Industrial KnowledgeScatter diagram là gì? Biểu đồ phân tán và cách kiểm chứng nguyên nhân | Ví dụ
Nội dung bài viết 10 mục
Biểu đồ nhân quả cho ta giả thuyết. Muốn biết giả thuyết đúng hay sai, cần dữ liệu — và scatter diagram là cách đơn giản nhất để thấy hai biến có liên quan nhau hay không.
Tóm tắt nhanh
- Scatter diagram (biểu đồ phân tán) vẽ cặp giá trị (X, Y) để kiểm chứng giả thuyết nguyên nhân bằng dữ liệu.
- Cần ≥ 30 cặp dữ liệu ghép đúng thời điểm; tính hệ số tương quan r bằng hàm CORREL.
- r từ 0,7 đến 1 là tương quan thuận mạnh, 0,3–0,7 là trung bình.
- Lỗi lớn: coi tương quan là nhân quả, khoảng X quá hẹp, trộn nhiều nhóm máy, vật liệu làm che khuất quan hệ.
Scatter diagram là gì?
Scatter diagram (biểu đồ phân tán) là đồ thị điểm thể hiện cặp giá trị (X, Y) của hai biến. X thường là yếu tố nghi ngờ (nhiệt độ, áp suất, tốc độ), Y là đặc tính chất lượng (độ bền, tỷ lệ lỗi).
Các bước thực hiện
| Bước | Nội dung |
|---|---|
| 1 | Chọn cặp biến X–Y cần kiểm chứng |
| 2 | Thu ≥ 30 cặp dữ liệu cùng thời điểm/cùng sản phẩm |
| 3 | Vẽ trục X (nguyên nhân), Y (kết quả), chấm điểm |
| 4 | Nhận dạng xu hướng |
| 5 | Tính hệ số tương quan r (Excel: =CORREL) |
| 6 | Kết luận và kiểm tra yếu tố gây nhiễu |
Đọc kết quả
| Hình dạng | Hệ số r | Ý nghĩa |
|---|---|---|
| Đi lên rõ | 0,7 → 1 | Tương quan thuận mạnh |
| Đi lên mờ | 0,3 → 0,7 | Tương quan thuận trung bình |
| Đám mây | −0,3 → 0,3 | Tương quan yếu / không tương quan tuyến tính |
| Đi xuống mờ | −0,7 → −0,3 | Tương quan nghịch trung bình |
| Đi xuống rõ | −1 → −0,7 | Tương quan nghịch mạnh |
| Đường cong | r thấp nhưng có quy luật | Quan hệ phi tuyến |
Quy ước tham khảo theo |r|: dưới 0,3 yếu; 0,3–0,7 trung bình; từ 0,7 trở lên mạnh.
Ví dụ: nhiệt độ sấy và độ ẩm gỗ, nhà máy nội thất Bình Định
Ván gỗ bị cong vênh nhiều; nhóm nghi do độ ẩm sau sấy. Thu 8 mẫu đại diện (trích từ 40 cặp):
| Nhiệt độ sấy (°C) | Độ ẩm gỗ (%) |
|---|---|
| 55 | 14,2 |
| 58 | 13,1 |
| 60 | 12,4 |
| 62 | 11,6 |
| 65 | 10,3 |
| 68 | 9,5 |
| 70 | 8,8 |
| 72 | 8,1 |
r = −0,96: tương quan nghịch rất mạnh. Mục tiêu độ ẩm 8–10% → thiết lập nhiệt độ sấy 67–71°C và kiểm soát bằng sensor. Tỷ lệ cong vênh giảm từ 6% xuống 1,8%.
Lỗi hay gặp
- Tương quan ≠ nhân quả: doanh số kem và đuối nước cùng tăng vì mùa hè.
- Khoảng dữ liệu X quá hẹp, không thấy được quan hệ.
- Trộn nhiều nhóm (máy, vật liệu) làm che khuất tương quan → cần phân vùng.
- Bỏ qua điểm ngoại lai mà không điều tra.
- Kết luận chỉ từ vài điểm.
Khi nào dùng biểu đồ phân tán?
- Khi cần kiểm chứng một nguyên nhân từ biểu đồ nhân quả bằng dữ liệu thật.
- Khi muốn tìm cửa sổ thông số (ví dụ nhiệt độ sấy 67–71°C cho độ ẩm 8–10%).
- Khi muốn thay phép đo tốn kém bằng phép đo rẻ hơn có tương quan mạnh.
Mẹo làm trên Excel
- Chọn 2 cột X, Y > Insert > Scatter. Đặt biến nguyên nhân ở trục X.
- Chuột phải vào điểm > Add Trendline > tick “Display Equation” và “Display R-squared”.
- Tính hệ số tương quan bằng
=CORREL(X;Y); lưu ý R² trên biểu đồ là bình phương của r. - Muốn xem phân tầng, tách dữ liệu thành nhiều series theo máy hoặc ca, mỗi series một màu.
Hệ số tương quan và cách diễn giải
| Hệ số r | Mức độ quan hệ | Gợi ý hành động |
|---|---|---|
| 0,8 – 1,0 | Mạnh | Có thể dùng biến X để điều khiển Y |
| 0,5 – 0,8 | Trung bình | Kiểm tra thêm biến khác |
| 0,3 – 0,5 | Yếu | Không nên ra quyết định chỉ dựa vào X |
| dưới 0,3 | Gần như không | Tìm nguyên nhân khác |
Trong Excel dùng hàm CORREL để tính r. Nhớ rằng tương quan không phải nhân quả: nhiệt độ sấy và độ ẩm gỗ có thể cùng chịu ảnh hưởng của mùa mưa. Muốn khẳng định, cần thử nghiệm có kiểm soát, thay đổi một biến và giữ nguyên các biến còn lại.
Câu hỏi thường gặp
Tương quan mạnh có nghĩa là nguyên nhân không? Chưa chắc. Có thể có biến thứ ba tác động cả hai; cần hiểu cơ chế kỹ thuật hoặc làm thí nghiệm thay đổi X để khẳng định.
Cần bao nhiêu cặp dữ liệu? Tối thiểu 30 để kết luận đáng tin; ví dụ 8 cặp trong bài chỉ để minh họa xu hướng rất rõ.
Bước tiếp theo
- Tạo giả thuyết với Biểu đồ nhân quả
- Xem phân bố từng biến bằng Histogram
- Giám sát sau cải tiến với Cpk và SPC
