Logistik yang Tidak Berdaya dalam Pengendalian Kualitas

Dalam produksi rekayasa tinggi, keputusan untuk menerima atau menolak banyak produksi jarang didasarkan pada pemeriksaan 100%. Biaya, waktu, dan sifat merusak dari banyak tes membuat pemeriksaan tidak praktis. Menerima sampling, berakar pada teori statistik, menyediakan kerangka kerja yang disiplin untuk membuat keputusan ini dengan risiko kuantitatif. Daripada memeriksa setiap unit, insinyur menggambar sampel acak, mengujinya, dan, berdasarkan jumlah cacat yang ditemukan, menerima atau menolak seluruh banyak. Pendekatan ini secara formal dalam standar seperti 28ISO[TFL[T:1] dan [[AN/AN/Q4][3], menolak seluruh produk inspeksi yang lulus dari penerimaan data.

Badan Statistik Badan Statistik Badan Hukum

Kepatuhan Melumpuhkan Kesepian Memanfaatkan teori probabilitas untuk menghubungkan hasil sampel ke karakteristik populasi.Asumsi mendasar adalah bahwa sampel tersebut ditarik secara acak dari lot, dan bahwa proses produksi cukup stabil untuk banyak menjadi perwakilan.Pemberian statistik kunci yang terlibat adalah distribusi binomial (untuk data atribut seperti pass/fail) dan distribusi Poisson (sering digunakan untuk cacat per unit).Pengertian distribusi ini memungkinkan insinyur untuk menghitung kemungkinan mengamati sejumlah cacat tertentu dalam sampel yang diberikan tingkat cacat sejati banyak.

Risiko Produser dan Konsumer

Setiap rencana sampling melibatkan dua jenis kesalahan. Type I error, atau producer's producer's risk (perkiraan), adalah probabilitas menolak banyak hal yang benar-benar memenuhi tingkat kualitas yang dapat diterima (AQL). Ini mencacah pemasok untuk produksi yang baik. Type II error[, atau consumer risiko (AQQLL)[FLT7]], adalah probabilitas yang banyak kekurangan yang melebihi banyak kekurangan (LT) (PLT:5) Ini mengeksi pelanggan untuk meminimalkan kualitas baik untuk designifestity baik pada tingkat yang baik, baik dan juga pada tingkat yang baik.

Berkarakteristik Koperasi (OC) Lengkung

Kurva OC adalah alat yang paling penting dalam pengumpelan penerimaan. Ini plot probabilitas untuk menerima banyak (y-axis) terhadap cacat fraksi sejati (x-axis). Sebuah kurva OC yang ideal akan menjadi fungsi langkah: menerima semua banyak di bawah AQL, menolak semua di atas. Dalam kenyataannya, kurva adalah s-shape halus. The greder the ccurve, yang lebih mendiskriminasikan rencana. Insinyur menggunakan kurva OC untuk mengevaluasi bagaimana rencana melakukan untuk berbagai tingkat kualitas. The Statistik Handbook[TFL]] Panduan teknik[TFL]] menyediakan panduan rinci pada konstruksi dan interpretasi kedua kurva tunggal dan sampling.

Desain Sia - Secang

Desain ensif diperlukan untuk menentukan empat parameter: ukuran lot (N), ukuran sampel (n), nomor penerimaan (c ⁇ jumlah maksimum yang dapat diizinkan cacat dalam sampel), dan nomor penolakan (r ⁇ biasanya c+1 untuk rencana tunggal). Ini dipilih untuk memenuhi AQL, LTPD, α, dan β. Proses sering melibatkan perhitungan iteratif: pilih trial n dan c, hitung kurva OC, kemudian menyesuaikan sampai kedua risiko tersebut dalam batas yang dapat diterima. Banyak insinyur menggunakan tabel yang diterbitkan (e.g, ANSI/QAS, atau statistika 1.

Rencana Tunggal, Ganda, dan Sekualitas

[[[]]]]]Cingular sampling] adalah yang paling sederhana: ambil satu sampel ukuran n. Jika jumlah pembelotan BARIS c, terima; sebaliknya ditolak. Dwible sampling[ memberikan satu sampel ukuran kedua: ambil sampel awal ukuran n1. Jika cacat BARUR c1, terima; jika > r1, tolak; jika antara c1 dan r1, ambil sampel kedua ukuran n2. Cacat gabungan dibandingkan dengan nomor penerimaan kedua c2. Rencana ini sering mengurangi total pemeriksaan untuk banyak.

Persamaan berkala [ZOZT:0]]Sequential sampling lebih jauh lagi: satuan diinspeksi satu per satu. Setelah setiap unit, jumlah cacat kumulatif dibandingkan dengan batas atas (reject) dan batas bawah (accept). Inspeksi berlanjut sampai satu batas disilangkan. Ini adalah rencana paling efisien dalam hal ukuran sampel rata-rata, terutama ketika kualitas yang banyak baik atau sangat buruk. ANSI/ASQ Z1.4 mencakup tabel untuk skema sampling ganda dan ganda.

Andorna Memilih Jenis Rencana yang Benar

Faktor-faktor yang mempengaruhi pilihan termasuk biaya pemeriksaan, sifat perusak tes, kecepatan yang diinginkan, dan kompleksitas administratif.Rencana tunggal mudah untuk diberikan tetapi mungkin membutuhkan sampel yang lebih besar.Rencana ganda dan berurutan mengurangi ukuran sampel rata-rata tetapi membutuhkan aturan keputusan yang lebih kompleks.Dalam bidang kedirgantaraan dan manufaktur perangkat medis, di mana pengujian bersifat destruktif, sampling berurutan sering kali lebih disukai untuk meminimalkan jumlah unit yang hancur.

Badan Statistik Badan Statistik Badan Pendistribusi

Model Binomial

Ketika madling dari lot besar (biasanya N > 10n) dan inspektif untuk cacat atribut (misalnya, pass/fail), binomial model distribusi jumlah cacat dalam sampel. Kemungkinan untuk mengamati cacat x dalam n item, mengingat banyak fraksi cacat p, adalah P(x) = C(n, x) p^x (1-p)^(n-x). Kurva OC untuk atribut adalah kompulsi dengan penjumlahan probabilitas ini untuk x dari 0 ke c. Model ini mengasumsikan populasi tak terhingga atau sampling, yang dikira dengan ukuran besar.

Aproksimasi Poisson

Bila tingkat kecacatan rendah (p < 0.1) dan ukuran sampel besar, distribusi Poisson menyediakan perkiraan yang dekat. Parameter ll = n * p. Perhitungan yang disederhanakan ini dan umum digunakan dalam tabel industri. Kemungkinan menerima banyak menjadi jumlah probabilitas Poisson untuk 0 sampai c cacat. Model Poisson juga digunakan untuk cacat per unit (nonkonformitas) daripada unit cacat.

Pertimbangan Hipergeometrik

Untuk ukuran yang kecil banyak (mis., N < 10n), koreksi populasi terbatas menjadi penting.Pembetulan hipergeometrik harus digunakan alih-alih binomial karena sampling tanpa penggantian secara signifikan mengubah probabilitas.Dalam kasus seperti itu, kurva OC lebih curam, dan risiko konsumen lebih rendah untuk rencana yang diberikan.Banyak standar menyediakan tabel terpisah untuk ukuran yang kecil banyak.

Aplikasi Praktis di Seberang Industri

Pabrikan Otomotif

Penyadapan Menyampaikan Menyadap Kepadanan Memanfaatkan Penyadap Kepatuhan Menyampai Kepadan Menyampaikan Memanfaatkan Bahan mentah dan subkomponen Masuk. Sebagai contoh, Pemasok Tier-one mungkin mengambil sampel bantalan rem dari pengiriman 5000. Menggunakan rencana tunggal dengan n=125 dan c=3 (AQL=1.0%, LTPD=5.0%), pemasok dapat memutuskan dengan cepat apakah harus menerima lot atau menolak dan kembali ke vendor. Hal ini mencegah bagian-bagian cacat dari memasuki garis perakitan, mengurangi biaya pengerjaan ulang. Standar kualitas Otomotif seperti IAT 16F949 sering memerlukan rencana sampling terdokumentasi.

Elektronika dan Industri Semikonduktor

Dalam elektronika, pengujian setiap komponen tidak mungkin karena biaya dan waktu. sampling diterapkan pada sirkuit terpadu, resistor, dan konektor.Karena tingkat cacat sangat rendah (bagian per juta), rencana sering menggunakan nomor penerimaan nol (c=0) untuk menghindari menerima lot buruk.Namun, rencana tersebut memiliki risiko konsumen yang tinggi kecuali ukuran sampel yang besar.Sequential atau sampling ganda umumnya digunakan untuk menyeimbangkan risiko.

Farmasi dan Perangkat Medis

Agensi regulasi ensiklik seperti FDA memerlukan validasi yang ketat dari rencana sampling untuk pengujian sterilitas, di mana pengujian bersifat merusak.Rencana berurutan lebih disukai karena mereka meminimalkan jumlah unit yang dihancurkan sambil mempertahankan keyakinan statistik.Lingkaran OC harus divalidasi untuk memastikan bahwa rencana tersebut memenuhi persyaratan risiko produsen maupun konsumen.

Kedirgantaraan dan Pertahanan

SIL-STD-1916 (sekarang disupersed tetapi masih digunakan) menyediakan atribut dan rencana sampling variabel untuk kontraktor pemerintah. Fokusnya adalah pada keandalan dan kebolehjejakan yang tinggi.Rencana sampling ganda umum untuk mengurangi ukuran sampel sambil mempertahankan diskriminasi tinggi.Tim teknik harus mendokumentasikan pembenaran statistik untuk setiap rencana yang digunakan.

Atribut yang Diluar Atribut: Pengsampelan Variabel

Atribut ampling (defetifive/non-defetif) secara mudah tetapi tidak efisien untuk pengukuran terus menerus. Variabel sampling menggunakan pengukuran aktual (mis., diameter, kekuatan tensile). Rencana tersebut biasanya mengasumsikan distribusi normal dan menggunakan maksud sampel dan standar penyimpangan untuk memperkirakan tingkat cacat banyak. Rencana variabel memerlukan ukuran sampel yang lebih kecil untuk daya diskriminatif yang sama, membuat mereka menarik ketika pengukuran mudah dan distribusi dipahami dengan baik. Standar ANSI/QAS Z189 menyediakan variabel sampling tabel. Insinyur seharusnya memverifikasi dan memverifikasi normal jika diperlukan transformasi yang sesuai.

Air Terjun dan Kesalah Pahaman Umum

  • [[Eflat:0]]Confusing hasil sampel dengan kualitas yang banyak: Sampel yang baik tidak menjamin banyak hal yang baik; selalu ada kesalahan sampling. Kurva OC mengkuantifikasi risiko ini.
  • Menggunakan rencana penerimaan nol tanpa dasar statistik yang tepat: Banyak orang menganggap bahwa c=0 rencana \"sempurna,\" tetapi mereka sering kali memiliki risiko konsumen yang sangat kecil hanya jika ukuran sampelnya cukup besar.
  • [[CANDAFLT:0]]Mengabaikan risiko produsen: Rencana stringent secara berlebihan dapat menolak banyak sekali hal yang baik, menyebabkan gangguan rantai pasokan.AQL harus realistis.
  • [[ZOZAL:0]]Menggunakan rencana standar tanpa validasi asumsi: Lot homogenity, random sampling, dan stabilitas proses harus diverifikasi. Cacat terkepung dapat menimplementasi asumsi binomial.
  • Failing to updated plans: Seiring dengan peningkatan proses, rencana yang sama mungkin menjadi terlalu konservatif.Ulasan reguler sangat penting.

Kekecualian Kesimpulan

Dasar statistika dari sampling penerimaan menyediakan insinyur dengan metode yang rasional, berbasis risiko untuk jaminan kualitas. Dengan memahami kurva OC, risiko produsen dan konsumen, dan tipe rencana sampling yang sesuai, tim teknik dapat merancang inspeksi bahwa biaya keseimbangan, efisiensi, dan kualitas. Baik menggunakan atribut atau rencana variabel, kunci adalah penalaran statistik yang ketat dan bukan aturan yang sewenang-wenang. Sebagai manufaktur berevolusi dengan data otomatisasi dan real-time, penerimaan sampling tetap menjadi alat vital ⁇ co diimplementasikan oleh kontrol proses dan perbaikan berkelanjutan. Insinyur menguasai yayasan-asas ini memastikan produk mereka memenuhi standar-standar optimisasi. Untuk lebih lanjut, membaca [[TFL:0American Quality Society (QFL]] menyediakan layanan layanan layanan yang luas untuk sumber daya dan layanan yang luas untuk sumber daya yang digunakan oleh SamFL]].