Kalite Kontrolünde İstatistiksel Sebeplerin Imperative of Statistics Reasoning in Quality Control

Yüksek teknoloji üretiminde, bu kararları doğrulanabilir riskle kabul etme veya reddetme kararı nadiren% 100 denetime dayanmaktadır. Birçok testin maliyeti, zaman ve yıkıcı doğası, tam inceleme pratik olarak kabul edilebilir.Bu yaklaşım, istatistiksel teoride temellenmiş, 2859 akışlarını incelemek yerine) ve Z1.4'ü incelerken, tüm kusurların sayısına dayanarak, doğru bir şekilde kontrol etme veya reddetme, doğrulayıcıları kabul etme ve reddetme.

Core Statistics Underpinnings

Kabul örneği, örnekleme sonuçlarını nüfus özelliklerine bağlantı kurmak için olasılık teorisine bağlıdır. Temel varsayımı, numunenin çok fazladan rastgele çekildiğidir ve üretim sürecinin temsilci olma olasılığını hesaplamasına olanak sağlar. Anahtar istatistiksel dağıtımlar dahil edilen değişkenler için transomial dağıtım (örneğin geçiş/fail) ve Poisson dağıtım (genellikle birim başına kusurları için kullanılır).

Yapımcının ve Tüketici Riskleri

Her örnekleme planı iki tür hata içerir.Ücretsiz kalite seviyesini (AQL) reddetme olasılığıdır (AQL).Bu penalizes the Supply production. )[Dizit=2)[Düzücünün riski (αD)[D)[D)[Düzücüklerin, veya LTT:0)) Bu yüksek üretim için tedarikçiyi en aza indirme olasılığı genellikle yüksek çözünürlüktedir.

İşletim Karakteristik (OC) Curve

OC eğrisi, örneklemede en önemli grafiksel araçtır. Gerçek olarak, eğrinin eğrisini inşa etmesi için çok fazla (y-aksiyon) kabul etme olasılığına sahiptir.Uzmanlıkların çeşitli kaliteli seviyeler için planların nasıl performans gösterdiğini değerlendirmek için OC eğrisi kullanın.

Bir Sampling Planını Tasarlamak

Etkili bir plan tasarlamak dört parametreyi belirtmek gerekir: Çok boyutlu (N), örnek büyüklüğü (n), kabul numarası (c) - örnekteki en olası sayıda hatayı seçin ve reddedilme numarası (r – tipik olarak tek planlar için c +) Bu, AQL, LTPD, α ve LR ile tanışmak için seçilir.

Tek, Çift ve Eşit Planlar

[FONT:0) Tek örnekleme[DÜDÜT:1) en basit olanıdır: Bir boyut örneği n. eğer hatalı ≤ c, kabul; aksi takdirde ikinci bir boyut örneği n2.Çift örnekleme[DÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜSÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜNÜŞÜN

[[Düzücük örnekleme[Dönetici:0) Daha da ileri gider: birimlerin her bir birimden sonra, toplayıcı kusur sayısı üst (gect) sınır ve daha düşük (accept) sınır ile karşılaştırılır.

Doğru Plan Tiplerini Seçin

Seçimin maliyetini etkileyen faktörler, testlerin yıkıcı doğası, istenen hız ve idari karmaşıklık.Tek planlar yönetmek kolay ancak daha karmaşık planların ortalama örnek boyutunu azaltır ancak daha karmaşık karar verme kurallarına ihtiyaç duyar.Uzman ve tıbbi cihaz üretiminde, testin yıkıcı olduğu durumlarda, eksik olan birimlerin sayısını en aza indirmek için genellikle tercih edilir.

Kabul edilen Sampling'de İstatistiksel Dağıtımlar

Binomial Model

Büyük bir sürü (tipik olarak N > 10n) örnekleme ve özellikler için denetim (örneğin, x) p (n-x) Bu modeldeki x hatalarını gözlemleyerek hata yapan x miktarın sayısı hesaplanır.

Poisson Approximation

Hata oranları düşük olduğunda (p < 0.1) ve örnek boyutlarda büyük, Poisson dağıtım da yakın bir yaklaşım sağlar. parametre ⁇ = n * p. Bu basit hesaplamalar ve endüstri tablolarında yaygın olarak kullanılır.

Hipergeometrik Bakışlar

Küçük çok boyutlarda (örneğin, N < 10n), sonlu nüfus düzeltmesi önemli hale gelir. hipergeometrik dağıtım, binomial yerine kullanılmalıdır, çünkü bu tür durumlarda, OC eğrisi diktir ve tüketicinin riski küçük boyutlardaki küçük bir plan için ayrı masalar sunar.

Pratik Uygulama Across Industries

Otomotiv İmalatı

Kabul örneği, gelen ham malzemeler ve altkomponentler için kullanılır. Örneğin, bir katmanlı tedarikçi 5000'in bir gönderisinden örnek fren pedleri takabilir. n125 ve c=3 (AQL=1.0%, LTPD=5.0), tedarikçi, satıcının satıcıya çok veya geri dönmelerini çabuk kabul edip geri ödemesini isteyebilir.

Elektronik ve Yarı iletken Endüstri

Elektronikte, her bileşeni maliyet ve zaman nedeniyle test etmek imkansızdır. Sampling, entegre devrelere uygulanır, dirençlere ve konektörlere uygulanır. Çünkü hata oranları aşırı düşük ( milyonda ortak), planlar genellikle kötü bir sayıyı kabul etmekten kaçınmak için sıfır kabul numarası (c=0) kullanır. Ancak, bu tür planlar, örnek boyutlardaki yüksek tüketicinin riskine sahiptir.

İlaç ve Tıbbi Cihazlar

FDA gibi düzenleyici kurumlar, testin yıkıcı olduğu sterillik testleri için örnekleme planlarını titiz bir şekilde doğrulamayı gerektirir.Başarılı planlar tercih edilir, çünkü istatistiksel güven korurken tahrip edilen birimlerin sayısını en aza indirirler. OC eğrisi, planın hem üretici hem de tüketicinin risk gerekliliklerini yerine getirmesini sağlamak için doğrulanmalıdır.

Havacılık ve Savunma

MIL-STD-1916 (şimdi süperler tarafından kullanılmış ancak hala kullanılmış) hükümet yüklenicileri için özellik ve değişken örnekleme planları sunmaktadır. Oda örnekleme planları yüksek güvenilirlik ve izlenebilirlik üzerinedir.Yüksek ayrımcılığı sürdürmek için örnek boyutları azaltmak için yaygındır. Mühendislik takımları kullanılan her plan için istatistiksel gerekçeyi belgelemelidir.

Attributes'in Ötesinde: Değişkenler Sampling

Attributes örnekleme (düşük/eptif olmayan) basit ama sürekli ölçümler için verimlidir. Değişkenler örnekleme gerçek ölçümler kullanır (örneğin, çekme gücü). CPU/AS planı genellikle normal bir dağıtım ve örnekleme tablolarını doğrulayın ve gerekirse uygun dönüşümleri tahmin etmek gerekir. Değişkenler aynı ayrımcı güç için daha küçük örnek boyutları gerektirir, ölçümler kolay ve dağıtım iyi anlaşılır olduğunda onları cazip hale getirir.

Ortak Pitfalls ve Misconceptions

  • [FONT:0) Çok kaliteli örnek sonuçları kullanmak: İyi bir örnek iyi bir sürü garanti etmez; Bu riski her zaman örnekleme hatası vardır.
  • [FONT:0]Doğru istatistik temelinde sıfır kabul planlarını belirtir:[Dönetici:[Dönetici:0) Birçok kişi, c=0 planların “mükemmel olduğunu varsayar, ancak genellikle çok küçük bir tüketicinin riskine sahipler sadece örnek büyüklüğü yeterince büyükse.
  • [FONT:0] Üreticinin riskini görmezden gelir: Aşırı katı planlar birçok iyi şeyi reddedebilir, tedarik zinciri kesintilerine neden olur. AQL gerçekçi olmalıdır.
  • [FONT:0) Doğru varsayımlar olmadan temel standart planlar: L kromozomallık, rastgele örnekleme ve süreç istikrarı doğrulanmalıdır. Clustered kusurları binomial varsayımları geçersiz kılar.
  • [FONT:0]Güncelleme planlarına dikkat edin:[Döneticiler geliştiriliyorsa aynı plan çok muhafazakar olabilir. Düzenli inceleme önemlidir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Kabul örneklemenin istatistiki temelleri, kalite güvencesi için rasyonel, risk bazlı bir yönteme sahiptir. OC eğrisini anlayarak, yapımcının ve tüketicinin risklerini ve uygun örnekleme plan türlerini, mühendislik ekipleri bu dengenin verimlilik ve kaliteyi ölçebilir. Bu temelleri kullanarak, özellikleri veya değişkenleri kullanarak, anahtarın keyfi kurallardan ziyade titiz bir şekilde istatistiksel olarak rasyonel olduğunu anlayarak, üretim otomasyon ve gerçek zamanlı verilerle geliştikçe, örnekleme hayati bir araç olarak kalır - süreç kontrolü ve sürekli iyileştirme mühendisleri tarafından uygulanabilir.Bu temelleri kullanarak, kaynakları optimize ederken, kaynakları optimize eder.For further