Pregunta:
¿Cómo se puede aprobar / rechazar al proveedor en función de los datos de las pruebas de validación?
Mahendra Gunawardena
2015-02-01 06:04:13 UTC
view on stackexchange narkive permalink

El requisito de energía para un subsistema es de 5 V +/- 10% a 1 A de corriente. Se emitió una RFQ y se seleccionó un proveedor potencial. Se ha enviado un primer artículo de inspección (FAIR) que incluye 15 muestras de fuentes de alimentación. Las muestras se han probado con y sin una carga de resistencia de 5 ohmios utilizando dos multímetros digitales calibrados separados. Sin la resistencia, el voltaje de salida es de 5 V con poca variación. Bajo una carga de 5 ohmios, los números no son demasiado grandes. A continuación se muestran las medidas (V):

4.56, 4.71, 4.95, 5.12, 4.61, 4.83, 4.65, 4.69, 4.79, 4.81, 4.67, 4.74, 4.63, 4.74, 4.81

¿Debe aprobarse el proveedor como proveedor?

Esos números están dentro de las especificaciones, pero si tiene otros reparos con ellos, parece que eso es algo para discutir internamente. Y si quieres mejores números, revisa la tolerancia.
Tres respuestas:
#1
+9
Paul Gessler
2015-02-01 08:11:39 UTC
view on stackexchange narkive permalink

TL; DR: Depende, pero probablemente no

Podría argumentar que "las 15 muestras están dentro de las especificaciones, por lo que el proveedor debe ser aprobado". No tan rápido: dependiendo de los parámetros de su ejecución de producción completa, las 15 muestras pueden o no ser estadísticamente significativas.


Hay numerosas calculadoras en línea para hacer estos cálculos; Usé este. Un buen recurso para las fórmulas reales se encuentra en línea en el Manual de estadísticas de ingeniería del NIST o en cualquier libro de texto de Estadística de pregrado.

Por las especificaciones, sabemos que nuestro intervalo de confianza es del 10% (dos cara). Esto significa que cualquier pieza dentro del 10% del nominal es aceptable.

A continuación, debemos determinar el nivel de confianza. Esto suele ser el 95%, pero a veces el 99%, y representa "qué tan seguros" podemos estar del resultado.

La última información que podemos dar si se conoce es el tamaño de la población. En este escenario, este es el número total de piezas que se pedirán al proveedor durante la vida útil del producto / proceso. La mayoría de las calculadoras permiten que esto se deje en blanco y, si falta, asume un valor grande, porque el efecto del tamaño de la población disminuye a medida que crece en relación con el tamaño de la muestra.

Suponiendo un nivel de confianza del 95% y nuestro intervalo de confianza del 10%, con la población en blanco, necesitamos un tamaño de muestra de 96 partes para tener un resultado estadísticamente significativo. El aumento a un nivel de confianza del 99% requiere un tamaño de muestra de 166 partes .

Por lo tanto, para los niveles de confianza estándar de la industria, no podemos concluir que el proveedor esté aprobado. basado en la muestra inicial de 15 partes solamente .

Espere un minuto, ¡toda la corrida FAIR estuvo dentro de las especificaciones! Bueno, sí, pero ¿qué puedo decir que los próximos 15 no estarán fuera de especificaciones? No lo sabemos, ¡por eso tenemos estadísticas! :-)


Bueno, ¿bajo qué circunstancias es nuestra muestra significativa?

Solo como ilustración, ingresé valores de población hasta que encontré un resultado estadísticamente significativo en $ n = 15 $: para un nivel de confianza del 95%, $ n = 15 $ las muestras serían significativas solo si la población (producción total) es de 18 partes! Para un nivel de confianza del 99%, la situación es aún peor: ¡significativa solo si la producción es de 16 partes!


Otras notas:

Los cálculos anteriores suponen que el proceso sigue una distribución normal y que la muestra es representativa de la población. En la práctica, ambas suposiciones pueden ser inexactas.

también asume que las resistencias de los elementos de la muestra son * independientes *, y eso tampoco puede ser válido: los elementos de un lote pueden coincidir más estrechamente que los elementos de lotes separados.
@EnergyNumbers esto se tiene en cuenta en el supuesto "representativo": si hay variación entre lotes, una muestra seleccionada de un lote no es representativa de la población.
¿No supone esto también que no sabemos esencialmente nada sobre la precisión del proceso de fabricación? Por ejemplo, si tengo dos grupos de piezas hechas con el mismo diseño, una forjada y otra fundida, debería necesitar menos muestras de la pieza forjada para obtener el mismo intervalo de confianza, porque se acepta que la forja es más consistente que la fundición.
@TrevorArchibald buena pregunta, una a la que no puedo pensar inmediatamente en una respuesta. Solo que el intervalo de confianza está determinado solo por la especificación: las estadísticas realmente no se preocupan por el proceso utilizado. Aunque en la práctica, la precisión del proceso de fabricación afectaría la forma de la distribución. Necesito pensar un poco más sobre si el uso de una distribución normalizada elimina esta dependencia o no.
@PaulGessler Creo que principalmente habría una variación en la desviación estándar de los diferentes procesos de fabricación, pero para que eso sea útil, probablemente necesite definirlo por separado. Pero una vez que tenga eso, creo que no debería ser difícil alterar el cálculo del intervalo de confianza en consecuencia.
Su análisis asume que las muestras son aleatorias. Sin embargo, especialmente si se trata de un producto personalizado, 15 muestras del primer artículo de un proveedor no serán al azar a menos que sean realmente estúpidos o que esté observando cuidadosamente su proceso. Es muy probable que construyeran al menos 20 y que los técnicos inspeccionaran y posiblemente seleccionaran 15 unidades en cumplimiento. Los primeros artículos de lotes pequeños solo le dicen si el proveedor es incompetente, no si es competente. Estas muestras son realmente para asegurarse de que se hayan considerado todas las especificaciones, que encajen y funcionen en su sistema, etc. Básicamente, prueban * su * proceso.
La variación inherente al proceso de fabricación se mostrará en la variación de las piezas.
#2
+3
706Astor
2015-02-10 05:18:09 UTC
view on stackexchange narkive permalink

El promedio y la desviación estándar del conjunto de muestra anterior son:

  • Promedio ($ \ mu $): 4.754V
  • Desviación estándar ($ \ sigma $): 0.142368
  • Media : 4.74
  • USL : 5.5
  • LSL : 4.5
  • C $ _ {p} $ : 1.1706
  • C $ _ {pl} $ : 0.5947
  • C $ _ {pu} $ : 1.7466
  • C $ _ { pk} $ : 0.5947

Histogram for Random DataHistogram using Original Data

$ \ texto {Pr} (\ mu - \ sigma \ leq x \ leq \ mu + \ sigma) \ approx 0.6827 $

$ \ text {Pr} (\ mu - 2 \ sigma \ leq x \ leq \ mu + 2 \ sigma) \ approx 0.9545 $

$ \ text {Pr} (\ mu - 3 \ sigma \ leq x \ leq \ mu + 3 \ sigma) \ approx 0.9973 $

$ C_ {p} = \ frac {(USL - LSL)} {6 \ sigma} $

$ C_ {pu} = \ frac {USL- \ mu} {3 * \ sigma} $

$ C_ {pl} = \ frac {\ mu-LSL} {3 * \ sigma} $

$ C_ {pk} = min (C_ {pu} , C_ {pl}) $

Según los datos anteriores, parece que el proceso tiene una capacidad de entre 1 sigma y 2 sigma. Aproximadamente el 10% del producto podría no cumplir con los requisitos.

Además, un conjunto de muestra de 30 se considera un tamaño de muestra generalmente aceptable. El conjunto de muestra en este problema es 15, que está en el lado bajo.


Sugerencias:

  • Consulte con el proveedor si clasificó las piezas de muestra
  • La fuente de alimentación no entrega los 1A requeridos de corriente a plena carga
  • Es posible que el conductor portador de corriente no sea capaz de entregar la corriente a plena carga
  • La fuente de alimentación también puede tener algunos problemas menores de diseño
  • También verifique el sistema de prueba también

La distribución parece ser una curva de campana normal. Un proveedor de ingeniería de calidad podría ayudar a abordar este problema.

#3
+2
Olin Lathrop
2015-02-24 21:19:04 UTC
view on stackexchange narkive permalink

Estoy de acuerdo con lo que dijo Trevor en un comentario. Especificó 5V ± 10% (4.5-5.5 V) y eso es lo que obtuvo. No veo el problema aquí. Todas las muestras que obtuvo están dentro de las especificaciones. Puede haber otras razones para no utilizar este proveedor, pero las muestras que no cumplen con las especificaciones no es una de ellas.

Sin embargo, las muestras del primer artículo no le dicen que el proveedor está bien, solo le dicen a usted si el proveedor definitivamente no está bien. En el mundo real, no solo calificas a un proveedor y luego le compras a ciegas después de eso. Es una relación continua. Las muestras estaban todas dentro de las especificaciones, pero, de nuevo, a menos que el vendedor sea realmente estúpido, por supuesto que lo eran. Pueden permitirse el lujo de verificar y seleccionar manualmente 15 artículos para enviarle.

Especialmente dado que uno de cada 15 estaba bastante cerca del límite, debe pedirle al proveedor que le explique cómo es su diseño o procedimiento de calibración. garantiza que todas las unidades cumplirán con las especificaciones, cómo sabe que se mantendrán en las especificaciones durante la vida útil esperada, etc. En resumen, sigue siendo su trabajo tener cierta confianza en que estas muestras son representativas y que sepa que existe un sistema en el que cree para entregar futuros productos con especificaciones.

Si está realmente preocupado por esto, configure su propia inspección entrante. Posiblemente podría hacer esto con una muestra aleatoria de cada lote recibido, o de cada unidad, dependiendo de cuán crítico sea para usted.

Por supuesto, si realmente está tan preocupado, entonces sus especificaciones originales probablemente sean demasiado flojo. Permitir que la fuente de alimentación básica sea de ± 10% suena innecesariamente alto en primer lugar. Eso no está empujando ningún límite, por lo que requisitos más estrictos como ± 5% no deberían costar mucho más, si es que hay alguno. Algunas partes electrónicas están especificadas para 5V ± 10%, por lo que no puede hacer que el suministro básico consuma todo el presupuesto de errores. El voltaje entregado finalmente donde se usa tendrá una tolerancia más amplia que la que se encuentre en el suministro.



Esta pregunta y respuesta fue traducida automáticamente del idioma inglés.El contenido original está disponible en stackexchange, a quien agradecemos la licencia cc by-sa 3.0 bajo la que se distribuye.
Loading...