Статистический приёмочный контроль партии

Статистический приёмочный контроль - это способ решить, принимать ли партию продукции, по результатам проверки её случайной части. Например, покупатель проверяет 50 изделий и принимает всю партию, если среди проверенных не более двух несоответствующих. Такой план экономит затраты на осмотр, но не гарантирует отсутствие брака в принятой партии. Калькулятор ниже показывает, как правило решения связано с вероятностью приёмки при разных долях несоответствующих изделий.
Как работает приёмочный контроль
Сначала стороны определяют партию: какие изделия входят в неё и по какому признаку их проверяют. Затем до отбора согласуют размер выборки и правило решения. Инспектор случайно выбирает изделия, проверяет каждое и сравнивает число несоответствующих с порогом. Проверку одной выборки с окончательным решением называют одноступенчатым планом.
Пусть размер выборки , а приёмочное число . Если обнаружено ноль, одно или два несоответствующих изделия, партию принимают; если три или больше - не принимают. Порог включает равенство: при двух изделиях решение ещё положительное. Что именно происходит с непринятой партией - возврат, сортировка или повторная обработка, - нужно заранее установить в договорённости.
Партия и выборка играют разные роли. Решение относится ко всей партии, но данные получены только для проверенных единиц. Подробнее об этом различии - в материале про генеральную совокупность и выборку. Важно обеспечить случайный отбор из всей партии: изделия с края коробки или только из одной смены могут не представлять её состав.
Какие величины задаёт план
Для контроля по альтернативному признаку каждое проверенное изделие относят к одной из двух категорий: соответствует требованию или нет. План включает:
- - число изделий в партии;
- - число проверяемых изделий;
- - максимальное число несоответствующих изделий в выборке, при котором партия принимается;
- - фактическое число несоответствующих изделий в выборке.
Правило записывают как : принять, и : не принять. В нашем примере при партия проходит, а при - нет. Здесь считают именно изделия, а не отдельные дефекты: у одной детали может быть несколько дефектов. План по числу дефектов требует иной модели.
По количественному признаку вместо классификации можно измерять, например, массу или длину и применять предусмотренный план для измерений. Нельзя просто перенести порог из альтернативного плана на среднее значение: данные и правило решения устроены по-разному. В обоих случаях критерии годности и точность измерения оговаривают до проверки.
Вероятность приёмки и формула
Даже при известной доле несоответствующих изделий результат случайной выборки меняется от отбора к отбору. Обозначим эту долю через . Для большой партии, когда размер выборки мал по сравнению с ней, число несоответствующих в выборке приближённо имеет биномиальное распределение. Вероятность получить не более таких изделий равна:
Здесь - число способов расположить несоответствующих изделий среди проверенных. Слагаемые охватывают все результаты, ведущие к приёмке. Для , и сумма трёх вероятностей даёт примерно , или 92,2 %. Это означает: при многократном случайном отборе по модели примерно 92 из 100 партий с такой долей были бы приняты. Это не утверждение, что конкретная партия годна с вероятностью 92,2 %.
При тот же план даёт приблизительно 11,2 %. Более плохую по выбранному показателю партию реже принимают, но вероятность не становится равной нулю. Модель и оперативная характеристика описаны в руководстве NIST по статистическому контролю.
Как читать оперативную характеристику
Оперативная характеристика, или OC-кривая, показывает зависимость вероятности приёмки от доли несоответствующих изделий для фиксированных и . По горизонтали откладывают долю , по вертикали - . Смена плана меняет всю кривую, а изменение перемещает точку по ней.

На рисунке обе точки получены по одной формуле, а не из производственного эксперимента. В калькуляторе можно сравнить планы: при фиксированном увеличение делает приёмку вероятнее для любой ненулевой доли брака. Изменение при прежнем также меняет защиту сторон: больше проверок даёт больше возможностей обнаружить несоответствие, но увеличивает расходы.
Не стоит делать вывод о качестве отдельной принятой партии только по положительному решению. Кривая отвечает на условный вопрос: как часто план принимает партии при заданной истинной доле ? Для обратного вопроса о составе партии после наблюдения нужны дополнительные предположения и данные.
Риски поставщика и потребителя
Выборка может привести к нежелательному решению в обе стороны. Риск поставщика - вероятность не принять партию при заранее выбранном удовлетворительном уровне качества : . Риск потребителя - вероятность принять партию при выбранном неудовлетворительном уровне : .
Если условно выбрать и , для нашего плана получим и . Это характеристики плана в двух указанных точках, а не универсальные риски для любой партии. Чтобы подобрать план, задают оба уровня качества, допустимые риски и ищут сочетание и , удовлетворяющее ограничениям. Связь с вероятностью обнаружить отклонение помогает понять статья о мощности статистического критерия.
AQL часто встречается в таблицах стандартных схем контроля. По определению ASQ, это уровень качества, используемый как предел удовлетворительного среднего процесса для продолжающейся серии партий. Он не означает, что каждая отдельная партия с долей брака выше AQL обязательно будет отклонена, и не задаёт сам по себе вероятность защиты потребителя для конкретной партии.
Когда биномиальная модель недостаточна
Если выборку берут без возвращения из конечной партии, точная модель при известном числе несоответствующих изделий - гипергеометрическая:
Невозможные сочетания в сумме считаются нулевыми. Здесь - целое число, а ; при заметной доле выборки от партии приближение биномиальным распределением может быть неточным. Калькулятор выше намеренно использует модель большой партии, поэтому не заменяет такой расчёт.
Ещё одна предпосылка - надёжность классификации. Ошибки измерения, неодинаковые критерии инспекторов и неслучайный отбор меняют реальную эффективность плана. Если дефекты сосредоточены в определённых коробках, отбор лишь из одной коробки может дать обманчивый результат. Сначала продумайте схему отбора и повторяемость измерений, затем интерпретируйте расчёт.
Как применять результат на практике
Установите характеристику качества и границы соответствия, выделите однородную партию и согласуйте последствия каждого решения. Затем выберите план с учётом стоимости испытаний и рисков, случайно отберите единицы и зафиксируйте результаты. После сравнения с оформите решение и сохраните сведения об отборе и измерениях.
Приёмочный контроль оценивает партию, а не устраняет причину дефектов. Если несоответствия повторяются, данные проверки полезно передать в работу по улучшению процесса: например, диаграмма Парето помогает расставить приоритеты среди типов дефектов, а методология шести сигм предлагает подход к снижению вариации. Для обязательной процедуры следует применять условия договора и действующий для задачи стандарт, включая его правила отбора и перехода между режимами контроля.
При выборе плана есть экономический компромисс. Проверка дополнительных изделий стоит рабочего времени, оборудования и иногда самих изделий, если испытание разрушительное. С другой стороны, пропущенное несоответствие может привести к возвратам, простою и затратам на исправление. Поэтому одинаковый размер выборки не обязательно подходит для дешёвых крепежей и ответственных деталей: последствия ошибочного решения различаются.
Сравнивая варианты, полезно оценить ожидаемое число проверок и последствия обоих решений для характерных уровней качества. Допустим, два плана обеспечивают нужную вероятность отклонения плохой партии, но один чаще отклоняет партии удовлетворительного качества. Разница влияет на расходы поставщика и покупателя. Численные ограничения на риск следует согласовать до сбора выборки, а не подбирать после того, как результат уже известен. Так правило остаётся проверяемым и одинаковым для всех сопоставимых партий.
Частые ошибки
- Принимать за допустимую долю брака в партии. Это число несоответствующих изделий именно в проверенной выборке.
- Считать приёмку гарантией качества каждого изделия. Непроверенные единицы могут содержать несоответствия.
- Смешивать дефекты и дефектные изделия. Несколько дефектов одной единицы не равны нескольким несоответствующим единицам.
- Применять биномиальную формулу к любой партии. При значительной выборке без возвращения нужна оценка по конечной совокупности.
- Сравнивать риски без указания уровней качества. Значения и зависят от выбранных и .
FAQ
Что делать, если число несоответствующих равно приёмочному?
При одноступенчатом правиле партию принимают. Для другой схемы следуют заранее установленным правилам конкретного плана.
Можно ли поставить приёмочное число равным нулю?
Да. Тогда обнаружение хотя бы одного несоответствующего изделия ведёт к неприёмке. Но нулевой результат проверки всё равно не доказывает отсутствие несоответствий среди остальных изделий.
Заменяет ли выборочный контроль сплошной?
Он позволяет принимать решения при меньшем объёме проверки, но допускает ошибки обоих типов. Выбор зависит от последствий пропуска, затрат и возможности проведения испытаний.
Коротко
Статистический приёмочный контроль связывает случайную выборку с правилом решения о партии. План , принимает её при не более чем двух несоответствующих изделиях. Его OC-кривая показывает вероятность приёмки при каждом заданном уровне качества; выбор плана требует явно сопоставить риски и стоимость проверки.
Читайте также

Собственно-случайная выборка: отбор и расчёт
Как провести собственно-случайную выборку с возвращением и без него, рассчитать вероятность включения и оценить точность среднего на понятном примере.

Качественные и количественные методы: сравнение
Сравнение качественных и количественных методов исследования: вопросы, выборка, данные, анализ, валидность, смешанный дизайн и выбор метода для курсовой работы.

Генеральная совокупность и выборка в статистике
Генеральная совокупность и выборка в статистике: чем отличаются, как выборка оценивает параметры всей совокупности, виды выборок, репрезентативность, стандартная ошибка и доверительный интервал.

Коэффициент вариации выборки: формула и расчёт
Коэффициент вариации выборки простыми словами: формула через среднее и стандартное отклонение, пошаговый расчёт в процентах, порог однородности 33% и где студенты ошибаются в задачах по статистике.

Алгоритм Метрополиса-Гастингса: как работает MCMC
Алгоритм Метрополиса-Гастингса позволяет сэмплировать из сложного распределения через цепь Маркова. Разбираем шаг принятия, detailed balance и сходимость на понятных примерах.

ABC-анализ запасов: расчёт и пример
ABC-анализ запасов по стоимости годового расхода: формулы, пример с накопленными долями, правило границ групп A, B и C и применение результатов на складе.