L'imperativo di ragionamento statistico nel controllo della qualità

In alta produzione di ingegneria, la decisione di accettare o rifiutare un lotto di produzione è raramente basata su ispezione 100%. Il costo, il tempo e la natura distruttiva di molti test rendono l'ispezione completa impraticabile. Il campionamento di accettazione, radicato nella teoria statistica, fornisce un quadro disciplinato per prendere queste decisioni con il rischio quantificabile.

Strumenti di base

Il campionamento di accettazione si basa sulla teoria delle probabilità per collegare i risultati dei campioni alle caratteristiche della popolazione. L’ipotesi fondamentale è che il campione sia disegnato casualmente dal lotto e che il processo di produzione sia abbastanza stabile per il lotto da rappresentare. Le distribuzioni statistiche chiave coinvolte sono la distribuzione binomiale (per i dati attributi come pass/fail) e la distribuzione di Poisson (spesso utilizzato per i difetti per unità).

Rischi di produttori e consumatori

Ogni piano di campionamento comporta due tipi di errori. Tipo I errore, o rischio del produttore (α), è la probabilità di rifiutare un lotto che soddisfa effettivamente il livello di qualità accettabile (AQL). Questo penalizza il fornitore per una buona produzione

La curva caratteristica (OC)

La curva OLT è lo strumento grafico più importante nel campionamento di accettazione. Trama la probabilità di accettare molto (y-axis) contro la vera frazione difettosa del lotto (x-axis). Una curva OC ideale sarebbe una funzione passo: accettare tutti i lotti sotto l'AQL, rifiutare tutto sopra. In realtà, la curva dettagliata è un S-shape liscia.

Progettazione di un piano di campionamento

La progettazione di un piano efficace richiede quattro parametri: la dimensione del lotto (N), la dimensione del campione (n), il numero di accettazione (c – il numero massimo consentito di difetti nel campione), e il numero di rifiuto (r – tipicamente c+1 per i singoli piani), che sono scelti per soddisfare le tabelle AQL, LTPD, α, e β. Il processo spesso comporta il calcolo iterativo: selezionare il processo n e c, calcolare i rischi OC, quindi.

Piani singoli, doppi e sequenziali

Il campionamento a snodo è il più semplice: prendere un campione di dimensione n. Se il numero di difetti ≤ c, accettare; altrimenti rifiutare. Campionamento a doppio fornisce una seconda possibilità: prendere un campione iniziale di dimensione n1. Se difettosi ≤ c1, accettare; se > r1 r1 secondo, rifiutare

Il campionamento sequenziale[] va ancora oltre: le unità sono ispezionate una alla volta. Dopo ogni unità, il conteggio di difetti cumulativo è paragonato ad un limite superiore (rigetto) e ad un limite inferiore (accetta). L'ispezione continua fino a quando un limite è attraversato.

Scegliere il tipo di piano giusto

I fattori che influenzano la scelta includono il costo di ispezione, la natura distruttiva dei test, la velocità desiderata e la complessità amministrativa. I piani singoli sono facili da amministrare ma possono richiedere campioni più grandi. I piani doppi e sequenziali riducono la dimensione media del campione ma hanno bisogno di regole decisionali più complesse.

Distribuzioni statistiche in Sampling di Accettazione

Il modello binomiale

Quando si effettuano campionamento da grandi lotti (tipicamente N > 10n) e ispezionando per difetto di attributo (ad esempio, pass/fail), i modelli di distribuzione binomiale il numero di difettosi nel campione. La probabilità di osservare x difettosi in n elementi, data la frazione difettosa p, è P(x) = C(n, x) p^x (1-p)^(n-x).

L'approssimazione del veleno

Quando i tassi di difetto sono bassi (p < 0.1) e le dimensioni dei campioni sono grandi, la distribuzione di Poisson fornisce una stretta approssimazione. Il parametro λ = n * p. Questo semplifica i calcoli e viene comunemente utilizzato nelle tabelle di settore. La probabilità di accettare molto diventa la somma delle probabilità di Poisson per 0 a difetti c. Il modello Poisson è utilizzato anche per difetti per unità (non conformitÃ) piuttosto che per unità difettose.

Considerazioni ipergeometriche

Per le piccole dimensioni (ad esempio, N < 10n), la correzione della popolazione finita diventa importante. La distribuzione ipergeometrica dovrebbe essere utilizzata invece di binomio perché il campionamento senza sostituzione cambia significativamente le probabilità. In tali casi, la curva OC è più ripida, e il rischio del consumatore è più basso per un determinato piano.

Applicazioni pratiche nelle industrie

Produzione automobilistica

Per esempio, un fornitore di un livello può provare pastiglie freno da una spedizione di 5000. Utilizzando un unico piano con n=125 e c=3 (AQL=1,0%, LTPD=5,0%), il fornitore può decidere rapidamente se accettare il lotto o rifiutare e tornare al venditore.

Industria elettronica e semiconduttore

L’ampliamento è applicato a circuiti integrati, resistenze e connettori. Poiché i tassi di difetto sono estremamente bassi (parti per milione), i piani usano spesso il numero di accettazione zero (c=0) per evitare di accettare i lotti cattivi. Tuttavia, tali piani hanno un rischio elevato del consumatore a meno che le dimensioni del campione non siano grandi.

Dispositivi farmaceutici e medici

Le agenzie di regolamentazione come la FDA richiedono una rigorosa convalida dei piani di campionamento per la prova della sterilità, dove il test è distruttivo. I piani di sequenziamento sono preferiti perché minimizzano il numero di unità distrutte mantenendo la fiducia statistica. La curva OC deve essere validata per garantire che il piano soddisfi sia i requisiti di rischio del produttore che del consumatore.

Aerospaziale e Difesa

MIL-STD-1916 (ora sostituita ma ancora utilizzata) fornisce piani di campionamento variabili e di attributo per gli appaltatori governativi. L'attenzione è rivolta ad alta affidabilità e tracciabilità. I piani di campionamento sono comuni per ridurre le dimensioni del campione mantenendo alta discriminazione. I team di ingegneria devono documentare la giustificazione statistica per ogni piano utilizzato.

Oltre gli attributi: Variabili Sampling

Il campionamento delle variabili utilizza misure reali (ad esempio, diametro, resistenza alla trazione) e il piano di solito assume una distribuzione normale e utilizza la media del campione e la deviazione standard per stimare il tasso di difetto del lotto. I piani variabili richiedono dimensioni del campione più piccole per la stessa potenza discriminatoria, rendendole attraenti quando le misurazioni sono facili e la distribuzione è ben compresa.

Pitfalls e idee comuni

  • Confusando i risultati del campione con la qualità del lotto:[ Un buon campione non garantisce un buon lotto; c'è sempre errore di campionamento.
  • Utilizzando piani di accettazione zero senza una base statistica corretta:[ Molti assumono che i piani c=0 sono “perfetti”, ma spesso hanno un rischio molto piccolo del consumatore solo se la dimensione del campione è abbastanza grande.
  • Ignorando il rischio del produttore:[ I piani eccessivamente rigorosi possono rifiutare molti lotti buoni, causando interruzioni della supply chain.
  • Applicare piani standard senza convalidare ipotesi:[[]] Deve essere verificata l'omogeneità di lotto, il campionamento casuale e la stabilità di processo.
  • Inseguire l'aggiornamento dei piani:[ Come i processi migliorano, lo stesso piano potrebbe diventare troppo conservatore.

Conclusioni

I principi statistici del campionamento di accettazione forniscono agli ingegneri un metodo razionale e basato sul rischio per l’assicurazione della qualità. Con la comprensione della curva OC, dei rischi del produttore e del consumatore, e i tipi di piani di campionamento appropriati, i team di ingegneria possono progettare ispezioni che bilanciano i costi, l’efficienza e la qualità.