Giriş: Kalite Kontrolünde Örneklemenin Rolü
Kabul örneği, üreticilerin neredeyse bir yüzyıl boyunca endüstriyel kaliteli yönetim kurmasını sağlayan istatistiksel bir kontrol tekniğidir, zira bu, dijital üretim sistemleri ile mevcut entegrasyona dayanan tüm ürün gruplarına dayanan bir dizi karardır.
Örnekleme örneğinin temel mantığı olasılık teorisi üzerinde geri dönüyor. Örnek çok fazladan çekilmiştir ve örnekteki yanlış birimlerin sayısı kabul edilen bir sayının altındaysa, tüm çok kabul edilir; aksi takdirde kabul edilebilirlik, basit manuel prosedürlerden çok daha sofistike, bilgisayar temelli istatistik risklere adapte edilmiş olduğunu varsayar - üreticinin riski (α) ve tüketicinin risk (α) - yanlış kararlar verme olasılığını kontrol etmek için.
Kabul örnekleme tarihini ve evrimi modern uygulamaları için bağlam sağlar. Yöntem, Endüstri 4.0'a doğru hareket eden ve sürekli olarak kaliteli yönetim ve istatistiksel süreç kontrolünün savunucularından elde edilen eleştiri dalgaların hayatta kalmasına neden oluyor, ancak yıkıcı testlerin, yüksek hacimli doğrulamanın endüstri 4.0'a doğru ilerlediği ve tahmin edilebilir kalitede, kabul edilebilir faydalarını kanıtlıyor.
Kabul edilen Sampling'in Kökenleri
20. yüzyılın başlarında, istatistiki kalite kontrolün geliştirilmesinde kabul örneği yalan söylüyor.1920 ve 1930'larda, Bell Telefon Laboratuvarlarında araştırmacılar - özellikle Harold Dodge ve Harry Romig - olasılık dağıtımlarına dayalı örnekleme tablolarını test etmeye başladı.
Ancak, yaygın kabul için katalizör II. Dünya Savaşı sırasında geldi. ABD askeri, uzun vadeli ve maliyetleri azaltırken kaliteyi değerlendirmenin büyük miktarlarda savunma ihtiyacı vardı. 100% denetim pratik değildi - genellikle imkansız - çünkü tek bir kurşun veya topçu kabuğunu test etmek on yıllar boyunca standart olarak yanlış bir şekilde bozulmamış olabilir.
Erken yöntemler kavramsal olarak basitti. Çok fazla boyut N denetim için sunuldu; Boyut n örneği rastgele çekildi.Eğer örnekleme numarası sabit bir kabul numarasına sahip olduysa, tüm çok şey reddedildi. bir çok tane hatalı kabul edilebilir kabul edilebilir kabul edilebilir bir sürü kişi tarafından hesaplanabilirdi.
Erken Yöntemler ve Geliştirmeler
Tek Sampling Planları
Tek örnekleme planı, kabul edilebilirliğin en temel biçimidir. Bir denetçi, bir çok boyuttan n'nin rastgele bir örneği çizer N. If the number of false units in the example (OC) eğrisi)[B) çok fazla bir örnekleme planı kabul edilir; aksi takdirde, çok fazla gerçek bir ayrımı sağlamak için çok basit bir örnekleme planı gerekir.
Çift Sampling Planları
Çift örnekleme planları, ortalama örnek boyutunu azaltmak için tanıtıldı. Çift örnekleme planında, ilk boyut n1'in örneği alınır.Eğer yanlışların sayısı ≤ c1, çok fazla kabul edilir; eğer ≥ r1 ( reddedilme numarası), sayının ortalama bir büyüklüğü ile aynı istatistiksel korumayı elde ederse, özellikle de çok sayıda yüksek hacimli endüstrilerde yapılan iki yüksek hacimli endüstride yapılan iki parçaya göre çok iyi veya çok kötü bir şekilde yapılır.
Birden çok ve Sequential Sampling Planları
Birden çok örnekleme planı, örneklemenin k aşamalarına izin vererek çifte örnekleme fikrini genişletmektedir. Her aşamada, her bir gözlemin kabul edilmesi ve reddedilme sınırları ile karşılaştırılabilir.En gelişmiş form isÜyelim:0) Matematiksel olarak en iyi örnekleme), belirli bir hata riski için en küçük olası ortalama büyüklüğüne ulaşmak ve bilgisayar denetimlerinin gelişine kadar sınırlı olarak kullanılmasıdır.
Standartlaştırma ve Endüstri Kabul
Kabul örnekleme olgunlaşmış olarak, ulusal ve uluslararası standartlar endüstri ve ülkeler arasındaki uygulamaları güçlendirmek için ortaya çıktı.En etkili standartlar şunlardır:
- [FONT:0]MIL-STD-105[DÜT:1][/TRNT=0))))))))) • Tek, çift ve birden çok örnekleme planı, niteliksel inceleme için tasarlanmış ve tedarikçi tarihine göre örnekleme seviyelerinin belirlenmesi. standart AQL (Acceptable Quality Level) birincil indeks olarak kullanılan standart.
- [FONT=0) ISO 2859-1[DDD-105], Avrupa ve Asya'da yaygın olarak kabul edilen uluslararası MIL-STD-105'in eşdeğerliği, sınırların içinde örnekleme prosedürlerini uyumlaştırır, küresel tedarik zincirleri kolaylaştırır.
- [FONT=0]ANSI/ASQ Z1.9[Dönetici: Boyut örnekleme planları için standart, hangi ölçümler (örneğin, uzun, ağırlık, gerilim) yerine, ölçüm dağılımı normal olduğunda aynı korumayı başarabilir.
Bu standartlar, havacılıktan farmasötiklere kadar kaliteli güvenceye sahip oldu. Devreleri kontrol altına almak için endüstrilerde tutarlılık getirdiler: Bir tedarikçinin son bir çok yüksek kalitedeyse, denetim azaltılabilir; eğer kaliteli kötüleşirse, yüksek denetim uygulanır.
Standartlaştırma ayrıca, üreticilerin 100% denetimin mümkün olmadığı kadar istatistiksel olarak geçerli örnekleme planlarını kullanmalarını sağlayan üçüncü taraf denetim ajansları ve düzenleyici organları da etkinleştirdi. Örneğin, ABD Gıda ve İlaç Yönetimi (FDA) tıbbi cihazlar için kalite System Yönetmeliğinde kabul örneği olarak kabul etti.
Matematiksel Vakıflar
Herhangi bir kabul örnekleme planının etkinliği birkaç temel konsept tarafından yönetilir:
İşletim Karakteristik (OC) Curve
OC eğrisi, AQL'ye 1 ila 0 arasında atlamak, ancak gerçek eğriler eğriliği, planın iyi ve kötü bir sürü faktör arasında ayrım yapabilme yeteneğini gösterir.
AQL, LTPD ve Riskler
- [Üye Olmayan Kalite Seviyesi)[Üye Olmayanlar: Bir süreç ortalama olarak kabul edilebilir maksimum yüzde ayıptır. ≤ AQL'nun yüksek bir kabul olasılığı vardır (yaklaşık ≥ 0.95).
- [Üye Olmayanlar İçindekiler İçindekiler İçindekiler)[0]: Yüzde ≥ LTPD'nin kabul edilebilir bir olasılık olması (tipik olarak 0.10 0.10 0.10).
- [FONT:0)Producer'in Riski (α))[XT: AQL kalitesi (iyi çok) çok fazla reddetme olasılığı (0.05).
- [FONT:0)Consumer'in Riski (Fe))[FİRLİKLER: Çok fazla LTPD kalitesini (kötü çok) kabul etme olasılığı.
Matematiksel olarak, binomial dağıtım genellikle büyük bir sürü için kabul olasılığı hakkında bilgi verir: P)) = ⁇ (x=0 to c) [C(n,x) p).[D)[D)[Dönetici:0|Dönetici:0|D)[Düzücü ve tüketici gereksinimleriyle karşı karşıya olan planlarda hipergeometrik dağıtım kullanılır.
Teknoloji ile Evrim
Elektronik hesaplayıcının icadı ve daha sonra kişisel bilgisayar, daha geniş bir SPC araçlarıyla bütünleme örneklemelerini dinamik, veri odaklı bir süreç haline getirdi. 1970'lerde ve 1980'lerde, ana sistemler fabrikaların tarihlendirme kurallarını uygulamalarına izin verdi. 1990'lar, istatistiksel yazılım paketleri, daha geniş SPC araçları ile bütünleme örnekleme örneği, operatörler plan oluşturmalarına, OC eğrilerine ve tedarikçi performanslarını analiz etmelerine olanak sağladı.
İki teknolojik gelişme büyük ölçüde etkisi oldu:
- [FONT:0)Rektör denetim ekipmanları[Dönetici: Vizyon sistemleri, lazer mikrometreler ve ölçüm makineleri yüksek hızda öğeleri inceleyebilir, verileri doğrudan örnekleme algoritmalarına sunar. Bu, manuel denetim için durdurmanın pahalı olacağı üretim hatlarında çift ve eşdeğer örnekleme yapar.
- [[Dönetici veri toplama ve MES entegrasyonu[Dönetici: Modern üretim yürütme sistemleri (MES) çok izlenebilirlik, denetim kararları ve hataları veri kabul edilebilir. Kabul örnekleme planları otomatik olarak ürün türü, tarihi kalite veya müşteri gereksinimlerine göre tetiklenebilir. Gerçek zamanlı panjurlar örnekleme kuyruğunda çok sayıdaki durumu gösterir, ayrıntılı kararlar alır.
Ayrıca, [[0)cloud Computing) ve [[Dönetici[Döneticileri) [Döneticileri[Döneticileri) örnekleme verilerinin yer alan havuzunu etkinleştirmiş durumda. Çok uluslu bir şirket, şimdi tek bir platformdaki tüm fabrikalarının kabul örnekleme performansını izleyebilir, sınır ötesini tanımlayan tedarikçiler veya değişimi yönetebilir.
Kabul edilen güncel Trendler Sampling
Riskli Sampling
Bir tek boyutlu bir öznitelik uygulama yerine, modern risk tabanlı örnekleme planları, ürün özelliklerine ilişkin özellikleri sınıflandırmak için örnek boyut ve kabul kriterlerini özel olarak sunar. Örneğin, bir otomobil frenleme sistemindeki bir hata, kozmetik kusurundan çok daha sıkı bir örnek verir.
Sürekli Sampling Planları (CSP)
CSP'ler, sürekli bir akışta birimlerin üretildiği birçok örnekleme için alternatiftir. Süreç, 100% denetim ve periyodik örnekleme ile, bulunan ardışık uygunluk öğeleri sayısına göre, CSP'ler yüksek hızlı montaj hatları ve paketleme operasyonlarında yaygındır.
Bayesian Sampling Kabul Ediyor
Bayesian yöntemleri, süreç hakkında önceden bilgi içerir (örneğin, tarihsel hata oranları, tedarikçi güvenilirliği) örnekleme planına göre, önceki toplulardan gelen verilerin bol olduğu gibi endüstrilere karşı kabul edilir.
Industrial IoT ile entegrasyon (IIoT)
Endüstri 4.0 teknolojileri, sensör verileri üzerinde kabul edilebilir bir “gerçekten fazla” kabul etme veya reddetme kararı, bu hibrit yaklaşım üreticileri, yüksek çözünürlükte yüksek çözünürlükteki verileri kullanarak örnekleme mantığı kullanarak yapılabilir.
Future Yol Tarifi
Tahmin edici Kalite Yönetimi
Makine öğrenme modelleri üretim sistemlerinde gömülü hale gelirken, kabul örneği, reaktif karar vermeden öngörülebilir kalite yönetimine geçiş yapabilir. Mevcut bir sürü üzerinde karar vermek için örnek incelemek yerine, bir model süreci parametrelerini kullanabilir, sensör okumalarını ve tarihi verileri, çok fazla inkonclusive olasılıklarla birlikte geçiş yapabilecektir.
Blockchain ve Traceability
Blockchain teknolojisi her inceleme kararının ve destek verilerinin bir eksik kaydı sunar. Düzenlenen endüstrilerde (medical cihazlar, havacılık), düzenleyiciler kağıt sertifikalarının yerinde blokajlı örnekleme kayıtlarını kabul edebilir. Akıllı sözleşmeler, dijital denetim sonuçları önceden tanımlanmış kriterleri karşılarken, tedarik zincirlerini hızlandırabilir.
Zero Defect Paradigm ve Sampling'in Değişen Rol
Sıfır kusurları için zorlama, Six Sigma ve yalın üretim tarafından şampiyona edilen, bazen kabul örnekleme ve istatistiksel süreç kontrolü (SPC) arasında sıkı bir entegrasyon gerektiğini tartışır.Veri örneklemesinde, modern kabul örneği, süreç düzeltme sistemi olarak yeniden tanımlanır.
Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç
Kabul örneği, 1940'ların manuel masalarından uzun bir yol geldi. Onun evrimi endüstriyel kalite kontrolün daha geniş yörüngesini yansıtıyor: proaktif, veri odaklı karar verme.[Dönetici tahminlerine rağmen, kabul örneği kaliteli mühendisin aracı olarak önemli bir araç olmaya devam ediyor, özellikle de 100% denetimin pratik veya imkansız olduğu durumlar için.
İleriye bakıldığında, büyük verilerle kabul örneklemenin entegrasyonu, yapay zeka ve blok zinciri daha güçlü hale getirme sözü veriyor. Tarih ve son gelişmeler, istatistiksel yöntemlere ilişkin örnekleme stratejileri tasarlamak için en iyi konumlandırılmıştır[Dönder:0ASQance Sampling page).