Stichproben-Verfahren in der Annahmekontrolle

Slides:



Advertisements
Ähnliche Präsentationen
Annahmestich- probenprüfung
Advertisements

Eine dynamische Menge, die diese Operationen unterstützt,
k-Sigma-Intervalle Vortrag zu dem Thema
Das LCA – Problem in Suffixbäumen
Statistische Methoden in der Qualitätssicherung
Maschinelles Lernen   Präsenzübung.
Seminar Textmining WS 06/07 Aufgaben V Bemerkung zu clustering Probabilistic IR Indexierung von Dokumenten Thesauri.
Stochastik in der Sek. II Sabrina Schultze.
Forschungsstrategien Johannes Gutenberg Universität Mainz
Entscheidungstheorie für Unentschlossene Indecision Theory.
Gliederung Vertrauensintervalle Arten von Hypothesen
Die t-Verteilung Jonathan Harrington.
Wahrscheinlichkeit und die Normalverteilung
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.
Hypothesen testen: Grundidee
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung In welcher Masche liegt der Punkt p?
Nachholung der Vorlesung vom Freitag
Vorlesung Die Vorlesung Statistische Methoden II nächste Woche vom 6. Juni ( nächste Woche ) wird auf den 4. Juni (Mittwoch) vorverlegt ! 14 – 16 Zeit:
Nachholung der Vorlesung vom Freitag
Konfidenzintervalle Intervallschätzung
TESTS. Worum es geht Man möchte testen, ob eine bestimmte Annahme (Hypothese) über Parameter der Realität entspricht oder nicht. Beobachtung (Stichprobe)
Die Student- oder t-Verteilung
Konfidenzintervalle Intervallschätzung Jeder Beobachtung wird ein Intervall C( ) der reellen Zahlen zugeordnet Niveau Dabei ist die Wahrscheinlichkeit,
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Klausurtermin (laut Prüfungsamt) Probeklausur Freitag, 13. Juni 2003 statt Vorlesung.
Achtung Vorlesung am Montag, den 21. Juni Zeit: Uhr Ort: Kiste.
Statistische Methoden II SS 2003
Klausur am :00 bis 13:00 Hörsaal Loefflerstraße und Hörsaal Makarenkostraße.
Kodiersysteme und erste Umrechnungen
Sportwissenschaftliche Forschungsmethoden SS Statistischer Test.
% ‰ Einführung in die Prozent-/Promillerechnung
Einführung in die Metaanalyse
Einheiten der Parameter
20:00.
Histogramm/empirische Verteilung Verteilungen
Peter Hackl, Abteilung für Wirtschaftsstatistik, UZA II, 4. Ebene
Exponential- u. Logarithmusfunktionen
Einführung in die beurteilende Statistik
Manfred Wahl Gewinnen mit Risiko Mgmt Heidelberger Investoren Runde 11. April 2007 Idee: van Tharp Institute, Technischer Analyse Kongress 2006, Frankfurt.
Sortieralgorithmen Sortieren von Arrays.
Die t-Verteilung und die Prüfstatistik
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Kurvendiskussion Los geht´s Klick auf mich! Melanie Gräbner.
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
STATISIK LV Nr.: 1375 SS März 2005.
STATISIK LV Nr.: 0028 SS Mai 2005.
Kapitel 10 Multikollinearität
Konfidenzintervall und Testen für den Mittelwert und Anteile
Peter Hackl, Abteilung für Wirtschaftsstatistik, UZA II, 4. Ebene
Mehr zum Testen von Hypothesen
EK Produktion & Logistik
Hypothesentest Alternativtest.
1 Stichprobenverfahren zur Qualitätssicherung Hilfestellung der Statistik in der Wirtschaftsprüfung.
Zufallsgröße und Erwartungswert
Berechnung der Gesamtqualifikation
Bioinformatik Vorlesung
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung
Die Binomialverteilung
Binärbäume.
- Seite 1 TIME INTELLIGENCE ® by Zeichenrand – Löschen! Titel.
Verbesserung der Entscheidungssicherheit bei der Bestimmung von Prüfmittelfähigkeitsindizes Präsentation zum Seminar im Studiengang „Scientific Programming“
- Seite 1 TIME INTELLIGENCE ® by Titel.
LernBar LU 16: Zehn hoch.
 Präsentation transkript:

Stichproben-Verfahren in der Annahmekontrolle Literatur Ledolter, Burrill, Statistical Quality Control: Kap.11: Acceptance Sampling Plans Bergman, Klefsjö, Quality: Kap.14: Quality in the Supply Process

Annahmeprüfung Lieferung von N Stück Gut/Schlecht-Prüfung (nicht-messende Prüfung) Entscheidung über Annahme der Lieferung Verfahren Einfache Annahmeprüfung doppelte Annahmeprüfung Multiple und sequentielle Annahmeprüfung 5.3.2004 Annahmekontrolle

Einfache Annahmeprüfung SP-Umfang: n Zahl der Schlechten: d d  Ac d > Ac annehmen ablehnen 5.3.2004 Annahmekontrolle

Stichprobenplan (n,Ac) n: Stichprobenumfang Ac: Annahmezahl 5.3.2004 Annahmekontrolle

Operations-Charakteristik OC() : Anteil der Schlechten OC(): Wahrscheinlichkeit, dass die Lieferung angenommen wird zur Beurteilung eines Stichprobenplans 5.3.2004 Annahmekontrolle

Berechnung der OC-Kurve Mit Hilfe des Urnen-Modells OC() = P(X  Ac|) X: Zahl der schlechten in der Stichprobe X ~ B(n,) Näherungsweise: X ~ P(λ) mit λ = n 5.3.2004 Annahmekontrolle

OC-Kurve für SP-Plan (100,3) 5.3.2004 Annahmekontrolle

Charakteristika der OC-Kurve AQL (acceptable quality level) 1: größter Anteil der Schlechten, bei dem die Lieferung für den Belieferten noch akzeptabel ist LTPD (lot tolerance percent defective), auch LQ (limit quality) 2: jener Anteil der Schlechten, bei dem die Lieferung fast immer abgelehnt werden soll Lieferung mit  < 1 sollte fast immer angenommen werden, mit  > 2 fast nie 5.3.2004 Annahmekontrolle

Produzenten- und Konsumenten- Risiko Produzenten-Risiko (α-Risiko): Wahrscheinlichkeit, dass eine Lieferung mit Ausschussanteil AQL nicht angenommen wird Konsumenten-Risiko (β-Risiko): Wahrscheinlichkeit, dass eine Lieferung mit Ausschussanteil LTPD angenommen wird 5.3.2004 Annahmekontrolle

Beispiel 1: (a) SP-Plan (100,3) OC(0.02) = P(X  3|0.02) = 0.859 OC(0.08) = P(X  3|0.08) = 0.037 somit sind α = 0.141 und β = 0.037 5.3.2004 Annahmekontrolle

Beispiel 1: (b) SP-Plan (100,4) OC(0.02) = P(X  3|0.02) = 0.947 OC(0.08) = P(X  3|0.08) = 0.090 somit sind α = 0.053 und β = 0.090 5.3.2004 Annahmekontrolle

Konstruktion des SP-Plans Nomogramm für Binomial-Verteilung Aus Tabellen; zB JIS-Tabellen für α = 0.05 und β = 0.10. Durch trial and error: Beginne mit (n0, Ac0); durch Erhöhen von n (Verringern von Ac) verschiebt sich die OC-Kurve nach links 5.3.2004 Annahmekontrolle

average outgoing quality AOQ (average outgoing quality): Anteil der Schlechten, wenn abgelehnte Lieferungen durch fehlerfreie ( = 0) ersetzt werden: AOQ() =  OC() + 0 [1- OC()] =  OC() AOQL (average outgoing quality limit): maximaler AOQ 5.3.2004 Annahmekontrolle

Doppelte Annahmeprüfung Stichprobenplan: (n1, Ac1, Re1, n2, Ac2) Operations-Charakteristik OC(): OC() = P(X1  Ac1|) + P(Ac1< X1 < Re1|) P(X2  Ac2|) Xi: Zahl der schlechten in der i-ten Stichprobe (i=1,2) 5.3.2004 Annahmekontrolle

Beispiel 2: Ein Vergleich Stichprobenplan (100,4) Für AQL = 0.02, LPTD = 0.08 ergeben sich α = 0.053, β = 0.090 Stichprobenplan (50, 1, 5, 50, 4): ergeben sich α = 0.044, β = 0.135 lässt öfters schlechte Lieferungen durch, kommt mit weniger Prüfaufwand aus 5.3.2004 Annahmekontrolle

Sequentielle Annahmeprüfung Stichprobenplan: Annahme- und Rückweisungslinie: Ac(n) = - a1 + b n Re(n) = a2 + b n Parameter so, daß OC(1) = 1 - α, und OC(2) = β. a1 = log[(1 - α)/(β)]/K a2 = log[(1 - β)/(α)]/K b = log[(1- 1)/(1- 2)]/K K = log{[(2 (1- 1)]/[(1 (1- 2)]} 5.3.2004 Annahmekontrolle

Beispiel 3: Sequentielle Prüfung 1 = 0.02, 2 = 0.08, α = 0.05, β = 0.10 K = 0.629, a1 = 1.553, a2 = 1.994, b = 0.0436 Ac(n) = - 1.553 + 0.0436 n Re(n) = 1.994 + 0.0436 n 5.3.2004 Annahmekontrolle

Stichprobenplan-Systeme Military Standard 105E (USA, 1989; seit 1950); AQL-System ISO 2859 (seit 1974); dem Military Standard nachempfunden 5.3.2004 Annahmekontrolle

Military Standard 105E Drei allgemeine Inspektionsniveaus vier spezielle Inspektionsniveaus verschärfte Prüfung normale Prüfung reduzierte Prüfung Regeln für Übergang zwischen Niveaus normal => verschärft, wenn 2 von 5 Losen gesperrt; verschärft => normal, wenn 5 Losen gut 5.3.2004 Annahmekontrolle

Military Standard 105E, Forts. Achtung! α- und β-Risiko hängen vom Plan ab Z.B.: für 1 = 0.01 a=0.037 (normal; (50, 3)) a=0.131 (verschärft; (125, 2)) a=0.001 (reduziert; (50, 4)) 5.3.2004 Annahmekontrolle

Kritik an Annahmeprüfung Widerspricht der Idee des continuous improvement Nicht praktikabel, wenn  sehr klein ("six sigma") Berücksichtigt nicht die Kosten Deming: "Prüfe alles oder nichts" (all or none rule) 5.3.2004 Annahmekontrolle

break-even Qualität Deming: all or none rule wenn k1 =  k2 k1: Kosten für Prüfung eines Stücks k2: Folgekosten eines schlechten Stücks wenn k1 =  k2 Prüfen oder Nichtprüfen kostet dasselbe Prüfe (100%), wenn  > k1/k2; ansonsten prüfe nicht! 5.3.2004 Annahmekontrolle

Aufgaben Eine Annahmekontrolle verwendet den Stichprobenplan (15, 1). Berechnen Sie (i) die OC-Kurve für  = 0.00 (0.01) 0.20, (ii) das α- und β-Risiko für AQL = 0.03 und LPTD = 0.10; (iii) die AOQ-Kurve und den AOQL-Wert; zeichnen Sie die Graphen zu (i) und (iii). Suchen Sie einen Stichprobenplan für α = 0.044 und β = 0.135 bei AQL = 0.03 und LPTD = 0.10. 5.3.2004 Annahmekontrolle

Aufgaben, Forts. Der Stichprobenplan einer doppelten Annahmekontrolle mit zerstörender Prüfung lautet: Ziehe eine Stichprobe (n1=4); sind alle Exemplare gut, so akzeptiere die Lieferung; sind zwei oder mehr schlecht, lehne die Lieferung ab. Ist ein Exemplar schlecht, so ziehe eine weitere Stichprobe (n2=2); sind alle Exemplare gut, so akzeptiere die Lieferung; andernfalls lehne die Lieferung ab. Berechnen und zeichnen Sie die OC-Kurve. 5.3.2004 Annahmekontrolle

Aufgaben, Forts. Welchen Stichprobenplan würden Sie verwenden, wenn die Fehlerquote in der Größenordnung von 1 pro 100.000 liegt? (i) Wählen Sie einen Stichprobenplan. Beginnen Sie mit Ac = 0, und wählen Sie den Plan so, dass α = 0.05 bei AQL = 0.00001. (ii) Wie groß müssen Sie n wählen, damit das β-Risiko den Wert 0.08 für LPTD = 0.0010 hat. 5.3.2004 Annahmekontrolle