유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.
표본은 랜덤하게 선택해야 합니다.
검사할 단위는 랜덤하게 선택해야 하고 로트의 모든 품목을 대표해야 합니다. 이렇게 하려면 각 품목에 번호를 매기고 번호를 랜덤하게 뽑거나 로트를 층화시키고 각 층으로부터 표본을 추출하는 것과 같은 노력이 추가로 필요할 수 있습니다. 그러나 효율적으로 표본을 추출하려면 이 과정이 반드시 필요합니다.
데이터는 불량품의 수 또는 결점의 수여야 합니다.
검사하는 각 품목이 합격 또는 불합격(불량)으로 분류되거나 품목당 결점 수를 셀 수 있어야 합니다. 데이터가 결점이나 불량품 수가 아니라 측정값인 경우에는 계량형 표본 추출 계획을 생성해야 합니다.
개별 로트는 동질적이어야 합니다.
로트는 표본을 가져오는 전체 모집단 단위를 나타냅니다. 로트는 동질적이어야 합니다. 로트는 소비자와 공급업체가 모두 잘 관리할 수 있는 크기와 표본을 쉽게 선택할 수 있는 방법으로 포장 및 배송해야 합니다. 일반적으로 큰 로트를 검사하는 것이 작은 로트를 여러 개 검사하는 것보다 더 경제적입니다.
소비자와 공급자가 목표 품질 수준에 동의해야 합니다.
소비자와 공급자가 허용되는 최고 불량률 또는 결점 비율(평균 품질 수준(AQL))에 동의해야 합니다. 소비자와 공급자는 또한 소비자가 개별 로트에서 허용할 수 있는 최고 불량률 또는 결점 비율(불합격 품질 수준(RQL))에 동의해야 합니다.
AQL은 표본 추출 계획에서 무엇을 합격시킬 것인지 설명하는 반면, RQL은 표본 추출 계획에서 무엇을 기각할 것인지 설명합니다. 대부분의 경우 AQL에서 특정 제품 로트를 합격시키는 표본 추출 계획을 설계하고, 대부분의 경우 RQL에서 특정 제품 로트를 기각시키는 표본 추출 계획을 설계할 수 있습니다.
크기가 유한한 고립된 로트에 대해 초기하 분포 사용
기본적으로 이항 분포를 사용하여 표본 추출 계획을 생성하고 합격/불합격 데이터용 표본 추출 계획을 비교합니다. 이항 분포를 올바르게 사용하기 위해 큰 로트(로트 크기가 표본 크기보다 10배 이상 큼) 또는 진행 중인 공정에서 랜덤하게 선택한 로트에서 표본이 추출된 것으로 가정합니다. 많은 표본 추출의 경우 이 가정을 만족합니다.
크기가 유한한 고립된 로트에서 표본 추출하는 제품 로트의 경우, 합격 확률을 계산하기 위한 정확한 분포가 초기하 분포입니다. 예를 들어 특별 주문한 레이블 500개를 배송받는 경우가 여기에 해당됩니다.
참고
초기하 분포는 합격/불합격(불량) 데이터가 있으며 로트 크기를 지정한 경우에만 사용할 수 있습니다. Minitab에서는 결점 수를 셀 때 포아송 분포를 사용합니다.
