连续采样方案的两种较好的悬挂规则_aql论文

用于连续抽样方案的两类更优的中止规则,本文主要内容关键词为:两类论文,规则论文,方案论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

中图分类号:O212

引言

概括地说,连续抽样方案CSP-1,CSP-2,CSP-T[1]及CSP-V[2]均可被视为100%检查(简称全检,简记FI)与抽样检查(简称抽检,简记SI)之间的转换(下文以符号→表示转换),其中SI→FI的转换程序(又称转换条件)随方案类型的不同而异,但各类方案的FI→SI程序是完全相同的[3]。即当B=“FI中连续检出i个合格品”发生时转入SI,这里,参数i随方案的检索指标AQL[1]和f的不同而不同。例如,对于AQL=0.4,f=1/10的CSP-1,有i=207;对于AQL=0.65,f=1/25的CSPT,有i=217等。可以验证,当被提交的一系列单位的过程平均不合格品率P(0<P=1-q<1)较小,如P=AQL时,全检期的平均长度[3]Eτ(P)=(1-q[i])/(pq[i])较小,而当p处于极限质量水平LQ时,相应的Eτ(P)取值是很大的。例如,对于上述CSP-1方案,分别有Eτ(AQL)=327及Eτ(LQ)=4206。可见,当生产过程不处于质量控制状态[3],尤其是当p值由较为理想的水平(如AQL)增大到被认为不能接受的水平(如LQ)时,相应与FI→SI的全检数量将是很大的,此时的检查乃至生产都将是不经济的,这就需要依据某种随机事件(称为中止事件,简记D)在方案原有的转换程序中添加一种能获得p值增大信息的特定规则(称为中止规则,简称规则)。依据这种规则,一旦D发生,便中止检查(简记DI)和生产过程,并寻找和排除P值过高的根源。

添加D后,FI→SI的转换程序变为:若B先于D而发生,则转入SI;在相反的情况下,转入DI。

对中止规则问题的一个起码要求是,中止事件的添加必须保持方案原有的基本统计特性。即添加之后,方案原有的三个基本函数[3]不变,否则所作的讨论将是无意义的。文[4]理论性地证明了[1,2]中引入的规则[n[*]-i](本文称为规则[S])满足这一要求。文[5]仿此证明了另一类被称为[R]的规则亦然。在此基础上,文[6]更为一般性地证明了若D仅当检出不合格品时发生,则D的添加将满足上述要求。这些工作无疑为对中止规则问题的进一步研究提供了有益的参考。

文[7]提出了被称为中止概率典线的度量,用以衡量中止规则统计特性的优劣。简言之,若以D(p)表示不合格品率为p时某种中止事件的(又称中止概率函数,简称中止概率),则不同规则特性优劣体现于:在D(AQL)≤a的条件下,D(LQ)值的大小,大者为优。事实上,p[,1]=D(AQL)及p[,2]=1-D(LQ)正是通常所为的第一、第二类误判概率。基于此度量,[5]证明了规则[R]的第一类误判概率不超过规则[S],而其第二类误判概率比之[S]有很大幅度的下降,即[R]优于[S]。

下文将提出两类比[R]更优的中止规则。

一、规则[N,c],[R,d]的设计依据

在提出新的规则之前,先赋予已有的两种规则[S],[R]以假设检验的观点,依[4]和[5],已有的两种规则可以表述为:

[S]:累计全检数超过S,B末发生,且在随后的不超过i次检查中检出不合格品:

[R]:至累计不合格品数达到r为止,B未发生。

可以看出,两类规则的基本观点是有差别的:前者意在限制全检期的长度。事实上,规则[S]的中止事件可以等价地表述为“全检期长度超过s+i”。后者直接限制了全检期中的不合格品总数。尽管如此,它们均符合假设检验的基本观点。对于规则[S],因原假设“H[,0]:p值较小”成立时,全检期长度不应很大,故在相反的情形下应予否定(即中止);类似地,对于规则[R],当上述原假设成立时,全检期中不合格产品数量应很小,故在达到一定的界限时应予中止。

另一方面,上述两规则在设计上并未实质性地与事件B结合。事实上,衡量H[0]中p值是否较“小”的依据应当是,事件B是否能较“快”地发生,而B等价于“相邻两个不合格品之间的合格品数量(下称不合格间隔)不小于i”,其中,自FI开始记数到首次检出不合格品之前的合格品数量亦称不合格间隔。利用假设检验的观点,若构造这样的原假设H[*,0]:不合格间隔较“快”地不小于i,则其对立假设应为H[*,1]:不合格间隔“长期”地小于i。基于此,本文提出如下的两类中止规则:

[N,c]:至于不合格间隔连续N次小于c为止,B未发生,1≤c≤i,N≥1;

[R,d]:至于不合格间隔累计R次小于d为止,B未发生,1≤d≤i,R≥1。

二、规则[N,c],[R,d]的中止概率函数

为区别起见,以D[,c](p)表示不合格品率为p时添加规则[N,c]的CSP(泛指CSP-1,CSP-2,CSP-T,CSP-V中的任何一类)的中止概率,即FI→DI的概率。下面借助多元转移概率流向图(MTPFG)与多元转移概率母函数(MTPGF)[8]的方法,寻找规则[N,c],[R,d]的中止概率函数。

一般地,设从某一单位开始计数,则在不超过i次检查中必出现下列情形之一:

1.恰在第k次检查中首次检出不合格品,1≤k≤a≤i:

2.前k-i个单位均合格,恰在第k次检查中检出不合格品,a≤k≤i;

3.连续i次检查均合格。

与情形1,2,3相应的TPGF依此为:

F(x)=(px)[1+(qx)+…+(qx)[a-1]]=(px)[1-(qx)[a]/(1-qx);

G(x)=(px)[(qx)[a]+…+(qx)[i-1]]=(px)(qx)[a][1-(qx)[1-a]]/(1-qx);

H(x)=(qx)[i]。

可以验证:F(1)=1-q[a],G(1)=q[a]-q[i],H(1)=q[i],从而F(1)+G(1)+H(1)=1成立。

对于规则[N,c],令a=c,Q为不合格间隔不小于c的状态,C[,k]为不合格间隔连续k次小于c的状态,1≤k≤N,D为中止检查,S为SI的起点,则添加规则[N,c]的CSP方案相应于FI→SI或DI的浓缩TPFG如图1所示

图1 添加规则[N,c]时CSP方案全检期的浓缩TPFG

图1中相应于Q→D的直路的TPFG为F[N](x),Q处的N条并联环路的TPFG之和为:

G(x)[1+F(x)+…+F[N-1](x)]=G(x)[1-F[N](x)]/[1-F(x)]

依MIPFG原理,F1→DI的TPFG,即图1中Q→D的TPFG为

G[,Q→D](x)=F[N](x)/{1-G(x)[1-F[N](x)]/[1-F(x)]}

=[1-F(x)]F[N](x)/{1-F(x)-G(x)[1-F[N](x)]}

再依D[,c](p)=G[,Q-D](1),即得到D[,c](p)的表达式:

D[,c](p)=q[c](1-q[c])[N]/[q[c](1-q[c])[N]+q[i]-q[i](1-q[c])[N]],0<p<1

(1)

类似地,对于添加规则[R,d]的情形,令a=d,沿用图1中关于状态Q,D,S的定义,并引入

图2 添加规则[R,d]时CSP方案全检期的浓缩TPFG

状态D[,k]=“不合格间隔累计k次小于d”,1≤k<R,便得到相应的TPFG,见图2,由此得到相应于Q→D的TPGF为:

G[,Q→D](x)=F[R](x)/[1-G(x)][R]=[F(x)/(1-G(x))][R],

相应的中止概率为:

D[,p]=G[,Q→D](1)=[(1-q[d])/(1-q[d]+q[i])][R],0<p<1

(2)

依(1),(2)不难看出,D[,c](p),D[,d](p)分别是p,N,c,i及p,R,d,i的多元函数,即D[,c](p)=C[,c](p,N,c,i),D[,d](p)=D[,d](p,R,d,i),0<p<1;1≤c,d≤i;N,R≥0

定理1中止概率函数D[,c](p,N,c,i)及D[,d](p,R,d,i)具有下列性质:

(1)D[,c](p1,N,c,i)<D[,c](p[,2],N,c,i),D[,d](p[,1],R,d,i)<D[,d](p[,2],R,d,i),p[,1]<p[,2],

(2)D[,c](p[,1],N,c,i)>D[,c](p,N+1,c,i),D[,d](p,R,d,i)<D[,d](p,R+1,d,i),N,R≥0,

(3)D[,c](p[,1],N,c,i)<D[,c](p,N,c+1,i),D[,d](p,R,d,i)<D[,d](p,R,d+1,i),c,d≤i,

(4)D[,c](p[,1],N,c,i)<D[,c](p,N,c,i+1),D[,d](p,P,d,i)<D[,d](p,R,d,i+1),i>c,d

表1 CSP-V方案的中止参数N,c及R,d

AQL(%)0.400.651.01.5

2.54.06.510.0

1/f N,c N,c N,cN,c

N,cN,cN,cN,c

2

3 603 272 26

2 16 3 94 94 6/ 2

3

3 583 353 2215

4 14  4 94 5

4 3

4

3 554 564 36

4 24 4 14

5 12

5 74 3

5

4 894 544 35

4 23 5 19

4 85 75 4

7

4 865 725 47

4 22 5 18

5 11

7 10

5 4

10

5 115

5 695 45

5 30 5 17

6 14

6 86 5

15

5 110

6 846 54

5 28 6 21

6 13

7 96 5

25

6 113

6 797 62

6 34 7 24

7 15

8 10

10 8

50

7 149

8 104

8 67

8 45 8 26

8 16

9 11

12 9

100 8 162

10 123 10 80 9 48 10 31 11 21 15 16 16 11

200 10 193

12 138 11 82 11 55 14 40 12 22 18 18 15 10

1/f R,d R,d R,dR,dR,dR,dR,dR,d

2

2 232 142 93 15

3 93 53 33 2

3

3 523 313 20

3 13

3 73 44 45 4

4

3 473 273 17

3 11

4 11

3 45 55 4

5

3 424 444 28

4 18

3 64 65 57 5

7

4 654 374 23

4 16

5 13

5 85 47 5

10

4 554 314 20

4 13

5 11

5 75 38 4

15

5 675 375 23

5 16

6 11

6 77 47 3

25

5 515 286 21

6 16

8 13

7 79 510 4

50

7 607 317 20

7 147 7

11 9

12 5

14 3

100

8 489 29

12 28 11 18

13 11 10 5

17 4

18 3

200 11 49

10 21

13 19 12 13

18 10

9 3

14 2

14 2

上述各式的概率意义是显而易见的,证明从略。

下面的结论一般性地给出了所有中止函数当p值固定的时的上确界,它在各类中止规则的优劣比较中具有重要的作用。

定理2 令Ψ为全体仅在FI中检出不合格品时才发生的中止事件D的集合,D(p)为与D相应的中止概率函数,则对任何固定的p值,有下列关系式:

Max{D(p)|D∈Ψ.jpg}≤1-q[i],0<p<1

(3)

且有D∈Ψ,使(2)式中的等号成立。

证明:构造中止事件D[,T]=“FI中检出不合格品”,则与D[,T]相应的中止规则为[T]:当D[,T]先于B发生时中止检查。在规则[T]下,不难看出,除非FI中最初的连续i个产品单位均合格,否则检查过程将被中止。换言之,规则[T]不允许FI中检出不合格品,它在与Ψ中所有元素相对应的全体中止规则中是最严(即中止概率最大)的,易知对于任何固定的p,与规则[T]的相应中止概率函数为D[,T](p)=1-q[i]。证毕。

三、规则[N,c]的中止参数确定

为了确定中止参数,首先必须规定第一类误判概率□的数值。本文令a=1%。这一方面是由于[1],[2]中采用的规则[S]满足a≈1%,另一方面,也是为了便于与已有的两种规则[S],[R]进行比较。其次,有必要强调选择参数的原则[5],即在给定第一类误判概率的前提下,使第二类误判概率最小。本文称满足上述两个要求的参数为最优参数。基于以上观点及定理1,可按下列步骤并借助于计算机确定规则[N,c]的最优中止参数N及c:

1.给定k,确定N[,k],使D[,c](AQL,N[,k]-1,k,i)>1%,而D[,c](AQL,N[,k],k,i)≤1%,依据定理1,当k满足1≤k≤i时,相应的N[,k]存在且唯一。

2.计算D[,c](LQ,N[,k]k,i),1≤k≤i,找出最大者,与之相应的N[,k],k即为所求的N,c。

规则[R,d]的中止参数R,d的确定是完全类似的。

顺便指出,[1,2]中的各类CSP均是以抽样比率f和可接收质量水平AQL为检索指标的,即,对于每类CSP,当f和AQL给定时,可检索出与之相应的包括连续合格数i和极限质量水平LQ等在内的一系列操作参数和特性参数。

表1给出了按上述步骤确定的,以f和AQL为检索指标的所有CSP-V的N,c及R,d值,相应的i值和LQ值可从[2]中检索到,可以看到,随着1/f值的增加,参数N及R亦单调增加(个别值例外),但对于参数c及d而言,仅有上升趋势(例外数值较多),其原因有二,一是c,d的离散性,二是最优性原则。必要时,通过调整c,d的值可以使之具有单调性,且这种调整对第二类误判概率的影响不大,限于篇幅,本文不作进一步讨论。

四、规则[N,c],[R,d]与[S],[R]的特性比较

提出新的中止规则的首要目的是希望使各类CSP具有更优的中止特性。因此,结合各个CSP-V方案将规则[N,c],[R,d]与已被[1,2]采用的规则[S]以及已在文[5]中研究过的规则[R]进行比较是必要的。由于本文取a=1%,故四类规则的第一类误判概率是基本相同的。因此,比较的第一个内容是分别采用各类规则的CSP-V的第二类误判概率β,易知1-β正是各方案在p=LQ处的中止概率。表2~5分别列出了采用各类规则的全部CSP-V方案在LQ处的中止概率。

可以看出,规则[S]第二类误判概率最大。如f=1/7,AQL=1.5的CSP-V方案采用规则[S]时的第二类误判概率为21.7%,而采用规则[R],[N,c],[R,d]时相应的第二类误判概率分别为:11.8%,9.1%和8.1%(依定理2,该方案的第二类误判概率的上确界为(1-LQ)[i]=(1-7.84%)[51]=1.6%就本例而言,各类规则的优劣顺序依次为[R,d],[N,c],[R]及[S]。由表2~5知,这一结论具有一定的普遍性。

表2 中止规则[S]下CSP-V在LQ处的中止概率(%)

1/f AQL(%)

0.400.651.01.52.54.06.510.0

2

71.371.271.1

73.5

71.1

70.1

70.2

79.0

3

74.374.474.6

74.9

74.8

73.8

71.1

70.2

4

77.073.974.3

73.8

74.2

69.7

69.5

75.8

5

77.077.077.1

76.6

76.4

75.5

73.8

71.4

7

80.278.178.7

78.3

77.7

77.2

75.9

77.6

10 82.180.580.6

81.2

80.2

80.9

77.3

76.7

15 84.082.882.9

83.0

82.6

82.8

79.7

82.9

25 87.185.685.9

86.4

84.3

84.8

83.1

84.5

50 89.488.388.3

89.3

87.3

88.7

85.5

84.1

100 91.990.290.6

91.0

90.0

90.5

87.6

88.7

200 93.992.792.7

93.2

91.0

92.7

90.3

91.4

表3 中止规则[R]下CSP-V在LQ处的中止概率(%)

1/f AQL(%)

0.400.651.01.52.54.06.510.0

2

85.380.880.8

80.8

80.8

80.8

76.7

80.8

3

83.583.583.5

83.5

83.5

83.5

80.6

77.7

4

87.384.984.9

84.9

84.9

84.9

80.4

82.7

5

87.785.885.8

85.8

85.8

84.0

84.0

80.4

7

89.688.288.2

88.2

86.8

86.8

84.1

85.5

10 90.689.689.6

90.6

89.6

89.6

85.7

85.7

15 92.291.590.9

91.5

90.2

90.2

88.2

90.2

25 93.692.792.7

93.2

91.9

92.3

91.1

91.5

50 95.494.694.6

94.8

93.8

94.2

92.9

91.5

100 96.591.895.8

96.2

95.3

95.7

93.5

94.0

200 97.496.796.7

97.0

96.2

96.8

95.0

95.8

比较的第二个内容是,采用各类规则的CSP方案的中止概率曲线[7]。事实上,某种规则的优劣不仅取决于其第二类误判概率的大小——显然第二类误判概率仅是一个局部的性质,更取决于当p值增加时,相应的中止概率函数的变化趋势,即所谓中止概率典线的形状。图5.1~5.4分别给出了采用上述四类规则的四个具体的CSP方案(分别选自CSP-1,CSP-2,CSP-T及CSP-V四个大类)AQL≤p≤LQ范围内的中止概率曲线,其中横轴为p(均匀刻度),纵轴为中止概率(%)。

表4 中止规则[N,c]下CSP-V在LQ处的中止概率(%)

1/f AQL(%)

0.400.651.01.52.54.06.510.0

2

85.385.084.7

84.7

83.6

80.8

79.4

42.6

3

87.686.986.4

86.9

86.3

85.1

82.0

82.4

4

88.988.288.0

88.0

87.0

86.2

83.3

85.4

5

90.089.489.3

89.2

88.2

87.2

86.7

83.0

7

91.790.890.8

90.9

90.2

89.8

87.6

83.2

10 93.292.692.6

92.8

91.9

92.1

89.9

89.1

15 94.894.194.0

94.3

93.5

93.4

91.8

93.2

25 96.295.795.7

95.8

95.1

95.3

94.3

94.2

50 97.697.297.2

97.3

96.8

96.9

96.5

96.7

100 98.598.298.2

98.3

98.0

98.1

97.2

97.4

200 99.198.998.9

99.0

98.7

98.9

98.3

98.6

表5 中止规则[R,d]下CSP-V在LQ处的中止概率(%)

1/f AQL(%)

0.400.651.01.52.54.06.510.0

2

86.385.985.3

84.8

84.4

83.0

82.3

83.9

3

88.387.987.8

87.8

86.7

85.7

83.6

82.3

4

90.189.389.0

88.9

87.8

88.0

84.4

86.5

5

91.090.290.1

90.0

89.5

88.9

87.5

84.4

7

92.491.891.7

91.9

90.0

90.8

89.2

88.7

10 93.993.293.2

93.3

92.7

92.8

90.2

89.4

15 95.194.594.4

94.7

93.7

93.8

91.9

93.0

25 96.395.895.8

95.8

95.0

95.4

94.3

94.4

50 97.497.096.9

97.1

96.5

96.6

95.9

94.6

100 98.297.897.8

97.9

97.5

97.7

96.3

96.6

200 98.798.398.3

98.5

98.0

98.4

97.3

97.7

图5.1~5.4表明了下列结论:

(1)四类规则在AQL处的中止概率基本相同,从而它们的第一类误判概率是基本相同的。

(2)规则[N,c]与[R,d]在LQ附近的中止概率很接近,二者均高于采用规则[R]的中止概率,且明显高于采用规则[S]的情形,这表明[N,c],[R,d]均优于[S]及[R]。

(3)当p处于AQL附近时,规则[N,c]比之[R,d]的中止概率曲线更低,这表明前者对于高质量产品的“保护”能力更高;

(4)当p处于区间[AQL,LQ]的中心附近(对p值而言,这是一个难分优劣的区域)时,规则[N,c]的中止概率曲线比之[R,d]的情形具有更大的斜率,即前者的曲线更陡,这表明前者在难分质量优劣的情形下,对p值的变化更为“敏感”。

第二项比较内容表明,整体而言,四类规则的统计特性的优劣顺序依次是[N,c]最优;[R,d]次之;但优于[R];[S]最劣。

最后一个比较的内容是,各类规则在操作上的简便性。这是一个较难严格度量的问题。直观上看,[R]最易操作,因为它只须对累计不合格品的个数计数;[N,c]与[R,d]均比[R]繁但[R,d]略比[N,c]简便些,事实上,二者的计数对象虽然都是不合格间隔,但前者以累计方式计数,而后者以连续方式计数;至于规则[S],因其在统计特性方面最差,在操作方面远比[R]繁琐,故没有深入讨论的必要。

本项比较表明,[R]的操作最为简便,[R,d]次之,但略比[N,c]简便些。

综合上述三个方面的比较,总体上说,有下列结论:

(1)现行标准[1,2]中采用的规则[S]应当被淘汰;

(2)[R]的操作最为简便,但其统计特性不如[N,c]及[R,d];

(3)[N,c]的整体统计特性最优,但操作上不如[R],[R,d]简便。

(4)[R,d]的第二类误判概率最小,操作上也较简便。

标签:;  ;  ;  ;  

连续采样方案的两种较好的悬挂规则_aql论文
下载Doc文档

猜你喜欢