مقدمه مقدماتی

نمونه گیری پذیرش یک روش کنترل کیفیت آماری است که برای تصمیم گیری در مورد پذیرش یا رد بسیاری از محصولات بر اساس بازرسی یک نمونه استفاده می شود.هنگامی که به درستی اجرا می شود، هزینه بازرسی با خطر عبور از اقلام معیوب را متعادل می کند، با این حال، حتی متخصصان با کیفیت تجربه می توانند به تله هایی که قابلیت اطمینان فرآیند را تضعیف می کنند، تجزیه و تحلیل می کنند و یادگیری چگونگی جلوگیری از آنها - برای حفظ استانداردهای ضروری، و تحلیل دقیق و تحلیل این روش های دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق، و تحلیل دقیق آن ها، و تحلیل دقیق از کیفیت، و تحلیل دقیق آن ها، و تحلیل دقیق آن ها، و تحلیل دقیق آن ها، و تحلیل دقیق آن ها، و تحلیل دقیق آن ها، و تحلیل دقیق از قابلیت اطمینان از آن ها، و تحلیل دقیق از قابلیت اطمینان از آن ها، و تحلیل های متداول ترین اشتباهات متداول ترین روش ها، و تحلیل دقیق آن ها، و تحلیل دقیق از آن ها.

اشتباهات رایج در پذیرش نمونه برداری

۱- تعیین اندازه نمونه

انتخاب یک اندازه نمونه که خیلی کوچک است، نمی تواند نرخ نقص واقعی را ثبت کند، منجر به احتمال زیاد پذیرش مقدار بد (خطر مصرف کننده) یا رد مقدار زیادی خوب (خطر احتمالی نقص اثبات کننده) در مقابل، نمونه بیش از حد بزرگ Z، زمان بازرسی و هزینه بدون بهبود معنی در دقت تصمیم. اندازه مناسب بستگی به اندازه زیاد، نمونه قابل قبول (به نظر می رسد که نمونه های آماری بسیار ساده است، به نظر می رسد و یا تعداد زیادی از آن است.

تشخیص تصادفی در انتخاب نمونه

انتخاب تصادفی تضمین می کند که هر آیتم در بسیاری از شانس برابر انتخاب شده است.بدون تصادفی، بازرسان ممکن است به طور ناخودآگاه اقلامی را انتخاب کنند که خوب به نظر می رسند یا آسان هستند، به عنوان مثال، نمونه گیری تنها از لایه بالا از یک پالت ممکن است نقص های متمرکز شده در لایه های پایین به دلیل ضعیف پشته یا برخورد تصادفی به دست آورد.

۳- استفاده از استانداردهای خارج شده یا نامناسب

استانداردهای نمونه گیری پذیرش به صورت دوره ای به روز می شوند تا تغییرات صنعت، الزامات کیفیت جدید و روش های آماری بهتر را منعکس کنند (به عنوان مثال، MIL-STD-105E بدون جانشین آن) می تواند منجر به اندازه های نمونه نادرست یا معیارهای پذیرش مشابه شود، استفاده از استاندارد طراحی شده برای تولید مداوم برای فرآیندهای دسته ممکن است نتایج غیر قابل اعتماد را تأیید کند که همیشه تأیید می کند (AN/Q0، یا روش های فعلی، و نوع بازرسی مناسب است.

۴- مستند سازی ضعیف و نگهداری رکورد

سوابق ناقص یا غیر سازمان یافته از طرح های نمونه برداری، اعداد نمونه، یافته های نقص و تصمیمات نهایی ایجاد مشکلات در طول حسابرسی، تجزیه و تحلیل ریشه، و بهبود فرایند بدون مستندات روشن، بازرسی تکرار ممکن است از معیارهای مختلف استفاده کند و روند کیفیت قابل مشاهده است برای هر نمونه، امضا: شناسایی، اندازه نمونه، شماره پذیرش (Ac)، شماره رد (Rec)، نقص های شناسایی دیجیتال و زمان های تنظیم شده توسط مشتری و پرونده های شناسایی الکترونیکی.

۵- نتایج نمونه برداری نادرست

حتی یک نمونه صحیح اجرا شده می تواند نادرست تفسیر شود.یک خطای رایج در حال درمان نرخ نقص نمونه به عنوان برآورد دقیق از نرخ نقص زیاد است. نمونه گیری پذیرش طراحی شده است برای تصمیم گیری دودویی پذیرش / قضاوت دودویی، نه برآورد دقیق کیفیت بالا، به عنوان مثال، پیدا کردن نقص صفر در یک نمونه، نقص صفر را در بسیاری از موارد تضمین نمی کند؛ تنها به این معنی است که محدودیت های اختلال در طبیعت غیر قابل قبول است: همه کارکنان به طور خودکار نمی توانند به دلیل استفاده از تجزیه و تجزیه و تحلیل آماری بسیار غیر قابل قبول است.

۶- اعمال یک معیار-همه جانبه-

استفاده از همان AQL و سطح بازرسی برای همه محصولات تفاوت در انتقادی بودن، قابلیت اطمینان عرضه کننده و قابلیت پردازش را نادیده می گیرد. اجزای ایمنی بحرانی باید AQL ها را محکم تر و احتمالا نمونه برداری متغیر به جای نمونه برداری از ویژگی، موارد کم خطر ممکن است کاندید برای کاهش برنامه های نمونه گیری بر اساس ارزیابی ریسک، عرضه کننده عملکرد گذشته و هزینه انتقال واحد معیوب در طول انتخاب های حسابرسی منطقی برای آنها باشد.

7- نادیده گرفتن اثر تنوع اندازه ی لوط

برنامه های نمونه برداری از جداول فرض می کنند که اندازه های زیادی در محدوده های تعریف شده قرار می گیرند.هنگامی که اندازه های زیادی نسبت به محدوده انتخاب شده متفاوت است، تغییرات منحنی عملیاتی (OC) که بر حفاظت ارائه شده تأثیر می گذارد، به عنوان مثال، با استفاده از یک طرح طراحی شده برای بسیاری از 1،001-۱۰۰۰۰ در بسیاری از ۵۰۰، خطرات مختلف مصرف کننده / اثبات کننده را تولید می کند. همیشه اندازه های مشخص شده در طرح نمونه برداری و تنظیم قوانین لازم برای تنظیم و تنظیم کردن را بررسی کنید.

ریشه علت اشتباهات پذیرش

بسیاری از اشتباهات ناشی از آموزش ناکافی، عدم درک آماری یا فشارهای زمان / هزینه است.هنگامی که مهلت تولید، نمونه برداری ممکن است عجله، تصادفی کردن، یا برش اندازه نمونه دیگر است که بیش از حد به شیوه های میراث بدون بررسی دوره ای متکی است.سازمان هایی که سیستم کیفیت خود را در سال ها به روز نکرده اند ممکن است هنوز از برنامه های قدیمی MIL-STD یا قوانین داخلی که دیگر با روش های ارتباطی مختلف هماهنگ نیستند، به علاوه بر این که می توانند سیستم های مختلف کیفیت و تیم های تولید را هدایت کنند، استفاده کنند.

بهترین تمرین ها برای جلوگیری از اشتباهات رایج

  • از برنامه های نمونه گیری معتبر آماری استفاده کنید.[۱۰] به ANSI /ASQ Z1.4-2023 یا ISO ۲۸۵۹-1 برای نمونه گیری ویژگی اشاره می کند و برای AQL، سطح بازرسی و اندازه زیاد تنظیم می شود.استفاده از نرم افزار آماری برای تولید منحنی OC و درک خطرات.
  • پیاده سازی نمونه های تصادفی واقعی [FLT 1] [FLT 1] از جداول عددی تصادفی یا ابزارهای نمونه برداری خودکار استفاده کنید، برای فرآیندهای مداوم، از فواصل زمانی تصادفی استفاده کنید و روش را مستند کنید و تأیید کنید که هیچ سوگیری غیر قابل توجهی وجود ندارد.
  • با استانداردهای فعلی خود را حفظ کنید.[۱۰] عضو تیم را برای ردیابی به روز رسانی از NIST و نهادهای استاندارد، بررسی سالانه از روش های نمونه گیری شرکت خود را برنامه ریزی کنید.
  • ثبت کامل از یک فرم استاندارد (مقاله یا دیجیتال) استفاده کنید که تمام داده های مربوطه را ثبت می کند.
  • پرسنل به طور منظم [FLT 1] مفاهیم آماری را پوشش می دهند، روش های نمونه برداری صحیح، خطاهای رایج و مستندات مناسب شامل تمرینات دستی با استفاده از چیزهای واقعی یا شبیه سازی شده است.
  • حسابرسی های دوره ای [FLT 1] ممیزی داخلی از روش های نمونه برداری می تواند انحراف را قبل از آنها مسائل کیفیت جدی را کشف کند.استفاده از چک لیست بر اساس استاندارد شما دنبال می شود.
  • نمونه برداری متغیر در زمان مناسب [FLT 1] برای ابعاد بحرانی یا اندازه گیری مداوم، برنامه های نمونه برداری متغیر (به عنوان مثال ANSI / QC Z1.9) اطلاعات بیشتری در هر نمونه ارائه می دهد و می تواند اندازه نمونه را در حالی که حفظ حفاظت کاهش دهد.
  • با مدیریت کیفیت کلی هماهنگ می شود.[۱۰] نمونه گیری پذیرش یک فعالیت مستقل نیست.این باید با رتبه بندی کیفیت تامین کننده، شاخص های قابلیت فرآیند و سیستم های عمل اصلاحی مرتبط باشد.

نقش نقشه های نمونه برداری آماری

برنامه های نمونه گیری آماری مانند ANSI / ASQ Z1.4 و ISO 2859 بر روی ویژگی های عملیاتی به خوبی تثبیت شده ساخته شده است.آنها کدهای اندازه نمونه، بازرسی نرمال / کاهش یافته و قوانین تغییر که به روند کیفیت پاسخ می دهند، استفاده از این برنامه ها به درستی از بین می رود، طرح شامل جداول برای نمونه های تک، دو و چند نمونه تک ساده است؛ و چندین نمونه مورد نیاز است، زمانی که من همیشه می توانم به طور قابل قبول استفاده از مقدار کمی از آن نیاز است.

نتیجه گیری

اجتناب از اشتباهات رایج در نمونه برداری پذیرش مستلزم انضباط، آموزش و پایبندی به استانداردها است.درآمدهای نمونه، انتخاب غیر انتفاعی، استانداردهای منسوخ، اسناد ضعیف، تفسیر نادرست نتایج، و نمونه گیری یک اندازه از کیفیت جمع آوری شده، همه ارزیابی های پردازش شده را به جای اجرای بهترین شیوه های بازرسی، کاهش می دهد.