כיצד לחשב גודל דוגמאות עבור תוכניות קבלה

מבוא לדגימה גודל קלקליציה בקבלת סמפלינג

קבלה של הדגימה היא טכניקה בקרת איכות סטטיסטית המשמשת כדי לקבוע אם קבוצה של מוצרים עומדים בסטנדרטים איכותיים שנקבעו מראש.במקום לבדוק כל יחידה, מדגם מייצג נמשך ומוערך.ההחלטה לקבל או לדחות את כל הסכום מבוסס על מספר פריטים פגומים שנמצאו בדגימה זו, חישוב גודל הדגימה הנכון הוא קריטי: מדגם קטן מדי עשוי להיכשל כדי לזהות רמות לא מקובלות, בעוד שיצרנים גדולים מדי זמן, לבדוק את רמות הפחתת משאבים ביעילות, לקבוע את רמות הבזבוז, ופעולות יעילות.

תוכניות קבלה

(ב) תוכנית קבלה כוללת שני פרמטרים עיקריים: גודל הדגימה (FLT:0ishnFLT:1) ומספר הקבלה (FLT:2calph 3) התוכנית מפרטת כי מדגם אקראי של כפל 4nFLT:5 יחידות נלקח מגודל של 6NLT 7) אם הוא מספר זהה ל- 9FLT פחות מ- 9F {\displaystyle 1F} .

תוכניות תזמון חיוניות בתעשיות שבהן 100% בדיקה היא לא מעשית בשל עלות, זמן, או דרישות בדיקות הרסניות.הם מספקים שיטה קולית סטטיסטית כדי להסיק את איכות כל השפע, עם רמות ידועות של סיכון.שני הסיכונים העיקריים הם: לדחות הרבה טוב (סיכון של מחנך, α) ולקבל הרבה רע (סיכון של conmer, β) וניתן לקבל הרבה יותר גרוע (סיכון של β) וניתן לקבל סיכונים אלה הם מקובלים.

כיצד להצליח לעבוד

התהליך מתחיל בהגדרת השפע ובחירת תוכנית הדגימה בדרך כלל, התוכנית נגזרת מסטנדרטים כגון ANSI / ASQ Z1.4 או ISO 2859, המספקים טבלאות של גדלים מדגם ומספר קבלה המבוססים על גודל רב ורמת איכות מקובלת (AQL) המשתמש בוחר רמה בדיקה (למשל, סטנדרטית, מוכווצת), מופחתת) ו- AQL, ואז קורא את מספר התעודה ומפורטת על ידי מספר הסימון הוא הקובע את מספר ה-המספר ה-המספר ה-המספר ה-ה-ה-המספר ה-D.

המונחים: key Terminology and Concepts

כדי לחשב את גודל הדגימה במדויק, עליך להבין כמה תנאים מרכזיים ומערכות היחסים שלהם:

(ב) גודל (N): כפל 1:1 מספר היחידות במזווה שהוגש לבדיקה.רבים גדולים יותר דורשים בדרך כלל גדלים מדגם גדול יותר, אך היחסים אינם ליניאריים עקב שיקולים סטטיסטיים.
(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) מספר ה[[המאה ה-1]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]], [[1924]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]], [[1924]]]]
(ב) [ה] ב[[המאה ה-20]], [[המאה ה-20]], [[1924]]]], [[1924]]]]]], [[1924]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]
(FLT:0) הסיכון של פרופודור (α): הסתברות לדחות הרבה אשר למעשה עומד בסטנדרטים האיכותיים (כלומר, סוג I שגיאה) בדרך כלל נקבע ב-5% או 1%.
(FLT:0) הסיכון של קונסורמר (β): ההרחבה 1 (ההסתברות לקבל הרבה שלא עומד בסטנדרטים האיכותיים (כלומר, טעות מסוג II) נקבעת ב-10% או 5%.
(FLT:0) רמת איכות גבוהה (AQLir): 1 אחוז מקסימלי של יחידות פגומים שנחשב מקובל עבור הרבה. AQL מייצג את איכות התהליך הממוצע כי המפיק מוכן לספק.
(FLT:0) לסובלנות (LTPD): 1 אחוז יחידות פגומים שהצרכן רואה כבלתי מתקבל על הדעת.

גורמים המשפיעים על גודל הדגימה

גורמים מסוימים אינטראקציה כדי לקבוע את גודל הדגימה הנדרשת עבור תוכנית דגימה קבלה נתונה.הבנת גורמים אלה עוזר בבחירת תוכנית מתאימה אשר מאזן סיכונים ועלות.

(ה) גודלו של ה-N): .FLT:1hil בעוד שגודלו של ה-FLT משפיע על גודל הדגימה בכמה סטנדרטים (למשל, ANSI/ASQ Z1.4 משתמשת במגוון רחב של טווחים כדי לקבוע את אות הקוד המדגם), ההשפעה הסטטיסטית היא מינימלית עבור הרבה.
מספר קבלה גדול יותר (c): מספר קבלה גדול יותר (c): מספר קבלה גדול יותר) מקטין את גודל הדגימה הנדרשת לסיכון מסוים, אך הוא גם מגביר את ההסתברות לקבל הרבה יותר פגמים.מספר הקבלה נבחר לעתים קרובות לעמוד בדרישות AQL ו- LTPD.
(FLT:0) של פרופודור וסיכון הצרכנים: FLT:1 סיכונים הדוקים יותר (נמוך α ו- β) דורשים גדלים מדגם גדולים יותר.לדוגמה, צמצום α מ 5% עד 1%, תוך שמירה על גורמים אחרים קבועים יכול להכפיל או משולש את גודל הדגימה.
(p): רמה (p): שיעור ההשוואה הצפויה של פריטים פגומים ברבים משפיע על יכולת התמותה של הדגימה.
(FLT:0) בחינת רמת האבחון: 1FLT) סטנדרטים מגדירים רמות בדיקה שונות (רגיל, מודוק, מופחת), אשר מאמת את גודל הדגימה ואת קריטריונים קבלה המבוססים על היסטוריה באיכות העבר.

קרנות סטטיסטיות לדגמי גודל קלקלי

הפצה Hypergeometric

(ב) כאשר ⁇ (ב[[המאה ה-20]], מספר ה[[המאה ה-20]], [[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]

(ב) (ב-C(D, x) * C(N-D, n-x) / C(N, n)

חלוקה זו היא מדויקת אך אינטנסיבית חישובית עבור גדול FLT:0NIRFLT:1 חישובים בגודל דגימות באמצעות הפצת היפרגיאומטרי מבוצעים לעתים קרובות באמצעות טבלאות סטנדרטיות או תוכנה מיוחדת.

ההשוואה Binomial Approximation

(ב) לגדלים גדולים (בדרך כלל כאשר FLT:0nentiFLT:1; 0.103:2NIRFLT 3: 3), החלוקה היפרגיאומטית היא קרוב מאוד על ידי החלוקה המילולית.

(ב) ויקרא י"א): "א' (א) ויקרא י"א) ויקרא (ב) ויקרא י"ד): "וַיָּבְתָּבְהִיתִיא" (ב-ד-ש)

(ב) [15] ויקרא י"ד): "וַיְּהִיא אִם עַדְהִיתִיתִיא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא

פומפסון Approximation

(ב) שיעור פגם נמוך מאוד (ראה:0) ;0) ו- 0.1) וגודלי מדגם גדולים, ניתן להשוות את החלוקה המילולית על ידי הפצת פומפסון.

(ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שיטות עבור Calculating Sample Size

שימוש בטבלה סטנדרטית: ANSI/ASQ Z1.4 ו- ISO 2859

הגישה הנפוצה ביותר בתעשייה היא להשתמש בסטנדרטים שפורסמו המספקים תוכניות מראש ל- ANSI / ASQ Z1.4 (שווה ערך ל- ISO 2859-1) הוא תקן המוביל ל- sampling תכונת תכונות.

(ב) ,0) רמת ההתבוננות: 1FLT: 1 מעלות I, II, III עבור רגיל, מואץ, או מופחתת בדיקה.
(FLT:0) רמת איכות גבוהה (AQLigue): 1 אחוז הפגם המקסימלי שהמפיק רואה מקובל (למשל 0.1%, 1.0%, 2.5%).
(ב) כרך א': ויקרא י"ד: "המספר הכולל של יחידות במנה" (בראשית כ"ד).

[ה]מגודל והרמת הביקורת, מסמך קוד (A to R) נקבע לאחר מכן, מסמך זה מצביע על שולחן המספק את גודל הדגימה (ראה FLT:0:0;0) ומספר הקבלה (FLT:2cuaFLT 3:2creaFLT 3: 3) עבור AQL שנבחר, לדוגמה, עבור הרבה 1,000 יחידות ורמת בדיקה נורמלית II, הקוד הוא 1 ל- 2.

גישה מבוססת פורמולה

כאשר סטנדרטים ספציפיים אינם חלים, או כאשר רמות הסיכון המותאמות אישית נדרשים, נוסחה יכולה לשמש כדי להעריך את גודל הדגימה. נוסחה נפוצה עבור הדגימה בגודל הדגימה בדגימה sampling הוא נגזר מן התוספת הרגילה להתפלגות בינארית:

(ב) ויקרא י"א): "וַיְּהַּהְיִדָּבְהִיתִיתִיתִיתִיתִיתִי" (ב)

איפה:

(ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0 ;pigph1) הוא השיעור הצפוי של פגומים ברבים (לעתים קרובות מוערך בנתונים היסטוריים או נחשב כ- AQL).
(ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

לדוגמה, אם אתה מצפה 5% פגומים, רוצה 95% אמון, ומאפשר שולי של טעות של 2%, החישוב מניב:

(ב) ויקרא י"ד:2 × 0.05 × 0.95) / (0.02) ,2193 ⁇ FLT:4==3=3.84 × 0.0475) / 0.0004 ⁇ 456.2FLT:5

סיבוב אורכו של ההרחבה (FLT:0) ,0 (ראה להלן: 457).נוסה זו אינה כוללת ישירות את מספר הקבלה או את הסיכונים α ו- β באותו אופן שבו הסטנדרטים עושים.זה מתאים יותר להעלאת גודל הדגימה להעלאת שיעור התמותה של פרופורציה ולא לתוכנית החלטה.

גישה קפדנית יותר משתמשת בהתפלגות ההסתברות לפתרון עבור FLT:0reanFLT:1 ו-FLT:2ccioFLT 3 בו זמנית. עבור זוג נקודות על עקומת OC (AQL עם הסתברות 1-α, ו- LTPD עם הסתברות β), ניתן לפתור את המשוואות:

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(ב) להפצתו של ה-[[המאה ה-20]], ההסתברות ל[[המאה ה-20]] ל[[1924]], היא [[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]], [[1924]]]]]]]]

מציאת ⁇ :0 ;0 ; ⁇ 1 ;2 ;2 ⁇ 3 כי לספק את חוסר שוויון לעתים קרובות דורש שיטות מספריות או טבלאות תצפית.

תכונות הפעלה (OC) Curves

(א) ,התערות של ה-OC , הסתברות לקבל את ההסתברות לקבל את ההסתברות של הפונקציה של שיעור פגם גדול אמיתי (FLT:0) או cc-Fial (FLT) 1 (ה-pua) באמצעות חישוב OCLT (OCLT) או LT) מראה את הביצועים של התוכנית בכל הרמות האיכותיות.

כלי תוכנה לדגימה גודל

חישובים ידניים הם זמן-consuming, במיוחד עבור תוכניות כפולות או מרובות דגימה.חבילות תוכנה מרובות ומחשבונים מקוונים לספק את קביעת גודל הדגימה עבור הדגימה קבלה:

(ב) [17] ,0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ,0) ,5 ,1) כולל מודול קבלה ייעודי עבור תוכניות איכויות ומשתנה.
(ב) [15] מחשבים: ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ניתן להשתמש בתבניות גליון (ב) ב-[[1924]], ב[[1924]], ב[[1924]], ב[[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]

כלים אלה להפחית את הסיכון לשגיאות ידניות ומאפשרים ניתוח רגישות להבין כיצד שינויים ב-FLT:0ncioFLT 1 או FLT:2cofFLT 3 משפיעים על ביצועי התוכנית.

דוגמה מעשית: תכנון תוכנית בודדת

נניח שיצרן מקבל 2,000 יחידות ורוצה להשתמש בתוכנית של קבלה עם AQL של 1.0% ו- LTPD של 5.0%.המפיק מקבל סיכון α של 5% והצרכן סיכון β של 10%. Determine בגודל המדגם FLT:0nFLT:1 ו- קבלה מספר 1FLT2calvealph3.

(ב) (ב) ב[[1924]], [[1924]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]], [[1924]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]

[22: 20:2] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(ב) ב[[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]], [[1924]], [[1924]]]]]], [[[[1924]]]]]]]], [[1924]]]], [[1924]]]]]]]]]] ב[[1924]], [[[[1924]]]]]], [[[[1924]]]]]], [[[[1924]]]]]]]] [[[[1924]]]]]]

(ב) (ב) (ב) ב) (ב) ב[[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]], [[1924]]]]]], [[1924]], [[1924]]]]]]]], [[1924]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]], [[1924]]]], [[1924]], [[1924]], [[1924]], [[1924]]]]]]]]]]]], [[1924]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]] [[[[1924]], [[

תוכניות כפולות ומספריות של

(ב) , [17] , [17] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

תוכניות מרובות דגימה מרחיבות את הרעיון הזה לכמה שלבים, עוד צמצום גודל המדגם הממוצע.סטנדרטים כמו ANSI / ASQ Z1.4 מספקים גם תוכניות כפולות ומספרות של דגימה חישוב גודל עבור תוכניות אלה כרוך חישובים מורכבים יותר, אבל אותם עקרונות סטטיסטיים חלים. עקומת OC ומספר הדגימה הממוצע (ASN) הם כלים מרכזיים להערכת תוכניות כאלה.

בחירת התוכנית הנכונה

בחירת בין תוכניות חד פעמיות, כפולות או מרובות דגימה תלוי במספר גורמים: פשטות אדמיניסטרטיבית, גודל מדגם ממוצע, עלויות בדיקה ליחידה, ואת הזמינות של בדיקות מהירות. תוכניות דגימה יחיד הם קלים ביותר לניהול והם ⁇ סטים בגודל של דגימות. כפול ומספר תוכניות יעילות יותר במונחים של גודל מדגם ממוצע, אך דורשות יותר לוגיסטיקה מורכבת ועיכובים פוטנציאליים אם מדגם שני נדרש.

כאשר חישוב גדלים, תמיד לשקול את התרגילים הטובים הבאים:

השתמש בסטנדרטים בכל פעם שניתן להבטיח עקביות עם דרישות התעשייה והרגולציה.
אימות עקומת OC של התוכנית כדי להבטיח שהיא תפגוש את הסיכונים של המפיק והצרכניפ.
עבור גדלים קטנים, השתמש בהתפלגות היפרגיאומטרית ולא במקרים כדי להימנע משגיאות.
מסמך ההנחות (למשל, AQL, LTPD, רמת בדיקה) המשמש חישוב גודל הדגימה.
בצע ביקורות איכות תקופתיות כדי להתאים תוכניות דגימה המבוססות על ביצועי תהליכים בפועל.

מסקנה

חישוב גודל הדגימה הנכון עבור תוכניות דגימת קבלה היא משימה בסיסית באבטחת איכות. על ידי הבנת הגורמים המרכזיים - גודל רב, מספר קבלה, סיכונים של מפיק וצרכן, ורמות איכות - וליישם שיטות סטטיסטיות כגון קבלת התפלגות בינארית או היפרג'ומטרי, אנשי מקצוע איכותיים יכולים לתכנן תוכניות המספקות קבלת החלטות אמינות תוך שליטה על עלויות בדיקה סטנדרטיות כגון ANSI / AQ / 1.4 או נוסחאות מדויקות יותר של מערכת בקרה מתאימה של מערכת בקרה יעילה יותר.

(ב) לקראת ה[[המאה ה-20]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]], [[1924]]]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]