抽出検査の確率をやさしく解説 不良率と合格判定の考え方

抽出 検査 確率は、品質管理の現場で避けて通れない考え方だ。製品を全部調べず、一部だけを検査してロット全体の良否を判断する。そのとき必ずついて回るのが、「たまたま不良を見逃す可能性」と「本当は問題ないロットを落としてしまう可能性」である。抽出検査は効率的だが、万能ではない。だからこそ、確率の仕組みを理解しておくことが実務の精度を左右する。

先に要点を言えば、抽出検査の確率は主に不良率、サンプルサイズ、合格判定個数の3つで決まる。サンプル数を増やせば不良の見逃しは減るが、コストと時間は増える。逆にサンプル数が少なければ、検査は軽く済む一方で判定のぶれは大きくなる。現場では、このバランスを数字で設計する必要がある。

この記事では、抽出 検査 確率の基本、代表的な計算の考え方、AQLとの関係、実務で起きやすい誤解、全数検査との違いまでを順を追って整理する。数式が苦手でも読み進められるよう、できるだけ平易な言葉で説明していく。

抽出検査とは何か 確率が問題になる理由

抽出検査は、ロットやバッチの中から一定数を抜き取り、その結果をもとに全体を合格または不合格と判断する方法である。製造業、食品、医療機器、電子部品、アパレルなど、幅広い分野で使われている。理由は単純で、すべてを検査するには人手も時間も費用もかかるからだ。

ただし、一部しか見ない以上、判断には不確実さが残る。たとえば1,000個のロットに不良が20個含まれていても、20個のサンプルでたまたま不良が1個も当たらないことはあり得る。逆に、良好なロットでも、運悪く不良が集中した部分を引けば不合格になることもある。ここに「確率」の問題がある。

品質保証の世界では、この不確実さを放置しない。受入検査、出荷検査、工程内検査のそれぞれで、どれだけのリスクを許容するのかを決め、その前提に沿ってサンプリングプランを設計する。抽出検査は勘でやるものではなく、統計的な考え方の上に成り立っている。

抽出 検査 確率を決める3つの要素

抽出検査の確率を考えるうえで、まず押さえたいのは3つの基本要素だ。ロットの不良率、抜き取る数、合格とする不良数の上限。この3つの組み合わせで、どの程度のロットを通し、どの程度のロットを止めるかが変わる。

不良率が高いほど見つかる確率は上がる

当然だが、ロットに含まれる不良が多いほど、サンプルの中に不良が入る可能性は高くなる。たとえば不良率が0.1%のロットと、5%のロットでは、同じ20個を抜き取っても検出力は大きく違う。前者では不良ゼロで終わる可能性が高く、後者では比較的見つかりやすい。

サンプルサイズは検出力を左右する

抜取数を増やせば、悪いロットを見つける力は強くなる。これは直感的にも理解しやすい。一方で、サンプルサイズを増やすほど検査コストは上がり、破壊検査では製品そのものを失う場合もある。現場でいつも問われるのは、「どこまで増やせば十分か」という点だ。

合格判定個数が厳しさを決める

たとえば「50個検査して不良0個なら合格、不良1個で不合格」という基準と、「50個検査して不良2個まで合格」という基準では、同じサンプル数でも判定の厳しさがまるで違う。前者は見逃しを抑えやすいが、良いロットまで落とす可能性が高まる。後者は通しやすいが、不良を含むロットも残りやすい。

抽出検査の確率はどう計算するのか

抽出 検査 確率の計算には、超幾何分布や二項分布がよく使われる。ロットのサイズが比較的小さく、そこから重複なしで抜き取る場合は超幾何分布が基本になる。ロットが十分大きく、近似でよい場合は二項分布で考えることも多い。

たとえばロット1,000個のうち不良が10個、そこから50個を抜き取り、「不良0個で合格」とするケースを考える。このとき知りたいのは、50個の中に不良が1つも含まれない確率だ。これが高ければ、その不良ロットは通過しやすい。低ければ、検査で止まりやすい。

実務では、厳密な式を毎回手計算することは少ない。Excel、統計ソフト、品質管理システム、あるいはJISや社内規格のサンプリング表を使うことが多い。それでも、計算の意味を理解していないと、表を使っても判断を誤る。数字の裏にある考え方を知ることが先だ。

感覚的に理解するための簡単な見方

数式を使わなくても、方向性はつかめる。サンプル数が増えるほど「少なくとも1個の不良が見つかる確率」は上がる。不良率が高いほど、その上がり方は急になる。合格判定を厳しくするほど、不良ロットの通過確率は下がる。この3つを押さえるだけでも、現場の会話はかなり見通しがよくなる。

AQLとLTPD 抽出検査でよく出る品質基準

抽出検査を調べると、AQLという言葉に行き当たることが多い。AQLはAcceptable Quality Levelの略で、日本語では「合格品質水準」と訳されることが多い。一定の条件のもとで、この程度の不良率なら通常は受け入れる、という目安である。

ただ、AQLは「この不良率なら必ず合格」という意味ではない。ここを誤解する人は少なくない。抽出検査はあくまで確率で判定するため、AQL付近のロットでも不合格になることはあるし、AQLより悪いロットでも通る場合がある。AQLは絶対保証ではなく、運用基準に近い。

一方、LTPDはLot Tolerance Percent Defectiveの略で、「これ以上悪いロットはできるだけ拒否したい」という側の基準を示す。AQLは生産者側の受容、LTPDは購入者側の保護に関わる考え方として説明されることが多い。

生産者危険と消費者危険

抽出 検査 確率では、二つの代表的なリスクがある。ひとつは、本当は良いロットを不合格にしてしまう生産者危険。もうひとつは、本当は悪いロットを合格にしてしまう消費者危険だ。サンプリングプランは、この二つのリスクの折り合いをつける作業とも言える。

厳しい検査にすれば消費者危険は下がるが、生産者危険が上がりやすい。逆に緩い検査にすれば生産者危険は下がるが、悪いロットが流出する恐れが増す。どちらをどの程度重く見るかは、製品の用途、安全性、取引条件、クレームコストなどで変わる。

OC曲線で見る 抽出検査の通りやすさ

抽出検査の性能を視覚的に示すものとして、OC曲線がある。Operating Characteristic curveの略で、横軸にロットの不良率、縦軸に合格確率を置いた曲線だ。品質管理の実務では、この曲線を見るとサンプリングプランの性格が一気にわかる。

理想を言えば、不良率が低いロットは100%近く合格し、不良率が高いロットは0%近くしか合格しない形が望ましい。だが現実の曲線はなだらかだ。つまり、良いロットと悪いロットを完全には切り分けられない。ここに抽出検査の限界がある。

それでもOC曲線は有用だ。たとえば「不良率1%ならどの程度通るか」「不良率5%ならどの程度止まるか」といった問いに、定量的に答えられる。規格を選ぶときや、取引先と検査条件を擦り合わせるときにも役立つ。

OC曲線が現場で役立つ場面

単に学術的な図ではない。新規サプライヤーの受入条件を決めるとき、工程改善前後で検査負荷を見直すとき、顧客監査で検査の妥当性を説明するときにOC曲線は効く。数字だけを並べるより、どの不良率帯でどんな判定になるかを示しやすいからだ。

全数検査との違い 抽出検査を選ぶ理由と限界

抽出検査と比較されるのが全数検査だ。全数検査はすべてを確認するため、一見すると最も安全に見える。だが、現実はもう少し複雑である。全数検査にも見落としはあるし、検査員の疲労や測定ばらつき、検査設備の精度限界もある。

加えて、破壊検査では全数検査そのものが不可能だ。食品の密封性試験、部品の耐久試験、医療材料の一部性能試験などは、検査した時点で製品として使えなくなる。この場合、抽出検査は代替策ではなく前提条件になる。

ただし、重大な安全リスクがある項目、法規制に直結する項目、出荷後の回収コストが極端に高い項目では、全数検査や自動検査との併用が選ばれる。抽出検査だけで足りるかどうかは、製品特性とリスク評価で決めるべきだ。

サンプルサイズはどう決めるべきか

サンプルサイズを決める方法は一つではない。JIS Z 9015のような規格ベースの抜取検査を使う企業もあれば、過去の不良実績、工程能力、クレーム履歴、顧客要求を加味して社内基準を作る企業もある。大事なのは、数字に説明責任があることだ。

たとえば工程が安定していて、過去の不良率も低く、供給者の管理水準が高いなら、検査水準を軽くする判断はあり得る。反対に、立ち上げ初期、設計変更直後、仕入先変更後、重大クレーム発生後は、抽出を厳しくするのが自然だ。検査の強さは固定ではなく、状況に応じて見直すべきである。

実務で見る主な判断材料

• ロットサイズ

• 想定される不良率

• 不良の重大性

• 検査コストと時間

• 破壊検査か非破壊検査か

• 過去の工程安定性と供給者実績

• 顧客や法規の要求事項

見落とされがちなのは、不良の重大性だ。外観キズと安全機能の欠陥を同じ土俵で扱うわけにはいかない。後者では、抽出 検査 確率の設計をかなり厳しくするか、別の管理手段を重ねる必要がある。

単一抜取、二回抜取、連続生産 抽出方法の違い

抽出検査にはいくつかの方式がある。最もわかりやすいのは単一抜取で、決められた数を一度だけ取り、合否を判定する方法だ。運用は簡単だが、場合によってはサンプル数が多くなる。

二回抜取では、まず少数を検査し、結果が微妙なときだけ追加で抜き取る。良いロットや悪いロットが明確な場合は早く判断できるため、平均検査数を抑えやすい。連続生産向けには逐次抜取や連続生産型の受入方法もあり、工程の流れに合わせて設計される。

どの方式でも、確率の考え方は共通している。違うのは、どの時点でどの情報を使って判定するかだ。現場で方式を選ぶときは、統計的な性能だけでなく、運用のしやすさや教育負荷まで含めて考える必要がある。

抽出検査で起きやすい誤解と失敗

抽出検査の現場では、数字の意味が曖昧なまま運用されることがある。典型的なのは、「抜取検査に合格したからロット全体は安全だ」と受け取ってしまうことだ。実際には、あくまで一定条件のもとで受け入れ可能と判断したにすぎない。保証と確率は別物である。

もう一つ多いのが、サンプルの取り方の偏りだ。表面だけ、上段だけ、作業開始直後だけを見ると、計算上の確率以前にサンプルが母集団を代表していない。これではどれほど立派なサンプリング表を使っても意味が薄い。ランダム抽出の原則は地味だが、極めて重要だ。

加えて、工程が不安定なのに受入検査だけで防ごうとするのも危うい。不良を後工程で見つけるより、工程内で作り込まないほうがはるかに効率がいい。品質管理の専門家が口をそろえるのは、検査は品質を作る手段ではなく、品質を確認する手段だという点である。

よくあるミス

• AQLを「保証不良率」だと誤解する

• ランダムではなく都合のよい場所から抽出する

• 重大不良と軽微不良を同じ基準で扱う

• 工程変化があってもサンプリング条件を見直さない

• 検査データを工程改善に生かさない

抽出 検査 確率を実務で生かすポイント

抽出 検査 確率を本当に役立てるには、単に表を使うだけでは足りない。まず必要なのは、何を守りたいのかを明確にすることだ。顧客クレームの低減なのか、重大不良の流出防止なのか、検査コスト削減なのか。目的が違えば、最適なサンプリングプランも変わる。

次に、検査結果を蓄積し、工程の実力と結びつけて見ることが欠かせない。抽出結果が安定して良いなら、検査を軽くする余地があるかもしれない。逆に、ぎりぎりの合格が続くなら、検査条件を見直すだけでなく、工程能力そのものを疑うべきだ。

取引先との関係でも、確率の理解は強い武器になる。感覚論ではなく、「この抜取条件ではこの不良率帯のロットがどの程度の確率で通る」と説明できれば、検査基準の交渉は格段に進めやすい。品質保証は、数字を共通言語にする仕事でもある。

抽出検査の確率を理解すると判断がぶれにくくなる

抽出検査は、効率とリスク管理の折り合いをつけるための仕組みである。そこでは「何個見たか」だけでなく、「どの不良率をどの程度の確率で見抜けるか」が本質になる。抽出 検査 確率を理解すれば、検査結果を過信せず、逆に過小評価もしない冷静な判断ができる。

現場で本当に強いのは、表の数字を丸暗記した担当者ではない。サンプルサイズ、不良率、合格判定個数、生産者危険、消費者危険の関係を理解し、状況に応じて説明できる人だ。品質問題は、しばしば工程だけでなく判断の曖昧さから大きくなる。確率の考え方は、その曖昧さを減らす道具になる。

もし現在の検査条件が慣習で決まっているなら、一度立ち止まって見直す価値は大きい。抽出検査は省力化の手段であると同時に、品質保証の設計そのものでもある。数字の意味がわかれば、検査は単なる作業から、根拠ある意思決定へと変わる。

よくある質問

抽出検査の確率は何で決まりますか

主にロットの不良率、サンプルサイズ、合格判定個数で決まります。加えて、ロットサイズや採用するサンプリング方式も影響します。

AQLは不良率の上限を保証するものですか

いいえ。AQLは受入基準の目安であり、合格を保証する線ではありません。抽出検査は確率的判定なので、AQL以下でも不合格、AQL超でも合格の可能性があります。

抽出検査と全数検査はどちらが優れていますか

一概には言えません。コストや速度では抽出検査が有利な場面が多く、重大不良や法規対応では全数検査が望ましい場合があります。破壊検査では抽出検査が現実的です。

サンプル数を増やせば問題は解決しますか

見逃しの確率は下がりますが、コストと時間は増えます。加えて、抽出方法が偏っていればサンプル数を増やしても判断の質は上がりません。代表性のある抽出が前提です。

抽出検査で不良ゼロならロットは安全ですか

不良ゼロの結果は安心材料にはなりますが、ロット全体の完全無欠を意味しません。抽出検査はあくまで一部を見た結果であり、一定の見逃し確率が残ります。