Attributive Annahmestichprobenprüfung (Create)

Geben Sie AQL und RQL in fehlerhaften Einheiten pro Million an, dazu das Lieferantenrisiko (Standard 0.05) und das Abnehmerrisiko (Standard 0.1). Das Werkzeug ermittelt mit dem Binomialmodell den kleinsten Einfach-Stichprobenplan (n, c), der beide Risiken einhält, gibt die Annahmewahrscheinlichkeiten bei AQL und RQL aus und zeichnet die OC-Kurve. Mit Losgröße kommen AOQ, AOQL und ATI für die aussortierende Prüfung hinzu.

Zuletzt geprüft

Kernaussage

Attribute Acceptance Sampling (Create) erstellt einen Einfach-Stichprobenplan für die Gut/Schlecht-Prüfung: Aus AQL, RQL sowie Lieferanten- und Abnehmerrisiko ergeben sich Stichprobenumfang n und Annahmezahl c je Los.

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

Zweck

Attribute Acceptance Sampling (Create) erstellt einen Einfach-Stichprobenplan für die attributive Prüfung, bei der jede Einheit als gut oder fehlerhaft beurteilt wird. Sie geben die Qualitätslage an, bei der ein Los angenommen werden soll (AQL), die Qualitätslage, bei der es zurückgewiesen werden soll (RQL), sowie die beiden Risiken, die Sie tragen können. Das Werkzeug liefert den Stichprobenumfang n und die Annahmezahl c: Prüfen Sie n zufällig aus dem Los entnommene Einheiten, nehmen Sie das Los an, wenn höchstens c davon fehlerhaft sind, und weisen Sie es andernfalls zurück. Verwenden Sie es, um eine Wareneingangs- oder Endprüfung für einen Lieferanten oder ein Produkt einzurichten, wenn die Prüfung ein Gut/Schlecht-Ergebnis liefert (Sichtfehler, Grenzlehren, Funktionsprüfungen). Um bereits vorhandene Pläne zu vergleichen, verwenden Sie Attribute Acceptance Sampling (Compare).

Wichtigste Funktionen

  • Ermittelt den kleinsten Einfach-Stichprobenplan (n, c), der sowohl das Lieferantenrisiko bei der AQL als auch das Abnehmerrisiko bei der RQL einhält.
  • Gibt für den gefundenen Plan die tatsächliche Wahrscheinlichkeit an, ein Los bei der AQL bzw. bei der RQL anzunehmen.
  • Operationscharakteristik (OC-Kurve): Annahmewahrscheinlichkeit in Abhängigkeit von der Losqualität.
  • Mit Losgröße: Kurven für den mittleren Durchschlupf (AOQ) und den mittleren Gesamtprüfumfang (ATI) bei aussortierender Prüfung.
  • Qualitätslagen in fehlerhaften Einheiten pro Million (ppm).
  • PDF-Export über Download.

Statistische Methoden

Die Wahrscheinlichkeit, ein Los mit dem Fehleranteil p anzunehmen, ist 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. Der Plan muss Pa(AQL) ≥ 1 − α erfüllen, damit gute Lose selten zurückgewiesen werden (Lieferantenrisiko α), und Pa(RQL) ≤ β, damit schlechte Lose selten angenommen werden (Abnehmerrisiko β). AQL und RQL werden in ppm eingegeben und zur Umrechnung in Anteile durch 1,000,000 geteilt.

Für jede Annahmezahl c von 0 bis 60 ermittelt das Werkzeug das kleinste n mit Pa(RQL) ≤ β und prüft, ob dieses n weiterhin Pa(AQL) ≥ 1 − α erfüllt. Von den geeigneten Annahmezahlen behält es diejenige mit dem kleinsten Stichprobenumfang. Ist keine geeignet, fordert es einen größeren Abstand zwischen AQL und RQL oder weniger strenge Risiken. Das Binomialmodell setzt voraus, dass das Los im Vergleich zur Stichprobe groß ist; wird eine Losgröße eingegeben, muss der Stichprobenumfang kleiner als das Los sein.

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, der die Prüfung verlässt, und ATI(p) = n + (1 − Pa(p))·(N − n) die mittlere Anzahl geprüfter Einheiten je Los. Der höchste Punkt der AOQ-Kurve ist der maximale mittlere Durchschlupf (AOQL): die schlechteste mittlere Qualität, die beim Kunden ankommen kann, unabhängig von der Eingangsqualität. Alle Kurven werden für Losqualitäten von 0 bis zum Dreifachen der RQL gezeichnet.

Eingabefelder und Optionen

Feld

Beschreibung

Units for quality level

Defectives Per Million (einzige Auswahl).

Acceptable Quality Level (AQL)

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

Rejectable Quality Level (RQL / LTPD)

Pflichtfeld, in ppm, größer als die AQL. Die Qualitätslage, bei der Lose in der Regel zurückgewiesen werden sollen (rückzuweisende Qualitätsgrenzlage, Lot Tolerance Percent Defective).

Producer's risk (Alpha)

Standard 0.05. Die höchste vertretbare Wahrscheinlichkeit, ein Los bei der AQL zurückzuweisen.

Consumer's risk (Beta)

Standard 0.1. Die höchste vertretbare Wahrscheinlichkeit, ein Los bei der RQL anzunehmen.

Lot size

Optional, mindestens 2. Erforderlich für die AOQ- und ATI-Kurven (aussortierende Prüfung).

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 Acceptance Sampling by Attributes; wird als Überschrift der Ausgabe angezeigt.

create-attribute-acceptance-sampling-inputs


Abbildung 1 – Optionen für das Beispiel: AQL 10,000 ppm (1 %), RQL 50,000 ppm (5 %), α = 0.05, β = 0.1 und Lose zu je 2,000 Einheiten.

Beschreibung der Ausgabe

  • Plantabelle – Sample size (n), Acceptance number (c), AQL (ppm), P(accept | AQL), RQL (ppm) und P(accept | RQL); mit Losgröße außerdem der AOQL (ppm) und die Eingangsqualität (ppm), bei der er auftritt.
  • Operating Characteristic (OC) Curve – Annahmewahrscheinlichkeit in Abhängigkeit von den fehlerhaften Einheiten pro Million im Los.
  • Average Outgoing Quality (AOQ) Curve – bei angegebener Losgröße: mittlerer Durchschlupf in fehlerhaften Einheiten pro Million in Abhängigkeit von den fehlerhaften Einheiten pro Million im eingehenden Los; das Maximum ist der AOQL.
  • Average Total Inspection (ATI) Curve – bei angegebener Losgröße: mittlere Anzahl geprüfter Einheiten je Los in Abhängigkeit von den fehlerhaften Einheiten pro Million im eingehenden Los.
  • PDF-Export über Download.

create-attribute-acceptance-sampling-output


Abbildung 2 – Der Plan für das Beispiel: n = 132, c = 3; bei der AQL werden 95.6 % der Lose angenommen, bei der RQL 9.9 %, mit zugehöriger OC- und AOQ-Kurve.

Beispiel

Ein Lieferantenqualitätsingenieur richtet die Wareneingangsprüfung für spritzgegossene Steckverbinder ein, die in Losen zu 2,000 Stück geliefert werden. Jeder Steckverbinder wird mit einer Grenzlehre geprüft. Lose mit 1 % fehlerhaften Einheiten sind für das Werk akzeptabel, Lose mit 5 % fehlerhaften Einheiten müssen gestoppt werden. Der Ingenieur gibt AQL = 10000 ppm und RQL = 50000 ppm ein, behält Producer's risk = 0.05 und Consumer's risk = 0.1 bei und gibt Lot size = 2000 ein.

Der Plan lautet n = 132, c = 3: Entnehmen Sie jedem Los 132 Steckverbinder zufällig, nehmen Sie das Los an, wenn höchstens 3 fehlerhaft sind, und weisen Sie es zurück, wenn es 4 oder mehr sind. Ein Los mit 1 % fehlerhaften Einheiten wird mit der Wahrscheinlichkeit 0.9557 angenommen, knapp über den geforderten 0.95, ein Los mit 5 % fehlerhaften Einheiten mit der Wahrscheinlichkeit 0.0992, knapp unter 0.10. Die OC-Kurve zeigt das Gesamtbild: Die Annahmewahrscheinlichkeit fällt zwischen etwa 10,000 und 50,000 ppm steil ab. Bei Losen zu 2,000 Einheiten und 100-%-Prüfung zurückgewiesener Lose beträgt der AOQL 13,747 ppm; er wird erreicht, wenn die eingehenden Lose etwa 22,197 ppm fehlerhafte Einheiten enthalten. Unabhängig von der Eingangsqualität gelangen also im Mittel nicht mehr als etwa 1.4 % fehlerhafte Steckverbinder ins Werk.

Werden zurückgewiesene Lose zu 100 % sortiert und die fehlerhaften Einheiten ersetzt, erreicht die AOQ-Kurve ihr Maximum bei etwa 0.0137, wenn die eingehenden Lose etwa 22,000 ppm fehlerhafte Einheiten enthalten: Im Mittel gelangen nicht mehr als etwa 1.37 % fehlerhafte Steckverbinder an die Linie, gleichgültig, was der Lieferant liefert. Die ATI-Kurve zeigt den Aufwand: etwa 215 geprüfte Steckverbinder je Los, wenn die Lose bei der AQL liegen, steigend auf etwa 1,815 bei der RQL, weil dann die meisten Lose zurückgewiesen und sortiert werden. Mehr Schutz kostet mehr Prüfaufwand: β = 0.05 erfordert n = 181, c = 4, und eine RQL von 30,000 ppm erfordert n = 390, c = 7.

Häufig gestellte Fragen

Wie funktioniert ein attributiver Einfach-Stichprobenplan?

Prüfen Sie n zufällig aus dem Los entnommene Einheiten und zählen Sie die fehlerhaften. Nehmen Sie das Los an, wenn höchstens c fehlerhaft sind, andernfalls weisen Sie es zurück. Im Beispiel lautet der Plan n = 132, c = 3: Entnehmen Sie jedem Los zu 2,000 Stück 132 Steckverbinder, nehmen Sie das Los an, wenn höchstens 3 fehlerhaft sind, und weisen Sie es zurück, wenn es 4 oder mehr sind.

Wie werden Stichprobenumfang und Annahmezahl berechnet?

Der Plan muss bei der AQL eine Annahmewahrscheinlichkeit von mindestens 1 − α und bei der RQL von höchstens β ergeben, berechnet über die Binomialwahrscheinlichkeit, unter n Einheiten höchstens c fehlerhafte zu finden. Für jedes c von 0 bis 60 ermittelt das Werkzeug das kleinste n, das die RQL-Bedingung erfüllt, prüft die AQL-Bedingung und behält den Plan mit dem kleinsten Stichprobenumfang.

Was sind AQL und RQL in der Annahmestichprobenprüfung?

Die annehmbare Qualitätsgrenzlage (Acceptable Quality Level, AQL) ist die Qualität, bei der Lose in der Regel angenommen werden sollen, zum Beispiel 10,000 ppm für 1 % fehlerhaft. Die rückzuweisende Qualitätsgrenzlage (Rejectable Quality Level, RQL), auch LTPD genannt, ist die Qualität, bei der Lose in der Regel zurückgewiesen werden sollen; sie muss größer als die AQL sein. Beide werden in fehlerhaften Einheiten pro Million eingegeben.

Was ist der AOQL?

Mit Losgröße und aussortierender Prüfung, bei der zurückgewiesene Lose zu 100 % geprüft und fehlerhafte Einheiten ersetzt werden, ist der höchste Punkt der Kurve des mittleren Durchschlupfs der AOQL: die schlechteste mittlere Qualität, die beim Kunden ankommen kann, unabhängig von der Eingangsqualität. Im Beispiel mit Losen zu 2,000 Stück betrug der AOQL 13,747 ppm.