Bỏ qua nội dung

Làm thế nào để chứng minh không có lỗi trong sản xuất SMT?

Các bạn ơi, cùng xem Patty đang học thế nào tại Đại học Ivy nhé…..

Patty phải thừa nhận rằng cô thực sự thích công việc giảng viên tại Đại học Ivy. Không, như vậy vẫn chưa đủ; cô cảm thấy vô cùng phấn khích. Sự kết hợp giữa môi trường làm việc đầy cảm hứng và thân thiện cùng lịch trình linh hoạt thật tuyệt vời. Nhờ đó, cô có thể chơi golf nhiều hơn một chút và dành nhiều thời gian hơn cho Rob cùng các con trai.

Ngoài việc xây dựng một khóa học về quy trình sản xuất, cô còn được đề nghị giảng dạy một khóa học bổ sung về thống kê. Số lượng sinh viên đăng ký các ngành kỹ thuật đã tăng lên đáng kể đến mức cần phải mở thêm một lớp thống kê nữa. Việc giảng dạy thống kê đã mang lại cho cô cơ hội đi sâu vào những chủ đề mà cô quan tâm và muốn tìm hiểu thêm, chẳng hạn như phân tích phi tham số, phân tích cụm và nhiều khái niệm thống kê khác.

Cô cũng rất vui cho Pete. Dù anh rất thích làm việc cùng cô tại ACME, nhưng anh cũng vô cùng phấn khích khi được học tại Đại học Ivy. Với tư cách là nghiên cứu viên, anh dành rất nhiều thời gian làm việc cùng sinh viên trong các dự án cho các môn học của họ. Anh đã rất ngạc nhiên trước sự biết ơn của các sinh viên đối với kinh nghiệm thực tiễn của anh.

Khi Patty đang chìm đắm trong những suy nghĩ dễ chịu đó tại văn phòng của mình, bỗng nhiên Pete đã xuất hiện ở cửa.

“Này, Giáo sư Coleman! Những đồng nghiệp mà chúng ta để lại ở ACME đang bị yêu cầu — thực ra là bị ép buộc — phải đảm bảo không có lỗi nào bằng cách kiểm tra một mẫu nhỏ, chẳng hạn như 20 mẫu,” Pete thông báo. Pete đã không còn gọi cô là “cô bé” nữa mà giờ đây trêu chọc cô bằng cách gọi cô là “Giáo sư Coleman.”

“Cả hai chúng ta đều biết điều đó là không thể. Nói cho tớ nghe thêm đi,” Patty đáp.

“À, ACME vừa tuyển dụng kỹ sư SMT mà chúng ta yêu thích nhất… sau Hal Lindsay,” Pete đáp lại.

“Ôi, không! Chẳng phải Reggie Pierpont sao,” Patty rên rỉ.

Reggie là một người có ý tốt và cũng có vài ý tưởng hay. Tuy nhiên, cách thực hiện của anh ấy thường cẩu thả và chỉ chạm đến bề mặt của những gì cần thiết từ góc độ kỹ thuật. Anh ấy rất giỏi trong việc quảng bá ý tưởng của mình và có một lượng người hâm mộ nhất định trong một số cộng đồng SMT.

“Anh ta đang ép ACME phải chấp nhận cái gì vậy?”, Patty hỏi.

“Một chương trình không có sai sót,” Pete đáp.

“Nghe có vẻ là một mục tiêu đáng giá. Nhưng, để tôi đoán xem, anh ta đã thuyết phục mọi người rằng họ có thể chứng minh với độ tin cậy 95% rằng sản phẩm không có lỗi nào chỉ bằng cách lấy mẫu 20 đơn vị,” Patty nói.

“Chính xác,” Pete cười khẽ.

“Tôi sẽ liên hệ với Mike Madigan,” Patty nói.

Patty đã đồng ý với đề nghị của Mike rằng cô sẽ sẵn sàng tư vấn cho anh trong khoảng một năm. Ngoài ra, anh còn bắt cô hứa sẽ liên lạc với anh nếu cô biết họ đang làm điều gì đó dại dột.

Patty đã gửi cho Mike một email nêu lên những lo ngại của cô cùng với một số phân tích. Cô đề xuất tổ chức một cuộc họp trực tuyến.

Thời gian trôi qua nhanh chóng và, trước khi họ kịp nhận ra, Patty và Pete đã tham gia một cuộc họp trực tuyến với Madigan, Peirpont và một vài nhân viên.

Cuộc thảo luận của họ bắt đầu bằng những điểm tích cực của chương trình “không khuyết tật”. Về chủ đề này, mọi người đều đồng tình. Cuối cùng, Madigan bắt đầu mất kiên nhẫn.

“Peirpont! Theo Coleman, đánh giá của anh rằng chúng ta chỉ cần lấy mẫu 20 đơn vị để chứng minh không có lỗi nào với độ tin cậy 95% là một đống vớ vẩn.” Mike mở đầu, như thường lệ, luôn đi thẳng vào vấn đề.

Patty sau đó nói: “Hãy để Reggie giải thích phân tích của anh ấy đi.”

“À, chuyện này đơn giản thôi,” Reggie mở đầu. “Tất cả những gì bạn cần làm là nhận ra rằng 1 bằng 5% của 20, nên nếu bạn lấy mẫu 20 và không phát hiện ra lỗi nào, bạn có thể tin tưởng đến 95% rằng không có lỗi nào cả,” anh kết luận.

“Trời ơi,” Patty thầm nghĩ.

“Thế nào, Coleman?” Madigan hỏi.

“Cách làm đó không đúng. Cách làm đúng là những gì tôi đã gửi cho Mike qua email,” Patty trả lời.

“Trước khi bắt đầu phân tích, hãy xem bức ảnh tôi đã gửi. Hạt màu đỏ là một trong 2.000 hạt màu trắng. Hãy tự hỏi bản thân xem làm thế nào bạn có thể phát hiện ra “lỗi” duy nhất này chỉ bằng cách lấy mẫu 20 hạt?” Patty nói.

Có vài tiếng xì xào và rên rỉ; Patty nhận ra rằng hình ảnh này thực sự giúp làm rõ vấn đề.

“Được rồi, Patty. Làm ơn giải thích phân tích của em đi,” Mike hỏi.

“Giả sử tỷ lệ lỗi là 1 trên 1.000. Nếu tôi lấy mẫu chiếc đầu tiên, xác suất nó đạt tiêu chuẩn là 0,999. Vậy xác suất để cả hai chiếc đầu tiên đều đạt tiêu chuẩn là bao nhiêu?” Patty mở đầu.

“0,999 × 0,999,” Pete trả lời.

“Đúng rồi!” Patty nói.

“Giả sử tôi tiếp tục lấy mẫu cho đến khi xác suất rằng tôi vẫn chưa phát hiện ra lỗi nào là 0,05,” Patty tiếp lời.

“Để tôi lo việc này,” Madigan nói.

“Bây giờ bạn có 0,999^n = 0,05. Như vậy, nếu tỷ lệ lỗi là một trên một nghìn, thì khả năng bạn không phát hiện ra lỗi chỉ là 0,05,” Madigan tiếp tục.

“Vậy nếu không phát hiện ra lỗi nào trong n sản phẩm, thì có thể nói gì về tỷ lệ lỗi?” Patty hỏi.

“Tớ hiểu rồi! Tớ hiểu rồi!” Madigan đáp lại đầy hào hứng.

Patty không thể tin nổi. Mike Madigan, Giám đốc điều hành của Tập đoàn ACME trị giá hàng tỷ đô la, trông chẳng khác nào một học sinh lớp hai đang háo hức muốn chứng tỏ với cô giáo rằng mình đã hiểu bài.

“Có thể nói rằng tỷ lệ lỗi là 1 trên 1.000 với mức độ tin cậy từ 1 đến 0,05, tức là 95%,” Madigan nói với giọng hào hứng.

“Thực ra, có thể nói rằng tỷ lệ lỗi là 1 trên một nghìn hoặc thấp hơn,” Patty nói.

“Nhưng chúng ta cần biết giá trị của n,” Madigan khẩn khoản nói.

“Thôi thì, chúng ta hãy dùng logarit để tìm giá trị của n,” Patty đề nghị.

Tiếng rên rỉ vang lên qua cuộc họp trực tuyến. Chẳng ai thích hàm logarit cả!

Vì hệ thống viễn thông của họ đang chạy trên GoToMeeting, nên Patty đã trình bày giải pháp:

n = log 0,05/log 0,999 = 2994,23

“Trời ơi! Vậy là chúng ta phải lấy mẫu gần 3.000 sản phẩm không có lỗi để chứng minh tỷ lệ lỗi là 1 trên 1.000 hoặc ít hơn à?” Madigan hỏi, giọng đầy thất vọng.

“Đúng vậy,” Patty đáp.

Cô tiếp tục: “Cuối cùng, ta có được một quy tắc thực tiễn hữu ích. Vì n gần bằng 3.000, hãy giả sử đó là con số chúng ta cần phân tích. Để chứng minh tỷ lệ lỗi là 1 trên 10.000 hoặc ít hơn, n là 30.000; tỷ lệ 1 trên một triệu hoặc ít hơn, thì n là 3 triệu.”

“Vậy, n bằng 3 lần 1 chia cho mức sai sót mà anh đang cố gắng thiết lập?” Madigan hỏi.

“Đúng vậy,” Patty đáp.

Patty đã ghi điều đó lên trang trình chiếu PowerPoint:

Để xác định mức độ lỗi ở một mức nhất định hoặc thấp hơn với độ tin cậy 95%, người ta phải lấy mẫu n đơn vị không có lỗi

n = 3 × 1/mức độ khuyết tật

“Điều đó có nghĩa là để đạt được mức không có lỗi, chúng ta cần một mẫu vô hạn,” Madigan thở dài.

“Ừ!” Patty đáp.

“Peirpont! Cậu có gì để biện minh cho mình không?” Madigan quát lên.

“À, trong trường hợp đầu tiên, Patty nói là 1 lỗi trên một nghìn hoặc ít hơn. Vẫn có thể là không có lỗi nào cả,” Peirpont đáp lại với vẻ ủ rũ.

Patty định trả lời, nhưng Madigan đã nhanh hơn cô một bước.

“Nhưng, anh không thể chứng minh rằng con số đó bằng không. Chỉ 1 trên 1.000 hoặc ít hơn. Vì vậy, để thận trọng, chúng ta sẽ cho rằng tỷ lệ lỗi là 1 trên 1.000. Đó là điều đã được chứng minh,” Madigan nhận xét với giọng bực bội.

Cuộc họp kết thúc với lời cảm ơn của Madigan, một điều khá hiếm thấy ở ông. Peirpont thì hầu như không nói gì thêm. Rõ ràng là anh ta có lẽ sẽ bị Mike Madigan gọi lên nhắc nhở.

Sau cuộc họp, Patty cảm thấy hơi bâng khuâng. Cô nhớ ACME và mọi người ở đó, ngay cả Mike Madigan – người thỉnh thoảng hay cáu kỉnh. Nhưng mỗi ngày trôi qua, cô lại càng cảm thấy Ivy U mới chính là ngôi nhà của mình.

Chúc mừng,

Tiến sĩ Ron

Phần kết:

Cũng như tất cả các bài viết trên blog “Patty and the Professor”, bài viết này dựa trên một câu chuyện có thật. Sau khi chia sẻ ý tưởng này với một đồng nghiệp – người từng phải xin sự chấp thuận của FDA cho các thử nghiệm lâm sàng thuốc – cô ấy đã quyết định hỏi các ứng viên ứng tuyển vị trí chuyên viên thống kê: “Bạn có nghĩ mình có thể xây dựng một kế hoạch lấy mẫu để đảm bảo với độ tin cậy 95% rằng không có khuyết tật nào trong quần thể không?” Lần cuối cùng tôi nói chuyện với cô ấy, hầu hết các ứng viên đều trả lời là có………