Waarom is niet 100 procent geldig voor FPC 100 procent test

Het is gebruikelijk om 100 procent inspectie uit te voeren om te voorkomen dat niet-conforme producten worden verzonden. Elk geproduceerd product wordt geïnspecteerd en beoordeeld om te slagen of te falen. Goederen worden verzonden en niet-conforme artikelen worden achtergelaten voor reparatie of schroot. Het is allemaal eenvoudig en ongecompliceerd. Het lijkt erop dat 100 procent inspectie een zeer effectieve methode is, ongeacht de fouten van de inspecteurs.

We gaan ervan uit dat de karakteristieke waarden van het product normaal verdeeld zijn, aangeduid met Y, zoals weergegeven in onderstaande figuur.

De kwalificatienorm van het product is bekend en tevens zijn de specificatiewaarden van de boven- en ondergrens gegeven, zoals LSL en USL in bovenstaande figuur. Producten tussen LSL en USL komen in aanmerking komende producten. Maar we kennen de werkelijke Y-waarde niet, we moeten een meetsysteem gebruiken om het te meten, de gemeten waarde van Y wordt X genoemd.

De gemeten X-waarde is niet gelijk aan Y, omdat er een meetfout is, die we E noemen. Omdat de meetfout ook normaal verdeeld is, krijgen we de verdeling van de meetwaarde zoals weergegeven in onderstaande figuur, die vergelijkbaar is met de verdelingsvorm van Y, maar de variantie van X is groter, gelijk aan de variantie van Y plus de variantie van de meetfout E.

Vervolgens gebruiken we de bivariate normale verdeling om de correlatie tussen Y en X weer te geven.

Het probabilistische model van deze verdeling kan worden weergegeven door een reeks ellipsen in het XY-coördinatenvlak. De onderstaande afbeelding toont één, twee en drie standaarddeviatiecontouren van twee bivariate normale verdelingen, waarbij de intraklasse-correlatiecoëfficiënten zijn ingesteld op {{0}}.95 en 0.80.

Zoals te zien is in de bovenstaande afbeelding, wordt de ellips van de bivariate normale verdeling dikker naarmate de meetfout groter wordt en wordt de hoofdas scheef. Waar we in geïnteresseerd zijn, is: welk meetbereik X overeenkomt met een gekwalificeerde Y.

Het witte bereik in de onderstaande afbeelding geeft het bereik van gekwalificeerde producten aan

Het onderstaande pictogram toont het assortiment producten dat na 100 procent inspectie is verzonden.

Op dit moment hebben we duidelijk gezien dat het assortiment producten dat na 100 procent inspectie wordt verzonden, verschilt van het assortiment van daadwerkelijk gekwalificeerde producten.

Het assortiment producten dat 100 procent door de inspectie komt ≠ het assortiment gekwalificeerde producten

We classificeren alle producten in vier categorieën op basis van de kwaliteit van de producten en of ze worden verzonden of niet:

Gekwalificeerde inspectieproducten (GS: Goed en verzonden)

Gekwalificeerde keuring afgekeurd product (GR: Goed en Afgekeurd)

Niet-gekwalificeerde producten zijn door de inspectie gekomen (BS: Bad and Shipped)

Ongekwalificeerde inspectie afgekeurd product (BR: Bad and Rejected)

GS versus BR is het resultaat dat we willen zien, BS zal problemen veroorzaken voor klanten en GR zal problemen voor zichzelf veroorzaken.

De volgende afbeelding toont de positie van elke categorie in de bivariate normale verdeling.

Voor de producent hoopt hij dat het aandeel gekwalificeerde producten dat wordt verzonden (PGS: aandeel van goed product dat wordt verzonden) zo hoog mogelijk is:

PGS=GS / (GS plus GR1 plus GR2)

Voor de klant wil hij dat het aandeel slechte producten dat wordt afgekeurd (PBR: Proportion of bad product that is rejected) zo hoog mogelijk is:

PBR=(BR1 plus BR2) / (BR1 plus BR2 plus BS1 plus BS2)

Helaas zijn PGS en PBR niet lineair gerelateerd.

Hieronder vindt u een evaluatietabel met de waarden van PGS en PBR voor verschillende niveaus van meetfouten en het aandeel van het totale niet-conforme product.

Interpreteer de set gegevens in de rechterbenedenhoek van de bovenstaande tabel: wanneer het totale uitvalpercentage van het product 1 procent is en de meetfout groot is (ICC=0.8), heeft de producent een kans van 98,6 procent dat verzending van gekwalificeerde producten, maar het aandeel van defecte producten dat wordt afgewezen, is slechts 70 procent, en een groot aantal defecte producten zal naar klanten stromen.

Hoe dit probleem op te lossen? Er lijken maar twee manieren te zijn.

De eerste methode: houd u aan de 100 procent-test, verbeter vervolgens het meetsysteem, zodat de ellips in de bivariate normale verdeling wordt afgeplat als een rechte lijn, dan zullen zowel PGS als PBR erg hoog zijn.

De prijs is: je hebt een bijna perfect meetsysteem nodig, wat vaak een enorme investering vereist die het probleem niet oplost, maar gewoon achterlaat.

De tweede methode: verbeter de procescapaciteit zodat de output van het proces binnen de boven- en ondergrenzen van de specificatie valt. Op dit moment is 100 procent inspectie niet langer vereist, wat niet alleen de investering in het upgraden van het testsysteem kan besparen, maar ook de inspectiekosten kan besparen, en meer. Het gaat erom het probleem daadwerkelijk op te lossen.

Tot nu toe zijn onze conclusies heel duidelijk:

Het bestaan ​​van meetsysteemfouten zorgt ervoor dat 100 procent inspectie geen 100 procent validiteit kan hebben;

100 procent inspectie kan kwaliteitsproblemen niet oplossen, en het vereist ook onnodige investeringen in apparatuur en personeelsinspectiekosten;

Het meetsysteem moet worden gebruikt om de kwaliteit en consistentie van het productieproces substantieel te verbeteren, niet voor inspectiedoeleinden