確定 SPC 數據的正確採樣率你好，
我有一個 SPC 數據，UCL = 12.015 和 LCL = 12（目標是 120.007） - 見附件。
我的 OOC（失控）值太高，我想檢查我的採樣率是否正確。
當前採樣率為 0.1（測量了 10 個零件中的 1 個）並且我們缺少 OOC 測量值（有 2 組具有相同限制的 SPC 值：“測量深度 7”和“測量深度 1”）。
我嘗試使用樣本大小和功效，但不確定在對話框中選擇哪個選項。
謝謝，約尼
回复：確定 SPC 數據的正確採樣率我有兩個回應，也許其他專家會加入這個討論。 （提示提示）
首先，您的圖片顯示了適用於兩個階段的相同歷史限制。 您是否期望流程性能在第 2 階段保持不變？ 兩個階段之間過程變化的性質是什麼？ 是為了減少差異還是以目標為中心？從您的圖表中我可以明顯看出，過程均值在第 2 階段向上移動，這就是 OOC 信號豐富的原因。 這不是採樣不足或採樣頻率低的問題。
其次，抽樣頻率的確定更多地與特殊原因的性質有關，而不是與隨機誤差的模型（例如，正態分佈）有關。 有哪些特殊原因？ 您是否進行過根本原因分析或故障模式和影響分析？ 特殊原因的影響有多大？ 它們什麼時候可以發生？ 它們發生的頻率或頻率是多少？
我可以從圖例中看到，個人圖表的 LCL、中心和 UCL 在兩個階段並不完全相同，但我不敢相信階段 2 的限制是用這些數據計算的。 事實上，我之前的圖表顯示，第 2 階段表現出方差減少和更高的中心。
回复：確定 SPC 數據的正確採樣率非常感謝馬克！
我會澄清一下-第一階段和第二階段是我手動添加到數據中的-我在您提到的幾點上有錯誤-請忽略。
我的主要問題是圖表中的高 OOC 率（請參閱附件中的黃色標記）。 UCL 不能修改，因為它是產品要求的一部分。
從每批零件中，10 個零件中就有 1 個零件被測量並記錄在數據庫中。
我主要擔心的是採樣率（十分之一）太低，所以我們只捕獲了一小部分 OOC 零件，而實際上同一批次中有更多的 OOC 零件。
這些 OOC 零件僅在生產線的後期才被捕獲（返工更複雜，可能會降低零件質量）。
考慮到總體是正態分佈的——我怎樣才能找到正確的採樣率，以確保（以 90% 的功率）我們捕獲批次中的所有 OOC 部分？
回复：確定 SPC 數據的正確採樣率
非常感謝馬克！
我會澄清一下-第一階段和第二階段是我手動添加到數據中的-我在您提到的幾點上有錯誤-請忽略。
我的主要問題是圖表中的高 OOC 率（見下方黃色標記）。 UCL 不能修改，因為它是產品要求的一部分。
從每批零件中，10 個零件中就有 1 個零件被測量並記錄在數據庫中。
我主要擔心的是採樣率（十分之一）太低，所以我們只捕獲了一小部分 OOC 零件，而實際上同一批次中有更多的 OOC 零件。
這些 OOC 零件僅在生產線的後期才被捕獲（返工更複雜，可能會降低零件質量）。
考慮到總體是正態分佈的——我怎樣才能找到正確的採樣率，以確保（以 90% 的功率）我們捕獲批次中的所有 OOC 部分？
回复：確定 SPC 數據的正確採樣率你是對的，樣本量計算器不適用於控製圖。 它們用於特定的假設檢驗（例如，噸-測試）。 控製圖基於理性子群. 它們的大小和頻率是通過考慮過程輸出中不自然偏差的特殊原因的性質來確定的。 子組的大小和組成應該沒有特殊原因的變化。 頻率應該最大限度地增加特殊原因的機會。
我使用了你的數據樣本。 我將時間轉換為具有連續建模類型的數值數據，然後按日期和時間對數據表進行排序。 我得到了測量深度 1 和測量深度 7 的這些 XmR 圖表。 （排序暴露了一個潛在的數據問題，其中歷史後期的兩個觀察被分配到階段 = 1 而不是 2。）
您能描述一下您在使用這些圖表時遇到的問題嗎？
