공학의 수용성 샘플링의 통계

운영 특성 (OC) 곡선

OC 곡선은 합격 샘플링에 가장 중요한 그래픽 도구입니다. 그것은 많은 진정한 분수 결함 (x-axis)에 대해 많은 (y-axis)을 수용 할 수 있습니다. 이상적인 OC 곡선은 AQL 아래 모든 랏을 수용하고 위의 모든 것을 거부합니다. 실제로 곡선은 매끄러운 S-shape입니다. 곡선은 더 많은 계획의 디밍을 나타냅니다. 엔지니어는 OC 곡선을 사용하여 다양한 OC 곡선을 측정합니다. [F] OC 곡선은 다음과 같은 다양한 표준을 제공합니다. [F] OC 곡선은 다음과 같습니다. [F] OC 곡선은 다음과 같습니다. [F] OC 곡선을 계산하는 방법 : [F]

샘플링 플랜 설계

효과적인 계획 설계는 4개의 모수를 지정해야 합니다: 많은 크기 (N), 표본 크기 (n), 합격 수 (c – 표본에 있는 결함의 최대 허용가능한 수), 및 거절 수 (r – 일반적으로 단일 계획에 대 한 c+1). 이들은 AQL, LTPD, α 및 β를 만나기 위하여 선택됩니다. 과정은 수시로 이차 계산을 포함합니다: 예심 n 및 c를, OC 곡선을, 그 후에 이차적인 소프트웨어에 의하여 풀어 놓는 것은, 그러나 이차적으로 사용 가능한 소프트웨어를 실행하기 위하여. (QL, LTPD, α 및 β)는 둘 다 허용한 소프트웨어를 실행할 수 있습니다.

단일, 더블 및 순차 계획

단일 샘플링은 가장 간단합니다: 크기 n의 1개의 샘플을 가지고 갑니다. 결함 ≤ c의 수가, 받아들이는 경우에; 그렇지 않으면 거절하십시오. Double 표본 추출]]는 두번째 기회를 제공합니다: 크기 n1의 초기 표본을 가지고 가십시오. 결점 ≤ 합격 c1의 경우에, 받아들이십시오; > r1의 거부; c1와 r1 사이에서 그리고 n2의 두번째 결점에 비교된 두 번째 계획은 두 번째 계획의 크기 n2를 위해 갖춰집니다.

2차 샘플링]은 더 이상 진행: 단위는 한 번에 검사됩니다. 각 단위 후에, 누적 결함 조사는 상부 (후방) 경계와 더 낮은 (경보) 경계에 비교됩니다. 검사는 1 경계가 교차될 때까지 계속됩니다. 이것은 많은 질이 아주 좋은 경우에, 특히 평균 표본 크기의 점에 있는 가장 능률적인 계획입니다 또는 아주 나쁘. ANSI/ASQ Z 1.4는 다수 표와 두 배를 위한 배열을 포함합니다.

오른쪽 플랜 유형 선택

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

수락 표본 추출에 있는 statistical 배급

Binomial 모델

큰 제비 (일반 N > 10n)에서 샘플링하고 속성 결함 (예 : 패스 / 파일)에 대한 검사를 할 때, 조미료 유통 모델은 샘플의 결함의 수를 보여줍니다. n 항목에서 x 결함을 관찰하는 확률은 많은 소수의 P (x) = C (n, x) p^x (1-p) ^ (n-x)입니다. 이 계산 속성은 계산하는 경우이 계산 된 값이 크거나,이 계산 된 값이 큰 대체 된 값으로 계산됩니다. 이 계산은 계산 된 크기에 따라 계산 된 값이 크거나,이 큰 대체 될 수 있습니다.

포이슨 대시

결함 비율이 낮을 때 (p < 0.1) 및 샘플 크기는 크다, Poisson 배포는 가까운 약점을 제공합니다. 매개 변수 λ = n * p. 이 단순 계산과 산업 테이블에서 일반적으로 사용됩니다. 많은 수용의 확률은 0에서 c 결함에 대한 Poisson 확률의 합이됩니다. Poisson 모델은 결함 단위보다는 단위 (비공식) 당 결함에 사용됩니다.

Hypergeometric 고려사항

작은 많은 크기 (예를들면, N < 10n), finite 인구 보정이 중요합니다. 과량 배율 배율 배율은 대체가 크게 증가하지 않고 샘플링하기 때문에 배율 대신 사용되어야 합니다. 이러한 경우 OC 곡선은 가파른다. 소비자의 위험은 주어진 계획에 비해 낮습니다. 많은 표준은 작은 많은 크기에 대한 별도의 테이블을 제공합니다.

Practical Application Across Industries의 주요 특징

자동차 제조

수락 표본 추출은 들어오는 원료 및 성분을 위해 이용됩니다. 예를 들면, 층 1 공급자는 5000의 선적에서 브레이크 패드를 표본할지도 모릅니다. n=125와 c=3 (AQL=1.0%, LTPD=5.0%)를 가진 단 하나 계획을 사용하여, 공급자는 납품업자에 많거나 거절하고 돌려보낼 것을 빨리 결정할 수 있습니다. 이것은 집합 선에 들어가기에서 결함이 있는 부속을, 재생산 비용을 감소시킵니다. IATFing 문서 같이 자동 품질 규격은 수시로 16949Fing 계획이 요구된 계획한 계획한 계획한 계획한 계획한 계획한 계획한 계획한 계획한 계획이 요구됩니다.

전자 및 반도체 산업

전자제품에서는, 각 성분은 비용과 시간에 불능적 인 불능적 인 영향을 미칩니다. 샘플링은 통합 회로, 저항기 및 연결관에 적용됩니다. 결함 비율이 매우 낮기 때문에 (백만 당 부분), 계획은 수시로 나쁜 제비를 받아들이기 위하여 0 합격 수 (c=0)를 이용합니다. 그러나, 그런 계획에는 표본 크기가 크지 않는 한 높은 소비자의 위험이 있습니다. 순차적 두 배 표본은 일반적으로 균형 위험에 사용됩니다.

제약 및 의료 기기

FDA와 같은 규제 기관은 엄격한 테스트를 위한 샘플링 계획의 엄격한 검증을 요구하고, 테스트가 파괴되는 것을 요구합니다. 순차적 계획은 통계적 신뢰를 유지하면서 파괴된 단위의 수를 최소화하기 때문에 선호됩니다. OC 곡선은 생산자의 위험 요구 사항을 충족하기 위해 검증되어야 합니다.

항공 및 방위

MIL-STD-1916 (현재는 슈퍼 스탬핑하지만 여전히 사용)은 정부 계약자에 대한 속성과 가변 스탬핑 계획을 제공합니다. 초점은 높은 신뢰성과 추적성에 있습니다. 이중 스탬핑 계획은 높은 차별을 유지하면서 샘플 크기를 줄이기 위해 일반적입니다. 엔지니어링 팀은 사용 된 모든 계획에 대한 통계적 정정을 문서해야합니다.

Attributes를 넘어: 변하기 쉬운 샘플링

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

일반적인 Pitfalls 및 Misconceptions

• 많은 품질로 샘플 결과를 혼란: 좋은 샘플은 좋은 많은 보장하지 않습니다; 항상 샘플링 오류가 있습니다. OC 곡선은이 위험을 할당합니다.
• 적절한 통계 기반없이 제로 수용 계획을 활용 :] 많은 사람들이 c = 0 계획이 "완성,"하지만 그들은 종종 샘플 크기가 충분히 크면 매우 작은 소비자의 위험이 있음을 가정한다.
• 제조업체의 위험에 대하여: 과도한 엄격한 계획은 많은 좋은 제비를 거부할 수 있으며 공급망의 붕괴를 유발합니다. AQL은 현실적이어야 합니다.
• 효율이 없는 표준 플랜 적용: Lot 동질성, 무작위 샘플링, 프로세스 안정성 확인되어야 합니다. 클러스터된 결함은 binomial 가정에서 유효하지 못하게 할 수 있습니다.
• ]계획을 업데이트하기 위해 실패: 프로세스 개선으로, 동일한 계획은 너무 보수적 일 수 있습니다. 일반 검토는 필수적입니다.

관련 기사

OC 곡선, 생산자의 위험과 소비자의 위험에 대한 합리적인 비용으로 엔지니어를 제공합니다. OC 곡선, 생산자의 위험과 적절한 샘플링 플랜 유형에 대한 이해를 통해 엔지니어링 팀은 비용, 효율성 및 품질을 보장하는 검사를 설계 할 수 있습니다. 속성 또는 변수 계획을 사용하는 경우, 키는 엄격한 통계 수용성 이유가 아닌 엄격한 규정을 충족하는 것입니다. 제조는 자동화 및 프로세스를 위해 진화하는 것과 같은 LTS (SMS)를 통해 이러한 품질 관리 프로세스를 최적화하는 데 사용됩니다. LTS (S)는 이러한 품질 관리 프로세스를 위한 LTS (SMS)를 제공합니다.