Разработка планов отбора образцов для индивидуального принятия для уникальных требований к продукции

Введение: Когда отбор проб на полке падает коротко

В течение десятилетий выборка приемки была краеугольным камнем контроля качества, обеспечивая статистически обоснованный метод принятия или отклонения производственной партии без проверки каждого блока. Такие стандарты, как ANSI/ASQ Z1.4 (ранее MIL-STD-105E) и ISO 2859, предлагают широко используемые таблицы выборки, которые хорошо работают для товарных продуктов со стабильными процессами и известными скоростями дефектов. Однако, когда производство продуктов с уникальными спецификациями, такими как медицинские имплантаты, аэрокосмические компоненты или пользовательская электроника, эти готовые планы часто оказываются неадекватными. Частоты выборки, номера приемки и профили рисков, встроенные в стандартные таблицы, могут не соответствовать фактическим требованиям к качеству единственного в своем роде производственного цикла.

Разработка плана отбора проб на заказ позволяет организации адаптировать стратегию проверки к критическим характеристикам продукта & # 8217; приемлемый риск и объем производства. Эта статья предоставляет всеобъемлющее пошаговое руководство по созданию планов отбора образцов на заказ, которые уравновешивают обеспечение качества с экономической эффективностью для уникальных требований к продукту.

Основы отбора проб на принятие

Прежде чем погрузиться в разработку индивидуального плана, важно понять основные статистические концепции, лежащие в основе любой схемы отбора проб. Отбор проб на прием является проверкой гипотезы: нулевая гипотеза заключается в том, что качество партии приемлемо (т.е. частота дефектов находится на приемлемом уровне качества или ниже него, AQL). Альтернативная гипотеза заключается в том, что партия является дефектной (т.е. частота дефектов превышает уровень качества, который можно отклонить, RQL или LTPD).

Ключевые параметры в планах отбора проб

Стандартные планы строятся вокруг фиксированных значений α и β (часто α=5%, β=10%) и предопределенных значений AQL. Когда критичность продукта & #8217 или изменчивость процесса отклоняются от норм, принятых в этих стандартах, становятся необходимыми пользовательские планы.

Почему стандартные планы по выборке не подходят для уникальных продуктов

Многие уникальные продукты имеют общие характеристики, которые бросают вызов стандартным подходам к выборке:

В этих ситуациях единственным жизнеспособным решением является индивидуальный план, который четко определяет кривую рабочей характеристики (ОС) и корректирует размер выборки и критерии приемлемости для удовлетворения конкретных требований к риску.

Шаг 1: Определите характеристики продукта и критические характеристики качества

Основой любого индивидуального плана отбора образцов является глубокое понимание продукта и его предполагаемого использования. Работа с проектными инженерными, производственными и качественными командами для:

Этот шаг может также включать в себя Анализ режима и эффектов отказа (FMEA) для определения приоритетности ресурсов проверки характеристик с самыми высокими номерами приоритетов риска.

Шаг 2: Определите уровень риска для производителей и потребителей

Для уникальных продуктов по умолчанию α=5% и β=10% от стандартных планов могут быть слишком мягкими или слишком строгими.

Документируйте эти решения о рисках и получите подпись от заинтересованных сторон. Они напрямую определяют размер выборки и номер приемки.

Шаг 3: Установите уровни проверки и стратегию отбора проб

Уровень инспекции влияет на размер выборки по сравнению с размером партии. Стандартные планы предлагают нормальные, ужесточенные и уменьшенные уровни. Для уникальных продуктов:

Также выберите схему выборки: одиночная выборка (берите один образец, решите), двойная выборка (берите сначала небольшой образец, затем второй, если это необходимо) или последовательная выборка (проверяйте одну единицу за раз до принятия решения). Для небольших партий уникальных продуктов одиночная выборка является самой простой; двойная выборка может уменьшить средний размер выборки, когда качество очень хорошее или очень плохое.

Шаг 4: Разработка плана отбора проб с использованием статистических методов

При определенных параметрах (N, α, β, AQL, LTPD) используйте статистический расчет или программное обеспечение для поиска размера выборки (n) и номера приемки (c). Кривая OC плана должна проходить через две точки: (AQL, 1-α) и (LTPD, β).

Использование биномиальных или гипергеометрических дистрибутивов

Для больших N относительно n (N > 10n) используйте биномиальное распределение для вычисления вероятностей. Для малых N (обычные в заказном производстве) используйте гипергеометрию. Вероятность принятия:

  • P(принять) = sum {d=0}^{c} P(d дефекты в образце)

Для решения n и c, удовлетворяющих обоим ограничениям вероятности, требуется итеративный расчет. Многие инженеры по качеству используют коммерческие инструменты, такие как Minitab или JMP, или бесплатные ресурсы, такие как NIST/SEMATECH e-Handbook of Statistical Methods NIST e-Handbook.

В качестве альтернативы, если партия очень мала (например, N=20) и дефект является критическим, вы можете выбрать c=0 выборку (ноль приемочного номера). Например, выборка n=10 с c=0 дает кривую OC, где 5% дефектный лот имеет только 60% вероятность принятия (при условии биномиального).

Пример: пользовательский электронный модуль

Рассмотрим контрактного производителя, производящего партию из 200 сборок ПХБ для медицинского изделия. Критические дефекты пайки должны быть улавливаются. Команда устанавливает:

  • AQL = 0,1% дефектный (один дефект на тысячу единиц эквивалента)
  • LTPD = 2% дефектный
  • α = 5% (риск производителя)
  • β = 5% (риск потребителя)

Используя гипергеометрический расчет, требуемый размер выборки оказывается n=80 с c=0. Этот план обеспечивает 95% шанс принятия партии ≤0,1% дефектной, и только 5% шанс принятия партии ≥2% дефектной. Поскольку N составляет всего 200, выборка 80 является большой, но необходимой для достижения низкого β.

Шаг 5: Проверка пользовательского плана с помощью пилотных пакетов

Перед тем, как выкатывать на производство индивидуальный план, проверьте его с помощью пилотных партий, которые имеют известные уровни дефектов (симулируют несоответствующий продукт). Это подтверждает, что кривая OC ведет себя так, как она была разработана. Шаги:

  • Создать несколько партий с частотой дефектов на AQL, LTPD и промежуточных уровнях (например, 1%).
  • Применять план отбора проб к каждой партии (используя случайную выборку) и записывать принятые/отклоненные решения.
  • Повторите много раз (моделирование Монте-Карло помогает) для оценки эмпирической кривой OC.
  • Если эмпирические риски отклоняются от целей, отрегулируйте n или c и повторите валидацию.

Документация всех результатов проверки для записей о качестве и соответствия нормативным требованиям (]FDA Система контроля качества (FLT:1]) часто требует таких доказательств.

Шаг 6: Реализация и мониторинг плана

После проверки интегрируйте индивидуальный план в инструкции по инспекционным работам. Инспекторы поездов по конкретным размерам выборки, определениям дефектов и правилам принятия решений.

  • Отслеживание частоты дефектов в принятых лотах (данные после отгрузки).
  • Отслеживайте отказы и причины.
  • Проводить периодические обзоры кривой OC — если улучшится способность процесса, план может быть ужесточен для уменьшения размера выборки; если он ухудшается, повысить жесткость.

Для уникальных продуктов, которые редко реконструируются, план может оставаться статичным. Для текущего производства используйте контрольные диаграммы для мониторинга стабильности процесса наряду с планом отбора проб.

Особые соображения по уникальным требованиям к продукции

Малые партии и требования нулевого дефекта

Когда размер партии чрезвычайно мал (например, N=10) и нулевые дефекты являются обязательными, чистая выборка может быть невозможной - потребительский риск c=0 планов с малым n высок. В таких случаях, рассмотрите 100% проверку или процесс проверки в качестве основного метода обеспечения качества. План выборки может служить в качестве аудита, но план должен быть дополнен строгим контролем процесса.

Множественные характеристики качества

Уникальные продукты часто имеют несколько характеристик с различной критичностью. Создавайте отдельные планы выборки для каждого класса характеристик или используйте несколько планов выборки, которые оценивают все критические характеристики вместе. Общее решение о принятии может основываться на наихудшей характеристике (например, если какая-либо характеристика не работает, партия отклоняется).

Корректировка на основе рисков с использованием предварительной информации

Байесовские подходы могут включать исторические данные из аналогичных продуктов для уменьшения размера выборки при сохранении уровней риска. Например, если процесс произвел ноль дефектов в 10 предыдущих партиях аналогичной сложности, вы можете использовать это, прежде чем оправдывать меньший размер выборки. Однако для действительно уникальных продуктов байесовские методы требуют тщательного предварительного выявления (] ISO 2859-4:2002 - Планы последовательного отбора образцов предлагает некоторые рекомендации.

Преимущества планов отбора проб на заказ

  • Оптимизированная защита: Ухоженные кривые OC гарантируют, что риск для потребителя’ точно такой же низкий, как и необходимо, не больше, не меньше.
  • Эффективность затрат: Сосредоточив внимание на наиболее важных характеристиках и используя минимальный размер выборки, который достигает целей риска, расточительного контроля избегают.
  • Нормативное соответствие: Многие регулируемые отрасли (медицинские устройства, аэрокосмическая промышленность, автомобилестроение) требуют документально подтвержденного обоснования планов отбора проб.
  • Улучшение качества поставщика: Когда пользовательский план совместно с поставщиками, он сообщает точные ожидания качества и уменьшает неправильное толкование.

Обычные подводные камни, чтобы избежать

  • Использование AQL в качестве цели: AQL - это уровень качества, а не цель. Процесс должен быть нацелен на создание гораздо меньшего количества дефектов, чем AQL.
  • Игнорирование случайности выборки: Предвзятая выборка опровергает статистическую основу. Обеспечить действительно случайную выборку — стратифицированную, если партия имеет подлоты.
  • Опираясь на планы c=0: Хотя планы с нулевым принятием просты, они могут быть чрезмерно карательными для больших размеров выборки, раздувая риск производителя. Всегда оценивайте полную кривую OC.
  • Пренебрежение погрешностью измерения: Если методы проверки имеют высокую изменчивость (например, визуальный осмотр), эффективная кривая OC более плоская, чем вычисленная.

Интеграция пользовательских планов в систему управления качеством (СМК)

План выборки на заказ не существует изолированно. Включите его в более широкую СМК путем:

  • Документирование плана в стандартной операционной процедуре (SOP) с четким контролем пересмотра.
  • Связывание плана с планом проверки и испытаний продукта’ (ITP).
  • Обеспечение того, чтобы план пересматривался всякий раз, когда продукт или процесс изменяются.
  • Использование плана в качестве вклада в соглашения о качестве поставщиков.

Для организаций, следующих стандарту ISO 9001:2015, план должен быть прослежен до результатов оценки рисков (пункт 6.1) и анализа измерений (пункт 9.1). Гибкость разработки индивидуальных планов демонстрирует зрелый подход к качеству, который может адаптироваться к уникальным требованиям к продукции.

Заключение

Разработка планов отбора образцов на заказ для уникальных требований к продукции является сложной, но полезной задачей. Выходя за рамки стандартных таблиц и занимаясь строгим статистическим дизайном, специалисты по качеству могут создавать планы, которые обеспечивают точно правильный уровень защиты от дефектов при минимизации затрат на проверку. Шестиэтапный процесс - определение специфики продукта, определение уровней риска, установление уровней проверки, разработка плана, его проверка и реализация с мониторингом - гарантирует, что окончательный план является одновременно оправданным и эффективным. При работе с продуктами, которые действительно являются одним из видов, план выборки на заказ не является роскошью; это необходимо для обеспечения того, чтобы качество было встроено, а не проверено.

Для дальнейшего чтения, обратитесь к ASQ’s приемка выборки ресурсов и NIST Engineering Statistics Handbook для подробных методов расчета.