계수형 합격 표본 추출 비교(Attribute Acceptance Sampling Compare)
표본 크기 n과 합격 판정 개수 c의 목록으로 입력한 여러 합격/불합격 표본 추출 계획을 ppm 단위의 AQL 및 RQL에 대해 비교합니다. 이항 모형으로 AQL과 RQL에서 각 계획의 합격 확률을 구하고 OC 곡선을 겹쳐 그립니다. 로트 크기를 입력하면 선별 검사용 AOQ 및 ATI 곡선이 추가됩니다. 계획 중에서 선택할 때 사용합니다.
최종 검토
핵심 요점
계수형 합격 표본 추출 비교는 여러 1회 표본 추출 계획(n, c)을 나란히 놓고, 각 계획이 양호한 로트와 불량 로트를 얼마나 자주 합격시키는지, 로트 크기를 입력하면 출하 품질과 검사 비용까지 보여 줍니다.
목적
계수형 합격 표본 추출 비교는 계수형 검사를 위한 여러 1회 표본 추출 계획을 나란히 놓습니다. 각 계획은 표본 크기 n과 합격 판정 개수 c로 이루어집니다. 로트에서 n개를 무작위로 검사하여 불량품이 c개 이하이면 로트를 합격시킵니다. 현재 사용 중인 계획, 고객의 계획, Attribute Acceptance Sampling (Create)에서 나온 계획 등 검토 중인 계획을 AQL 및 RQL과 함께 입력하면, 도구가 각 계획이 양호한 로트와 불량 로트를 얼마나 자주 합격시키는지 보여 주며, 로트 크기를 입력하면 불량 제품이 얼마나 통과하는지와 각 계획의 검사 비용이 얼마인지도 보여 줍니다. 계획 중에서 선택하거나 기존 계획이 자신을 보호하는지 확인할 때 사용합니다.
주요 기능
- 한 번의 실행에서 개수 제한 없이 계획을 비교하며, 표본 크기와 합격 판정 개수를 대응되는 목록으로 입력합니다.
- 모든 계획에 대한 AQL과 RQL에서의 합격 확률.
- 모든 계획의 검사 특성(OC) 곡선을 한 그림에 표시.
- 로트 크기를 입력하면 선별 검사용으로 각 계획의 평균 출검 품질(AOQ) 및 평균 총 검사량(ATI) 곡선.
- 백만 개당 불량품 수(ppm) 단위의 품질 수준.
- Download를 통한 PDF 내보내기.
통계적 방법
각 계획에서 불량률 p인 로트를 합격시킬 확률은 n개 중 불량품이 c개 이하일 이항 확률입니다. Pa(p) = Σ (k = 0 to c) C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ. 표는 AQL과 RQL에서의 Pa를 보여 줍니다(둘 다 ppm으로 입력하며 1,000,000으로 나눕니다). 1에서 Pa(AQL)을 뺀 값은 생산자 위험, 즉 양호한 로트를 불합격시킬 확률이며, Pa(RQL)은 소비자 위험, 즉 불량 로트를 합격시킬 확률입니다. OC 곡선이 더 가파른 계획은 양호한 로트와 불량 로트를 더 잘 구분하지만 더 큰 표본이 필요합니다.
로트 크기 N을 입력하면 AOQ 및 ATI 곡선은 선별 검사를 가정합니다. 불합격 로트는 전수 검사하고 불량품은 교체합니다. 그러면 AOQ(p) = p·Pa(p)·(N − n) / N은 검사 후 출하되는 평균 불량률이고, ATI(p) = n + (1 − Pa(p))·(N − n)은 로트당 평균 검사 개수입니다. 계획의 AOQ 곡선의 최댓값이 평균 출검 품질 한계(AOQL)입니다. 모든 곡선은 로트 품질 0부터 RQL의 세 배까지 그립니다. 각 c는 해당 n보다 작아야 하고, 각 n은 로트 크기보다 작아야 하며, RQL은 AQL보다 커야 합니다. 이항 모형은 로트가 표본에 비해 크다고 가정합니다.
입력 항목 및 옵션
항목 | 설명 |
Units for quality level | Defectives Per Million(유일한 선택지). |
Acceptable Quality Level (AQL) | 필수, ppm 단위. 예: 불량률 1%는 10000. 로트가 보통 합격되어야 하는 품질 수준입니다. |
Rejectable Quality Level (RQL / LTPD) | 필수, ppm 단위이며 AQL보다 커야 합니다. 로트가 보통 불합격되어야 하는 품질 수준입니다. |
Sample sizes (n) | 필수. 공백 또는 쉼표로 구분하며 계획마다 하나씩 입력합니다. 예: “50 80 120”. |
Acceptance numbers (c) | 필수. 표본 크기와 같은 개수로 입력합니다. 예: “1 2 3”. 첫 번째 c는 첫 번째 n과, 이후도 같은 방식으로 짝을 이룹니다. |
Lot size | 선택 사항, 2 이상. AOQ 및 ATI 곡선에 필요합니다. |
Operating characteristic (OC) curve / Average outgoing quality (AOQ) curve / Average total inspection (ATI) curve | 기본적으로 모두 선택되어 있습니다. AOQ 및 ATI 곡선은 로트 크기를 입력했을 때만 그려집니다. |
Title | 기본값은 Compare Acceptance Sampling by Attributes입니다. |

그림 1 — 로트 크기 2,000에서 AQL 10,000 ppm, RQL 50,000 ppm으로 비교한 세 계획(n = 80, 132, 200, c = 1, 3, 5).
출력 설명
- 계획 표 — 각 계획의 Plan, n, c, P(accept | AQL), P(accept | RQL).
- Operating Characteristic (OC) Curves — 로트 백만 개당 불량품 수에 대한 합격 확률이며 계획마다 곡선이 하나씩 있습니다.
- Average Outgoing Quality (AOQ) Curves — 로트 크기를 입력했을 때: 로트 백만 개당 불량품 수에 대한 평균 출검 불량률이며, 각 최댓값이 해당 계획의 AOQL입니다.
- Average Total Inspection (ATI) Curves — 로트 크기를 입력했을 때: 로트당 평균 검사 개수.
- Download를 통한 PDF 내보내기.

그림 2 — 세 계획의 계획 표, OC 곡선, AOQ 곡선. n = 200, c = 5가 가장 가파른 OC 곡선을 가집니다.
계산 예제
한 공급업체 품질 엔지니어가 2,000개 단위의 로트로 성형 커넥터를 입고하여 통과/불통과 게이지로 검사합니다. 불량률 1%(AQL 10,000 ppm)인 로트는 합격해야 하고 불량률 5%(RQL 50,000 ppm)인 로트는 차단해야 합니다. 세 가지 계획이 검토 대상입니다. 현재 계획 n = 80, c = 1, Attribute Acceptance Sampling (Create)에서 나온 계획 n = 132, c = 3, 그리고 고객의 계획 n = 200, c = 5입니다. 엔지니어는 Sample sizes = 80 132 200, Acceptance numbers = 1 3 5, Lot size = 2000을 입력합니다.
현재 계획은 AQL에서 로트의 80.9%만 합격시킵니다. 양호한 로트 다섯 개 중 약 하나가 불합격되어 공급업체에 불공정하고 선별 비용이 많이 듭니다. RQL에서는 로트의 8.6%를 합격시킵니다. n = 132, c = 3 계획은 AQL에서 95.6%, RQL에서 9.9%를 합격시키며, n = 200, c = 5는 각각 98.4%와 6.2%로 두 기준 모두에서 가장 우수합니다. OC 그림에서 이 계획의 곡선이 가장 가파릅니다.
로트 크기 곡선은 비용을 보여 줍니다. 로트가 AQL 수준일 때 현재 계획은 양호한 로트를 너무 많이 선별하므로 로트당 평균 약 446개의 커넥터를 검사하는 반면, n = 132는 약 215개, n = 200은 약 229개입니다. 더 큰 계획은 최악의 경우 조금 더 많이 통과시킵니다. 이들의 AOQ 곡선은 약 0.0137과 0.0143(불량률 1.4%)에서 최대가 되며, 현재 계획은 0.0100입니다. 선별을 위해 불합격시키는 로트가 더 적기 때문입니다. 엔지니어는 현재 계획을 버리고 n = 132, c = 3을 선택하며, 고객이 고집하면 로트당 약 14개를 더 검사하는 n = 200, c = 5를 선택합니다.
자주 묻는 질문
표본 추출 계획의 생산자 위험과 소비자 위험이란 무엇입니까?
1에서 AQL에서의 합격 확률을 뺀 값이 생산자 위험으로, 양호한 로트를 불합격시킬 확률입니다. RQL에서의 합격 확률이 소비자 위험으로, 불량 로트를 합격시킬 확률입니다. 비교 표는 모든 계획에 대해 두 확률을 제공하므로 어떤 계획이 양쪽을 모두 보호하는지 확인할 수 있습니다.
OC 곡선은 어떻게 읽습니까?
검사 특성 곡선은 로트 품질(백만 개당 불량품 수)에 대한 로트 합격 확률을 나타내며 계획마다 곡선이 하나씩 있습니다. OC 곡선이 더 가파른 계획은 양호한 로트와 불량 로트를 더 잘 구분하지만 더 큰 표본이 필요합니다. 계산 예제에서는 n = 200, c = 5 계획의 곡선이 가장 가팔랐습니다.
AOQ와 AOQL이란 무엇입니까?
로트 크기와 선별 검사(불합격 로트는 전수 검사하고 불량품은 교체)를 적용하면, 평균 출검 품질 AOQ(p) = p·Pa(p)·(N − n) / N은 검사 후 출하되는 평균 불량률입니다. 계획의 AOQ 곡선의 최댓값이 평균 출검 품질 한계(AOQL)입니다.
Zometric Statistical Software에서 표본 추출 계획은 어떻게 비교합니까?
AQL과 RQL을 ppm으로 입력하고, 표본 크기(예: 80 132 200)와 그에 대응하는 합격 판정 개수(1 3 5), 그리고 선택적으로 로트 크기를 나열합니다. 도구는 P(accept | AQL)과 P(accept | RQL)이 포함된 계획 표, 겹쳐 그린 OC 곡선, 그리고 로트 크기를 입력하면 AOQ 및 ATI 곡선을 제공합니다. 이항 모형은 로트가 표본에 비해 크다고 가정합니다.
