giả định có cùng diện tích và điều kiện. Đây là mô hình phân tích dữ liệu; nó không đặt tiêu chí chấp nhận lớp phủ hoặc cho phép bỏ qua một dạng khuyết tật cụ thể.
Đơn vị kiểm tra cần mang cùng cơ hội phát hiện
Giả sử mỗi đơn vị là một vùng bề mặt một mét vuông. Nếu cùng phương pháp và mức độ kiểm tra, có thể thử mô hình số khuyết tật trong vùng bằng một biến Poisson. Tuy nhiên, cùng diện tích chưa bảo đảm cùng cơ hội khi số góc cạnh, mối nối, trạng thái bề mặt hoặc khả năng tiếp cận khác nhau.
Vì vậy, trước khi gộp dữ liệu cần xác định phạm vi thực tế. Nếu một ca kiểm tra toàn bộ bề mặt còn ca khác chỉ xem các điểm dễ tiếp cận, biểu đồ có thể đang theo dõi thay đổi của cách kiểm tra nhiều hơn thay đổi của quá trình chế tạo. Mã vùng và điều kiện kiểm tra giúp truy lại điều này.
Cơ sở Poisson
Với số đếm C có phân bố Poisson tham số λ, công thức xác suất là P(C = k) = exp(−λ)λᵏ/k!, trong đó k là số nguyên không âm. Trung bình và phương sai đều bằng λ. NIST trình bày phân bố này trong phần thống kê mô tả. [2]
Mô hình phù hợp về mặt khái niệm khi cường độ sự kiện trên đơn vị kiểm tra ổn định và các sự kiện có tính độc lập thích hợp. Đây là giả thiết cần kiểm tra bằng dữ liệu và hiểu biết quá trình, không phải hệ quả tự động của việc dữ liệu là số nguyên.
Nếu λ chưa biết, biểu đồ cơ bản dùng c̄ là trung bình số khuyết tật của các đơn vị tham chiếu có cùng phạm vi. Dạng ba độ lệch chuẩn là UCL = c̄ + 3√c̄, đường trung tâm c̄ và LCL thô = c̄ − 3√c̄. Khi giới hạn dưới âm, không có khả năng quan sát số đếm thấp hơn không; có thể hiển thị mức chặn bằng không. [1]
Ví dụ mức tham chiếu bằng bốn
Giả định 20 đơn vị kiểm tra có tổng 80 khuyết tật, nên c̄ = 4. Trong bài, bộ tham chiếu được giả định đã được xem xét cho mục đích minh họa; số tổng này riêng lẻ không chứng minh tính ổn định hay phù hợp Poisson.
Độ lệch chuẩn theo mô hình bằng √4 = 2. UCL = 4 + 3 × 2 = 10; LCL thô bằng −2 nên chặn về không. Một đơn vị mới có 11 khuyết tật nằm trên giới hạn trên và cần được điều tra theo quy tắc đang dùng. Một đơn vị có 10 nằm đúng giới hạn, chưa vượt nó theo quy tắc “lớn hơn”.
Nếu hệ thống quy định một quy tắc khác về điểm nằm tại giới hạn hoặc chuỗi điểm, cần ghi rõ trước khi áp dụng. Việc thay quy tắc sau khi thấy dữ liệu làm các tín hiệu giữa các kỳ khó so sánh.
Ba sigma không tạo xác suất đuôi chuẩn một cách chính xác
Với λ thật được giả định bằng 4, tín hiệu vượt UCL = 10 tương đương C ít nhất 11. Xác suất bằng 1 trừ tổng P(C = k) từ k = 0 đến 10. Tự tính theo công thức Poisson cho khoảng 0,00283977, tức 0,28398% ở phía trên.
Phân bố này rời rạc và lệch; mức λ nhỏ cũng làm xấp xỉ chuẩn kém thuận lợi. Vì vậy, không nên nói giới hạn đối xứng ba độ lệch chuẩn luôn có xác suất đuôi 0,135% mỗi phía. NIST thảo luận hạn chế của xấp xỉ chuẩn trong chính bài về biểu đồ số đếm. [1]
Xác suất vừa tính còn giả định tham số thật đã biết. Nếu c̄ được ước lượng từ một số ít đơn vị hoặc dùng thêm quy tắc chuỗi điểm, đặc tính báo động thực tế sẽ thay đổi. Điều cần giữ là hiểu mình đang áp một mô hình, thay vì coi mọi đường giới hạn là ranh giới chắc chắn của quá trình.
Diện tích thay đổi làm c không còn cùng cơ sở
Giả sử mức trung bình là bốn khuyết tật trên mỗi mét vuông và cường độ đồng nhất. Với diện tích a mét vuông, số đếm có trung bình 4a trong mô hình Poisson theo diện tích. Khi a = 2, trung bình số đếm tăng thành 8, độ lệch chuẩn √8, và giới hạn trên dạng ba sigma bằng 8 + 3√8 ≈ 16,4853.
Nếu quan sát 12 khuyết tật trên hai mét vuông, so trực tiếp với UCL = 10 của một mét vuông sẽ phát tín hiệu sai về cơ sở. Tính trên phạm vi hai mét vuông, 12 chưa vượt 16,4853. Điều này không xác nhận các khuyết tật được phép tồn tại; nó chỉ nói số đếm chưa vượt giới hạn thống kê của mô hình đã khai báo.
Quy đổi về mật độ cần giữ độ biến động theo diện tích
Đặt u = C/a, đơn vị khuyết tật trên mét vuông. Nếu C có trung bình và phương sai λa, thì u có trung bình λ và phương sai λ/a. Do đó, giới hạn dạng ba sigma cho mật độ là λ ± 3√(λ/a), sau khi xử lý giới hạn dưới âm.
Với λ = 4 và a = 2, UCL của u bằng 4 + 3√2 ≈ 8,24264 khuyết tật trên mét vuông. Số quan sát 12/2 = 6 chưa vượt mức này. Việc chia số đếm cho diện tích rồi dùng một cặp giới hạn cố định bất kể diện tích vẫn bỏ sót sự thay đổi của độ biến động lấy mẫu.
Kiểm tra phương sai so với trung bình
Một đặc điểm Poisson là phương sai bằng trung bình. NIST định nghĩa chỉ số phân tán từ dữ liệu bằng s²/c̄ và giải thích giá trị lý thuyết bằng một cho Poisson. [3] Trong mẫu hữu hạn, chỉ số quan sát không cần đúng một; cần xem quy mô dữ liệu và bối cảnh trước khi kết luận.
Hai dãy minh họa có cùng trung bình bốn: dãy 2, 3, 4, 5, 6 có phương sai mẫu 2,5, còn dãy 0, 0, 4, 8, 8 có phương sai mẫu 16. Chỉ số phân tán tương ứng 0,625 và 4. Dãy thứ hai biến động rộng hơn nhiều dù đường trung tâm giống nhau. Năm điểm trong ví dụ không đủ để tự quyết định mô hình cho một quá trình thực, nhưng cho thấy chỉ nhìn trung bình là thiếu.
Điều tra trước khi đổi giới hạn
Biến động lớn có thể liên quan đến việc trộn cấu hình, thay diện tích kiểm tra, nhiều khuyết tật cùng phát sinh từ một cơ chế hoặc điều kiện quá trình thay đổi. Cần phân nhóm và đối chiếu hồ sơ trước khi lựa chọn mô hình khác. Tự nới giới hạn chỉ để không còn điểm báo động có thể che một tín hiệu cần xử lý.
Một báo cáo có thể giữ số đếm, phạm vi kiểm tra, mật độ quy đổi, điều kiện và cách tính giới hạn. Khi có tín hiệu, kiểm tra lại dữ liệu rồi tìm thay đổi liên quan đến đúng đơn vị ấy. Biểu đồ c phát huy giá trị khi đơn vị kiểm tra, quy tắc ghi nhận và phản hồi quản lý đều được xác định rõ.
Nguồn tham khảo
[1] NIST/SEMATECH e-Handbook, 6.3.3.1 — Counts Control Charts — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
[2] NIST/SEMATECH e-Handbook, 1.3.6.6.19 — Poisson Distribution — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
[3] Dataplot Reference Manual — Index of Dispersion — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
Rà soát nội dung: 09/11/2026.
Khi thống kê chất lượng lớp phủ hoặc kết quả một công đoạn chế tạo, có hai cách đếm khác nhau: số sản phẩm không phù hợp và số khuyết tật được ghi nhận. Một sản phẩm có nhiều khuyết tật làm hai số này khác nhau. NIST phân biệt các đơn vị không phù hợp với những điểm không phù hợp riêng khi trình bày biểu đồ số đếm. [1]
Biểu đồ c trong bài theo dõi số khuyết tật trên một đơn vị kiểm tra có phạm vi không đổi. Ví dụ dùng những vùng kiểm tra giả định có cùng diện tích và điều kiện. Đây là mô hình phân tích dữ liệu; nó không đặt tiêu chí chấp nhận lớp phủ hoặc cho phép bỏ qua một dạng khuyết tật cụ thể.
Đơn vị kiểm tra cần mang cùng cơ hội phát hiện
Giả sử mỗi đơn vị là một vùng bề mặt một mét vuông. Nếu cùng phương pháp và mức độ kiểm tra, có thể thử mô hình số khuyết tật trong vùng bằng một biến Poisson. Tuy nhiên, cùng diện tích chưa bảo đảm cùng cơ hội khi số góc cạnh, mối nối, trạng thái bề mặt hoặc khả năng tiếp cận khác nhau.
Vì vậy, trước khi gộp dữ liệu cần xác định phạm vi thực tế. Nếu một ca kiểm tra toàn bộ bề mặt còn ca khác chỉ xem các điểm dễ tiếp cận, biểu đồ có thể đang theo dõi thay đổi của cách kiểm tra nhiều hơn thay đổi của quá trình chế tạo. Mã vùng và điều kiện kiểm tra giúp truy lại điều này.
Cơ sở Poisson
Với số đếm C có phân bố Poisson tham số λ, công thức xác suất là P(C = k) = exp(−λ)λᵏ/k!, trong đó k là số nguyên không âm. Trung bình và phương sai đều bằng λ. NIST trình bày phân bố này trong phần thống kê mô tả. [2]
Mô hình phù hợp về mặt khái niệm khi cường độ sự kiện trên đơn vị kiểm tra ổn định và các sự kiện có tính độc lập thích hợp. Đây là giả thiết cần kiểm tra bằng dữ liệu và hiểu biết quá trình, không phải hệ quả tự động của việc dữ liệu là số nguyên.
Nếu λ chưa biết, biểu đồ cơ bản dùng c̄ là trung bình số khuyết tật của các đơn vị tham chiếu có cùng phạm vi. Dạng ba độ lệch chuẩn là UCL = c̄ + 3√c̄, đường trung tâm c̄ và LCL thô = c̄ − 3√c̄. Khi giới hạn dưới âm, không có khả năng quan sát số đếm thấp hơn không; có thể hiển thị mức chặn bằng không. [1]
Ví dụ mức tham chiếu bằng bốn
Giả định 20 đơn vị kiểm tra có tổng 80 khuyết tật, nên c̄ = 4. Trong bài, bộ tham chiếu được giả định đã được xem xét cho mục đích minh họa; số tổng này riêng lẻ không chứng minh tính ổn định hay phù hợp Poisson.
Độ lệch chuẩn theo mô hình bằng √4 = 2. UCL = 4 + 3 × 2 = 10; LCL thô bằng −2 nên chặn về không. Một đơn vị mới có 11 khuyết tật nằm trên giới hạn trên và cần được điều tra theo quy tắc đang dùng. Một đơn vị có 10 nằm đúng giới hạn, chưa vượt nó theo quy tắc “lớn hơn”.
Nếu hệ thống quy định một quy tắc khác về điểm nằm tại giới hạn hoặc chuỗi điểm, cần ghi rõ trước khi áp dụng. Việc thay quy tắc sau khi thấy dữ liệu làm các tín hiệu giữa các kỳ khó so sánh.
Ba sigma không tạo xác suất đuôi chuẩn một cách chính xác
Với λ thật được giả định bằng 4, tín hiệu vượt UCL = 10 tương đương C ít nhất 11. Xác suất bằng 1 trừ tổng P(C = k) từ k = 0 đến 10. Tự tính theo công thức Poisson cho khoảng 0,00283977, tức 0,28398% ở phía trên.
Phân bố này rời rạc và lệch; mức λ nhỏ cũng làm xấp xỉ chuẩn kém thuận lợi. Vì vậy, không nên nói giới hạn đối xứng ba độ lệch chuẩn luôn có xác suất đuôi 0,135% mỗi phía. NIST thảo luận hạn chế của xấp xỉ chuẩn trong chính bài về biểu đồ số đếm. [1]
Xác suất vừa tính còn giả định tham số thật đã biết. Nếu c̄ được ước lượng từ một số ít đơn vị hoặc dùng thêm quy tắc chuỗi điểm, đặc tính báo động thực tế sẽ thay đổi. Điều cần giữ là hiểu mình đang áp một mô hình, thay vì coi mọi đường giới hạn là ranh giới chắc chắn của quá trình.
Diện tích thay đổi làm c không còn cùng cơ sở
Giả sử mức trung bình là bốn khuyết tật trên mỗi mét vuông và cường độ đồng nhất. Với diện tích a mét vuông, số đếm có trung bình 4a trong mô hình Poisson theo diện tích. Khi a = 2, trung bình số đếm tăng thành 8, độ lệch chuẩn √8, và giới hạn trên dạng ba sigma bằng 8 + 3√8 ≈ 16,4853.
Nếu quan sát 12 khuyết tật trên hai mét vuông, so trực tiếp với UCL = 10 của một mét vuông sẽ phát tín hiệu sai về cơ sở. Tính trên phạm vi hai mét vuông, 12 chưa vượt 16,4853. Điều này không xác nhận các khuyết tật được phép tồn tại; nó chỉ nói số đếm chưa vượt giới hạn thống kê của mô hình đã khai báo.
Quy đổi về mật độ cần giữ độ biến động theo diện tích
Đặt u = C/a, đơn vị khuyết tật trên mét vuông. Nếu C có trung bình và phương sai λa, thì u có trung bình λ và phương sai λ/a. Do đó, giới hạn dạng ba sigma cho mật độ là λ ± 3√(λ/a), sau khi xử lý giới hạn dưới âm.
Với λ = 4 và a = 2, UCL của u bằng 4 + 3√2 ≈ 8,24264 khuyết tật trên mét vuông. Số quan sát 12/2 = 6 chưa vượt mức này. Việc chia số đếm cho diện tích rồi dùng một cặp giới hạn cố định bất kể diện tích vẫn bỏ sót sự thay đổi của độ biến động lấy mẫu.
Kiểm tra phương sai so với trung bình
Một đặc điểm Poisson là phương sai bằng trung bình. NIST định nghĩa chỉ số phân tán từ dữ liệu bằng s²/c̄ và giải thích giá trị lý thuyết bằng một cho Poisson. [3] Trong mẫu hữu hạn, chỉ số quan sát không cần đúng một; cần xem quy mô dữ liệu và bối cảnh trước khi kết luận.
Hai dãy minh họa có cùng trung bình bốn: dãy 2, 3, 4, 5, 6 có phương sai mẫu 2,5, còn dãy 0, 0, 4, 8, 8 có phương sai mẫu 16. Chỉ số phân tán tương ứng 0,625 và 4. Dãy thứ hai biến động rộng hơn nhiều dù đường trung tâm giống nhau. Năm điểm trong ví dụ không đủ để tự quyết định mô hình cho một quá trình thực, nhưng cho thấy chỉ nhìn trung bình là thiếu.
Điều tra trước khi đổi giới hạn
Biến động lớn có thể liên quan đến việc trộn cấu hình, thay diện tích kiểm tra, nhiều khuyết tật cùng phát sinh từ một cơ chế hoặc điều kiện quá trình thay đổi. Cần phân nhóm và đối chiếu hồ sơ trước khi lựa chọn mô hình khác. Tự nới giới hạn chỉ để không còn điểm báo động có thể che một tín hiệu cần xử lý.
Một báo cáo có thể giữ số đếm, phạm vi kiểm tra, mật độ quy đổi, điều kiện và cách tính giới hạn. Khi có tín hiệu, kiểm tra lại dữ liệu rồi tìm thay đổi liên quan đến đúng đơn vị ấy. Biểu đồ c phát huy giá trị khi đơn vị kiểm tra, quy tắc ghi nhận và phản hồi quản lý đều được xác định rõ.
Nguồn tham khảo
[1] NIST/SEMATECH e-Handbook, 6.3.3.1 — Counts Control Charts — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
[2] NIST/SEMATECH e-Handbook, 1.3.6.6.19 — Poisson Distribution — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
[3] Dataplot Reference Manual — Index of Dispersion — National Institute of Standards and Technology (NIST). Truy cập ngày 09/11/2026.
Rà soát nội dung: 09/11/2026.


