Bài giảng Six sigma - Chương 6: Phân tích năng lực quá trình

Năng lực quá trình là gì? Định nghĩa năng lực quá trình là gì Là năng lực vốn có của một quá trình nhằm tạo ra sản phẩm hoặc dịch vụ không lỗi đáp ứng yêu cầu khách hàng. Mục đích của việc phân tích năng lực qui trình (PCA) PCA xác nhận các thức mà quá trình thoả mãn được các tiêu chuẩn thực hiện. PCA trong giai đoạn Đo lường sẽ định lượng hiệu suất cơ sở của Y trong đề tài và cho phép chúng ta quyết đinh được cấp độ hiện tại của quá trình.

ppt47 trang | Chia sẻ: thuyduongbt11 | Ngày: 09/06/2022 | Lượt xem: 1515 | Lượt tải: 3download
Bạn đang xem trước 20 trang tài liệu Bài giảng Six sigma - Chương 6: Phân tích năng lực quá trình, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Phân tích năng lực quá trình Phân tích năng lực quá trình cho dữ liệu liên tục Phân tích năng lực quá trình cho dữ liệu rời rạc Mục tiêu học tập Hiểu được khái niệm về năng lực quá trình Hiểu được metric đối với năng lực quá trình 6 Sigma Quyết định phương pháp phân tích phù hợp theo loại dữ liệu Nghiên cứu cách thức tính toán năng lực quá trình sử dụng Minitab Định nghĩa năng lực quá trình là gì Là năng lực vốn có của một quá trình nhằm tạo ra sản phẩm hoặc dịch vụ không lỗi đáp ứng yêu cầu khách hàng. Mục đích của việc phân tích năng lực qui trình (PCA) PCA xác nhận các thức mà quá trình thoả mãn được các tiêu chuẩn thực hiện. PCA trong giai đoạn Đo lường sẽ định lượng hiệu suất cơ sở của Y trong đề tài và cho phép chúng ta quyết đinh được cấp độ hiện tại của quá trình. Năng lực quá trình là gì? Phương pháp phân tích năng lực quá trình Phương pháp PCA có thể được phân loại thành loại liên tục và loại rời rạc tuỳ theo loại dữ liệu. Tiền đề cho việc phân tích năng lực quá trình (Giả thuyết thống kê) Dữ liệu có nguồn gốc từ quá trình ổn định Trạng quá trình có thể dự báo được thông qua dữ liệu (không có nguyên nhân bất thường). Tổng quan về phân tích năng lực quá trình Loại dữ liệu Loại dữ liệu có thể thay đỗi tùy theo vị trí quan sát Ví dụ) Thử nghiệm độ sáng của màn hình Monitor Đo lường Loại dữ liệu Dữ liệu rời rạc Dữ liệu về lỗi ① Quan điểm “dữ liệu về sai hỏng lỗi” Thậm chí dù một vùng có không đạt chỉ tiêu kỹ thuật về độ sáng thì nó cũng được xem là sai và cần được kiểm tra. Số lỗi sai:1) . ② Quan điểm “dữ liệu về lỗi” Tính số vùng không đạt chỉ tiêu kỹ thuật về độ sáng (số lỗi: 2) ③ Quan điểm “dữ liệu liên tục” So sánh việc đo độ sáng với mục tiêu của độ sáng. (Chỉ tiêu kỹ thuật: 300 candela) Phân chia màn hình thành 9 vùng và thử nghiệm mỗi vùng có đạt chỉ tiêu kỹ thuật về độ sáng hay không. Dữ liệu liên tục Dữ liệu về sai hỏng 450 430 420 200 450 230 440 420 410 Nếu có thể, Mong muốn được sử dụng dữ liệu liên tục cho mục đích kiểm soát! DPU/DPO/DPMO Đơn vi ̣ : Tiêu chuẩn cho việc tính toán sản phẩm/quá trình đã được đo lường Cơ hội : Tất cả các đối tượng (hạng mục) của sự kiểm tra/thử nghiệm mà có khả năng xảy ra lỗi Lỗi trên sản phẩm : Số lỗi trên 1 sản phẩm Lỗi trên cơ hội xảy ra lỗi : Số lỗi trên cơ hội xảy ra lỗi Lỗi trên 1 triệu cơ hội xảy ra lỗi : Số lỗi trên 1 triệu cơ hội xảy ra lỗi DPU DPO DPMO Unit Defects Opportunity Defects Opportunities Defects x 1,000,000 DPU: 1 DPO: 1/8 DPMO: 125,000 DPU: 2 DPO: 1/4 DPMO: 250,000 DPU: 4 DPO: ? DPMO: ? Hiệu suất (Yield) Hiệu suất là một khái niệm về phần trăm số sản phẩm tốt . Nó biểu thị cho việc quản lý sai hỏng bao gồm cả làm lại hoặc hủy bỏ vật tư trong mỗi bước của quá trình v.v Các loại hiệu suất FTY (First Time Yield): Được dùng để xác định cấp độ chất lượng của từng quá trình riêng lẻ . Được áp dụng vào quá trình mà không có làm lại/sửa chữa. RTY (Rolled Throughput Yield): Được sử dụng để thể hiện cấp độ chất lượng của toàn bộ quá trình. Được diễn tả như là một bình phương của FTY Y NOR (Normalized Yield): Được sử dụng để thể hiện cấp độ chất lượng của toàn bộ quá trình. Áp dụng khái niệm hình học trung bình (TB nhân-mean) đối với FTY của quá trình. Nếu dữ liệu đưa ra là % lỗi hoặc sản lượng * Ở đây, FTYi là FTY của mỗi qui trình Nếu dữ liệu đưa ra là số lỗi * refers to P[X = 0] (xác suất không có lỗi) trong phân bố Poisson Tính toán RTY RTY = 0.955*0.97*0.944 = 87.4% RTY chú trọng vào năng lực không những ở bước cuối cùng mà còn cả trong mỗi bước của quá trình. 45,000 ppm wasted 30,000 ppm wasted 56,000 ppm wasted 95.5% Yield 97% Yield 94.4% Yield Nhà máy ngầm: Làm lại/ hủy bỏ Tính toán sản lượng của dữ liệu lỗi nếu loại dữ liệu là số lượng lỗi sai trên mỗi sản phẩm bị lỗi thì chúng ta có thể sử dụng phương pháp phân bố Poisson để tính khả năng được quyết định là tốt của sản phẩm (đó là yield) 1 1 2 1 1 2 2 1 1 1 1 2 3 1 Unit: 50 Tổng số lỗi : 20 DPU: 20/50 = 0.40 Yield = e -DPU = e -0.40 = 0.670 = 67% Ví dụ 1) Kết quả của việc nghiên cứu lỗi của màn hình LCD trên một dây truyền sản xuất là 1 lỗi được phát hiện trong tổng số 346 chiếc được sản xuất. RTY của đặc tính này là gì? Answer) DPU = RTY = Ví dụ 2) Một dây truyền sản xuất gồm 3 quy trình . Nếu FTY của mỗi quy trình là 98%, thì RTY của cả dây truyền là gì? Answer) RTY = 0.98 0.98 0.98 Ví dụ) Tính RTY Chỉ số năng lực quá trình Mức Sigma: Có bao nhiêu độ lệch chuẩn giữa trung tâm của tiêu chuẩn và USL or LSL? Khái niệm mức Sigma dưới dạng năng lực quá trình Một thước đo biểu thị có bao nhiêu độ lệch chuẩn giữa trung tâm của quá trình và giới hạn chuẩn khi dữ liệu tuân theo phân bố thường. USL Z ST LSL 0 Z = SL σ μ SL = USL LSL Trong 6 Sigma, mức Sigma được sử dụng như là một thước đo biểu thị năng lực quá trình Tổng số 60 công nhân làm việc ở bộ phận sản xuất. Chỉ ra tỷ lệ số công nhân đi làm đúng giờ khi công việc bắt đầu lúc 8 giờ sáng và dữ liệu về việc đến đúng giờ tuân theo việc phân bố thông thường. Giờ trung bình lúc đến là 7:45 sáng và độ lệch chuẩn là 10 phút 8:00 7:45 Z = 8:00 10 7:45 10 = 1.5 USL 1.5 0 1 USL 6 Sigma của quá trình tĩnh Số liệu đo được khả năng của một quá trình tạo ra những sản phẩm có chất lượng đồng đều. Trong một quá trình với cấp độ 6 Sigma, khi mà giá trị trung bình bằng với tâm điểm giới hạn thì chỉ 2 lỗi có thể xảy ra trong 1 tỉ cơ hội lỗi. USL 6  ST LSL Tâm của tiêu chuẩn. 1ppb 1ppb Quá trình có những đặc tính động, do đó giá trị trung bình dịch chuyển vượt quá thời gian =SS W =SS B SS T = Độ dịch chuyển trong quy trình (Z-Shift) Time 1 Time 2 Time 3 Time 4 Tổng biến thiên Dịch chuyển trong qui trình (Z – Shift) Biến thiên trong nhóm SS B SS T SS W Tổng Bên trong Giữa Phân tích sự biến thiên quá trình Kinh nghiệm chỉ ra rằng, nhìn chung, theo thời gian, giá trị trung bình của quy trình dịch chuyển tối đa là 1.5 σ . = + Mức 6 Sigma khi xem xét độ lệch quá trình  Khi tính toán % lỗi sai tương ứng với cấp độ Sigma xem xét về sự dịch chuyển trong quy trình, thì giả thiết rằng giá trị trung bình của quy trình dịch chuyển 1.5 lần độ lệch chuẩn so với tâm điểm của giới hạn cho phép. Do đó, quy trình với cấp độ 6 Sigma có 3.4 lỗi trong 1 triệu cơ hội, điều đó tương đương với 3.4 DPMO USL LSL Tâm tiêu chuẩn 3.4DPMO 4.5  ST 1.5  ST Các loại dao động biến thiên quá trình Sự biến thiên (phân tán) xảy ra khi quá trình không luôn cho ra cùng kết quả chính xác trong việc cung cấp dịch vụ hoặc sản phẩm. Các loại biến thiên Loại Định nghĩa Nguyên nhân ngẫu nhiên Tự nhiên : Biến thiên mong đợi của quá trình cụ thể. Ngẫu nhiên: Biến thiên một cách ngẫu nhiên xảy ra trong qui trình theo thời gian. Yêu cầu thay đổi hệ thống để cải tiến Nguyên nhân có thể ấn định được Bất thường: Biến thiên không mong đợi của quá trình cụ thể. Rời rạc: Biến thiên xảy ra tại từng vị trí riêng biệt theo thời gian. Cụ thể: Biến thiên xảy ra dưới từng trường hợp cụ thể. Năng lực quá trình dài hạn vs. ngắn hạn Z ST = Kỹ thuật Z LT = Kỹ thuật + Kiểm soát qui trình Năng lực quá trình trong ngắn hạn mà không có tác động của yếu tố bên ngoài (chẳng hạn như nhiệt độ, người thực hiện, nguyên liệu thô, LOT) và chỉ có biến thiên từ việc tồn tại các nguyên nhân ngẫu nhiên Xác định về mặt kỹ thuật Năng lực quá trình tiềm năng Có thể ước tính được dựa trên việc phân nhóm. Năng lực quy trình dài hạn là trong đó nguyên nhân chung của 1 quy trình ( nguyên nhân ngẫu nhiên) và độ biến thiên gây ra sự dịch chuyển giá trị trung bình của quá trình do các tác nhân bên ngoài (nguyên nhân không ngẫu nhiên) cùng song song tồn tại. Được xác định trong kỹ thuật và kiểm soát quá trình. Năng lực quá trình thực sự. Năng lực quá trình ngắn hạn (Z ST ) Năng lực quá trình dài hạn (Z LT ) Phân nhóm hợp lý Thế nào là phân nhóm hợp lý? Một nhóm con được tạo thành theo nguyên tắc phân nhóm. Chỉ những nguyên nhân ngẫu nhiên tồn tại trong phân nhóm hợp lý, và vì vậy việc phân nhóm hợp lý cho phép bạn nhận biết khả năng vốn có của quy trình (năng lực quy trình ngắn hạn). Nguyên tắc phân nhóm (hợp lý) Để tạo ra sự biến thiên trong phân nhóm nhỏ đến mức có thể, trong khi biến thiên giữa các phân nhóm thì lại càng lớn càng tốt. Phân nhóm hợp lý Tiêu chuẩn tính năng lực quá trình Nhìn chung, năng lực quá trình chỉ ra khả năng khi quá trình ở trạng thái ổn định, và đó là khả năng khi chỉ có sự tồn tại của nguyên nhân ngẫu nhiên. Do đó, năng lực quá trình nói đến là năng lực quá trình ngắn hạn (Z ST ) khi chỉ có nguyên nhân ngẫu nhiên tồn tại được. Năng lực quá trình ngắn hạn có thể được dự tính chỉ thông qua phân nhóm hợp lý. Tuy nhiên trên thực tế, rất khó có thể nhận biết được các phân nhóm hợp lý. Vì vậy, nhìn chung năng lực quá trình (Z ST ) được dự tính bằng cách tính năng lực quá trình dài hạn (Z LT ) đạt được thông qua giả thiết các dữ liệu được sử dụng là dữ liệu dài hạn, và khi đó cân nhắc đến độ lệch quá trình Z-Shift (1.5 σ ). Năng lực quá trình (Z ST ) = Z LT + Z shift Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Defective Unit: 50 Total No. of Defective: 15 P(d): 15/50 =0.3 Z LT : 0.52 Z ST: 2.02 Tính mức Sigma cho % dữ liệu lỗi Tính giá trị Z sử dụng Minitab Calc > Probability Distributions > Normal 1 2 Z LT 3 Nhập hiệu suất mà bạn muốn đạt được (Tỉ lệ sản phẩm tốt) Tính mức Sigma cho dữ liệu rời rạc Unit: 50 Total number of defects: 20 DPU: 20/50 = 0.40 Yield = e -DPU = e -0.40 = 0.670 = 67% Z ST : 1.94 Phương pháp trên tính cấp độ Sigma trên 1 sản phẩm. Do đó, khi số lỗi trung bình quá lớn do kiểm soát một lượng lớn các hạng mục (như là các cơ hội), cấp độ Sigma sẽ không đánh giá được hết. Vì vậy, phương pháp DPMO được sử dụng để so sánh giữa các quy trình khác nhau với sản phẩm . 1 1 2 1 1 2 2 1 1 1 1 2 3 1 Tính giá trị Z sử dụng Minitab Calc > Probability Distributions > Normal 1 2 Z LT 3 Nhập hiệu suất mà bạn muốn đạt được (Tỉ lệ sản phẩm tốt) Phân tích năng lực quá trình dùng Minitab Phân tích năng lực (Weibull) Phân tích năng lực (Bình thường) Trong trường hợp dữ liệu liên tục Trong trường hợp dữ liệu rời rạc Phân tích năng lực (Nhị phân) Phân tích năng lực (Poisson) Bản đồ chỉ dẫn phân tích năng lực quá trình Normality Test Normal Data Weibull Sai hỏng Phân tích năng lực (Normal) Phân tích năng lực (Weibull) Stat - Basic Stat - Normality Test Normality : P-value > 0.05 Non-normality: P-value < 0.05 Loại dữ liệu Z ST = Z LT + Z Shift (1.5 Sigma) Liên tục Non-normal Data Xác nhận lại nguyên nhân và thu thập lại dữ liệu Hoặc thực hiện chuyển đổi sang normal Lỗi Phân tích năng lực (Binomial) Phân tích năng lực (Poisson) Identify Z-value (Z LT ) Estimate Process Capability (Z ST ) Identify Z LT Through use of P(d) Estimate Process Capability (Z ST ) Rời rạc Yes No Identify Z-value (Z LT ) Estimate Process Capability (Z ST ) Estimate Process Capability (Z ST ) Identify Z LT Through use of P(d) Calculation using Z Bench Calculation using DPMO Calculation using DPMO Phương pháp lấy mẫu dữ liệu có phù hợp không? Dữ liệu có được thu thập từ quá trình ổn định không? (dữ liệu đã có sự thay đổi hoặc dữ liệu bên ngoài?) Có khả năng đặc tính dữ liệu không tuân theo việc phân bố chuẩn một cách tự nhiên không? (chẳng hạn, Weibull, dữ liệu sai sót, dữ liệu lỗi?) Phương pháp MSA (phân tích hệ thống đo lường) có được tiến hành phù hợp không? Những điều cần xem lại trong trường hợp non-normality Process Capability Analysis for Normal Data Nhập dữ liệu Thử nghiệm độ chuẩn Thực hiện PCA Tính năng lực quá trình Thông thường được sử dụng khi đặc tính chất lượng quá trình tuân thủ việc phân bố chuẩn Đầu ra Biểu đồ tần số dữ liệu đo lường Đường cong chuẩn dựa trên giá trị trung bình và độ lệch chuẩn Các con số thống kế khác nhau về năng lực quy trình Ví dụ) Để tăng tỷ lệ thành công cho đơn đặt hàng, chúng ta xác định “thời gian làm việc bên ngoài của nhân viên bán hàng” là Y. Để phân tích năng lực quá trình của Y, chúng ta thu thập dữ liệu về thời gian làm việc bên ngoài của 6 nhân viên bán hàng trong 5 ngày (Spec: 240±30min) A B C D E F 237 278 230 240 267 255 264 290 220 245 280 245 245 243 250 234 245 265 248 250 256 229 255 270 220 265 265 221 265 250 Stat > Basic Statistics > Normality Test Bước 1 Nhập dữ liệu Bước 2 Kiểm tra độ bình thường của dữ liệu 1 2 Nhập cột chứa dữ liệu tổng thử nghiệm dựa trên chức năng phân bố tích luỹ kinh nghiệm (mặc định) thử nghiệm dựa trên mối tương quan thử nghiệm dựa trên việc phân bố chi-square Do dữ liệu biểu thị trên bảng xác suất chuẩn gần với đường thẳng và giá trị P cao hơn 0.05, nên bạn có thể kết luận rằng nó tuân theo việc phân bố chuẩn (normal distribution) 1 2 3 Chọn mục khi dữ liệu đã được phân tích được nhập vào một cột Do số lượng dữ liệu được lấy mẫu cho mỗi mẫu là 5 nên nhập 5 vào phần quy mô phân nhóm. Chọn mục khi dữ liệu được phân loại thành các phân nhóm và được nhập vào nhiều cột Stat > Quality Tools > Capability Analysis > Normal Nhập tiêu chuẩn giới hạn. Bước 3 Thực hiện PCA Dự đoán cấp độ Sigma Biến đổi (chuyển đổi) năng lực quy trình thành giá trị Z Lưu kết quả (cho slide tiếp theo) Nếu biết phân bố trung bình và độ lệch chuẩn thì nhập các giá trị này vào. Chọn mục nếu sử dụng hằng số không lệch khi đánh giá Sigma. Mặc định là phải dùng hằng số Đánh giá Sigma khi cỡ nhóm mẫu lớn hơn 1 Đánh giá Sigma khi cỡ nhóm mẫu = 1 Chuyển đổi dữ liệu không tuân theo việc phân bố chuẩn và bị lệch nhiều Khi lưu kết quả khác nhau thu được từ việc tính toán năng lực quy trình vào bảng tính Chỉ ra mục tiêu phân bố dữ liệu Hiển thị năng lực quy trình dưới dạng giá trị Z Hiển thị dữ liệu nằm ngoài phạm vi dưới dạng PPM hoặc % Sử dụng Minitab và ước tính Z LT tương ứng với 156781.69 PPM. (Calc – Probability Distributions – Normal ) Estimated Z LT using Minitab = 1.01 Process capability : Z ST = 1.01 + 1.5(Z-Shift) = 2.51 Thus, process capability is about 2.5 Sigma. Số sai hỏng ở phía trên USL hoặc phía dưới LSL trong dữ liệu đo lường thực tế, được tính và chuyển đổi thành ppm Đối với dữ liệu quá trình dài hạn, giả sử vùng bên dưới đường cong phân bố chuẩn là “1”. Nếu vậy, tỷ lệ của vùng phía trên USL hoặc phía dưới LSL chuyển thành ppm chỉ ra % sai hỏng được ước tính. Vậy với trường hợp này, những sai sót dài hạn dự đoán được của quy trình hiện tại (Exp “Overall Performance”) sẽ là 2717.24 PPM . Bước 4 Tính năng lực quá trình Phương pháp khác 4 Biểu thị năng lực quy trình là giá trị Z Z LT (Z Bench ) có thể được xác định trực tiếp trên Minitab. Năng lực quá trình có thể được tính toán bằng việc sử dụng Z LT . này Do đó, năng lực quy trình (Z ST ) là 1.01 + 1.5 = 2.51 sigma. **Z bench : cấp độ Sigma thu được từ P(d) là tổng số sai sót của USL và LSL. (P(d) = P(d) Lower + P(d) Upper ) Phân tích năng lực quá trình với dữ liệu rời rạc Phân tích năng lực quá trình với dữ liệu sai hỏng (Defective data) Nhập dữ liệu Thực hiện PCA Tính năng lực quá trình Để tính năng lực quá trình trên % sai hỏng,một loại dữ liệu rời rạc. Đầu ra Biểu đồ kiểm soát P, biểu đồ tích luỹ % sai hỏng : Nhận biết tình trạng kiểm soát của quá trình, quyết định số dữ liệu có đủ hay không Vẽ biểu đồ tần suất % sai hỏng (Histogram) (Tên file : Capability_Binomial.mtw) Date # wrong delivery Date # wrong delivery 1 3 11 1 2 2 12 3 3 3 13 2 4 5 14 4 5 2 15 2 6 1 16 2 7 1 17 3 8 5 18 1 9 3 19 1 10 1 20 1 (Ví dụ) Để tính năng lực quá trình cho quá trình giao hàng, công ty vận tải Western Logistics đã tính sai số lần giao hàng trong 20 ngày. đếm số lần giao hàng hàng ngày liên tục 20 lần. Stat > Quality Tools > Capability Analysis > Binomial Bước 1 Nhập dữ liệu Bước 2 Thực hiện PCA 1 3 4 2 Khi số lượng mẫu thử bằng nhau Nếu số lượng mẫu thử khác nhau, chọn cột chứa kích thước mẫu thử này. Nhập dữ liệu lỗi Nhập % sai sót của tập hợp, nếu biết Ghi mục tiêu % sai sót Dùng Minitab và dự đoán Z LT tương ứng với 115,000 PPM (Calc>Probability Distributions>Normal ) Estimated Z LT using Minitab = 1.2 Process capability considering Z-Shift (1.5 sigma) Z ST = 1.2 + 1.5 = 2.7, Therefore, it is about 2.7 Sigma . Bước 3 Tính năng lực qui trình Biểu đồ P thể hiện tất cả những điểm được phân bố ngẫu nhiên trong giới hạn kiểm soát chỉ ra rằng quy trình nằm trong sự kiểm soát (trạng thái ổn định). Trong đồ thị nhị thức ( Binomial Plot) , do các điểm được biểu thị gần với đường thẳng với độ dốc của 1, số lượng sai sót tuân theo sự phân bố nhị thức. Sự phân bố % sai sót là một biểu đồ tần suất thể hiện sự phân bố của % sai sót mẫu thử. Do % sai sót của quy trình này là 115.000 ppm nên yêu cầu có sự cải tiến nhiều hơn. Trong biểu đồ tích luỹ % sai sót, không thấy có nhiều sự biến thiên từ mẫu số 10, và các dấu chấm đang tiến gần lại giá trị trung bình khi số mẫu thử tăng lên. Do vậy, có thể nói rằng bảo đảm được đủ dữ liệu để dự đoán % sai sót. Năng lực quy trình dài hạn (Z LT ) (Ví dụ) Dữ liệu ở bên phải thể hiện số lần trì hoãn/ giờ trong một trung tâm cuộc gọi. Chúng được thu thập để đánh giá năng lực quy trình về khả năng sẵn sàng của các điện thoại viên khi trả lời cuộc gọi khách hàng. Với dữ liệu này, hãy tính năng lực quy trình. 0 20 1 10 2 19 1 9 1 18 0 8 0 17 1 7 1 16 2 6 1 15 0 5 2 14 0 4 0 13 0 3 2 12 1 2 0 11 1 1 # delay Sample # delay Sample Để tính năng lực quy trình trên % sai sót, một loại dữ liệu rời rạc. Đầu ra Biểu đồ chữ U, biểu đồ tích luỹ DPU. : nhận biết tình trạng của việc kiểm soát quy trình, quyết định số lượng dữ liệu có đủ hay không. Biểu đồ tần suất của số lỗi, đồ thị (File name: Capability_ Poisson.mtw) Phân tích năng lực quy trình với dữ liệu lỗi (Defect Data) Nhập dữ liệu Thực hiện PCA Tính năng lực qui trình 1 3 4 2 Stat > Quality Tools > Capability Analysis > Poisson Bước 1 Nhập dữ liệu Bước 2 Thực hiện PCA Ghi mục tiêu cho số lỗi/đơn vị Nhập dữ liệu lỗi Nhập giá trị trung bình cho số lỗi có trong tập hợp, nếu biết Khi quy mô mẫu thử như nhau Nếu quy mô mâu thử khác nhau, chọn cột chứa quy mô mẫu thử này. Bước 3 Tính năng lực quas trình Trong đồ thị Poisson, do dữ liệu được biểu thị gần với đường thẳng với độ dốc của 1 nên dữ liệu đưa ra tuân theo sự