TL; DR: To zależy, ale prawdopodobnie nie
Możesz argumentować, że „wszystkie 15 próbek jest zgodnych ze specyfikacją, więc dostawca powinien zostać zatwierdzony”. Nie tak szybko: w zależności od parametrów całej serii produkcyjnej, 15 próbek może być statystycznie znaczących lub nie.
Istnieje wiele kalkulatorów online do wykonywania tych obliczeń; Użyłem tego. Dobre źródło aktualnych wzorów jest dostępne online w Podręczniku statystyk inżynierskich NIST lub w dowolnym podręczniku do statystyki dla studentów studiów licencjackich.
Ze specyfikacji wiemy, że nasz przedział ufności wynosi 10% (dwa jednostronne). Oznacza to, że wszystkie części mieszczące się w granicach 10% wartości nominalnej są dopuszczalne.
Następnie musimy określić poziom ufności. Zwykle jest to 95%, ale czasami 99% i oznacza to, „jak pewni” jesteśmy wyniku.
Ostatnią informacją, jaką możemy podać, jeśli jest znana, jest wielkość populacji. W tym scenariuszu jest to całkowita liczba części, które należy zamówić od dostawcy w całym okresie eksploatacji produktu / procesu. Większość kalkulatorów pozwala na pozostawienie tego pola pustego, a jeśli go nie ma, przyjmuje dużą wartość, ponieważ wpływ wielkości populacji maleje wraz ze wzrostem w stosunku do wielkości próby.
Zakładając 95% poziom ufności i nasz 10% przedział ufności, z populacją pozostawioną pustą, potrzebujemy wielkości próbki 96 części , aby otrzymać wynik istotny statystycznie. Zwiększenie poziomu ufności do 99% wymaga próbki o wielkości 166 części .
Zatem w przypadku poziomów ufności zgodnych ze standardami branżowymi nie możemy stwierdzić, że dostawca został zatwierdzony w oparciu o początkową próbkę złożoną z samych 15 części .
Poczekaj chwilę - cały przebieg FAIR był zgodny ze specyfikacją! No tak, ale co powiedzieć, że następne 15 będzie poza specyfikacją? Nie wiemy - dlatego mamy statystyki! :-)
Cóż, w jakich okolicznościach czy nasza próbka jest znacząca?
Dla przykładu, wprowadzałem wartości populacji, dopóki nie znalazłem statystycznie istotnego wyniku na poziomie $ n = 15 $: dla 95% poziomu ufności, $ n = 15 $ próbki byłyby istotne tylko wtedy, gdyby populacja (całkowita produkcja) to 18 części! Dla poziomu ufności 99% sytuacja jest jeszcze gorsza: znaczenie tylko wtedy, gdy seria produkcyjna obejmuje 16 części!
Inne uwagi:
Powyższe obliczenia zakładają, że proces przebiega zgodnie z rozkładem normalnym i że próbka jest reprezentatywna dla populacji. W praktyce oba te założenia mogą być niedokładne.