100個を検査して不良品が0個だったとき、分かったのは「今回検査した100個では、この検査方法で不良品を見つけなかった」という結果だけです。 工程の不良率が0%だと確認できたわけではなく、検査していない品物に不良がないことも確認できていません。 そのため、不良0個を報告するときは、検査個数・採取条件・検査方法を必ず一緒に示します。
この記事では、不良品の出方を二項分布(同じ不良確率を持つ、独立した試行をまとめるモデル)で表せると仮定して、0個という結果の読み方を整理します。 載せている計算は、統計的な推定を説明するための例です。 出荷や量産開始の承認、検査数を減らす判断は、顧客要求・検査計画・製品のリスクを確認したうえで、権限のある担当者が行います。
まず「0個」の対象と数え方をそろえる
分母にできる検査個数は、判定方法が決まっていて、有効な判定が得られた個体の数です。 次の2つは混ざりやすいので、集計時に分けておきます。
- 同じ部品を100回測り直した結果は、別々の100個を検査した結果として扱えません。
- 未検査品や判定保留品を、良品として分母に加えません。
| 確認すること | 報告に残す情報 |
|---|---|
| 何を調べたか | 品種・版・工程・対象期間、調べた特性 |
| 何個を調べたか | 検査個数、不良品数、未検査・判定保留の個数 |
| どう選んだか | 抽出範囲、選び方、特定の箱や時間帯への偏り |
| どう判定したか | 検査方法と基準、見逃しに関する確認方法と結果 |
| 条件が変わったか | 材料、設備、作業条件、検査条件の変更 |
この表は本記事で提案する報告用の整理項目です(決まった様式ではありません)。 検査方法の検出能力が足りない場合は、見つかった不良品数から実際の不良の出方をそのまま推定できません。 測定や判定の方法は検査治具と測定条件の評価で確認してください。
不良率1%の工程でも、100個すべて良品になることがある
NIST の不適合品割合の説明では、各個体の不適合確率が一定で、個体どうしが独立である条件を置き、二項分布を使っています。 この記事でも、同じ条件の工程から無作為に選び、検査で正しく分類できると仮定して計算します。
不良品になる確率を p、検査個数を n とすると、1個が良品になる確率は 1−p です。 n 個すべてが良品、つまり不良0個になる確率は、独立の仮定のもとで次のように計算できます。
不良0個となる確率=(1−p)^n
仮に p=0.01、n=100 なら
0.99^100 ≒ 0.366 ≒ 約36.6%
不良率が1%あると仮定しても、100個の検査で0個という結果は十分に起こります。 この36.6%は「不良率が1%の工程を100個検査したとき、0個になる確率」です。 「不良率が1%である確率」ではなく、実際の不良率が1%と分かったことにもなりません。
0個の結果から、95%片側信頼上限を求める
不良率の上側だけを見積もる方法として、二項分布に基づく片側信頼上限があります。
Minitab の計算法は、片側限界に Clopper–Pearson の正確法を使うことと、対応する二項検定を説明しています。 ここでは、あらかじめ検査個数 n を決めて検査し、不良0個だった場合の95%片側上限を扱います。
不良0個となる確率が5%になる不良率を上限として求めると、次の式になります。
(1−p上限)^n=0.05
p上限=1−0.05^(1/n)
n は検査個数、p上限は0から1の割合です。 パーセント表示にするには100を掛けます。 次の数値はこの式による計算例で、必要な検査個数を推奨する表ではありません。
| 不良0個だったときの検査個数 n | 不良率の95%片側信頼上限 |
|---|---|
| 30個 | 約9.50% |
| 100個 | 約2.95% |
| 300個 | 約0.994% |
| 1,000個 | 約0.299% |
同じ「不良0個」でも、100個と1,000個では推定できる上限が10倍近く違います。 ただし、100個の例から「残りの品物は2.95%まで不良でもよい」と読むことはできません。 この値は合格基準や許容不良率ではなく、モデルとデータから計算した推定上の限界です。
95%という信頼水準は、標本採取と推定を繰り返したときの手順の性質です。 不良0個以外の結果も含め、同じ条件で標本を採り、Clopper–Pearson 法による片側上限を求め続けると、その上限が真の不良率以上になる割合は少なくとも95%になります。 今回計算した1つの上限について、「真の不良率がこれより低い確率が95%」と読み替えることはできません。 また、ここで示したのは片側95%の値で、両側95%の区間の上端とは同じ値になりません。報告では片側か両側かを書き分けます。
サンプル数を増やす前に、計算の前提を確かめる
式そのものは計算できても、対象の工程や採取方法が前提に合っていなければ、結果を使えません。 次の状態に当てはまるときは、自分だけで数値を確定させず、品質担当に採取方法とモデルの見直しを依頼します。
- 不良が特定の材料ロットや時間帯にまとまって生じ、個体どうしの独立性を置けない。
- 製造条件を途中で変更した前後の品を、一つの不良率として合算している。
- 取りやすい位置の品物だけを選び、対象全体からの抽出になっていない。
- 不良0個が続くまで検査を追加し、途中で出た不良を計算から外している。
- 限られたロットから非復元抽出(抜き取った品を戻さない抽出)し、そのロット内に残る不良個数を評価したい。
最後のケースは、一定確率の独立試行という今回のモデルとは問いの立て方が違います。 ロットサイズと抽出方法を含むモデルでの評価を、品質担当に相談してください。 同じ「不良率」という言葉でも、今あるロット内の割合を知りたいのか、同じ条件で生産を続ける工程の確率を推定したいのかを先に決めます。
受入判定と推定を分けて報告する
NIST の抜取検査の解説では、受入抜取検査の主目的はロットを受け入れるかどうかの判断であり、品質の推定そのものではないとしています。 受入れに使うサンプル数や合格判定数は、抜取検査とAQLで扱う検査計画に従います。 今回の信頼上限の式を根拠に、採用済みの抜取計画を担当者が独断で変更しないでください。変更は、適用する手順に沿って検査計画の承認者へ確認します。
次は100個の仮定例を報告する文案です。
対象[品種・工程・期間]から、事前に定めた方法で100個を抽出し、[検査方法・基準]で判定した結果、不良品は0個でした。
独立・一定の不良確率という二項モデルを適用した場合、95%片側信頼上限は約2.95%です。採取条件と検出能力の確認結果は[記録]に示します。
ロットの受入れは[適用する検査計画と責任者の判断]によります。
まだ確認できていない前提があるときは、確認済みとは書かず、「○○が成り立つ場合」と条件を付けて計算結果を示します。 寸法などの連続値で工程を評価する場合は、Cp・Cpkの考え方へ進み、測定系・安定性・分布条件を確認します。 報告には、不良0個という結果だけでなく、確認した条件と、承認前に残っている確認事項を添えてください。