Kabul Örneklemesi ve OC Eğrisi Nedir? AQL, LTPD ve Risk Analizi Rehberi

Bir otomotiv yan sanayi tedarikçisi olarak düşünün: ana firmanız haftalık 50.000 adet plastik klips gönderiyor. Her bir klipsi tek tek kontrol etmek fiziksel olarak imkansız ve maliyetli. Peki, bu partinin kalitesini güvenilir şekilde nasıl değerlendirirsiniz? Cevap kabul örneklemesi ve bu planın performansını gösteren OC eğrisidir. Bu rehberde gelen malzeme muayenesinde kullanılan kabul örneklemesi kavramlarını, OC eğrisini, üretici ve tüketici risklerini ve Z1.4 standardına göre pratik plan seçimini uçtan uca ele alacağız.

Kabul Örneklemesi Nedir?

Kabul örneklemesi (Acceptance Sampling), bir üretim partisinden (lot) rastgele belirli sayıda numune alarak, bu numunedeki kusurlu birim sayısına göre partinin tamamını kabul veya reddetme kararı veren istatistiksel bir kalite kontrol yöntemidir.

Kabul örneklemesi üç temel parametre ile tanımlanır:

N (Parti büyüklüğü): Muayene edilecek toplam birim sayısı
n (Örneklem büyüklüğü): Partiden rastgele alınan numune adedi
c (Kabul sayısı): Örneklemde izin verilen maksimum kusurlu birim adedi

Karar kuralı basittir: Örneklemdeki kusurlu birim sayısı (d) kabul sayısına eşit veya küçükse (d <= c), parti kabul edilir. Aksi halde (d > c) parti reddedilir.

Kabul Örneklemesinin Kullanım Alanları

Gelen malzeme muayenesi (incoming inspection)
Proses arası muayene (in-process inspection)
Son ürün muayenesi (final inspection)
Tedarikçi denetimi ve kalifikasyonu
Depolama ve sevkiyat öncesi kontrol

Neden %100 Muayene Yerine Örnekleme?

Kalite mühendisleri sık sık bu soruyla karşılaşır: "%100 muayene yapmak daha güvenli olmaz mı?" Gerçekte, %100 muayene her zaman en iyi seçenek değildir. İşte karşılaştırmalı analiz:

Kriter	%100 Muayene	Kabul Örneklemesi
Maliyet	Çok yüksek; her birim kontrol edilir	Düşük; yalnızca numune kontrol edilir
Süre	Uzun; üretim hattını yavaşlatabilir	Kısa; hızlı karar
Tahribatlı test	Uygulanamaz (ürün yok edilir)	Uygulanabilir (sınırlı birim test edilir)
Muayene yorgunluğu	Yüksek; monotonluk hata oranını artırır	Düşük; odaklanmış inceleme
Tedarikçi motivasyonu	Zayıf; "nasılsa kontrol ediyorlar" algısı	Güçlü; partinin reddi mali kayıptır
Sıfır hata garantisi	Bile bile %100 doğruluk sağlanamaz	Kontrollü risk düzeyinde karar verilir

Özellikle tahribatlı testlerin gerekli olduğu durumlarda (çekme-kopma, sertlik, patlama basıncı testi) %100 muayene zaten fiziksel olarak mümkün değildir. Ayrıca uzun süreli monoton muayenede inspektörlerin hata yakalama oranı %80'in altına düşebilir. Kabul örneklemesi, istatistiksel temele dayanan kontrollü ve ekonomik bir alternatif sunar.

OC Eğrisi Nedir ve Nasıl Okunur?

OC eğrisi (Operating Characteristic Curve), belirli bir örnekleme planının farklı parti kusur oranlarındaki (p) kabul olasılığını (Pa) gösteren bir grafiktir. Yatay eksen partinin gerçek kusur oranını (p), dikey eksen ise o partinin kabul edilme olasılığını (Pa) temsil eder.

OC Eğrisinin Temel Özellikleri

p = 0 olduğunda (partide hiç kusur yoksa), Pa = 1,0'dır. Kusursuz parti her zaman kabul edilir.
p artarken Pa düşer. Parti kötüleştikçe kabul olasılığı azalır.
p = 1 olduğunda (tamamı kusurlu), Pa = 0'dır. Tamamen kusurlu parti asla kabul edilmez.
Eğrinin dikliği, örnekleme planının ayırt edicilik gücünü gösterir.

Bir OC eğrisi size şunu söyler: "Bu örnekleme planını kullandığımda, %2 kusurlu bir parti geldiğinde %95 olasılıkla kabul ederim; %8 kusurlu bir parti geldiğinde ise %10 olasılıkla kabul ederim." Bu bilgi, planın risklerini önceden görmenizi sağlar.

İdeal ve Gerçek OC Eğrisi

İdeal OC Eğrisi

İdeal OC eğrisi, AQL değerine kadar Pa = 1,0 ve AQL üzerinde Pa = 0 olan bir "basamak fonksiyonu"dur. Bu ancak %100 muayene ile mümkün olur: belirli bir eşiğe kadar tüm partiler kabul, üstünde hepsi ret.

Gerçek OC Eğrisi

Pratikte örneklem sınırlıdır; bu nedenle eğri S biçiminde yumuşak bir geçiş gösterir. İyi parti bazen reddedilir (üretici riski), kötü parti bazen kabul edilir (tüketici riski). OC eğrisinin dikliği arttıkça plan ideale yaklaşır ve bu daha büyük örneklem büyüklüğü (n) ile sağlanır.

Özellik	İdeal OC Eğrisi	Gerçek OC Eğrisi
Şekil	Basamak fonksiyonu (dikdörtgen)	S-biçimli sigmoid eğri
Gereklilik	%100 muayene gerektirir	Örnekleme ile çalışır
Ayırt edicilik	Mükemmel; AQL altı = kabul, üstü = ret	Sınırlı; geçiş bölgesi vardır
Üretici riski	Sıfır	Sıfırdan büyük (alfa, genellikle %5)
Tüketici riski	Sıfır	Sıfırdan büyük (beta, genellikle %10)
Pratik uygulanabilirlik	Tahribatlı testlerde imkansız	Her durumda uygulanabilir

Üretici Riski ve Tüketici Riski

Kabul örneklemesinde kaçınılmaz iki hata türü vardır. Bunlar, istatistikteki Tip I ve Tip II hatalarla doğrudan eşleşir.

Üretici Riski (Producer's Risk - alfa)

Tanım: Gerçekte kabul edilebilir kalitede olan bir partinin (kusur oranı <= AQL) örnekleme sonucu yanlışlıkla reddedilme olasılığıdır.

İstatistiksel karşılığı: Tip I hata (alfa hatası)
Geleneksel değer: alfa = 0,05 (%5)
Sonucu: Tedarikçi iyi bir partiyi geri alır, ek maliyet ve gecikme yaşar
OC eğrisinde: AQL noktasındaki (1 - Pa) değeridir

Tüketici Riski (Consumer's Risk - beta)

Tanım: Gerçekte kabul edilemez kalitede olan bir partinin (kusur oranı >= LTPD) örnekleme sonucu yanlışlıkla kabul edilme olasılığıdır.

İstatistiksel karşılığı: Tip II hata (beta hatası)
Geleneksel değer: beta = 0,10 (%10)
Sonucu: Kötü parti üretime girer, hat duruşu, müşteri şikayeti veya geri çağırma riski
OC eğrisinde: LTPD noktasındaki Pa değeridir

Risk Dengeleme Prensibi

Alfa ve beta riskleri birbirine zıt yönde hareket eder. Örneklem büyüklüğü sabit tutulduğunda birini düşürmek diğerini artırır. Her iki riski birlikte düşürmenin tek yolu örneklem büyüklüğünü (n) artırmaktır. Bu nedenle örnekleme planı tasarımında maliyet-risk dengesi kritik karar noktasıdır.

AQL, LTPD ve AOQL Kavramları

Bu üç kavram, kabul örneklemesinin temel taşlarıdır ve birbirleriyle karıştırılması kolaydır. Aşağıdaki karşılaştırma tablosu, aralarındaki farkları netleştirir.

Kavram	Tam Adı	Tanım	Tipik Değer	Kim Belirler?	OC Eğrisinde Konum
AQL	Acceptable Quality Limit	Kabul edilebilir en yüksek ortalama kusur oranı	%0,1 - %6,5	Müşteri-tedarikçi anlaşması	Pa yaklaşık 0,95 (1 - alfa) noktası
LTPD	Lot Tolerance Percent Defective	Kabul edilemez olarak tanımlanan parti kusur oranı	AQL'nin 3-10 katı	Müşteri (tüketici tarafı)	Pa yaklaşık 0,10 (beta) noktası
AOQL	Average Outgoing Quality Limit	Muayene sonrası çıkan partilerin en kötü ortalama kalitesi	Plana bağlı	Hesaplanır	AOQ eğrisinin tepe noktası

AQL (Acceptable Quality Limit)

AQL, uzun vadede sürecin üretmesi kabul edilen ortalama kusur düzeyidir. AQL düzeyinde gelen partilerin büyük çoğunluğu (%95) kabul edilir. Dikkat: AQL "istenilen kalite" değil, "tolere edilebilir en kötü ortalama kalite"dir. Otomotiv sektöründe kritik parçalar için AQL genellikle 0,065 (%0,065) ile 1,0 (%1,0) arasında belirlenir.

LTPD (Lot Tolerance Percent Defective)

LTPD, tüketicinin kesinlikle kabul etmek istemediği kusur düzeyidir. Bu noktada kabul olasılığı düşüktür (genellikle %10 veya daha az). AQL ile LTPD arasındaki bölge, örnekleme planının "belirsizlik bölgesi"dir. Bu bölge ne kadar dar olursa plan o kadar güçlüdür.

AOQL (Average Outgoing Quality Limit)

AOQL, reddedilen partilerin %100 muayene ile ayıklanıp düzeltildiği varsayımıyla, kabul sonrası ortalama çıkış kalitesinin ulaşabileceği en kötü değerdir. Bu kavram düzeltici muayene (rectifying inspection) sistemlerinde kullanılır. AOQL, müşteriye ulaşan kalite düzeyinin üst sınırını garanti eder.

Örnekleme Planı Türleri

Kabul örneklemesinde üç ana plan türü bulunur. Her birinin avantajları, dezavantajları ve uygun kullanım alanları farklıdır.

Tek Örnekleme Planı (Single Sampling Plan)

Partiden tek seferde n adet numune alınır. Kusurlu sayısı d <= c ise kabul, d > c ise ret kararı verilir. En basit ve en yaygın plan türüdür.

Çift Örnekleme Planı (Double Sampling Plan)

İlk örneklemde kesin karar verilemezse ikinci bir örneklem alınır. İlk örneklem sonrası üç durum olabilir: doğrudan kabul, doğrudan ret veya ikinci örnekleme. Bu yapı, çok iyi veya çok kötü partilerde daha az muayene ile sonuç verir.

Çoklu Örnekleme Planı (Multiple Sampling Plan)

Mantık çift örnekleme ile aynıdır, ancak yedi adıma kadar numune alınabilir. Her adımda kabul, ret veya "devam et" kararı verilir.

Kriter	Tek Örnekleme	Çift Örnekleme	Çoklu Örnekleme
Yönetim kolaylığı	En basit	Orta	Karmaşık
Ortalama örneklem sayısı (ASN)	Sabit (= n)	Düşük (iyi/kötü partilerde)	En düşük
Karar süresi	Tek adım	Maks. 2 adım	Maks. 7 adım
Psikolojik etki	İlk seferde net karar	İkinci şans algısı	Uzun süreç algısı
Muayene planlaması	Kolay; sabit iş yükü	Değişken	Çok değişken
Uygun olduğu durum	Genel kullanım	Muayene maliyeti yüksek	Tahribatlı test, çok pahalı birim
Z1.4 tablo harfi	Standart	Ayrı tablolar	Ayrı tablolar

ASN (Average Sample Number - Ortalama Örneklem Sayısı)

ASN, uzun vadede bir örnekleme planının ortalama olarak kaç adet birim muayene edeceğini gösterir. Tek örnekleme planında ASN her zaman n'e eşittir. Çift ve çoklu planlarda ASN, partinin gerçek kusur oranına bağlı olarak değişir. Çok iyi veya çok kötü partilerde ASN düşer (erken karar), AQL-LTPD arasındaki belirsiz bölgede yükselir.

Size Uygun Eğitimi Bulun

Bireysel mi yoksa kurumsal mı eğitim arıyorsunuz?

n ve c Değerlerinin OC Eğrisine Etkisi

Örneklem büyüklüğü (n) ve kabul sayısı (c) OC eğrisinin şeklini doğrudan belirler. Bu ilişkiyi anlamak, doğru plan seçimi için hayati öneme sahiptir.

Örneklem Büyüklüğünün (n) Etkisi

Kabul sayısı c sabit tutulduğunda:

n artarsa: OC eğrisi dikleşir, geçiş bölgesi daralır. Plan daha ayırt edici olur. Hem alfa hem beta azalır.
n azalırsa: OC eğrisi yatıklaşır, geçiş bölgesi genişler. İyi ve kötü partiler birbirine karışır.

Örnek: c = 2 sabitken n = 50 ve n = 150 planları karşılaştırılırsa, n = 150 planının OC eğrisi çok daha dik bir geçiş gösterir.

Kabul Sayısının (c) Etkisi

Örneklem büyüklüğü n sabit tutulduğunda:

c artarsa: OC eğrisi sağa kayar. Daha fazla kusur tolere edilir, partiler daha kolay kabul edilir. Üretici riski düşer, tüketici riski artar.
c azalırsa: OC eğrisi sola kayar. Plan daha katı hale gelir. Tüketici riski düşer, üretici riski artar.
c = 0 planları: Özel bir durumdur. OC eğrisi üstel bir düşüş gösterir. Tek bir kusur bile partiyi reddeder. Üretici riski yüksek olduğu için güvenlik kritik uygulamalar dışında tercih edilmez.

Pratik OC Eğrisi Hesaplama

OC eğrisi hesaplaması, partiden alınan örneklemdeki kusurlu birim sayısının olasılık dağılımına dayanır. İki temel dağılım kullanılır.

Binomial Dağılım (Büyük Partiler İçin)

Parti büyüklüğü örneklem büyüklüğüne göre çok büyük olduğunda (N/n >= 10 pratik kuralı), her birimin kusurlu olma olasılığı yaklaşık olarak birbirinden bağımsızdır ve binomial dağılım kullanılır.

Formül:

Pa = SUM(d=0 ile c arası) [C(n,d) * p^d * (1-p)^(n-d)]

Burada C(n,d) kombinasyon fonksiyonu, p parti kusur oranı, n örneklem büyüklüğü ve c kabul sayısıdır.

Poisson Yaklaşımı (n Büyük, p Küçük)

n >= 20 ve p <= 0,05 olduğunda (yani np <= 10), Poisson dağılımı iyi bir yaklaşım sağlar ve hesaplamayı büyük ölçüde kolaylaştırır.

Formül:

Pa = SUM(d=0 ile c arası) [e^(-np) * (np)^d / d!]

Burada np beklenen kusurlu sayısıdır.

Hesaplama Örneği

Plan: n = 80, c = 2. Parti kusur oranı p = %3 (0,03) olduğunda kabul olasılığını hesaplayalım.

np = 80 x 0,03 = 2,4

Pa = P(d=0) + P(d=1) + P(d=2) Pa = e^(-2,4) * [(2,4)^0/0! + (2,4)^1/1! + (2,4)^2/2!] Pa = 0,0907 * [1 + 2,4 + 2,88] Pa = 0,0907 * 6,28 Pa = 0,570

Bu plan ile %3 kusurlu bir partinin kabul edilme olasılığı yaklaşık %57'dir.

Hipergeometrik Dağılım (Küçük Partiler İçin)

Parti büyüklüğü örnekleme göre küçükse (N/n < 10), yerine koymasız çekim söz konusudur ve hipergeometrik dağılım kullanılmalıdır. Pratikte çoğu endüstriyel parti büyüklüğü yeterince büyük olduğundan binomial veya Poisson yaklaşımı tercih edilir.

Skip-Lot Örnekleme

Skip-lot örnekleme, uzun süredir tutarlı iyi kalite sunan tedarikçiler için partilerin bir kısmını muayeneden muaf tutan bir yöntemdir. ANSI/ASQ S1 standardı ile düzenlenir.

Çalışma Prensibi

Tedarikçi belirli sayıda ardışık partiyi normal muayeneden geçirir ve hepsi kabul edilir.
"Kalifikasyon süreci" tamamlanır ve skip-lot moduna geçilir.
Artık her parti değil, örneğin her 5 partiden 1'i (f = 1/5) muayene edilir.
Muayene edilen partilerden biri reddedilirse tekrar normal muayeneye dönülür.

Avantajları ve Koşulları

Muayene maliyetini %60-80 azaltabilir
Güvenilir tedarikçiyi ödüllendirir ve motivasyonu artırır
Yalnızca istikrarlı süreçler ve kanıtlanmış tedarikçiler için uygulanabilir
Güvenlik kritik parçalarda genellikle tercih edilmez

Switching Kuralları

ANSI/ASQ Z1.4 (eski MIL-STD-105E) standardı, tedarikçi kalite geçmişine göre muayene yoğunluğunu dinamik olarak ayarlayan "switching" (geçiş) kuralları tanımlar. Üç muayene seviyesi vardır: Normal, Sıkı (Tightened) ve Hafif (Reduced).

Normalden Sıkıya Geçiş

Ardışık 5 partiden 2 tanesi reddedilirse sıkı muayeneye geçilir. Sıkı muayenede kabul sayısı düşer, dolayısıyla reddedilme olasılığı artar. Tedarikçiye "kaliteni düzelt" mesajı verilir.

Sıkıdan Normale Dönüş

Sıkı muayenede ardışık 5 parti kabul edilirse normal muayeneye dönülür.

Normalden Hafife Geçiş

Aşağıdaki koşulların hepsi sağlanmalıdır:

Son 10 parti (veya daha fazla) normal muayenede kabul edilmiş olmalı
Bu partilerdeki toplam kusurlu sayısı belirli bir sınırın altında olmalı
Üretim sürecinde istikrar devam ediyor olmalı
Yetkili birim tarafından onaylanmalı

Hafiften Normale Dönüş

Aşağıdakilerden herhangi biri gerçekleşirse:

Bir parti reddedilirse
Bir partide kusurlu sayısı kabul ve ret sayıları arasına düşerse (belirsiz bölge)
Üretim düzensizleşirse
Diğer koşulların bozulması

Durma Kuralı

Sıkı muayenede ardışık 5 parti reddedilirse muayene durdurulur. Bu, tedarikçinin kabul örneklemesine sunulmadan önce kalite sorunlarını çözmesi gerektiği anlamına gelir.

Z1.4 Tablo Kullanım Rehberi

ANSI/ASQ Z1.4, en yaygın kullanılan nitelik bazlı kabul örneklemesi standardıdır. Tablo kullanımı adım adım şöyledir:

Adım 1: Parti Büyüklüğünü Belirleyin

Gelen malzemenin toplam birim sayısını (N) belirleyin. Örneğin: N = 10.000 adet plastik klips.

Adım 2: Muayene Düzeyini Seçin

Üç genel muayene düzeyi vardır: I, II, III. Varsayılan olarak Seviye II kullanılır. Seviye I daha az örneklem (maliyet düşük, ayırt edicilik düşük), Seviye III daha fazla örneklem (maliyet yüksek, ayırt edicilik yüksek) gerektirir. Ayrıca özel muayene düzeyleri (S-1 ile S-4) küçük örneklem gerektiren tahribatlı testler için kullanılır.

Adım 3: Kod Harfini Bulun

Z1.4 Tablo I'den parti büyüklüğü ve muayene düzeyine göre kod harfi okunur. N = 10.000 ve Seviye II için kod harfi L olur.

Adım 4: AQL Değerini Belirleyin

Müşteri-tedarikçi anlaşmasına veya sektörel standartlara göre AQL belirlenir. Otomotiv kritik parça için AQL = 0,65 (%0,65) tipik bir seçimdir.

Adım 5: Örneklem Büyüklüğü ve Kabul Sayısını Okuyun

Z1.4 Tablo II-A (normal muayene) veya Tablo II-B (sıkı muayene) veya Tablo II-C (hafif muayene) kullanılarak, kod harfi ve AQL kesişiminden n, Ac (kabul sayısı) ve Re (ret sayısı) okunur.

Kod harfi L, AQL = 0,65 ve normal muayene için: n = 200, Ac = 3, Re = 4.

Bu, 10.000 adetlik partiden rastgele 200 adet alınacağı, 3 veya daha az kusurlu bulunursa partinin kabul edileceği, 4 veya daha fazla kusurlu bulunursa reddedileceği anlamına gelir.

Pratik Uygulama Örneği

Senaryo: Otomotiv Yan Sanayi - Plastik Klips Gelen Malzeme Muayenesi

Firma: ABC Otomotiv Parçaları A.Ş. (Tier-1 tedarikçi) Ürün: Araç kapı paneli montaj klipsleri Tedarikçi: XYZ Plastik Ltd. Şti. Parti: Haftalık sevkiyat, N = 10.000 adet Kritiklik: Fonksiyonel parça (araç iç mekanında gıcırdama/düşme riski)

Plan Seçimi

AQL belirleme: Müşteri spesifikasyonuna göre AQL = 1,0 (%1) seçildi. Parça güvenlik kritik değil ancak müşteri memnuniyetini etkiler.
Muayene düzeyi: Genel Seviye II (standart)
Kod harfi: Tablo I'den N = 10.000, Seviye II --> L
Plan tipi: Tek örnekleme, normal muayene
Tablo II-A: Kod L, AQL = 1,0 --> n = 200, Ac = 5, Re = 6

Muayene Prosedürü

10.000 adetlik partiden rastgele numune tablosu (random number table) veya sistematik örnekleme ile 200 adet seçilir
Her klips görsel kontrol (çapak, çatlak, renk uyumsuzluğu) ve boyutsal kontrolden (mandal genişliği, bacak uzunluğu) geçirilir
Kusurlu birimler işaretlenir ve sayılır

Sonuçların Değerlendirilmesi

Senaryo A: 200 klipsten 3 tanesi kusurlu bulundu. d = 3 <= Ac = 5, parti KABUL edilir.

Senaryo B: 200 klipsten 7 tanesi kusurlu bulundu. d = 7 > Re = 6, parti REDDEDİLİR. Tedarikçiye bildirim yapılır. Parti iade edilir veya %100 ayıklama (sorting) yapılarak düzeltilmiş birimler kabul edilir.

Switching Uygulaması

XYZ Plastik'in son 12 haftalık geçmişi incelendi:

Hafta 1-10: Tüm partiler kabul (10 ardışık kabul)
Toplam kusurlu sayısı belirlenen limitin altında
Üretim süreci stabil (SPC grafiklerinde trend veya kayma yok)

Karar: Hafif muayeneye geçiş onaylandı. Yeni plan (Tablo II-C): n = 80, Ac = 3, Re = 6.

Bu geçişle muayene edilen birim sayısı 200'den 80'e düşürüldü. Ancak sonraki haftalarda bir parti reddedildiğinde hemen normal muayeneye geri dönüldü.

Maliyet Etkisi

Normal muayenede birim başına muayene süresi 15 saniye olduğunda:

Normal plan: 200 birim x 15 sn = 50 dakika/parti
Hafif plan: 80 birim x 15 sn = 20 dakika/parti
Yıllık tasarruf (52 hafta): (50 - 20) x 52 = 1.560 dakika = 26 saat

Bu örnek, switching kurallarının doğru uygulanmasının hem kalite hem verimlilik açısından değerini gösterir.

Sıkça Sorulan Sorular

1. OC eğrisi neden önemlidir?

OC eğrisi, bir örnekleme planının "kimlik kartı"dır. Planın farklı kalite düzeylerindeki davranışını sayısal olarak gösterir. OC eğrisi olmadan, seçilen planın gerçekte ne kadar koruma sağladığını bilmek mümkün değildir. İki farklı plan aynı AQL değerini hedeflese bile OC eğrileri tamamen farklı olabilir. Bu nedenle kalite mühendisleri plan karşılaştırmasında mutlaka OC eğrilerini inceler.

2. AQL ile LTPD arasındaki fark nedir?

AQL, sürecin uzun vadede üretmesi tolere edilen ortalama kusur düzeyidir ve bu noktada kabul olasılığı yüksektir (tipik %95). LTPD ise kesinlikle kabul edilmek istenmeyen kusur düzeyidir ve bu noktada kabul olasılığı düşüktür (tipik %10). AQL genellikle tedarikçi-müşteri mutabakatıyla, LTPD ise tüketicinin risk toleransına göre belirlenir. AQL ve LTPD arasındaki fark ne kadar küçükse, plan o kadar büyük örneklem gerektirir.

3. Üretici riski (alfa) ve tüketici riski (beta) aynı anda düşürülebilir mi?

Evet, ancak bunun tek yolu örneklem büyüklüğünü artırmaktır. n sabit tutulduğunda alfa ve beta ters yönde hareket eder. Birini düşürmek diğerini artırır. Hem alfayı hem betayı düşürmek istiyorsanız daha fazla birim muayene etmeniz, dolayısıyla daha yüksek muayene maliyetine katlanmanız gerekir. OC eğrisi dikleştikçe her iki risk de azalır.

4. c = 0 örnekleme planları ne zaman kullanılır?

c = 0 planları (sıfır kabul planları), tek bir kusurlu bile bulunduğunda partiyi reddeden çok katı planlardır. Genellikle güvenlik kritik uygulamalarda (havacılık bileşenleri, medikal implantlar, ilaç ambalajı) tercih edilir. Ancak bu planlar üretici riskini artırır; iyi partiler bile tek bir tesadüfi kusur nedeniyle reddedilebilir. Bu nedenle tedarikçi ile iletişimde dikkatli olunmalı ve c = 0 planının gerekçesi net şekilde belgelenmelidir.

5. Çift örnekleme planı ne zaman tercih edilmelidir?

Çift örnekleme planı, muayene maliyetinin yüksek olduğu durumlarda verimlidir. Çok iyi ve çok kötü partilerde ilk örneklemde karar verildiğinden ortalama örneklem sayısı (ASN) tek örneklemeye göre düşer. Tedarikçi psikolojisi açısından da "ikinci bir şans" algısı yaratır. Ancak yönetimi tek örneklemeye göre daha karmaşıktır ve muayene personelinin ek eğitim alması gerekir. Tahribatlı testler ve pahalı birimler için güçlü bir alternatiftir.

6. AOQL ne işe yarar ve nasıl hesaplanır?

AOQL, reddedilen partilerin %100 ayıklanıp düzeltildiği (rectifying inspection) sistemlerde, müşteriye ulaşan partilerin en kötü ortalama kalite düzeyini gösterir. Düşük kusur oranlarında çoğu parti kabul edildiği için AOQ yaklaşık p'ye eşittir. Yüksek oranlarında çoğu parti reddedilip ayıklandığı için AOQ düşer. Bu iki etki arasındaki tepe değeri AOQL'dir. Müşteriye "en kötü senaryoda bile ortalama kalite bu seviyeyi geçmez" garantisi verir.

7. Z1.4'te özel muayene düzeyleri (S-1, S-2, S-3, S-4) ne zaman kullanılır?

Özel muayene düzeyleri, çok küçük örneklem gerektiren durumlarda kullanılır. En yaygın senaryo tahribatlı testlerdir: sertlik, çekme-kopma, patlama basıncı testi gibi numunelerin yok edildiği muayenelerde büyük örneklem almak ekonomik değildir. S-1 en küçük, S-4 en büyük örneklemi verir. Ayırt edicilik güçleri genel düzeylere göre düşüktür, yalnızca zorunlu olduğunda tercih edilmelidir.

8. Normal muayeneden sıkı muayeneye ne zaman geçilir ve geri dönüş nasıl olur?

Z1.4 standardına göre ardışık 5 partiden 2 veya daha fazlası reddedildiğinde sıkı muayeneye geçilir. Sıkı muayenede kabul sayısı düşer, standartlar sertleşir. Sıkıdan normale dönüş için ardışık 5 partinin sıkı muayeneden geçmesi gerekir. Sıkı muayenede ardışık 5 parti reddedilirse muayene tamamen durdurulur ve tedarikçinin düzeltici faaliyet başlatması beklenir.

Kabul örneklemesi ve OC eğrisi, gelen malzeme muayenesinden tedarikçi yönetimine kadar kalite kontrol süreçlerinin temel araçlarıdır. Doğru plan seçimi, AQL-LTPD tanımlaması ve switching kurallarının etkin uygulanması hem kalite güvencesini sağlar hem muayene maliyetlerini optimize eder.

Unutulmaması gereken temel ilke şudur: Kabul örneklemesi kaliteyi yaratmaz, yalnızca doğrular. Gerçek kalite, tedarikçinin süreç yeterliliği (Cpk), SPC ve sürekli iyileştirme kültürü ile sağlanır. Örnekleme planları bu sistemin güvenilir kapı bekçisidir.

Kabul Örneklemesi ve OC Eğrisi Nedir? AQL, LTPD ve Risk Analizi 2026