@genz.lm.cht.lng: 🔍 Khi gặp vấn đề chất lượng, phản ứng đầu tiên của rất nhiều người là: “Có cần vẽ biểu đồ xương cá không?” 😵‍💫 Nhưng 7 công cụ QC không phải cứ theo thứ tự mà áp dụng, mà phải xem bạn muốn dùng công cụ đó để trả lời câu hỏi gì. 📌 Có thể ghi nhớ logic lựa chọn trước: ✅ Sự việc thực tế tại hiện trường chưa được hệ thống hóa: → Check Sheet (查检表 – Phiếu kiểm tra) ✅ Muốn tách riêng theo line, ca, máy hoặc lot: → Stratification (分层法 – Phân tầng) ✅ Có rất nhiều hạng mục lỗi, muốn tìm Top Defect trước: → Pareto (柏拉图 – Biểu đồ Pareto) ✅ Muốn hệ thống hóa và triển khai các nguyên nhân tiềm ẩn: → Fishbone (鱼骨图 – Biểu đồ xương cá) ✅ Muốn xem dữ liệu bị lệch, phân tán hay có hai đỉnh: → Histogram (直方图 – Biểu đồ phân bố) ✅ Muốn xem biến X và kết quả Y có mối quan hệ hay không: → Scatter Plot (散布图 – Biểu đồ phân tán) ✅ Muốn đánh giá quá trình có ổn định theo thời gian hay không: → Control Chart (控制图 – Biểu đồ kiểm soát) 1️⃣ Check Sheet – Trước tiên phải thu thập đúng dữ liệu thực tế Ví dụ khi thống kê lỗi AOI, không thể chỉ ghi: “Hôm nay lỗi hàn nguội rất nhiều.” Cần thống nhất định nghĩa lỗi, đồng thời ghi nhận thời gian, line, ca, máy, lot vật liệu, số lượng lỗi và số lượng đầu vào. Nếu không có dữ liệu gốc đáng tin cậy thì dù các biểu đồ phía sau có đẹp đến đâu cũng không có ý nghĩa. 2️⃣ Stratification – Đừng để giá trị trung bình che khuất bất thường Tỷ lệ lỗi tổng thể có thể chỉ là 2,6%, nhưng khi phân tầng thành “Line B × ca đêm” thì có thể đã lên tới 5,8%. 3️⃣ Pareto – Trước tiên giải quyết vấn đề đáng để giải quyết nhất Sắp xếp các loại lỗi theo số lượng, tỷ lệ lỗi hoặc số tiền tổn thất từ cao xuống thấp, sau đó xem tỷ lệ tích lũy. Pareto cho bạn biết “nên làm cái nào trước”, nhưng không cho bạn biết “tại sao nó xảy ra”. 4️⃣ Fishbone – Nguyên nhân giả định không đồng nghĩa với nguyên nhân gốc Có thể triển khai nguyên nhân một cách có hệ thống theo Người – Máy – Vật liệu – Phương pháp – Đo lường – Môi trường (5M1E). Nhưng tất cả những gì viết trên biểu đồ xương cá đều chỉ là nguyên nhân tiềm ẩn. Nguyên nhân gốc thực sự phải có thể được xác minh bằng bằng chứng tại hiện trường, phân tích dữ liệu hoặc thử nghiệm. 5️⃣ Histogram – Nhìn vào hình dạng của dữ liệu Histogram phù hợp để xem tâm phân bố, độ phân tán, độ lệch và hiện tượng hai đỉnh của các dữ liệu liên tục như kích thước, độ cao kem hàn, lực kéo… 6️⃣ Scatter Plot – Có tương quan không có nghĩa là có quan hệ nhân quả Ví dụ muốn xem nhiệt độ đỉnh của lò reflow và tỷ lệ lỗi hàn nguội có mối quan hệ hay không, cần thu thập dữ liệu X và Y theo từng cặp. Ngay cả khi biểu đồ cho thấy có tương quan, vẫn phải loại trừ các biến gây nhiễu như vật liệu, line, ca làm việc… Nếu cần thì phải tiến hành thử nghiệm đối chứng. 7️⃣ Control Chart – Trước tiên phải xác định quá trình có ổn định hay không Control Chart theo dõi dữ liệu theo trình tự thời gian, dùng để nhận diện các tín hiệu bất thường như: * Vượt giới hạn kiểm soát * Liên tục lệch về một phía * Liên tục tăng * Liên tục giảm ⚠️ Cần đặc biệt chú ý: * Giới hạn specification (Spec limit) đến từ yêu cầu của khách hàng hoặc thiết kế. * Giới hạn kiểm soát (Control limit) được tính toán dựa trên dữ liệu thực tế của quá trình. 👉 Spec limit ≠ Control limit Vì vậy, một vấn đề thực tế thường cần kết hợp nhiều công cụ: Check Sheet thu thập dữ liệu thực tế → Stratification phân tầng để tìm ra sự khác biệt → Pareto xác định vấn đề trọng điểm → Fishbone triển khai các nguyên nhân → Dữ liệu/Thử nghiệm xác minh nguyên nhân → Control Chart xác nhận quá trình đã khôi phục và duy trì ổn định. #SQE #PQE #QE #QA #QC

GenZ làm Chất Lượng 🫪

Open In TikTok:

Region: VN

Thursday 22 October 2026 12:38:30 GMT