계량형 합격 표본 추출(생성/비교)에 대한 모든 통계량 및 그래프

규격 하한(LSL)은 제품 또는 서비스에 대해 최소로 허용되는 값입니다. 이 한계는 공정이 어떻게 수행되고 있는 지가 아니라 공정이 어떻게 수행되어야 하는지 나타냅니다.

규격 상한(USL)은 제품 또는 서비스에 대해 최대로 허용되는 값입니다. 이 한계는 공정이 어떻게 수행되고 있는 지가 아니라 공정이 어떻게 수행되어야 하는지 나타냅니다.

계량형 합격 표본 추출 계획에 대해 하나 이상의 규격 한계를 지정해야 합니다.

과거 표준 편차는 공정의 알려진 표준 편차입니다. 장기간에 걸쳐 공정 표준 편차를 확실히 설명하기에 충분한 수의 데이터를 수집한 경우 과거 표준 편차를 사용하십시오. 공정이 안정적이고 관리 상태에 있는 경우 계산된 표준 편차 대신 과거 표준 편차를 사용할 수 있습니다.

로트 크기는 로트 전체를 합격시킬 것인지 불합격시킬 것인지 결정할 때 표본을 수집하는 모집단입니다.

보통, 공급자와 소비자 모두에게 배송하고 취급하는 데 로트 크기가 선택됩니다. 예를 들어, 전체 배송 단위가 편리한 로트 크기입니다. 표본 추출 계획에서 한 로트에 들어 있는 부품들의 동질성을 가정하기 때문에 한 로트를 구성하는 단위는 모두 동일한 공정 조건에서 생산되어야 합니다. 또한 로트 크기가 클수록 작은 로트를 여러 개 검사하는 것보다 일반적으로 더 경제적입니다.

합격 표본 추출에서 표본 크기는 단일 로트에서 검사를 위해 랜덤하게 선택된 품목의 수입니다.

임계 거리는 로트의 합격 또는 불합격 여부를 결정하기 위해 Minitab이 표본 평균 및 규격 한계와 비교하는 데 사용하는 값입니다.

LSL과 USL을 모두 제공하고 과거 표준 편차를 제공하지 않는 경우 Minitab에서는 최대 표준 편차(MSD)를 계산합니다.

AQL에서 로트를 합격시킬 확률은 1 – α에 가까워야 합니다. RQL에서 로트를 합격시킬 확률은 β에 가까워야 합니다. 기각 확률은 1 - 합격 확률입니다.

평균 출검 품질 수준은 원자재의 품질과 출하 제품의 품질 간의 관계를 나타내며, 불합격된 로트는 100% 검사되고 모든 불량 품목은 대체되거나 재작업됩니다.

검사 특성(OC) 곡선은 합격 표본 추출 계획에서 품질이 좋은 로트와 품질이 나쁜 로트를 구별하는 능력을 보여줍니다. OC 곡선은 각 표본 추출 계획에 대해 인입 품질 수준이 다른 로트를 합격시킬 확률을 표시합니다.

해석

이 예에서 백만개당 실제 불량 수가 100개인 경우 표본을 기반으로 이 로트를 합격시킬 확률은 0.950이고 불합격시킬 확률은 0.050입니다. 백만개당 실제 불량 수가 300개인 경우 이 로트를 합격시킬 확률은 0.100이고 불합격시킬 확률은 0.900입니다.

평균 출검 품질(AOQ) 곡선은 불합격되는 로트를 100% 검사하고 불량품을 교체하거나 재작업하여 다시 검사(수정 검사)할 것이라는 가정 하에 들어오는 원자재의 품질과 출검 품질 사이의 관계를 보여줍니다.

해석

이 예에서 평균 인입 품질 수준이 백만개당 불량 수 100개일 때 평균 출검 품질은 백만개당 불량 수 91.1개입니다. 평균 인입 품질 수준이 백만개당 불량 수 300개일 때 평균 출검 품질은 백만개당 불량 수 28.6개입니다. 불합격된 로트가 100% 검사되고 모든 불량 단위가 교체되거나 재작업되기 때문에 인입 품질이 출검 품질보다 나쁩니다.

인입 품질 수준이 백만개당 불량 수 140.0개일 때 평균 출검 불량 수준(AOQL)은 백만개당 불량 수 104.6개로 최저가 됩니다.

평균 총검사량(ATI) 곡선은 불합격되는 로트를 100% 검사하고 불량품을 교체하거나 재작업하여 다시 검사(수정 검사)할 것이라는 가정 하에 들어오는 원자재의 품질과 검사해야 하는 품목의 개수 간 관계를 보여줍니다.

해석

이 예에서 평균 인입 품질이 백만개당 불량 수 100개일 때 로트당 검사되는 평균 단위 수는 223.2개입니다. 95%의 경우는 104개 품목을 검사하고 로트를 합격시키며, 5%의 경우는 로트를 불합격시키고 2500개 품목을 모두 검사하기 때문입니다. 평균 인입 품질 수준이 백만개당 불량 수 300개일 때 로트당 검사되는 평균 렌즈 수는 2261.4개로, 거의 로트 전체가 됩니다.

합격 영역 그림은 표본 요구 사항을 나타내는 데 사용됩니다. 규격 상한과 규격 하한을 알고 표준 편차가 알려져 있지 않은 경우 합격 영역 그림을 사용하여 로트를 합격시킬 표본 평균과 표본 표준 편차의 영역을 확인할 수 있습니다.

해석

표본 표준 편차가 증가하고 최대값에 근접하면 평균이 목표와 일치해야 공급 로트를 합격시킬 수 있습니다. 공정 변동 폭이 좁고 표준 편차가 적으면 평균이 규격 한계 사이에서 변할 수 있습니다.

이 예에서는 3,600개 롤러 중 259개의 표본을 추출합니다. 표본 평균이 규격 한계의 중앙에 있는 경우 공정에서 최대 표준 편차 0.002753를 수용할 수 있습니다. 표본 평균이 하나의 규격 한계 방향으로 이동하는 경우 로트 합격에 필요한 품질을 유지하려면 변동(표준 편차)이 더 작아야 합니다. 최악의 경우는 평균이 규격 한계에 있는 경우입니다. 이 경우 표준 편차가 0이어야 하며, 이는 불가능합니다.