Разработка планов отбора проб для производства в больших объемах

Понимание выборки принятия

В условиях производства большого объема баланс между пропускной способностью и обеспечением качества представляет собой постоянную проблему. Приемочная выборка обеспечивает статистическую основу, позволяющую производителям принимать обоснованные решения о целых производственных партиях на основе проверки только репрезентативного подмножества. Возникнув в 1930-х годах с работой Гарольда Доджа и Гарри Ромига в Bell Labs, приемочная выборка стала краеугольным камнем промышленного контроля качества, особенно во время Второй мировой войны, когда массовое производство боеприпасов и оборудования требовало эффективных, но надежных методов проверки. Фундаментальная предпосылка проста: выбрать случайную выборку единиц из партии, проверить их на наличие дефектов и на основании количества обнаруженных дефектов либо принять, либо отклонить весь участок. Этот подход заключается не в оценке точной фракции дефектов во множестве, а в принятии категорического решения, которое уравновешивает стоимость инспекции от риска прохождения дефектного материала.

Дисциплина в значительной степени опирается на теорию вероятностей, в частности, гипергеометрическое распределение при отборе проб без замены конечных партий или биномиальное распределение, когда размеры партий велики по сравнению с образцом. На практике планы приемки выборки кодифицированы в таких стандартах, как MIL-STD-105 (теперь устаревший, но все еще влиятельный), ANSI/ASQ Z1.4 и ISO 2859. Эти стандарты предоставляют таблицы параметров плана, индексируемых размером партии и приемлемым уровнем качества (AQL), что позволяет специалистам по качеству легко выбирать план, который соответствует их допуску к риску. Однако объемное производство вводит уникальные ограничения: размеры партий могут быть огромными, ресурсы проверки растянуты, а сдвиги процесса должны быть обнаружены быстро. Разработка плана, который является статистически обоснованным и функционально осуществимым, требует тщательного рассмотрения этих реальных факторов.

Ключевые компоненты планов отбора проб

Каждый план отбора проб для приемки определяется набором параметров, определяющих его дискриминационную мощность и стоимость. Понимание этих компонентов в глубине имеет важное значение для настройки планов в контексты большого объема.

Размер выборки (n)

Размер выборки - это количество единиц, взятых из партии и проверенных. В крупном производстве размер выборки непосредственно влияет на стоимость проверки и время цикла. Более крупные образцы обеспечивают более точные оценки качества партии, но несут более высокие затраты на рабочую силу, оборудование и время. Стандарты обычно предоставляют коды размера выборки, которые масштабируются с размером партии. Например, в соответствии с ANSI / ASQ Z1.4, много 10 000 единиц могут потребовать размеров выборки в диапазоне от 125 до 500, в зависимости от уровня проверки (нормальный, затянутый или уменьшенный). В непрерывных производственных линиях фиксированные размеры выборки могут быть заменены адаптивными подходами, такими как интервалы выборки переменных или , где часть партий пропускается полностью, когда история качества превосходна.

Номер приема (c)

Число приемки - это максимальное количество дефектных единиц, разрешенных в образце для приема партии. Он работает в тандеме с числом отказа (обычно c + 1 для планов одиночной выборки). План с небольшим числом приемки (например, c = 0) очень строг, но может привести к частому отказу от лотов, которые все еще приемлемы по отношению к AQL. И наоборот, большее число приемки снижает риск производителя, но увеличивает риск потребителя. Выбор правильного номера приемки - это компромисс между защитой клиента и предотвращением ненужного нарушения производства. В условиях большого объема, где стоимость ложного отказа может быть огромной (расщепление много 50 000 единиц из-за одного дефекта образца), планы с > 0 часто предпочтительны. Однако для критически важных компонентов (например, аэрокосмические крепежные элементы), c = 0 планы могут быть предписаны, несмотря на стоимость.

Размер лота (N)

Размер лота влияет на эффективность плана отбора проб. В крупносерийном производстве партии могут варьироваться от тысяч до миллионов единиц. Когда размеры лотов очень велики, гипергеометрическое распределение приближается к биномиальным, что означает, что размер лота имеет уменьшающееся предельное влияние на эксплуатационные характеристики плана. Тем не менее размер лота по-прежнему имеет значение для логистики: большие партии увеличивают потенциальные потери, если много отклоняется, и они усложняют рандомизацию выборки. Многие стандарты предписывают различные размеры выборки на основе диапазонов размеров лотов. Например, ISO 2859-1 определяет специальные уровни проверки S-1 до S-4 для очень больших партий, где допустима небольшая выборка, и общие уровни проверки I, II и III для нормального использования. Дизайнеры планов приемки для линий большого объема должны рассмотреть возможность использования непрерывных планов отбора проб (CSP) , которые смещаются между 100%-й и частичной выборкой на основе прогона соответствующих элементов, особенно когда партии не легко очерчены (например, процессы конвейерного питания).

Разработка эффективных планов для производства больших объемов

Для составления плана отбора проб для производства больших объемов требуется выйти за рамки готовых таблиц. Для оптимизации баланса между обеспечением качества и оперативной эффективностью обычно используются следующие стратегии и модификации.

1. использование стандартизированных планов

Стандартизированные планы, такие как ANSI/ASQ Z1.4, ISO 2859 и старый MIL-STD-105E, являются бесценными отправными точками. Они широко понятны, приемлемы для клиентов и регулирующих органов и поставляются с установленными таблицами для обычной, ужесточённой и сокращенной проверки. Использование стандартизированного плана снижает бремя обоснования вашей методологии во время аудитов. Для сред с большим объемом типичный «уровень общей проверки II». Однако, если процесс статистически способен (высокий Cpk) и имеет низкую историческую частоту дефектов, вы можете использовать уровень I для уменьшения размеров выборки. Всегда документируйте обоснование. Кроме того, ASQ Acceptance Sampling Resource предоставляет руководство по выбору правильного уровня.

2. Реализация ужесточенных или сокращенных планов

Стандарт ANSI/ASQ Z1.4 включает в себя систему правил переключения. При принятии определенного количества лотов подряд вы можете перейти на сокращенный осмотр (меньший размер выборки.] усиленный осмотр (большой размер выборки, меньший приемочный номер. (увеличение объема производства). Эта динамическая корректировка идеально подходит для производства большого объема, поскольку она автоматически уменьшает осмотр при возникновении проблем. Автоматизация этих переключателей с использованием программного обеспечения для управления качеством обеспечивает согласованность. Например, ежемесячный производственный цикл из 200 лотов может иметь 180 при уменьшенном осмотре, что экономит значительные усилия по проверке. Однако будьте осторожны: если ваше производство имеет частые, но кратковременные нарушения, правила переключения могут отставать. Рассмотрите возможность использования кумулятивной суммы (CUSUM) диаграммы , чтобы подавать в план отбора проб корректировку для

3.Последовательность и переменная выборка

Традиционные планы одиночной выборки требуют фиксированного размера выборки до принятия решения. Секвентивная выборка позволяет вам проверять единицы по одному за раз и принимать решение сразу, когда совокупные данные сильно указывают на принятие или отклонение. Для производства большого объема последовательная выборка может быть реализована через автоматизированные контрольные станции , которые тестируют единицы и обновляют границу решения. Таблицы Додж-Ромига являются классическим источником для последовательных планов. Переменная выборка , которая измеряет непрерывную характеристику (например, диаметр, вес), а не просто подсчет дефектов. Планы переменных более эффективны, требуя меньших размеров выборки для достижения тех же уровней достоверности, поскольку они требуют предположения о нормальном распределении. NIST Engineering Statistics Handbook предлагает подробное руководство по использованию планов переменных.

4. Пробы в скип-лоте

В отборе проб с промахом проверяется только часть партий. Например, если история качества за последние 20 лотов соответствует критериям, вы можете проверить только каждый третий лот. Этот метод чрезвычайно эффективен для процессов с большим объемом и низкой степенью дефекта. Он особенно подходит для зрелых, стабильных процессов , таких как литье под давлением или непрерывное химическое производство. План определяется фракцией отбора проб (например, 1/5) и номером клиренса (число последовательно принятых лотов, необходимых для входа в режим пропуска с промахом). Когда много найдено несоответствующим, вы возвращаетесь к проверке с промахом по лоту. Стандарты, такие как ISO 2859-3, охватывают процедуры пропуска с промахом. Однако проба пропуска с промахом не подходит для продуктов с периодическими изменениями качества или для критических элементов безопасности. Он должен быть тщательно разработан, чтобы держать риск принятия плохой партии в приемлемых пределах.

Статистические соображения и анализ рисков

Каждый план отбора проб на прием представляет собой статистическую авантюру с двумя присущими рисками.Тщательное понимание кривой рабочей характеристики (ОС) имеет важное значение для разработки планов, которые отвечают требованиям как производителя, так и потребителя.

Риск производителя (α) и риск потребителя (β)

Риск производителя — это вероятность отказа от многого, который на самом деле имеет уровень дефекта, равный или лучше, чем AQL. Риск потребителя — это вероятность принятия многого, который имеет уровень дефекта, равный или хуже, чем предельный уровень качества (LQ) или уровень отвергаемого качества (RQL). В крупном производстве α и β обычно устанавливаются на уровне 5% и 10% соответственно, хотя критические приложения могут требовать более строгих значений. Кривая OC — это график вероятности принятия (Pa) по сравнению с дефектной долей лота (p). При изменении n и c кривая OC сдвигается. Для заданных AQL и RQL можно решить для n и c, которые удовлетворяют одновременно α и β. Использование биномиальных или гипергеометрических вычислений с помощью статистического программного обеспечения делает этот процесс проектирования точным.

Среднее исходящее качество (AOQ) и AOQL

После использования плана отбора проб качество отгруженного продукта (после проверки исправления отклоненных партий) не совпадает с входящее качество. кривая Среднее исходящее качество (AOQ) описывает ожидаемую фракцию дефектного продукта, которая покидает завод после применения плана приемки (при условии, что отклоненные партии проверены на 100% и несоответствующие единицы удалены или заменены). Максимальная точка на кривой AOQ - это Средний исходящий предел качества (AOQL) . Производители большого объема должны вычислить AOQL, чтобы убедиться, что он не превышает требований клиента. Например, если ваш клиент требует, чтобы исходное качество было менее 1% дефектным, ваш план отбора проб должен иметь AOQL ≤ 1%. Планы с меньшими размерами выборки обычно имеют более высокий AOQL , поэтому вы должны сбалансировать стоимость проверки с риском для клиента.

Выбираем AQL и RQL

AQL (Допустимый уровень качества) является худшим средним процессом, который вы считаете приемлемым в качестве среднего процесса. Это не спецификация для отдельных лотов, а для общего процесса. RQL (Отклоняемый уровень качества) - это уровень, выше которого многие считаются неприемлемыми, и вы хотите принимать такие лоты только с небольшой вероятностью (риск потребителя). В производстве большого объема AQL часто устанавливается на основе контрактов с клиентами или отраслевых стандартов (например, электроника: AQL 0,65%; автомобиль: AQL 0,01% для критических функций). RQL обычно в несколько раз больше AQL. План с крутой кривой OC (т.е. высокая дискриминация) может хорошо различать AQL и RQL, но требует больших размеров выборки. Для линий большого объема вы можете пойти на компромисс, принимая более широкую кривую OC, которая позволяет немного более высокий риск для потребителей, но резко снижает усилия по проверке.

Практическая реализация для линий с высоким объемом

Перевод теории на практику на крупнотоннажной производственной линии требует интеграции с операционными системами и учета человеческих факторов.

Автоматизированная проверка и корректировка в реальном времени

Современные крупнотоннажные заводы используют автоматизированные контрольные станции (системы зрения, координатные измерительные машины, тестеры на утечку), которые могут тестировать 100% единиц на скорости линии. В таких случаях роль принятия решения о выборке смещается от пакетного решения к процессу мониторинга . План отбора проб может использоваться для принятия решений «остановить или продолжить» через регулярные промежутки времени. Например, каждый час измеряется выборка из 50 единиц; если количество несоответствий превышает число приемки, линия останавливается и запускается расследование. Контрольные диаграммы (p-схемы или u-схемы) могут быть связаны с планом отбора проб для обеспечения раннего предупреждения до того, как лот будет даже сформирован. Этот гибридный подход снижает риск производства больших количеств дефектного продукта.

Снижение затрат на инспекцию путем рационализации

Не каждая характеристика нуждается в одинаковом уровне проверки. Используйте подход, основанный на риске : критические характеристики (безопасность, функция) затягиваются планы или 100% автоматизированный осмотр; основные характеристики (подгонка, производительность) получают нормальные планы; незначительные характеристики (внешность, упаковка) получают уменьшенные или пропущенные планы. Также рассмотрите планы с несколькими атрибутами , где один образец используется для оценки нескольких критериев (например, дефекты класса A, B, C) с различными номерами приемки для каждого класса. Программное обеспечение, управляемое с помощью табл. , такое как Minitab или SAS , может помочь в разработке этих сложных планов.

Обучение и последовательность

Даже лучший план отбора проб не срабатывает, если инспекторы не обучены должным образом. Предоставить четкие рабочие инструкции, визуальные средства и периодические аудиты производительности инспектора. Используйте автоматизированную поддержку принятия решений: инспектор вводит результаты выборки в терминал, и система говорит им принимать или отклонять партию, предотвращая субъективную интерпретацию. Кроме того, убедитесь, что выборка действительно случайна. В линиях большого объема получение случайной выборки может быть сложной задачей из-за шаблонов потока конвейера. Систематическая выборка (каждый кт-блок) со случайным запуском или стратифицированная выборка в течение смен или машин, чтобы избежать смещения.

Заключение

Разработка планов отбора приёмочных образцов для производства большого объема не является универсальным упражнением. Она требует глубокого понимания статистических принципов, операционных ограничений и бизнес-рисков. Используя стандартизированные планы в качестве основы, динамически корректируя уровни проверки на основе производительности процесса и интегрируя современные средства автоматизации и программного обеспечения, производители могут достичь надежной гарантии качества без ущерба для пропускной способности. Ключ заключается в переходе от статического, основанного на правилах подхода к динамичной, основанной на правилах стратегии, которая постоянно уравновешивает ресурсы проверки с качеством продукции. По мере роста объемов производства и увеличения маржи, мастерство в дизайне приёмочных образцов становится конкурентным преимуществом, гарантируя, что каждый отгруженный лот соответствует ожиданиям клиентов, минимизируя отходы и затраты. В конечном счете, хорошо продуманный план защищает как производителя, так и потребителя, способствуя доверию и долгосрочному успеху на требовательном рынке.