比较计数型验收抽样

针对您的 AQL 和 RQL(以 ppm 表示),比较多个通过/不通过抽样方案,方案以相对应的样本量 n 和接收数 c 两个列表输入。工具基于二项模型给出每个方案在 AQL 和 RQL 处的接收概率,并叠加绘制 OC 曲线。给定批量时,还会为挑选检验添加 AOQ 和 ATI 曲线。可用它在多个方案之间做选择。

最后审阅

核心要点

比较计数型验收抽样把多个一次抽样方案 (n, c) 并排比较,显示每个方案接收好批和坏批的频率,并在给定批量时显示其出厂质量和检验成本。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

比较计数型验收抽样把多个计数型检验的一次抽样方案并排比较。每个方案由样本量 n 和接收数 c 构成:从批中随机检验 n 个单位,若不合格品不超过 c 个则接收该批。输入您正在考虑的方案,例如目前使用的方案、客户的方案和创建计数型验收抽样(Attribute Acceptance Sampling (Create))给出的方案,以及您的 AQL 和 RQL,工具便会显示每个方案接收好批和坏批的频率;给定批量时,还显示有多少不合格品流出以及每个方案的检验成本。可用它在多个方案之间做选择,或检查现有方案能否保护您。

主要功能

  • 一次运行可含任意数量的方案,以相对应的样本量和接收数列表输入。
  • 每个方案在 AQL 和 RQL 处的接收概率。
  • 所有方案的操作特性(OC)曲线绘于同一张图上。
  • 给定批量时:针对挑选检验,给出每个方案的平均出厂质量(AOQ)曲线和平均总检验量(ATI)曲线。
  • 质量水平以每百万不合格品数(ppm)表示。
  • 通过 Download 导出 PDF。

统计方法

对每个方案,接收不合格品率为 p 的批的概率,是在 n 个单位中发现不超过 c 个不合格品的二项概率:Pa(p) = Σ (k = 0 to c) C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ。表中给出 AQL 和 RQL 处的 Pa(二者均以 ppm 输入,并除以 1,000,000)。1 减 Pa(AQL) 为生产方风险,即拒收好批的概率;Pa(RQL) 为使用方风险,即接收坏批的概率。OC 曲线越陡的方案,越能区分好批和坏批,但需要更大的样本。

给定批量 N 时,AOQ 和 ATI 曲线假设采用挑选检验:被拒收的批进行 100% 检验,并替换不合格品。此时 AOQ(p) = p·Pa(p)·(N − n) / N 为离开检验的平均不合格品率,ATI(p) = n + (1 − Pa(p))·(N − n) 为每批平均检验的单位数。方案 AOQ 曲线的峰值即其平均出厂质量上限(AOQL)。所有曲线都针对 0 至 3 倍 RQL 的批质量绘制。每个 c 必须小于其 n,每个 n 必须小于批量,且 RQL 必须大于 AQL。二项模型假定批相对于样本是大批。

输入字段和选项

字段

说明

Units for quality level

Defectives Per Million(唯一选项)。

Acceptable Quality Level (AQL)

必填,以 ppm 表示,例如 1% 不合格品取 10000。通常应接收批时的质量水平。

Rejectable Quality Level (RQL / LTPD)

必填,以 ppm 表示,大于 AQL。通常应拒收批时的质量水平。

Sample sizes (n)

必填。以空格或逗号分隔,例如“50 80 120”,每个方案一个。

Acceptance numbers (c)

必填。个数与样本量相同,例如“1 2 3”;第一个 c 对应第一个 n,依此类推。

Lot size

可选,至少为 2。绘制 AOQ 和 ATI 曲线时需要。

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

默认全部勾选。仅在输入批量时才绘制 AOQ 和 ATI 曲线。

Title

默认为 Compare Acceptance Sampling by Attributes。

compare-attribute-acceptance-sampling-inputs


图 1 — 三个方案(n = 80、132、200,对应 c = 1、3、5)在 AQL 10,000 ppm、RQL 50,000 ppm、批量 2,000 下的比较。

输出说明

  • Plan table — 每个方案的 Plan、n、c、P(accept | AQL) 和 P(accept | RQL)。
  • Operating Characteristic (OC) Curves — 接收概率对批每百万不合格品数的曲线,每个方案一条。
  • Average Outgoing Quality (AOQ) Curves — 给定批量时:平均出厂不合格品率对批每百万不合格品数的曲线;每个峰值即该方案的 AOQL。
  • Average Total Inspection (ATI) Curves — 给定批量时:每批平均检验的单位数。
  • 通过 Download 导出 PDF。

compare-attribute-acceptance-sampling-output


图 2 — 三个方案的方案表、OC 曲线和 AOQ 曲线;n = 200、c = 5 的 OC 曲线最陡。

计算示例

某供应商质量工程师收到成批的模塑连接器,每批 2,000 个,并用通止规检验。1% 不合格的批(AQL 10,000 ppm)应通过,5% 不合格的批(RQL 50,000 ppm)应被拦下。有三个方案可选:现行方案 n = 80、c = 1;创建计数型验收抽样(Attribute Acceptance Sampling (Create))给出的方案 n = 132、c = 3;以及客户的方案 n = 200、c = 5。工程师输入 Sample sizes = 80 132 200,Acceptance numbers = 1 3 5,Lot size = 2000。

现行方案在 AQL 处仅接收 80.9% 的批:约每五个好批就有一个被拒收,这对供应商不公平,筛选成本也高。它在 RQL 处接收 8.6% 的批。方案 n = 132、c = 3 在 AQL 处接收 95.6%,在 RQL 处接收 9.9%;n = 200、c = 5 分别接收 98.4% 和 6.2%,两方面都最好。在 OC 图上,它的曲线最陡。

批量曲线显示了成本。当批处于 AQL 时,现行方案平均每批检验约 446 个连接器,因为它要筛选很多好批,而 n = 132 约为 215 个,n = 200 约为 229 个。较大的方案在最坏情况下放过的略多一些:它们的 AOQ 曲线峰值约为 0.0137 和 0.0143(1.4% 不合格),而现行方案为 0.0100,因为它们拒收需筛选的批更少。工程师放弃现行方案,选择 n = 132、c = 3;如果客户坚持,则选择 n = 200、c = 5,每批约多检验 14 个单位。

常见问题

抽样方案的生产方风险和使用方风险是什么?

1 减去 AQL 处的接收概率为生产方风险,即拒收好批的概率。RQL 处的接收概率为使用方风险,即接收坏批的概率。比较表给出每个方案的这两个概率,因此您可以看出哪个方案能同时保护双方。

如何解读 OC 曲线?

操作特性曲线绘制接收批的概率对以每百万不合格品数表示的批质量,每个方案一条曲线。OC 曲线越陡的方案,越能区分好批和坏批,但需要更大的样本。在计算示例中,方案 n = 200、c = 5 的曲线最陡。

什么是 AOQ 和 AOQL?

在给定批量并采用挑选检验(被拒收的批进行 100% 检验并替换不合格品)时,平均出厂质量 AOQ(p) = p·Pa(p)·(N − n) / N 为离开检验的平均不合格品率。方案 AOQ 曲线的峰值即其平均出厂质量上限(AOQL)。

如何在 Zometric Statistical Software 中比较抽样方案?

以 ppm 输入 AQL 和 RQL,列出样本量(例如 80 132 200)和相对应的接收数(1 3 5),并可选输入批量。工具返回含 P(accept | AQL) 和 P(accept | RQL) 的方案表、叠加的 OC 曲线,以及给定批量时的 AOQ 和 ATI 曲线。二项模型假定批相对于样本是大批。