Wir führen manuelle Inspektionen durch und entfernen gefundenen Ausschuss (z. B. beschädigten Draht) bei jedem Schritt des Herstellungsprozesses. Da die manuelle Inspektion nicht zu 100 % effektiv ist, welche statistischen Methoden können für ATTRIBUTE-Daten verwendet werden, um die Anzahl der Ablehnungen vorherzusagen, die ein Kunde erhalten könnte?
Diese Frage ist nicht so einfach zu beantworten, da Sie sagen, dass „...die manuelle Inspektion nicht zu 100 % effektiv ist“. Sie erkennen an, dass einige Ausschussware an Kunden weitergegeben wird. Und Sie wollen diese Zahl vorhersagen. Die einzige Möglichkeit, die ich kenne, ist, eine Art Stichprobenplan für Kunden zu haben ... entweder Sie tun es ... oder sie tun es und berichten Ihnen. Dann ist ein einfaches Kontrolldiagramm eine Möglichkeit, die Anzahl der Ausschüsse, die Kunden „sehen“ können, „vorherzusagen“. Keine dieser Methoden wird Ihnen die Wahrheit sagen ... aber sie können Ihnen einige Informationen und Daten liefern, anhand derer Sie das Volumen der Zurückweisungen und die Stabilität dieses Volumens im Laufe der Zeit bewerten können.
Erstmal willkommen in der Community.
Zusätzlich zu Petes Kommentaren hier meine Gedanken:
1. Warum erhalten Sie bei jedem Schritt des Herstellungsprozesses Ausschuss? Wäre es nicht besser, Ihre Bemühungen zu verstehen, was die Ablehnungen verursacht, und daran zu arbeiten, diese Eingaben zu verwalten, um die Ablehnungen zu verhindern?
2. Ich glaube, Sie meinen eher eine visuelle Inspektion als eine manuelle (obwohl Sie möglicherweise darauf hinweisen, dass es sich nicht um eine automatisierte visuelle Inspektion handelt). Es wäre vorteilhaft (sowohl Effizienz als auch Effektivität), die Fehler mit einem kontinuierlichen Maß anstelle von Pass-Fail-Kriterien quantifizieren zu können. Möglicherweise müssen Sie kreativ werden (fragen Sie sich beispielsweise, wie Sie den Drahtschaden messen können, Standortmetriken können ebenfalls nützlich sein, manchmal können Fehlerdichten Licht ins Dunkel bringen). Defekte oder Defekte als Antwort werfen mehrere Probleme auf. Die visuelle Inspektion hat nicht nur die Herausforderungen der Effektivität, sondern kann auch leicht voreingenommen sein und mögliche Fehlermechanismen aggregieren, wodurch kausale Zusammenhänge schwer zu ermitteln sind.
3. Sie können P/NP-Diagramme (Defekte) oder C/U-Diagramme (Defekte) verwenden, um die Konsistenz zu beurteilen, aber auch hier wollen Sie wirklich nicht beständig Fehler machen.
