导言:接受抽样在现代质量管理中的作用

接受抽样是一种统计质量控制技术,有助于各组织根据对有代表性的抽样而不是每个单位的检查来决定是否接受或拒绝一批产品。 在持续改进项目中,无论是根植于Lean、Six Sigma还是全面质量管理项目,接受抽样都提供了一种实际的方法,可以平衡检查成本与质量保证,它使小组能够及早发现缺陷、减少浪费并保持过程稳定性,而无需停止100%的检查生产。

尽管对高风险物品(如医疗植入物或飞机部件)可能需要100%的检查,但接受取样对于大宗生产来说要高效得多。 这也是改进举措的反馈循环:当样本缺陷率上升时,团队可以调查根源,并在问题升级前采取纠正行动。

采样方法

选择正确的取样计划至关重要。最常见的方法有: 如何取样和如何作出决定:

属性对可变抽样

  • 属性采样将每个项目归为符合或不符合. 决定规则是基于在样本中发现的缺陷单位的数量.
  • 可变采样测量一个连续特征(如直径,抗拉强度),并使用统计推论来决定批量,一般需要较小的采样尺寸,以达到同等保护水平.

单一、双重和多重抽样计划

  • 单一采样 — 提取了一个样本。如果缺陷的数量在接受数上或下方,则接受批次;否则就拒绝。
  • 双采样 — 取了一个较小的初始采样。如果缺陷计数在中间范围内下降,则抽取第二个采样。这可以减少平均检查努力。
  • 多采样 — — 依次采样,在每个阶段后都可以作出决定。 这往往会减少检查时间,但会增加行政复杂性。

顺序抽样

在连续取样中,物品一次检查一次,每次检查后,决定接受、拒绝或继续取样。 就取样规模而言,这是最有效的方法,但需要实时跟踪,通常使用软件工具。

接受抽样统计基础

接受抽样基于概率理论。关键参数界定了任何计划所提供的保护:

  • 可接受的质量等级(AQL) — 被认为是令人满意的缺陷的最大百分比("良好"质量等级). 抽样计划的设计大部分时间都是为了接受批量的AQL质量.
  • ” 低容忍率缺陷(LTPD) – 缺陷水平被认为不可接受。 该计划应该拒绝这种可能性高的批次。
  • 生产者的风险(α) — — 拒绝符合AQL的批次的可能性。 通常设定为5%或10%。
  • 消费者风险(β) — — 接受LTPD或以上批次的概率。 通常为10%或20%。

一种操作特征(OC)曲线[ 图形地显示接受不同质量水平的概率。理解OC曲线对于选择一个符合组织风险承受力的计划至关重要。 美国质量学会(ASQ)为OC曲线和计划选择提供了详细的介绍[。

对于在持续改进的环境中工作的从业人员,建议熟悉ANSI/ASQ Z1.4(属性)和Z1.9(可变)标准,这些标准提供预先计算表和切换规则(正常、严格、减少检查),根据最近的质量历史调整采样强度。

接受抽样在不断改进中的作用

不断改进的方法,如DMAIC(防御、测量、分析、改进、控制)和精益生产,依靠数据驱动的决定。

  • 监测稳定性 — 从稳定的过程定期取样可以及早发现变化或特殊原因。控制图和取样可以一起使用。
  • 校验改进动作——在执行改变后,采样可以确认缺陷率是否实际下降.
  • 20世纪80年代,美国在“美国”杂志上发表了“美国”的演讲。 降低检查成本 – 每批检查100%是很少经济的。 抽样可以释放出高质量的工作人员,让他们从事预防措施和根源分析。
  • 支持供应商质量 — — 即将到来的材料采样是一种经典应用。 拒绝缺陷批量会告诉供应商,他们的流程需要改进。

例如,在六西格马项目中,一个注重减少包装缺陷的项目,设计良好的接受抽样计划可以跟踪每批的缺陷,而改进小组则测试新的封存参数。 抽样结果可以立即反馈变化是否有效。

评估有效性:衡量和考虑

为了确定接受抽样是否有助于不断改进,各组织必须评估几个方面:

与质量目标保持一致

抽样计划的AQL应该符合客户的期望。 如果计划过于严格,它可能会拒绝可接受的批量(高生产者风险 ) ; 如果过于松散,它可能会通过有缺陷的产品。 对AQL设置的定期审查确保了与不断变化的要求保持一致。

对残疾率和复工的影响

追踪实施取样计划前后的总体缺陷率,管理良好的取样方案应与发现和纠正问题后缺陷下降的趋势挂钩,并监测重新工作的时间和废料率。

节省费用

计算检查费用总额(实验室、设备、故障时间),抽样检查对100%; 计算未发现缺陷的费用(客户返回、保修索赔), 使用六西格玛资源 成本效益分析框架 量化节省。

生产队的反馈

只有在检查员正确执行计划的情况下,取样才有效。 调查操作者和主管:样本是否真的随机?检查时间是否可以接受?他们是否看到结果的价值? 退出的小组会破坏计划的有效性。

数据准确性和计划强性

审计抽样记录: 抽样大小是否一致? 接受/拒绝标准是否正确应用? 将抽样中的缺陷率与后续100%检查(如果有的话)的实际缺陷率进行比较,以验证计划的准确性。

承认的局限性和缺陷

接受抽样并不是万能药。

  • 不具代表性的样品——如果视察员回避或倾向于批次中的某些地点(意识或无意识偏差),样品就不再反映批次的真实质量。
  • 检测低率缺陷 — — 对于非常低的缺陷率(如50ppm),即使是大样本也可能错过缺陷单元。 在这种情况下,可能需要其他方法,如过程能力分析或自动化检查。
  • 逐批思考的风险 – 接受抽样侧重于单个批次,而不是过程。 持续改进需要超越批次接受来处理稳定性和长期趋势数据。
  • ” 行政间接费用 — — 维持抽样计划、培训检查员和记录结果需要时间。 如果组织缺乏纪律,抽样就可能成为箱式操作。
  • 误解OC曲线 – 在不理解其操作特性的情况下选择计划,可能导致过度风险或过度检查.

为了减少这些陷阱,将接受抽样与其他质量工具相结合:流程监测控制图、积极主动风险评估的FMEA和定期流程审计。

实施接受抽样的最佳做法

  1. 选择正确的计划 – 使用已公布的标准(如ANSI/ASQ Z1.4,ISO 2859)或使用OC曲线设计定制计划. 将计划与产品风险和生产量相匹配.
  2. ” 培训所有参与者 — — 检查员必须了解随机抽样、缺陷的定义以及如何记录结果。 工程师和管理人员应当掌握AQL、LTPD和生产者/消费者风险。
  3. 文档和通信[ – 写出明确的采样频率,采样位置,处理被拒批量以及纠正行动触发程序。 定期与生产和质量团队共享结果。
  4. 审查和更新 – 质量要求和流程能力变化。至少每年或重大流程变化后重新审查采样计划。调整AQL级别、样本大小或相应切换规则。
  5. 与改进周期结合 – 将采样输出作为帕雷托分析、根源分析和凯曾事件的投入。 目标不仅仅是接受或拒绝大量数据,而是推动整体质量改善。

结论

接受抽样仍然是不断改进工具包中的宝贵工具。 如果设计得当,它提供了一种成本效益高的方法,可以监测质量、保护客户和引导人们关注最重要的问题。 然而,其有效性取决于统计的严格性、适当的培训以及承诺根据它所揭示的数据采取行动。

随着各组织向零分化目标和工业4.0技术迈进,接受抽样正在演变而不是消失。 混合方法将取样与实时传感器和预测分析相结合正在出现。 无论技术如何,核心原则都持久:智能抽样可以让团队收集可操作的质量信息,而不会淹没在检查数据中。

进一步阅读时,NIST工程统计手册就取样计划和OC曲线提供了深入的技术指导[,此外,ISO 2859 ⁇ 1(属性取样)和ISO 3951(可变取样)提供了可适应任何持续改进举措的国际标准[]。