קבלת אישור וניהול סיכונים: עלויות ואיכות

קבלת הדגימה היא שיטה בקרת איכות סטטיסטית המשמשת יצרנים ומפקחים כדי להחליט אם לקבל או לדחות קבוצה של מוצרים.זה כרוך בבדיקת דגימה מן אצווה ולקבל החלטות בהתבסס על התוצאות. גישה זו מסייעת איזון עלויות הקשורות לבדיקה ואת הצורך לשמור על איכות המוצר. בעוד הרעיון נראה פשוט, היישום היעיל שלה דורש הבנה עמוקה של הסתברות, סובלנות, מגבלות תפעוליות.

הבנה של הסכמה: קרנות סטטיסטיות

(הקבלה מבוססת על בדיקות השערה.שערת האפס היא כי לווה יש רמה איכותית מקובלת; החלופה היא שאין זה מדגם זה נמשך, נמדדת כנגד קריטריונים מוגדרים מראש, וההחלטה התקבלה.התהליך כולו תלוי בשני פרמטרים קריטיים: ההסתברות של ה-FLT:0Acceptable Quality Level (AQL) LT:1 ו-FLT2: קרוב לוודאי, אם כן, הוא עדיין נחשב לרמה הגבוהה ביותר של טיפולית-DV).

עקומת ההפעלה (OC) מייצגת באופן ויזואלי את הביצועים של תוכנית דגימה. עקומת OC מבססת את ההסתברות לקבל אצווה נגד אחוז הפגם בפועל ב אצווה. תוכנית מושלמת תקבל את כל אצווה עם שערי פגם מתחת ל- AQL ודחתה את כל אצילות מעל LTPD. במציאות, העקומה היא חלקה, ואת התלולה של עקומת התוכנית מצביעה על מספר מפלה המותרת של מספר גבוה של סימנים נמוך יותר של שפעת (או-ה) אך גורם נמוך יותר של מספר גבוה יותר של אפילה (או-C).

סטואיסטים פיתחו תוכניות דגימה סטנדרטיות לפשט את יישום.הסטנדרטים הנפוצים ביותר הם (FLT:0) ANSI / ASQ Z1.403 ZLCFLT:1 (לשעבר MIL-STD-105E) עבור סימולפטפטפטפט ו-FLT:2ANSI / ASQ Z1.9FLT 3 עבור משתנים טבלאות אלה לספק מפה כי יש הרבה תכונות, כולל מדדים ומודלים, כולל, כולל תכונות ספציפיות, כולל, כולל, כולל, כולל, ומודלים ספציפיים, כולל, ומודלים, ומודלים, כולל, כולל, ומודלים ספציפיים, כולל, כולל, כולל, כולל תקנים ספציפיים של יצרנים.

תוכניות קבלה

סינגל: Single Sampling

בתכנית דגימה אחת, מדגם אקראי אחד בגודל FLT:0 (nFelo:0) נמשך מן הכלל.אם מספר הפגמים שנמצאו בדגם הוא פחות או שווה למספר הקבלה (FLT:2cigFLT 3: 3), כל השפע מתקבל; אחרת, הוא נדחה.

כפול

אם הדגימה הראשונה מניבה מספר פגמים שווים או פחות ממספר קבלה נמוך יותר (FLT:0c1FLT:1), הרבה מתקבל מיד אם ספירת הפגם גדולה יותר ממספר דחייה גבוה יותר:2r1cioFLT 3: 3, הרבה נקבע על ידי הדגימה השנייה, במיוחד לאחר הספירה של דגימות כפול, הוא כפול, בעיקר על ידי מדגם 7.

כמות גדולה ומדהימה

מספר רב של דגימה מרחיב את הרעיון הכפול על ידי מתן עד שבעה שלבים או יותר, כל אחד עם קבלתו שלו ודחיית סףים. sampling Sequential הולך קדימה: לאחר כל פריט נבדק, החלטה התקבלה לקבל, לדחות או להמשיך דגימה.גישה זו ממזערת את המספר הממוצע של פריטים נבדקים, במיוחד כאשר הרבה הוא טוב מאוד או רע מאוד, המורכבות הניהולית היא דורש בדיקה אמיתית.

תוכניות שונות

כאשר תכונות איכות המוצר הן רציף (למשל, ממדים, כוח רבנים), משתנים תוכניות דגימה המבוססים על ההפצה הרגילה ניתן להשתמש. תוכניות אלה בדרך כלל דורשות גודל מדגם קטן יותר מאשר תוכניות להשגה את אותה רמות סיכון.כלל ההחלטה כרוך חישוב סטטיסטית מדגם - כגון הדגימה משמעות וסטייה סטנדרטית - והשוואה זה למגבלת מוגדרת.

סיכונים בקבלת סיכונים: הסיכון של מפיק וצרכני

כל תוכנית דגימה נושאת יתרונות מהותיים של ביצוע שני סוגים של טעויות.FLT:0Producer הסיכון של α (α) ⁇ FLT:1 הוא ההסתברות לדחות אצווה אשר למעשה עונה AQL. זה מייצג שלילי כוזב מנקודת המבט של היצרן - אצווה טובה נשלחת ללא צורך לעבודה או לגרד.

Balancing α ו- β הוא מרכזי לניהול סיכונים. Reducing הסיכון של הצרכנים (התוכנית מחמירה יותר) מגביר את גודל הדגימה ולעתים קרובות מגביר את הסיכון של היצרן.הפך, צמצום הסיכון של היצרן (התוכנית יותר lenient) מגביר את הסיכון של הצרכנים.com הבחירה של רמות הסיכון תלויה עלות פגמים עובר לעומת העלות של דחיית מוצרים טובים לדוגמה, אם הסיכון של חומרים נמוכים יותר, גם אם הסיכון של תרופות הוא סיכון גבוה יותר, הוא נמוך יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, כי הוא סיכון גבוה יותר, אם הוא סיכון של חומרים מסוכנים, אפילו יותר, אפילו יותר, אם הוא סיכון של חומרים מסוכנים, אם הוא סיכון גבוה יותר, אפילו יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אפילו יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון של תרופות הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר, אם הוא סיכון גבוה יותר של תרופות הוא נמוך יותר של חומרים מסוכנים, אם הוא סיכון גבוה יותר, אם הוא נמוך יותר, אם הוא סיכון של חומרים מסוכנים.com הוא סיכון גבוה יותר, אפילו יותר, אם הוא סיכון גבוה יותר, אם הוא

רעיון חשוב נוסף הוא הגבול האיכותי היוצא (AOQL)BuildFLT:1 .If נדחה הרבה נתונים 100% בדיקה ופריטים פגומים מוחלפים, האיכות היוצאת לאחר בדיקה תעקוב אחר דפוס: האיכות היוצאת הממוצעת בטווח הארוך ביותר היא AOQL. תוכניות חנינה נועדו לעתים קרובות להבטיח כי AQL לא עולה על פני שטח AQOQ הקרוב ביותר, אלא שיפור איכות המסחר (AQOQL).

איזון עלויות ואיכות: שיקולים מעשיים

האתגר המרכזי בקבלת דגימת הקבלה הוא הנפקת עלות כוללת, הכוללת עלות בדיקה, העלות של דחיית הרבה (או בדיקה מחדש), ועלות קבלת הרבה פגומים (תביעות מלחמה, החזרות, נזק למותג) גודל מדגם נמוך מפחיתה את עלות בדיקה ישירה אך מגביר את הסיכון לקבל הרבה דגימה גבוהה מפחיתה את הסיכון אבל עלייה במשקל בדיקה איטי עשוי להאט.

אין תוכנית אופטימלית אוניברסלית - כל ארגון חייב לזרז את גישתו המבוססת על ערך המוצר, נפח הייצור, יציבות תהליכים וציפיות הלקוחות. עבור תהליך יציב, גבוה יכולת גבוהה, רמת בדיקה מופחתת (הגדול AQL, מדגם קטן יותר) מוצדק.עבור תהליך חדש או גרוע מבוקר, בדיקה רגילה או מודוק נדרש.

גורם נוסף עלות הוא סוג של מבחן.בדיקה הרסנית (למשל, בדיקות סטריליות של דגימת מתכת) הופך 100% בלתי אפשרי, ולכן דגימה היא חובה. בדיקות לא הרסניות יכולות לאפשר דגימות גדולות יותר, אבל העלות של פריט עשוי עדיין להיות גבוה. במקרים כאלה, הסתברות או משתנים דגימה יכול להפחית את גודל הדגימה.

אסטרטגיות לניהול סיכונים יעיל

Define Clear AQL ו- LTPD Values

נקודת המוצא היא התאמה עם לקוחות ובעלי עניין פנימיים על מה שמהווה רמות איכות מקובלות ודוחקות.ערכים אלה צריכים להיות מציאותיים יחסית ליכולת התהליך.קביעת AQL של 0.1% כאשר התהליך מסוגל רק 1% פגומים יביא לדחייה מתמדת וסיכון גבוה למפיק.

בחרו את תוכנית ה-Sampling הנכונה

השתמש בטבלאות סטנדרטיות (ANSI / ASQ Z1.4 או Z1.9) כדי לבחור רמת בדיקה וקוד גודל מדגם מבוסס על גודל גדול ו- AQL. עבור מאפיינים קריטיים, לשקול רמות בדיקה מיוחדות (S-1 ל-S-4) המשתמשות בדגימות קטנות יותר כאשר פגמים הם נדירים מאוד או בדיקות הוא יקר.עבור תכונות הקשורות לצרכנים, אפס-קבלות (c=0) הן נפוצות יותר ויותר; הם דורשים שלא להימצא פגמים ב-41 (xi) ב-41.

עקבו אחרי Process control

קבלת הדגימה אינה תחליף לשליטה בתהליך.באופן אידיאלי, בקרת תהליכים סטטיסטית (SPC) משמשת לפקח על תהליך הייצור ולמנוע פגמים מלהיות מבוצעת.Spling הופך שלב אימות.כאשר SPC מסמן מצב מחוץ לשליטה, דגימה צריך לעבור כדי להדק את הבדיקה עד שהתהליך משוחזר.שלב SPC וקבלת קבלה מספק מערכת איכות חזקה יותר.

שימוש בתקנות החלטות מבוססות סיכון

(ב) מוצרים בסיכון גבוה, לשקול יישום דגימה מבוססת סיכון שבו חומרת התוכנית תואמת את התוצאה של כשל.טכניקות כגון FLT:0Bayesian קבלה דגימהFLT:1 יכול לשלב ידע קודם על התהליך כדי להתאים את גודל הדגימה. לחלופין, להשתמש ב-FLT:2skip-samplingsamplingFLT 3: אם סדרה ארוכה של זמן רב מקובל, הוא מקצר לחלוטין, תוך כדי שמירה על סיכון.

תוכניות סקירה ועדכונים

תהליכי הייצור מתפתחים, כפי שעושים דרישות איכות הלקוחות.תוכנית דגימה שהייתה מתאימה לפני חמש שנים, לא יכולה להיות אופטימלית יותר. ארגונים צריכים לבדוק מעת לעת עקומות OC ונתוני קבלה היסטוריים.אם התהליך השתפר, התוכנית יכולה להיות רגועה כדי להפחית עלויות.אם מצבי כישלונות חדשים מופיעים, הפחתת עשוי להיות הכרחי.

יישומים תעשייתיים ודוגמאות

רכב

ספקי רכב חייבים לציית ל- IATF 16949, המדגיש חשיבה המבוססת על סיכון. Zero-defect sampling (c=0 תוכניות ב- AQL של 0) נדרשים לעתים קרובות עבור רכיבים קריטיים בטיחותיים.העלות של חלק בלם פגם יחיד היא עצומה.חברות רבות משתמשות במערכות בדיקה אוטומטיות עבור 100% של ממדים קריטיים, אך עבור בדיקות פונקציונליות, הן מסתמכות על קבלת רמות גבוהות של אמון.

תרופות ומכשירים רפואיים

בייצור תרופות, בדיקות מוצר סופיות הוא לעתים קרובות הרסני ויקר (למשל, בדיקות סטריליות) תוכניות סמפלינג מוגדרות על ידי רוקפואס והנחיות רגולטוריות.סיכון הצרכנים חייב להיות נמוך מאוד כי אצווה פגומה עלולה לגרום נזק לחולה.תוכניות מתוכננות עם α קטן מאוד β ערכים, לעתים קרובות באמצעות דגימה כפולה או סיטונטית כדי למזער את גודל הדגימה תוך שמירה על אמון גבוה.

אלקטרוניקה

ייצור אלקטרוניקה גבוה כרכים משתמש קבלה דגימה עבור רכיבים נכנסים מן הספקים.מכיוון שמרכיבים רבים הם בעלות נמוכה, העלות של דגימה חייבת להיות מאוזנת נגד העלות של דפי עצירה קו בשל רכיבים רעים. חברות רבות עברו תוכניות "ספינת-to-stock" שבו הספקים מפגינים יכולת גבוהה, ו- incoming sampling מופחתת או מסולקת.

חלופות מודרניות ושיטות הגשה

בעוד ש-Sampling קבלה מסורתית עדיין בשימוש נרחב, ההתקדמות בניתוח נתונים ואוטומציה מציעים חלופות.בטווח 100% בדיקה באמצעות מערכות ראייה או חיישנים היא אפשרית עבור יישומים רבים, חיסול הסיכון המפרק לחלוטין. עבור ייצור בנפח גבוה, זה יכול להיות יעיל יותר מאשר דגימה כי זה תופס פגמים באופן מיידי ללא טיפול נוסף.

מודלים של למידת מכונות יכולים לחזות איכות אצווה המבוססת על הפרמטרים של תהליכים, המאפשרת דגימה אדפטיבית.לדוגמה, מודל עשוי להקצות שיעורי דגימה גבוהים יותר כדי לרוץ עם קוראי חיישן יוצאי דופן.גישות אלה עדיין מתפתחות אבל מציעים את הפוטנציאל לאזן את העלות ואת האיכות יותר דינמי מאשר תוכניות קבועות.

מסקנה

קבלת הדגימה נותרה כלי חיוני לאיזון עלויות בדיקה עם איכות המוצר כאשר 100% בדיקה היא לא מעשית. על ידי הבנת היסודות הסטטיסטיים - AQL, LTPD, OC עקומות, ומפיק / סיכונים תורמים / consumer - ארגונים יכולים לעצב תוכניות דגימה שעומדות בדרישות הסובלנות והעלויות שלהם.