Sözlük · approach
Operating Characteristic Eğrisi
Bir partinin gerçek hata oranı p ile örnekleme planı (n, c) altında kabul olasılığı Pa(p) arasındaki ilişkiyi çizen fonksiyon — p=0'da Pa=1 (kesin kabul), p=1'de Pa=0 (kesin red) arasında S-eğrisi.
OC EgrisiOperating CharacteristicKabul Olasiligi Egrisi
Operating Characteristic eğrisi (OC eğrisi), bir partinin gerçek hata oranı p ile verilen kabul örnekleme planı (n, c) altında kabul olasılığı arasındaki Pa(p) fonksiyonudur. Plan tasarımının foundational aracıdır: p=0'da her plan Pa=1 verir (mükemmel parti her zaman kabul), p=1'de her plan Pa=0 verir (tamamen hatalı parti her zaman red), arada S-eğrisi. Planın sayısal çıpaları: **AQL = p_α** öyle ki Pa(AQL) = 1−α (tipik %95 kabul) ve **LQL** (ya da LTPD) **= p_β** öyle ki Pa(LQL) = β (tipik %10 kabul). Tek aşamalı (single) sampling için eğri binomial dağılımdan (küçük partilerde hipergeometrik) hesaplanır; double, multiple ve sequential planlar için çoklu-aşama olasılık ağacından türetilir. OC eğrisi pratisyenin planları yalnız (n, c) ile değil, koruma profiliyle karşılaştırmasını ve ileri kalite metriklerini hesaplamasını sağlar: AOQ (Average Outgoing Quality), AOQL (Average Outgoing Quality Limit), ASN (Average Sample Number). Foundational referans Montgomery (2019) *Introduction to Statistical Quality Control*; Schilling ve Neubauer (2017) plan ailelerinde OC eğrisi kurulumunu işler.
Örnek
Tek aşamalı plan n=315 ve c=4 için OC eğrisi Pa(p) = k=0..4 toplamı binomial(315, k) p^k (1-p)^(315-k). Grafiklendi: p=%0,65'te Pa≈%95, p=%4'te Pa≈%10 — plan AQL/LQL hedeflerini karşılar. Bu OC eğrisini ('AQL %0,65' olarak da pazarlanan) n=125, c=2 plan ile karşılaştırmak gösterir ki ikinci plan p=%2'de %60'a düşer, ilki %80'de kalır — pratisyen bunu yalnız (n, c) çiftine bakarak göremez.