מבוא

קבלת הדגימה היא שיטה בקרת איכות סטטיסטית המשמשת כדי להחליט אם לקבל או לדחות הרבה מוצרים המבוססים על בדיקת דגימה.כאשר מבוצע כראוי, היא מאזן את עלות בדיקה עם הסיכון של העברת פריטים פגומים.עם זאת, אפילו אנשי מקצוע איכותיים מנוסים יכולים ליפול למלכודת כי לערער את האמינות של ההליך.

טעויות נפוצות בהסכמה

1 Inadequate Sample Size Determination

בחירת גודל מדגם קטן מדי לא ללכוד את שיעור הפגם האמיתי של הרבה, המוביל להסתברות גבוהה לקבל הרבה רע (סיכון של הצרכן) או לדחות הרבה טוב (סיכון של פרודוקר) באופן verse, מדגם גדול מדי לזהות זמן בדיקה מופרזת עלות ללא שיפור משמעותי מדי דיוק ההחלטה. גודל הדגימה הנכון תלוי בגודל גדול, איכות מקובל (חומרה של AQ), ובדיקה הרבה יותר מ- 24%, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, אם יש צורך ב-4% מ- CQ) או ב-4%, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, לעומת זאת, ירידה של טבלאות בדיקה רגילה של טבלאות בדיקה של טבלאות בדיקה של טבלאות בדיקה של טבלאות בדיקה של רזולוציה של טבלאות בדיקה של קומפקטית של קומפקטית של דחיסות של קומפקטית של רזולוציה של רזולוציה של רזולוציה של רזולוציה של רזולוציה של 0.

2. Ignoring Randomization in Sample

בחירה אקראית מבטיחה לכל פריט בשפע יש הזדמנות שווה להיבחר.ללא אקראיזציה, מפקחים עשויים לבחור באופן לא מודע פריטים שנראים טוב או קל להגיע, הצגת הטיה בחירה.לדוגמה, דגימה רק מן השכבה העליונה של חתלתול עשוי להחמיץ פגמים מרוכזים בשכבות נמוכות יותר עקב ערימה גרועה או טיפול אקראי יכול להיות מושג באמצעות מספר אקראי או דגימה שיטתית עם נפילה אקראית זה היה גם מצמצם את הניאקראיות ".

שימוש בתקנים חיצוניים או בלתי צפויים

תקנים של קבלה מעודכנים מעת לעת כדי לשקף שינויים בתעשייה, דרישות איכות חדשות, ושיטות סטטיסטיות טובות יותר.שימוש בסטנדרט מיושן (למשל, MIL-STD-105E ללא יורשו) יכול להוביל לדגימות שגויות או לקריטריונים קבלה. בדומה, החל תקן המיועד לייצור רציף לתהליכי אצווה עשוי לייצר תוצאות לא אמינות.

מסמך מסכן ושמירת רשומות

רשומות לא שלמות או מופרכות של תוכניות דגימה, מספרי דגימות, ממצאים פגומים, והחלטות סופיות ליצור בעיות במהלך ביקורת, ניתוח שורש-כיבוד תהליכים.ללא תיעוד ברור, בדיקות חוזרות עשויות להשתמש בקריטריונים שונים, ומגמות איכות הופכות לבלתי נראות.עבור כל אירוע דגימה, תיעוד: זיהוי רב, גודל מדגם, קבלה (Ac), מספר דחייה (Re), מספר פגמים שנמצאו, החלטות, זיהוי אלקטרוניות ורשומות ביצועים סודיות.

תוצאות חיפוש עבור Misinterpreting Sampling Results

אפילו מדגם מבוצע כראוי יכול להיות מפרש.שגיאה נפוצה היא טיפול שיעור הפגום המדגם כהערכה מדויקת של שיעור הפגם הרבה.קבלת דגימה נועד לקבל החלטה מקבל בינארי / שחרור, לא להעריך את האיכות הרבה בדיוק.לדוגמה, מציאת אפס פגמים במדגם אינו מבטיח אפס פגמים בשפע; זה רק אומר הדגימה היה חסר פגמים.

6.הפעלת One-Size-Fits-All Criteria

באמצעות אותו AQL ורמת בדיקה עבור כל המוצרים להתעלם ההבדלים קריטיות, אמינות הספק, ויכולת תהליך. רכיבי בטיחות קריטיים צריך להיות חזק יותר AQLs ואולי גם מדגימה משתנה במקום לייחס sampling. versely, פריטים בסיכון נמוך עשויים להיות מועמדים עבור טיפול מופחת.

הזנחה: הזנחה של אפקט של לוט גודל משתנה

תוכניות מטבלאות מניחות כי גדלים רבים נופלים בטווחים מוגדרים.כאשר גדלים רבים להשתנות באופן נרחב יחסית לטווח הנבחר, עקומת ההפעלה (OC) שינויים, המשפיעה על ההגנה המוצעים.לדוגמה, באמצעות תוכנית המיועדת עבור הרבה 1,001-10,000 על הרבה 500 יניב סיכונים צרכניים / מחנך שונים.תמיד לבדוק את טווח הגודל שצוין בתכנית הדגימה ולתאם נדרש החלפת כללים (ברמה), מופחתת יותר, כדי לשנות את רמות איכות).

הסיבות לטעויות של קבלה

טעויות רבות נובעות מאימון לא מספיק, חוסר הבנה סטטיסטית, או זמן / עלויות לחץ.כאשר מועדי ייצור נמתחים, דגימה עשוי להיות מודרך, אקראית לדלג, או גודל מדגם לחתוך. סיבה שורש נוסף הוא over-reliance על פרקטיקות מורשת ללא ביקורת תקופתית. ארגונים שלא מעודכנים את המערכת האיכות שלהם בשנים עדיין עשויים להיות בשימוש תוכניות MIL-STD מיושן או כללים פנימיים כי כבר לא מתאים עם שיטות פעולה הטובות ביותר, בנוסף, בין קבוצות רכש שונות, בין שיטות פעולה, כמו גם.

שיטות טובות למניעת טעויות נפוצות

  • (FLT:0)Use sampling תוכניות.Build.veFLT) 1 Refer to ANSI / ASQ Z1.4-2023 או ISO 2859-1 עבור דגימה איכויות, ולהתאים ל-AQL, רמת בדיקה, וגודל רב. השתמש בתוכנה סטטיסטית כדי ליצור עקומות OC ולהבין את הסיכונים.
  • (FLT:0) שפע של ממש אקראית דגימה.IRLT:1) השתמש בטבלאות מספר אקראיות או כלי דגימה אוטומטיים. עבור תהליכים רצופים, השתמש במרווחי זמן אקראיים.
  • (ב) ,0) הישארו בסטנדרטים.FLT:1 כתם חבר צוות לעקוב אחר עדכונים מ-FLT:2NISTIRFLT 3 וגופים סטנדרטיים.
  • (FLT:0) רשומות יסודיות של ההרחבה (FLT:103) השתמש טופס סטנדרטי (paper או דיגיטלי) שלוכד את כל הנתונים הרלוונטיים.ארכיון רשומות לפחות לתקופה הנדרשת של שימור (לעתים קרובות 3-5 שנים).
  • (ב) [ה]הכוח של [ה] מפרשים באופן קבוע את המושגים הסטטיסטיים של ה-FLT: [1], שיטות דגימה נכונות, שגיאות נפוצות ותיעוד הולם.
  • (FLT:0) ביקורות תקופתיות של FPform.FLT:1ir ביקורת פנימית של הליכים דגימה יכול לחשוף סטיות לפני שהם גורמים בעיות איכות חמורות. השתמש ברשימות בהתבסס על תקן שאתה עוקב.
  • (FLT:0) sampling משתנה כאשר מתאים.BuildFLT) 1 עבור ממדים קריטיים או מדידות רציפות, תוכניות דגימה משתנה (למשל, ANSI /ASQ Z1.9) לספק מידע נוסף לדגימה ויכול להפחית את גודל הדגימה תוך שמירה על הגנה.
  • (FLT:0) אינטגרט עם ניהול איכות כללי.BuildFLT:1 sampling קבלה הוא לא פעילות עמידה.זה צריך להיות קשור דירוגים איכות הספק, יכולת תהליך אינדיקציות ומערכות פעולה תיקון.

התפקיד של תוכניות סודיות

תוכניות דגימה סטטיסטית כמו ANSI / ASQ Z1.4 ו- ISO 2859 נבנות על המאפיינים התפעוליים מבוססים היטב.הם מגדירים קודים בגודל מדגם, פיקוח רגיל / מוקרן / והחלפת כללים שמגיבים למגמות איכות.שימוש בתכניות אלה מבטלים כראוי את ניחושים ברמה השנייה.התוכניות כוללות טבלאות עבור יחיד, כפול, כפול, מספר כפול של דגימה הוא פשוט; אפליה כפולה וניתן להוריד את רמת בקרה 2.

מסקנה

הימנעות מטעויות נפוצות ב- sampling הקבלה דורש משמעת, הכשרה ודבקות לסטנדרטים. inadequate מדגם גדלים, בחירת לא-random, מחלוקות מיושנות, תיעוד גרוע, אי-התערבות של תוצאות, וקריטריונים בגודל אחד-איכות-כל הקריטריונים כל הקטנת האמינות של החלטות ספקיות.על ידי יישום שיטות בקרה יעילות הטובות ביותר - שימוש בתוכנה סטטיסטית, תיקון, שמירה על רשומות, הכשרה, ותהליכי ביקורת, ותהליכי ביקורת - יכול להפחית באופן משמעותי את הסיכונים של שיפור יעיל יותר, והשגת שיפור יעיל של לקוחות.