The plan parameters (n, ka, m) for

The plan parameters (n, ka, m) for symmetric case are obtained by solving the optimization problem expressed in Eq.Table 1 shows the plan parameters (n, ka, m) for symmetric case with various selected values of AQL and LQL under
a -risk = 0.05 and b -risk = 0.10. Besides, the corresponding value of ASN is also provided in Table 1. From Table 1, it can be seen that both parameters n and k
decrease as LQL increases with the same value of AQL. The same trend is also appeared in ASN. For example, when AQL = 0.001 and LQL = 0.002, the values of n = 384, ka = 1.0267 and ASN = 1041.53, and these values are n = 10, k
= 0.7594 and ASN = 27.1 when AQL = 0.001 and LQL = 0.020. It is interesting to note that for all combinations of AQL and LQL given in Table 1, we get the same value of m = 3 except for the case of AQL = 0.01 and LQL = 0.200
Similarly, the plan parameters of the proposed plan for asymmetric case can also be obtained by solving the optimization problem. The plans parameters for asymmetric case with pl= p/4 and pu =3p/4 under the same values of AQL and LQL as given in Table 1 are displayed in Table 2.
Fig. 1 depicts the trends in ASNs against various values of LQL for the proposed sampling plan with symmetric and asymmetric cases when AQL = 0.001. From Fig. 1, it can be seen that the values of ASN for symmetric case are larger than ASN values for asymmetric casein all values of LQL. It is noted that a small difference in ASN for these both cases when LQL is larger than 0.015. On the other hand, the difference in values of ASN becomes large when LQL is less than 0.006.

ผลลัพธ์ (ไทย) 1:

พารามิเตอร์การวางแผน (n, ka, m) สำหรับกรณีสมมาตรจะได้รับ โดยการแก้ปัญหาเพิ่มประสิทธิภาพแสดงใน Eq.Table 1 แสดงพารามิเตอร์แผน (n, ka, m) สำหรับกรณีสมมาตรต่าง ๆ เลือกค่า AQL และ LQL ภายใต้-ความเสี่ยง = 0.05 และ b-ความเสี่ยง = 0.10 จองห้องพัก ค่าตรงกันของ ASN เป็นบริการในตารางที่ 1 จากตารางที่ 1 จะเห็นที่พารามิเตอร์ n และ kลดลงเป็น LQL เพิ่มตามค่าของ AQL แนวโน้มเดียวกันจะยังปรากฏใน ASN ตัวอย่าง เมื่อ AQL = 0.001 และ LQL = 0.002 ค่าของ n = 384, ka = 1.0267 และ ASN = 1041.53 ค่าเหล่านี้มี n = 10, k= 0.7594 และ ASN = 27.1 เมื่อ AQL = 0.001 และ LQL = 0.020 เป็นที่น่าสนใจทราบว่า สำหรับชุดทั้งหมดของ AQL และ LQL กำหนดในตารางที่ 1 เรารับเดียวกันค่าของ m = 3 ยกเว้นกรณีของ AQL = 0.01 และ LQL = 0.200ในทำนองเดียวกัน พารามิเตอร์แผนของแผนการเสนอกรณี asymmetric ยังได้ โดยการแก้ปัญหาเพิ่มประสิทธิภาพ พารามิเตอร์แผนสำหรับกรณี asymmetric กับ pl = p/4 และปู = p 3/4 ภายใต้เดียวกันค่า AQL และ LQL ที่กำหนดในตารางที่ 1 แสดงในตารางที่ 2Fig. 1 แสดงให้เห็นแนวโน้มของ Asn กับค่าต่าง ๆ ของ LQL สำหรับแผนการสุ่มตัวอย่างที่นำเสนอมีสมมาตร และ asymmetric กรณีเมื่อ AQL = 0.001 Fig. 1 จะเห็นได้ว่า ค่าของ ASN สำหรับกรณีสมมาตรมีขนาดใหญ่กว่าค่า ASN สำหรับเคซีน asymmetric ค่าทั้งหมดของ LQL ตั้งข้อสังเกตว่า ความแตกต่างเล็ก ๆ ใน ASN เหล่านี้ทั้งกรณีเมื่อ LQL มีขนาดใหญ่กว่า 0.015 ในทางกลับกัน ความแตกต่างในค่าของ ASN จะใหญ่เมื่อ LQL น้อยกว่า 0.006

ผลลัพธ์ (ไทย) 2:

พารามิเตอร์แผน (n, ลำลูกกาม.) ในกรณีส่วนจะได้รับโดยการแก้ปัญหาการเพิ่มประสิทธิภาพที่แสดงออกใน Eq.Table ที่ 1 แสดงค่าพารามิเตอร์แผน (n, ลำลูกกาเมตร) ส่วนกรณีที่มีค่าที่เลือกต่างๆของ AQL และ LQL ภายใต้
-risk = 0.05 และข -risk = 0.10 นอกจากนี้ค่าที่สอดคล้องกันของ ASN นอกจากนี้ยังมีในตารางที่ 1 จากตารางที่ 1 ก็จะเห็นได้ว่าทั้งพารามิเตอร์ n และ k
ลดลงเป็น LQL เพิ่มขึ้นกับค่าเดียวกันของ AQL แนวโน้มเดียวกันนอกจากนี้ยังปรากฏใน ASN ตัวอย่างเช่นเมื่อ AQL = 0.001 และ LQL = 0.002 ค่าของ n = 384 ที่ ka = 1.0267 และ ASN = 1,041.53 และค่านิยมเหล่านี้เป็น n = 10, k
= 0.7594 และ ASN = 27.1 เมื่อ AQL = 0.001 และ LQL = 0.020 . เป็นที่น่าสนใจที่จะทราบว่าการรวมทั้งหมดของ AQL และ LQL กำหนดในตารางที่ 1 ที่เราได้รับค่าเดียวกันของ m = 3 ยกเว้นกรณีของ AQL = 0.01 และ LQL = 0.200
ในทำนองเดียวกันพารามิเตอร์แผนของแผนเสนอให้ไม่สมมาตร กรณีที่ยังสามารถได้รับโดยการแก้ปัญหาการเพิ่มประสิทธิภาพ พารามิเตอร์แผนสำหรับกรณีที่ไม่สมดุลกับพีพี = / 4 และปู = 3p / 4 ภายใต้ค่าเดียวกันของ AQL และ LQL ตามที่กำหนดในตารางที่ 1 จะแสดงในตารางที่ 2
รูป 1 แสดงให้เห็นถึงแนวโน้มใน ASNs กับค่าต่างๆของ LQL สำหรับแผนการสุ่มตัวอย่างเสนอกับกรณีสมมาตรและไม่สมมาตรเมื่อ AQL = 0.001 จากรูป 1 ก็จะเห็นได้ว่าค่านิยมของ ASN กรณีสมมาตรมีขนาดใหญ่กว่าค่า ASN สำหรับเคซีนสมมาตรค่าทั้งหมดของ LQL เป็นที่สังเกตว่าความแตกต่างเล็ก ๆ ใน ASN สำหรับทั้งสองกรณีเหล่านี้เมื่อ LQL มีขนาดใหญ่กว่า 0.015 ในทางกลับกันความแตกต่างในค่านิยมของ ASN จะกลายเป็นขนาดใหญ่เมื่อ LQL น้อยกว่า 0.006

ผลลัพธ์ (ไทย) 3:

แผนที่พารามิเตอร์ ( N , ค่ะ , m ) สมมาตรคดีได้โดยการแก้ปัญหาการเพิ่มประสิทธิภาพที่แสดงออกในอีคิว ตารางที่ 1 แสดงแผนที่พารามิเตอร์ ( N , ค่ะ , m ) สมมาตรกับกรณีต่าง ๆและเลือกค่า AQL lql ภายใต้
- เสี่ยง - เสี่ยง = 0.05 และ B = 0.10 . นอกจากนี้ มูลค่าที่สอดคล้องกันของ asn ยังให้ตารางที่ 1 จากตารางที่ 1 จะเห็นได้ว่า ทั้งค่า n และ K
ลดเป็น lql เพิ่มด้วยค่าเดียวกันของ AQL . แนวโน้มเดียวกันยังปรากฏขึ้น . ตัวอย่างเช่นเมื่อ AQL = 0.001 และ lql = 0.002 , ค่า N = 384 , คา 1.0267 ขึ้น = = และ 1041.53 และค่าเหล่านี้เป็น n = 10 K
= = และ 0.7594 ขึ้นทั้งเมื่อ AQL = 0.001 และ lql = 0.020 . เป็นที่น่าสนใจที่จะทราบว่าสำหรับการรวมกันของ AQL และ lql ให้ตารางที่ 1เราได้รับค่าเดียวกันของ M = 3 ยกเว้นกรณีของ AQL = 0.01 และ lql = 0.200
ส่วนวางแผนพารามิเตอร์ของเสนอแผนสำหรับกรณีอสมมาตรยังสามารถได้รับโดยการเพิ่มปัญหา พารามิเตอร์สำหรับกรณีแผนแบบคุณ = P / 4 และ PU = 3P / 4 ภายใต้ค่า AQL lql เดียวกันและได้รับเป็นตารางที่ 1 จะแสดงในรูปตาราง 2 .
1 แสดงให้เห็นแนวโน้มใน asns เทียบกับค่าต่างๆของ lql เพื่อเสนอแผนการสุ่มตัวอย่างกรณีสมมาตรและอสมมาตรเมื่อ AQL = 0.001 . จากรูปที่ 1 จะเห็นได้ว่าค่าขึ้นสำหรับสมมาตรกรณีที่มีขนาดใหญ่กว่าขึ้นค่าทุกค่าของ lql เคซีนไม่สมมาตร . มันเป็นข้อสังเกตว่า เล็ก ความแตกต่างในทั้งสองกรณีเมื่อ lql ขึ้นเหล่านี้มีขนาดใหญ่กว่า 0.015 . บนมืออื่น ๆความแตกต่างในค่าของ asn กลายเป็นใหญ่เมื่อ lql น้อยกว่า 0.006 .