단일 속성 샘플링 계획 또는 MIL-STD-105E는 검사가 두 가지 결과로만 분류될 수 있는 경우에 사용됩니다. 이러한 유형의 계획은 go/no-go 또는 사양 내 대 사양 외로 생각할 수 있습니다. 표본에서 발견된 결점 수를 세거나 공정에서 불량 비율을 평가하기만 하면 되므로 널리 사용됩니다. 큰 로트를 사용하는 경우 이항 분포가 사용됩니다. 반면, 초기하 분포는 결함이 단일 로트에서 발생할 때 사용됩니다. 검사된 로트의 불량 비율에 대한 합격 확률을 표시할 때 유형 A와 유형 B의 두 가지 곡선이 가능합니다. 유형 A의 경우 곡선은 로트의 불량 비율에 대해 로트가 합격될 확률을 나타냅니다. 유형 B의 경우 곡선은 합격될 로트의 비율과 생산자의 공정에서 결함이 있는 비율을 표시합니다.
이 과정은 크기 N의 로트에서 크기 n의 무작위 표본을 추출하는 것입니다. 샘플이 로트 자체로 의도된 경우 프로세스를 사용하여 로트를 생산할 때 유형 A 샘플링 또는 유형 B 샘플링으로 간주됩니다.
Procedure for Single Attributes Sampling단일 속성 샘플링 절차
2점 접근 방식을 사용하여 속성별로 단일 샘플링 계획을 생성하는 방법을 보여 드리겠습니다. 두 점 샘플링 계획 접근 방식을 사용하면 점에 대해 (p1, α) 및 (p2, β)를 사용합니다. 여기서 p1은 허용 가능한 품질 한계(AQL), p2는 거부 가능한 품질 한계(RQL), α는 생산자의 위험, β는 소비자의 위험입니다. JMP 표본 추출 계획 추가 기능을 사용하면 이항 분포(유형 
또는 초기하 분포(유형 A)를 사용할 수 있습니다.
추가 기능 실행 추가 기능 메뉴에서 JMP 샘플링 계획을 선택합니다. 속성-->단일을 선택합니다.
Single Attributes Sampling Plan단일 속성 샘플링 계획
이제 로트 승인 샘플링 계획에 대한 세 가지 옵션이 제공됩니다.
- 속성 계획 평가
- 속성 계획 생성 또는 생성
- 속성 계획 비교
두 포인트 방법을 사용하여 속성 샘플링 계획을 생성하는 옵션을 사용하겠습니다.
Generate Single Attributes Sampling Plan단일 속성 샘플링 계획 생성
확인을 클릭하면 AQL, RQL, α 및 β를 입력하고 로트 크기를 지정할 때 유형 A 또는 유형 B 분석에 대한 옵션을 선택할 수 있는 대화 상자가 나타납니다. 측정 단위를 사용하면 불량률 비율, 불량률 또는 백만개당 불량률에서 p에 대한 옵션을 변경할 수 있습니다. ~을 통해 드롭다운 메뉴. 계획을 지정할 때 가장 먼저 고려해야 할 사항은 생산자와 소비자 모두에게 제공되는 보호입니다.
대화 상자에 다음 값을 입력합니다.
AQL = 0.018
RQL = 0.18
AQL에서 로트를 합격시킬 확률(1- α ) = 0.95
RQL에서 로트를 합격시킬 확률(β) = 0.10
로트 크기는 선택 사항입니다. 로트 크기가 지정되지 않으면 성능 그래프가 표시되지 않습니다.
Specifying two points for single attribute sampling plan단일 속성 샘플링 계획에 대한 두 점 지정
JMP 샘플링 계획 보고서 작성된 계획에 대한 세부 정보가 포함되어 제작됩니다. 출력 내용을 검토하기 위해 각 개요 상자를 살펴보겠습니다.
첫 번째 개요 노드를 확장하면 계획을 생성하기 위해 지정된 매개변수가 표시됩니다.
Detail Report for Single Attribute Sampling Plan단일 속성 샘플링 계획에 대한 세부 보고서
또한 생성된 계획은 표본 크기(n) = 28이고 합격 수(c )는 2입니다. 28개 표본의 불량품 또는 부적합 품목 수가 <=2이면 로트를 합격하게 됩니다. 부적합 품목의 수가 2보다 크면 로트가 거부됩니다. 이 계획을 사용하면 부적합 품목이 1.8% 포함된 로트는 시간의 1.37%만 거부됩니다. 반면, 부적합 품목이 18% 포함된 로트는 적합한 품목은 9.795회 승인됩니다.
두 번째 개요 노드의 출력을 보면 OC(작동 특성 곡선)가 표시됩니다. OC 곡선은 플랜이 소비자와 생산자 모두에게 제공하는 보험을 평가하는 데 사용됩니다. 두 개의 OC 곡선이 표시됩니다. 왼쪽 곡선은 지정된 품질 수준(AQL = 0.018 및 RQL =0.18)과 관련(계산된) 합격 확률을 사용하여 표시됩니다. 여기서 오른쪽의 OC 곡선은 지정된 합격 확률( Pa@AQL = 0.95 및 Pa@RQL = 0.1 )과 계산된 품질 수준을 사용하여 표시됩니다.
Operating Characteristic Curves작동 특성 곡선
마지막 개요 노드를 확장하거나 보면 생성된 계획의 표 형식 요약이 표시됩니다. 원하는 품질을 보여주는 출력이 표시됩니다.
표는 지정된 AQL 및 RQL 수준 모두에서 관련 합격 확률의 증가 또는 감소를 나타내기 위해 색상으로 구분되어 있습니다. 파란색 글꼴과 위쪽 화살표 또는 0.097937 < 0.1과 RQL 및 동일한 파란색 글꼴의 아래쪽 화살표를 사용하여 AQL(0.98635 > 0.95)에서 합격 확률에 대해 요청된 것보다 더 나은 성능은 계산된 합격 확률과 요청한 것보다 더 좋든 나쁘든. 마찬가지로, 지정된 각 합격 확률에 대한 관련 품질 수준이 표시됩니다. 위쪽 화살표와 빨간색 글꼴 색상으로 표시되는 AQL(0.029800 > 0.018000)에서 관련 품질 수준이 증가하면 품질이 지정된 것보다 낮음을 나타냅니다. RQL( 0.17910 < 0.18000 )에서 관련 품질 수준을 살펴보면 아래쪽 화살표와 파란색 글꼴로 표시된 대로 예상보다 나은 결과를 볼 수 있습니다.
Tabular Plan Summary표 형식 계획 요약
이제 분석을 다시 실행해 보겠습니다. 이번에는 10,000개의 로트 크기를 제공하겠습니다. 작동 특성 곡선 아래의 빨간색 삼각형 메뉴 옵션에서 분석 다시 시작을 선택합니다. 그러면 이전 항목으로 채워진 옵션을 시작점으로 사용하여 분석이 시작됩니다. 연속 샘플링 유형 B(이항)에서 로트 샘플링--유형 A(초기하)로 선택을 변경하고 확인을 클릭하여 계속합니다.
보고서의 계획 요약 개요 상자 아래에 추가 성과 측정값이 계산되어 표 형식으로 요약되었습니다. 계산에 로트 크기를 통합했고 이제 초기하 분포를 사용하고 있으므로 출력은 이전에 제시된 것과 약간 다릅니다. 반면, 이전에는 이항 분포를 사용했습니다. Pm, 평균 샘플 수(ASN), 평균 샘플 수(완전히 축소됨), 평균 발송 품질(AOQ), 평균 발송 품질 한계(AOQL), 평균 전체 검사(ATI), AQOL의 평균 전체 검사 및 AQL 및 RQL 모두에 대해 지정된 품질의 실제 위험이 제공됩니다.
성능 그래프의 개요 노드를 확장하면 AOQ 및 ATI에 대한 플롯이 표시됩니다. 개요 노드 아래의 빨간색 삼각형 메뉴 옵션을 클릭하면 ASN을 포함하여 하나의 추가 그래프를 표시할 수 있습니다. ASN 곡선은 축소 없음 및 전체 축소로 표시됩니다. 다른 옵션에는 단일 플롯 또는 예측 프로파일러에 모든 곡선을 표시하는 것이 포함됩니다.
AOQ(평균 출고 품질) 도표는 불량률의 가능한 값에 대해 표시된 AOQ를 보여줍니다. 곡선 최대값의 AOQ는 AOQL로 지정됩니다.
그리고 불량률이 발생하는 지점을 Pm으로 표시합니다. AOQ 곡선은 수정이 완료된 후 소비자에게 제공되는 신뢰 수준을 평가하기 위해 거부된 로트를 100% 검사한 후 소비자에게 전달되는 평균 품질에 미치는 영향을 평가할 때 유용합니다.
Performance graphs with optional ASN Curve선택적 ASN 곡선이 포함된 성능 그래프
출력을 저장하거나 계획 요약 출력의 JMP 데이터 테이블을 생성하기 위해 다른 개요 노드 아래에서 사용할 수 있는 다른 빨간색 삼각형 메뉴 옵션을 탐색할 수 있는 옵션을 독자에게 남겨 둡니다.
다음번에는 Zero Attribute Lot Acceptance Sampling 계획을 만드는 방법을 살펴보겠습니다. 스퀴글리아 계획.
JMP 합격 표본 추출 계획 추가 기능
아래에 의견을 남겨주세요.
참고자료
국방부, 1989, 속성별 검사를 위한 샘플링 절차 및 표 , MIL-STD-105E, https://archive.org/details/MIL-STD-105E_1/mode/2up, 2021년 4월에 검색됨
실링, EG, & 노이바우어, DV, 2017년, 품질 관리의 합격 샘플링 , 3판, Boca Raton, FL, CRC Press
몽고메리, DC, 2013년, 통계적 품질관리 소개 , 7판, 미국, John Wiley & Sons
그랜트, EL, & 레번워스, RS, 통계적 품질 관리 , 5판, 1980, McGraw-Hill Book Co.
SAS/QC® 15.2 사용자 가이드, 2020, 캐리, 노스캐롤라이나
안녕 @stan_koprowski ,
이 추가 기능에 관심이 있어 질문하고 싶은 고객이 있습니다. 안타깝게도 저는 이 주제에 대해 도움을 드릴 수 있는 전문가가 아닙니다. 이에 대한 귀하의 답변에 진심으로 감사드립니다.
"특정 ASP의 경우
AQL과 RQL을 알고 있고 합격 수(a)를 알고 있다면 이 ASP에 필요한 최소 샘플 수(N)를 어떻게 결정합니까?"
감사합니다.
오웬
편집: Stan에게 답변해 주셔서 감사합니다!
"귀하의 질문을 올바르게 이해했다면 단일 속성 샘플링 계획을 생성해야 합니다.
JMP 샘플링 계획 > 속성 > 단일을 선택한 다음 속성 계획 생성/생성을 클릭합니다.
계획을 세우려면 두 가지 포인트가 필요합니다.
(P1, 1-알파) 및 (p2, 베타)
p1= aql
p2=rql
알파 = 0.05 및 베타 = 0.1의 일반적인 값
두 점에 대한 값을 제공하면 추가 기능이 필요한 샘플 크기와 합격 수를 계산합니다."
