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.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

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.

compare-attribute-acceptance-sampling-inputs


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.

compare-attribute-acceptance-sampling-output


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.