Considerações de dados para Amostragem de aceitação por dados de atributos

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Os dados da amostra devem ser selecionados aleatoriamente
As unidades a serem inspecionadas devem ser selecionadas aleatoriamente e devem ser representativas de todos os itens do lote. Isso pode exigir um esforço extra, como numeração de cada item e extração de números aleatórios ou estratificação do lote e amostragem de cada estrato ou camada. No entanto, este processo é necessário para a eficácia do processo de amostragem.
Os dados devem ser contagens de defeituosos ou número de defeitos
Cada item que você inspecionar deve ser classificado como aceitável ou não aceitável (defeituoso) ou você deve ser capaz de contar o número de defeitos por item. Se seus dados são medições em vez de contagens de defeitos ou defeituosos, você deve criar um plano de amostragem de variáveis.
Os lotes individuais devem ser homogêneos
Os lotes representam toda a população de unidades da amostra de onde serão retiradas. Os lotes devem ser homogêneos. Eles devem ser embalados e enviados em tamanhos que sejam bem gerenciados, tanto pelo consumidor como pelo fornecedor, de uma forma que permita uma fácil seleção de amostras. Inspecionar lotes maiores geralmente é mais econômico do que inspecionar uma série de lotes menores.
O consumidor e o fornecedor devem concordar quanto aos níveis de qualidade do alvo
O consumidor e o fornecedor devem concordar com a taxa de defeitos mais elevada ou taxa de defeitos seja aceitável (nível de qualidade médio, NQA). O consumidor e o fornecedor também devem concordar com a taxa mais elevada ou taxa de defeito que o consumidor está disposto a tolerar em um lote individual (nível de qualidade rejeitável, NQR).
O NQA descreve o que o plano de amostragem aceitará, NQR descreve o que o plano de amostragem irá rejeitar. Você deseja criar um plano de amostragem que aceite um determinado lote de produto no NQA a maior parte das vezes, e rejeite um lote específico de produto no NQR a maior parte das vezes.
Use a distribuição hipergeométrica para lotes isolados de tamanho finito
Por padrão, o Minitab utiliza a distribuição binomial para criar planos de amostragem e comparar planos de amostragem para dados tipo passa/não passa. Para usar corretamente a distribuição binomial, o Minitab supõe que a amostra vem de um lote grande (o tamanho do lote é pelo menos dez vezes maior que o tamanho da amostra) ou de um fluxo de lotes selecionados aleatoriamente a partir de um processo contínuo. Muitas de suas aplicações de amostragem podem satisfazer a essa suposição.
Se o lote de produtos do qual você extrair a amostra for um lote isolado de tamanho finito, a distribuição exata para o cálculo da probabilidade de aceitação é a distribuição hipergeométrica. Por exemplo, você recebe uma remessa especial de pedido de 500 rótulos.
Observação

A distribuição hipergeométrica só está disponível quando você tem dados do tipo passa/não passa (defeituosos) e quando você especifica o tamanho do lote. O Minitab utiliza a distribuição de Poisson quando você conta o número de defeitos.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política