Národní informační středisko pro podporu jakosti

Podobné dokumenty
Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu jakosti

ICS Prosinec 2000

Přejímka jedním výběrem

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k )

ČESKÁ TECHNICKÁ NORMA

Národní informační středisko pro podporu jakosti

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

STATISTICKÉ PŘEJÍMKY. Část 1- Kontrola srovnáváním Ing. Vratislav Horálek, DrSc. 1 Cíle a nástroje při statistické regulaci a statistické přejímce

Principy přejímky jakosti

Normy ČSN,ČSN ISO a ČSN EN

Kvalita v laboratorní a kontrolní praxi

Pavel Vaněk, ITC. Výroční konference SCOV, Pardubice,

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

Národní informační středisko pro podporu jakosti

Vysoká škola báňská Technická univerzita Ostrava. Fakulta metalurgie a materiálového inženýrství. Katedra kontroly a řízení jakosti DIPLOMOVÁ PRÁCE

ČESKÁ TECHNICKÁ NORMA

VY_32_INOVACE_PEL-3.EI-18-VYROBNI PROCES. Střední odborná škola a Střední odborné učiliště, Dubno

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

ČSN Teorie pravděpodobnosti a aplikovaná statistika. Termíny, definice a označení

Národní informační středisko pro podporu kvality

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

Národní informační středisko pro podporu jakosti

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Inovace bakalářského studijního oboru Aplikovaná chemie

Žádost o posouzení. Jméno statutárního zástupce:

Hodnocení kvality logistických procesů

ČESKÁ TECHNICKÁ NORMA

Národní informační středisko pro podporu kvality

ČESKÁ TECHNICKÁ NORMA

Kvalita v laboratorní a kontrolní praxi

PALSTAT s.r.o. systémy řízení jakosti PALSTAT CAQ verze Mezioperační kontrola 07.1/ Obsah

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Kvalita v laboratorní a kontrolní praxi

8/2.1 POŽADAVKY NA PROCESY MĚŘENÍ A MĚŘICÍ VYBAVENÍ

ČESKÁ TECHNICKÁ NORMA

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY DYNAMIZACE VSTUPNÍ KONTROLY ZA POMOCI STATISTICKÉ PŘEJÍMKY SROVNÁVÁNÍM

METODICKÉ POKYNY PRO AKREDITACI

ŠKODA AUTO Vysoká škola o.p.s. D I P L O M O V Á P R Á C E Bc. Petr Havelka

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Metody výběru variant

PALSTAT s.r.o. systémy řízení jakosti PALSTAT CAQ verze Výstupní kontrola 07.1/ Obsah

Epidemiologické metody

Inovace bakalářského studijního oboru Aplikovaná chemie

= = 2368

ZABEZPEČENÍ KVALITY V LABORATOŘI

Statistické řízení jakosti. Deming: Klíč k jakosti je v pochopení variability procesu.

STATISTICKÉ PŘEJÍMKY SROVNÁVÁNÍM

Výukový materiál zpracovaný v rámci projektu Výuka moderně

STANDARD KVALITY PRO VÝROBNÍ ŘADU ISOFUSION V700 SKLOVITÉ POVLAKY 1. ROZSAH PŮSOBNOSTI

SW podpora při řešení projektů s aplikací statistických metod

PŘEZKOUMÁNÍ SYSTÉMU MANAGEMENTU KVALITY V HEMATOLOGICKÉ LABORATOŘI

CO JE TŘEBA VĚDĚT O SYSTÉMU ŘÍZENÍ JAKOSTI DLE ČSN EN ISO 9001:2001

Vývojový diagram procesu předběžné řídící kontroly. veřejné výdaje

Regulační diagramy (RD)

ČESKÁ TECHNICKÁ NORMA

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA ELEKTROTECHNICKÁ. Katedra technologií a měření BAKALÁŘSKÁ PRÁCE

Complete filter units for radio interference suppresion. Part 1: General specification

Kde je vymezeno; případný odkaz na seznam výrobků Odkaz na přiložený seznam dokumentů, nebo uvést

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Národní informační středisko pro podporu jakosti

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

ISO 8258 je první ze čtyř norem ISO, které budou věnovány metodám statistické regulace. Zbývající tři, které jsou nyní v přípravě, jsou

NÁKUPNÍ PODMÍNKY- lisovna plastů

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Ekonomické aspekty statistické regulace pro vysoce způsobilé procesy. Kateřina Brodecká

Řízení rizik. Ing. Petra Plevová.

Kontrolní list Systém řízení výroby

Statistické regulační diagramy

Zajištění kvality výsledků laboratorních vyšetření v hematologické laboratoři dle ČSN EN ISO 15189:2013. Soňa Vytisková

1976L0211 CS

[ 1 ] Ing. František Chuchma, CSc. Seminář SVP/SDP, Státní ústav kontrolu léčiv

Tomáš Karel LS 2012/2013

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží

Kontrolní list Systém řízení výroby

Tématické okruhy pro státní závěrečné zkoušky. magisterské studium

4. Aplikace matematiky v ekonomii

Kontrolní list Systém řízení výroby

Náhodná veličina a rozdělení pravděpodobnosti

Gradua-CEGOS, s.r.o. člen skupiny Cegos MANAŽER BOZP PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI

UVOLNĚNÍ NAKUPOVANÝCH DÍLŮ DO SÉRIOVÉ VÝROBY BEZ VSTUPNÍ KONTROLY

PALSTAT s.r.o. systémy řízení jakosti PALSTAT CAQ verze Vstupní kontrola 07.1/ Obsah

Vybrané praktické aplikace statistické regulace procesu

1. Všeobecná ustanovení

Přehled technických norem z oblasti spolehlivosti

Národní informační středisko pro podporu jakosti

Validace sérologických testů výrobcem. Vidia spol. s r.o. Ing. František Konečný IV/2012

Úvod do problematiky měření

Vybraná rozdělení náhodné veličiny

05 Interpretace základních požadavků na návrh OBSAH

Mnohorozměrná statistická data

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

NÁKUPNÍ PODMÍNKY- lisovna plastů

MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007

Čistá současná hodnota a vnitřní výnosové procento

Transkript:

Národní informační středisko pro podporu jakosti 1

Konzultační středisko statistických metod při NIS-PJ Statistické přejímky Ing. Vratislav Horálek DrSc. ČSJ Ing. Josef Křepela ČSJ 15. září 2005. 2

ZÁKLADNÍ RYSY STATISTICKÝCH PŘEJÍMEK 3

CÍL VÝBĚROVÉ PŘEJÍMKY Pro odběratele zjistit, zda dodavatel předkládá dávky, jejichž jakost je na vzájemně dohodnuté úrovni. Pro dodavatele ujistit se, že úroveň jakosti bude pro odběratele přijatelná. Při tom je nutno respektovat, že náklady na výrobek zahrnují jak náklady na jeho výrobu, tak náklady na jeho kontrolu. 4

Znaky jakosti Kontrola kvantitativní kvalitativní měřením srovnáváním Výrobek - jednotka jeden kontrolovaný znak více kontrolovaných znaků NESHODA - jakýkoliv nedostatek ve shodě se specifikovaným požadavkem NESHODNÝ VÝROBEK (JEDNOTKA) - může mít jednu, nebo více neshod 5

PŘEJÍMACÍ KONTROLA - PŘEJÍMKA třídící - stoprocentní výběrová: namátková procentní statistická žádná Výsledkem statistické přejímky je přijetí, nebo nepřijetí kontrolované dávky, jejím výsledkem není odhad procenta neshodných jednotek v dávce. 6

T ŘÍDÍCÍ - STOPROCENTNÍ KONTROLA předpokládá kontrolu všech jednotek v dávce, vytřídění všech neshodných jednotek tak, že po této kontrole je podíl neshodných jednotek p = 0. Vytříděné neshodné jednotky by měly být nahrazeny shodnými. Nevýhodou třídící kontroly je její finanční a časová náročnost, nehledě k tomu, že nemusí být vždy stoprocentně účinná (zejména když třídící práce je prováděna v úkole). 7

VÝBĚROVÁ KONTROLA umožňuje činit závěry o celé dodávce na základě kontroly pouze její části - náhodného výběru. Tyto závěry, vzhledem k neúplné informaci o dodávce, jsou zatíženy chybami: dávku budeme považovat za nevyhovující, zatím co ve skutečnosti je vyhovující - jedná se o chybu prvého druhu a riziko že se této chyby dopustíme budeme značit a ; dávku budeme považovat za vyhovující, zatím co ve skutečnosti je nevyhovující - jedná se o chybu druhého druhu a riziko že se této chyby dopustíme budeme značit b. Rizika chyb obou druhů respektuje statistická přejímka a v mnoha případech umožňuje volit jejich velikost. 8

STATISTICKÁ PŘEJÍMKA vychází z který zahrnuje a přejímacího plánu rozsah výběru přejímací kriterium. Při kontrole srovnáváním je to rozsah výběru n a nejvýše přípustný počet neshodných, resp. neshod ve výběru Ac Při kontrole měřením je to rozsah výběru n a kriterium k se kterým se porovnává statistický ukazatel, vypočtený na základě hodnot sledovaného znaku ve výběru. Např. x, s, U Q U = (U - x ) / s. Dávka se přijímá, když Q U k. 9

STATISTICKÁ PŘEJÍMKA Porovnání statistické přejímky srovnáváním a měřením Statistická přejímka srovnáváním je jednodušší, může být použita v případě více znaků jakosti na výrobku, obvykle navazuje na statistickou regulaci srovnáváním. Statistická přejímka měřením vyžaduje menší rozsahy výběrů, je vhodná pro nákladné (destruktivní) zkoušky, poskytuje přesnější informaci o prověřovaném znaku jakosti, obvykle navazuje na statistickou regulaci měřením. Její nevýhodou je, že vyžaduje na každý prověřovaný znak jakosti samostatný přejímací plán a že předpokládá normální rozdělení (alespoň přibližně) prověřovaného znaku jakosti. Rozhodnutí o přijetí nebo nepřijetí dávky je při statistické přejímce vždy konečné. 10

OBLAST POUŽITÍ STATISTICKÝCH PŘEJÍMEK Všude tam, kde je nutno kontrolovat a stoprocentní kontrola je neproveditelná (destruktivní zkoušky), příliš nákladná, či nedostatečně účinná. Je aplikovatelná na kontrolu dávek hotových výrobků, komponent, surovin - materiálů, výrobních operací, údajů a záznamů v působnosti vstupní, mezioperační, výstupní kontroly. Vhodné je její propojení se statistickou regulací tam, kde proces má nízkou výkonnost (nízké hodnoty P p. P pk. 11

ROZDÍL MEZI STATISTICKOU REGULACÍ A STATISTICKOU PŘEJÍMKOU Statistická regulace umožňuje nastolení a udržení výrobního procesu na optimální úrovni. Statistická přejímka umožňuje rozhodnutí zda přejímaná dávka vyhovuje dohodnutým požadavkům na jakost. Toto rozhodnutí umožňuje učinit objektivně, nejhospodárněji, se zvolenou účinností. 12

KLASIFIKACE NESHOD Neshody mohou mít různou důležitost - váhu, proto je řadíme obvykle do dvou tříd: A B hlavní neshody, mají nejvyšší důležitost; neshody s nižším stupněm důležitosti; mimo to, nejzávažnější třídou jsou KRITICKÉ NESHODY, které činí výrobek nebezpečným. Neměly by se sčítat neshodné jednotky s neshodami spadajícími do různých tříd. Pro každou třídu neshod by měl být navržen jiný přejímací plán (jiná hodnota AQL). Pro kritické neshody by se měla uplatňovat stoprocentní kontrola, se zvláštním důrazem na její účinnost. 13

DÁVKA VÝROBKŮ skupina výrobků - jednotek, pokud možno homogenních, vyrobených za stejných podmínek, během jednoho časového období. Rozsah dávky počet jednotek v dávce určit po dohodě s výrobcem. Výhodnější jsou větší dávky, tím jsou vyžadovány větší rozsahy výběrů a a tím i lepší rozlišení mezi dobrými a nevyhovujícími dávkami. Lze-li očekávat rozdíl jakosti částí dávek, pak je lépe udržet tyto části oddělené. Série dávek dávky jsou předkládány k přejímce v pořadí, jak byly vyrobeny; kontrola se má uskutečnit s minimálním zpožděním tak, aby její výsledek mohl být využit k ovlivnění následné výroby. 14

Kontrola každé dávky v śérii předpokládá se, že dávky přicházejí od jednoho dodavatele, z jednoho výrobního procesu, pokud možno v pořadí jak byly vyrobeny a přicházejí často. Přejímka v tomto případě může sledovat ne jen jakost každé z přejímaných dávek, ale hlavně úroveň jakosti výrobního procesu u dodavatele. Někdy se uvažuje i občasná přejímka, přejímka např. jedné dávky ze čtyř. Izolované dávky dávky které jsou ojedinělé, od různých dodavatelů, nebo tvoří jen krátké série, případně dávky které jsou kontrolovány se značným odstupem od doby výroby. Dávky na výrobním pase jsou tvořeny malými částmi výroby, někdy i samotnými jednotkami. 15

MÍRY JAKOSTI DÁVEK JEDNOTLIVÉ DÁVKY (izolované, ojedinělé, krátké série) procento neshodných v dávce; nejhorší průměrné výstupní procento neshodných po kontrole počet neshod na 100 jednotek; počet neshodných v dávce. DÁVKY TVOŘÍCÍ SÉRII průměrné procento neshodných v dávce; průměrný počet neshod na 100 jednotek; nejhorší průměrná výstupní jakost. 16

VYUŽÍVÁNÍ DOSTUPNÝCH INFORMACÍ KE SNÍŽENÍ NÁKLADŮ NA STATISTICKOU PŘEJÍMKU redukce počtu prověřovaných znaků jakosti; přechod na přejímací plány s menším rozsahem výběru: při vyhovující jakosti u výrobce - zmírněná, případně občasná přejímka; využití přejímky měřením; při stabilní variabilitě výrobního procesu - přechod z s-plánů na s-plány. 17

POSTUP S NEPŘIJATÝMI DÁVKAMI vrátit výrobci k přetřídění, k novému zpracování, k likvidaci; nově předkládané dávky označovat; přetřídit zjištěné neshodné jednotky nahradit shodnými (opravné - rektifikační přejímky). 18

PŘEHLED ZÁKLADNÍCH TYPŮ STATISTICKÝCH PŘEJÍMEK Statistická přejímka statistická přejímka statistická přejímka statistická přejímka měřením srovnáváním; opravná bezopravná; izolovaných dávek dávek tvořících sérii jedním výběrem (na základě jednoho výběru je rozhodnuto o přijetí či nepřijetí dávky) dvojím výběrem (na základě prvého výběru je přijato jedno ze tří rozhodnutí: dávku přijmout, dávku zamítnout, pokračovat v kontrole druhého výběru; po kontrole druhého výběru je na základě výsledku obou výběrů dohromady rozhodnuto o přijetí či zamítnutí dávky) několikerým výběrem (v případě k-výběrů je po kontrole každého z k-1 výběru přijato jedno ze tří rozhodnutí: dávku přijmout, dávku zamítnout, pokračovat v kontrole dalšího výběru; po kontrole k-tého výběru je na základě výsledku všech předchozích výběrů dohromady rozhodnuto o přijetí či zamítnutí dávky) postupným výběrem (po kontrole každé jednotky je přijato jedno ze tří rozhodnutí: dávku přijmout, dávku zamítnout, nebo pokračovat v kontrole další jednotky) 19

PŘEJÍMACÍ PLÁN rozhodovací pravidlo, podle kterého se má dávka kontrolovat a posoudit, zda je či není přijatelná. SCHÉMA PŘEJÍMKY kombinace přejímacích plánů v souladu s přechodovými pravidly. SYSTÉM PŘEJÍMEK souhrn schémat přejímek spolu s kriterii jak je vybírat pro poskytnutí požadované záruky. Př. AQL ČSN ISO 2859-1; ČSN ISO 8422; LQ ČSN ISO 2859-2; AOQL ČSN 01 0254. 20

ÚČINNOST PŘEJÍMACÍCH PLÁNŮ je dána operativní charakteristikou která udává pravděpodobnost přijetí dávky v závislosti na podílu neshodných jednotek v dávce, nebo na počtu neshod na sto jednotek. U opravných přejímek je účinnost charakterizována i průměrnou výstupní jakostí a průměrným rozsahem kontrol. 21

SPECIFIKACE PŘEJÍMKY DÁVKA - rozsah dávky NESHODNÉ JEDNOTKY TŘÍDY NESHOD ZPŮSOB KONTROLY - měřením, srovnáváním JAKOST DÁVKY SYSTÉM STATISTICKÉ PŘEJÍMKY SCHÉMA STATISTICKÉ PŘEJÍMKY PŘEJÍMACÍ PLÁNY ROZHODOVÁNÍ O PŘIJETÍ, POZASTAVENÍ DÁVKY POSTUP PŘI POZASTAVENÍ DÁVKY ZÁZNAMY A JEJICH VYHODNOCOVÁNÍ 22

23

ZÁRUKY JAKOSTI A RIZIKA PŘI STATISTICKÉ PŘEJÍMCE 24

OPERATIVNÍ CHARAKTERISTIKA ( OC ) OC je křivka, udávající pro daný přejímací plán pravděpodobnost, že bude splněno přejímací kriterium, jako funkci úrovně jakosti dávky, tj. pravděpodobnost přijetí dávky. Pro každý přejímací plán popisuje křivka OC jeho účinnost. V případě přejímky srovnáváním se pro vyjádření křivky OC používá hypergeometrického rozdělení, které je aproximováno binomickým rozdělením, pokud podíl n / N < 0,1 a pokud navíc je podíl neshodných p < 0,1 ( M / N = p ), je možno použít Poissonova rozdělení. (n je rozsah výběru, N je rozsah dávky, M je počet neshodných v dávce.) (Výpočet operativní charakteristiky viz. soubor Spř-výpočet OC.xls ) 25

Pravděpodobnost přijetí dávky Typické průběhy operativní charakteristiky OC 1,0 0,9 0,8 0,7 OC ideální 100%-ní kontroly OC přejímacího plánu s Ac = 0 OC přejímacího plánu s Ac > 0 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,0 0 0 0,0 1 0 0,0 2 0 0,0 3 0 0,0 4 0 0,0 5 0 0,0 6 0 0,0 7 0 0,0 8 0 0,0 9 0 0,1 0 0 Úroveň jakosti dávky nebo procesu vyjádřená podílem neshodných p 26

ZÁRUKY JAKOSTI DÁVEK PŘI STATISTICKÉ PŘEJÍMCE Izolované dávky: jakost na úrovni rizika dodavatele PRQ (Producers Risk Quality), alternativní značení PRQ = P 1 ; riziko dodavatele PR (Producers Risk) (riziko, že nebude přijata dávka dobré jakosti, obsahující podíl PRQ neshodných jednotek; alternativní značení PRQ = a ); jakost na úrovni rizika odběratele CRQ (Consumers Risk Quality); alternativní značení CRQ = P 2 ; riziko odběratele CR ( Consumers Risk) (riziko, že bude přijata dávka nevyhovující jakosti, obsahující podíl CRQ neshodných; CRQ = b ). 27

Pravděpodobnost přijetí dávky Operativní charakteristika definovaná bodem rizika dodavatele PRP a bodem rizika odběratele CRP PR riziko dodavatele 1,0 0,9 PRP - bod rizika dodavatele 0,8 0,7 n = 100; Ac= 3 0,6 0,5 0,4 0,3 0,2 0,1 CR riziko odběratele CRP - bod rizika odběratele 0,0 0,0 0 0 0,0 1 0 0,0 2 0 0,0 3 0 0,0 4 0 0,0 5 0 0,0 6 0 0,0 7 0 0,0 8 0 0,0 9 0 0,1 0 0 PRQ - jakost na úrovni rizika dodavatele CRQ - jakost na úrovni rizika odběratele 28

ZÁRUKY JAKOSTI DÁVEK PŘI STATISTICKÉ PŘEJÍMCE Izolované dávky (ČSN ISO 2859-1:2000 a ČSN ISO 2859-2:1992) mezní jakosti LQ (Limiting Quality), mezní jakost dávky která je izolovaná a je spojena s nízkou pravděpodobností přijetí, obvykle 5% resp. 10%. (Odpovídá jakosti na úrovni rizika odběratele CRQ, resp. P 2.) Dávky tvořící sérii (ČSN ISO 2859-1:2000) : přípustná mez jakosti AQL (Acceptable Quality Limit), mezní úroveň vyhovujícího průměru procesu při kontrole spojité série dávek. Výrobce (dodavatel) má vyrábět dávky o průměrné jakosti lepší než AQL (0,5 AQL až 0,75 AQL). Doplňující informaci poskytuje hodnota LQ. (Orientačně odpovídá AQL jakosti na úrovni rizika dodavatele PRQ, resp. P 1.) 29

Pravděpodobnost přijetí dávky Operativní charakteristika definovaná přípustnou mezí jakosti AQL a mezní jakostí LQ PR riziko dodavatele 1,0 0,9 PRP - bod rizika dodavatele 0,8 0,7 0,6 0,5 0,4 n = 200 ; Ac = 3 AQL = 0,55 % ; PR = 0,0425 LQ = 3,307 % ; CR = 0,10 0,3 0,2 0,1 0,0 CR riziko odběratele CRP - bod rizika odběratele 0,0 0 0 0,0 1 0 0,0 2 0 0,0 3 0 0,0 4 0 0,0 5 0 0,0 6 0 AQL - přípustná mez jakosti LRQ - mezní jakost 30

Porovnání operativní charakteristik vybraných přejímacích plánů (z ČSN ISO 2859-1) Dávky rozsahu 3201 až 10000 jednotek; AQL = 1%. 1,0 0,9 0,8 0,7 Kontrolní úroveň I, n = 80 ; Ac = 2 Kontrolní úroveň II, n = 200 ; Ac = 5 Kontrolní úroveň III, n = 315 ; Ac = 7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 0,0 0 0,0 1 0,0 2 0,0 3 0,0 4 0,0 5 0,0 6 0,0 7 0,0 8 31

Porovnání operativní charakteristik přejímacích plánů pro AQL = 1% pro kódová písmena E, H, J, K, L, M 1,0 0,9 0,8 0,7 0,6 0,5 0,01 PR 0,13 n = 13 ; Ac = 0 n = 50 ; Ac = 1 n = 80 ; Ac = 2 n = 125 ; Ac = 3 n = 200 ; Ac = 5 n = 315 ; Ac = 7 0,4 0,3 0,2 0,1 0,0 0,0 0 0,0 1 0,0 2 0,0 3 0,0 4 0,0 5 0,0 6 0,0 7 0,0 8 AQL = 1 % 32

Porovnání operativní charakteristik přejímacích plánů pro PRQ = 1% a pro PR = 0,05 1,0 0,9 0,8 0,7 0,6 0,5 PR = 0,05 n = 5 ; Ac = 0 n = 36 ; Ac = 1 n = 82 ; Ac = 2 n = 137 ; Ac = 3 n = 261 ; Ac = 5 n = 398 ; Ac = 7 0,4 0,3 0,2 0,1 0,0 0,0 0 0,0 1 0,0 2 0,0 3 0,0 4 0,0 5 0,0 6 0,0 7 0,0 8 PRQ = 0,01 33

PRŮMĚRNÁ VÝSTUPNÍ JAKOST ( AOQ ) AOQ (Average Outgoing Quality) je křivka, udávající pro daný přejímací plán očekávanou průměrnou výstupní jakost (průměrný výstupní podíl neshodných jednotek v dávce) za předpokladu, že se provádí opravná přejímka (pozastavené dávky jsou přetříděny a neshodné jednotky jsou nahrazeny shodnými). Maximum této křivky AOQ přes všechny možné úrovně jakosti na vstupu kontroly udává nejhorší průměrnou výstupní mez jakosti AOQL (Average Outgoing Quality Limit), alternativní značení AOQL = P L. Označíme-li pravděpodobnost přijetí dávky L(p), v závislosti na podílu neshodných jednotek v dávce p, potom můžeme průměrnou výstupní jakost vypočítat ze vztahu AOQ(p) = p * L(p). 34

Průměrná výstupní jakost AOQ Nejhorší průměrná výstupní mez jakosti AOQL pro přejímací plán n = 315 ; Ac = 5 0,012 0,010 AOQL = 0,01006 0,008 0,006 0,004 0,002 0,000 0,00 0,01 0,02 0,03 0,04 0,05 P x = 0,0138 35

Průměrná výstupní jakost AOQ Porovnání průměrné výstupní jakosti vybraných přejímacích plánů (z ČSN ISO 2859-1) Dávky rozsahu 3201 až 10000 jednotek; AQL = 1%. 0,0 1 8 0,0 1 6 0,0 1 4 0,0 1 2 AOQL Kontrolní úroveň I, n = 80 ; Ac = 2 Kontrolní úroveň II, n = 200 ; Ac = 5 Kontrolní úroveň III, n = 315 ; Ac = 7 0,0 1 0 0,0 0 8 0,0 0 6 0,0 0 4 0,0 0 2 AQL=1% 0,0 0 0 0,0 0 0,0 1 0,0 2 0,0 3 0,0 4 0,0 5 0,0 6 0,0 7 0,0 8 0,0 9 0,1 0 P x 36

Průměrná výstupní jakost AOQ Porovnání průměrné výstupní jakosti přejímacích plánů, pro které AOQL = 1% 0,0 1 2 0,0 1 0 0,0 0 8 AOQL = 1% n = 37 ; Ac = 0 n = 194 ; Ac = 3 n = 317 ; Ac = 5 n = 447 ; Ac = 7 0,0 0 6 0,0 0 4 0,0 0 2 0,0 0 0 0,0 0 0,0 1 0,0 2 0,0 3 0,0 4 0,0 5 0,0 6 0,0 7 0,0 8 P x = 0,0130; 0,0137; 0,0152; 0,0270 37

PRŮMĚRNÉ ROZSAHY VÝBĚRŮ Typy přejímacích plánů: Přejímací plány jedním výběrem - (n; Ac; Re) při kontrole posuzováním, resp. (n;k) při kontrole měřením. n je rozsah výběru, Ac přejímací číslo, Re (Re = Ac+1) zamítací číslo; k je kriterium se kterým se porovnává vhodně volená výběrová statistika. Přejímací plány dvojím výběrem - (n 1, Ac 1, Re 1 ; n 2, Ac 2, Re 2 ). n 1 je rozsah prvého výběru, n 2 rozsah druhého výběru, Ac 1 přejímací číslo prvého výběru, Re 1 (Re 1 > Ac 1 +1) zamítací číslo prvého výběru, n 2 rozsah druhého výběru, Ac 2 přejímací číslo pro oba výběry dohromady (n 1 +n 2 ) a Re 2 zamítací číslo (Re 2 = Ac 2 +1) pro oba výběry dohromady. Přejímací plány několikerým výběrem - (n 1, Ac 1, Re 1 ; n 2, Ac 2, Re 2, n k, Ac k, Re k ). Postupuje se analogicky jako u přejímacích plánů dvojím výběrem. Po kontrole j-tého výběru (j = 1, 2,, k) se výsledek kontroly všech j výběrů porovnává s přejímacím číslem Ac j a zamítacím číslem Re j (Re j > Ac j +1 pro j <k ; Re k = Ac k +1). 38

Porovnání průměrných rozsahů výběrů přejímacích plánů jedním, dvojím a několikerým výběrem pro přejímací plány se stejnou účinností, kde u přejímacích plánů jedním výběrem je Ac = 4, 5, 6 39

Průměrný rozsah kontroly při opravné přejímce Průměrný rozsah kontrol při opravné přejímce je dán vztahem E N = N - (N - n) L(p), kde N je rozsah přejímané dávky, n je rozsah výběru (v případě přejímky dvojím, nebo několikerým výběrem potom n je průměrný rozsah výběru) a L(p) pravděpodobnost přijetí dávky. 1000 Průměrný rozsah kontrol EN 900 800 700 600 500 400 300 200 100 0 N = 1000 n = 100 ; Ac = 3 0,0 0 0 0,0 2 0 0,0 4 0 0,0 6 0 0,0 8 0 0,1 0 0 0,1 2 0 0,1 4 0 0,1 6 0 Podíl neshodných v dávce p 40

41