Stichprobengröße und Leistung für die FehlerzählungJMP Version 17.2.0
Wir fertigen kleine Einheiten und montieren 300 Einheiten auf jeder Baugruppe. Jede Baugruppe wird getestet und wir ermitteln die Anzahl der defekten Einheiten pro Baugruppe. Wir haben Aufzeichnungen von 20 Baugruppen und kennen die Anzahl der defekten Einheiten, die in jeder der 20 Baugruppen gefunden wurden. Eine Prozessänderung wird in Betracht gezogen und wir möchten feststellen, ob die Änderung die Defekte pro Baugruppe erheblich reduziert. Was ist die beste Vorgehensweise zur Ermittlung von Stichprobengröße, Aussagekraft und Defektreduzierung: 1-seitiger Test, Ziel sind 0 Defekte pro Baugruppe.
VersuchsplanungBetreff: Stichprobengröße und Leistung für die FehlerzählungHallo @MichaelR1 : Ich habe ein paar Fragen/Kommentare ... in keiner bestimmten Reihenfolge.
1. Wird jede Einheit unabhängig von der Baugruppe, in der sie sich befindet, im selben Verfahren hergestellt (mit derselben Fehlerrate)?
2. Bekommt Montage 1 die ersten 300 Einheiten vom Band, Montage 2 die nächsten 300 Einheiten usw.?
3. Gibt es einen Grund für die Annahme, dass die durchschnittliche Fehlerquote von Baugruppe zu Baugruppe unterschiedlich ist (vielleicht basierend darauf, wie die Einheiten für jede Baugruppe ausgewählt werden ... siehe Punkt 2 oben).
Mit diesen 3 können wir beginnen ...
Betreff: Stichprobengröße und Leistung für die FehlerzählungDanke für die Fragen. Die Einheiten werden im selben Prozess hergestellt. Sie werden in Gruppen von 300 Stück auf die Baugruppen montiert: ungefähr FIFO. Die Montage sollte keinen Einfluss auf die Fehlerrate haben, da die Grundursache im Produktionsprozess der Einheit gefunden wurde.
So wie ich es jetzt verstehe, können wir die einfache Berechnung durchführen: Power Explorer für einen Stichprobenanteil
angenommener Anteil = aktuelle Ausfallrate
Alternativer Anteil = erwartete Ausfallrate nach Prozessänderung
Ist das der richtige Ansatz?
Betreff: Stichprobengröße und Leistung für die FehlerzählungHallo @MichaelR1 : Ich denke schon. Ihre Null- und Alternativhypothesen lauten wie folgt.
H0: p=p0
Ha:p <>
Wobei p0 die aktuelle Ausfallrate ist. Ha ist das, was Sie beweisen möchten (die neue Ausfallrate p ist kleiner als die aktuelle Rate p0).
Um Ha zu „beweisen“, muss p tatsächlich irgendwo in Ha liegen (
Wenn Sie also eine Zufallsstichprobe von 199 Einheiten nehmen, besteht eine 80-prozentige Chance, Ha zu „beweisen“ (durch Ablehnung von H0 zugunsten von Ha).
Die Fehlerrate 1. Art (Alpha) = 5 % bedeutet, dass, wenn H0 wahr ist (p ist nicht kleiner als p0), eine 5-prozentige Chance besteht, H0 fälschlicherweise zugunsten von Ha abzulehnen. Fehler 2. Art = 1-Potenz = 0,2 (20 %). Fehler 2. Art ist dann die Chance, dass Sie H0 nicht ablehnen, selbst wenn Ha wahr ist. Sie können Alpha und Potenz beliebig wählen, obwohl 5 % und 80 % üblich sind. Und ich bin auch kein großer Fan der Normalnäherung; das Power-Diagramm des exakten Tests sieht aufgrund der Art der Bestanden/Nicht bestanden-Daten seltsam aus. Aber Normalnäherungen können problematisch sein, insbesondere wenn p nahe bei 0 oder nahe bei 1 liegt.
Meine zwei Cent...
