Cách Vẽ Biểu Đồ R-chart: Hướng Dẫn Chi Tiết Từ Cơ Bản Đến Nâng Cao

1. Giới thiệu chung về biểu đồ R-Chart

Biểu đồ R-Chart (Range Chart) là một trong những công cụ quan trọng của Control Chart (biểu đồ kiểm soát) trong lĩnh vực quản lý chất lượng và thống kê quy trình. Được phát triển bởi Walter A. Shewhart, biểu đồ R-Chart giúp chúng ta theo dõi độ biến thiên (variability) của một quy trình sản xuất hoặc dịch vụ bằng cách đo khoảng cách (range) giữa giá trị lớn nhất và giá trị nhỏ nhất trong mỗi mẫu (subgroup). Khi kết hợp với biểu đồ X̄-Chart (biểu đồ trung bình), R-Chart cho phép kiểm soát toàn diện cả độ trung bình và độ phân tán của quy trình.

1.1. Lý do sử dụng R-Chart

• Phát hiện sự biến đổi bất thường: Khi độ biến thiên của quy trình tăng lên hoặc giảm xuống đột ngột, R-Chart sẽ nhanh chóng cảnh báo.
• Đánh giá tính ổn định: Một quy trình ổn định sẽ có các giá trị range nằm trong các giới hạn kiểm soát (UCL, LCL) liên tục.
• Hỗ trợ quyết định cải tiến: Khi phát hiện xu hướng hoặc điểm bất thường, chúng ta có thể can thiệp kịp thời, giảm lãng phí và nâng cao chất lượng.
• Thích hợp cho các mẫu nhỏ: Khi kích thước mẫu (subgroup size) từ 2 đến 10, R-Chart thường được ưu tiên hơn S-Chart (độ lệch chuẩn mẫu) vì tính toán đơn giản hơn.

1.2. Các khái niệm cơ bản

Thuật ngữ	Ý nghĩa
Subgroup	Nhóm các quan sát được thu thập trong một khoảng thời gian hoặc một lô hàng nhất định (thường 2‑10 mẫu).
Range (R)	Khoảng cách giữa giá trị lớn nhất và giá trị nhỏ nhất trong một subgroup.
UCL (Upper Control Limit)	Giới hạn kiểm soát trên, thường được tính bằng trung bình range cộng với 3 sigma.
LCL (Lower Control Limit)	Giới hạn kiểm soát dưới, thường là trung bình range trừ 3 sigma (đối với range, LCL thường ≥0).
CL (Center Line)	Đường trung tâm, thường là trung bình của các giá trị range (R̄).

2. Điều kiện áp dụng R-Chart

Trước khi quyết định sử dụng R-Chart, cần kiểm tra các điều kiện sau:

1. Kích thước mẫu (n) từ 2 đến 10: Khi n > 10, S-Chart (độ lệch chuẩn) thường cho kết quả chính xác hơn.
2. Dữ liệu độc lập: Các quan sát trong và giữa các subgroup phải độc lập.
3. Dữ liệu liên tục: Biểu đồ R-Chart thích hợp cho dữ liệu đo lường (độ dài, trọng lượng, thời gian, v.v.).
4. Quy trình ổn định: Nếu quy trình chưa ổn định, cần thực hiện cải tiến trước khi xây dựng biểu đồ kiểm soát.

3. Các bước chuẩn bị dữ liệu

Có thể bạn quan tâm: Cách Vẽ Biểu Đồ Pareto: Hướng Dẫn Chi Tiết Từ Cơ Bản Đến Nâng Cao

3.1. Xác định Subgroup và Thu thập Dữ liệu

• Xác định kích thước subgroup (n): Thông thường 4‑5 quan sát mỗi ngày, mỗi lô, hoặc mỗi ca làm việc.
• Thu thập dữ liệu: Ghi lại các giá trị đo lường cho mỗi quan sát. Đảm bảo tính đúng thời gian và đúng nguồn để tránh sai lệch.

Ví dụ: Một nhà máy sản xuất bánh quy đo độ dày của bánh mỗi 30 phút, lấy 5 mẫu (n=5) mỗi lần đo.

3.2. Tính Range cho mỗi Subgroup

Với mỗi subgroup, tính:

R_i = \max (X_{i1}, X_{i2}, …, X_{in}) – \min (X_{i1}, X_{i2}, …, X_{in})

Trong ví dụ trên, nếu 5 mẫu đo được là: 2.01, 2.04, 2.00, 2.03, 2.02 mm, thì:

R_1 = 2.04 – 2.00 = 0.04 \text{ mm}

Lặp lại cho tất cả các subgroup để có dãy R = {R₁, R₂, …, Rₖ}.

3.3. Tính trung bình Range (R̄)

\bar{R} = \frac{1}{k} \sum_{i=1}^{k} R_i

Trong đó k là số subgroup.

3.4. Lựa chọn hệ số A₂, D₃, D₄

Các hệ số này phụ thuộc vào kích thước mẫu (n) và được tra bảng chuẩn SPC (Statistical Process Control). Các bảng phổ biến:

Có thể bạn quan tâm: Cách Vẽ Biểu Đồ Nắng: Hướng Dẫn Chi Tiết Từ Cơ Bản Đến Nâng Cao

n	A₂	D₃	D₄
2	1.880	0	3.267
3	1.023	0	2.574
4	0.729	0	2.282
5	0.577	0	2.114
6	0.483	0	2.004
7	0.419	0.076	1.924
8	0.373	0.136	1.864
9	0.337	0.184	1.816
10	0.308	0.223	1.777

• A₂ dùng để tính giới hạn kiểm soát cho X̄-Chart (không cần trong R-Chart, nhưng thường được tính cùng).
• D₃, D₄ dùng để tính LCL và UCL cho R-Chart.

3.5. Tính UCL và LCL cho R-Chart

UCL_R = D_4 \times \bar{R}

LCL_R = D_3 \times \bar{R}

Nếu LCL_R < 0, đặt LCL_R = 0 (vì range không âm).

4. Vẽ biểu đồ R-Chart thực tế

4.1. Chuẩn bị công cụ

• Excel, Minitab, Minitab Express, R (ggplot2), Python (matplotlib, seaborn, pandas).
• Phần mềm SPC chuyên dụng: JMP, QI Macros, Minitab.

4.2. Các bước thực hiện trong Excel (ví dụ)

1. Nhập dữ liệu: Tạo bảng với các cột: Subgroup, X₁, X₂, …, Xₙ, R.
2. Tính Range: Dùng công thức =MAX(B2:F2)-MIN(B2:F2) (giả sử dữ liệu ở cột B‑F).
3. Tính R̄: =AVERAGE(G2:Gk) (cột G là Range).
4. Tra bảng D₃, D₄: Dựa vào n, điền giá trị.
5. Tính UCL_R, LCL_R: =D4$G$k và =D3$G$k.
6. Vẽ biểu đồ:
7. Chọn cột Subgroup và cột R.
8. Vào Insert → Line Chart → Line with Markers.
9. Thêm 3 đường: Center Line (R̄), UCL_R, LCL_R (dùng Add Series → công thức cố định).
10. Định dạng màu sắc: CL – xanh dương, UCL – đỏ, LCL – đỏ.
11. Phân tích: Kiểm tra các điểm nằm ngoài UCL/LCL hoặc xu hướng bất thường.

4.3. Vẽ biểu đồ trong R (ggplot2)

Có thể bạn quan tâm: Cách Vẽ Biểu Đồ Mx: Hướng Dẫn Chi Tiết Từ Cơ Bản Đến Nâng Cao

library(ggplot2) # Giả sử data.frame df có cột: subgroup, R
df <- data.frame( subgroup = 1:20, R = c(0.04,0.06,0.05,0.07,0.03,0.05,0.08,0.04,0.06,0.05, 0.09,0.04,0.05,0.07,0.06,0.05,0.04,0.08,0.06,0.05)
) n <- 5 # kích thước mẫu
D3 <- 0
D4 <- 2.114
R_bar <- mean(df$R) UCL_R <- D4 R_bar
LCL_R <- D3 R_bar ggplot(df, aes(x = subgroup, y = R)) + geom_line(color = "steelblue") + geom_point(size = 2, color = "steelblue") + geom_hline(yintercept = R_bar, linetype = "dashed", color = "darkgreen", size = 1) + geom_hline(yintercept = UCL_R, linetype = "dashed", color = "red", size = 1) + geom_hline(yintercept = LCL_R, linetype = "dashed", color = "red", size = 1) + labs(title = "R-Chart (Range Chart)", x = "Subgroup", y = "Range (R)") + theme_minimal()

Kết quả sẽ hiển thị biểu đồ R-Chart với các đường giới hạn kiểm soát.

5. Cách đọc và diễn giải R-Chart

5.1. Các quy tắc cơ bản (Western Electric Rules)

1. Điểm ngoài UCL/LCL: Nếu bất kỳ điểm nào nằm ngoài giới hạn, quy trình được cho là không kiểm soát.
2. Hai trong ba điểm liên tiếp nằm trong 2σ: Kiểm tra xu hướng.
3. Bốn trong năm điểm liên tiếp nằm trong 1σ: Cảnh báo sớm.
4. Năm điểm liên tiếp tăng hoặc giảm liên tục: Xu hướng tăng/giảm độ biến thiên, có thể do nguyên nhân đặc biệt.

5.2. Phân tích nguyên nhân

• Biến thiên tự nhiên (common cause): Nếu các điểm nằm trong giới hạn nhưng có xu hướng tăng dần, có thể quy trình đang thay đổi dần.
• Biến thiên đặc biệt (special cause): Điểm bất thường, đột biến, thiết bị hỏng, nguyên liệu thay đổi, thay đổi môi trường.

5.3. Hành động cải tiến

• Xác định nguyên nhân gốc: Sử dụng Fishbone Diagram, 5 Whys.
• Thực hiện biện pháp khắc phục: Điều chỉnh máy móc, thay nguyên liệu, đào tạo nhân viên.
• Theo dõi lại: Sau khi can thiệp, tiếp tục thu thập dữ liệu và cập nhật R-Chart để xác nhận quy trình đã trở lại trạng thái ổn định.

6. Các lỗi thường gặp khi vẽ R-Chart và cách khắc phục

Lỗi	Mô tả	Cách khắc phục
Kích thước mẫu không phù hợp	Dùng n > 10 hoặc n = 1	Chuyển sang S-Chart hoặc tăng kích thước mẫu hợp lý (2‑10).
Không tính LCL đúng	LCL âm nhưng không đặt 0	Đặt LCL = 0 vì range không âm.
Dữ liệu không độc lập	Thu thập dữ liệu từ cùng một nguồn liên tục	Đảm bảo lấy mẫu ngẫu nhiên hoặc cách ly thời gian.
Quy trình chưa ổn định	Biểu đồ luôn có điểm ngoài giới hạn	Cải tiến quy trình trước khi áp dụng biểu đồ kiểm soát.
Quên cập nhật UCL/LCL khi có thêm dữ liệu	Giới hạn cũ không phản ánh thực tế	Khi có thêm subgroup, tính lại R̄, UCL, LCL và cập nhật biểu đồ.
Sử dụng hệ số sai	Dùng D₃, D₄ cho n khác	Kiểm tra lại bảng hệ số SPC, chắc chắn khớp n.

7. So sánh R-Chart và S-Chart

Có thể bạn quan tâm: Cách Vẽ Biểu Đồ Trong Minitab: Hướng Dẫn Chi Tiết Từ Cơ Bản Đến Nâng Cao

Tiêu chí	R-Chart	S-Chart
Công thức tính	Range (max‑min)	Độ lệch chuẩn mẫu
Kích thước mẫu	2‑10	2‑10 (cũng được dùng)
Độ chính xác	Đơn giản, nhanh, nhưng ít chính xác khi n lớn	Chính xác hơn khi n > 10
Tính toán	Dễ tính bằng tay	Cần tính căn bậc hai, phức tạp hơn
Ứng dụng	Thích hợp cho kiểm soát nhanh, môi trường sản xuất truyền thống	Thích hợp cho môi trường đòi hỏi độ chính xác cao, dữ liệu lớn

8. Ứng dụng thực tiễn của R-Chart trong các ngành

8.1. Ngành sản xuất

• Kiểm soát độ dày, cân nặng, độ cứng của các bộ phận.
• Giám sát biến thiên của thời gian chu kỳ máy móc (ví dụ: thời gian gia công mỗi chi tiết).

8.2. Ngành dược phẩm

• Kiểm tra độ đồng nhất của thuốc viên: Độ nén, trọng lượng, kích thước.
• Giám sát nhiệt độ trong kho: Mỗi ngày lấy mẫu 4‑5 lần.

8.3. Ngành dịch vụ

• Thời gian chờ dịch vụ: Đo thời gian chờ của khách hàng, tính range để phát hiện biến động lớn.
• Độ dài cuộc gọi trung tâm hỗ trợ: Kiểm soát biến động để tối ưu nguồn lực.

9. Mẫu báo cáo R-Chart chuẩn

---------------------------------------------------------------
BÁO CÁO KIỂM SOÁT BIỂU ĐỒ R-CHART
Ngày: 01/06/2026
Quy trình: Đo độ dày bánh quy
Kích thước mẫu (n): 5
Số subgroup (k): 30 Thống kê:
- R̄ (Trung bình Range): 0.045 mm
- UCL_R: 0.095 mm
- LCL_R: 0.000 mm Kết luận:
- 2 điểm (Subgroup 12, 27) vượt UCL_R → Nguyên nhân đặc biệt.
- Xu hướng tăng nhẹ của R trong 10 subgroup cuối → Cần kiểm tra thiết bị nén.
- Đề xuất: Kiểm tra lại lực nén, thực hiện bảo trì máy ngày 05/06/2026. Ký tên:
____________________ (Kỹ sư chất lượng)
---------------------------------------------------------------

10. Tự động hoá việc vẽ R-Chart bằng Python

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt # 1. Đọc dữ liệu
df = pd.read_excel('data.xlsx') # file có các cột: subgroup, x1, x2, x3, x4, x5 # 2. Tính Range
df'R' = df.iloc:, 1:.apply(lambda row: row.max() - row.min(), axis=1) # 3. Thông số SPC
n = 5
D3, D4 = 0, 2.114 # từ bảng SPC
R_bar = df'R'.mean()
UCL_R = D4 R_bar
LCL_R = D3 R_bar # 4. Vẽ biểu đồ
plt.figure(figsize=(10,6))
plt.plot(df'subgroup', df'R', marker='o', linestyle='-', color='steelblue')
plt.axhline(R_bar, color='green', linestyle='--', label='Center Line (R̄)')
plt.axhline(UCL_R, color='red', linestyle='--', label='UCL')
plt.axhline(LCL_R, color='red', linestyle='--', label='LCL')
plt.title('R-Chart (Range Chart)')
plt.xlabel('Subgroup')
plt.ylabel('Range (R)')
plt.legend()
plt.grid(True)
plt.show()

11. Kết luận

Biểu đồ R-Chart là một công cụ mạnh mẽ, đơn giản nhưng hiệu quả, giúp doanh nghiệp và nhà quản lý chất lượng:

• Theo dõi độ biến thiên của quy trình một cách nhanh chóng.
• Phát hiện sớm các nguyên nhân đặc biệt gây ra biến động.
• Hỗ trợ quyết định cải tiến dựa trên dữ liệu thực tế.

Việc áp dụng R-Chart không chỉ đòi hỏi kiến thức thống kê cơ bản mà còn cần kỷ luật trong việc thu thập dữ liệu, đúng quy trình và phân tích có hệ thống. Khi được thực hiện đúng cách, R-Chart sẽ trở thành “điểm tựa” vững chắc cho hệ thống quản lý chất lượng toàn diện (TQM) và các chuẩn mực quốc tế như ISO 9001.

Hãy bắt đầu bằng việc xác định kích thước mẫu phù hợp, thu thập dữ liệu một cách có hệ thống, và áp dụng các bước trên để xây dựng R-Chart cho quy trình của bạn ngay hôm nay. Khi biểu đồ đã ổn định, bạn sẽ cảm nhận được lợi ích rõ rệt: giảm lãng phí, nâng cao năng suất và đảm bảo chất lượng sản phẩm/dịch vụ luôn ở mức tối ưu.