これまで抜取検査について説明してきました。
さて今回は実例として、検査時のサンプルサイズを計算してみたいと思います。
データタイプの確認
他の分析と同様、計量データか計数データによって計算方法が異なります。
今回はシンプルな計数データを使用します。
計数データとは、「合格・不合格」のような2値の他に「傷、ほつれ、裂け目」などの欠陥を表すものも含まれます。
代表的なのが目視検査で、欠陥数か不良数を記録します。
分析前の再確認
計数抜取検査を行うことで、そのロットを合格にするか不合格にするかを判断できます。
例えば1000個の入荷があった時に、抜取検査を使用すると、そのうち何個のサンプルを調べて何個までの不良・欠陥が許容できるかを算出できます。
もちろん、抜取検査で品質が改善されるわけではありません。あくまでそのロットを受けれ入れるべきかどうかの意思決定に使えるとお考え下さい。
過去の投稿にあるAQL（合格品質水準）とRQL（不合格となる品質水準）は供給側又は消費者側と予め決めておく必要があります。製品によって規準が異なるので、過去の実績や、製品の特性上許容できる値を決めます。
計数抜取検査
統計解析ソフトMinitabを使って計算します。
Minitabが手元に無い方はこちらから試用版をご利用下さい。
Minitabを立ち上げて上のメニューから
統計 > 品質ツール > 計数抜取検査
不良率やAQL、RQLを入力します。
今回はAQL = 0.5、 RQL = 5 ロットサイズ = 500としました。
細かい他の設定は以下の通りです。
つまり1ロット500個の製品の受入検査で、そのロットを合格にするべきか、不合格にするべきかを計算しています。
結果を見ていきます。
結果の中段に書かれているサンプルサイズが抜き取り件数、許容数が基準数となります。
つまり500個から105個のサンプルを抜き取り検査します。その中で不良が2本以下だった場合はロットを合格にして、3本以上だったらロットを不合格にします。
その下に表示されている表を見てみると、
不良率が0.5%だった場合の合格確率は0.984。不良率が0.5%なのに不合格にされてしまっては困るので、0.984は合格と判断できますよと保証しています。
同様に、不良率が5.0%だった場合の合格率は0.099です。不良率が高い場合はしっかりと不合格と判断しますと表しています。
AOQとATI
他の項目も見てみます。
AOQ（平均出検品質）
AQOは検査後の不良率を表します。
例えば先程の例で105個サンプルを抜き取り、不良が3個あった場合、そのロットにはRQLを上回る不良が含まれていることが言えます。そこで全数検査を行い不良品を交換、修理するケースを考えます。その後の不良率を計算したのがAOQとなります。
例えば受入時の不良率が0.5%の時、AOQは0.389％となっています。
ATI（平均検査数）
ATIは日本語の意味通り、平均的に何個検査する必要があるかの予測値となります。上の結果だと、105個のサンプルを抜き取る必要があるので、105個が最低となります。ただ不合格になることもあります。不合格時には全数検査すると検査数は500となります。 つまり、合格時は105、不合格時は500として後は確率を掛け合わした値がATIとなります。
不良率5%のATIは460なのでほぼ全数検査することを意味しています
抜取検査数を計算するには
今回のように抜取検査数を計算するには統計解析ソフトMinitabがおすすめです。
初めての方でも直ぐに使いこなせる簡易な操作感と明快な結果が特徴です。
ぜひお試し下さい。