📖 THUẬT NGỮ
Từ Điển Lean Six Sigma
40 thuật ngữ chuyên ngành Lean Six Sigma, TPM, TQM, 5S/6S Kaizen
1 (7)
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1 proportion test | Kiểm định tỷ lệ 1 |
| A hypothesis test to determine whether the proportion of trials that produce a certain event is equal to a target value. This procedure tests the null hypothesis that the population proportion (p) is equal to a hypothesized value (H0: p = p0). The alternative hypothesis can be left-tailed (p < p0), right-tailed (p > p0), or two-tailed (p ≠ p0). Examples of proportion data include: | Một kiểm định giả thuyết để xác định xem tỷ lệ các thử nghiệm tạo ra một sự kiện cụ thể có bằng một giá trị mục tiêu hay không. Thủ tục này kiểm tra giả thuyết không có rằng tỷ lệ dân số (p) bằng một giá trị giả định (H0: p = p0). Giả thuyết thay thế có thể là đuôi trái (p < p0), đuôi phải (p > p0), hoặc hai đuôi (p ≠ p0). Các ví dụ về dữ liệu tỷ lệ bao gồm: |
| – The proportion of peanuts in a jar of mixed nuts | – Tỷ lệ lượng lạc trong hũ hỗn hợp hạt hạt |
| – The proportion of voters who support Candidate A in an election | – Tỷ lệ cử tri ủng hộ Ứng cử viên A trong một cuộc bầu cử |
| – The proportion of manufactured goods that pass a safety inspection | – Tỷ lệ hàng hóa được sản xuất vượt qua kiểm định an toàn |
| Suppose you are the manager of the warranty claims department in a company that manufactures TVs. You want to know whether the proportion of your company’s TVs that are defective is below the industry average of 0.045. You take a sample of 1000 TVs and observe 30 defective TVs, or a proportion of 0.03. You use a one-tailed 1 proportion test, with the following null and alternative hypotheses: | Giả sử bạn là quản lý bộ phận yêu cầu bảo hành trong một công ty sản xuất TV. Bạn muốn biết xem tỷ lệ TV bị lỗi của công ty bạn có thấp hơn trung bình ngành công nghiệp là 0,045 hay không. Bạn lấy mẫu 1000 TV và quan sát được 30 TV bị lỗi, tỷ lệ là 0,03. Bạn sử dụng một kiểm định tỷ lệ một đuôi với các giả thuyết không và thay thế sau: |
| H0: p = 0.045 | H0: p = 0,045 |
| H1: p < 0.045 | H1: p < 0,045 |
| The test produces a p-value of 0.010, so you reject the null hypothesis and conclude that the proportion of your company’s TVs that are defective is less than the industry average. | Kiểm định cho ra giá trị p-value là 0,010, vì vậy bạn bác bỏ giả thuyết không và kết luận rằng tỷ lệ TV bị lỗi của công ty bạn ít hơn so với trung bình ngành công nghiệp. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1 Variance test | Kiểm định Phương sai 1 mẫu |
| A hypothesis test to determine whether the variance of one population is equal to a target value. Its null hypothesis states that the population variance (s^2) equals a hypothesized value (H0: s^2 = s^20). The alternative hypothesis can be left-tailed (s^2 < s^20), right-tailed (s^2 > s^20), or two-tailed (s^2 ≠ s^20). | Một kiểm định giả thuyết để xác định xem phương sai của một quần thể có bằng một giá trị mục tiêu hay không. Giả thuyết không của nó cho biết rằng phương sai của quần thể (s^2) bằng một giá trị giả định (H0: s^2 = s^20). Giả thuyết thay thế có thể là đuôi trái (s^2 < s^20), đuôi phải (s^2 > s^20), hoặc hai đuôi (s^2 ≠ s^20). |
| For example, a delivery company serving one metropolitan area wants to improve its delivery estimates by reducing the variance of delivery times. A manager decides that the delivery process is unacceptable if the variance in delivery times exceeds 25 minutes², which equals a standard deviation of 5 minutes. She collects delivery time data from the past month and performs a right-tailed 1 Variance test with the following hypotheses: | Ví dụ, một công ty giao hàng phục vụ một khu vực đô thị muốn cải thiện ước tính giao hàng bằng cách giảm phương sai của thời gian giao hàng. Một người quản lý quyết định rằng quá trình giao hàng không chấp nhận được nếu phương sai trong thời gian giao hàng vượt quá 25 phút², tương đương với độ lệch chuẩn là 5 phút. Cô ấy thu thập dữ liệu thời gian giao hàng từ tháng trước và thực hiện một kiểm định Phương sai 1 mẫu theo hướng phải (right-tailed) với các giả thuyết sau: |
| H0: s^2 = 25 | H0: s^2 = 25 |
| H1: s^2 > 25 | H1: s^2 > 25 |
| The test produces a p-value of 0.50, so the manager fails to reject the null hypothesis: no evidence exists to suggest the population variance exceeds 25. The delivery process is acceptable. | Kiểm định cho ra giá trị p-value là 0,50, vì vậy người quản lý không bác bỏ giả thuyết không: không có bằng chứng nào cho thấy phương sai của quần thể vượt quá 25. Quá trình giao hàng là chấp nhận được. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1-sample Poisson test | Kiểm định Poisson một mẫu |
| A hypothesis test of the mean and occurrence rate of a population that follows the Poisson distribution, which models the number of times an event occurs in a given amount of time, area, volume, or other finite observation space. Examples of Poisson processes include: | Một kiểm định giả thuyết về giá trị trung bình và tỷ lệ xuất hiện của một quần thể tuân theo phân phối Poisson, mô hình hóa số lần một sự kiện xảy ra trong một khoảng thời gian nhất định, diện tích, khối lượng, hoặc không gian quan sát hữu hạn khác. Các ví dụ về quá trình Poisson bao gồm: |
| – The number of telephone calls a customer support center receives in one business day | – Số cuộc gọi điện thoại mà trung tâm hỗ trợ khách hàng nhận được trong một ngày làm việc |
| – The number of scratches on a car hood | – Số vết xước trên nắp capô xe hơi |
| – The blood count of a hospital patient, which counts the number of blood cells in a given volume of blood | – Số lượng tế bào máu của một bệnh nhân bệnh viện, đếm số lượng tế bào máu trong một lượng máu nhất định |
| The test’s null hypothesis states that the mean (m) or rate (l) of a Poisson population is equal to a hypothesized value (H0: l = l0). The alternative hypothesis can be left-tailed (l < l0), right-tailed (l > l0), or two-tailed (l ≠ l0). | Giả thuyết không của kiểm định cho biết rằng giá trị trung bình (m) hoặc tỷ lệ (l) của một quần thể Poisson bằng một giá trị giả định (H0: l = l0). Giả thuyết thay thế có thể là đuôi trái (l < l0), đuôi phải (l > l0), hoặc hai đuôi (l ≠ l0). |
| For example, if the number of calls to a call center is too great, many calls go unanswered and customer service declines. If the call center receives more than 30 calls per hour, the manager will recommend opening a second branch to handle the greater load. Because the number of calls per hour follows a Poisson distribution, the manager uses a 1-sample Poisson test with the following hypotheses: | Ví dụ, nếu số lượng cuộc gọi đến một trung tâm cuộc gọi quá lớn, nhiều cuộc gọi không được trả lời và dịch vụ khách hàng suy giảm. Nếu trung tâm cuộc gọi nhận được hơn 30 cuộc gọi mỗi giờ, người quản lý sẽ đề xuất mở một chi nhánh thứ hai để xử lý tải trọng lớn hơn. Vì số cuộc gọi mỗi giờ tuân theo phân phối Poisson, người quản lý sử dụng kiểm định Poisson một mẫu với các giả thuyết sau: |
| H0: l = 30 | H0: l = 30 |
| H1: l > 30 | H1: l > 30 |
| The test calculates a p-value of 0.009, so the manager rejects the null hypothesis. She concludes that the call rate is greater than 30 per hour, and recommends opening a new office to handle the calls. | Kiểm định tính toán được giá trị p-value là 0,009, vì vậy người quản lý bác bỏ giả thuyết không. Cô kết luận rằng tỷ lệ cuộc gọi lớn hơn 30 mỗi giờ, và đề xuất mở một văn phòng mới để xử lý các cuộc gọi. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1-sample sign test | Kiểm định dấu mẫu đơn |
| A hypothesis test for the median of a single population. The procedure uses the null hypothesis that the population median (h) is equal to a hypothesized value (H0: h = h0), and tests it against an alternative hypothesis, which can be left-tailed (h < h0), right-tailed (h > h0), or two-tailed (h ≠ h0). | Một kiểm định giả thuyết cho trung vị của một quần thể duy nhất. Thủ tục sử dụng giả thuyết không rằng trung vị của quần thể (h) bằng một giá trị giả định (H0: h = h0), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (h < h0), đuôi phải (h > h0), hoặc hai đuôi (h ≠ h0). |
| The 1-sample sign test is a nonparametric analog of the 1-sample t-test because it does not require the data to come from a normally distributed population, as the t-test does. Furthermore, the 1-sample sign test makes no assumptions about population symmetry. | Kiểm định dấu mẫu đơn là một phép tương đồng không tham số của kiểm định t- mẫu đơn vì nó không yêu cầu dữ liệu đến từ một quần thể có phân phối chuẩn, như kiểm định t làm. Hơn nữa, kiểm định dấu mẫu đơn không đặt ra giả định về đối xứng của quần thể. |
| For example, the Human Resources department of a large company analyzes its payroll to determine whether the company’s median salary differs from the industry average of $45,000. Salary data are right-skewed, with many workers earning lower salaries and only a few executives earning high salaries. Because the data are nonnormal and asymmetric, the consultant chooses the nonparametric 1-sample sign test with these hypotheses: H0: h = 45000 and H0: h ≠ 45000. If the test’s p-value is less than your chosen significance level, you can reject the null hypothesis and conclude that the median salary differs from the industry average. | Ví dụ, phòng Nhân sự của một công ty lớn phân tích bảng lương để xác định xem mức lương trung bình của công ty khác biệt so với mức lương trung bình ngành là $45,000. Dữ liệu lương có độ lệch phải, với nhiều công nhân kiếm lương thấp và chỉ có một vài quản lý cấp cao kiếm lương cao. Vì dữ liệu không chuẩn và không đối xứng, nhà tư vấn chọn kiểm định dấu mẫu đơn không tham số với các giả thuyết sau: H0: h = 45000 và H0: h ≠ 45000. Nếu giá trị p của kiểm định nhỏ hơn mức ý nghĩa bạn chọn, bạn có thể bác bỏ giả thuyết không và kết luận rằng mức lương trung vị khác biệt so với mức lương trung bình ngành. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1-sample t-test | Kiểm định t mẫu đơn |
| Compares the sample mean to a hypothesized value. For example, a soft-drink company claims that on average its 12-ounce can of soda contains 20 calories. You can use a 1-sample t-test to assess whether the manufacturer’s claim is not true. | So sánh giá trị trung bình mẫu với một giá trị giả định. Ví dụ, một công ty sản xuất đồ uống có ga tuyên bố rằng trên trung bình, lon nước ngọt 12 ounce của họ chứa 20 calo. Bạn có thể sử dụng kiểm định t mẫu đơn để đánh giá xem tuyên bố của nhà sản xuất có đúng không. |
| 1-sample t-test compares the sample mean to the hypothesized value relative to the variability in the sample. The results indicate whether the difference between the values is statistically significant. | Kiểm định t mẫu đơn so sánh giá trị trung bình mẫu với giá trị giả định liên quan đến sự biến động trong mẫu. Kết quả cho biết xem sự khác biệt giữa các giá trị có ý nghĩa thống kê hay không. |
| Use 1-sample t-test when: | Sử dụng kiểm định t mẫu đơn khi: |
| – Population standard deviation is unknown | – Độ lệch chuẩn của quần thể không được biết |
| – Sample is randomly drawn from a population | – Mẫu được rút ngẫu nhiên từ một quần thể |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1-sample Wilcoxon test | Kiểm định Wilcoxon một mẫu |
| A nonparametric hypothesis test for the median of a single population. The procedure uses the null hypothesis that the population median (h) is equal to a hypothesized value (H0: h = h0), and tests it against an alternative hypothesis, which can be either left-tailed (h < h0), right-tailed (h > h0), or two-tailed (h ≠ h0). | Một kiểm định giả thuyết không tham số cho trung vị của một quần thể duy nhất. Thủ tục sử dụng giả thuyết không rằng trung vị của quần thể (h) bằng một giá trị giả định (H0: h = h0), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (h < h0), đuôi phải (h > h0), hoặc hai đuôi (h ≠ h0). |
| For example, suppose you are a statistician for a company that administers standardized tests for students, and you want to know whether the test’s median score has changed from the historical value of 50. You select a sample of students to take the standardized test and observe a median score of 60. You perform a 1-sample Wilcoxon test on this sample, with these hypotheses: H0: h = 50 and H0: h ≠ 50. If the test’s p-value is less than your chosen significance level, you can reject the null hypothesis and conclude that the median score has changed. | Ví dụ, giả sử bạn là một nhà thống kê cho một công ty tổ chức bài kiểm tra chuẩn hóa cho sinh viên, và bạn muốn biết xem điểm trung vị của bài kiểm tra đã thay đổi so với giá trị lịch sử là 50. Bạn chọn một mẫu sinh viên để tham gia bài kiểm tra chuẩn hóa và quan sát được điểm trung vị là 60. Bạn thực hiện kiểm định Wilcoxon một mẫu trên mẫu dữ liệu này, với các giả thuyết sau: H0: h = 50 và H0: h ≠ 50. Nếu giá trị p của kiểm định nhỏ hơn mức ý nghĩa bạn chọn, bạn có thể bác bỏ giả thuyết không và kết luận rằng điểm trung vị đã thay đổi. |
| The 1-sample Wilcoxon test is a nonparametric analog of the 1-sample t-test because it does not require the data to come from a normally distributed population, as the t-test does. However, the 1-sample Wilcoxon test also assumes the data comes from a symmetric distribution, such as the uniform or Cauchy distributions. If you cannot justify this assumption of symmetry, use the nonparametric 1-sample sign test, which does not assume a symmetric distribution. | Kiểm định Wilcoxon một mẫu là một bản sao không tham số của kiểm định t mẫu đơn vì nó không yêu cầu dữ liệu đến từ một quần thể có phân phối chuẩn, như kiểm định t. Tuy nhiên, kiểm định Wilcoxon một mẫu cũng giả định rằng dữ liệu đến từ một phân phối đối xứng, như phân phối đồng đều hoặc phân phối Cauchy. Nếu bạn không thể chứng minh được giả định về tính đối xứng này, hãy sử dụng kiểm định dấu mẫu không tham số, không giả định về phân phối đối xứng. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 1-sample Z-test | Kiểm định Z một mẫu |
| Tests whether a normal population mean is equal to a target value. This test requires the population variance to be known; if you do not know the population variance, use the 1-sample t-test instead. The 1-sample Z-test uses the null hypothesis that the population mean (m) is equal to a hypothesized value (H0: m = m0), and tests it against an alternative hypothesis, which can be either left-tailed (m < m0), right-tailed (m > m0), or two-tailed (m ≠ m0). | Kiểm định xem giá trị trung bình của một quần thể chuẩn có bằng một giá trị mục tiêu hay không. Kiểm định này yêu cầu phương sai của quần thể phải được biết; nếu bạn không biết phương sai của quần thể, hãy sử dụng kiểm định t một mẫu thay thế. Kiểm định Z một mẫu sử dụng giả thuyết không rằng giá trị trung bình của quần thể (m) bằng một giá trị giả định (H0: m = m0), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (m < m0), đuôi phải (m > m0), hoặc hai đuôi (m ≠ m0). |
| For example, results of IQ tests and other standardized tests often have a known population variance. Suppose millions of students take a certain standardized test every year, in which scores range from 0 to 100. A group of 40 students takes the test and obtains a mean score of 85. You want to determine whether this score is statistically different than the national average of 80. Historical results indicate the population variance to be 100. Because the population variance is known, the 1-sample Z-test is appropriate. | Ví dụ, kết quả của các bài kiểm tra IQ và các bài kiểm tra chuẩn hóa khác thường có phương sai của quần thể được biết đến. Giả sử hàng triệu học sinh tham gia một bài kiểm tra chuẩn hóa nhất định hàng năm, trong đó điểm số dao động từ 0 đến 100. Một nhóm 40 học sinh tham gia bài kiểm tra và đạt được điểm trung bình là 85. Bạn muốn xác định xem điểm này có khác biệt thống kê so với trung bình quốc gia là 80 hay không. Kết quả lịch sử cho thấy phương sai của quần thể là 100. Bởi vì phương sai của quần thể được biết đến, kiểm định Z một mẫu là phù hợp. |
2 (4)
| Tiếng Anh | Tiếng Việt |
|---|---|
| 2 proportion test | Kiểm định 2 tỉ lệ |
| A hypothesis test for two population proportions to determine whether they are significantly different. This procedure uses the null hypothesis that the difference between two population proportions is equal to a hypothesized value (H0: p1 – p2 = P0), and tests it against an alternative hypothesis, which can be either left-tailed (p1 – p2 < P0), right-tailed (p1 – p2 > P0), or two-tailed (p1 – p2 ≠ P0 ). | Một kiểm định giả thuyết cho hai tỉ lệ dân số để xác định xem chúng có khác nhau có ý nghĩa thống kê hay không. Thủ tục này sử dụng giả thuyết không rằng sự khác biệt giữa hai tỉ lệ dân số bằng một giá trị giả định (H0: p1 – p2 = P0), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (p1 – p2 < P0), đuôi phải (p1 – p2 > P0), hoặc hai đuôi (p1 – p2 ≠ P0 ). |
| For example, suppose Candidate A is running in a local election. You want to determine whether a person’s gender affects their vote, so you take two samples – one of men and one of women – and observe that 55% of men and 45% of women support Candidate A. You can use the 2 proportion test to determine whether this observed difference is statistically significant. The hypotheses of a two-tailed test would be: | Ví dụ, giả sử Ứng cử viên A đang tranh cử trong một cuộc bầu cử địa phương. Bạn muốn xác định xem giới tính của một người có ảnh hưởng đến sự bỏ phiếu của họ không, vì vậy bạn lấy hai mẫu – một mẫu của nam và một mẫu của nữ – và quan sát thấy rằng 55% nam và 45% phụ nữ ủng hộ Ứng cử viên A. Bạn có thể sử dụng kiểm định 2 tỉ lệ để xác định xem sự khác biệt này có ý nghĩa thống kê hay không. Các giả thuyết của một kiểm định hai đuôi sẽ là: |
| H0: pm – pw = 0 (the proportion of men who support Candidate A is equal to the proportion of women who support Candidate A) | H0: pm – pw = 0 (tỷ lệ của nam ủng hộ Ứng cử viên A bằng với tỷ lệ của nữ ủng hộ Ứng cử viên A) |
| H1: pm – pw ≠ 0 (the proportion of men who support Candidate A is not equal to the proportion of women who support Candidate A) | H1: pm – pw ≠ 0 (tỷ lệ của nam ủng hộ Ứng cử viên A không bằng với tỷ lệ của nữ ủng hộ Ứng cử viên A) |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 2 variances test | Kiểm định 2 phương sai |
| A hypothesis test to determine whether two population variances are significantly different. This procedure uses the null hypothesis that the two variances are equal (H0: s21 = s22), and tests it against an alternative, which can be left-tailed (s21 < s22), right-tailed (s21 > s22), or two-tailed (s21 ≠ s22). | Một kiểm định giả thuyết để xác định xem hai phương sai của quần thể có khác nhau có ý nghĩa thống kê hay không. Thủ tục này sử dụng giả thuyết không rằng hai phương sai bằng nhau (H0: s21 = s22), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (s21 < s22), đuôi phải (s21 > s22), hoặc hai đuôi (s21 ≠ s22). |
| For example, suppose managers of a car manufacturer are deciding whether to switch to a new camshaft vendor (Vendor A) that claims they produce camshafts with less variance in diameter than the current vendor (Vendor B). Safety regulations set tight specification limits for camshaft diameter; therefore, the managers should choose the vendor with less variance in camshaft diameter. They collect a sample of camshafts from both vendors and perform a one-tailed 2 variances test on the data, with the following hypotheses: | Ví dụ, giả sử các quản lý của một nhà sản xuất ô tô đang quyết định có chuyển đổi sang một nhà cung cấp trục cam mới (Nhà cung cấp A) có tuyên bố rằng họ sản xuất trục cam có phương sai đường kính nhỏ hơn so với nhà cung cấp hiện tại (Nhà cung cấp B). Quy định an toàn đặt giới hạn thông số chặt chẽ cho đường kính trục cam; do đó, các quản lý nên chọn nhà cung cấp có phương sai ít hơn cho đường kính trục cam. Họ thu thập mẫu trục cam từ cả hai nhà cung cấp và thực hiện một kiểm định 2 phương sai một đuôi trên dữ liệu, với các giả thuyết sau: |
| H0: s2A = s2B (the two vendors produce camshafts with equal variance in diameter) | H0: s2A = s2B (hai nhà cung cấp sản xuất trục cam có phương sai đường kính bằng nhau) |
| H1: s2A < s2B (Vendor A’s claim that they have the lesser variance in camshaft diameter) | H1: s2A < s2B (Tuyên bố của Nhà cung cấp A rằng họ có phương sai đường kính trục cam nhỏ hơn) |
| If the test rejects the null hypothesis, the managers conclude that Vendor A has the smaller variance of camshaft diameter. This test is also useful for verifying assumptions of equal variance, which is the foundation of some statistical procedures. It is also useful for quality improvement situations: you can use this test to compare variance within subgroups to variance between subgroups. Also, you can use this test to compare process variance before and after implementation of a quality improvement program. | Nếu kiểm định bác bỏ giả thuyết không, các quản lý kết luận rằng Nhà cung cấp A có phương sai đường kính trục cam nhỏ hơn. Kiểm định này cũng hữu ích để xác minh giả định về phương sai bằng nhau, đó là nền tảng của một số thủ tục thống kê. Nó cũng hữu ích trong tình huống cải tiến chất lượng: bạn có thể sử dụng kiểm định này để so sánh phương sai trong các nhóm con so với phương sai giữa các nhóm con. Ngoài ra, bạn có thể sử dụng kiểm định này để so sánh phương sai quá trình trước và sau khi triển khai chương trình cải tiến chất lượng. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 2-sample Poisson test | Kiểm định Poisson 2 mẫu |
| A hypothesis test to compare the means or occurrence rates of two Poisson-distributed populations and determine whether they are significantly different. The Poisson distribution models the number of times an event occurs in a given amount of time, area, volume, or other observation space. | Một kiểm định giả thuyết để so sánh giá trị trung bình hoặc tỷ lệ xuất hiện của hai quần thể theo phân phối Poisson và xác định xem chúng có khác nhau có ý nghĩa thống kê hay không. Phân phối Poisson mô hình hóa số lần một sự kiện xảy ra trong một khoảng thời gian, diện tích, thể tích, hoặc không gian quan sát khác. |
| Examples of Poisson processes include: | Các ví dụ về quá trình Poisson bao gồm: |
| – The number of vehicles that pass through a highway’s toll gate in one hour | – Số lượng phương tiện đi qua cổng thu phí trên cao tốc trong một giờ |
| – The number of visitors to a website in one day | – Số lượng khách truy cập trang web trong một ngày |
| – The number of fish an ocean survey finds in a given volume of water | – Số lượng cá mà một cuộc khảo sát đại dương tìm thấy trong một thể tích nước cụ thể |
| The test’s null hypothesis states that the means (m) or rates (l) of two Poisson processes are equal (H0: l1 = l2). The alternative hypothesis can be left-tailed (l1 < l2), right-tailed (l1 > l2), or two-tailed (l1 ≠ l2). | Giả thuyết không của kiểm định cho rằng giá trị trung bình (m) hoặc tỷ lệ (l) của hai quá trình Poisson bằng nhau (H0: l1 = l2). Giả thuyết thay thế có thể là đuôi trái (l1 < l2), đuôi phải (l1 > l2), hoặc hai đuôi (l1 ≠ l2). |
| For example, a traffic safety advocate claims that Elm Street, which has no sidewalks, handles more traffic than nearby Main Street, which does have sidewalks. To prove her assertion, each weekday for a month the safety advocate counts the number of cars that travel on each street. These counts follow Poisson distributions, so she compares the amount of traffic on each street with a 2-sample Poisson test, using the following hypotheses: | Ví dụ, một người ủng hộ an toàn giao thông cho rằng Elm Street, không có vỉa hè, xử lý lưu lượng giao thông nhiều hơn so với Main Street gần đó, có vỉa hè. Để chứng minh sự khẳng định của mình, mỗi ngày làm việc trong một tháng, người ủng hộ an toàn giao thông đếm số xe ô tô đi qua trên mỗi con đường. Các đếm này tuân theo phân phối Poisson, vì vậy cô ấy so sánh lưu lượng giao thông trên mỗi con đường bằng một kiểm định Poisson 2 mẫu, sử dụng các giả thuyết sau: |
| H0: λ Elm = λ Main | H0: λ Elm = λ Main |
| H1: λ Elm > λ Main | H1: λ Elm > λ Main |
| This right-tailed test calculates a p-value of 0.02, so she rejects the null hypothesis and concludes that Elm Street has more traffic than Main Street. Because of this statistically significant evidence, authorities agree to install sidewalks on Elm Street. | Kiểm định có đuôi phải này tính toán giá trị p-value là 0,02, vì vậy cô ấy bác bỏ giả thuyết không và kết luận rằng Elm Street có nhiều lưu lượng giao thông hơn Main Street. Do bằng chứng thống kê có ý nghĩa này, các cơ quan chức năng đồng ý lắp đặt vỉa hè trên Elm Street. |
| Tiếng Anh | Tiếng Việt |
|---|---|
| 2-sample t-test | Kiểm định t 2 mẫu |
| A hypothesis test for two population means to determine whether they are significantly different. This procedure uses the null hypothesis that the difference between two population means is equal to a hypothesized value (H0: m1 – m2 = m0), and tests it against an alternative hypothesis, which can be left-tailed (m1 – m2 < m0), right-tailed (m1 – m2 > m0), or two-tailed (m1 – m2 ≠ m0). | Một kiểm định giả thuyết cho hai giá trị trung bình của quần thể để xác định xem chúng có khác nhau có ý nghĩa thống kê hay không. Thủ tục này sử dụng giả thuyết không rằng sự khác biệt giữa hai giá trị trung bình của quần thể bằng một giá trị giả định (H0: m1 – m2 = m0), và kiểm tra nó so với một giả thuyết thay thế, có thể là đuôi trái (m1 – m2 < m0), đuôi phải (m1 – m2 > m0), hoặc hai đuôi (m1 – m2 ≠ m0). |
| For example, suppose you want to compare two car manufacturers – Company A and Company B – to determine which makes stronger seatbelts. You take a sample of seatbelts from both companies and measure the mean amount of force needed to break them. The 2-sample t-test analyzes the difference between these two means to determine whether the difference is statistically significant. The hypotheses of a two-tailed test would be: | Ví dụ, giả sử bạn muốn so sánh hai nhà sản xuất ô tô – Công ty A và Công ty B – để xác định cái nào làm dây an toàn mạnh hơn. Bạn lấy mẫu dây an toàn từ cả hai công ty và đo lường giá trị trung bình của lực cần thiết để phá vỡ chúng. Kiểm định t 2 mẫu phân tích sự khác biệt giữa hai giá trị trung bình này để xác định xem sự khác biệt có ý nghĩa thống kê hay không. Các giả thuyết của một kiểm định hai đuôi sẽ là: |
| H0: m1 – m2 = 0 (seatbelt strengths from both companies are equal) | H0: m1 – m2 = 0 (sức mạnh của dây an toàn từ cả hai công ty là bằng nhau) |
| H1: m1 – m2 ≠ 0 (seatbelt strengths from both companies are different) | H1: m1 – m2 ≠ 0 (sức mạnh của dây an toàn từ cả hai công ty là khác nhau) |
| If the test’s p-value is less than your chosen significance level, you should reject the null hypothesis. To conduct a 2-sample t-test, the two populations must be independent; in other words, the observations from the first sample must not have any bearing on the observations from the second sample. For example, test scores of two separate groups of students are independent, but before-and-after measurements on the same group of students are not independent, although both of these examples feature two samples. If you cannot support the assumption of sample independence, reconstruct your experiment to use the Paired t-test for dependent populations. | Nếu giá trị p-value của kiểm định nhỏ hơn mức ý nghĩa bạn đã chọn, bạn nên bác bỏ giả thuyết không. Để tiến hành kiểm định t 2 mẫu, hai quần thể phải độc lập; nghĩa là, các quan sát từ mẫu đầu tiên không được ảnh hưởng đến các quan sát từ mẫu thứ hai. Ví dụ, điểm số kiểm tra của hai nhóm học sinh riêng biệt là độc lập, nhưng đo lường trước và sau trên cùng một nhóm học sinh không độc lập, mặc dù cả hai ví dụ này đều có hai mẫu. Nếu bạn không thể hỗ trợ giả định về độc lập của mẫu, xây dựng lại thí nghiệm của bạn để sử dụng Kiểm định t dành cho các quần thể phụ thuộc. |
3 (1)
| Tiếng Anh | Tiếng Việt |
|---|---|
| 3D scatterplot | Biểu đồ phân tán 3D |
| Use to explore the potential relationship between three variables. When you create a 3D scatterplot, you usually display variables in three dimensions with predictor variables on the x-axis and y-axis and the response variable on the z-axis. | Sử dụng để khám phá mối quan hệ tiềm năng giữa ba biến số. Khi bạn tạo một biểu đồ phân tán 3D, bạn thường hiển thị biến số trong ba chiều với biến dự đoán trên trục x và trục y và biến phản ứng trên trục z. |
| For example, you may want to examine how temperature and humidity affect the drying time of paint, or how horsepower and tire pressure affect a vehicle’s fuel efficiency. | Ví dụ, bạn có thể muốn xem xét làm thế nào nhiệt độ và độ ẩm ảnh hưởng đến thời gian khô của sơn, hoặc làm thế nào công suất và áp suất lốp ảnh hưởng đến hiệu suất nhiên liệu của một phương tiện. |
| This 3D scatterplot shows how reheat time (y) and temperature (x) affect the quality (z) of a frozen entree. You can rotate a 3D scatterplot to view it from different angles. | Biểu đồ phân tán 3D này cho thấy làm thế nào thời gian nấu lại (y) và nhiệt độ (x) ảnh hưởng đến chất lượng (z) của một món động lạnh. Bạn có thể xoay biểu đồ phân tán 3D để xem nó từ các góc độ khác nhau. |
 |  |
5 (1)
5S là tên của một phương pháp quản lý, sắp xếp nơi làm việc. Nó được viết tắt của 5 từ trong tiếng Nhật gồm: Seiri (整理 Sàng lọc), Seiton (整頓 Sắp xếp), Seiso (清掃 Sạch sẽ), Seiketsu (清潔 Săn sóc), và Shitsuke (躾 Sẵn sàng).
- Sàng lọc: Seiri hay Sàng lọc có nghĩa là phân loại, tổ chức các vật dụng theo trật tự. Đây chính là bước đầu tiên doanh nghiệp cần làm trong thực hành 5S. Nội dung chính của S1 là phân loại, di dời những thứ không cần thiết, có thể bán đi hoặc tái sử dụng.
- Sắp xếp: Tổ chức các vật dụng còn lại một cách hiệu quả theo tiêu chí dễ tìm, dễ thấy, dễ lấy, dễ trả lại.
- Sạch sẽ: Thường xuyên vệ sinh, giữ gìn nơi làm việc sạch sẽ thông qua việc tổ chức vệ sinh tổng thể và tổ chức vệ sinh hàng ngày máy móc vật dụng và khu làm việc. S3 hướng tới cải thiện môi trường làm việc, giảm thiểu rủi ro, tai nạn đồng thời nâng cao tính chính xác của máy móc thiết bị (do ảnh hưởng của bụi bẩn).
- Săn sóc: Luôn luôn kiểm tra, duy trì 3S ở trên. Bằng việc phát triển S4, các hoạt động 3S sẽ được cải tiến dần dựa theo tiêu chuẩn đã đặt ra và tiến tới hoàn thiện 5S trong doanh nghiệp.
- Sẵn sàng: Nghĩa là rèn luyện, tạo nên một thói quen, nề nếp, tác phong cho mọi người trong thực hiện 5S.[1][2]
5S được áp dụng lần đầu tiên ở Toyota và phát triển rất nhanh sau đó ở các công ty Nhật Bản. Sau đó được phổ biến sang nhiều nước khác[3]. Ở Việt Nam, 5S lần đầu tiên được áp dụng vào năm 1993, ở 1 công ty Nhật (Vyniko). Hiện nay, rất nhiều công ty sản xuất ở Việt Nam áp dụng 5S vì có nhiều lợi ích từ 5S như: chỗ làm việc sạch sẽ, gọn gàng, mọi người đều cảm thấy thoải mái, vui vẻ, năng suất lao động cao, hiệu quả tức thời, hiện ra ngay trước mắt, tạo hình ảnh tốt cho công ty.
5S được một số nơi phát triển lên thành 6S. S thứ 6 là Safety (An toàn), nhưng bản thân nếu làm đúng 5S kể trên là đã gồm an toàn cho nhân viên rồi. Tuy nhiên, ở một số công ty Nhật, 5S lại được rút gọn lại thành 3S (lấy 3S đầu tiên) do mọi người đều sẵn sàng làm 3S và luôn luôn ý thức, kỷ luật tốt.
6 (1)
6S là gì?: 6S hay còn được gọi là 5S + Safety (An toàn).
Trong đó, tiêu chuẩn 5S được xem là cơ sở của mô hình 6S. Nó được viết tắt của 5 từ trong tiếng Nhật gồm: Seiri (整理 SÀNG LỌC), Seiton (整頓 SẮP XẾP), Seiso (清掃 SẠCH SẼ), Seiketsu (清潔 SĂN SÓC), Shitsuke (躾 SẴN SÀNG), và Safety (AN TOÀN).
Việc thêm yếu tố An toàn vào 5S là cần thiết để bảo đảm an toàn và phòng ngừa tai nạn trong môi trường làm việc bằng cách xác định và khắc phục các mối nguy hiểm tiềm ẩn, đảm bảo rằng nhân viên có kiến thức và áp dụng các biện pháp phòng tránh an toàn khi làm việc. Tạo ra một môi trường làm việc an toàn, giảm thiểu rủi ro, tăng cường hiệu năng và sự bền vững của tổ chức.
A (20)
| Tiếng Anh | Tiếng Việt |
|---|---|
| Absolute value | Giá trị tuyệt đối |
| Represents a value by its magnitude (size) alone, without considering its sign (negative or positive). | Đại diện cho một giá trị chỉ bằng cỡ (độ lớn) của nó, mà không xem xét dấu (âm hoặc dương). |
| Original value | Giá trị gốc |
| Absolute value | Giá trị tuyệt đối |
| -326 | 326 |
| 2.054 | 2.054 |
| -0.001 | 0.001 |
| 0 | 0 |
| The absolute value is useful for evaluating the magnitude of values apart from their direction, such as: | Giá trị tuyệt đối hữu ích để đánh giá độ lớn của giá trị ngoài hướng (âm hoặc dương), như: |
| · The bias in a measurement system | · Sự thiên lệch trong một hệ thống đo lường |
| · Factor effects on a response | · Hiệu ứng của yếu tố lên một phản ứng |
| The notation | | is used to represent absolute value. For example, | -14 | equals 14 | Ký hiệu | | được sử dụng để biểu diễn giá trị tuyệt đối. Ví dụ, | -14 | bằng 14 |
| English | Tiếng Việt |
|---|---|
| Accelerated life test | Kiểm tra tuổi thọ gia tăng |
| Models product performance (usually failure times) at elevated stress levels so that you can extrapolate the results back to normal conditions. The goal of an accelerated life test is to speed up the failure process to obtain timely information on products with a long life. | Mô hình hiệu suất sản phẩm (thường là thời gian hỏng) ở mức độ căng thẳng cao để bạn có thể suy luận kết quả trở lại điều kiện bình thường. Mục tiêu của kiểm tra tuổi thọ gia tăng là tăng tốc quá trình hỏng để có thông tin kịp thời về các sản phẩm có tuổi thọ lâu. |
| For example, under normal conditions it may take years for a microchip to fail. However, the same microchip will fail within hours when subjected to high temperatures. With an accelerated life test you can use the information about when microchips fail under high temperatures to predict when failures are likely to occur under normal operating conditions. | Ví dụ, trong điều kiện bình thường, một vi mạch có thể mất nhiều năm để hỏng. Tuy nhiên, cùng một vi mạch sẽ hỏng trong vài giờ khi phải chịu nhiệt độ cao. Với kiểm tra tuổi thọ gia tăng, bạn có thể sử dụng thông tin về vi mạch khi hỏng dưới nhiệt độ cao để dự đoán khi nào có thể xảy ra hỏng trong điều kiện vận hành bình thường. |
| Because electronic components often take a long time to fail, accelerated life tests are common in the electronics industry. Accelerated life tests are also used to predict the performance of materials such as metals, plastics, motors, insulations, ceramics, adhesives, and protective coatings. | Bởi vì các thành phần điện tử thường mất thời gian lâu để hỏng, kiểm tra tuổi thọ gia tăng thường xuyên được sử dụng trong ngành công nghiệp điện tử. Kiểm tra tuổi thọ gia tăng cũng được sử dụng để dự đoán hiệu suất của các vật liệu như kim loại, nhựa, động cơ, lớp cách nhiệt, gốm, keo dính và lớp phủ bảo vệ. |
| Common performance (response) variables include fatigue life, cycle time, crack initiation, wear, and corrosion. Common stress variables include mechanical stress, temperature, vibration, humidity, and voltage. | Các biến hiệu suất (phản ứng) phổ biến bao gồm tuổi thọ mệt mỏi, thời gian chu kỳ, khởi đầu nứt, mài mòn và ăn mòn. Các biến căng thẳng phổ biến bao gồm căng thẳng cơ học, nhiệt độ, rung động, độ ẩm và điện áp. |
| English | Tiếng Việt |
|---|---|
| Acceptable quality level (AQL) | Mức chất lượng chấp nhận được (AQL) |
| The poorest level of quality from a supplier’s process that would be considered acceptable as a process average. You want to design a sampling plan that accepts a particular lot of product at the AQL most of the time. | Mức chất lượng thấp nhất từ quy trình của nhà cung cấp mà sẽ được coi là chấp nhận được như một trung bình quy trình. Bạn muốn thiết kế một kế hoạch lấy mẫu chấp nhận một lô sản phẩm cụ thể tại AQL trong hầu hết thời gian. |
| For example, you receive a shipment of microchips and your acceptable quality level (AQL) is 1.5%. Realizing that you won’t always make the correct decision (sampling risk) you set the producer’s risk (alpha) at 0.05. This means that approximately 95% of the time you will correctly accept a lot with a quality level of 1.5% or better and 5% of the time you will incorrectly reject the lot with a quality level of 1.5% or better. | Ví dụ, bạn nhận được một lô giao hàng vi mạch và mức chất lượng chấp nhận được (AQL) của bạn là 1.5%. Nhận ra rằng bạn sẽ không luôn luôn đưa ra quyết định đúng đắn (rủi ro lấy mẫu) nên bạn đặt rủi ro của nhà sản xuất (alpha) là 0.05. Điều này có nghĩa là khoảng 95% thời gian bạn sẽ chấp nhận chính xác một lô có mức chất lượng 1.5% hoặc cao hơn và 5% thời gian bạn sẽ từ chối một cách không chính xác lô có mức chất lượng 1.5% hoặc cao hơn. |
| While the AQL describes what the sampling plan will accept, the rejectable quality level (RQL) describes what the sampling plan will reject. | Trong khi AQL mô tả những gì kế hoạch lấy mẫu sẽ chấp nhận, mức chất lượng không chấp nhận được (RQL) mô tả những gì kế hoạch lấy mẫu sẽ từ chối. |
| English | Tiếng Việt |
|---|---|
| Acceptance region plot | Biểu đồ vùng chấp nhận |
| In variables acceptance sampling, when both specifications are given and the standard deviation is unknown, this plot allows you to see the region of sample means and sample standard deviations for which you will accept a lot. | Trong việc lấy mẫu chấp nhận biến, khi cả hai thông số kỹ thuật được cung cấp và độ lệch chuẩn không được biết đến, biểu đồ này cho phép bạn xem vùng của các trung bình mẫu và độ lệch chuẩn mẫu mà bạn sẽ chấp nhận một lô hàng. |
| This plot is useful in illustrating your sample requirements. As the sample standard deviation increases and reaches the maximum, the mean needs to be on target for you to accept a shipment. If the process variation is tight and the standard deviation is small, the mean can vary between the specification limits. | Biểu đồ này hữu ích trong việc minh họa yêu cầu mẫu của bạn. Khi độ lệch chuẩn mẫu tăng lên và đạt đến giá trị tối đa, trung bình cần phải đúng mục tiêu để bạn có thể chấp nhận một lô hàng. Nếu biến thiên quy trình chặt chẽ và độ lệch chuẩn nhỏ, trung bình có thể thay đổi giữa các giới hạn thông số kỹ thuật. |
| For example, you sample 259 rollers from a shipment of 3600. The region inside the center triangle is between 0.395 and 0.415 for the sample means (which are the lower and upper specifications) and extends to 0.002753 or the maximum standard deviation. | Ví dụ, bạn lấy mẫu 259 cuộn từ một lô hàng gồm 3600 cuộn. Vùng bên trong tam giác trung tâm nằm giữa 0.395 và 0.415 cho trung bình mẫu (là các giới hạn dưới và trên) và kéo dài đến 0.002753 hoặc độ lệch chuẩn tối đa. |
| English | Tiếng Việt |
|---|---|
| Acceptance sampling | Lấy mẫu chấp nhận |
| Inspection plan that enables you to accept or reject a particular lot of incoming material based on the data from a representative sample. | Kế hoạch kiểm tra cho phép bạn chấp nhận hoặc từ chối một lô hàng cụ thể của vật liệu đầu vào dựa trên dữ liệu từ một mẫu đại diện. |
| For example, you receive a shipment of 10,000 microchips. You either cannot or do not want to inspect the entire shipment. With acceptance sampling you can develop a plan to determine how many microchips you need to examine (sample size) and how many defects are allowed within the sample (acceptance number). In this case, suppose your acceptable quality level (AQL) is 1.5% and the rejectable quality level (RQL) is 5.0%, and you assume alpha = 0.05 and beta = 0.1. Minitab’s generated sampling plan indicates that you will need to inspect 206 chips. If 6 or fewer of the 206 inspected microchips are defective, you will accept the entire shipment. If 7 or more are defective, you will reject the entire shipment. | Ví dụ, bạn nhận được một lô hàng gồm 10.000 vi mạch. Bạn không thể hoặc không muốn kiểm tra toàn bộ lô hàng. Với lấy mẫu chấp nhận, bạn có thể phát triển một kế hoạch để xác định số lượng vi mạch cần kiểm tra (kích thước mẫu) và số lượng khuyết điểm được phép trong mẫu (số chấp nhận). Trong trường hợp này, giả sử mức chất lượng chấp nhận được (AQL) là 1.5% và mức chất lượng không chấp nhận được (RQL) là 5.0%, và bạn giả định alpha = 0.05 và beta = 0.1. Kế hoạch lấy mẫu được tạo ra bởi Minitab cho biết bạn sẽ cần kiểm tra 206 vi mạch. Nếu 6 hoặc ít hơn trong số 206 vi mạch được kiểm tra có khuyết điểm, bạn sẽ chấp nhận toàn bộ lô hàng. Nếu có 7 hoặc nhiều hơn có khuyết điểm, bạn sẽ từ chối toàn bộ lô hàng. |
| Acceptance sampling is a major component of quality control and is useful when the cost of testing is high compared to the cost of passing a defective or when testing is destructive. It is a compromise between doing 100% inspection and no inspection at all. Acceptance sampling can be done on attribute or measured quality characteristics. | Lấy mẫu chấp nhận là một phần quan trọng của kiểm soát chất lượng và hữu ích khi chi phí kiểm tra cao so với chi phí việc thông qua một sản phẩm có khuyết điểm hoặc khi kiểm tra là phá hủy. Đó là một sự khoan dung giữa việc thực hiện kiểm tra 100% và không kiểm tra hoàn toàn. Lấy mẫu chấp nhận có thể được thực hiện trên các đặc tính chất lượng thuộc tính hoặc đo lường. |
| English | Tiếng Việt |
|---|---|
| Accuracy and precision | Độ đúng đắn và độ chính xác |
| Two categories of measurement error. Accuracy refers to how close measurements are to the “true” value, while precision refers to how close measurements are to each other. Accuracy and precision are usually evaluated through various measurement system analysis tools, such as Gage R&R Studies. | Hai loại lỗi đo lường. Độ đúng đắn đề cập đến sự gần gũi của các đo lường đối với giá trị “đúng”, trong khi độ chính xác đề cập đến sự gần gũi của các đo lường với nhau. Độ đúng đắn và độ chính xác thường được đánh giá thông qua các công cụ phân tích hệ thống đo lường khác nhau, như các nghiên cứu Gage R&R. |
| Within any measurement system, you can have one or both of these types of problems. For example, suppose you are producing 200mg medication tablets. In your sampling, you test the weight of these tablets. You can have a device that measures the tablets precisely (little variation in the measurements) but not accurately- Measurements of a single tablet may be 205.54mg, 205.43mg, 205.03mg. You can also have a device that is accurate (the average of the measurements is very close to the accurate value), but not precise. That is, the measurements have large variance: 198.54mg, 202.78mg, 200.33mg. You can also have a device that is neither accurate nor precise. | Trong bất kỳ hệ thống đo lường nào, bạn có thể gặp một hoặc cả hai loại vấn đề này. Ví dụ, giả sử bạn đang sản xuất viên thuốc 200mg. Trong quá trình lấy mẫu, bạn kiểm tra trọng lượng của các viên thuốc này. Bạn có thể có một thiết bị đo chính xác việc đo trọng lượng các viên thuốc (độ biến thiên trong các đo lường nhỏ) nhưng không đúng đắn – Đo lường của một viên thuốc có thể là 205.54mg, 205.43mg, 205.03mg. Bạn cũng có thể có một thiết bị đúng đắn (trung bình của các đo lường rất gần với giá trị đúng đắn), nhưng không chính xác. Điều đó có nghĩa là, các đo lường có độ biến thiên lớn: 198.54mg, 202.78mg, 200.33mg. Bạn cũng có thể có một thiết bị không chính xác hoặc không đúng đắn. |
| The accuracy of a measurement system has three components: bias, linearity, and stability. The precision of a measurement system has two components: repeatability and reproducibility. These components can be studied in more detail with various gage studies. | Độ đúng đắn của một hệ thống đo lường có ba thành phần: sai số, tuyến tính và ổn định. Độ chính xác của một hệ thống đo lường có hai thành phần: tính lập lại và tính tái sản xuất. Những thành phần này có thể được nghiên cứu chi tiết hơn với các nghiên cứu gage khác nhau. |
| The integrity of your data depends upon the integrity of your measurement system. If you detect problems with accuracy and precision, you must improve the measurement system before you can rely upon your data. | Sự toàn vẹn của dữ liệu của bạn phụ thuộc vào sự toàn vẹn của hệ thống đo lường của bạn. Nếu bạn phát hiện vấn đề với độ đúng đắn và độ chính xác, bạn phải cải thiện hệ thống đo lường trước khi bạn có thể dựa vào dữ liệu của mình. |
| English | Tiếng Việt |
|---|---|
| Additive model | Mô hình cộng tính |
| A data model in which the effects of individual factors are differentiated and added together to model the data. They appear in several Minitab commands: | Một mô hình dữ liệu trong đó các hiệu ứng của các yếu tố riêng lẻ được phân biệt và cộng lại với nhau để mô hình hóa dữ liệu. Chúng xuất hiện trong một số lệnh của Minitab: |
| – An additive model is optional for Decomposition procedures and for Winter’s method. Use an additive model when the magnitude of the data does not affect its seasonal pattern. | – Một mô hình cộng tính là tùy chọn cho các thủ tục Phân rã và cho phương pháp Winter. Sử dụng một mô hình cộng tính khi độ lớn của dữ liệu không ảnh hưởng đến mô hình mùa vụ của nó. |
| – An additive model is optional for two-way ANOVA procedures. Choose this option to omit the interaction term from the model. | – Một mô hình cộng tính là tùy chọn cho các thủ tục ANOVA hai chiều. Chọn tùy chọn này để loại bỏ thuật ngữ tương tác khỏi mô hình. |
| – Median polish creates an additive model to describe data in a two-way table. This additive model describes raw data as the sum of row effects, column effects, residuals, and a common effect. | – Median polish tạo ra một mô hình cộng tính để mô tả dữ liệu trong một bảng hai chiều. Mô hình cộng tính này mô tả dữ liệu thô như tổng của hiệu ứng hàng, hiệu ứng cột, dư thừa và một hiệu ứng chung. |
| English | Tiếng Việt |
|---|---|
| Adjusted p-value | Giá trị p được điều chỉnh |
| Used for multiple comparisons in General Linear Model ANOVA, the adjusted p-value indicates which factor level comparisons within a family of comparisons (hypothesis tests) are significantly different. If the adjusted p-value is less than alpha, then you reject the null hypothesis. The adjustment limits the family error rate to the alpha level you choose. If you use a regular p-value for multiple comparisons, then the family error rate grows with each additional comparison. The adjusted p-value also represents the smallest family error rate at which a particular null hypothesis will be rejected. | Được sử dụng cho nhiều so sánh trong ANOVA Mô hình Tuyến tính Tổng quát, giá trị p được điều chỉnh chỉ ra những so sánh cấp độ yếu tố bên trong một nhóm các so sánh (kiểm định giả thuyết) có sự khác biệt đáng kể. Nếu giá trị p được điều chỉnh nhỏ hơn alpha, bạn sẽ bác bỏ giả thuyết không có hiệu lực. Việc điều chỉnh này giới hạn tỷ lệ lỗi gia đình về mức alpha bạn chọn. Nếu bạn sử dụng giá trị p thông thường cho nhiều so sánh, tỷ lệ lỗi gia đình sẽ tăng lên với mỗi so sánh bổ sung. Giá trị p được điều chỉnh cũng biểu thị tỷ lệ lỗi gia đình nhỏ nhất mà một giả thuyết không có hiệu lực cụ thể sẽ bị bác bỏ. |
| It is important to consider the family error rate when making multiple comparisons because your chances of committing a type I error for a series of comparisons is greater than the error rate for any one comparison alone. See “Individual and family error rate” for more details. | Việc xem xét tỷ lệ lỗi gia đình khi thực hiện nhiều so sánh là rất quan trọng bởi vì cơ hội của bạn để phạm phải lỗi loại I cho một loạt các so sánh lớn hơn tỷ lệ lỗi cho bất kỳ một so sánh nào một mình. Xem “Tỷ lệ lỗi cá nhân và lỗi gia đình” để biết thêm chi tiết. |
| Suppose you compare the strength of steel sampled from four different factories. You analyze the data with GLM, which produces the following output: | Giả sử bạn so sánh sức mạnh của thép lấy mẫu từ bốn nhà máy khác nhau. Bạn phân tích dữ liệu bằng GLM, cho ra kết quả như sau: |
| You choose an alpha of 0.05 which, in conjunction with the adjusted p-value, limits the family error rate to 0.05. At this level, the differences between factories 1-3, 1-4, 2-3, and 2-4 are significant. If you lower the family error rate to 0.01, the differences between factories 1-4, 2-3, and 2-4 are still significant. | Bạn chọn một alpha là 0.05, trong kết hợp với giá trị p được điều chỉnh, giới hạn tỷ lệ lỗi gia đình thành 0.05. Ở mức này, sự khác biệt giữa các nhà máy 1-3, 1-4, 2-3 và 2-4 là đáng kể. Nếu bạn giảm tỷ lệ lỗi gia đình xuống 0.01, sự khác biệt giữa các nhà máy 1-4, 2-3 và 2-4 vẫn là đáng kể. |
| English | Tiếng Việt |
|---|---|
| Adjusted residuals for counts | Sai số điều chỉnh cho số đếm |
| Adjusted residuals are the raw residuals divided by the estimated standard deviation of the observed count. | Sai số điều chỉnh là sai số gốc chia cho độ lệch chuẩn ước lượng của số đếm quan sát. |
| English | Tiếng Việt |
|---|---|
| Aggregate data | Dữ liệu tổng hợp |
| Essentially summary data, Minitab will create columns of aggregate data as a storage option for tables commands and logistic regression analyses. In logistic regression, these columns summarize the number of trials and/or occurrences of each factor/covariate pattern. | Định nghĩa dữ liệu tóm tắt, Minitab sẽ tạo cột dữ liệu tổng hợp như một lựa chọn lưu trữ cho các lệnh bảng và phân tích hồi quy logistic. Trong hồi quy logistic, các cột này tóm tắt số lần thử nghiệm và/hoặc sự xuất hiện của mỗi mẫu hình yếu tố/thay đổi. |
| For example, a binary logistic regression analysis was performed on this data, and Number of occurrences of the event was chosen as a storage option. This resulted in the creation of a column of aggregate data stored in NOCC1. From the first row, NOCC1 tells us that the combination of High Setting, Fast Speed, and Strength of 140 occurred three times in this data set. | Ví dụ, một phân tích hồi quy logistic nhị phân được thực hiện trên dữ liệu này, và Số lần xuất hiện của sự kiện đã được chọn là một lựa chọn lưu trữ. Điều này dẫn đến việc tạo ra một cột dữ liệu tổng hợp được lưu trữ trong NOCC1. Từ dòng đầu tiên, NOCC1 cho chúng ta biết rằng kết hợp của Thiết lập Cao, Tốc độ Nhanh và Sức mạnh là 140 đã xuất hiện ba lần trong tập dữ liệu này. |
| English | Tiếng Việt |
|---|---|
| AIAG (Automotive Industry Action Group) | AIAG (Tập đoàn Hành động Công nghiệp Ô tô) |
| A global organization founded by managers from DaimlerChrysler, Ford Motor Company, and General Motors in 1982 with the purpose of providing an open forum for sharing information benefiting the automotive industry. Today, there are more than 1600 member companies which cooperate in developing and sharing solutions that enhance the prosperity of the automotive industry. | Một tổ chức toàn cầu được thành lập bởi các quản lý đến từ DaimlerChrysler, Ford Motor Company và General Motors vào năm 1982 với mục đích cung cấp một diễn đàn mở để chia sẻ thông tin có lợi cho ngành công nghiệp ô tô. Ngày nay, có hơn 1600 công ty thành viên hợp tác trong việc phát triển và chia sẻ các giải pháp nhằm nâng cao sự thịnh vượng của ngành công nghiệp ô tô. |
| The AIAG publishes reference materials aimed at improving the quality of products and are used by many suppliers and manufacturers, not just those in automotive industries. Among them, the Measurement System Analysis manual and the Statistical Process Control manual have been used by many quality practitioners to improve their processes. | AIAG xuất bản các tài liệu tham khảo nhằm cải thiện chất lượng sản phẩm và được sử dụng bởi nhiều nhà cung cấp và nhà sản xuất, không chỉ trong ngành công nghiệp ô tô. Trong số đó, Hướng dẫn Phân tích Hệ thống Đo lường và Hướng dẫn Kiểm soát Quy trình Thống kê đã được nhiều người thực hành chất lượng sử dụng để cải thiện quy trình của họ. |
| Several Minitab commands, including Gage Linearity and Bias Study and Gage R&R Study (Crossed) are developed using these manuals. | Một số lệnh Minitab, bao gồm nghiên cứu Độ thẳng và Sai lệch của Dụng cụ đo và nghiên cứu R&R của Dụng cụ đo (Xuyên) được phát triển bằng cách sử dụng các hướng dẫn này. |
| For more information, see www.aiag.org. | Để biết thêm thông tin, xem trang web www.aiag.org. |
| English | Tiếng Việt |
|---|---|
| Alpha (α) | Alpha (α) |
| Used in hypothesis testing, alpha (α) is the maximum acceptable level of risk for rejecting a true null hypothesis (type I error) and is expressed as a probability ranging between 0 and 1. Alpha is frequently referred to as the level of significance. You should set α before beginning the analysis then compare p-values to α to determine significance: | Alpha (α) được sử dụng trong kiểm định giả thuyết, là mức độ rủi ro tối đa chấp nhận được để loại bỏ một giả thuyết không chính xác (lỗi loại I) và được biểu diễn dưới dạng xác suất từ 0 đến 1. Alpha thường được gọi là mức độ ý nghĩa. Bạn nên thiết lập α trước khi bắt đầu phân tích và sau đó so sánh giá trị p với α để xác định sự quan trọng: |
| · If your p-value is less than or equal to the α-level, reject the null hypothesis in favor of the alternative hypothesis. | · Nếu giá trị p của bạn nhỏ hơn hoặc bằng α, loại bỏ giả thuyết không chính xác và chọn giả thuyết thay thế. |
| · If your p-value is greater than the α-level, fail to reject the null hypothesis. | · Nếu giá trị p của bạn lớn hơn α, không loại bỏ giả thuyết không chính xác. |
| The most commonly used α-level is 0.05. At this level, your chance of finding an effect that does not really exist is only 5%. The smaller the α value, the less likely you are to incorrectly reject the null hypothesis. However, a smaller value for α also means a decreased chance of detecting an effect if one truly exists (lower power). | Mức α thường được sử dụng nhất là 0.05. Ở mức này, cơ hội của bạn để phát hiện ra một hiệu ứng không thực sự tồn tại chỉ là 5%. Giá trị α càng nhỏ, khả năng loại bỏ sai giả thuyết không chính xác càng ít. Tuy nhiên, một giá trị α nhỏ cũng có nghĩa là giảm khả năng phát hiện hiệu ứng nếu thực sự có một hiệu ứng (sức mạnh thấp). |
| Sometimes it may be better to choose a smaller value for α. For example, you are testing samples from a new milling machine to decide whether to purchase a dozen for your plant. You stand to save a large amount of money due to fewer defective products if the new machine is more accurate. However, the cost of purchasing and installing a dozen machines is very high. You want to be sure that the new machine is more accurate before making the purchase. In this case, you might want to select a lower value for α, such as 0.001. That way, you have only a 0.1% chance of concluding the new machine is more accurate, if in fact no difference exists. | Đôi khi việc chọn một giá trị α nhỏ hơn có thể tốt hơn. Ví dụ, bạn đang kiểm tra các mẫu từ một máy tiện mới để quyết định có nên mua một tá cho nhà máy của bạn hay không. Nếu máy mới chính xác hơn, bạn có thể tiết kiệm một lượng lớn tiền do sản phẩm lỗi ít hơn. Tuy nhiên, chi phí mua và lắp đặt một tá máy rất cao. Bạn muốn chắc chắn rằng máy mới chính xác hơn trước khi mua. Trong trường hợp này, bạn có thể muốn chọn một giá trị α thấp hơn, chẳng hạn như 0.001. Điều này có nghĩa là bạn chỉ có 0.1% cơ hội kết luận rằng máy mới chính xác hơn, nếu thực tế không có sự khác biệt. |
| On the other hand, sometimes choosing a larger value for α is better. For example, suppose you are a jet engine manufacturer and you are testing the strength of cheaper ball bearings. Saving a small amount of money does not outweigh the potentially disastrous effects if the bearings are weaker. Therefore, you might want to select a higher value for α, such as 0.1. Although this means you will be more likely to reject a true null hypothesis, more importantly, you will also be more likely to detect a real weakness in the cheaper bearings. | Ngược lại, đôi khi việc chọn một giá trị α lớn hơn có thể tốt hơn. Ví dụ, giả sử bạn là nhà sản xuất động cơ phản lực và bạn đang kiểm tra sức mạnh của bạc đạn rẻ tiền hơn. Tiết kiệm một số tiền nhỏ không là gì so với các hiệu ứng tiềm ẩn nếu bạc đạn yếu hơn. Do đó, bạn có thể muốn chọn một giá trị α cao hơn, chẳng hạn như 0.1. Mặc dù điều này có nghĩa là bạn sẽ có khả năng loại bỏ một giả thuyết không chính xác thực sự, quan trọng hơn, bạn cũng có khả năng phát hiện ra một điểm yếu thực sự trong các bạc đạn rẻ tiền hơn. |
| English | Tiếng Việt |
|---|---|
| Alpha for Axial Points | Alpha cho các điểm trục |
| The distance of each axial point (also called star point) from the center in a central composite design. This value (α), along with the number of center points, determines whether a design can be orthogonally blocked and is rotatable. | Khoảng cách của mỗi điểm trục (còn được gọi là điểm sao) từ trung tâm trong một thiết kế hỗn hợp trung tâm. Giá trị này (α), cùng với số lượng điểm trung tâm, quyết định liệu một thiết kế có thể được chặn vuông góc và có thể quay hay không. |
| English | Tiếng Việt |
|---|---|
| Analysis of Covariance (ANCOVA) | Phân tích Hiệp dụng (ANCOVA) |
| ANCOVA is an extension of analysis of variance (ANOVA) that allows you to model and adjust for input variables that were measured but not randomized or controlled in the experiment. ANCOVA tests whether factors have an effect after removing the variance due to covariates. Common covariates include ambient temperature, humidity, and characteristics of a part or subject before a treatment is applied. | Mở rộng của phân tích phương sai (ANOVA) cho phép bạn mô hình và điều chỉnh cho các biến đầu vào đã được đo lường nhưng không được ngẫu nhiên hoặc kiểm soát trong thí nghiệm. ANCOVA kiểm tra xem các yếu tố có ảnh hưởng sau khi loại bỏ phương sai do các biến điều tiết. Các biến điều tiết phổ biến bao gồm nhiệt độ môi trường, độ ẩm và các đặc điểm của một phần hoặc đối tượng trước khi áp dụng một liệu pháp. |
| For example, an engineer wants to study the level of corrosion on four types of iron beams. He exposes each beam to a liquid treatment to accelerate corrosion, but he cannot control the temperature of the liquid. Temperature is a covariate that should be considered in the model. | Ví dụ, một kỹ sư muốn nghiên cứu mức độ ăn mòn trên bốn loại thanh sắt. Anh ấy ti exposed từng thanh sắt với một liệu pháp lỏng để tăng tốc quá trình ăn mòn, nhưng anh ấy không thể kiểm soát nhiệt độ của dung dịch. Nhiệt độ là một biến điều tiết cần phải được xem xét trong mô hình. |
| In Minitab, you can perform ANCOVA using Stat > ANOVA > General Linear Model > Fit General Linear Model. | Trong Minitab, bạn có thể thực hiện ANCOVA bằng cách vào Stat > ANOVA > General Linear Model > Fit General Linear Model. |
| English | Tiếng Việt |
|---|---|
| Analysis of Means (ANOM) | Phân tích Các giá trị Trung bình (ANOM) |
| ANOM is a graphical analog to ANOVA that tests the equality of population means. The graph displays each factor level mean, the overall mean, and the decision limits. If a point falls outside the decision limits, then evidence exists that the factor level mean represented by that point is significantly different from the overall mean. | ANOM là một biểu đồ tương tự như ANOVA để kiểm tra sự bằng nhau của các giá trị trung bình của dân số. Biểu đồ hiển thị giá trị trung bình của từng cấp độ yếu tố, giá trị trung bình tổng thể và giới hạn quyết định. Nếu một điểm nằm ngoài giới hạn quyết định, có bằng chứng cho rằng giá trị trung bình của cấp độ yếu tố được biểu thị bởi điểm đó khác biệt đáng kể so với giá trị trung bình tổng thể. |
| For example, you are investigating how temperature and additive settings affect the rating of your product. After your experiment, you use ANOM to generate the following graph. | Ví dụ, bạn đang nghiên cứu cách mà nhiệt độ và cài đặt chất phụ gia ảnh hưởng đến xếp hạng của sản phẩm của bạn. Sau khi thí nghiệm, bạn sử dụng ANOM để tạo biểu đồ sau. |
| In this example, the top plot shows that the interaction effects are well within the decision limits, signifying no evidence of interaction. The lower two plots show the means for the levels of the two factors, with the main effect being the difference between the mean and the center line. In the lower left plot, the point representing the third mean of the factor Temperature is displayed by a red symbol, indicating that there is evidence that the Temperature 200 mean is significantly different from the overall mean at a = 0.05. The main effects for levels 1 and 3 of the Additive factor are well outside the decision limits of the lower right plot, signifying that there is evidence that these means are different from the overall mean. | Trong ví dụ này, biểu đồ trên cùng cho thấy rằng các tác động tương tác nằm trong giới hạn quyết định, cho thấy không có bằng chứng về tương tác. Hai biểu đồ dưới hiển thị các giá trị trung bình cho các cấp độ của hai yếu tố, với hiệu ứng chính là sự khác biệt giữa giá trị trung bình và đường trung tâm. Trong biểu đồ dưới bên trái, điểm biểu thị giá trị trung bình thứ ba của yếu tố Nhiệt độ được hiển thị bằng một ký hiệu màu đỏ, cho thấy có bằng chứng cho rằng giá trị trung bình Nhiệt độ 200 khác biệt đáng kể so với giá trị trung bình tổng thể tại a = 0.05. Hiệu ứng chính cho các cấp độ 1 và 3 của yếu tố Phụ gia nằm ngoài giới hạn quyết định của biểu đồ dưới bên phải, cho thấy có bằng chứng cho rằng các giá trị trung bình này khác biệt so với giá trị trung bình tổng thể. |
| ANOM can be used with normal response distributions, as with ANOVA, but you can also use ANOM with binomial or Poisson distributions. The null hypotheses for ANOM and ANOVA are the same: all factor level means are equal. However, the alternative hypotheses are subtly different. | ANOM có thể được sử dụng với phân phối phản ứng bình thường, như ANOVA, nhưng bạn cũng có thể sử dụng ANOM với các phân phối nhị phân hoặc Poisson. Các giả thuyết không có của ANOM và ANOVA là giống nhau: tất cả các giá trị trung bình cấp độ yếu tố bằng nhau. Tuy nhiên, các giả thuyết thay thế khác nhau một cách tinh subtile. |
| If one group of factor level means is above the overall mean and another group of means is below the overall mean, the F-test for ANOVA might indicate evidence for differences where ANOM might not. | Nếu một nhóm giá trị trung bình cấp độ yếu tố nằm trên giá trị trung bình tổng thể và một nhóm giá trị khác nằm dưới giá trị trung bình tổng thể, thì kiểm định F cho ANOVA có thể chỉ ra có bằng chứng cho sự khác biệt trong khi ANOM không thể. |
| If the mean of one factor level is separated from the other means, the ANOVA F-test might not indicate evidence for differences whereas ANOM might flag this group as being different from the overall mean. | Nếu giá trị trung bình của một cấp độ yếu tố được tách biệt khỏi các giá trị trung bình khác, thì kiểm định F của ANOVA có thể không chỉ ra có bằng chứng cho sự khác biệt trong khi ANOM có thể xác định nhóm này khác biệt so với giá trị trung bình tổng thể. |
| English | Tiếng Việt |
|---|---|
| Analysis of Variance (ANOVA) | Phân tích Phương sai (ANOVA) |
| Tests the hypothesis that the means of two or more populations are equal. ANOVAs evaluate the importance of one or more factors by comparing the response variable means at the different factor levels. The null hypothesis states that all population means (factor level means) are equal while the alternative hypothesis states that at least one is different. | Kiểm định giả thuyết rằng giá trị trung bình của hai hoặc nhiều quần thể là bằng nhau. ANOVA đánh giá sự quan trọng của một hoặc nhiều yếu tố bằng cách so sánh giá trị trung bình biến phản ứng ở các cấp độ yếu tố khác nhau. Giả thuyết không có (null hypothesis) khẳng định rằng tất cả các giá trị trung bình của quần thể (giá trị trung bình cấp độ) là bằng nhau trong khi giả thuyết thay thế cho rằng ít nhất một giá trị trung bình khác biệt. |
| To run an ANOVA, you must have a continuous response variable and at least one categorical factor with two or more levels. ANOVAs require data from normally distributed populations with roughly equal variances between factor levels. | Để thực hiện ANOVA, bạn phải có một biến phản ứng liên tục và ít nhất một yếu tố phân loại với hai hoặc nhiều cấp độ. ANOVA yêu cầu dữ liệu từ các quần thể phân phối theo phân phối chuẩn với phương sai gần bằng nhau giữa các cấp độ yếu tố. |
| For example, you design an experiment to assess the durability of four experimental carpet products. You place a sample of each carpet type in ten homes and you measure durability after 60 days. Because you are examining one factor (carpet type) you use a one-way ANOVA. | Ví dụ, bạn thiết kế một thí nghiệm để đánh giá độ bền của bốn sản phẩm thảm thí nghiệm. Bạn đặt một mẫu của mỗi loại thảm trong mười ngôi nhà và bạn đo độ bền sau 60 ngày. Vì bạn đang xem xét một yếu tố (loại thảm) nên bạn sử dụng một ANOVA một chiều. |
| If the p-value is less than your alpha, then you conclude that at least one durability mean is different. To further explore the differences between specific means, use a multiple comparison method such as Tukey’s. | Nếu giá trị p nhỏ hơn alpha của bạn, sau đó bạn kết luận rằng ít nhất một giá trị trung bình về độ bền là khác biệt. Để khám phá sâu hơn về sự khác biệt giữa các giá trị trung bình cụ thể, hãy sử dụng một phương pháp so sánh đa nhóm như phương pháp của Tukey. |
| The name “analysis of variance” is based on the manner in which the procedure uses variances to determine whether the means are different. The procedure works by comparing the variance between group means versus the variance within groups as a method of determining whether the groups are all part of one larger population or separate populations with different characteristics. | Tên “phân tích phương sai” được dựa trên cách thức thủ tục sử dụng phương sai để xác định xem các giá trị trung bình có khác nhau hay không. Thủ tục hoạt động bằng cách so sánh phương sai giữa giá trị trung bình của nhóm so với phương sai trong các nhóm như một phương pháp xác định xem các nhóm có phải là một phần của một quần thể lớn hơn hay là các quần thể riêng biệt với các đặc điểm khác nhau. |
| Minitab has different types of ANOVAs to allow for additional factors, types of factors, and different designs to suit your specific needs. | Minitab có các loại ANOVA khác nhau để cho phép yếu tố bổ sung, các loại yếu tố và các thiết kế khác nhau để phù hợp với nhu cầu cụ thể của bạn. |
| English | Tiếng Việt |
|---|---|
| Analysis of Variance (ANOVA) Table | Bảng Phân tích Phương sai (ANOVA) |
| The main output from an analysis of variance study arranged in a table. Lists the sources of variation, their degrees of freedom, the total sum of squares, and the mean squares. The analysis of variance table also includes the F-statistics and p-values. Use these to determine whether the predictors or factors are significantly related to the response. | Đầu ra chính từ một nghiên cứu phân tích phương sai được sắp xếp trong một bảng. Liệt kê các nguồn biến thiên, bậc tự do của chúng, tổng tổng bình phương, và tổng bình phương trung bình. Bảng phân tích phương sai cũng bao gồm các thống kê F và giá trị p. Sử dụng chúng để xác định liệu các yếu tố hoặc dự đoán có mối quan hệ có ý nghĩa với biến phản ứng hay không. |
| Here are the components of an ANOVA table: | Dưới đây là các thành phần của bảng ANOVA: |
| – Source: indicates the source of variation, either from the factor, the interaction, or the error. The total is a sum of all the sources. | – Nguồn: chỉ ra nguồn biến thiên, có thể từ yếu tố, sự tương tác, hoặc lỗi. Tổng cộng là tổng của tất cả các nguồn. |
| – DF (degrees of freedom): degrees of freedom from each source. If a factor has three levels, the degrees of freedom is 2 (n-1). If you have a total of 30 observations, the degrees of freedom total is 29 (n – 1). | – DF (bậc tự do): bậc tự do từ mỗi nguồn. Nếu một yếu tố có ba cấp độ, thì bậc tự do là 2 (n-1). Nếu bạn có tổng cộng 30 quan sát, bậc tự do tổng cộng là 29 (n – 1). |
| – SS (sum of squares): sum of squares between groups (factor) and the sum of squares within groups (error). | – SS (tổng bình phương): tổng bình phương giữa các nhóm (yếu tố) và tổng bình phương trong các nhóm (lỗi). |
| – MS (mean squares): found by dividing the sum of squares by the degrees of freedom. | – MS (tổng bình phương trung bình): được tính bằng cách chia tổng bình phương cho bậc tự do. |
| – F (F-statistic): calculated by dividing the factor MS by the error MS. Compare this ratio against a critical F or use the p-value to determine significance. | – F (Thống kê F): tính bằng cách chia MS của yếu tố cho MS của lỗi. So sánh tỷ lệ này với F quan trọng hoặc sử dụng giá trị p để xác định ý nghĩa. |
| – P (p-value): use to determine whether a factor is significant; typically compare against an alpha value of 0.05. If the p-value is lower than 0.05, then the factor is significant. | – P (giá trị p): sử dụng để xác định xem một yếu tố có ý nghĩa không; thường so sánh với giá trị alpha là 0.05. Nếu giá trị p nhỏ hơn 0.05, thì yếu tố đó là ý nghĩa. |
| One-way ANOVA table | Bảng ANOVA một chiều |
| Example: Suppose you run an ANOVA to determine which of three different colored flyers produced the most sales. You set up the ANOVA so that your factor is “flyer color” which has the three levels of “black and white”, “red” and “yellow.” Your response variable is weekly sales during the test period, 10 weeks. Since you are examining one factor you use a one-way ANOVA. | Ví dụ: Giả sử bạn thực hiện một ANOVA để xác định loại tờ rơi nào trong ba tờ rơi khác nhau tạo ra doanh số bán hàng cao nhất. Bạn thiết lập ANOVA để yếu tố của bạn là “màu tờ rơi” có ba cấp độ là “đen trắng”, “đỏ” và “vàng”. Biến phản ứng của bạn là doanh số bán hàng hàng tuần trong thời gian thử nghiệm, 10 tuần. Vì bạn đang xem xét một yếu tố nên bạn sử dụng ANOVA một chiều. |
| Source | Nguồn |
| Factor | Yếu tố |
| Error | Lỗi |
| DF | Bậc tự do |
| SS | Tổng bình phương |
| MS | Tổng bình phương trung bình |
| F | Thống kê F |
| P | Giá trị p |
| The p-value of 0.000 indicates that the factor of color is significant. For a two-way ANOVA, you will have two factors and an interaction term. For DOE and regression applications, you can have several factors, or sources of variation. | Giá trị p là 0.000 cho thấy rằng yếu tố màu sắc là có ý nghĩa. Đối với ANOVA hai chiều, bạn sẽ có hai yếu tố và một thuật ngữ tương tác. Đối với ứng dụng DOE và hồi quy, bạn có thể có một số yếu tố hoặc nguồn biến thiên. |
| English | Tiếng Việt |
|---|---|
| Analyze Variability (DOE) | Phân tích Biến thiên (DOE) |
| Identifies factor settings that produce less variable results in 2-level factorial designs with repeat or replicate measurements. Minitab calculates and stores the standard deviations of your responses and analyzes them to detect differences, or dispersion effects, across factor settings. | Xác định cài đặt yếu tố tạo ra kết quả ít biến thiên hơn trong các thiết kế mức độ yếu tố 2 cấp với các đo lặp lại hoặc nhân bản. Minitab tính toán và lưu trữ độ lệch chuẩn của phản ứng của bạn và phân tích chúng để phát hiện sự khác biệt hoặc hiệu ứng phân tán, qua các cài đặt yếu tố. |
| For example, a publishing company wants to find the printing press (1, 2, or 3) and line speed (A, B, C, D) that results in the highest print quality. Using Analyze Variability, they find that one setting combination (press 1 and line speed B) results in excessive variation to the point that a large number of pages are unreadable. When analyzing the means using Analyze Factorial Design, they can find the settings that produce both the best average and most consistent response. | Ví dụ, một công ty xuất bản muốn tìm máy in (1, 2 hoặc 3) và tốc độ dây chuyền (A, B, C, D) tạo ra chất lượng in cao nhất. Sử dụng Phân tích Biến thiên, họ nhận thấy rằng một sự kết hợp cài đặt (máy in 1 và tốc độ dây chuyền B) dẫn đến biến thiên quá mức đến mức một số trang rất nhiều không đọc được. Khi phân tích trung bình sử dụng Phân tích Thiết kế Factorial, họ có thể tìm ra cài đặt tạo ra cả trung bình tốt nhất và phản ứng đồng nhất nhất. |
| You can use the results of Analyze Variability as weights when you analyze the mean responses in Analyze Factorial Design. If the variances are not constant, observations with large variances are given relatively small weight and observations with small variances are given relatively large weight. | Bạn có thể sử dụng kết quả của Phân tích Biến thiên làm trọng số khi bạn phân tích trung bình các phản ứng trong Phân tích Thiết kế Factorial. Nếu phương sai không đều, các quan sát với phương sai lớn được gán trọng số tương đối nhỏ và các quan sát với phương sai nhỏ được gán trọng số tương đối lớn. |
| English | Tiếng Việt |
|---|---|
| Anderson-Darling statistic | Thống kê Anderson-Darling |
| Measures how well the data follow a particular distribution. The better the distribution fits the data, the smaller this statistic will be. Use the Anderson-Darling statistic to compare the fit of several distributions to see which one is best or to test whether a sample of data comes from a population with a specified distribution. For example, you can use the Anderson-Darling statistic to choose between the Weibull and lognormal distributions for a reliability data analysis or to test whether data meets the assumption of normality for a t-test. | Đo lường mức độ dữ liệu tuân theo một phân phối cụ thể. Càng tốt phân phối phù hợp với dữ liệu, thống kê này sẽ càng nhỏ. Sử dụng thống kê Anderson-Darling để so sánh sự phù hợp của một số phân phối để xem xét phân phối nào tốt nhất hoặc để kiểm tra liệu một mẫu dữ liệu có đến từ một quần thể có phân phối cụ thể hay không. Ví dụ, bạn có thể sử dụng thống kê Anderson-Darling để lựa chọn giữa phân phối Weibull và lognormal cho phân tích dữ liệu độ tin cậy hoặc để kiểm tra liệu dữ liệu đáp ứng điều kiện chuẩn của phân phối chuẩn cho một kiểm định t-test. |
| The hypotheses for the Anderson-Darling test are: | Các giả thuyết cho kiểm định Anderson-Darling là: |
| H0: The data follow a specified distribution | H0: Dữ liệu tuân theo một phân phối được chỉ định |
| H1: The data do not follow a specified distribution | H1: Dữ liệu không tuân theo một phân phối được chỉ định |
| If the p-value (when available) for the Anderson-Darling test is lower than the chosen significance level (usually 0.05 or 0.10), conclude that the data do not follow the specified distribution. Minitab does not always display a p-value for the Anderson-Darling test because it does not mathematically exist for certain cases. | Nếu giá trị p (khi có sẵn) cho kiểm định Anderson-Darling thấp hơn ngưỡng ý nghĩa được chọn (thường là 0.05 hoặc 0.10), kết luận rằng dữ liệu không tuân theo phân phối được chỉ định. Minitab không luôn hiển thị giá trị p cho kiểm định Anderson-Darling vì nó không tồn tại toán học cho một số trường hợp. |
| If you are trying to determine which distribution the data follow and you have multiple Anderson-Darling statistics, it is generally correct to compare them. The distribution with the smallest Anderson-Darling statistic has the closest fit to the data. If distributions have similar Anderson-Darling statistics, choose one based on practical knowledge. | Nếu bạn đang cố gắng xác định phân phối nào mà dữ liệu tuân theo và bạn có nhiều thống kê Anderson-Darling, thì nó thường đúng để so sánh chúng. Phân phối có thống kê Anderson-Darling nhỏ nhất sẽ phù hợp nhất với dữ liệu. Nếu các phân phối có thống kê Anderson-Darling tương tự, hãy chọn một dựa trên kiến thức thực tế. |
| Some commands generate an adjusted Anderson-Darling, or AD*, statistic. The non-adjusted Anderson-Darling statistic uses the nonparametric step function based on the Kaplan-Meier method of calculating plot points, while the adjusted Anderson-Darling statistic uses other methods to calculate the plot points. | Một số lệnh tạo ra một thống kê Anderson-Darling điều chỉnh, hoặc AD*. Thống kê Anderson-Darling không điều chỉnh sử dụng hàm bước phi tham số dựa trên phương pháp Kaplan-Meier để tính các điểm đồ thị, trong khi thống kê Anderson-Darling điều chỉnh sử dụng các phương pháp khác để tính các điểm đồ thị. |
| English | Tiếng Việt |
|---|---|
| Arccosine | Arccosine |
| Determines the angle corresponding to a given cosine. Arccosine is defined in radians from 0 to π. For example, the arccosine of 0.5 is π/6 or 0.5230 radians. | Xác định góc tương ứng với một cosin đã cho. Arccosine được xác định trong radians từ 0 đến π. Ví dụ, arccosine của 0.5 là π/6 hoặc 0.5230 radian. |
| Trigonometric functions are used to model periodic phenomena, such as cyclical seasonal patterns, and wave motion. They form the foundation for advanced analyses in electrical engineering, digital image processing, radiography, thermodynamics, telecommunications, and many other fields in science and technology. | Các hàm lượng giác được sử dụng để mô hình hóa hiện tượng chu kỳ, như các mô hình mùa vụ chu kỳ và chuyển động sóng. Chúng tạo nên nền tảng cho các phân tích tiên tiến trong kỹ thuật điện, xử lý hình ảnh kỹ thuật số, chụp X-quang, nhiệt động học, viễn thông và nhiều lĩnh vực khác trong khoa học và công nghệ. |
| In Minitab, you can use the Calculator to find the arccosine of a number or a column of data. | Trong Minitab, bạn có thể sử dụng máy tính để tìm arccosine của một số hoặc một cột dữ liệu. |
| Arccosine is also called the inverse cosine and can be represented by cos⁻¹ x, arccos x, or acos x. | Arccosine còn được gọi là cosine nghịch đảo và có thể được biểu diễn bằng cos⁻¹ x, arccos x, hoặc acos x. |
S (6)
S1: Sàng lọc – Sort (Seiri trong tiếng Nhật): Là bước đầu tiên trong phương pháp quản lý 5S. Nó nhấn mạnh vào việc loại bỏ những vật dụng không cần thiết trong môi trường làm việc để tạo ra không gian làm việc sạch sẽ, gọn gàng và hiệu quả hơn. Bằng cách này, người ta có thể tập trung vào những công việc quan trọng hơn mà không bị phân tâm bởi những thứ không cần thiết.
Nội dung chính của S1: Sàng lọc Sort (Seiri) trong 5S là:
- Phân loại: Xác định những vật dụng cần thiết và không cần thiết trong môi trường làm việc.
- Loại bỏ: Loại bỏ những vật dụng không cần thiết hoặc ít được sử dụng, có thể bán, tái chế hoặc loại bỏ một cách có trật tự và có kế hoạch.
- Tạo không gian làm việc sạch sẽ: Tạo ra môi trường làm việc chỉ chứa những vật dụng cần thiết, giúp tăng hiệu suất và tập trung.
Điều quan trọng là Sàng lọc không chỉ là việc loại bỏ mà còn là việc xác định và duy trì một hệ thống tổ chức có trật tự, giúp dễ dàng tiếp cận và sử dụng các vật dụng cần thiết khi cần.
Tóm lại, việc thực hiện Sàng lọc đem lại nhiều lợi ích trong tổ chức và quản lý không gian làm việc, giúp tăng cường hiệu suất làm việc và sự tổ chức hiệu quả.
S2: Sắp Xếp Seiton (Set In Order):
- Sau khi hoàn thành bước Sàng lọc (S1), bước tiếp theo là Sắp xếp (S2), bước này tập trung vào việc sắp xếp và tổ chức theo một trình tự khoa học có thẩm mỹ các vật dụng, dụng cụ và thiết bị trong môi trường làm việc sao cho dễ dàng tìm kiếm, thuận tiện trong việc sử dụng và tạo sự hiệu quả trong quá trình làm việc, giúp tạo ra một môi trường làm việc hiệu quả và an toàn.
Hướng dẫn:
- Để thực hiện thành công bước Sắp xếp (S2), chúng ta sẽ tuân theo các bước sau:
- Xem xét tổng thể và đặt vật dụng đúng vị trí:
- Đối với mỗi vị trí làm việc, xem xét tổng thể các vật dụng cần sắp xếp.
- Xác định vị trí tốt nhất cho mỗi vật dụng sao cho đảm bảo các yếu tố sau:
- Thuận tiện khi sử dụng trong quá trình làm việc.
- Dễ dàng tìm kiếm khi cần sử dụng.
- Đảm bảo an toàn trong quá trình sử dụng.
- Thực hiện sắp xếp theo nguyên tắc an toàn:
- Để đảm bảo an toàn, sắp xếp các vật dụng theo các nguyên tắc sau:
- Các vật nặng, cồng kềnh nên được đặt ở dưới, còn các vật gọn nhẹ thì đặt ở trên để tránh nguy cơ đè nén.
- Các vật dụng thường xuyên sử dụng nên được đặt gần để dễ dàng tiếp cận, trong khi các vật ít sử dụng hơn nên được đặt ở xa.
- Những vật dụng dễ vỡ nên được đặt ở nơi vững chắc, tránh tình trạng đè nén hoặc va đập.
- Để đảm bảo an toàn, sắp xếp các vật dụng theo các nguyên tắc sau:
- Tạo tính thẩm mỹ và đánh dấu vị trí:
- Đảm bảo tính thẩm mỹ trong quá trình sắp xếp bằng cách đặt các vật dụng thẳng hàng, ngay ngắn.
- Sử dụng các ký hiệu, nhãn hoặc hệ thống đánh dấu để xác định rõ ràng vị trí lưu trữ của từng vật dụng.
- Thiết lập sơ đồ qui hoạch về mặt bằng:
- Tạo sơ đồ qui hoạch cho nơi làm việc, ghi rõ tên và địa chỉ của từng vật dụng.
- Xác định vị trí cụ thể của mỗi vật dụng trên các ngăn kéo, tủ, giá đỡ, hoặc các nơi lưu trữ khác.
- Sơ đồ qui hoạch giúp người làm việc và người khác có thể dễ dàng tìm kiếm và nhận biết các vật dụng cần thiết.
- Xem xét tổng thể và đặt vật dụng đúng vị trí:
- Tiếp tục hoạt động Treo thẻ – Rút thẻ trong bước Sắp xếp (S2) như trong S1.
- Trong quá trình triển khai bước Sắp xếp (S2), hoạt động Treo thẻ – Rút thẻ vẫn tiếp tục đóng một vai trò quan trọng như đã thực hiện trong bước Sàng lọc (S1). Hoạt động này giúp duy trì và nâng cao sự sắp xếp, tính thẩm mỹ và hiệu quả cũng như an toán của môi trường làm việc.
Sạch Sẽ: Seiso (Shine) + S6: An Toàn (Safety):
Việc duy trì sự sạch sẽ và an toàn trong môi trường làm việc đóng một vai trò quan trọng trong quá trình 6S. Bước Sạch sẽ (S3) và sự đảm bảo An toàn (S6) là một phần không thể thiếu để tạo ra một môi trường làm việc hiệu quả, sáng bóng và an toàn đáng tin cậy.
Hướng dẫn:
- Để thực hiện tốt việc vệ sinh nơi làm việc trước hết phải qui định nơi vệ sinh cho từng bộ phận/cá nhân. Trong bộ phận phải phân công rõ chức năng của từng thành viên cần phải làm gì? ở đâu? bằng cách nào? Cụ thể là:
- Bước 1: Xác định Đối tượng Vệ Sinh: Đầu tiên, xác định khu vực và các thiết bị cần được vệ sinh:
- Đối với linh kiện trong kho: bao gồm linh kiện mới, linh kiện hỏng, và hàng hỏng của khách hàng.
- Đối với máy móc, dụng cụ, đồ gá, bàn làm việc, tủ, ghế…
- Đối với không gian làm việc như sàn nhà, đường đi, tường, cột, trần nhà, cửa sổ, đèn…
- Bước 2: Tổ chức Vệ Sinh Ban Đầu: Thiết lập tiêu chuẩn ban đầu về Vệ sinh – Kiểm tra – Bôi trơn (nếu cần) cho khu vực và thiết bị cần được vệ sinh và phân công trách nhiệm cho từng thành viên trong bộ phận:
- Xác định nhiệm vụ của mỗi thành viên trong việc vệ sinh.
- Xác định vị trí cụ thể cần làm sạch.
- Qui định phương pháp và dụng cụ vệ sinh cần sử dụng.
- Bước 3: Đo và Ghi Nhận Thời Gian Vệ Sinh: Thực hiện vệ sinh ban đầu và ghi nhận thời gian cần thiết để hoàn thành công việc:
- Tiến hành vệ sinh đối tượng đã xác định.
- Ghi lại thời gian thực hiện để có cái nhìn chính xác về thời gian cần thiết.
- Bước 4: Điều chỉnh Tiêu Chuẩn: Dựa trên thời gian ghi nhận, điều chỉnh tiêu chuẩn vệ sinh nếu cần thiết:
- So sánh thời gian thực hiện với tiêu chuẩn ban đầu.
- Điều chỉnh tiêu chuẩn nếu cần để phản ánh thời gian vệ sinh thực tế.
- Bước 5: Định Rõ Tần Suất Vệ Sinh: Xác định tần suất vệ sinh cho từng thiết bị và vật dụng:
- Xác định liệu vệ sinh cần thực hiện hàng ngày, hàng tuần, hàng tháng hay theo nhu cầu.
- Cụ thể rõ giờ và thời điểm thực hiện vệ sinh.
- Bước 6: Lập Lịch Vệ Sinh Định Kỳ: Tạo lịch vệ sinh định kỳ dựa trên tần suất đã xác định:
- Lập lịch cho việc vệ sinh định kỳ dựa trên tần suất cụ thể.
- Đảm bảo rằng các thành viên trong bộ phận hiểu và thực hiện đúng lịch vệ sinh.
- Bước 7: Đảm Bảo Tuân Thủ và Cải Tiến: Theo dõi việc thực hiện vệ sinh và thực hiện các biện pháp cải tiến:
- Theo dõi việc tuân thủ lịch vệ sinh và tiêu chuẩn vệ sinh.
- Thực hiện cải tiến khi cần thiết để tối ưu hóa quy trình vệ sinh.
- Bước 1: Xác định Đối tượng Vệ Sinh: Đầu tiên, xác định khu vực và các thiết bị cần được vệ sinh:
- Tiếp tục với hoạt động Treo thẻ – Rút thẻ như đã thực hiện trong bước S1 và S2, trong quá trình Sạch sẽ (S3), hoạt động Treo thẻ – Rút thẻ đóng vai trò quan trọng trong việc phát hiện các khiếm khuyết và lỗi trong quá trình Vệ sinh.
Săn Sóc: Seiketsu (Standardize)
Bước Săn Sóc (S4) là một phần không thể thiếu trong quá trình 6S, đóng vai trò quan trọng trong việc duy trì và xây dựng sự ổn định cùng hiệu suất tốt trong môi trường làm việc. Săn Sóc (S4) có nghĩa là luôn nâng cao và duy trì sàng lọc, sắp xếp, vệ sinh và an toàn nơi làm việc thông qua việc thường xuyên thực hiện S1, S2, S3 và S6.
Chú ý: Nếu việc thực hiện quá trình S1, S2, S3, S6 chỉ diễn ra một lần và chỉ có một vài cải tiến đơn lẻ mà không có sự nỗ lực duy trì, thì tình trạng của môi trường làm việc sẽ nhanh chóng trở lại với tình trạng ban đầu hoặc còn tệ hơn xưa. Thực hiện một lần dễ dàng, nhưng duy trì thói quen thực hiện hàng ngày lại là một thách thức khác.
- Tầm quan trọng của lãnh đạo: Lãnh đạo công ty không chỉ cam kết mà còn hỗ trợ và tham gia trực tiếp vào chương trình 6S là một yếu tố quan trọng đối với sự thành công của quá trình này. Ban lãnh đạo cần phải đưa ra các quyết định liên quan đến việc thực hiện S1, S2, S3 và S6, chẳng hạn như tần suất thực hiện và người chịu trách nhiệm. Các quyết định này có thể được thảo luận trong các cuộc họp định kỳ, chẳng hạn như cuộc họp giao ban hoặc cuộc họp chiến lược của công ty.
Hướng dẫn:
- Xây dựng hệ thống tài liệu 6S: Để thực hiện bước S4 một cách hiệu quả, công ty cần phải xây dựng các tài liệu cần thiết như sau (theo thứ tự):
- Chính sách và mục tiêu:
- Chính sách 6S của công ty.
- Mục tiêu 6S của cả công ty và từng bộ phận (bao gồm cả mục tiêu dài hạn và ngắn hạn).
- Kế hoạch và tổ chức:
- Kế hoạch thực hiện 6S để thực hiện các mục tiêu đề ra, bao gồm sơ đồ tổ chức theo 6S.
- Sơ đồ phân công trách nhiệm cho từng khu vực cụ thể.
- Tài liệu đào tạo và quảng bá:
- Các tài liệu đào tạo về 6S để đảm bảo mọi người hiểu và thực hiện đúng cách.
- Các tài liệu quảng bá và giới thiệu về 6S.
- Hướng dẫn thực hiện từng bước:
- Tài liệu hướng dẫn thực hiện Sàng lọc (S1): Trong phần này, sẽ được mô tả tiêu chí phân loại và xác định các thẻ vàng thẻ đỏ cần xử lý. Các nguyên tắc và qui định về việc xử lý các vấn đề gây nguy hiểm hoặc không đảm bảo an toàn sẽ được trình bày. Mục tiêu là đảm bảo rằng các vấn đề an toàn được ưu tiên và giải quyết kịp thời.
- Tài liệu hướng dẫn Sắp xếp (S2): Phần này sẽ đề cập đến các qui định về màu sắc, nhãn hiệu, dấu hiệu cảnh báo và hướng dẫn cụ thể về nguyên tắc tổ chức sắp xếp. Ngoài ra, hình ảnh mẫu về cách sắp xếp an toàn và tiện ích cũng sẽ được cung cấp để hỗ trợ nhân viên trong việc thực hiện đúng cách.
- Tài liệu hướng dẫn Sạch sẽ (S3): Trong phần này, sẽ có kế hoạch vệ sinh cụ thể, bao gồm phân công trách nhiệm, lịch vệ sinh và tiêu chuẩn chấp nhận về mức độ sạch sẽ cần đạt được. Hướng dẫn về các qui trình vệ sinh cụ thể cho từng đối tượng, bao gồm các công cụ và chất liệu sẽ được đề cập. Mục tiêu là đảm bảo rằng các không gian làm việc luôn đảm bảo vệ sinh và an toàn.
- Tài liệu hướng dẫn An Toàn (S6): là một phần quan trọng trong quá trình triển khai 6S, nhằm đảm bảo rằng mọi hoạt động và quá trình được thực hiện một cách an toàn, đảm bảo an toàn sức khỏe và sự an toàn của nhân viên. Dưới đây là nội dung chi tiết của phần tài liệu hướng dẫn An Toàn:
- Qui định và nguyên tắc an toàn: Trong phần này, sẽ mô tả các qui định và nguyên tắc cơ bản về an toàn. Các quy tắc an toàn chung mà tất cả nhân viên cần phải tuân theo sẽ được đề cập. Điều này bao gồm việc sử dụng các thiết bị bảo hộ cá nhân, quy trình xử lý chất gây nguy hiểm, cách xử lý vật liệu có khả năng gây hại và nhiều yếu tố an toàn khác.
- Tài liệu hướng dẫn về thiết bị bảo hộ cá nhân PPE (Personal Protective Equipment): Phần này sẽ mô tả chi tiết về các loại trang thiết bị bảo hộ cá nhân mà nhân viên cần phải sử dụng trong quá trình thực hiện các hoạt động. Hướng dẫn về cách sử dụng, bảo quản và kiểm tra PPE cũng sẽ được cung cấp.
- Tài liệu hướng dẫn về phòng ngừa tai nạn và sự cố: Phần này sẽ tập trung vào cách phòng ngừa tai nạn và sự cố. Các nguyên tắc cơ bản về an toàn trong môi trường làm việc sẽ được giới thiệu, bao gồm cách phát hiện và xử lý sự cố nhanh chóng để đảm bảo tình trạng an toàn.
- Hướng dẫn xử lý sự cố và báo cáo tai nạn: Trong phần này, sẽ mô tả cách xử lý sự cố và tai nạn khi chúng xảy ra. Cách báo cáo tai nạn, ghi chép và quy trình thông báo cần thực hiện sẽ được đề cập để đảm bảo rằng các vấn đề liên quan đến an toàn được giải quyết đúng cách.
- Tài liệu hướng dẫn Săn sóc (S4): Qui định về việc thực hiện S1, S2, S3 và S6 hàng ngày; quản lý trực quan; kế hoạch và chương trình đánh giá 6S; tiêu chuẩn đánh giá 6S; qui trình và hướng dẫn đánh giá 6S.
- Xây dựng tiêu chí đánh giá và tiêu chuẩn đánh giá 6S cho mỗi khu vực:
- Liệt kê các tiêu chí kiểm tra: Dựa trên các bước của quá trình 6S, liệt kê các tiêu chí muốn kiểm tra cho mỗi bước.
- Xác định tiêu chuẩn đánh giá: Để đánh giá mỗi tiêu chí, xác định tiêu chuẩn cụ thể sẽ sử dụng để đánh giá xem tiêu chí đó đã được thực hiện đúng cách hay không. Tiêu chuẩn có thể dựa trên các quy định, quy trình, hoặc tiêu chí đạt được đã thiết lập trong mỗi bước.
- Chính sách và mục tiêu:
- Tham gia và đóng góp: Việc xây dựng hệ thống tài liệu 6S cần có sự tham gia của toàn bộ nhân viên. Điều này tạo điều kiện để họ có thể tham gia vào việc quyết định công việc mình sẽ thực hiện. Tham gia tích cực của mọi người là yếu tố quan trọng để thực hiện thành công hoạt động 6S và các hoạt động Kaizen khác theo phong cách Nhật Bản.
- Giám sát và khuyến khích tiến bộ: Sau khi hệ thống tài liệu 6S đã được xây dựng, cần phải có cơ chế giám sát để đảm bảo rằng các tiêu chuẩn được thực hiện, tuân thủ và được cải tiến. Đồng thời, cần tạo ra cơ chế khuyến khích, thúc đẩy tinh thần thi đua 6S trong nội bộ tổ chức và với các tổ chức khác. Lãnh đạo cao nhất của công ty cần thường xuyên đánh giá và ghi nhận thành tích của từng bộ phận và cá nhân trong hoạt động 6S. Kết quả của các hoạt động 6S cần phải được cập nhật liên tục lên bảng tin 6S để mọi người có thể theo dõi và tham gia bình luận, từ đó tạo ra động lực để cùng nhau thi đua và góp phần xây dựng môi trường làm việc hoàn hảo hơn.
Sẵn Sàng: Seitsuke (Sustain):
Bước Sẵn Sàng (S5) trong phương pháp 6S không chỉ là việc duy trì, mà còn đề cao tích hợp 6S vào công việc hàng ngày, đây giai đoạn quan trọng cần thẩm thấu dần dần để đảm bảo tính liên tục và cải tiến của 6S. Tại bước này, chúng ta không chỉ thực hiện tuân thủ các nguyên tắc 6S mà còn tập trung vào việc thúc đẩy sự tham gia tích cực và tự quản trong việc duy trì môi trường làm việc sạch sẽ, gọn gàng, an toàn và hiệu quả.
Hướng dẫn:
- Tích hợp vào công việc hàng ngày: Bước đầu tiên là tích hợp nguyên tắc 6S vào mọi khía cạnh của công việc hàng ngày. Mọi người cần nhận thức rằng việc duy trì sự sạch sẽ, gọn gàng và hiệu quả không chỉ là một nhiệm vụ riêng lẻ, mà là một phần quan trọng của quy trình làm việc chung.
- Tự giác làm theo lịch: Mọi người cần tự giác tuân thủ lịch vệ sinh đã được đề ra. Điều này đảm bảo rằng các hoạt động 6S không chỉ là một nhiệm vụ định kỳ mà còn trở thành một thói quen tự nhiên trong công việc hàng ngày.
- Tự nguyện tham gia: Khuyến khích mọi người tham gia tích cực vào các hoạt động 6S mà không phải dựa vào áp lực từ bên ngoài. Tinh thần tự nguyện mang lại sự cam kết cao hơn và tạo động lực trong việc duy trì môi trường làm việc sạch sẽ.
- Học hỏi và cải tiến liên tục: Tạo cơ hội cho việc học hỏi và cải tiến liên tục trong việc tổ chức, sắp xếp và vệ sinh nơi làm việc. Khám phá cách để làm việc một cách thông minh hơn và hiệu quả hơn, đóng góp vào quá trình cải thiện liên tục.
- Chia sẻ thực hành tốt nhất: Khuyến khích mọi người chia sẻ những thực hành tốt nhất và kinh nghiệm hữu ích liên quan đến 6S. Tạo môi trường học tập và hỗ trợ lẫn nhau để tăng cường tri thức và sự tự tin trong việc thực hiện 6S.
- Nhân rộng ra toàn khu vực: Sau khi ứng dụng thành công tại một khu vực nhất định, mở rộng quá trình 6S ra toàn bộ khu vực làm việc. Điều này tạo ra sự thống nhất trong cách thức thực hiện và giúp duy trì môi trường làm việc thống nhất và hiệu quả.
- Tạo động lực thông qua Đánh giá Duy trì hàng tháng: Mỗi tháng, các nhà quản lý, ban đánh giá và người phụ trách 6S sẽ tiến hành đánh giá việc thực hiện 6S. Điều này tạo ra sự động viên và định hướng cho việc duy trì và cải tiến tiếp theo.
- Khen thưởng và công nhận sự đóng góp: Để thúc đẩy tính tự giác và tích cực, công nhận và khen ngợi những người có đóng góp tích cực trong việc thực hiện và duy trì 6S. Điều này tạo động lực và cảm giác thú vị trong việc duy trì môi trường làm việc.
- Tiếp tục 6S ở mức độ cao hơn: Sau khi xây dựng và duy trì cơ sở của 6S, tiến xa hơn bằng việc cải thiện liên tục và nâng cao mức độ hoàn thiện trong quá trình tổ chức, sắp xếp và vệ sinh nơi làm việc. Điều này giúp tạo nền tảng vững chắc cho việc phát triển và cải tiến liên tục trong tương lai.
Safety (AN TOÀN). Việc thêm yếu tố An toàn vào 5S là cần thiết để bảo đảm an toàn và phòng ngừa tai nạn trong môi trường làm việc bằng cách xác định và khắc phục các mối nguy hiểm tiềm ẩn, đảm bảo rằng nhân viên có kiến thức và áp dụng các biện pháp phòng tránh an toàn khi làm việc. Tạo ra một môi trường làm việc an toàn, giảm thiểu rủi ro, tăng cường hiệu năng và sự bền vững của tổ chức.
🎓 Học chuyên sâu hơn
Biết thuật ngữ chưa đủ — hãy học cách áp dụng thực tế