导言

接受抽样是一种统计质量控制方法,用来根据对样本的检查来决定是否接受或拒绝许多产品。如果执行得当,它就会平衡检查成本与通过缺陷项目的风险。 然而,即使是有经验的质量专业人员也会陷入损害程序可靠性的陷阱。 了解接受抽样中最常见的错误 — — 以及学会如何避免这些错误 — — 对保持产品质量、减少浪费和满足客户来说至关重要。 本条审查经常错误、其根源和基于既定标准的实际解决方案。

接受抽样时常见的错误

1. 样本大小的确定不足

选择太小的样本规模无法捕捉到批量的真正缺陷率,导致接受坏块(消费者的风险)或拒绝好块(生产者的风险)的概率很高。 相反,过于大的样本会增加检查时间和成本,而不会在决定准确性方面得到有意义的改进。 适当的样本规模取决于批量大小、可接受的质量水平和检查的严重程度。 许多从业人员依赖直觉而不是统计表,如ANSI/ASQ Z1.4或ISO 2859。 比如,从一万个样本中抽取20个项目看起来可能是合理的,但如果AQL是1%,那么样本就太小了,无法检测出一个刚刚超过临界值的缺陷率。 使用公布的抽样计划,并根据近期质量史调整正常、收紧或减少检查。

2. 抽样选择中忽略随机化

随机选择可以确保批量中的每一件物品都有同等的机会被选中。 没有随机选择, 检查人员可以潜意识地选择看起来好或容易接触到的物品, 引入选择偏差。 例如, 只能从托盘顶层取样, 可能错过了由于堆叠或处理不当而集中在下层的缺陷。 通过随机数生成器或随机开始的系统取样, 真正的随机化可以实现。 记录用来证明偏差最小化的方法。 即使有经验的团队也都陷入“方便取样”的习惯。 QQQQ永远避免了这种情况。

3. 使用过时或不当的标准

接受抽样标准定期更新,以反映行业变化、新的质量要求和更好的统计方法。使用过时的标准(例如,MIL-STD-105E,没有后续标准)可能导致样本大小或接受标准不正确。同样,对批量加工适用为连续制造设计的标准可能会产生不可靠的结果。始终核实所选标准(ANSI/ASQ Z1.4,ISO 2859,或行业特定规范)是当前且适合您产品类型、检验方法(属性与变量)和风险水平的。与诸如美国质量学会或ISO等组织一起检查最新版本。

4. 记录和记录保存不善

抽样计划、样本数量、缺陷发现和最终决定的不完整或混乱记录在审计、根源分析和流程改进过程中造成了问题。没有明确的文件记录,重复检查可能使用不同的标准,质量趋势也变得隐形。对于每个抽样事件,记录:批量识别、样本大小、接受号(Ac)、拒绝号(Re)、发现缺陷的数量、处置决定和检查员识别。建议采用带有时间戳和电子签名的数字系统。良好的记录还支持在客户投诉或监管检查时的可追踪性。

5. 错误解释抽样结果

甚至一个正确执行的样本也可能被误解。 一个常见的错误是将样本缺陷率作为批量缺陷率的准确估计。 接受样本是为了作出二进制接受/拒绝决定,而不是精确估计批量质量。 例如,在样本中发现零缺陷并不能保证批量中的零缺陷; 这只能意味着样本是无缺陷的。 另一个错误是:由于样本缺陷而拒绝的很多数量并不自动意味着批量对所有用途都是不可接受的——拒绝可能是保守的。 培训人员了解样本的统计性质以及控制限制和接受标准之间的区别。

6. 适用 " 一个大小 " 、 " 全部 " 标准

使用相同的AQL和对所有产品的检查水平忽略了临界度、供应商可靠性和加工能力的差异。关键的安全组件应该有更严格的AQL和可能的可变抽样,而不是属性抽样。反之,低风险项目可能是减少检查的候选项目。基于风险评估、过去供应商业绩和通过缺陷单位的成本的适合的抽样计划。在审计期间记录计划选择的理由,以证明这些选择的合理性。

7. 忽略批量大小可变性的影响

从表格中取样计划假设批量大小属于规定的范围。 当批量大小与所选范围相比有很大差异时,操作特征(OC)曲线会发生变化,从而影响所提供的保护。例如,使用为大量量设计的1,001-1万计划,在500个数量上,将产生不同的消费者/生产者风险。总是检查抽样计划中规定的批量大小范围,并在必要时进行调整。考虑采用切换规则(通常、收紧、缩小)来适应不断变化的批量大小和质量水平。

接受抽样错误的根源

许多错误来自培训不足、缺乏统计理解或时间/成本压力。 当生产期限临近时,取样可能会被匆忙地抽取、随机抽取或切除样本规模。另一个根源是过度依赖遗留做法,而无需定期审查。 多年来没有更新质量系统的组织可能仍在使用过时的MIL-STD计划或内部规则,而这些计划或内部规则与行业最佳做法不再一致。 此外,采购、制造和质量团队之间的沟通差距可能导致不同产品领域对取样程序的不一致。

避免常见错误的最佳做法

  • 使用统计上有效的取样计划. 参考ANSI/ASQ Z1.4-2023或ISO 2859-1进行属性取样,并调整AQL,检查级别,以及批量大小. 使用统计软件生成OC曲线并了解风险.
  • 执行真实的随机抽样. 使用随机数字表或自动抽样工具。对于连续的处理,使用随机时间间隔。记录方法并核实不存在无意的偏差。
  • 保持与标准一致。 指派一名团队成员跟踪来自 NIST[和标准机构的更新。
  • 保存完整的记录. 使用标准格式(纸张或数字),可以捕捉所有相关数据. 归档记录至少需要保存3-5年.
  • 定期培训人员。 涵盖统计概念、正确的取样方法、常见错误和适当的文件记录。包括使用真实或模拟的批量进行实训。
  • 定期审计。 抽样程序的内部审计可以在出现严重质量问题之前发现偏离之处。使用以你遵循的标准为基础的核对表。
  • 酌情考虑可变采样。 对于临界维度或连续测量,可变采样计划(例如ANSI/ASQ Z1.9)提供更多信息,并可在保持保护的同时减少采样尺寸。
  • 与整体质量管理相结合。 接受抽样并不是一项独立的活动,应当与供应商质量评级、流程能力指数和纠正行动系统联系起来。

统计抽样计划的作用

ANSI/ASQ Z1.4和ISO 2859等统计抽样计划建立在既定的操作特性上,它们定义了样本大小代码、正常/严格/减少检查以及适应质量趋势的切换规则。使用这些计划正确地消除了猜测工作。这些计划包括单一、双重和多重抽样表格。单一抽样最为简单;在质量良好时,重复和多重抽样可以减少全面检查。始终根据需要的差别程度选择检查级别(I、II、III)。二级最为常见;在接受歧视较少时使用I,在需要更严格的控制时使用III。对于可变数据,ANSI/ASQ Z1.9提供了可比较的保护,样本规模可能较小。

结论

避免在接受抽样方面常见的错误需要纪律、培训和遵守标准。 抽样规模不足、非随机选择、标准过时、文件记录不全、结果错误、一刀切的标准都削弱了检查决定的可靠性。 通过采用最佳做法 — — 使用统计计划、随机选择、保存记录、培训工作人员和审计程序 — — 各组织可以大大减少消费者和生产者的风险。 接受抽样如果做得正确,就成为质量保证的有力工具,而不是可变性的来源。 使之成为包括不断改进、供应商伙伴关系和数据驱动决策在内的全面质量系统的一部分。 投入到适当的抽样工作中来,可以减少争议、降低报废率和增强客户信心。