Attributive Annahmestichprobenprüfung (Vergleich von Prüfplänen)

Vergleichen Sie mehrere Gut/Schlecht-Stichprobenpläne, eingegeben als zueinander passende Listen von Stichprobenumfängen n und Annahmezahlen c, anhand Ihrer AQL und RQL in ppm. Das Werkzeug liefert für jeden Plan die Annahmewahrscheinlichkeit bei AQL und RQL nach dem Binomialmodell und überlagert die OC-Kurven. Mit einer Losgröße kommen AOQ- und ATI-Kurven für die aussortierende Prüfung hinzu. Nutzen Sie es zur Auswahl zwischen Plänen.

Zuletzt geprüft

Kernaussage

Attribute Acceptance Sampling (Compare) stellt mehrere Einfach-Stichprobenpläne (n, c) nebeneinander und zeigt, wie oft jeder gute und schlechte Lose annimmt, sowie mit Losgröße Durchschlupf und Prüfaufwand.

Auf dieser Seite
  1. Zweck
  2. Wichtige Funktionen
  3. Statistische Methoden
  4. Eingabefelder und Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Attribute Acceptance Sampling (Compare) stellt mehrere Einfach-Stichprobenpläne für die attributive Prüfung nebeneinander. Jeder Plan besteht aus einem Stichprobenumfang n und einer Annahmezahl c: Prüfen Sie n zufällig entnommene Einheiten aus dem Los und nehmen Sie es an, wenn höchstens c fehlerhaft sind. Sie geben die infrage kommenden Pläne ein, zum Beispiel den heute verwendeten Plan, den Plan eines Kunden und den Plan aus Attribute Acceptance Sampling (Create), zusammen mit Ihrer AQL und RQL, und das Werkzeug zeigt, wie oft jeder Plan gute und schlechte Lose annimmt und, mit Losgröße, wie viel fehlerhaftes Produkt durchkommt und wie viel Prüfaufwand jeder Plan verursacht. Nutzen Sie es, um zwischen Plänen zu wählen oder um zu prüfen, ob ein bestehender Plan Sie schützt.

Wichtige Funktionen

  • Beliebig viele Pläne in einem Durchlauf, eingegeben als zueinander passende Listen von Stichprobenumfängen und Annahmezahlen.
  • Annahmewahrscheinlichkeit bei der AQL und bei der RQL für jeden Plan.
  • Operationscharakteristiken (OC-Kurven) aller Pläne in einem Diagramm.
  • Mit Losgröße: Kurven des mittleren Durchschlupfs (AOQ) und des mittleren Gesamtprüfumfangs (ATI) für jeden Plan bei aussortierender Prüfung.
  • Qualitätslagen in fehlerhaften Einheiten je Million (ppm).
  • PDF-Export über Download.

Statistische Methoden

Für jeden Plan ist die Wahrscheinlichkeit, ein Los mit Fehleranteil p anzunehmen, die Binomialwahrscheinlichkeit, unter n Einheiten höchstens c fehlerhafte zu finden: Pa(p) = Σ (k = 0 to c) C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ. Die Tabelle gibt Pa bei der AQL und bei der RQL an (beide in ppm eingegeben und durch 1,000,000 geteilt). Eins minus Pa(AQL) ist das Lieferantenrisiko, die Wahrscheinlichkeit, ein gutes Los zurückzuweisen; Pa(RQL) ist das Abnehmerrisiko, die Wahrscheinlichkeit, ein schlechtes Los anzunehmen. Ein Plan mit steilerer OC-Kurve trennt gute und schlechte Lose besser und benötigt einen größeren Stichprobenumfang.

Mit einer Losgröße N setzen die AOQ- und ATI-Kurven eine aussortierende Prüfung voraus: Zurückgewiesene Lose werden zu 100% geprüft und fehlerhafte Einheiten ersetzt. Dann ist AOQ(p) = p·Pa(p)·(N − n) / N der mittlere Fehleranteil nach der Prüfung und ATI(p) = n + (1 − Pa(p))·(N − n) die mittlere Anzahl geprüfter Einheiten je Los. Das Maximum der AOQ-Kurve eines Plans ist sein maximaler mittlerer Durchschlupf (AOQL). Alle Kurven werden für Losqualitäten von 0 bis zum Dreifachen der RQL gezeichnet. Jedes c muss kleiner als sein n sein, jedes n kleiner als die Losgröße und die RQL größer als die AQL. Das Binomialmodell setzt voraus, dass das Los im Vergleich zur Stichprobe groß ist.

Eingabefelder und Optionen

Feld

Beschreibung

Units for quality level

Defectives Per Million (die einzige Auswahl).

Acceptable Quality Level (AQL)

Erforderlich, in ppm, z. B. 10000 für 1% fehlerhaft. Die Qualitätslage, bei der Lose in der Regel angenommen werden sollen.

Rejectable Quality Level (RQL / LTPD)

Erforderlich, in ppm, größer als die AQL. Die Qualitätslage, bei der Lose in der Regel zurückgewiesen werden sollen.

Sample sizes (n)

Erforderlich. Durch Leerzeichen oder Kommas getrennt, z. B. „50 80 120“, einer je Plan.

Acceptance numbers (c)

Erforderlich. Gleiche Anzahl wie die Stichprobenumfänge, z. B. „1 2 3“; das erste c gehört zum ersten n usw.

Lot size

Optional, mindestens 2. Erforderlich für die AOQ- und ATI-Kurven.

Operating characteristic (OC) curve / Average outgoing quality (AOQ) curve / Average total inspection (ATI) curve

Standardmäßig alle aktiviert. Die AOQ- und ATI-Kurven werden nur gezeichnet, wenn eine Losgröße eingegeben ist.

Title

Standard: Compare Acceptance Sampling by Attributes.

compare-attribute-acceptance-sampling-inputs


Abbildung 1 — Drei Pläne (n = 80, 132, 200 mit c = 1, 3, 5) im Vergleich bei AQL 10,000 ppm und RQL 50,000 ppm für Lose von 2,000.

Beschreibung der Ausgabe

  • Plantabelle — Plan, n, c, P(accept | AQL) und P(accept | RQL) für jeden Plan.
  • Operating Characteristic (OC) Curves — Annahmewahrscheinlichkeit gegen fehlerhafte Einheiten je Million im Los, eine Kurve je Plan.
  • Average Outgoing Quality (AOQ) Curves — bei angegebener Losgröße: mittlerer Fehleranteil nach der Prüfung gegen fehlerhafte Einheiten je Million im Los; jedes Maximum ist der AOQL des jeweiligen Plans.
  • Average Total Inspection (ATI) Curves — bei angegebener Losgröße: mittlere Anzahl geprüfter Einheiten je Los.
  • PDF-Export über Download.

compare-attribute-acceptance-sampling-output


Abbildung 2 — Plantabelle, OC-Kurven und AOQ-Kurven für die drei Pläne; n = 200, c = 5 hat die steilste OC-Kurve.

Beispiel

Ein Lieferantenqualitätsingenieur erhält spritzgegossene Steckverbinder in Losen von 2,000 und prüft sie mit einer Gut/Schlecht-Lehre. Lose mit 1% Fehleranteil (AQL 10,000 ppm) sollen durchgehen, Lose mit 5% Fehleranteil (RQL 50,000 ppm) sollen gestoppt werden. Drei Pläne stehen zur Auswahl: der aktuelle Plan n = 80, c = 1; der Plan aus Attribute Acceptance Sampling (Create), n = 132, c = 3; und der Plan eines Kunden, n = 200, c = 5. Der Ingenieur gibt Sample sizes = 80 132 200, Acceptance numbers = 1 3 5 und Lot size = 2000 ein.

Der aktuelle Plan nimmt bei der AQL nur 80.9% der Lose an: Etwa jedes fünfte gute Los wird zurückgewiesen, was gegenüber dem Lieferanten unfair und beim Sortieren kostspielig ist. Bei der RQL nimmt er 8.6% der Lose an. Der Plan n = 132, c = 3 nimmt bei der AQL 95.6% und bei der RQL 9.9% an, und n = 200, c = 5 nimmt 98.4% bzw. 6.2% an – in beiden Punkten der beste. Im OC-Diagramm ist seine Kurve die steilste.

Die Kurven mit Losgröße zeigen die Kosten. Liegen die Lose bei der AQL, prüft der aktuelle Plan im Mittel etwa 446 Steckverbinder je Los, weil er so viele gute Lose sortiert, gegenüber etwa 215 bei n = 132 und 229 bei n = 200. Die größeren Pläne lassen im ungünstigsten Fall etwas mehr durch: Ihre AOQ-Kurven erreichen ihr Maximum bei etwa 0.0137 und 0.0143 (1.4% fehlerhaft), gegenüber 0.0100 beim aktuellen Plan, weil sie weniger Lose zum Sortieren zurückweisen. Der Ingenieur verwirft den aktuellen Plan und wählt n = 132, c = 3 oder, falls der Kunde darauf besteht, n = 200, c = 5 für etwa 14 Einheiten mehr je Los.

Häufig gestellte Fragen

Was sind Lieferantenrisiko und Abnehmerrisiko eines Stichprobenplans?

Eins minus die Annahmewahrscheinlichkeit bei der AQL ist das Lieferantenrisiko, die Wahrscheinlichkeit, ein gutes Los zurückzuweisen. Die Annahmewahrscheinlichkeit bei der RQL ist das Abnehmerrisiko, die Wahrscheinlichkeit, ein schlechtes Los anzunehmen. Die Vergleichstabelle gibt beide Wahrscheinlichkeiten für jeden Plan an, sodass Sie sehen, welcher Plan beide Seiten schützt.

Wie liest man eine OC-Kurve?

Die Operationscharakteristik (OC-Kurve) zeigt die Wahrscheinlichkeit, ein Los anzunehmen, gegen die Losqualität in fehlerhaften Einheiten je Million, mit einer Kurve je Plan. Ein Plan mit steilerer OC-Kurve trennt gute und schlechte Lose besser, benötigt aber einen größeren Stichprobenumfang. Im Beispiel hatte der Plan n = 200, c = 5 die steilste Kurve.

Was sind AOQ und AOQL?

Mit einer Losgröße und aussortierender Prüfung, bei der zurückgewiesene Lose zu 100% geprüft und fehlerhafte Einheiten ersetzt werden, ist der mittlere Durchschlupf AOQ(p) = p·Pa(p)·(N − n) / N der mittlere Fehleranteil nach der Prüfung. Das Maximum der AOQ-Kurve eines Plans ist sein maximaler mittlerer Durchschlupf (AOQL).

Wie vergleichen Sie Stichprobenpläne in Zometric Statistical Software?

Geben Sie AQL und RQL in ppm ein, listen Sie die Stichprobenumfänge (zum Beispiel 80 132 200) und die passenden Annahmezahlen (1 3 5) auf und optional eine Losgröße. Das Werkzeug liefert eine Plantabelle mit P(accept | AQL) und P(accept | RQL), überlagerte OC-Kurven und, mit Losgröße, AOQ- und ATI-Kurven. Das Binomialmodell setzt voraus, dass das Los im Vergleich zur Stichprobe groß ist.