Attribute Agreement Analysis là gì? Đánh giá người kiểm OK/NG | Ví dụ
Nội dung bài viết 9 mục
Kiểm ngoại quan, kiểm bằng calip Go/NoGo, phân loại màu theo mẫu – những phép kiểm này không cho ra con số nên không làm Gauge R&R được. Nhưng chúng vẫn có thể sai, và sai nhiều. Attribute Agreement Analysis là cách đo độ tin cậy của chúng.
Tóm tắt nhanh
- AAA là nghiên cứu MSA cho dữ liệu thuộc tính (OK/NG, phân loại), khi không thể làm Gauge R&R.
- Đánh giá 4 mức: tự nhất quán, từng người so với chuẩn, giữa các người kiểm, cả nhóm so với chuẩn.
- Kappa loại trừ phần trùng ngẫu nhiên: ≥ 0,90 rất tốt, 0,75–0,90 chấp nhận được, < 0,75 cần cải tiến.
- Tỷ lệ bỏ sót (NG bị xếp OK) nguy hiểm hơn báo động giả vì lỗi tới tay khách hàng.
Attribute Agreement Analysis là gì?
Attribute Agreement Analysis (AAA) là nghiên cứu MSA cho dữ liệu thuộc tính, đánh giá mức độ thống nhất của người kiểm (hoặc thiết bị kiểm) khi phân loại sản phẩm thành các nhóm như OK/NG hoặc loại 1/2/3.
AAA trả lời bốn câu hỏi:
| Câu hỏi | Tên chỉ số |
|---|---|
| Một người kiểm lại cùng mẫu có ra cùng kết quả không? | Within appraiser (tự nhất quán) |
| Người đó có khớp với đáp án chuẩn không? | Each appraiser vs standard |
| Các người kiểm có thống nhất với nhau không? | Between appraisers |
| Cả nhóm có khớp với chuẩn không? | All appraisers vs standard |
Chỉ số Kappa
% đồng ý đơn thuần có thể cao do “đoán trùng” ngẫu nhiên. Kappa điều chỉnh phần trùng hợp ngẫu nhiên này:
Kappa = (P quan sát − P ngẫu nhiên) / (1 − P ngẫu nhiên)
| Kappa | Diễn giải thường dùng |
|---|---|
| ≥ 0,90 | Rất tốt |
| 0,75 – 0,90 | Tốt, chấp nhận được |
| < 0,75 | Cần cải tiến |
| ≤ 0 | Không hơn đoán ngẫu nhiên |
Với kết quả so với chuẩn còn xét thêm: tỷ lệ bỏ sót (miss rate – NG bị xếp OK) và tỷ lệ báo động giả (false alarm – OK bị xếp NG). Bỏ sót nguy hiểm hơn vì lỗi tới tay khách hàng.
Các bước thực hiện
| Bước | Việc làm | Lưu ý |
|---|---|---|
| 1 | Chọn 30–50 mẫu | Khoảng một nửa OK, một nửa NG; có nhiều mẫu sát ranh giới |
| 2 | Xác định đáp án chuẩn | Chuyên gia hoặc đo bằng phương pháp chính xác hơn |
| 3 | Chọn 2–3 người kiểm thực tế | Đủ ca |
| 4 | Kiểm mù, 2–3 lần, xáo thứ tự mỗi lần | Che mã mẫu, cách nhau vài giờ |
| 5 | Tính % đồng ý, Kappa, miss, false alarm | Phần mềm thống kê hoặc Excel |
| 6 | Kết luận và cải tiến | Mẫu giới hạn, ánh sáng, đào tạo |
Ví dụ tại nhà máy Việt Nam
Nhà máy sản xuất gạch men tại Bình Dương (minh hoạ) đánh giá 3 nhân viên kiểm bề mặt men với 40 viên gạch (20 OK, 20 NG), mỗi người kiểm 2 lần.
| Người kiểm | Tự nhất quán | Khớp chuẩn | Bỏ sót | Báo động giả |
|---|---|---|---|---|
| Chị Lan | 95% | 92,5% | 5% | 2,5% |
| Anh Hùng | 85% | 80% | 15% | 5% |
| Chị Mai | 90% | 87,5% | 2,5% | 10% |
| Kappa toàn nhóm vs chuẩn | 0,71 |
Kappa 0,71 chưa đạt. Phân tích các mẫu sai: hầu hết là lỗi “lỗ kim” nhỏ dưới 0,5 mm. Điều tra hiện trường: đèn bàn kiểm của ca anh Hùng hỏng một bóng, ánh sáng không đều. Nhà máy lắp lại đèn chuẩn, làm bảng mẫu giới hạn có ảnh chụp và thước so kích thước lỗ kim. Đánh giá lại: Kappa đạt 0,88.
Khi nào thực hiện?
- Mọi phép kiểm thuộc tính nêu trong Control Plan (ngoại quan, calip, kiểm chức năng OK/NG).
- Khi đào tạo người kiểm mới – dùng làm bài sát hạch.
- Khi khách hàng phàn nàn lỗi ngoại quan lọt.
- Khi thay đổi tiêu chuẩn chấp nhận hoặc mẫu giới hạn.
Mẹo áp dụng và làm bằng Excel
- Bảng dữ liệu: Mẫu, Chuẩn, Người, Lần, Kết quả. Dùng COUNTIFS để đếm số khớp.
- Đánh số mẫu ngẫu nhiên và để người thứ ba điều phối.
- Ảnh chụp từng mẫu sai được dùng ngay làm tài liệu đào tạo.
- Lưu bộ mẫu AAA để dùng cho lần đánh giá sau.
Lỗi hay gặp
- Chọn toàn mẫu dễ (quá tốt hoặc quá xấu) – kết quả đẹp giả tạo.
- Người kiểm biết đang bị đánh giá và kiểm kỹ khác thường – nên mô phỏng điều kiện thật.
- Không có đáp án chuẩn, chỉ xét đồng ý giữa người với người.
- Chỉ báo % đồng ý, không xem tỷ lệ bỏ sót.
Câu hỏi thường gặp
Cần bao nhiêu mẫu? Thông lệ tối thiểu 30, nhiều hơn càng tốt; mẫu ranh giới quan trọng hơn số lượng.
Calip Go/NoGo có dùng AAA không? Có. Người dùng calip vẫn có thể cảm nhận khác nhau, nhất là với chi tiết sát biên.


