預測最終客戶的屬性拒絕我們在每個製造過程步驟中進行人工檢查並清除發現的廢品（例如損壞的電線）。 由於人工檢驗並非 100% 有效，有哪些統計方法可用於 ATTRIBUTE 數據來預測客戶可能收到的廢品數量？
分析回复：預測最終客戶的屬性拒絕這個問題不是那麼容易回答的，因為您說“……人工檢查不是 100% 有效的。”您承認某些拒絕傳遞給客戶。 你想預測這個數字。 我知道如何做到這一點的唯一方法是對客戶制定某種抽樣計劃……要么你這樣做……要么他們這樣做並向你報告。 那麼一個簡單的控製圖是“預測”客戶“可以看到”的拒絕數量的一種方法。 這兩種方法都不會給你真相……但它們可以為你提供一些信息和數據，以評估不合格品的數量和該數量隨時間的穩定性。
回复：預測最終客戶的屬性拒絕首先，歡迎來到社區。
除了皮特的評論，以下是我的想法：
1. 為什麼您在製造過程的每一步都會收到不合格品？ 您的努力不是更好地了解導致拒絕的原因並努力管理這些輸入以防止拒絕。
2.我相信您的意思是目視檢查而不是手動（儘管您的觀點可能不是自動目視檢查）。 能夠通過連續測量而不是通過-失敗標準來量化缺陷將是有益的（效率和有效性）。 您可能需要發揮創造力（例如，問問自己如何測量電線損壞，位置指標也可能很有用，有時缺陷密度可以說明問題）。 作為響應的缺陷或缺陷會帶來多個問題。 目視檢查不僅在有效性方面存在挑戰，而且還很容易產生偏差，並彙總可能的故障機制，從而難以確定因果關係。
3. 您可以使用 P/NP-charts（缺陷）或 C/U-charts（缺陷）來評估一致性，但同樣您真的不想始終如一地製造缺陷。
