Объем выборки

Чтобы по результатам проверки выборки можно было сделать достоверные выводы о качестве всей партии изделий, выборки должна быть представительной, т. е. достаточной по объему и наилучшим образом отражающей свойства всей партии изделий. Объем выборки устанавливается с помощью математической статистики (при N = = 1000 -г 3000 обычно и = 35 -г 40), а представительность достигается, как правило, путем формирования случайной выборки. [c.261]

Здесь п — объем выборки. [c.39]

Здесь п — число измерений (объем выборки) Хг — результат 1-го измерения х — среднее значение результатов измерения, определяемое соотношением [c.42]

Здесь X — нормально распределенная случайная величина — объем выборки под р здесь подразумевается либо с, либо М х S — корень квадратный из выборочной дисперсии. [c.105]

Обобщенные переменные 11 Объем выборки 38 [c.356]

ГОСТ 13216—74 рекомендует контролировать надежность изделий по вероятности их безотказной работы. В соответствии с этим стандартом устанавливается минимальная вероятность безотказной работы при заданном времени испытаний и по этим данным определяется объем выборки для контроля надежности. [c.126]

Основными критериями качества экспериментального материала являются объем выборки и степень ее однородности, диапазон колебания исследуемых параметров. Построение модели возможно на основе регрессионных методов или с привлечением методов планирования экспериментов. В последнем случае появляется возможность построить математическую модель процесса, проанализировать с ее помощью явление, оценить влияние различных факторов и их взаимодействий, получить максимум информации при минимуме затрат. [c.144]

Достаточное число Пд участков измерения (объем выборки) параметра R неровностей на данной поверхности единичной детали определяют по формуле [c.71]

Из этой формулы видно, что чем меньше остаточная дисперсия, чем больше объем выборки и чем ближе расположена точка x kx, тем уже доверительная область, и, наоборот, при удалении значения Хо от х ширина доверительной области возрастает. [c.173]

Если распределение случайной величины не противоречит нормальному закону, то установив относительную ошибку определения среднего арифметического т, можно определить минимальный объем выборки п, который будет равен [c.153]

Статистически обоснованные выборочные проверки отличаются тем, что они выполняются в соответствии с планом. В данном случае термину план соответствует совокупность правил и параметров, определяющих выполнение выборочной проверки и выбор решения на основании полученных результатов. В частности, сюда обычно относятся 1) правило отбора физических объектов или явлений, например включение в выборку последних, обработанных к приходу контролера деталей случайный отбор проверяемых экземпляров из партии, предъявленной на контроль, и пр. 2) параметр — объем выборки 3) способ определения выборочных значений случайной переменной, например измерение определен-22 [c.22]

Интуитивный способ выявления ненормальностей при условии достаточной квалификации и опытности рабочего часто бывает более эффективным, чем традиционный метод статистического регулирования, так как опытный рабочий выполняет выборочные проверки в оптимальные сроки (наиболее ранние или наиболее выгодные с точки зрения возможностей выявления), сообразует объем выборки с условиями конкретной операции и для каждого типа ненормальностей прибегает именно к тем сопоставлениям, какие необходимы по логике дела (а не в соответствии с математической абстракцией пуассоновского потока неслучайных причин). [c.34]

Выборочная проверка 3, 4, 5, 6 является вероятностным экспериментом, условиями которого служат а) объем выборки [c.43]

В рассматриваемом примере (см. рис. 2) затраты появляются уже при первой регулировке. Затраты на регулировку складываются из затрат на инструмент (в часах) и затрат рабочего времени на установку. Затраты являются заданным параметром (не зависят от решений), но затраты на одну попытку при настройке т. е. на регулировку и выборочную проверку ошибки регулировки, уже зависят от плана I, которым установлен объем выборки п [c.50]

В приведенных ниже примерах приняты объемы выборок и границы, указанные в табл. 3. В той же табл. 3 в гр. 8 показано отношение допуска к среднему квадратическому отклонению, а в гр. 5, 6 и 7 — параметры аппроксимирующей оперативной характеристики плана А. В гр. 9 проставлены отношения объема выборки Па плана А к объему выборки пг планов Г при равной [c.78]

Если объем выборки принять /г = 5, то затраты на одну контрольную проверку достигнут 0,088 ч, откуда следует, что один контролер может обслуживать при этих условиях 11—12 станков. [c.130]

Этот пример совпадает с примером 1 с той лишь разницей, что раз в час в сроки, не зависящие от начала технологического промежутка, в условиях примера 3 предусмотрены контрольные проверки отклонения у. н, v. План контрольной проверки предполагается таким же, как план дополнительной проверки в примере 2, т. е. с А, = 2,45, Y = —= Ug, что соответствует объему выборки я = 6 и границам регулирования 0,025 мм. Дополнительная проверка настройки в примере 3 не предусмотрена, контрольные данные при регулировках не используются. [c.141]

Исходные данные для вычислений функции затрат (К) или 5оп (п) взяты те же, что в примере 3 (см. п. 7.3). Итак, ставится задача найти минимум функции затрат зависящей от одного аргумента. Если вопрос о способе обработки контрольных данных (о методе статистического регулирования) не предрешен, то в качестве аргумента функции затрат надо взять крутизну К оперативной характеристики. Позже будут выбраны объем выборки и границы регулирования, соответствующие оптимальной крутизне К применительно к тому или иному методу статистического регулирования. Если заведомо известно, что будет применен метод класса А (на основе средней арифметической), аргументом следует взять объем выборки я. В первом случае аргумент будет непрерывной, во втором случае — целочисленной переменной величиной. В примерах представлены оба случая. [c.162]

Предположим, что применяется метод статистического регулирования класса А, следовательно, практически выполнимы планы с такой крутизной оперативной характеристики, при которой V составляет целое число. Соответственно, аргументом функции эффективности принимаем объем выборки п (см. нижнюю шкалу на рис. 15). Если в данном случае применить способ сплошного перебора, потребовалось бы 25 вычислений минимального зпа- [c.164]

Оптимизация системы статистического регулирования и контроля при двух факторах его эффективности в принципе не отличается от такой же задачи при любом числе аргументов функ- ции 5 (о)). Но с переходом к функциям трех и более аргументов теряется очень нужная в условиях рассматриваемой задачи возможность интуитивного понимания методов на основе непосредственных пространственных представлений. Вот почему, прежде чем перейти к методам поиска экстремума в любом многомерном случае оптимизации СРК, рассмотрим методы применительно к функциям f (п, k) с двумя аргументами п к. Q числовых примерах п соответствуют объему выборки k == где у — параметр [c.177]

Итак, налицо четыре аргумента п — объем выборки при контрольных проверках настройки и контрольных проверках в конце [c.184]

Для единства терминологии и обозначений условимся обозначать нормированный размах соответствующий границе регулирования, через и называть его положением оперативной характеристики. Крутизне Xjf оперативной характеристики соответствует в данном случае объем выборки п. [c.210]

Способ выборочного размаха, наряду с несомненным преимуществом простоты и дешевизны обработки данных, имеет тот недостаток, что пригоден только применительно к малым выборкам (не свыше п = 7- 8), кроме того, при очень малых значениях риска е суш,ественно уступает в этом отношении способу, при котором применяется выборочное среднее квадратическое отклонение s. Особенно это сказывается на операциях с заведомо износостойкой настройкой, т. е. таких, когда объем выборки для оценки дисперсии не ограничен опасением, что эта оценка исказится вследствие динамики уровня настройки. Способ контроля дисперсии с по-мош,ью выборочного среднего квадратического отклонения безусловно выгоднее на операциях, где значения признака качества определяют с помощью дорогих испытаний или путем разрушения, или в результате полного износа образцов. Переходим к описанию этого способа. [c.211]

Выявление реальной точности выполнения признаков качества по деталям и размерам, попавшим в список, выполняется путем выборочных проверок (деталей, заготовок, изделий) на складах, на сборке, на последующих операциях. Выборки составляются в середине и конце месяца методом случайного отбора из различных штабелей, бункеров и пр. Объем выборки зависит от числа однотипных деталей (изделий) от 20 до 100 каждой детали (объем выборки уменьшается при большом числе однотипных деталей). [c.224]

Если в отношении устойчиво стационарной операции применять систему СРК, то судя по результатам сопоставлений в гл. 7, периодические и вообще какие-либо контрольные проверки на протяжении технологического промежутка менее выгодны, чем настройка с дополнительной проверкой, выполняемой контролером (см. п. АЛ), и заключительная проверка отклонения у. н. v, на основании которой выбирается решение о приемке или забраковании приемочной партии. По-видимому, в большинстве случаев окажется выгодным, как это предполагалось в примере 2 (см. п. 7.2), объем выборки при проверке ошибки регулировки по возможности уменьшить (снижение настроечного брака) и перенести основной упор на дополнительную проверку, выгодную [c.229]

Объем выборки п или среднее суммарное число проверяемых единиц (СПЧ) [c.231]

Контроль сварки может быть сплошным при проверке 100% всех швов в наиболее ответстпсчтых объектах и выборочным, при котором решение о качестве соединений принимается на основе освидетельствования некоторой части (выборке) всей партии сваренных изделий. Обычно объем выборки задается нормами, например, устанавливается определенный процент протяженности контроля швов 3, 5 и 20% от полной их длины в зависимости от ответственности соединений, трудности укладки швов. [c.156]

В разделе Соответствие продукции требованиям стандартов, (технических условий) указываются объем выборки продукции, виды проведенных испытаний, показатели качества продукции, не отвечг1ющие требованиям стандартов и технических условий. [c.63]

N — объем выборки trii i — предыдущий номер отказа [c.159]

Затраты на выборочную проверку Ка равны объему выборки п, умноженному на затраты на проверку единицы продукции. Как уже условлено, = 0,001 р. Объем выборки равен п = 10. Итак, [c.27]

В самом деле, при статистическом регулировании сроки проверок и объем выборки на всех операциях одинаковы и никто даже не пытается объяснить — почему надо брать я = 4 или 5, а не 3 или 8, и не от 20 до 25. Между тем, рабочий отлично знает, что при износостойкой настройке ее уровень надо проверить дополнительно спустя небольшой промежуток времени работы, когда прекратятся остаточные отжатия, обломаются заусенцы, установится температурный режим и пр. Объем выборки п при этой дополнительной проверке рабочий назначает в зависимости от стоимости детали и времени до следующей настройки, варьируя в широких границах. Никакие другие контрольные проверки уровня износостойкой настройки не нужны (о проверках в связи с возможностью ненормальности сказано нил<е). Зато при неустра- [c.31]

Определяемые планами границы регулирования, объем выборки, соотношения при группировке и пр. не единственные величины, которые можно поставить в соответствие планам. В системе зависимостей математической модели каждый план представлен своей оперативной характеристикой, а качественные раз-личия выражаются в различных формах оперативной характеристики как функции от отклонения у. н. V. Оказалось, что существует функция, с помощью которой можно аппроксимировать (упрощенно представйть) любую из известных оперативных характеристик, причем возникающие неточности лишь немного искажают вычисленный показатель S. Такой аппроксимирующей функцией является функция нормального распределения вероятностей. [c.56]

Способ крайних значений Г.1 обсчитан применительно к случаю, когда измерение выполняется предельными калибрами,, соответствующими допуску, т. е. так, как это обычно делает рабочий. Таким образом, границы интервалов группировки в примере соответствуют техническим границам t и /+. От середины поля допуска границы регулирования удалены на —0,5, 0,5 допуска б = бсГд . При допуске б = бсг границы интервалов группировки равны ufVi = —3, = 3. Объем выборки л = 10 взят на таком уровне, чтобы получить параметры оперативной характеристики, близкие к тем, которые обычно встречаются при статистическом регулировании. [c.80]

Операция является узким местом производственного потока, и поэтому остановка станка для настройки по требованию контролера допускается только в случае практической достоверности факта неправильной настройки, при которой возникает существенная вероятность брака. Это значит, что на контрольной карте границы на диаграмме средних соответствуют английскому варианту и тем самым отпадает еще один управляемый фактор эффективности — размещение границ регулирования при данном объеме выборки. Что касается факторов эффективности СРК, связанных с собственно настройкой, то они оставлены на усмотрение рабочего (как это бывало при обычном статконтроле ). Таким образом, из всех возможных факторов эффективности СРК в примере остался только один — объем выборки. [c.162]

В заключение можно рекомендовать для поиска способом приращений форму записи данных, пбказанную в табл. 17. В этой таблице собраны данные, относящиеся к одному и тому же объему выборки л = 3 и к трем разным значениям потерь из-за пропуска брака l, на одном экземпляре. При реальном поиске таблица заполнялась бы в последовательности вариантов, продиктованной логикой поиска. В табл. 18 приведены все представляющие 12 179 [c.179]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...