Industrial KnowledgePhân tích Multi-vari là gì? 3 họ biến động và cách lập biểu đồ | Ví dụ
Nội dung bài viết 9 mục
Đường kính trục dao động 0,023 mm trong khi dung sai chỉ có 0,030 mm - Cpk thấp, cứ vài ngày lại có trục sát giới hạn. Đội cải tiến có cả chục nghi phạm: máy, dao, phôi, nhiệt độ, người đứng máy, đồ gá… Thử từng cái bằng thí nghiệm thì mất cả tháng. Phân tích Multi-vari giúp khoanh vùng trong một hai ngày: biến động chủ yếu nằm trong chi tiết, giữa các chi tiết, hay theo thời gian?
Tóm tắt nhanh
- Multi-vari là công cụ đồ thị thụ động ở đầu giai đoạn Analyze, chia biến động thành các họ để thu hẹp nghi phạm.
- Ba họ biến động: trong chi tiết, giữa các chi tiết và theo thời gian.
- Điều kiện tiên quyết là hệ thống đo đã đạt MSA; Multi-vari chỉ khoanh vùng, vẫn cần kiểm định hoặc DOE xác nhận.
- Lỗi lớn: lấy mẫu quá ngắn bỏ sót họ thời gian, đổi điều kiện giữa chừng không ghi chép.
Multi-vari là gì?
Phân tích Multi-vari (multi-vari study) là công cụ đồ thị, thường dùng đầu giai đoạn Analyze của DMAIC, để chia tổng biến động thành các “họ biến động” (families of variation) và tìm họ lớn nhất. Đặc điểm:
- Thụ động: quan sát quá trình đang chạy bình thường, không can thiệp như DOE.
- Thu hẹp nghi phạm: từ hàng chục X xuống vài X thuộc một họ, rồi mới dùng kiểm định hoặc DOE để xác nhận.
- Không nhầm với multivariate analysis (phân tích đa biến thống kê) - đó là chủ đề khác.
Điều kiện tiên quyết: hệ thống đo đã đạt MSA. Tổng biến động quan sát = biến động quá trình + biến động đo; nếu phần đo lớn, Multi-vari chỉ “soi” thiết bị đo.
Ba họ biến động
| Họ biến động | Ý nghĩa | Ví dụ nguyên nhân thường gặp |
|---|---|---|
| Trong chi tiết (positional / within-piece) | Khác nhau giữa các vị trí trên cùng một chi tiết | Côn, ô-van, độ lệch đồ gá, độ cứng vững trục chính, vị trí khuôn nhiều lòng |
| Giữa chi tiết (cyclical / piece-to-piece) | Khác nhau giữa các chi tiết liên tiếp | Biến động phôi, kẹp chặt, thao tác người, chu kỳ máy |
| Theo thời gian (temporal) | Khác nhau giữa các thời điểm, ca, ngày, lô | Mòn dao, nhiệt độ máy/môi trường, thay ca, thay lô vật liệu, bảo trì |
Có thể thêm họ khác tuỳ quá trình: giữa máy, giữa lòng khuôn, giữa người - nguyên tắc là phân cấp lồng nhau (nested).
Các bước thực hiện
- Xác định Y cần giảm biến động và chọn các họ cần nghiên cứu.
- Lập kế hoạch lấy mẫu phân cấp: mấy thời điểm × mấy chi tiết liên tiếp × mấy vị trí đo. Ví dụ 3 × 3 × 3 = 27 lần đo.
- Chạy đủ dài để bắt được ít nhất ~80% dải biến động lịch sử của Y. Nếu toàn bộ dữ liệu nằm gọn trong dung sai, nghiên cứu chưa “thấy” vấn đề.
- Ghi chép điều kiện: giờ, thay dao, thay lô, nhiệt độ - vì sẽ cần khi giải thích.
- Vẽ biểu đồ Multi-vari và tính khoảng biến động của từng họ.
- Kết luận họ lớn nhất, liệt kê X nghi ngờ thuộc họ đó (dùng xương cá 6M), rồi xác nhận bằng ANOVA hoặc DOE.
Cách lập biểu đồ Multi-vari
- Trục ngang: các thời điểm (nhóm lớn), bên trong mỗi thời điểm là các chi tiết liên tiếp.
- Mỗi chi tiết vẽ một thanh dọc nối giá trị nhỏ nhất và lớn nhất giữa các vị trí đo; đánh dấu từng vị trí (ví dụ: đầu A, giữa, đầu B) bằng ký hiệu khác nhau.
- Nối trung bình chi tiết trong cùng thời điểm (thấy biến động giữa chi tiết).
- Nối trung bình thời điểm (đường đậm) để thấy xu hướng theo thời gian.
- Thêm đường giới hạn dung sai để so sánh độ lớn.
Đọc biểu đồ: thanh dọc dài → trong chi tiết; các thanh nhảy so le trong một nhóm → giữa chi tiết; đường trung bình nhóm dốc hoặc nhảy bậc → theo thời gian.
Ví dụ: đường kính trục Ø25 trên máy tiện CNC
Một xưởng cơ khí ở Bắc Ninh đo đường kính trục (danh nghĩa 25,020 ± 0,015 mm, minh hoạ). Lúc 8h, 10h, 13h lấy 3 trục liên tiếp, mỗi trục đo 3 vị trí (đầu A, giữa, đầu B). Dao thay lúc 7h30.
| Giờ | Trục | Đầu A | Giữa | Đầu B | Trung bình trục |
|---|---|---|---|---|---|
| 8h | 1 | 25,012 | 25,010 | 25,014 | 25,012 |
| 8h | 2 | 25,011 | 25,009 | 25,013 | 25,011 |
| 8h | 3 | 25,013 | 25,011 | 25,015 | 25,013 |
| 10h | 1 | 25,020 | 25,018 | 25,022 | 25,020 |
| 10h | 2 | 25,019 | 25,017 | 25,021 | 25,019 |
| 10h | 3 | 25,021 | 25,019 | 25,023 | 25,021 |
| 13h | 1 | 25,029 | 25,027 | 25,031 | 25,029 |
| 13h | 2 | 25,028 | 25,026 | 25,030 | 25,028 |
| 13h | 3 | 25,030 | 25,028 | 25,032 | 25,030 |
Tính khoảng biến động của từng họ:
- Trong chi tiết: mỗi trục max − min = 0,004 mm; trung bình 0,004 mm. Hình mẫu luôn là “giữa nhỏ hơn hai đầu” → trục bị lõm giữa (võng phôi khi cắt - nghi độ cứng vững/chống tâm).
- Giữa chi tiết: trong mỗi giờ, max − min của trung bình trục = 0,002 mm; trung bình 0,002 mm.
- Theo thời gian: trung bình giờ 25,012 → 25,020 → 25,029; khoảng 0,017 mm.
Tổng dải quan sát: 25,009 - 25,032 = 0,023 mm. Họ theo thời gian chiếm phần lớn (0,017 so với 0,004 và 0,002). Đường kính tăng đều theo giờ sau khi thay dao → nghi phạm hàng đầu là mòn dao và giãn nở nhiệt trục chính. Hành động: bù mòn dao tự động mỗi N chi tiết, chạy ấm máy trước ca, theo dõi bằng biểu đồ kiểm soát. Sau khi xử lý họ thời gian, họ trong chi tiết (lõm giữa 0,004) là mục tiêu tiếp theo.
Để định lượng chính xác hơn, có thể chạy ANOVA lồng nhau (nested ANOVA) để tách thành phần phương sai từng họ.
Làm trong Excel và Minitab
Excel: không có biểu đồ Multi-vari sẵn. Cách làm: sắp dữ liệu theo Giờ → Trục; dùng biểu đồ Line with Markers (hoặc Stock chart High-Low-Close) cho max/min mỗi trục, thêm một series trung bình giờ. Tính các khoảng bằng =MAX()-MIN() và AVERAGEIFS theo nhóm.
Minitab: Stat → Quality Tools → Multi-Vari Chart → Response: đường kính; Factor 1: Vị trí, Factor 2: Trục, Factor 3: Giờ (thứ tự từ trong ra ngoài). Options: hiển thị individual data points và nối trung bình. Định lượng: Stat → ANOVA → Fully Nested ANOVA (Giờ > Trục) để có % thành phần phương sai.
Lỗi thường gặp
- Lấy mẫu quá ngắn: chỉ trong 30 phút → bỏ sót họ thời gian, kết luận sai rằng “giữa chi tiết” là chính.
- Không đạt MSA trước → họ “trong chi tiết” thực ra là sai số đo.
- Đổi điều kiện giữa chừng mà không ghi chép (thay lô phôi lúc 11h) → không giải thích được bước nhảy.
- Dừng ở biểu đồ: Multi-vari chỉ khoanh vùng; vẫn cần xác nhận nguyên nhân.
- Nhầm cấp bậc lồng nhau khi nhập Minitab → biểu đồ khó đọc.
Câu hỏi thường gặp
Multi-vari khác gì box plot? Box plot so sánh phân bố theo một (hoặc hai) yếu tố. Multi-vari thể hiện cấu trúc phân cấp nhiều tầng cùng lúc và giữ thứ tự thời gian.
Cần bao nhiêu dữ liệu? Thường 3-5 chi tiết liên tiếp × 3-5 thời điểm × 2-4 vị trí, kéo dài đến khi thấy được phần lớn dải biến động lịch sử.
Khi nào dùng Multi-vari, khi nào dùng DOE? Multi-vari khi còn nhiều nghi phạm và chưa biết hướng; DOE khi đã thu hẹp còn vài X điều khiển được và cần chứng minh nhân quả.
Bước tiếp theo
- Xác nhận khác biệt giữa nhóm: ANOVA một yếu tố.
- Chứng minh nhân quả: DOE.
- Nền tảng mô tả dữ liệu: thống kê mô tả.
