エンドカスタマーでの属性拒否の予測製造工程の各段階で、手作業による検査を行い、見つかった不良品（ワイヤーの損傷など）を取り除きます。 手動検査は100％効果的ではないため、顧客が取得できる拒否の数を予測するためにATTRIBUTEデータに使用できる統計的方法は何ですか？
分析Re：エンドカスタマーでの属性拒否の予測「...手動検査は100％効果的ではない」とあなたが述べているので、この質問はそれほど簡単には答えられません。一部の拒否が顧客に渡されることを認めています。 そして、あなたはその数を予測したいと思います。 これを行う方法を私が知っている唯一の方法は、顧客にある種のサンプリング計画を立てることです...あなたがそれを行うか...または彼らがそれを行ってあなたに報告します。 次に、単純な管理図は、「顧客が見ることができる拒否の数」を「予測」する1つの方法です。 これらの方法のどちらもあなたに真実を与えることはありません...しかし、それらはあなたに不合格の量とその量の経時的な安定性を評価するためのいくつかの情報とデータを与えることができます。
Re：エンドカスタマーでの属性拒否の予測まず、コミュニティへようこそ。
ピートのコメントに加えて、ここに私の考えがあります：
1.製造プロセスの各ステップで不合格になるのはなぜですか？ 何が不合格を引き起こしているのかを理解し、不合格を防ぐためにそれらの入力を管理するためにあなたの努力がよりよく役立つのではないでしょうか。
2.手動ではなく目視検査を意味していると思います（自動目視検査ではないかもしれませんが）。 合格/不合格の基準ではなく、継続的な測定で欠陥を定量化できることは、（効率と有効性の両方で）有益です。 創造性を発揮する必要があるかもしれません（たとえば、ワイヤーの損傷を測定する方法を自問してください。位置メトリックも役立つ場合があり、欠陥密度が明らかになる場合があります）。 応答としての欠陥または欠陥は、複数の問題を引き起こします。 目視検査には有効性の課題があるだけでなく、簡単にバイアスをかけることができ、考えられる障害メカニズムを集約して、因果関係を確認するのが困難になります。
3. P / NPチャート（欠陥）またはC / Uチャート（欠陥）を使用して一貫性を評価できますが、やはり一貫して欠陥を作りたくはありません。
