-
逐批檢驗
鎖定
- 中文名
- 逐批檢驗
- 外文名
- lot by lot inspection
- 釋 義
- 每一批產品逐批進行檢驗
- 關 係
- 週期、逐批檢驗構成配套
- 一級學科
- 數理科學
- 二級學科
- 統計學
目錄
逐批檢驗檢驗
通常把對物理特性的檢驗稱為物理檢驗;對化學性質或組成的檢驗稱為化學檢驗或簡稱化驗。檢驗一般有破壞性檢驗和非破壞性檢驗,前者只能從整體中取樣進行抽查,然後用數理統計方法推定整體的情況;後者可對整體進行逐個檢查。從被檢對象的類別考慮,人們又常將它分為半成品檢驗、成品檢驗或商品檢驗等。
逐批檢驗逐批檢驗定義
逐批檢驗GB2828標準
GB2828《逐批檢查計數抽樣程序及抽樣表》通過規定零件合格質量水平AQL、檢驗水平IL及批量大小,就可以查到樣本大小N、批合格判定數Ac、批不合格判定數Re,然後根據樣品的不合格品數與批合格判定數Ac、批不合格判定數Re進行比較,來判定該批是否接收。
GB2828根據以往檢查結果調整檢驗嚴程度(即放寬檢驗、正常檢驗、加嚴檢驗),從而讓優於AQL零件高概率接收而低於AQL零件高概率拒收,所以它屬於一種計數調整型抽樣檢查。
逐批檢驗逐批抽樣檢驗對貝葉斯控制圖控制限的影響
統計控制圖作為一種直觀、有效的質量控制技術,是質量管理中貫徹預防原則的重要工具。控制圖的核心參數是控制限,控制限的寬窄直接影響着“虛發警報”和“漏發警報”兩種風險的大小。因此,控制限的合理確定是保證控制圖有效性的關鍵因素。
傳統控制圖理論建立在經典統計理論基礎之上,Hillier、Quesenberry、Harrison等人認為樣本量要達到一定規模才能建立有效的控制圖,這是因為樣本信息越充分,樣本分佈就越接近總體分佈。但在實際情況中,控制對象的總體分佈很難得知或接近,而且現代企業的生產模式逐漸向“多品種、小批量、精益化”方向轉變,小批量生產的主要特點是過程信息較為缺乏,而傳統控制圖的設計又很難利用逐批抽樣過程中產生的樣本信息。
解決上述問題的方法之一是儘可能多地利用有效的先驗信息。貝葉斯理論能充分利用先驗信息對過程信息進行更新,因而在統計過程控制(SPC)中得到了重視 , Menzefricke假設先驗分佈為對數分佈,將參數的不確定度合併到方差控制圖構建中,利用貝葉斯原理推證了標準差控制圖的控制限。Aditya分析了假設先驗分佈為矩形分佈的穩健設計所存在的缺點,利用貝葉斯原理,通過圓整、截尾等算法,將先驗參數空間變換成亞空間,使先驗信息得到充分利用。Nenes利用馬爾科夫鏈處理先驗信息,以單位時間內總質量損失和維修成本最小化為設計參數,利用貝葉斯理論構造了監測過程均值的貝葉斯控制圖。範文貴分別假設標準差和均值的先驗分佈為逆伽瑪分佈,後驗分佈為共扼逆伽瑪分佈,利用貝葉斯理論研究小批量條件下的均值控制圖,推導出的均值控制限依賴於伽瑪函數中超參數的估計。RuiMiao當先驗信息服從正態分佈時計算統計參數,其中涉及超參數入值的估計,然後利用貝葉斯原理得到後驗分佈的統計特徵值以此計算過程能力指數,但公式較為複雜,給實際應用帶來困難。
在上述基於貝葉斯理論的統計質量控制研究中,基本上假設同一生產線上生產的產品質量特性的先驗分佈與後驗分佈不同,得到的各類控制圖控制限計算公式多含有超參數,公式普遍較為複雜.在實際生產中,定期從同一生產線上進行序貫批次抽樣,依據相關標準對每批次抽樣產品所要控制的質量參數進行檢驗,然後根據這些檢驗參數值用SPC方法對產品質量特性進行控制.若該生產過程受控且穩定,相同規格產品的質量特性值應服從同一分佈,否則認為該生產線處於失控狀態。而實際抽樣檢驗中,每個批次的質量參數統計特徵值不相等,是因為每個批次樣本量太少,過程信息不充分所致。所以,一般條件下,若生產過程處於受控狀態,結合先驗信息對過程信息進行更新,其統計特徵值會逐漸接近總體的統計特徵值,依據統計特徵值計算的控制圖控制限也越加可靠。根據上述分析,宋明順等
[2]
利用貝葉斯理論探討逐批抽樣檢驗的樣本統計特徵值的迭代計算方法,推導出簡潔方便的控制圖控制限計算公式充分利用了先驗樣本數據,使控制圖的控制限隨着批次的增加越加可靠和穩定。
[2]
逐批檢驗週期檢驗
1、週期、逐批檢驗構成配套的檢驗體系。
2、週期檢驗是逐批檢驗的前提。
3、週期檢驗必須在確定的週期內如期進行。
應保證週期檢驗在規定的週期內如期進行。