---
title: "\"ГОСТ Р 50779.77-99. Государственный стандарт Российской Федерации. Статистические методы. Планы и процедуры статистического приемочного контроля нештучной продукции\""
number: "ГОСТ Р 50779.77-99"
issuer: "Государственный комитет Российской Федерации по стандартизации и метрологии"
status: действует
canonical: "https://bukva.ai/docs/gost-r-50779-77-99"
---

## "ГОСТ Р 50779.77-99. Государственный стандарт Российской Федерации. Статистические методы. Планы и процедуры статистического приемочного контроля нештучной продукции"

# "ГОСТ Р 50779.77-99. Государственный стандарт Российской Федерации. Статистические методы. Планы и процедуры статистического приемочного контроля нештучной продукции"

(принят и введен в действие Постановлением Госстандарта России от 28.12.1999 N 773-ст)

> [!IMPORTANT]
> КонсультантПлюс: примечание.
> С 1 июля 2003 года до вступления в силу технических регламентов акты федеральных органов исполнительной власти в сфере технического регулирования носят рекомендательный характер и подлежат обязательному исполнению только в части, соответствующей целям, указанным в пункте 1 статьи 46 Федерального закона от 27.12.2002 N 184-ФЗ.
> Документ [введен](#p100010) в действие с 1 июля 2000 года.


<a id="p100001"></a>Принят и введен в действие
Постановлением Госстандарта России
от 28 декабря 1999 г. N 773-ст

<a id="p100002"></a>**ГОСУДАРСТВЕННЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ**

<a id="p100003"></a>**СТАТИСТИЧЕСКИЕ МЕТОДЫ**

<a id="p100004"></a>**ПЛАНЫ И ПРОЦЕДУРЫ СТАТИСТИЧЕСКОГО ПРИЕМОЧНОГО КОНТРОЛЯ**
**НЕШТУЧНОЙ ПРОДУКЦИИ**

<a id="p100005"></a>Statistical methods. Acceptance sampling plans
and procedures for the inspection of bulk materials

<a id="p100006"></a>**ГОСТ Р 50779.77-99**

<a id="p100007"></a>Группа Т59

<a id="p100008"></a>ОКС 03.120.30

<a id="p100009"></a>ОКСТУ 0011

<a id="p100010"></a>Дата введения
1 июля 2000 года


### <a id="p100011"></a>Предисловие


1. <a id="p100012"></a>Разработан и внесен Техническим комитетом по стандартизации ТК 125 "Статистические методы в управлении качеством продукции";
<a id="p100013"></a>АО "Научно-исследовательский центр контроля и диагностики технических систем" (АО "НИЦ КД").
2. <a id="p100014"></a>Принят и введен в действие Постановлением Госстандарта России от 28 декабря 1999 г. N 773-ст.
3. <a id="p100015"></a>В настоящем стандарте полностью учтены требования проекта международного стандарта ИСО/ПМС 10725 "Планы и процедуры статистического приемочного контроля нештучной продукции".
4. <a id="p100016"></a>Введен впервые.


### <a id="p100017"></a>Введение


<a id="p100018"></a>Статистические методы находят многочисленные практические применения как в промышленности, так и сфере обслуживания, торговле, научных, маркетинговых исследованиях и других сферах. Их эффективность зависит, в первую очередь, от правильности выбранного метода в соответствии с поставленными целями, во вторых, от области применения и способа использования. Неверный выбор метода или выбор малоизвестного метода ведет к неверным решениям и, как следствие, к критическим ошибкам.
<a id="p100019"></a>В настоящее время возросла потребность в статистическом приемочном контроле нештучной продукции, особенно химических промышленных продуктов в виде порошков, сельскохозяйственных продуктов. Методы контроля, установленные стандартом, могут быть применены (при соблюдении определенных условий) и к таким материалам, как газы, жидкости, твердые вещества, эмульсии и суспензии.
<a id="p100020"></a>Стандарт устанавливает планы статистического приемочного контроля по количественному признаку, а также критерии приемлемости партий при разумных затратах на контроль. Результаты контроля и экономические факторы побуждают поставщика поставлять на рынок партии нештучной продукции, обеспечивающие высокую вероятность приемки. Потребитель при этом защищен низкой вероятностью принятия партий с неудовлетворительным качеством.
<a id="p100021"></a>В стандарте рассмотрены процедуры приемки и для некоторых особых случаев, таких как приемка жидкостей при больших стандартных отклонениях.
<a id="p100022"></a>Настоящий стандарт применим при соблюдении следующих условий:
<a id="p100023"></a>а) выборочное среднее партии (для одной характеристики продукции) является главным фактором в определении приемлемости партии;
<a id="p100024"></a>б) известно точное или приближенное значение каждого стандартного отклонения каждой характеристики качества;
<a id="p100025"></a>в) продукция поступает на контроль непрерывными сериями партий.


### 1. <a id="p100026"></a>ОБЩИЕ ПОЛОЖЕНИЯ



#### <a id="p100027"></a>1.1. Область применения


<a id="p100028"></a>1.1.1. Настоящий стандарт устанавливает планы и процедуры статистического приемочного контроля по количественному признаку для нештучной продукции, соответствующие определенным оперативным характеристикам, выполняемые при разумных затратах.
<a id="p100029"></a>1.1.2. Стандарт применим, когда среднее арифметическое значений одной характеристики качества партии продукции (далее - среднее партии) - главный фактор в определении приемлемости партии [(1.4.2.1)](#p100164).
<a id="p100030"></a>В стандарте также содержатся специальные процедуры для случая с несколькими характеристиками качества [(Приложение B)](#p107882). В этом случае стандарт применим, когда установленная характеристика качества может быть измерена и известно точное или приближенное значение стандартного отклонения каждой характеристики качества.
<a id="p100031"></a>Настоящий стандарт предназначен прежде всего для ситуации, когда значение стандартного отклонения каждой характеристики качества известно и постоянно и когда применимы процедуры, приведенные в [разделе 3](#p102455). В [разделе 2](#p100297) приведены процедуры для временного применения, когда точные значения стандартного отклонения не всегда известны и (или) любое из стандартных отклонений недостаточно стабильно [(1.4.2.2)](#p100171).
<a id="p100032"></a>1.1.3. Настоящий стандарт применим к различным видам нештучной продукции. Наиболее подходящими видами являются промышленные химические продукты в виде порошков или гранул или сельскохозяйственные продукты, такие как обработанное зерно, и многие другие материалы, такие как газы, жидкости, твердые вещества, эмульсии и суспензии и т.д.
<a id="p100033"></a>1.1.4. Цель настоящего стандарта - определить приемлемость партии. Результаты контроля могут быть использованы для того, чтобы побудить поставщика с помощью экономических факторов и влияния на его репутацию на рынке поставлять партии качеством, обеспечивающим высокую вероятность приемки. При этом потребитель защищен низкой вероятностью принятия партий неудовлетворительного качества.
<a id="p100034"></a>1.1.5. Настоящий стандарт не всегда применим к такому минеральному сырью, как железная руда, уголь, нефть и т.п., когда точная оценка среднего партии более важна, чем определение приемлемости партии.
<a id="p100035"></a>1.1.6. Стандарт неприменим для особых случаев, таких как приемка жидкостей, когда стандартное отклонение измеренных значений показателя качества достаточно велико. Альтернативные планы и процедуры статистического приемочного контроля для некоторых таких случаев приведены в [Приложении A](#p107522).
<a id="p100036"></a>1.1.7. Стандарт применим, когда задан односторонний допуск для среднего партии. Если установленные требования выполнены, то данный стандарт применим также для случая, когда задан двусторонний допуск.
<a id="p100037"></a>Настоящий стандарт применяют прежде всего для непрерывных серий партий. Если требования к стандартным отклонениям выполнены, данный стандарт может быть применен и к отдельным партиям [(1.4.2.3)](#p100178).


#### <a id="p100038"></a>1.2. Нормативные ссылки


<a id="p100039"></a>В настоящем стандарте использованы ссылки на следующие стандарты:
<a id="p100040"></a>ГОСТ 8.051-81 Государственная система обеспечения единства измерений. Погрешности, допускаемые при измерении линейных размеров до 500 мм
<a id="p100041"></a>ГОСТ 8.531-85 Государственная система обеспечения единства измерений. Однородность стандартных образцов состава дисперсных материалов. Методика выполнения измерений
<a id="p100042"></a>[ГОСТ 5445-79](https://bukva.ai/docs/gost-5445-79) Продукты коксования химические. Правила приемки и методы отбора проб
<a id="p100043"></a>[ГОСТ 8981-78](https://bukva.ai/docs/gost-8981-78) Эфиры этиловый и нормальный бутиловый уксусной кислоты технические. Технические условия
<a id="p100044"></a>ГОСТ 9980.1-86 Материалы лакокрасочные. Правила приемки
<a id="p100045"></a>ГОСТ 19113-84 Канифоль сосновая. Технические условия
<a id="p100046"></a>ГОСТ 20736-75 Статистический приемочный контроль по количественному признаку. Планы контроля
<a id="p100047"></a>ГОСТ 21533-76 Продукты лесохимические. Газохроматографический метод анализа
<a id="p100048"></a>ГОСТ 22289-76 Жгут химический. Метод определения линейной плотности
<a id="p100049"></a>ГОСТ 23863-79 Продукты лесохимические. Методы определения температуры размягчения
<a id="p100050"></a>ГОСТ 30159-94 Продукты лесохимические. Обеспечение точности методов испытаний
<a id="p100051"></a>[ГОСТ Р 50779.10-2000](https://bukva.ai/docs/gost-r-50779-10-2000) (ИСО 3534.1-93) Статистические методы. Словарь и условные обозначения. Часть 1. Вероятность и основы статистики
<a id="p100052"></a>[ГОСТ Р 50779.11-2000](https://bukva.ai/docs/gost-r-50779-11-2000) (ИСО 3534.2-93) Статистические методы. Словарь и условные обозначения. Часть 2. Статистическое управление качеством
<a id="p100053"></a>[ГОСТ Р 50779.50-95](https://bukva.ai/docs/gost-r-50779-50-95) Статистические методы. Приемочный контроль качества по количественному признаку. Общие требования
<a id="p100054"></a>[ГОСТ Р 50779.71-99](https://bukva.ai/docs/gost-r-50779-71-99) (ИСО 2859.1-89) Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 1. Планы выборочного контроля последовательных партий на основе приемлемого уровня качества AQL
<a id="p100055"></a>[ГОСТ Р 50779.74-99](https://bukva.ai/docs/gost-r-50779-74-99) (ИСО 3951-89) Статистические методы. Процедуры выборочного контроля и карты контроля по количественному признаку для процента несоответствующих единиц продукции
<a id="p100056"></a>ИСО 5725.1-94 [<1>](#p100060) Точность (истинность и прецизионность) методов и результатов измерений. Часть 1. Общие принципы и определения
<a id="p100057"></a>ИСО 5725.2-94 [<1>](#p100060) Точность (истинность и прецизионность) методов и результатов измерения. Часть 2. Основной метод определения повторяемости и воспроизводимости стандартного метода измерения
<a id="p100058"></a>ИСО 5725.3-94 [<1>](#p100060) Точность (истинность и прецизионность) методов и результатов измерения. Часть 3. Промежуточные критерии прецизионности стандартного метода измерений

<a id="p100059"></a>

---

<a id="p100060"></a><1> Оригиналы международных стандартов ИСО/МЭК - во ВНИИКИ Госстандарта России.


#### <a id="p100061"></a>1.3. Определения, обозначения и сокращения



##### <a id="p100062"></a>1.3.1 Определения

<a id="p100063"></a>В настоящем стандарте применяются термины с соответствующими определениями по [ГОСТ Р 50779.71](https://bukva.ai/docs/gost-r-50779-71-99), [ГОСТ Р 50779.10](https://bukva.ai/docs/gost-r-50779-10-2000), [ГОСТ Р 50779.11](https://bukva.ai/docs/gost-r-50779-11-2000), ИСО 5725.1, а также приведенные ниже:
<a id="p100064"></a>1.3.1.1. Статистический приемочный контроль: выборочный контроль, при котором принимается решение принять или отклонить партию (или другую совокупность продукции или услуг) на основании контроля выборки или выборок, отобранных из этой партии.
<a id="p100065"></a>1.3.1.2. Приемочный контроль: контроль для определения приемлемости единицы продукции или партии, поставленной или предложенной для поставки.
<a id="p100066"></a>1.3.1.3. Система выборочного контроля (приемочная): совокупность планов выборочного контроля и критериев, по которым могут быть выбраны подходящие планы.
<a id="p100067"></a>1.3.1.4. План выборочного контроля (приемочный): сочетание объема(ов) выборки и соответствующего критерия приемки.
<a id="p100068"></a>1.3.1.5. Размер выборки (приемочный): общее количество испытаний или измерений и элементов выборки.
<a id="p100069"></a>Примечания
1. <a id="p100070"></a>Для настоящего стандарта размер выборки - это, например, число мгновенных проб в объединенной пробе, число объединенных проб на партию, число лабораторных проб, взятых из объединенной пробы, число измерений на лабораторную пробу (число измерений равно числу испытываемых порций).
2. <a id="p100071"></a>Для такого показателя выборки, как объем или масса мгновенной пробы, термин "размер выборки" применять не следует.


###### <a id="p100072"></a>1.3.1.6 Критерий приемлемости (партии):

1) <a id="p100073"></a>критерий для принятия решения: принять или отклонить партию;
2) <a id="p100074"></a>элемент(ы) критерия, влияющий на определение приемлемости партии в части приемочного значения.
<a id="p100075"></a>1.3.1.7. Приемлемый уровень качества (AQL, $m_{A}$ ): при рассмотрении непрерывных серий партий - это уровень среднего партии, который для целей выборочного контроля является границей удовлетворительного среднего процесса.
<a id="p100076"></a>*Примечание.* В настоящем стандарте риск изготовителя при AQL составляет менее 5%.

<a id="p100077"></a>1.3.1.8. Предельный уровень качества (LQL, $m_{R}$ ): при рассмотрении непрерывных серий партий - это уровень среднего партии, который для целей выборочного контроля является границей неудовлетворительного среднего процесса.
<a id="p100078"></a>*Примечание.* В настоящем стандарте риск потребителя при LQL составляет менее 5% или менее 10%.

<a id="p100079"></a>1.3.1.9. Одностороннее предельное значение: односторонняя верхняя или нижняя граница значений для среднего партии.
<a id="p100080"></a>1.3.1.10. Двусторонние предельные значения: двусторонние границы поля допуска (верхний и нижний пределы поля допуска) для среднего партии.
<a id="p100081"></a>1.3.1.11. Нештучная продукция: недискретный материал, в партии которого выборочные единицы первоначально трудно различимы.
<a id="p100082"></a>*Примечание.* Для целей настоящего стандарта такие материалы, как рулоны бумаги, катушки проволоки, металлолом и т.п. не применяют, поскольку к ним трудно применить перечисленные выборочные процедуры.

<a id="p100083"></a>1.3.1.12. Мгновенная проба: количество нештучной продукции, которое берут из партии одним действием специального устройства.
<a id="p100084"></a>1.3.1.13. Объединенная проба: совокупность двух или более мгновенных проб, взятых из партии.
<a id="p100085"></a>1.3.1.14. Лабораторная проба: проба, которая подготовлена для испытания или анализа и которая вся или частично используется для испытания или анализа единовременно.
<a id="p100086"></a>1.3.1.15. Испытываемая порция: часть лабораторной пробы, которая используется для испытания или анализа единовременно.
<a id="p100087"></a>1.3.1.16. Измерение: последовательность операций для определения значения некоторой величины.
<a id="p100088"></a>Примечания
1. <a id="p100089"></a>Операции могут быть выполнены автоматически.
2. <a id="p100090"></a>Количественный анализ - это вид измерений; качественный анализ или любое испытание, дающее альтернативный результат.

<a id="p100091"></a>1.3.1.17. Приемочное число: предельное значение выборочного среднего, при котором партия будет принята.
<a id="p100092"></a>1.3.1.18. Предельный интервал (D): абсолютное расстояние между приемлемым уровнем качества и предельным уровнем качества.
<a id="p100093"></a>1.3.1.19. Предельный допуск $(\delta D)$ : минимальное абсолютное расстояние между верхним и нижним приемлемыми уровнями качества, когда установлен двусторонний допуск.
<a id="p100094"></a>1.3.1.20. Относительное стандартное отклонение: отношение стандартного отклонения к предельному интервалу.
<a id="p100095"></a>*Примечание.* Для целей настоящего стандарта этот термин определяет меру воспроизводимости процесса относительно поля допуска. Необходимо отличать его от такого же термина "относительное стандартное отклонение", который определяется как отношение стандартного отклонения к среднему и встречается наиболее часто.

<a id="p100096"></a>1.3.1.21. Повторяемость: прецизионность в условиях повторяемости. Условия повторяемости - это ситуация, когда независимые результаты испытаний получают одним и тем же методом на идентичных объектах испытаний, в одной лаборатории, одним оператором, с использованием одного и того же оборудования в течение коротких интервалов времени.
<a id="p100097"></a>1.3.1.22. Промежуточная мера прецизионности: прецизионность в условиях промежуточной прецизионности. Условия промежуточной прецизионности - это ситуация, когда результаты испытаний получают одним и тем же методом на идентичных объектах испытаний, в одной лаборатории, при некоторых различных рабочих условиях. Имеются четыре вида рабочих условий: время, поверка, оператор и оборудование.

##### <a id="p100098"></a>1.3.2 Обозначения и сокращения

<a id="p100099"></a>В настоящем стандарте применяются следующие обозначения и сокращения:
<a id="p100100"></a>AQL - приемлемый уровень качества;
<a id="p100101"></a>C - переменные затраты на партию;
<a id="p100102"></a> $C_{I}$ - сумма затрат, пропорциональная общему числу мгновенных проб;
<a id="p100103"></a> $C_{M}$ - сумма затрат, пропорциональная общему количеству измерений;
<a id="p100104"></a> $C_{T}$ - сумма затрат, пропорциональная полному числу лабораторных проб;
<a id="p100105"></a>CRQ - уровень качества, соответствующий риску потребителя ([C.8.2](#p108429) Приложения C);
<a id="p100106"></a> $c_{I}$ - затраты на взятие мгновенной пробы;
<a id="p100107"></a> $c_{M}$ - затраты на измерение;
<a id="p100108"></a> $c_{T}$ - затраты на подготовку лабораторной пробы;
<a id="p100109"></a> $c_{TM}$ - затраты на обработку лабораторной пробы; $c_{TM} = c_{T} + n_{M}c_{M}$ ;
<a id="p100110"></a>D - предельный интервал;
<a id="p100111"></a> $D_{N}$ - суженный предельный интервал для нескольких характеристик ([B.4.1](#p107901) Приложения B);
<a id="p100112"></a> $d_{I}$ - относительное стандартное отклонение между мгновенными пробами, $d_{I} = \sigma_{I}/D$ ;
<a id="p100113"></a> $d_{T}$ - относительное стандартное отклонение лабораторной пробы, $d_{T} = \sigma_{I}/D$ ;
<a id="p100114"></a> $d_{o}$ - относительное общее стандартное отклонение, $d_{o} = \sigma_{o}/D$ ;
<a id="p100115"></a> $f_{D}$ - корректировочный коэффициент для случая нескольких характеристик ([B.4.1](#p107901) Приложения B);
<a id="p100116"></a> $f_{U}$ - коэффициент для получения верхней контрольной границы;
<a id="p100117"></a>G - число партий, используемых для перерасчета стандартного отклонения;
<a id="p100118"></a>J - число характеристик качества;
<a id="p100119"></a> $K_{p}$ - верхняя p-квантиль стандартного нормального распределения (например, p это $\alpha$ , $\beta$ или Pa. Для $\alpha = 0,05$ $K_{\alpha} = 1,64485$ ; для $\beta = 0,10$ $K_{\beta} = 1,28155$ и т.д.);
<a id="p100120"></a>L - нижний предел поля допуска;
<a id="p100121"></a>LQL - предельный уровень качества;
<a id="p100122"></a>m - среднее арифметическое значений характеристики качества партии продукции (далее - среднее партии);
<a id="p100123"></a> $m_{A}$ - приемлемый уровень качества;
<a id="p100124"></a> $m_{R}$ - предельный уровень качества;
<a id="p100125"></a> $n_{c}$ - число объединенных проб $(n_{c} = 2)$ ;
<a id="p100126"></a> $n_{I}$ - число мгновенных проб на объединенную пробу;
<a id="p100127"></a> $n_{M}$ - число измерений на лабораторную пробу;
<a id="p100128"></a> $n_{T}$ - число лабораторных проб на объединенную пробу;
<a id="p100129"></a>Pa - вероятность приемки;
<a id="p100130"></a>PRQ - уровень качества, соответствующий риску изготовителя ([C.8.2](#p108429) Приложения C);
<a id="p100131"></a> $R_{c}$ - отношение затрат; $R_{c} = c_{TM}/c_{I}$ ;
<a id="p100132"></a> $s_{c}$ - стандартное отклонение объединенной пробы (выборочное значение);
<a id="p100133"></a> $s_{M}$ - стандартное отклонение измерения (выборочное значение);
<a id="p100134"></a> $s_{T}$ - стандартное отклонение лабораторной пробы (выборочное значение);
<a id="p100135"></a> $t_{p}(v)$ - нижняя p-квантиль t-распределения с $v$ степенями свободы;
<a id="p100136"></a>U - верхний предел поля допуска;
<a id="p100137"></a>UCL - верхняя контрольная граница;
<a id="p100138"></a> $x_{ijk}$ - - измеренное значение (расшифровка индексов - по [2.6.1](#p100394) или [3.6.1.1](#p102557));
<a id="p100139"></a> $\overline{x}$ - общее выборочное среднее;
<a id="p100140"></a> $\overline{x_{L}}$ - нижнее приемочное значение (для общего выборочного среднего);
<a id="p100141"></a> $\overline{x_{U}}$ - верхнее приемочное значение (для общего выборочного среднего);
<a id="p100142"></a> $\alpha$ - риск изготовителя;
<a id="p100143"></a> $\beta$ - риск потребителя;
<a id="p100144"></a> $\gamma$ - константа для получения приемочного значения ([C.4](#p108330) Приложения C);
<a id="p100145"></a> $\Delta$ - расстояние между верхним и нижним приемлемыми уровнями качества;
<a id="p100146"></a> $\delta$ - константа для получения предельного допуска ([C.4](#p108330) Приложения C);
<a id="p100147"></a> $v$ - число степеней свободы стандартного отклонения;
<a id="p100148"></a> $v_{E}$ - число степеней свободы стандартного отклонения оценки;
<a id="p100149"></a> $\sigma_{c}$ - стандартное отклонение объединенной пробы;
<a id="p100150"></a> $\sigma_{E}$ - стандартное отклонение оценки (для среднего партии по [3.7.7](#p102658));
<a id="p100151"></a> $\sigma_{M}$ - стандартное отклонение измерения;
<a id="p100152"></a> $\sigma_{o}$ - общее стандартное отклонение;
<a id="p100153"></a> $\sigma_{T}$ - стандартное отклонение лабораторной пробы; $\sigma_{T}^{2} = \sigma_{p}^{2} + \sigma_{M}^{2}/n_{M}$ ;
<a id="p100154"></a> $\sigma_{I}^{2}$ - составляющая дисперсии между мгновенными пробами;
<a id="p100155"></a> $\sigma_{p}^{2}$ - составляющая дисперсии между лабораторными пробами (дисперсия для подготовки лабораторной пробы).
<a id="p100156"></a>Примечания
1. <a id="p100157"></a>Символы с нижними индексами L или U обозначают, что они относятся к установленному нижнему или верхнему пределу поля допуска соответственно.
2. <a id="p100158"></a>Символ $\sigma$ используется как для стандартного отклонения совокупности, так и для его оценки, полученной по процедурам, установленным в [3.7.4](#p102627); символ s используется для выборочного значения.


#### <a id="p100159"></a>1.4. Предварительные процедуры



##### <a id="p100160"></a>1.4.1 Общие положения

<a id="p100161"></a>Перед началом приемочного выборочного контроля следует выполнить следующие процедуры.

##### <a id="p100162"></a>1.4.2 Подтверждение применимости

<a id="p100163"></a>Для подтверждения применимости настоящего стандарта необходимо проверить выполнение следующих требований и(или) условий.

###### <a id="p100164"></a>1.4.2.1 Среднее партии

<a id="p100165"></a>Настоящий стандарт применим, когда главным фактором при определении приемлемости партии является среднее партии, рассчитанное по одной характеристике качества.
<a id="p100166"></a>Если нештучная продукция гомогенизируется при дальнейшей обработке у потребителя, то потребителя в основном интересует среднее партии. Однако среднее партии напрямую не связано с процентом несоответствующих единиц. Если потребителя больше интересует процент несоответствующих единиц в партии, то процедуры данного стандарта можно применить не всегда ([C.7](#p108398) Приложения C).
<a id="p100167"></a>Если для продукции установлены две или более характеристики качества, следует применять процедуры по [Приложению B](#p107882).
<a id="p100168"></a>Стандарт основан на предположении, что при выполнении процедуры приемочного выборочного контроля партии ее среднее остается неизменным, или что ожидаемые значения физического среднего и арифметического среднего равны. Особая осторожность нужна при некоторых нестабильных характеристиках, таких как влажность определенных материалов.
<a id="p100169"></a>В некоторых исключительных случаях это предположение неверно. Такой случай приведен в следующем примере.
<a id="p100170"></a>*Пример* 1. Порошок карбоксиметилцеллюлозы (КМЦ) применяется как добавка к цементу, и основной характеристикой цемента является вязкость водного раствора. Если две пробы, имеющие высокое и низкое значения вязкости, смешивают в равном весовом соотношении, вязкость объединенной пробы всегда ниже, чем среднее арифметическое значений двух исходных проб. В таких случаях этот стандарт неприменим.


###### <a id="p100171"></a>1.4.2.2 Предположение об известных стандартных отклонениях

<a id="p100172"></a>Настоящий стандарт основан на предположении, что каждое значение стандартного отклонения установленной характеристики качества известно и стабильно, при этом должны применяться процедуры [раздела 3](#p102455) (известные стандартные отклонения).
<a id="p100173"></a>Способы подтверждения стабильности каждого стандартного отклонения следующие:
<a id="p100174"></a>a) при стандартной процедуре, если на обеих контрольных $s_{c} -$ и $s_{T} - \text{картах}$ точки не выходят за контрольные границы [(3.7.3)](#p102598) и если нет никаких указаний на нестабильность, можно предположить, что все стандартные отклонения стабильны. Если $\sigma_{M}$ довольно велико и нестабильно, этот факт будет обнаружен контрольной $s_{T} - \text{картой}$ . Если $\sigma_{M}$ достаточно мало, его нестабильностью можно пренебречь, т.к. его точная оценка не является необходимой;
<a id="p100175"></a>b) при альтернативной процедуре, если на контрольной $s_{T} - \text{карте}$ точки не выходят за контрольные границы [(3.7.3)](#p102598) и если нет никаких указаний на нестабильность, можно предположить, что все стандартные отклонения стабильны. В этом случае нестабильностью $\sigma_{I}$ и $\sigma_{p}$ можно пренебречь, т.к. их точные оценки не являются необходимыми.
<a id="p100176"></a>Существуют случаи, когда перед началом работы в системе приемочного выборочного контроля точное значение и (или) стабильность каждого стандартного отклонения недостаточно известны. Более того, небольшие и кратковременные отклонения от условий стабильности могут возникать на всем протяжении применения этой системы. В таких случаях применимы процедуры [раздела 2](#p100297), где используют предполагаемые значения стандартного отклонения характеристики качества.
<a id="p100177"></a>Если необходимые значения стандартного отклонения получить нельзя, данный стандарт неприменим [(1.5.1)](#p100219).

###### <a id="p100178"></a>1.4.2.3 Контролируемые партии

<a id="p100179"></a>Выборочные планы настоящего стандарта предназначены для партий, поступающих на контроль непрерывными сериями. Однако если требования к стандартному отклонению удовлетворены, эти планы можно также применять для отдельной партии ([C.2.2](#p108284) Приложения C).

###### <a id="p100180"></a>1.4.2.4 Другие условия применения

<a id="p100181"></a>Данные выборочные планы основаны на следующих предположениях, которые должны быть выполнены ([C.2](#p108272) Приложения C):
<a id="p100182"></a>a) предположение о нормальности;
<a id="p100183"></a>b) предположение о бесконечном размере совокупности;
<a id="p100184"></a>c) предположение об однородности рассматриваемой совокупности.

##### <a id="p100185"></a>1.4.3 Стандартные процедуры выборочного контроля

<a id="p100186"></a>Настоящий стандарт содержит следующие процедуры для контроля отдельной партии:
<a id="p100187"></a>a) взятие мгновенных проб;
<a id="p100188"></a>b) подготовка объединенных проб;
<a id="p100189"></a>c) подготовка лабораторных проб;
<a id="p100190"></a>d) измерения.
<a id="p100191"></a>На рисунке 1 представлена схема выполнения указанных процедур.

<a id="p100192"></a> ![1.4. Предварительные процедуры](https://i.bukva.ai/IaUDWsE9/img_0.png) 

<a id="p100193"></a>Обозначения: $\bigcirc$ - использованы; X - не использованы

<a id="p100194"></a>Рисунок 1. Схематическая модель процедур приемочного
выборочного контроля нештучной продукции
(к [пункту 1.4.3](#p100185))

<a id="p100195"></a>Для простоты на рисунке 1 указано количество неиспользуемых лабораторных проб и испытываемых порций намного меньше, чем это имеет место на практике ([C.2.7](#p108303) Приложения C).
<a id="p100196"></a>Во всех указанных процедурах должны применяться представительные пробы. Например, требуется, чтобы каждая объединенная проба могла представлять качество всей партии. Для получения надежных результатов необходимо разработать инструкции или установить стандартные процедуры.

###### <a id="p100197"></a>1.4.3.1 Отбор мгновенных проб (см. [рисунок 1](#p100194))

<a id="p100198"></a>Из партии должны быть отобраны $2n_{I}$ мгновенных проб. Рекомендуется проводить динамический отбор, при котором мгновенные пробы берут из движущейся партии. Допускается брать пробы из неподвижной партии.
<a id="p100199"></a>Рекомендуется применять подходящее устройство для взятия проб. Когда продукция содержит крупные комья, размер мгновенных проб должен быть достаточно большим, иначе трудно получить представительные пробы.

###### <a id="p100200"></a>1.4.3.2 Подготовка объединенных проб (см. [рисунок 1](#p100194))

<a id="p100201"></a> $n_{I}$ мгновенных проб соединяют вместе и получают объединенную пробу.
<a id="p100202"></a>Так же образуют $n_{c}$ объединенных проб. В настоящем стандарте число $n_{c}$ всегда равно 2.
<a id="p100203"></a>Необходимо, чтобы каждая объединенная проба представляла всю партию. В качестве способа выполнения этого требования рекомендуются двойные пробы:
<a id="p100204"></a>из $2n_{I}$ мгновенных проб, пронумерованных в порядке отбора, пробы, имеющие нечетные номера $(1,3,...,2n_{I} - 1)$ , соединяют, образуя объединенную пробу N 1, пробы, у которых номера четные $(2,4,...,2n_{I})$ , соединяют, образуя объединенную пробу N 2 [(C.2.5)](#p108297).

###### <a id="p100205"></a>1.4.3.3 Подготовка лабораторных проб (см. [рисунок 1](#p100194))

<a id="p100206"></a>Из каждой $n_{c}$ объединенной пробы отбирают $n_{T}$ лабораторных проб. Процедура их подготовки должна быть установлена заранее с учетом природы контролируемой продукции.
<a id="p100207"></a>Если продукция содержит крупные комья, процедура подготовки лабораторных проб должна включать одну или более стадий уменьшения размеров частиц (дробление и размол), повышения однородности (перемешивание) и деления проб. Процедура должна устанавливать массу пробы и, если необходимо, размер частиц в лабораторной пробе. Если материал жидкий, лабораторную пробу можно брать прямо из объединенной пробы после достаточного перемешивания.
<a id="p100208"></a>*Примечание.* Если выбрана адекватная процедура подготовки лабораторной пробы, то составляющая дисперсии между ними $\sigma_{p}^{2}$ может быть намного меньше, чем составляющая дисперсии между мгновенными пробами $\sigma_{I}^{2}$ . С другой стороны, не менее важны экономические соображения. Например, измельчение комьев эффективно для снижения $\sigma_{p}^{2}$ , но слишком дорого для общего размера объединенной пробы.


###### <a id="p100209"></a>1.4.3.4 Измерения (см. [рисунок 1](#p100194))

<a id="p100210"></a>Из каждой $n_{c} \times n_{T}$ лабораторной пробы следует брать $n_{M}$ испытываемых порций и выполнять $n_{c} \times n_{T} \times n_{M}$ измерений на партию.
<a id="p100211"></a>Должны быть подробно указаны условия измерения [(1.5.4)](#p100229).

##### <a id="p100212"></a>1.4.4 Определение параметров

<a id="p100213"></a>До нахождения надлежащего выборочного плана следует определить следующие параметры:
<a id="p100214"></a>a) стандартные отклонения $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ , определяемые в соответствии с [1.5](#p100218);
<a id="p100215"></a>b) значения затрат $c_{I}$ , $c_{T}$ и $c_{M}$ , определяемые в соответствии с [1.6](#p100233).
<a id="p100216"></a>c) приемлемый и предельный уровни качества, устанавливаемые в соответствии с [1.7](#p100266). В случае одностороннего допуска его устанавливают для нижнего или верхнего предела.
<a id="p100217"></a>В случае двустороннего допуска его устанавливают соответственно для каждого предела отдельно.


#### <a id="p100218"></a>1.5. Стандартные отклонения



##### <a id="p100219"></a>1.5.1 Общие положения

<a id="p100220"></a>В случаях неточных стандартных отклонений каждое из них следует устанавливать в соответствии с [2.2](#p100306). В случае известных стандартных отклонений каждое из них следует устанавливать в соответствии с [3.2](#p102465). Необходимая информация, общая для обоих случаев, дана в 1.5.2 - [1.5.4](#p100229).
<a id="p100221"></a>Значения стандартных отклонений можно получить из имеющихся результатов контроля [(3.5)](#p102538). Если информация по каждому стандартному отклонению недостаточна, то необходимо получить соответствующие значения, например с помощью эксперимента с группировкой.

##### <a id="p100222"></a>1.5.2 Стандартное отклонение между мгновенными пробами

<a id="p100223"></a>Значения характеристик качества мгновенных проб, взятых из партии, могут изменяться из-за разных источников изменчивости. Стандартное отклонение между мгновенными пробами $\sigma_{I}$ - это положительный квадратный корень из составляющей дисперсии между мгновенными пробами $\sigma_{I}^{2}$ [(3.7.5)](#p102643).
<a id="p100224"></a>*Примечание.* Если материал - газ или жидкость с низкой вязкостью в одном контейнере, стандартное отклонение мгновенных проб $\sigma_{p}$ можно считать равным нулю. Если продукция - вязкая жидкость или продукция твердая, и если она в двух или большем числе контейнеров, дисперсия мгновенных проб $\sigma_{I}^{2}$ обычно состоит из двух составляющих, а именно дисперсий, характеризующих продукцию внутри контейнера и между контейнерами.


##### <a id="p100225"></a>1.5.3 Стандартное отклонение между лабораторными пробами

<a id="p100226"></a>Лабораторные пробы, подготовленные из объединенной пробы в соответствии с установленной процедурой их подготовки, могут быть неоднородны в силу составной природы объединенных проб. Стандартное отклонение между лабораторными пробами $\sigma_{p}$ - это положительный квадратный корень из составляющей дисперсии между лабораторными пробами $\sigma_{p}^{2}$ [(3.7.5)](#p102643).
<a id="p100227"></a>*Примечание.* В случае твердых материалов, если размер частиц недостаточно мал, стандартное отклонение между лабораторными пробами $(\sigma_{p})$ не всегда пренебрежимо мало.

<a id="p100228"></a>В случае, когда жидкость с низкой вязкостью или когда газ, то $\sigma_{p}$ часто пренебрежимо мало [(1.4.3.3)](#p100205).

##### <a id="p100229"></a>1.5.4 Стандартное отклонение измерения

<a id="p100230"></a>Результаты измерений могут изменяться из-за разных источников изменчивости, включая процедуру измерения и изменчивость испытываемой порции внутри лабораторной пробы [(3.7.4)](#p102627).
<a id="p100231"></a>Когда полное число измерений мало, стандартное отклонение измерения обычно соотносится с условиями повторяемости. Когда полное число измерений велико, трудно поддерживать условия повторяемости, и тогда следует использовать любую из подходящих промежуточных мер прецизионности ([C.2](#p108272) Приложения C), кроме того, см. ИСО 5725.1, ИСО 5725.2 и ИСО 5725.3.
<a id="p100232"></a>*Примечание.* В настоящем стандарте приближенное отношение $\sigma_{M}/\sigma_{p}$ более важно, чем само $\sigma_{M}$ . Если $\sigma_{M}/\sigma_{p}$ достаточно мало (например, $\sigma_{M}/\sigma_{p}$ меньше 0,2), то не всегда должно быть получено точное значение $\sigma_{M}$ .


#### <a id="p100233"></a>1.6. Затраты



##### <a id="p100234"></a>1.6.1 Общие положения

<a id="p100235"></a>В настоящем стандарте для получения экономичного плана контроля применяют приведенные ниже затраты. Когда значения затрат точно неизвестны, можно получить приемлемый выборочный план в соответствии с [1.6.6](#p100255).

##### <a id="p100236"></a>1.6.2 Составляющие затрат

<a id="p100237"></a>Полные переменные затраты на партию C состоят из сумм затрат, пропорциональных полному числу мгновенных выборок, полному числу лабораторных проб и полному числу измерений, а именно:

<a id="p100238"></a> $C = C_{I} + C_{T} + C_{M} = n_{c}n_{I}c_{I} + n_{c}n_{T}c_{T} + n_{c}n_{T}n_{M}c_{M}.$ 

<a id="p100239"></a>Для получения экономичного выборочного плана используют единичные значения затрат $c_{I}$ , $c_{T}$ и $c_{M}$ .

##### <a id="p100240"></a>1.6.3 Затраты на взятие мгновенных проб

<a id="p100241"></a>Сумма затрат, пропорциональная общему числу мгновенных проб, $C_{I}$ содержит следующие элементы:
<a id="p100242"></a>a) затраты на взятие мгновенных проб;
<a id="p100243"></a>b) затраты на их объединение в объединенную пробу.
<a id="p100244"></a>Затраты на взятие мгновенной пробы $c_{I}$ рассчитывают по формуле

<a id="p100245"></a> $c_{I} = \frac{C_{I}}{n_{c}n_{I}} .$ 


##### <a id="p100246"></a>1.6.4 Затраты на подготовку лабораторной пробы

<a id="p100247"></a>Сумма затрат, пропорциональная полному числу лабораторных проб, $C_{T}$ , содержит следующие элементы:
<a id="p100248"></a>a) затраты на сокращение размеров и разделение пробы;
<a id="p100249"></a>b) затраты на подготовку лабораторных проб.
<a id="p100250"></a>Затраты на подготовку лабораторной пробы $c_{T}$ рассчитывают по формуле

<a id="p100251"></a> $c_{T} = \frac{C_{T}}{n_{c}n_{T}} .$ 


##### <a id="p100252"></a>1.6.5 Затраты на измерение

<a id="p100253"></a>Затраты на измерение $c_{M}$ рассчитывают по формуле

<a id="p100254"></a> $c_{M} = \frac{C_{M}}{n_{c}n_{T}n_{M}} .$ 


##### <a id="p100255"></a>1.6.6 Процедуры при неточно известных значениях затрат

<a id="p100256"></a>На начальном этапе составления контракта значения затрат могут быть известны неточно. В таких случаях следует использовать следующие процедуры, чтобы получить приемлемый выборочный план.
<a id="p100257"></a>1.6.6.1. Если знания о затратах недостаточны, то в предлагаемом отношении $(c_{I}:c_{T}:c_{M})$ используют каждый член вместо соответствующего значения затрат.
<a id="p100258"></a>*Пример* 2. На начальном этапе контракта предполагалось следующее приближенное отношение затрат:

<a id="p100259"></a> $c_{I}:c_{T}:c_{M} = 3:1:0,5.$ 

<a id="p100260"></a>Приняв $c_{I} = 3$ , $c_{T} = 1$ и $c_{M} = 0,5$ , получают выборочный план в соответствии со стандартными процедурами.
<a id="p100261"></a>После просмотра серии из пяти партий отношение затрат было пересмотрено:

<a id="p100262"></a> $c_{I}:c_{T}:c_{M} = 3,5:1:0,4.$ 

<a id="p100263"></a>Используя новые значения затрат $c_{I} = 3,5$ ; $c_{T} = 1$ ; $c_{M} = 0,4$ , был получен приемлемый выборочный план, но уровень отношения затрат и выборочный план сохраняются неизменными.


###### <a id="p100264"></a>1.6.6.2 Если трудно предложить приближенное отношение затрат, то используют следующее отношение:


<a id="p100265"></a> $c_{I}:c_{T}:c_{M} = 1:1:1.$ 


#### <a id="p100266"></a>1.7. Приемлемый уровень качества и предельный уровень качества



##### <a id="p100267"></a>1.7.1 Общие положения

<a id="p100268"></a>Меры качества, приемлемый уровень качества AQL и предельный уровень качества LQL следует устанавливать в соответствии со следующими пунктами.

##### <a id="p100269"></a>1.7.2 Расстояние между LQL и пределом поля допуска

<a id="p100270"></a>Рекомендуется, чтобы расстояние между предельным уровнем качества и пределом поля допуска ( $m_{R_{L}} - L$ или $U - m_{R_{U}}$ ) устанавливалось с учетом способа использования принятой партии. Например, если принятая партия делится на подпартии, то при определении этого расстояния следует учитывать изменения характеристик от подпартии к подпартии.
<a id="p100271"></a>Когда устанавливают двусторонний допуск, два расстояния ( $m_{R_{L}} - L$ или $U - m_{R_{U}}$ ) могут быть различными.
<a id="p100272"></a>Указанные расстояния могут быть отрегулированы в соответствии с уровнем качества поставляемого материала. Если уровень качества неудовлетворительный, эти расстояния могут быть увеличены, чтобы риск потребителя на границе поля допуска был снижен [(Приложение D)](#p108469). Если уровень качества удовлетворительный, эти расстояния можно сузить до нуля или до отрицательного значения ([пример 7](#p102776) в 3.8.3).

##### <a id="p100273"></a>1.7.3 Предельный интервал

<a id="p100274"></a>Предельный интервал D - это абсолютное расстояние между приемлемым уровнем качества и предельным уровнем качества. Рекомендуется, чтобы значение D устанавливалось с учетом значений стандартного отклонения ( $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ ). Если значение предельного интервала слишком мало, то настоящий стандарт может не дать применимого выборочного плана, и выбор приемлемого и (или) предельного уровня качества необходимо пересмотреть ([2.4.4.4](#p100368) или [3.4.4.4](#p102536)).
<a id="p100275"></a>Когда установлен двусторонний допуск с пределами L и U, два предельных интервала ( $m_{A,L} - m_{R,L}$ и $m_{R,U} - m_{A,U}$ ) должны быть равны.
<a id="p100276"></a>Каждый из предельных интервалов может быть отрегулирован по уровню качества поставляемого материала. Если уровень качества удовлетворительный, предельный интервал может быть увеличен с целью снижения затрат ([пример 7](#p102776) в 3.8.3).

##### <a id="p100277"></a>1.7.4 Расстояние между AQL

<a id="p100278"></a>При установлении двустороннего допуска расстояние между верхним и нижним приемлемыми уровнями качества $\Delta$ должно быть равным или больше, чем предельный допуск $\delta D$ , то есть:

<a id="p100279"></a> $\Delta = m_{A_{U}} - m_{A_{L}} \geq \delta D.$ 

<a id="p100280"></a>Для стандартных процедур по [разделу 3](#p102455) (известное стандартное отклонение) $\delta = 0,636$ , для дополнительных процедур $\delta = 0,566$ .
<a id="p100281"></a>Для процедур по [разделу 2](#p100297) (неточное стандартное отклонение) значение $\delta$ можно получить из [таблицы 3](#p102439) в зависимости от $v_{E}$ . Значение $v_{E}$ должно быть указано вместе с объемами выборки [(2.4.4.3)](#p100358). На предварительной стадии удобно предположить следующие временные значения: $v_{E} = 8$ и $\delta = 0,566$ (см. [Приложение C](#p108269)).


#### <a id="p100282"></a>1.8. Уполномоченная сторона


<a id="p100283"></a>Уполномоченная сторона имеет различные функции, такие как:
<a id="p100284"></a>a) одобрение значений стандартного отклонения [(1.5)](#p100218);
<a id="p100285"></a>b) принятие решения о стабильности стандартного отклонения [(1.4.2)](#p100162);
<a id="p100286"></a>c) принятие решения о работе по [разделу 2](#p100297) или [3](#p102455) [(1.4.2.2)](#p100171);
<a id="p100287"></a>d) одобрение значений AQL и LQL [(1.7)](#p100266);
<a id="p100288"></a>e) принятие решения о применении дополнительных процедур;
<a id="p100289"></a>f) другие установленные или подразумеваемые функции.
<a id="p100290"></a>Желательно, чтобы уполномоченная сторона имела достаточные знания и опыт для того, чтобы поддерживался принцип нейтральности системы приемочного выборочного контроля и чтобы процедуры приемки выполнялись адекватно.
<a id="p100291"></a>Уполномоченная сторона может быть одной из следующих:
<a id="p100292"></a>a) первая сторона;
<a id="p100293"></a>b) вторая сторона;
<a id="p100294"></a>c) третья сторона или
<a id="p100295"></a>d) любая из трех сторон, в зависимости от функции.
<a id="p100296"></a>Уполномоченную сторону следует назначать заранее, до проведения процедур выборочного контроля, в контракте или другом документе [(ГОСТ Р 50779.71)](https://bukva.ai/docs/gost-r-50779-71-99).


### 2. <a id="p100297"></a>ПРОЦЕДУРЫ ДЛЯ СЛУЧАЯ НЕТОЧНЫХ СТАНДАРТНЫХ ОТКЛОНЕНИЙ



#### <a id="p100298"></a>2.1. Общие положения


<a id="p100299"></a>Данный раздел содержит следующие процедуры для случая неточных стандартных отклонений:
<a id="p100300"></a>a) получение стандартного отклонения ( $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ ) [(2.2)](#p100306);
<a id="p100301"></a>b) получение нижнего и (или) верхнего приемочных значений [(2.3)](#p100309);
<a id="p100302"></a>c) получение размеров проб ( $n_{I}$ , $n_{T}$ и $n_{M}$ ) [(2.4)](#p100319);
<a id="p100303"></a>d) контроль отдельной партии [(2.5)](#p100376);
<a id="p100304"></a>e) определение приемлемости партии [(2.6)](#p100393).
<a id="p100305"></a>[Пункты 2.7](#p100413) - [2.9](#p100540) приведены для информации.


#### <a id="p100306"></a>2.2. Стандартные отклонения


<a id="p100307"></a>Значения стандартных отклонений $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ следует выбирать с использованием последних фактических данных. Эти значения следует согласовывать между поставщиком и потребителем.
<a id="p100308"></a>*Примечание.* Если какое-либо стандартное отклонение нестабильно, то следует брать большее значение с использованием последних полученных данных.


#### <a id="p100309"></a>2.3. Приемочное значение



##### <a id="p100310"></a>2.3.1 Односторонний допуск

<a id="p100311"></a>При установлении нижнего предела поля допуска L нижнее приемочное значение рассчитывается по формуле

<a id="p100312"></a> $\overline{x_{L}} = 0,5(m_{A} + m_{R}).$ 

<a id="p100313"></a>При установлении верхнего предела поля допуска U верхнее приемочное значение рассчитывается по формуле

<a id="p100314"></a> $\overline{x_{U}} = 0,5(m_{A} + m_{R}).$ 


##### <a id="p100315"></a>2.3.2 Двусторонний допуск

<a id="p100316"></a>При установлении верхнего и нижнего пределов поля допуска L и U нижнее и верхнее приемочные значения рассчитываются по формулам:

<a id="p100317"></a> $\overline{x_{L}} = 0,5(m_{A_{L}} + m_{R_{L}});$ 

<a id="p100318"></a> $\overline{x_{U}} = 0,5(m_{A_{U}} + m_{R_{U}}).$ 


#### <a id="p100319"></a>2.4. Размеры проб



##### <a id="p100320"></a>2.4.1 Процедуры получения размеров проб

<a id="p100321"></a>Поскольку трудно получить все размеры проб одновременно, следует использовать указанные ниже процедуры:
<a id="p100322"></a>a) получение значения $n_{M}$ [(2.4.2)](#p100328);
<a id="p100323"></a>b) получение стандартного отклонения лабораторной пробы $\sigma_{T}$ [(2.4.3.1)](#p100334);
<a id="p100324"></a>c) получение относительных стандартных отклонений $d_{I}$ и $d_{T}$ [(2.4.3.2)](#p100337);
<a id="p100325"></a>d) получение затрат на обработку лабораторной пробы $c_{T}$ [(2.4.3.3)](#p100340);
<a id="p100326"></a>e) получение отношения затрат $R_{c}$ и уровня отношения затрат [(2.4.3.4)](#p100343).
<a id="p100327"></a>f) выбор надлежащей таблицы и определение применяемых значений $n_{I}$ и $n_{T}$ [(2.4.4)](#p100352).

##### <a id="p100328"></a>2.4.2 Число измерений на лабораторную пробу $n_{M}$

<a id="p100329"></a>Число измерений на лабораторную пробу следует определять, используя следующее правило:
<a id="p100330"></a>a) если $\sigma_{M}/\sigma_{p}<0,5$ , то $n_{M} = 1$ ;
<a id="p100331"></a>b) если $\sigma_{M}/\sigma_{p} \geq 0,5$ , то $n_{M} = 2$ .
<a id="p100332"></a>*Примечание.* В настоящем разделе влияние затрат при определении $n_{M}$ не учитывается.


##### <a id="p100333"></a>2.4.3 Необходимые значения для получения размеров пробы


###### <a id="p100334"></a>2.4.3.1 Стандартное отклонение лабораторной пробы

<a id="p100335"></a>Стандартное отклонение лабораторной пробы $\sigma_{T}$ следует рассчитывать по формуле

<a id="p100336"></a> $\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} .$ 


###### <a id="p100337"></a>2.4.3.2 Относительные стандартные отклонения

<a id="p100338"></a>Стандартные отклонения $\sigma_{I}$ и $\sigma_{T}$ следует преобразовать в относительные стандартные отклонения $d_{I}$ и $d_{T}$ посредством деления на предельный интервал D, что упрощает последующие процедуры. Таким образом

<a id="p100339"></a> $d_{I} = \frac{\sigma_{I}}{D}$ и $d_{T} = \frac{\sigma_{T}}{D}$ .


###### <a id="p100340"></a>2.4.3.3 Затраты на обработку лабораторной пробы

<a id="p100341"></a>Затраты на обработку лабораторной пробы $c_{TM}$ определяют по формуле

<a id="p100342"></a> $c_{TM} = c_{T} + n_{M}c_{M}.$ 


###### <a id="p100343"></a>2.4.3.4 Отношение затрат и уровень отношения затрат

<a id="p100344"></a>Отношение затрат $R_{c}$ рассчитывают по формуле

<a id="p100345"></a> $R_{c} = \frac{c_{TM}}{c_{I}} .$ 

<a id="p100346"></a>Уровень отношения затрат следует выбирать в соответствии со следующими указаниями:
<a id="p100347"></a>a) уровень 1: $R_{c}$ намного меньше 1; $(R_{c} = 0,10)$ ;
<a id="p100348"></a>b) уровень 2: $R_{c}$ меньше 1 $(R_{c} = 0,30)$ ;
<a id="p100349"></a>c) уровень 3: $R_{c}$ близко к 1 $(R_{c} = 1)$ ;
<a id="p100350"></a>d) уровень 4: $R_{c}$ больше 1 $(R_{c} = 3)$ ;
<a id="p100351"></a>e) уровень 5: $R_{c}$ намного больше 1 $(R_{c} = 10)$ .

##### <a id="p100352"></a>2.4.4 Получение $n_{I}$ и $n_{T}$


###### <a id="p100353"></a>2.4.4.1 Структура таблиц от [1A](#p100550) до [2E](#p102255)

<a id="p100354"></a>В настоящем разделе приведены десять [таблиц (1A](#p100550) - [2E](#p102255)) для получения числа мгновенных проб на объединенную пробу $n_{I}$ и числа лабораторных проб на объединенную пробу $n_{T}$ . [Таблица 1](#p100548) - для $n_{M} = 1$ , а [таблица 2](#p101497) - для $n_{M} = 2$ с указанием уровня отношения затрат $R_{c}$ .
<a id="p100355"></a>Каждая таблица имеет два входа: допустимые значения $d_{I}$ и допустимые значения $d_{T}$ . Зона реальных $d_{I}$ показана рядом с допустимым $d_{I}$ . Зона реальных $d_{T}$ такая же, как для соответствующего $d_{I}$ .

###### <a id="p100356"></a>2.4.4.2 Выбор таблиц

<a id="p100357"></a>Надлежащая таблица выбирается в соответствии с применяемой комбинацией $n_{M}$ и $R_{c}$ .

###### <a id="p100358"></a>2.4.4.3 Определение табличных значений $n_{I}$ , $n_{T}$ и $v_{E}$ .

<a id="p100359"></a>В выбранной таблице для определения значений $n_{I}$ , $n_{T}$ и $v_{E}$ необходимо:
<a id="p100360"></a>a) найти строку допустимого $d_{I}$ , зона которого (указанная в соседнем столбце) содержит реальное $d_{I}$ ;
<a id="p100361"></a>b) найти столбец допустимого $d_{T}$ , зона которого содержит реальное $d_{T}$ . Зона для каждого $d_{T}$ такая же, как для $d_{I}$ ;
<a id="p100362"></a>c) взять $n_{I}$ , $n_{T}$ и $v_{E}$ из ячейки, где строка допустимого $d_{I}$ пересекает столбец $d_{T}$ .
<a id="p100363"></a>Если возникнет одна из следующих ситуаций, то необходимо перейти к [2.4.4.4](#p100368), поскольку $n_{I}$ либо $n_{T}$ слишком велики для применения:
<a id="p100364"></a>а) нет строки с допустимыми значениями $d_{I}$ ;
<a id="p100365"></a>б) нет столбца с допустимыми значениями $d_{T}$ .
<a id="p100366"></a>Если в ячейке вместо $n_{I}$ и $n_{T}$ стоит знак "*", то либо необходимо перейти к [2.4.4.4](#p100368), либо надо посмотреть другие таблицы с размерами проб. Если последующая либо предыдущая таблица с размерами проб для другого уровня отношения затрат содержит $n_{I}$ и $n_{T}$ в соответствующей ячейке, то можно применять эти значения, иначе необходимо перейти к [2.4.4.4](#p100368).
<a id="p100367"></a>Примечание. Значение $v_{E}$ используется при двустороннем допуске [(2.4.4.5)](#p100370), нескольких характеристиках качества [(Приложение B)](#p107882) или для кривой OX [(Приложение C)](#p108269).


###### <a id="p100368"></a>2.4.4.4 Пересмотр предельного интервала

<a id="p100369"></a>Если невозможно получить $n_{I}$ и $n_{T}$ или их полученные значения слишком большие, надо вернуться к [1.7](#p100266) для пересмотра предельного интервала.

###### <a id="p100370"></a>2.4.4.5 Перепроверка предельного допуска (для малых $v_{E}$ ).

<a id="p100371"></a>Если установлены двусторонние предельные значения (двусторонний допуск) и $v_{E}<8$ , то для перепроверки предельного допуска необходимо:
<a id="p100372"></a>a) в [таблице 3](#p102439) найти значение $\delta$ в зависимости от значения $v_{E}$ ;
<a id="p100373"></a>b) вычислить значение предельного допуска $\delta D$ ;
<a id="p100374"></a>c) перепроверить, что расстояние между верхним и нижним приемлемыми уровнями качества $\Delta$ равно или больше предельного допуска $\delta D$ [(1.7.4)](#p100277). Если этого нет, необходимо вернуться к [1.7](#p100266) для пересмотра предельного интервала.
<a id="p100375"></a>*Примечание.* Если $v_{E} \geq 8$ , значение $\delta$ сохраняется неизменным $(\delta = 0,566)$ и процедура перепроверки не нужна.


#### <a id="p100376"></a>2.5. Проверка конкретной партии



##### <a id="p100377"></a>2.5.1 Общие положения

<a id="p100378"></a>Для контроля партии следует придерживаться следующих процедур (см. [рисунок 1](#p100194)).

##### <a id="p100379"></a>2.5.2 Передача партии на контроль

<a id="p100380"></a>Для контроля берут производственную партию нештучной продукции, доставленную в одно время или предложенную для поставки.

##### <a id="p100381"></a>2.5.3 Отбор мгновенных проб

<a id="p100382"></a>В соответствии с процедурой, установленной в [1.4.3.1](#p100197), из партии должно быть взято $(n_{c} \times n_{I})$ мгновенных проб.

##### <a id="p100383"></a>2.5.4 Подготовка объединенных проб

<a id="p100384"></a>В соответствии с процедурой, установленной в [1.4.3.2](#p100200), должны соединяться вместе $n_{I}$ мгновенных проб, чтобы образовать объединенную пробу, и должно быть получено $n_{c}$ объединенных проб.

##### <a id="p100385"></a>2.5.5 Подготовка лабораторных проб

<a id="p100386"></a>В соответствии с процедурой подготовки лабораторных проб, установленной в [1.4.3.3](#p100205), из каждых $n_{c}$ объединенных проб должно быть образовано $n_{T}$ лабораторных проб.

##### <a id="p100387"></a>2.5.6 Измерения

<a id="p100388"></a>В соответствии с процедурой измерения, установленной в [1.4.3.4](#p100209) и [1.5.4](#p100229), из $(n_{c} \times n_{T})$ лабораторных проб должно быть взято $n_{M}$ испытываемых порций. На одной партии проводят $(n_{c} \times n_{T} \times n_{M})$ измерений.

##### <a id="p100389"></a>2.5.7 Определение приемлемости партии

<a id="p100390"></a>Среднее партии и приемлемость партии должны быть определены в соответствии с [2.6](#p100393).

##### <a id="p100391"></a>2.5.8 Действие с неприемлемой партией

<a id="p100392"></a>Неприемлемая партия должна быть удалена в соответствии с соглашением, принятым до проведения приемочного контроля конкретной партии.


#### <a id="p100393"></a>2.6. Приемлемость партии



##### <a id="p100394"></a>2.6.1 Получение выборочного среднего

<a id="p100395"></a>Для определения приемлемости партии по $(n_{c} \times n_{T} \times n_{M})$ результатов измерений может быть вычислено общее выборочное среднее $\overline{x}$ по формуле

<a id="p100396"></a> $\overline{x} = \frac{1}{n_{c}n_{T}n_{M}} \sum_{i = 1}^{n_{c}} \sum_{j = 1}^{n_{T}} \sum_{k = 1}^{n_{M}} x_{ijk},$ 

<a id="p100397"></a>где $x_{ijk}$ - результат k-го измерения j-й лабораторной пробы из i-й объединенной пробы.
<a id="p100398"></a>В целях избежания дублирования при будущем вычислении стандартного отклонения совокупности рекомендуется придерживаться процедуры по [3.6.1](#p102556), а именно:
<a id="p100399"></a>a) получить средние лабораторных проб $\overline{x_{ij}}$ в соответствии с [3.6.1.1](#p102557);
<a id="p100400"></a>b) получить средние объединенных проб $\overline{x_{i}}$ в соответствии с [3.6.1.2](#p102561) и
<a id="p100401"></a>c) получить общее выборочное среднее $\overline{x}$ в соответствии [3.6.1.3](#p102564).

##### <a id="p100402"></a>2.6.2 Определение приемлемости партии

<a id="p100403"></a>Приемлемость партии следует определять в соответствии со следующими критериями:
<a id="p100404"></a>a) задано нижнее предельное значение L:
<a id="p100405"></a>если $\overline{x} \geq \overline{x_{L}}$ - партия приемлема;
<a id="p100406"></a>если $\overline{x}<\overline{x_{L}}$ - партия неприемлема;
<a id="p100407"></a>b) задано верхнее предельное значение U:
<a id="p100408"></a>если $\overline{x} \leq \overline{x_{U}}$ - партия приемлема;
<a id="p100409"></a>если $\overline{x}>\overline{x_{U}}$ - партия неприемлема;
<a id="p100410"></a>c) заданы двусторонние предельные значения (двусторонний допуск) L и U:
<a id="p100411"></a>если $\overline{x_{L}} \leq \overline{x} \leq \overline{x_{U}}$ - партия приемлема;
<a id="p100412"></a>если $\overline{x}<\overline{x_{L}}$ или $\overline{x}>\overline{x_{U}}$ - партия неприемлема.


#### <a id="p100413"></a>2.7. Составляющие дисперсии и составляющие стандартного отклонения



##### <a id="p100414"></a>2.7.1 Стандартные отклонения (выборочные значения)

<a id="p100415"></a>Вычисление выборочных стандартных отклонений $s_{c}$ и $s_{T}$ не всегда обязательно. Их рекомендуется находить, чтобы подтверждать правильность выбираемых значений. Процедуры для вычисления выборочных стандартных отклонений приведены в [3.6](#p102555) и [3.7](#p102578).

##### <a id="p100416"></a>2.7.2 Стандартное отклонение оценки

<a id="p100417"></a>Стандартное отклонение оценки $\sigma_{E}$ - это стандартное отклонение оценки среднего партии. Оно используется для получения оперативной характеристики OX. Приближенное значение $\sigma_{E}$ рассчитывают по формуле

<a id="p100418"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{p}^{2}}{n_{c}n_{T}} + \frac{\sigma_{M}^{2}}{n_{c}n_{T}n_{M}}} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} .$ 


#### <a id="p100419"></a>2.8. Численные примеры



##### <a id="p100420"></a>2.8.1 Пример с односторонним предельным значением (односторонний допуск)

<a id="p100421"></a>Следующий численный пример показывает, как использовать процедуры приемочного выборочного контроля по данному разделу, когда установлено одностороннее предельное значение.
<a id="p100422"></a>*Пример* 3. Некоторый промышленный химикат, состоящий из мелких гранул, будет периодически поставляться либо в насыпном виде, либо с использованием большого контейнера для каждой поставки. Эта продукция будет поступать на последующую обработку на однородность. Желательно получить экономичный выборочный план, дающий достаточную уверенность в среднем значении партии.
<a id="p100423"></a>Эта характеристика соответствует некоторому физическому состоянию, и для среднего значения партии устанавливается нижнее предельное значение L = 90,0.
<a id="p100424"></a>На основании предварительных экспериментов принимаются следующие стандартные отклонения:

<a id="p100425"></a> $\sigma_{I} = 4,4$ ; $\sigma_{p} = 1,0$ ; $\sigma_{M} = 3,0$ .

<a id="p100426"></a>Составляющие затрат следующие: $c_{I} = 25$ , $c_{T} = 20$ и $c_{M} = 60$ .
<a id="p100427"></a>Устанавливаются меры качества: AQL = 96,0 и LQL = 92,0. В соответствии с процедурами данного раздела получают следующий выборочный план:


<table>
<colgroup><col width="32%"><col width="35%"><col width="33%"></colgroup>
<tr><td><a id="p100428"></a>a) нижнее предельное значение</td><td colspan="2"><a id="p100429"></a>L = 90,0;</td></tr>
<tr><td><a id="p100430"></a>b) приемлемый уровень качества</td><td colspan="2"><a id="p100431"></a>$m_{A} = 96,0$ ;</td></tr>
<tr><td><a id="p100432"></a>c) предельный уровень качества</td><td colspan="2"><a id="p100433"></a>$m_{R} = 92,0$ ;</td></tr>
<tr><td><a id="p100434"></a>d) предельный интервал</td><td colspan="2"><a id="p100435"></a>D = 4,0;</td></tr>
<tr><td><a id="p100436"></a>e) нижнее приемочное значение</td><td colspan="2"><a id="p100437"></a>$\overline{x_{L}} = 0,5(m_{A} + m_{R}) = 0,5(96,0 + 92,0) = 94,0$ ;</td></tr>
<tr><td><a id="p100438"></a>f) стандартное отклонение между мгновенными пробами</td><td colspan="2"><a id="p100439"></a>$\sigma_{I} = 4,4$ ;</td></tr>
<tr><td><a id="p100440"></a>g) стандартное отклонение между лабораторными пробами</td><td colspan="2"><a id="p100441"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p100442"></a>h) стандартное отклонение измерения</td><td colspan="2"><a id="p100443"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p100444"></a>i) число объединенных проб</td><td colspan="2"><a id="p100445"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p100446"></a>j) затраты на взятие мгновенной пробы</td><td colspan="2"><a id="p100447"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p100448"></a>k) затраты на подготовку лабораторной пробы</td><td colspan="2"><a id="p100449"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p100450"></a>l) затраты на измерение</td><td colspan="2"><a id="p100451"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p100452"></a>m) число измерений на лабораторную пробу</td><td colspan="2"><a id="p100453"></a>$n_{M} = 2$ ;</td></tr>
<tr><td><a id="p100454"></a>n) стандартное отклонение лабораторной пробы</td><td colspan="2"><a id="p100455"></a>$\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{1,0^{2} + \frac{3,0^{2}}{2}} = \sqrt{5,50} = 2,35$ ;</td></tr>
<tr><td><a id="p100456"></a>p) затраты на обработку лабораторной пробы</td><td colspan="2"><a id="p100457"></a>$c_{TM} = c_{T} + n_{M}c_{M} = 20 + 2 \times 60 = 140$ ;</td></tr>
<tr><td><a id="p100458"></a>q) отношение затрат</td><td colspan="2"><a id="p100459"></a>$R_{c} = c_{TM}/c_{I} = 140/25 = 5,60$ ;</td></tr>
<tr><td><a id="p100460"></a>r) относительное стандартное отклонение между мгновенными пробами</td><td colspan="2"><a id="p100461"></a>$d_{I} = \sigma_{I}/D = 4,40/4,0 = 1,10$ ;</td></tr>
<tr><td><a id="p100462"></a>s) относительное стандартное отклонение лабораторной пробы</td><td colspan="2"><a id="p100463"></a>$d_{T} = \sigma_{T}/D = 2,55/4,0 = 0,588$ ;</td></tr>
<tr><td colspan="3"><a id="p100464"></a>t) выбор таблицы: <a href="#p102065">таблица 2D</a> ( $n_{M} = 2$ ; уровень отношения затрат - 4)</td></tr>
<tr><td><a id="p100465"></a>u) размеры проб $n_{I}$ и $n_{T}$</td><td><a id="p100466"></a>$d_{I} = 1,10 \rightarrow 1,00$ ;</td><td><a id="p100467"></a>$d_{T} = 0,508 \rightarrow 0,63$ ;</td></tr>
<tr><td></td><td><a id="p100468"></a>$n_{I} = 12$ ,</td><td><a id="p100469"></a>$n_{T} = 5$ ;</td></tr>
<tr><td></td><td colspan="2"><a id="p100470"></a>( $n_{c} \times n_{I} = 24$ ; $n_{c} \times n_{T} = 10$ ; $n_{c} \times n_{T} \times n_{M} = 20$ );</td></tr>
<tr><td colspan="3"><a id="p100471"></a>v) число степеней свободы стандартного отклонения оценки $v_{E} = 35$</td></tr>
</table>


<a id="p100472"></a>Примечания
1. <a id="p100473"></a>Переменные затраты C рассчитывают по формуле

<a id="p100474"></a> $C = n_{c}(n_{I}c_{I} + n_{I}c_{TM}) = 2 \times (12 \times 25 + 5 \times 140) = 2000$ 

2. <a id="p100475"></a>Приближенное значение стандартного отклонения оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p100476"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 12} + \frac{2,35^{2}}{2 \times 5}} = \sqrt{1,359} = 1,17.$ 


##### <a id="p100477"></a>2.8.2 Пример с двусторонним допуском

<a id="p100478"></a>Следующий пример относится к случаю, когда установлены двусторонние предельные значения.
<a id="p100479"></a>Пример 4. Условия почти те же, что и в [примере 3](#p100422) в 2.8.1, за исключением того, что задано дополнительное верхнее предельное значение U = 110,0 для среднего партии. В этом случае верхнее предельное значение технически менее важно, чем нижнее, поэтому установлены меры качества: AQL = 106,0 и LQL = 110,0. В соответствии с процедурами данного раздела получают следующий выборочный план.


<table>
<colgroup><col width="35%"><col width="65%"></colgroup>
<tr><td><a id="p100480"></a>a) нижнее предельное значение</td><td><a id="p100481"></a>L = 90,0;</td></tr>
<tr><td><a id="p100482"></a>b) верхнее предельное значение</td><td><a id="p100483"></a>U = 110,0;</td></tr>
<tr><td><a id="p100484"></a>c) нижний приемлемый уровень качества</td><td><a id="p100485"></a>$m_{A_{L}} = 96,0$ ;</td></tr>
<tr><td><a id="p100486"></a>d) нижний предельный уровень качества</td><td><a id="p100487"></a>$m_{R_{L}} = 92,0$ ;</td></tr>
<tr><td><a id="p100488"></a>e) верхний приемлемый уровень качества</td><td><a id="p100489"></a>$m_{A_{U}} = 106,0$</td></tr>
<tr><td><a id="p100490"></a>f) верхний предельный уровень качества</td><td><a id="p100491"></a>$m_{R_{U}} = 110,0$</td></tr>
<tr><td><a id="p100492"></a>g) предельный интервал</td><td><a id="p100493"></a>D = 4,0;</td></tr>
<tr><td colspan="2"><a id="p100494"></a>h) нижнее приемочное значение $\overline{x_{L}} = 0,5(m_{A_{L}} + m_{R_{L}}) = 0,5(96,0 + 92,0) = 94,0$ ;</td></tr>
<tr><td colspan="2"><a id="p100495"></a>i) верхнее приемочное значение $\overline{x_{U}} = 0,5(m_{A_{U}} + m_{R_{U}}) = 0,5(106,0 + 110,0) = 108,0$ ;</td></tr>
<tr><td><a id="p100496"></a>j) расстояние между верхним и нижним приемлемыми уровнями качества</td><td><a id="p100497"></a>$\Delta m_{A_{U}} - m_{A_{L}} = 10,0$ ;</td></tr>
<tr><td><a id="p100498"></a>k) предельный допуск (временное значение)</td><td><a id="p100499"></a>$\delta D = 0,566 \times 4,0 = 2,26&lt;10,0$ ;</td></tr>
<tr><td><a id="p100500"></a>l) стандартное отклонение между мгновенными пробами</td><td><a id="p100501"></a>$\sigma_{I} = 4,4$ ;</td></tr>
<tr><td><a id="p100502"></a>m) стандартное отклонение между лабораторными пробами</td><td><a id="p100503"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p100504"></a>n) стандартное отклонение измерения</td><td><a id="p100505"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p100506"></a>p) число объединенных проб</td><td><a id="p100507"></a>$n_{c} = 20$ ;</td></tr>
<tr><td><a id="p100508"></a>q) затраты на взятие мгновенной пробы</td><td><a id="p100509"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p100510"></a>r) затраты на подготовку лабораторной пробы</td><td><a id="p100511"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p100512"></a>s) затраты на измерение</td><td><a id="p100513"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p100514"></a>t) число измерений на лабораторную пробу</td><td><a id="p100515"></a>$\sigma_{M}/\sigma_{p} = 3,0/1,0 = 3 \rightarrow n_{M} = 2$ ;</td></tr>
<tr><td><a id="p100516"></a>u) стандартное отклонение лабораторной пробы</td><td></td></tr>
<tr><td colspan="2"><a id="p100517"></a>$\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{1,0^{2} + \frac{3,0^{3}}{2}} = \sqrt{5,50} = 2,35$ ;</td></tr>
<tr><td><a id="p100518"></a>v) затраты на обработку лабораторной пробы</td><td><a id="p100519"></a>$c_{TM} = c_{T} + n_{M}c_{M} = 20 + 2 \times 60 = 140$ ;</td></tr>
<tr><td><a id="p100520"></a>w) отношение затрат</td><td><a id="p100521"></a>$R_{c} = c_{TM}/c_{I} = 140/25 = 5,60$ ;</td></tr>
<tr><td><a id="p100522"></a>x) относительное стандартное отклонение между мгновенными пробами</td><td><a id="p100523"></a>$d_{I} = \sigma_{I}/D = 4,40/4,0 = 1,10$ ;</td></tr>
<tr><td><a id="p100524"></a>y) относительное стандартное отклонение лабораторной пробы</td><td><a id="p100525"></a>$d_{T} = \sigma_{T}/D = 2,35/4,0 = 0,588$ ;</td></tr>
<tr><td colspan="2"><a id="p100526"></a>z) выбор таблицы: <a href="#p102065">таблица 2D</a> ( $n_{M} = 2$ , уровень отношения затрат 4);</td></tr>
<tr><td colspan="2"><a id="p100527"></a>z') подтверждение выборочного плана:</td></tr>
<tr><td><a id="p100528"></a>1) размеры проб $n_{I}$ и $n_{T}$</td><td></td></tr>
<tr><td><a id="p100529"></a>$d_{I} = 1,010 \rightarrow 1,00$ ;</td><td><a id="p100530"></a>$d_{T} = 0,588 \rightarrow 0,630$ ;</td></tr>
<tr><td><a id="p100531"></a>$n_{I} = 12$ ,</td><td><a id="p100532"></a>$n_{T} = 5$ ;</td></tr>
<tr><td colspan="2"><a id="p100533"></a>( $n_{c} \times n_{I} = 24$ ; $n_{c} \times n_{T} = 10$ ; $n_{c} \times n_{T} \times n_{M} = 20$ );</td></tr>
<tr><td colspan="2"><a id="p100534"></a>2) $v_{E}$ <a href="#p101497">(таблица 2)</a> и $\delta$ <a href="#p102439">(таблица 3)</a></td></tr>
<tr><td colspan="2"><a id="p100535"></a>$v_{E} = 35 \rightarrow \delta = 0,566$ ;</td></tr>
<tr><td colspan="2"><a id="p100536"></a>3) перепроверка предельного допуска $\delta D = 0,566 \times 4,0 = 2,26&lt;10,0$ .</td></tr>
</table>


<a id="p100537"></a>Примечание. Переменные затраты и стандартное отклонение оценки те же, что в [примере 3](#p100422), а именно:
<a id="p100538"></a>a) переменные затраты C = 2000;
<a id="p100539"></a>b) приближенные значения стандартного отклонения оценки $\sigma_{E} = 1,17$ .


#### <a id="p100540"></a>2.9. Информация, получаемая по оперативным характеристикам


<a id="p100541"></a>Типичные значения для кривых OX при стандартных процедурах следующие:
<a id="p100542"></a>a) если среднее партии равно приемочному значению, то Pa = 50%;
<a id="p100543"></a>b) если среднее партии равно AQL, то $Pa \approx 95\%$ $(\alpha \approx 5%)$ ;
<a id="p100544"></a>c) если среднее партии равно LQL, то $Pa \approx 5\%$ $(\beta \approx 5%)$ .
<a id="p100545"></a>Форма кривой OX для конкретного выборочного плана схожа с формами кривых, приведенными в примерах [Приложения D](#p108469), за исключением шкал по горизонтальной оси. Информация по кривым OX приведена в [Приложении D](#p108469).
<a id="p100546"></a>*Примечание.* Данный раздел дает выборочные планы только для $\alpha \approx 5%$ и $\beta \approx 5%$ . Выборочные планы для общепринятых значений $\alpha \approx 5%$ и $\beta \approx 10%$ слишком сложны и на практике их не применяют.

<a id="p100547"></a>Таблица 1

<a id="p100548"></a>Размеры проб $n_{I}$ , $n_{T}$ и степени свободы $v_{E}$ для $n_{M} = 1$ 
(при неточных стандартных отклонениях $d_{I}$ и $d_{T}$ 
рисках $\alpha \approx 5%$ , $\beta \approx 5%$ ):

<a id="p100549"></a>Таблица 1A

<a id="p100550"></a>Уровень отношения затрат 1 для $R_{c} \approx 0,10$ 
из интервала от 0 до 0,17


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p100551"></a><img src="https://i.bukva.ai/IaUDWsE9/img_1.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p100552"></a>0,160</td><td colspan="3"><a id="p100553"></a>0,250</td><td colspan="3"><a id="p100554"></a>0,400</td><td colspan="3"><a id="p100555"></a>0,630</td><td colspan="3"><a id="p100556"></a>1,00</td><td colspan="3"><a id="p100557"></a>1,60</td><td colspan="3"><a id="p100558"></a>2,50</td></tr>
<tr><td><a id="p100559"></a>$n_{I}$</td><td><a id="p100560"></a>$n_{T}$</td><td><a id="p100561"></a>$v_{E}$</td><td><a id="p100562"></a>$n_{I}$</td><td><a id="p100563"></a>$n_{T}$</td><td><a id="p100564"></a>$v_{E}$</td><td><a id="p100565"></a>$n_{I}$</td><td><a id="p100566"></a>$n_{T}$</td><td><a id="p100567"></a>$v_{E}$</td><td><a id="p100568"></a>$n_{I}$</td><td><a id="p100569"></a>$n_{T}$</td><td><a id="p100570"></a>$v_{E}$</td><td><a id="p100571"></a>$n_{I}$</td><td><a id="p100572"></a>$n_{T}$</td><td><a id="p100573"></a>$v_{E}$</td><td><a id="p100574"></a>$n_{I}$</td><td><a id="p100575"></a>$n_{T}$</td><td><a id="p100576"></a>$v_{E}$</td><td><a id="p100577"></a>$n_{I}$</td><td><a id="p100578"></a>$n_{T}$</td><td><a id="p100579"></a>$v_{E}$</td></tr>
<tr><td><a id="p100580"></a>0,160</td><td><a id="p100581"></a>0,000 - 0,180</td><td><a id="p100582"></a>2</td><td><a id="p100583"></a>2</td><td><a id="p100584"></a>4,0</td><td><a id="p100585"></a>2</td><td><a id="p100586"></a>2</td><td><a id="p100587"></a>3,4</td><td><a id="p100588"></a>2</td><td><a id="p100589"></a>3</td><td><a id="p100590"></a>5,5</td><td><a id="p100591"></a>2</td><td><a id="p100592"></a>4</td><td><a id="p100593"></a>7,3</td><td><a id="p100594"></a>2</td><td><a id="p100595"></a>7</td><td><a id="p100596"></a>13</td><td><a id="p100597"></a>2</td><td><a id="p100598"></a>18</td><td><a id="p100599"></a>35</td><td><a id="p100600"></a>2</td><td><a id="p100601"></a>40</td><td><a id="p100602"></a>72</td></tr>
<tr><td><a id="p100603"></a>0,250</td><td><a id="p100604"></a>0,181 - 0,280</td><td><a id="p100605"></a>2</td><td><a id="p100606"></a>2</td><td><a id="p100607"></a>3,4</td><td><a id="p100608"></a>2</td><td><a id="p100609"></a>2</td><td><a id="p100610"></a>4,0</td><td><a id="p100611"></a>2</td><td><a id="p100612"></a>3</td><td><a id="p100613"></a>6,0</td><td><a id="p100614"></a>2</td><td><a id="p100615"></a>4</td><td><a id="p100616"></a>8,0</td><td><a id="p100617"></a>2</td><td><a id="p100618"></a>8</td><td><a id="p100619"></a>15</td><td><a id="p100620"></a>2</td><td><a id="p100621"></a>20</td><td><a id="p100622"></a>27</td><td><a id="p100623"></a>2</td><td><a id="p100624"></a>44</td><td><a id="p100625"></a>41</td></tr>
<tr><td><a id="p100626"></a>0,400</td><td><a id="p100627"></a>0,281 - 0,450</td><td><a id="p100628"></a>3</td><td><a id="p100629"></a>2</td><td><a id="p100630"></a>5,5</td><td><a id="p100631"></a>3</td><td><a id="p100632"></a>2</td><td><a id="p100633"></a>6,0</td><td><a id="p100634"></a>3</td><td><a id="p100635"></a>3</td><td><a id="p100636"></a>8,0</td><td><a id="p100637"></a>3</td><td><a id="p100638"></a>4</td><td><a id="p100639"></a>9,9</td><td><a id="p100640"></a>3</td><td><a id="p100641"></a>10</td><td><a id="p100642"></a>18</td><td><a id="p100643"></a>3</td><td><a id="p100644"></a>24</td><td><a id="p100645"></a>26</td><td><a id="p100646"></a>3</td><td><a id="p100647"></a>55</td><td><a id="p100648"></a>33</td></tr>
<tr><td><a id="p100649"></a>0,630</td><td><a id="p100650"></a>0,451 - 0,710</td><td><a id="p100651"></a>4</td><td><a id="p100652"></a>2</td><td><a id="p100653"></a>7,3</td><td><a id="p100654"></a>4</td><td><a id="p100655"></a>4</td><td><a id="p100656"></a>7,8</td><td><a id="p100657"></a>4</td><td><a id="p100658"></a>6</td><td><a id="p100659"></a>9,3</td><td><a id="p100660"></a>4</td><td><a id="p100661"></a>9</td><td><a id="p100662"></a>11</td><td><a id="p100663"></a>4</td><td><a id="p100664"></a>17</td><td><a id="p100665"></a>14</td><td><a id="p100666"></a>5</td><td><a id="p100667"></a>32</td><td><a id="p100668"></a>28</td><td><a id="p100669"></a>5</td><td><a id="p100670"></a>65</td><td><a id="p100671"></a>35</td></tr>
<tr><td><a id="p100672"></a>1,00</td><td><a id="p100673"></a>0,711 - 1,120</td><td><a id="p100674"></a>7</td><td><a id="p100675"></a>3</td><td><a id="p100676"></a>13</td><td><a id="p100677"></a>7</td><td><a id="p100678"></a>5</td><td><a id="p100679"></a>14</td><td><a id="p100680"></a>7</td><td><a id="p100681"></a>8</td><td><a id="p100682"></a>15</td><td><a id="p100683"></a>8</td><td><a id="p100684"></a>13</td><td><a id="p100685"></a>20</td><td><a id="p100686"></a>8</td><td><a id="p100687"></a>13</td><td><a id="p100688"></a>20</td><td><a id="p100689"></a>9</td><td><a id="p100690"></a>42</td><td><a id="p100691"></a>36</td><td colspan="3"><a id="p100692"></a>*</td></tr>
<tr><td><a id="p100693"></a>1,60</td><td><a id="p100694"></a>1,13 - 1,80</td><td><a id="p100695"></a>15</td><td><a id="p100696"></a>6</td><td><a id="p100697"></a>29</td><td><a id="p100698"></a>16</td><td><a id="p100699"></a>8</td><td><a id="p100700"></a>32</td><td><a id="p100701"></a>16</td><td><a id="p100702"></a>12</td><td><a id="p100703"></a>34</td><td><a id="p100704"></a>17</td><td><a id="p100705"></a>20</td><td><a id="p100706"></a>40</td><td><a id="p100707"></a>18</td><td><a id="p100708"></a>20</td><td><a id="p100709"></a>40</td><td><a id="p100710"></a>19</td><td><a id="p100711"></a>60</td><td><a id="p100712"></a>60</td><td colspan="3"><a id="p100713"></a>*</td></tr>
<tr><td><a id="p100714"></a>2,50</td><td><a id="p100715"></a>1,81 - 2,80</td><td><a id="p100716"></a>36</td><td><a id="p100717"></a>7</td><td><a id="p100718"></a>72</td><td><a id="p100719"></a>36</td><td><a id="p100720"></a>12</td><td><a id="p100721"></a>74</td><td><a id="p100722"></a>36</td><td><a id="p100723"></a>19</td><td><a id="p100724"></a>76</td><td><a id="p100725"></a>38</td><td><a id="p100726"></a>30</td><td><a id="p100727"></a>85</td><td><a id="p100728"></a>40</td><td><a id="p100729"></a>30</td><td><a id="p100730"></a>85</td><td colspan="3"><a id="p100731"></a>*</td><td colspan="3"><a id="p100732"></a>*</td></tr>
<tr><td colspan="23"><a id="p100733"></a><a id="p100734"></a><a id="p100735"></a><a id="p100736"></a><a id="p100737"></a><a id="p100738"></a><a id="p100739"></a>Примечания к <a href="#p100550">таблицам 1A</a> - <a href="#p101313">1E</a> и <a href="#p101499">2A</a> - <a href="#p102255">2E</a>:<br>1. Каждая зона для допустимого $d_{T}$ равна зоне для допустимого $d_{I}$ соответственно.<br>2. Если возникает одно из следующих обстоятельств, то необходимо пересмотреть предельный интервал <a href="#p100368">(2.4.4.4)</a>:<br>a) нет строки допустимого $d_{I}$ ;<br>b) нет столбца допустимого $d_{T}$ .<br>3. Если в ячейке проставлен знак "*", то необходимо пересмотреть предельный интервал или взять другую таблицу, которая даст приемлемые размеры проб <a href="#p100358">(2.4.4.3)</a>.<br>4. Значение $v_{E}$ применяют при двусторонних предельных значениях, нескольких характеристиках качества или для кривых OX.</td></tr>
</table>


<a id="p100740"></a>Таблица 1B

<a id="p100741"></a>Уровень отношения затрат 2 для $R_{c} \approx 0,32$ 
из интервала от 0,18 до 0,56


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p100742"></a><img src="https://i.bukva.ai/IaUDWsE9/img_2.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p100743"></a>0,160</td><td colspan="3"><a id="p100744"></a>0,250</td><td colspan="3"><a id="p100745"></a>0,400</td><td colspan="3"><a id="p100746"></a>0,630</td><td colspan="3"><a id="p100747"></a>1,00</td><td colspan="3"><a id="p100748"></a>1,60</td><td colspan="3"><a id="p100749"></a>2,50</td></tr>
<tr><td><a id="p100750"></a>$n_{I}$</td><td><a id="p100751"></a>$n_{T}$</td><td><a id="p100752"></a>$v_{E}$</td><td><a id="p100753"></a>$n_{I}$</td><td><a id="p100754"></a>$n_{T}$</td><td><a id="p100755"></a>$v_{E}$</td><td><a id="p100756"></a>$n_{I}$</td><td><a id="p100757"></a>$n_{T}$</td><td><a id="p100758"></a>$v_{E}$</td><td><a id="p100759"></a>$n_{I}$</td><td><a id="p100760"></a>$n_{T}$</td><td><a id="p100761"></a>$v_{E}$</td><td><a id="p100762"></a>$n_{I}$</td><td><a id="p100763"></a>$n_{T}$</td><td><a id="p100764"></a>$v_{E}$</td><td><a id="p100765"></a>$n_{I}$</td><td><a id="p100766"></a>$n_{T}$</td><td><a id="p100767"></a>$v_{E}$</td><td><a id="p100768"></a>$n_{I}$</td><td><a id="p100769"></a>$n_{T}$</td><td><a id="p100770"></a>$v_{E}$</td></tr>
<tr><td><a id="p100771"></a>0,160</td><td><a id="p100772"></a>0,000 - 0,180</td><td><a id="p100773"></a>2</td><td><a id="p100774"></a>2</td><td><a id="p100775"></a>4,0</td><td><a id="p100776"></a>2</td><td><a id="p100777"></a>2</td><td><a id="p100778"></a>3,4</td><td><a id="p100779"></a>2</td><td><a id="p100780"></a>3</td><td><a id="p100781"></a>5,5</td><td><a id="p100782"></a>2</td><td><a id="p100783"></a>4</td><td><a id="p100784"></a>7,3</td><td><a id="p100785"></a>2</td><td><a id="p100786"></a>7</td><td><a id="p100787"></a>13</td><td><a id="p100788"></a>2</td><td><a id="p100789"></a>17</td><td><a id="p100790"></a>33</td><td><a id="p100791"></a>2</td><td><a id="p100792"></a>38</td><td><a id="p100793"></a>70</td></tr>
<tr><td><a id="p100794"></a>0,250</td><td><a id="p100795"></a>0,181 - 0,280</td><td><a id="p100796"></a>2</td><td><a id="p100797"></a>2</td><td><a id="p100798"></a>3,4</td><td><a id="p100799"></a>2</td><td><a id="p100800"></a>2</td><td><a id="p100801"></a>4,0</td><td><a id="p100802"></a>2</td><td><a id="p100803"></a>3</td><td><a id="p100804"></a>6,0</td><td><a id="p100805"></a>2</td><td><a id="p100806"></a>4</td><td><a id="p100807"></a>8,0</td><td><a id="p100808"></a>2</td><td><a id="p100809"></a>8</td><td><a id="p100810"></a>15</td><td><a id="p100811"></a>2</td><td><a id="p100812"></a>18</td><td><a id="p100813"></a>27</td><td><a id="p100814"></a>3</td><td><a id="p100815"></a>40</td><td><a id="p100816"></a>74</td></tr>
<tr><td><a id="p100817"></a>0,400</td><td><a id="p100818"></a>0,281 - 0,450</td><td><a id="p100819"></a>3</td><td><a id="p100820"></a>2</td><td><a id="p100821"></a>5,5</td><td><a id="p100822"></a>3</td><td><a id="p100823"></a>2</td><td><a id="p100824"></a>6,0</td><td><a id="p100825"></a>3</td><td><a id="p100826"></a>3</td><td><a id="p100827"></a>8,0</td><td><a id="p100828"></a>3</td><td><a id="p100829"></a>4</td><td><a id="p100830"></a>9,9</td><td><a id="p100831"></a>3</td><td><a id="p100832"></a>10</td><td><a id="p100833"></a>18</td><td><a id="p100834"></a>3</td><td><a id="p100835"></a>22</td><td><a id="p100836"></a>27</td><td><a id="p100837"></a>4</td><td><a id="p100838"></a>46</td><td><a id="p100839"></a>65</td></tr>
<tr><td><a id="p100840"></a>0,630</td><td><a id="p100841"></a>0,451 - 0,710</td><td><a id="p100842"></a>4</td><td><a id="p100843"></a>2</td><td><a id="p100844"></a>7,3</td><td><a id="p100845"></a>4</td><td><a id="p100846"></a>2</td><td><a id="p100847"></a>8,0</td><td><a id="p100848"></a>4</td><td><a id="p100849"></a>4</td><td><a id="p100850"></a>10</td><td><a id="p100851"></a>4</td><td><a id="p100852"></a>7</td><td><a id="p100853"></a>12</td><td><a id="p100854"></a>5</td><td><a id="p100855"></a>12</td><td><a id="p100856"></a>23</td><td><a id="p100857"></a>6</td><td><a id="p100858"></a>24</td><td><a id="p100859"></a>43</td><td><a id="p100860"></a>8</td><td><a id="p100861"></a>48</td><td><a id="p100862"></a>90</td></tr>
<tr><td><a id="p100863"></a>1,00</td><td><a id="p100864"></a>0,711 - 1,120</td><td><a id="p100865"></a>7</td><td><a id="p100866"></a>2</td><td><a id="p100867"></a>13</td><td><a id="p100868"></a>7</td><td><a id="p100869"></a>4</td><td><a id="p100870"></a>14</td><td><a id="p100871"></a>8</td><td><a id="p100872"></a>5</td><td><a id="p100873"></a>19</td><td><a id="p100874"></a>8</td><td><a id="p100875"></a>9</td><td><a id="p100876"></a>23</td><td><a id="p100877"></a>9</td><td><a id="p100878"></a>16</td><td><a id="p100879"></a>33</td><td><a id="p100880"></a>11</td><td><a id="p100881"></a>30</td><td><a id="p100882"></a>57</td><td><a id="p100883"></a>15</td><td><a id="p100884"></a>55</td><td><a id="p100885"></a>116</td></tr>
<tr><td><a id="p100886"></a>1,60</td><td><a id="p100887"></a>1,13 - 1,80</td><td><a id="p100888"></a>16</td><td><a id="p100889"></a>3</td><td><a id="p100890"></a>32</td><td><a id="p100891"></a>16</td><td><a id="p100892"></a>5</td><td><a id="p100893"></a>34</td><td><a id="p100894"></a>17</td><td><a id="p100895"></a>8</td><td><a id="p100896"></a>39</td><td><a id="p100897"></a>18</td><td><a id="p100898"></a>12</td><td><a id="p100899"></a>47</td><td><a id="p100900"></a>20</td><td><a id="p100901"></a>20</td><td><a id="p100902"></a>63</td><td><a id="p100903"></a>22</td><td><a id="p100904"></a>40</td><td><a id="p100905"></a>86</td><td><a id="p100906"></a>26</td><td><a id="p100907"></a>75</td><td><a id="p100908"></a>137</td></tr>
<tr><td><a id="p100909"></a>2,50</td><td><a id="p100910"></a>1,81 - 2,80</td><td><a id="p100911"></a>36</td><td><a id="p100912"></a>4</td><td><a id="p100913"></a>74</td><td><a id="p100914"></a>36</td><td><a id="p100915"></a>8</td><td><a id="p100916"></a>75</td><td><a id="p100917"></a>38</td><td><a id="p100918"></a>11</td><td><a id="p100919"></a>85</td><td><a id="p100920"></a>40</td><td><a id="p100921"></a>18</td><td><a id="p100922"></a>97</td><td><a id="p100923"></a>42</td><td><a id="p100924"></a>30</td><td><a id="p100925"></a>114</td><td><a id="p100926"></a>46</td><td><a id="p100927"></a>55</td><td><a id="p100928"></a>147</td><td colspan="3"><a id="p100929"></a>*</td></tr>
</table>


<a id="p100930"></a>Таблица 1C

<a id="p100931"></a>Уровень отношения затрат 3 для $R_{c} = 1,0$ 
из интервала от 0,57 до 1,7


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p100932"></a><img src="https://i.bukva.ai/IaUDWsE9/img_3.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p100933"></a>0,160</td><td colspan="3"><a id="p100934"></a>0,250</td><td colspan="3"><a id="p100935"></a>0,400</td><td colspan="3"><a id="p100936"></a>0,630</td><td colspan="3"><a id="p100937"></a>1,00</td><td colspan="3"><a id="p100938"></a>1,60</td><td colspan="3"><a id="p100939"></a>2,50</td></tr>
<tr><td><a id="p100940"></a>$n_{I}$</td><td><a id="p100941"></a>$n_{T}$</td><td><a id="p100942"></a>$v_{E}$</td><td><a id="p100943"></a>$n_{I}$</td><td><a id="p100944"></a>$n_{T}$</td><td><a id="p100945"></a>$v_{E}$</td><td><a id="p100946"></a>$n_{I}$</td><td><a id="p100947"></a>$n_{T}$</td><td><a id="p100948"></a>$v_{E}$</td><td><a id="p100949"></a>$n_{I}$</td><td><a id="p100950"></a>$n_{T}$</td><td><a id="p100951"></a>$v_{E}$</td><td><a id="p100952"></a>$n_{I}$</td><td><a id="p100953"></a>$n_{T}$</td><td><a id="p100954"></a>$v_{E}$</td><td><a id="p100955"></a>$n_{I}$</td><td><a id="p100956"></a>$n_{T}$</td><td><a id="p100957"></a>$v_{E}$</td><td><a id="p100958"></a>$n_{I}$</td><td><a id="p100959"></a>$n_{T}$</td><td><a id="p100960"></a>$v_{E}$</td></tr>
<tr><td><a id="p100961"></a>0,160</td><td><a id="p100962"></a>0,000 - 0,180</td><td><a id="p100963"></a>2</td><td><a id="p100964"></a>2</td><td><a id="p100965"></a>4,0</td><td><a id="p100966"></a>2</td><td><a id="p100967"></a>2</td><td><a id="p100968"></a>3,4</td><td><a id="p100969"></a>2</td><td><a id="p100970"></a>3</td><td><a id="p100971"></a>5,5</td><td><a id="p100972"></a>2</td><td><a id="p100973"></a>4</td><td><a id="p100974"></a>7,3</td><td><a id="p100975"></a>2</td><td><a id="p100976"></a>7</td><td><a id="p100977"></a>13</td><td><a id="p100978"></a>2</td><td><a id="p100979"></a>16</td><td><a id="p100980"></a>31</td><td><a id="p100981"></a>4</td><td><a id="p100982"></a>36</td><td><a id="p100983"></a>74</td></tr>
<tr><td><a id="p100984"></a>0,250</td><td><a id="p100985"></a>0,181 - 0,280</td><td><a id="p100986"></a>2</td><td><a id="p100987"></a>2</td><td><a id="p100988"></a>3,4</td><td><a id="p100989"></a>2</td><td><a id="p100990"></a>2</td><td><a id="p100991"></a>4,0</td><td><a id="p100992"></a>2</td><td><a id="p100993"></a>3</td><td><a id="p100994"></a>6,0</td><td><a id="p100995"></a>2</td><td><a id="p100996"></a>4</td><td><a id="p100997"></a>8,0</td><td><a id="p100998"></a>3</td><td><a id="p100999"></a>7</td><td><a id="p101000"></a>14</td><td><a id="p101001"></a>3</td><td><a id="p101002"></a>17</td><td><a id="p101003"></a>35</td><td><a id="p101004"></a>4</td><td><a id="p101005"></a>38</td><td><a id="p101006"></a>79</td></tr>
<tr><td><a id="p101007"></a>0,400</td><td><a id="p101008"></a>0,281 - 0,450</td><td><a id="p101009"></a>3</td><td><a id="p101010"></a>2</td><td><a id="p101011"></a>5,5</td><td><a id="p101012"></a>3</td><td><a id="p101013"></a>2</td><td><a id="p101014"></a>6,0</td><td><a id="p101015"></a>3</td><td><a id="p101016"></a>3</td><td><a id="p101017"></a>8,0</td><td><a id="p101018"></a>3</td><td><a id="p101019"></a>4</td><td><a id="p101020"></a>9,9</td><td><a id="p101021"></a>4</td><td><a id="p101022"></a>8</td><td><a id="p101023"></a>19</td><td><a id="p101024"></a>5</td><td><a id="p101025"></a>18</td><td><a id="p101026"></a>41</td><td><a id="p101027"></a>7</td><td><a id="p101028"></a>40</td><td><a id="p101029"></a>89</td></tr>
<tr><td><a id="p101030"></a>0,630</td><td><a id="p101031"></a>0,451 - 0,710</td><td><a id="p101032"></a>4</td><td><a id="p101033"></a>2</td><td><a id="p101034"></a>7,3</td><td><a id="p101035"></a>4</td><td><a id="p101036"></a>2</td><td><a id="p101037"></a>8,0</td><td><a id="p101038"></a>4</td><td><a id="p101039"></a>3</td><td><a id="p101040"></a>10</td><td><a id="p101041"></a>5</td><td><a id="p101042"></a>5</td><td><a id="p101043"></a>16</td><td><a id="p101044"></a>7</td><td><a id="p101045"></a>9</td><td><a id="p101046"></a>27</td><td><a id="p101047"></a>8</td><td><a id="p101048"></a>20</td><td><a id="p101049"></a>51</td><td><a id="p101050"></a>12</td><td><a id="p101051"></a>42</td><td><a id="p101052"></a>103</td></tr>
<tr><td><a id="p101053"></a>1,00</td><td><a id="p101054"></a>0,711 - 1,120</td><td><a id="p101055"></a>7</td><td><a id="p101056"></a>2</td><td><a id="p101057"></a>13</td><td><a id="p101058"></a>7</td><td><a id="p101059"></a>3</td><td><a id="p101060"></a>14</td><td><a id="p101061"></a>8</td><td><a id="p101062"></a>4</td><td><a id="p101063"></a>19</td><td><a id="p101064"></a>9</td><td><a id="p101065"></a>7</td><td><a id="p101066"></a>27</td><td><a id="p101067"></a>12</td><td><a id="p101068"></a>11</td><td><a id="p101069"></a>41</td><td><a id="p101070"></a>16</td><td><a id="p101071"></a>22</td><td><a id="p101072"></a>70</td><td><a id="p101073"></a>20</td><td><a id="p101074"></a>48</td><td><a id="p101075"></a>131</td></tr>
<tr><td><a id="p101076"></a>1,60</td><td><a id="p101077"></a>1,13 - 1,80</td><td><a id="p101078"></a>16</td><td><a id="p101079"></a>2</td><td><a id="p101080"></a>31</td><td><a id="p101081"></a>17</td><td><a id="p101082"></a>3</td><td><a id="p101083"></a>35</td><td><a id="p101084"></a>18</td><td><a id="p101085"></a>5</td><td><a id="p101086"></a>41</td><td><a id="p101087"></a>20</td><td><a id="p101088"></a>8</td><td><a id="p101089"></a>51</td><td><a id="p101090"></a>22</td><td><a id="p101091"></a>16</td><td><a id="p101092"></a>70</td><td><a id="p101093"></a>28</td><td><a id="p101094"></a>28</td><td><a id="p101095"></a>108</td><td><a id="p101096"></a>38</td><td><a id="p101097"></a>55</td><td><a id="p101098"></a>181</td></tr>
<tr><td><a id="p101099"></a>2,50</td><td><a id="p101100"></a>1,81 - 2,80</td><td><a id="p101101"></a>36</td><td><a id="p101102"></a>4</td><td><a id="p101103"></a>74</td><td><a id="p101104"></a>38</td><td><a id="p101105"></a>4</td><td><a id="p101106"></a>79</td><td><a id="p101107"></a>40</td><td><a id="p101108"></a>7</td><td><a id="p101109"></a>89</td><td><a id="p101110"></a>42</td><td><a id="p101111"></a>12</td><td><a id="p101112"></a>103</td><td><a id="p101113"></a>48</td><td><a id="p101114"></a>20</td><td><a id="p101115"></a>131</td><td><a id="p101116"></a>55</td><td><a id="p101117"></a>38</td><td><a id="p101118"></a>181</td><td><a id="p101119"></a>70</td><td><a id="p101120"></a>70</td><td><a id="p101121"></a>276</td></tr>
</table>


<a id="p101122"></a>Таблица 1D

<a id="p101123"></a>Уровень отношения затрат 4 для $R_{c} = 3,2$ 
из интервала от 1,8 до 5,6


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p101124"></a><img src="https://i.bukva.ai/IaUDWsE9/img_4.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p101125"></a>0,160</td><td colspan="3"><a id="p101126"></a>0,250</td><td colspan="3"><a id="p101127"></a>0,400</td><td colspan="3"><a id="p101128"></a>0,630</td><td colspan="3"><a id="p101129"></a>1,00</td><td colspan="3"><a id="p101130"></a>1,60</td><td colspan="3"><a id="p101131"></a>2,50</td></tr>
<tr><td><a id="p101132"></a>$n_{I}$</td><td><a id="p101133"></a>$n_{T}$</td><td><a id="p101134"></a>$v_{E}$</td><td><a id="p101135"></a>$n_{I}$</td><td><a id="p101136"></a>$n_{T}$</td><td><a id="p101137"></a>$v_{E}$</td><td><a id="p101138"></a>$n_{I}$</td><td><a id="p101139"></a>$n_{T}$</td><td><a id="p101140"></a>$v_{E}$</td><td><a id="p101141"></a>$n_{I}$</td><td><a id="p101142"></a>$n_{T}$</td><td><a id="p101143"></a>$v_{E}$</td><td><a id="p101144"></a>$n_{I}$</td><td><a id="p101145"></a>$n_{T}$</td><td><a id="p101146"></a>$v_{E}$</td><td><a id="p101147"></a>$n_{I}$</td><td><a id="p101148"></a>$n_{T}$</td><td><a id="p101149"></a>$v_{E}$</td><td><a id="p101150"></a>$n_{I}$</td><td><a id="p101151"></a>$n_{T}$</td><td><a id="p101152"></a>$v_{E}$</td></tr>
<tr><td><a id="p101153"></a>0,160</td><td><a id="p101154"></a>0,000 - 0,180</td><td><a id="p101155"></a>2</td><td><a id="p101156"></a>2</td><td><a id="p101157"></a>4,0</td><td><a id="p101158"></a>2</td><td><a id="p101159"></a>2</td><td><a id="p101160"></a>3,4</td><td><a id="p101161"></a>2</td><td><a id="p101162"></a>3</td><td><a id="p101163"></a>5,5</td><td><a id="p101164"></a>2</td><td><a id="p101165"></a>4</td><td><a id="p101166"></a>7,3</td><td><a id="p101167"></a>2</td><td><a id="p101168"></a>7</td><td><a id="p101169"></a>13</td><td><a id="p101170"></a>3</td><td><a id="p101171"></a>16</td><td><a id="p101172"></a>32</td><td><a id="p101173"></a>4</td><td><a id="p101174"></a>36</td><td><a id="p101175"></a>74</td></tr>
<tr><td><a id="p101176"></a>0,250</td><td><a id="p101177"></a>0,181 - 0,280</td><td><a id="p101178"></a>2</td><td><a id="p101179"></a>2</td><td><a id="p101180"></a>3,4</td><td><a id="p101181"></a>2</td><td><a id="p101182"></a>2</td><td><a id="p101183"></a>4,0</td><td><a id="p101184"></a>2</td><td><a id="p101185"></a>3</td><td><a id="p101186"></a>6,0</td><td><a id="p101187"></a>2</td><td><a id="p101188"></a>4</td><td><a id="p101189"></a>8,0</td><td><a id="p101190"></a>4</td><td><a id="p101191"></a>7</td><td><a id="p101192"></a>14</td><td><a id="p101193"></a>5</td><td><a id="p101194"></a>16</td><td><a id="p101195"></a>34</td><td><a id="p101196"></a>8</td><td><a id="p101197"></a>36</td><td><a id="p101198"></a>75</td></tr>
<tr><td><a id="p101199"></a>0,400</td><td><a id="p101200"></a>0,281 - 0,450</td><td><a id="p101201"></a>3</td><td><a id="p101202"></a>2</td><td><a id="p101203"></a>5,5</td><td><a id="p101204"></a>3</td><td><a id="p101205"></a>2</td><td><a id="p101206"></a>6,0</td><td><a id="p101207"></a>3</td><td><a id="p101208"></a>3</td><td><a id="p101209"></a>8,0</td><td><a id="p101210"></a>4</td><td><a id="p101211"></a>4</td><td><a id="p101212"></a>10</td><td><a id="p101213"></a>5</td><td><a id="p101214"></a>8</td><td><a id="p101215"></a>19</td><td><a id="p101216"></a>8</td><td><a id="p101217"></a>17</td><td><a id="p101218"></a>39</td><td><a id="p101219"></a>11</td><td><a id="p101220"></a>38</td><td><a id="p101221"></a>85</td></tr>
<tr><td><a id="p101222"></a>0,630</td><td><a id="p101223"></a>0,451 - 0,710</td><td><a id="p101224"></a>4</td><td><a id="p101225"></a>2</td><td><a id="p101226"></a>7,3</td><td><a id="p101227"></a>4</td><td><a id="p101228"></a>2</td><td><a id="p101229"></a>8,0</td><td><a id="p101230"></a>4</td><td><a id="p101231"></a>3</td><td><a id="p101232"></a>9,9</td><td><a id="p101233"></a>7</td><td><a id="p101234"></a>4</td><td><a id="p101235"></a>12</td><td><a id="p101236"></a>9</td><td><a id="p101237"></a>8</td><td><a id="p101238"></a>23</td><td><a id="p101239"></a>12</td><td><a id="p101240"></a>18</td><td><a id="p101241"></a>47</td><td><a id="p101242"></a>18</td><td><a id="p101243"></a>40</td><td><a id="p101244"></a>97</td></tr>
<tr><td><a id="p101245"></a>1,00</td><td><a id="p101246"></a>0,711 - 1,120</td><td><a id="p101247"></a>7</td><td><a id="p101248"></a>2</td><td><a id="p101249"></a>13</td><td><a id="p101250"></a>8</td><td><a id="p101251"></a>2</td><td><a id="p101252"></a>15</td><td><a id="p101253"></a>10</td><td><a id="p101254"></a>3</td><td><a id="p101255"></a>18</td><td><a id="p101256"></a>12</td><td><a id="p101257"></a>5</td><td><a id="p101258"></a>23</td><td><a id="p101259"></a>16</td><td><a id="p101260"></a>9</td><td><a id="p101261"></a>33</td><td><a id="p101262"></a>20</td><td><a id="p101263"></a>20</td><td><a id="p101264"></a>63</td><td><a id="p101265"></a>30</td><td><a id="p101266"></a>42</td><td><a id="p101267"></a>114</td></tr>
<tr><td><a id="p101268"></a>1,60</td><td><a id="p101269"></a>1,13 - 1,80</td><td><a id="p101270"></a>17</td><td><a id="p101271"></a>2</td><td><a id="p101272"></a>33</td><td><a id="p101273"></a>18</td><td><a id="p101274"></a>2</td><td><a id="p101275"></a>27</td><td><a id="p101276"></a>22</td><td><a id="p101277"></a>3</td><td><a id="p101278"></a>27</td><td><a id="p101279"></a>24</td><td><a id="p101280"></a>6</td><td><a id="p101281"></a>43</td><td><a id="p101282"></a>30</td><td><a id="p101283"></a>11</td><td><a id="p101284"></a>57</td><td><a id="p101285"></a>40</td><td><a id="p101286"></a>22</td><td><a id="p101287"></a>86</td><td><a id="p101288"></a>55</td><td><a id="p101289"></a>46</td><td><a id="p101290"></a>147</td></tr>
<tr><td><a id="p101291"></a>2,50</td><td><a id="p101292"></a>1,81 - 2,80</td><td><a id="p101293"></a>38</td><td><a id="p101294"></a>2</td><td><a id="p101295"></a>70</td><td><a id="p101296"></a>40</td><td><a id="p101297"></a>3</td><td><a id="p101298"></a>74</td><td><a id="p101299"></a>46</td><td><a id="p101300"></a>4</td><td><a id="p101301"></a>65</td><td><a id="p101302"></a>48</td><td><a id="p101303"></a>8</td><td><a id="p101304"></a>90</td><td><a id="p101305"></a>55</td><td><a id="p101306"></a>15</td><td><a id="p101307"></a>116</td><td><a id="p101308"></a>75</td><td><a id="p101309"></a>26</td><td><a id="p101310"></a>137</td><td colspan="3"><a id="p101311"></a>*</td></tr>
</table>


<a id="p101312"></a>Таблица 1E

<a id="p101313"></a>Уровень отношения затрат 5 для $R_{c} \approx 10$ 
из интервала от 5,7 и более


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p101314"></a><img src="https://i.bukva.ai/IaUDWsE9/img_5.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p101315"></a>0,160</td><td colspan="3"><a id="p101316"></a>0,250</td><td colspan="3"><a id="p101317"></a>0,400</td><td colspan="3"><a id="p101318"></a>0,630</td><td colspan="3"><a id="p101319"></a>1,00</td><td colspan="3"><a id="p101320"></a>1,60</td><td colspan="3"><a id="p101321"></a>2,50</td></tr>
<tr><td><a id="p101322"></a>$n_{I}$</td><td><a id="p101323"></a>$n_{T}$</td><td><a id="p101324"></a>$v_{E}$</td><td><a id="p101325"></a>$n_{I}$</td><td><a id="p101326"></a>$n_{T}$</td><td><a id="p101327"></a>$v_{E}$</td><td><a id="p101328"></a>$n_{I}$</td><td><a id="p101329"></a>$n_{T}$</td><td><a id="p101330"></a>$v_{E}$</td><td><a id="p101331"></a>$n_{I}$</td><td><a id="p101332"></a>$n_{T}$</td><td><a id="p101333"></a>$v_{E}$</td><td><a id="p101334"></a>$n_{I}$</td><td><a id="p101335"></a>$n_{T}$</td><td><a id="p101336"></a>$v_{E}$</td><td><a id="p101337"></a>$n_{I}$</td><td><a id="p101338"></a>$n_{T}$</td><td><a id="p101339"></a>$v_{E}$</td><td><a id="p101340"></a>$n_{I}$</td><td><a id="p101341"></a>$n_{T}$</td><td><a id="p101342"></a>$v_{E}$</td></tr>
<tr><td><a id="p101343"></a>0,160</td><td><a id="p101344"></a>0,000 - 0,180</td><td><a id="p101345"></a>2</td><td><a id="p101346"></a>2</td><td><a id="p101347"></a>4,0</td><td><a id="p101348"></a>2</td><td><a id="p101349"></a>2</td><td><a id="p101350"></a>3,4</td><td><a id="p101351"></a>2</td><td><a id="p101352"></a>3</td><td><a id="p101353"></a>5,5</td><td><a id="p101354"></a>2</td><td><a id="p101355"></a>4</td><td><a id="p101356"></a>7,3</td><td><a id="p101357"></a>3</td><td><a id="p101358"></a>7</td><td><a id="p101359"></a>13</td><td><a id="p101360"></a>6</td><td><a id="p101361"></a>15</td><td><a id="p101362"></a>29</td><td><a id="p101363"></a>7</td><td><a id="p101364"></a>36</td><td><a id="p101365"></a>72</td></tr>
<tr><td><a id="p101366"></a>0,250</td><td><a id="p101367"></a>0,181 - 0,280</td><td><a id="p101368"></a>2</td><td><a id="p101369"></a>2</td><td><a id="p101370"></a>3,4</td><td><a id="p101371"></a>2</td><td><a id="p101372"></a>2</td><td><a id="p101373"></a>4,0</td><td><a id="p101374"></a>2</td><td><a id="p101375"></a>3</td><td><a id="p101376"></a>6,0</td><td><a id="p101377"></a>4</td><td><a id="p101378"></a>4</td><td><a id="p101379"></a>7,8</td><td><a id="p101380"></a>5</td><td><a id="p101381"></a>7</td><td><a id="p101382"></a>14</td><td><a id="p101383"></a>8</td><td><a id="p101384"></a>16</td><td><a id="p101385"></a>32</td><td><a id="p101386"></a>12</td><td><a id="p101387"></a>36</td><td><a id="p101388"></a>74</td></tr>
<tr><td><a id="p101389"></a>0,400</td><td><a id="p101390"></a>0,281 - 0,450</td><td><a id="p101391"></a>3</td><td><a id="p101392"></a>2</td><td><a id="p101393"></a>5,5</td><td><a id="p101394"></a>3</td><td><a id="p101395"></a>2</td><td><a id="p101396"></a>6,0</td><td><a id="p101397"></a>3</td><td><a id="p101398"></a>3</td><td><a id="p101399"></a>8,0</td><td><a id="p101400"></a>6</td><td><a id="p101401"></a>4</td><td><a id="p101402"></a>9,3</td><td><a id="p101403"></a>8</td><td><a id="p101404"></a>7</td><td><a id="p101405"></a>15</td><td><a id="p101406"></a>12</td><td><a id="p101407"></a>16</td><td><a id="p101408"></a>34</td><td><a id="p101409"></a>19</td><td><a id="p101410"></a>36</td><td><a id="p101411"></a>75</td></tr>
<tr><td><a id="p101412"></a>0,630</td><td><a id="p101413"></a>0,451 - 0,710</td><td><a id="p101414"></a>4</td><td><a id="p101415"></a>2</td><td><a id="p101416"></a>7,3</td><td><a id="p101417"></a>4</td><td><a id="p101418"></a>2</td><td><a id="p101419"></a>8,0</td><td><a id="p101420"></a>5</td><td><a id="p101421"></a>3</td><td><a id="p101422"></a>11</td><td><a id="p101423"></a>9</td><td><a id="p101424"></a>4</td><td><a id="p101425"></a>11</td><td><a id="p101426"></a>13</td><td><a id="p101427"></a>8</td><td><a id="p101428"></a>20</td><td><a id="p101429"></a>20</td><td><a id="p101430"></a>17</td><td><a id="p101431"></a>40</td><td><a id="p101432"></a>30</td><td><a id="p101433"></a>38</td><td><a id="p101434"></a>85</td></tr>
<tr><td><a id="p101435"></a>1,00</td><td><a id="p101436"></a>0,711 - 1,120</td><td><a id="p101437"></a>7</td><td><a id="p101438"></a>2</td><td><a id="p101439"></a>13</td><td><a id="p101440"></a>8</td><td><a id="p101441"></a>2</td><td><a id="p101442"></a>15</td><td><a id="p101443"></a>10</td><td><a id="p101444"></a>3</td><td><a id="p101445"></a>18</td><td><a id="p101446"></a>17</td><td><a id="p101447"></a>4</td><td><a id="p101448"></a>14</td><td><a id="p101449"></a>22</td><td><a id="p101450"></a>8</td><td><a id="p101451"></a>24</td><td><a id="p101452"></a>32</td><td><a id="p101453"></a>18</td><td><a id="p101454"></a>49</td><td><a id="p101455"></a>48</td><td><a id="p101456"></a>40</td><td><a id="p101457"></a>98</td></tr>
<tr><td><a id="p101458"></a>1,60</td><td><a id="p101459"></a>1,13 - 1,80</td><td><a id="p101460"></a>18</td><td><a id="p101461"></a>2</td><td><a id="p101462"></a>35</td><td><a id="p101463"></a>18</td><td><a id="p101464"></a>2</td><td><a id="p101465"></a>27</td><td><a id="p101466"></a>24</td><td><a id="p101467"></a>3</td><td><a id="p101468"></a>26</td><td><a id="p101469"></a>32</td><td><a id="p101470"></a>5</td><td><a id="p101471"></a>28</td><td><a id="p101472"></a>42</td><td><a id="p101473"></a>9</td><td><a id="p101474"></a>36</td><td><a id="p101475"></a>60</td><td><a id="p101476"></a>19</td><td><a id="p101477"></a>60</td><td colspan="3"><a id="p101478"></a>*</td></tr>
<tr><td><a id="p101479"></a>2,50</td><td><a id="p101480"></a>1,81 - 2,80</td><td><a id="p101481"></a>40</td><td><a id="p101482"></a>2</td><td><a id="p101483"></a>72</td><td><a id="p101484"></a>40</td><td><a id="p101485"></a>2</td><td><a id="p101486"></a>41</td><td><a id="p101487"></a>55</td><td><a id="p101488"></a>3</td><td><a id="p101489"></a>33</td><td><a id="p101490"></a>65</td><td><a id="p101491"></a>5</td><td><a id="p101492"></a>35</td><td colspan="3"><a id="p101493"></a>*</td><td colspan="3"><a id="p101494"></a>*</td><td colspan="3"><a id="p101495"></a>*</td></tr>
</table>


<a id="p101496"></a>Таблица 2

<a id="p101497"></a>Размеры проб $n_{I}$ , $n_{T}$ и степени свободы $v_{E}$ для $n_{M} = 2$ 
(при неточных стандартных отклонениях $d_{I}$ и $d_{T}$ 
рисках $\alpha \approx 5%$ , $\beta \approx 5%$ ):

<a id="p101498"></a>Таблица 2A

<a id="p101499"></a>Уровень отношения затрат 1 для $R_{c} = 0,10$ 
из интервала от 0 до 0,17


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p101500"></a><img src="https://i.bukva.ai/IaUDWsE9/img_6.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p101501"></a>0,160</td><td colspan="3"><a id="p101502"></a>0,250</td><td colspan="3"><a id="p101503"></a>0,400</td><td colspan="3"><a id="p101504"></a>0,630</td><td colspan="3"><a id="p101505"></a>1,00</td><td colspan="3"><a id="p101506"></a>1,60</td><td colspan="3"><a id="p101507"></a>2,50</td></tr>
<tr><td><a id="p101508"></a>$n_{I}$</td><td><a id="p101509"></a>$n_{T}$</td><td><a id="p101510"></a>$v_{E}$</td><td><a id="p101511"></a>$n_{I}$</td><td><a id="p101512"></a>$n_{T}$</td><td><a id="p101513"></a>$v_{E}$</td><td><a id="p101514"></a>$n_{I}$</td><td><a id="p101515"></a>$n_{T}$</td><td><a id="p101516"></a>$v_{E}$</td><td><a id="p101517"></a>$n_{I}$</td><td><a id="p101518"></a>$n_{T}$</td><td><a id="p101519"></a>$v_{E}$</td><td><a id="p101520"></a>$n_{I}$</td><td><a id="p101521"></a>$n_{T}$</td><td><a id="p101522"></a>$v_{E}$</td><td><a id="p101523"></a>$n_{I}$</td><td><a id="p101524"></a>$n_{T}$</td><td><a id="p101525"></a>$v_{E}$</td><td><a id="p101526"></a>$n_{I}$</td><td><a id="p101527"></a>$n_{T}$</td><td><a id="p101528"></a>$v_{E}$</td></tr>
<tr><td><a id="p101529"></a>0,160</td><td><a id="p101530"></a>0,000 - 0,180</td><td><a id="p101531"></a>2</td><td><a id="p101532"></a>2</td><td><a id="p101533"></a>5,3</td><td><a id="p101534"></a>2</td><td><a id="p101535"></a>2</td><td><a id="p101536"></a>6,0</td><td><a id="p101537"></a>2</td><td><a id="p101538"></a>2</td><td><a id="p101539"></a>5,1</td><td><a id="p101540"></a>2</td><td><a id="p101541"></a>3</td><td><a id="p101542"></a>9,0</td><td><a id="p101543"></a>2</td><td><a id="p101544"></a>7</td><td><a id="p101545"></a>24</td><td><a id="p101546"></a>2</td><td><a id="p101547"></a>17</td><td><a id="p101548"></a>56</td><td><a id="p101549"></a>2</td><td><a id="p101550"></a>40</td><td><a id="p101551"></a>112</td></tr>
<tr><td><a id="p101552"></a>0,250</td><td><a id="p101553"></a>0,181 - 0,280</td><td><a id="p101554"></a>2</td><td><a id="p101555"></a>2</td><td><a id="p101556"></a>3,7</td><td><a id="p101557"></a>2</td><td><a id="p101558"></a>2</td><td><a id="p101559"></a>5,3</td><td><a id="p101560"></a>2</td><td><a id="p101561"></a>2</td><td><a id="p101562"></a>5,9</td><td><a id="p101563"></a>2</td><td><a id="p101564"></a>4</td><td><a id="p101565"></a>12</td><td><a id="p101566"></a>2</td><td><a id="p101567"></a>8</td><td><a id="p101568"></a>22</td><td><a id="p101569"></a>2</td><td><a id="p101570"></a>20</td><td><a id="p101571"></a>34</td><td><a id="p101572"></a>2</td><td><a id="p101573"></a>44</td><td><a id="p101574"></a>48</td></tr>
<tr><td><a id="p101575"></a>0,400</td><td><a id="p101576"></a>0,281 - 0,450</td><td><a id="p101577"></a>3</td><td><a id="p101578"></a>2</td><td><a id="p101579"></a>5,8</td><td><a id="p101580"></a>3</td><td><a id="p101581"></a>2</td><td><a id="p101582"></a>7,5</td><td><a id="p101583"></a>3</td><td><a id="p101584"></a>3</td><td><a id="p101585"></a>10</td><td><a id="p101586"></a>3</td><td><a id="p101587"></a>5</td><td><a id="p101588"></a>15</td><td><a id="p101589"></a>3</td><td><a id="p101590"></a>10</td><td><a id="p101591"></a>23</td><td><a id="p101592"></a>3</td><td><a id="p101593"></a>24</td><td><a id="p101594"></a>30</td><td><a id="p101595"></a>3</td><td><a id="p101596"></a>50</td><td><a id="p101597"></a>39</td></tr>
<tr><td><a id="p101598"></a>0,630</td><td><a id="p101599"></a>0,451 - 0,710</td><td><a id="p101600"></a>4</td><td><a id="p101601"></a>2</td><td><a id="p101602"></a>7,5</td><td><a id="p101603"></a>4</td><td><a id="p101604"></a>4</td><td><a id="p101605"></a>7,9</td><td><a id="p101606"></a>4</td><td><a id="p101607"></a>6</td><td><a id="p101608"></a>9,4</td><td><a id="p101609"></a>4</td><td><a id="p101610"></a>9</td><td><a id="p101611"></a>12</td><td><a id="p101612"></a>4</td><td><a id="p101613"></a>17</td><td><a id="p101614"></a>14</td><td><a id="p101615"></a>5</td><td><a id="p101616"></a>32</td><td><a id="p101617"></a>30</td><td><a id="p101618"></a>5</td><td><a id="p101619"></a>65</td><td><a id="p101620"></a>37</td></tr>
<tr><td><a id="p101621"></a>1,00</td><td><a id="p101622"></a>0,711 - 1,120</td><td><a id="p101623"></a>7</td><td><a id="p101624"></a>3</td><td><a id="p101625"></a>13</td><td><a id="p101626"></a>7</td><td><a id="p101627"></a>5</td><td><a id="p101628"></a>14</td><td><a id="p101629"></a>7</td><td><a id="p101630"></a>8</td><td><a id="p101631"></a>15</td><td><a id="p101632"></a>8</td><td><a id="p101633"></a>13</td><td><a id="p101634"></a>21</td><td><a id="p101635"></a>8</td><td><a id="p101636"></a>22</td><td><a id="p101637"></a>25</td><td><a id="p101638"></a>9</td><td><a id="p101639"></a>42</td><td><a id="p101640"></a>37</td><td colspan="3"><a id="p101641"></a>*</td></tr>
<tr><td><a id="p101642"></a>1,60</td><td><a id="p101643"></a>1,13 - 1,80</td><td><a id="p101644"></a>15</td><td><a id="p101645"></a>6</td><td><a id="p101646"></a>29</td><td><a id="p101647"></a>16</td><td><a id="p101648"></a>8</td><td><a id="p101649"></a>32</td><td><a id="p101650"></a>16</td><td><a id="p101651"></a>12</td><td><a id="p101652"></a>35</td><td><a id="p101653"></a>17</td><td><a id="p101654"></a>20</td><td><a id="p101655"></a>40</td><td><a id="p101656"></a>18</td><td><a id="p101657"></a>32</td><td><a id="p101658"></a>49</td><td><a id="p101659"></a>19</td><td><a id="p101660"></a>60</td><td><a id="p101661"></a>61</td><td colspan="3"><a id="p101662"></a>*</td></tr>
<tr><td><a id="p101663"></a>2,50</td><td><a id="p101664"></a>1,81 - 2,80</td><td><a id="p101665"></a>36</td><td><a id="p101666"></a>7</td><td><a id="p101667"></a>72</td><td><a id="p101668"></a>36</td><td><a id="p101669"></a>12</td><td><a id="p101670"></a>74</td><td><a id="p101671"></a>36</td><td><a id="p101672"></a>19</td><td><a id="p101673"></a>76</td><td><a id="p101674"></a>38</td><td><a id="p101675"></a>30</td><td><a id="p101676"></a>85</td><td><a id="p101677"></a>40</td><td><a id="p101678"></a>48</td><td><a id="p101679"></a>99</td><td colspan="3"><a id="p101680"></a>*</td><td colspan="3"><a id="p101681"></a>*</td></tr>
</table>


<a id="p101682"></a>Таблица 2B

<a id="p101683"></a>Уровень отношения затрат 2 для $R_{c} = 0,32$ 
из интервала от 0,18 до 0,56


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p101684"></a><img src="https://i.bukva.ai/IaUDWsE9/img_7.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p101685"></a>0,160</td><td colspan="3"><a id="p101686"></a>0,250</td><td colspan="3"><a id="p101687"></a>0,400</td><td colspan="3"><a id="p101688"></a>0,630</td><td colspan="3"><a id="p101689"></a>1,00</td><td colspan="3"><a id="p101690"></a>1,60</td><td colspan="3"><a id="p101691"></a>2,50</td></tr>
<tr><td><a id="p101692"></a>$n_{I}$</td><td><a id="p101693"></a>$n_{T}$</td><td><a id="p101694"></a>$v_{E}$</td><td><a id="p101695"></a>$n_{I}$</td><td><a id="p101696"></a>$n_{T}$</td><td><a id="p101697"></a>$v_{E}$</td><td><a id="p101698"></a>$n_{I}$</td><td><a id="p101699"></a>$n_{T}$</td><td><a id="p101700"></a>$v_{E}$</td><td><a id="p101701"></a>$n_{I}$</td><td><a id="p101702"></a>$n_{T}$</td><td><a id="p101703"></a>$v_{E}$</td><td><a id="p101704"></a>$n_{I}$</td><td><a id="p101705"></a>$n_{T}$</td><td><a id="p101706"></a>$v_{E}$</td><td><a id="p101707"></a>$n_{I}$</td><td><a id="p101708"></a>$n_{T}$</td><td><a id="p101709"></a>$v_{E}$</td><td><a id="p101710"></a>$n_{I}$</td><td><a id="p101711"></a>$n_{T}$</td><td><a id="p101712"></a>$v_{E}$</td></tr>
<tr><td><a id="p101713"></a>0,160</td><td><a id="p101714"></a>0,000 - 0,180</td><td><a id="p101715"></a>2</td><td><a id="p101716"></a>2</td><td><a id="p101717"></a>5,3</td><td><a id="p101718"></a>2</td><td><a id="p101719"></a>2</td><td><a id="p101720"></a>6,0</td><td><a id="p101721"></a>2</td><td><a id="p101722"></a>2</td><td><a id="p101723"></a>5,1</td><td><a id="p101724"></a>2</td><td><a id="p101725"></a>3</td><td><a id="p101726"></a>9,0</td><td><a id="p101727"></a>2</td><td><a id="p101728"></a>7</td><td><a id="p101729"></a>24</td><td><a id="p101730"></a>2</td><td><a id="p101731"></a>17</td><td><a id="p101732"></a>56</td><td><a id="p101733"></a>2</td><td><a id="p101734"></a>40</td><td><a id="p101735"></a>110</td></tr>
<tr><td><a id="p101736"></a>0,250</td><td><a id="p101737"></a>0,181 - 0,280</td><td><a id="p101738"></a>2</td><td><a id="p101739"></a>2</td><td><a id="p101740"></a>3,7</td><td><a id="p101741"></a>2</td><td><a id="p101742"></a>2</td><td><a id="p101743"></a>5,3</td><td><a id="p101744"></a>2</td><td><a id="p101745"></a>2</td><td><a id="p101746"></a>5,9</td><td><a id="p101747"></a>2</td><td><a id="p101748"></a>4</td><td><a id="p101749"></a>12</td><td><a id="p101750"></a>2</td><td><a id="p101751"></a>8</td><td><a id="p101752"></a>22</td><td><a id="p101753"></a>2</td><td><a id="p101754"></a>18</td><td><a id="p101755"></a>36</td><td><a id="p101756"></a>3</td><td><a id="p101757"></a>44</td><td><a id="p101758"></a>111</td></tr>
<tr><td><a id="p101759"></a>0,400</td><td><a id="p101760"></a>0,281 - 0,450</td><td><a id="p101761"></a>3</td><td><a id="p101762"></a>2</td><td><a id="p101763"></a>5,8</td><td><a id="p101764"></a>3</td><td><a id="p101765"></a>2</td><td><a id="p101766"></a>7,5</td><td><a id="p101767"></a>3</td><td><a id="p101768"></a>3</td><td><a id="p101769"></a>10</td><td><a id="p101770"></a>3</td><td><a id="p101771"></a>4</td><td><a id="p101772"></a>14</td><td><a id="p101773"></a>3</td><td><a id="p101774"></a>10</td><td><a id="p101775"></a>23</td><td><a id="p101776"></a>3</td><td><a id="p101777"></a>22</td><td><a id="p101778"></a>32</td><td><a id="p101779"></a>4</td><td><a id="p101780"></a>50</td><td><a id="p101781"></a>81</td></tr>
<tr><td><a id="p101782"></a>0,630</td><td><a id="p101783"></a>0,451 - 0,710</td><td><a id="p101784"></a>4</td><td><a id="p101785"></a>2</td><td><a id="p101786"></a>7,5</td><td><a id="p101787"></a>4</td><td><a id="p101788"></a>2</td><td><a id="p101789"></a>9,0</td><td><a id="p101790"></a>4</td><td><a id="p101791"></a>4</td><td><a id="p101792"></a>10</td><td><a id="p101793"></a>4</td><td><a id="p101794"></a>7</td><td><a id="p101795"></a>13</td><td><a id="p101796"></a>5</td><td><a id="p101797"></a>12</td><td><a id="p101798"></a>27</td><td><a id="p101799"></a>6</td><td><a id="p101800"></a>24</td><td><a id="p101801"></a>52</td><td><a id="p101802"></a>8</td><td><a id="p101803"></a>65</td><td><a id="p101804"></a>117</td></tr>
<tr><td><a id="p101805"></a>1,00</td><td><a id="p101806"></a>0,711 - 1,120</td><td><a id="p101807"></a>7</td><td><a id="p101808"></a>2</td><td><a id="p101809"></a>13</td><td><a id="p101810"></a>7</td><td><a id="p101811"></a>3</td><td><a id="p101812"></a>15</td><td><a id="p101813"></a>8</td><td><a id="p101814"></a>5</td><td><a id="p101815"></a>20</td><td><a id="p101816"></a>8</td><td><a id="p101817"></a>9</td><td><a id="p101818"></a>24</td><td><a id="p101819"></a>9</td><td><a id="p101820"></a>16</td><td><a id="p101821"></a>35</td><td><a id="p101822"></a>11</td><td><a id="p101823"></a>30</td><td><a id="p101824"></a>64</td><td><a id="p101825"></a>15</td><td><a id="p101826"></a>55</td><td><a id="p101827"></a>144</td></tr>
<tr><td><a id="p101828"></a>1,60</td><td><a id="p101829"></a>1,13 - 1,80</td><td><a id="p101830"></a>16</td><td><a id="p101831"></a>3</td><td><a id="p101832"></a>32</td><td><a id="p101833"></a>16</td><td><a id="p101834"></a>5</td><td><a id="p101835"></a>34</td><td><a id="p101836"></a>17</td><td><a id="p101837"></a>82</td><td><a id="p101838"></a>40</td><td><a id="p101839"></a>18</td><td><a id="p101840"></a>12</td><td><a id="p101841"></a>49</td><td><a id="p101842"></a>20</td><td><a id="p101843"></a>20</td><td><a id="p101844"></a>67</td><td><a id="p101845"></a>22</td><td><a id="p101846"></a>40</td><td><a id="p101847"></a>92</td><td><a id="p101848"></a>26</td><td><a id="p101849"></a>75</td><td><a id="p101850"></a>150</td></tr>
<tr><td><a id="p101851"></a>2,50</td><td><a id="p101852"></a>1,81 - 2,80</td><td><a id="p101853"></a>36</td><td><a id="p101854"></a>4</td><td><a id="p101855"></a>74</td><td><a id="p101856"></a>36</td><td><a id="p101857"></a>8</td><td><a id="p101858"></a>76</td><td><a id="p101859"></a>38</td><td><a id="p101860"></a>11</td><td><a id="p101861"></a>86</td><td><a id="p101862"></a>40</td><td><a id="p101863"></a>18</td><td><a id="p101864"></a>99</td><td><a id="p101865"></a>42</td><td><a id="p101866"></a>30</td><td><a id="p101867"></a>118</td><td><a id="p101868"></a>46</td><td><a id="p101869"></a>55</td><td><a id="p101870"></a>153</td><td colspan="3"><a id="p101871"></a>*</td></tr>
</table>


<a id="p101872"></a>Таблица 2C

<a id="p101873"></a>Уровень отношения затрат 3 для $R_{c} = 1,0$ 
из интервала от 0,57 до 1,7


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p101874"></a><img src="https://i.bukva.ai/IaUDWsE9/img_8.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p101875"></a>0,160</td><td colspan="3"><a id="p101876"></a>0,250</td><td colspan="3"><a id="p101877"></a>0,400</td><td colspan="3"><a id="p101878"></a>0,630</td><td colspan="3"><a id="p101879"></a>1,00</td><td colspan="3"><a id="p101880"></a>1,60</td><td colspan="3"><a id="p101881"></a>2,50</td></tr>
<tr><td><a id="p101882"></a>$n_{I}$</td><td><a id="p101883"></a>$n_{T}$</td><td><a id="p101884"></a>$v_{E}$</td><td><a id="p101885"></a>$n_{I}$</td><td><a id="p101886"></a>$n_{T}$</td><td><a id="p101887"></a>$v_{E}$</td><td><a id="p101888"></a>$n_{I}$</td><td><a id="p101889"></a>$n_{T}$</td><td><a id="p101890"></a>$v_{E}$</td><td><a id="p101891"></a>$n_{I}$</td><td><a id="p101892"></a>$n_{T}$</td><td><a id="p101893"></a>$v_{E}$</td><td><a id="p101894"></a>$n_{I}$</td><td><a id="p101895"></a>$n_{T}$</td><td><a id="p101896"></a>$v_{E}$</td><td><a id="p101897"></a>$n_{I}$</td><td><a id="p101898"></a>$n_{T}$</td><td><a id="p101899"></a>$v_{E}$</td><td><a id="p101900"></a>$n_{I}$</td><td><a id="p101901"></a>$n_{T}$</td><td><a id="p101902"></a>$v_{E}$</td></tr>
<tr><td><a id="p101903"></a>0,160</td><td><a id="p101904"></a>0,000 - 0,180</td><td><a id="p101905"></a>2</td><td><a id="p101906"></a>2</td><td><a id="p101907"></a>5,3</td><td><a id="p101908"></a>2</td><td><a id="p101909"></a>2</td><td><a id="p101910"></a>6,0</td><td><a id="p101911"></a>2</td><td><a id="p101912"></a>2</td><td><a id="p101913"></a>5,1</td><td><a id="p101914"></a>2</td><td><a id="p101915"></a>3</td><td><a id="p101916"></a>9,0</td><td><a id="p101917"></a>2</td><td><a id="p101918"></a>7</td><td><a id="p101919"></a>24</td><td><a id="p101920"></a>2</td><td><a id="p101921"></a>16</td><td><a id="p101922"></a>54</td><td><a id="p101923"></a>3</td><td><a id="p101924"></a>36</td><td><a id="p101925"></a>129</td></tr>
<tr><td><a id="p101926"></a>0,250</td><td><a id="p101927"></a>0,181 - 0,280</td><td><a id="p101928"></a>2</td><td><a id="p101929"></a>2</td><td><a id="p101930"></a>3,7</td><td><a id="p101931"></a>2</td><td><a id="p101932"></a>2</td><td><a id="p101933"></a>5,3</td><td><a id="p101934"></a>2</td><td><a id="p101935"></a>2</td><td><a id="p101936"></a>5,9</td><td><a id="p101937"></a>3</td><td><a id="p101938"></a>3</td><td><a id="p101939"></a>9,9</td><td><a id="p101940"></a>3</td><td><a id="p101941"></a>7</td><td><a id="p101942"></a>26</td><td><a id="p101943"></a>3</td><td><a id="p101944"></a>17</td><td><a id="p101945"></a>59</td><td><a id="p101946"></a>4</td><td><a id="p101947"></a>38</td><td><a id="p101948"></a>133</td></tr>
<tr><td><a id="p101949"></a>0,400</td><td><a id="p101950"></a>0,281 - 0,450</td><td><a id="p101951"></a>3</td><td><a id="p101952"></a>2</td><td><a id="p101953"></a>5,8</td><td><a id="p101954"></a>3</td><td><a id="p101955"></a>2</td><td><a id="p101956"></a>7,5</td><td><a id="p101957"></a>3</td><td><a id="p101958"></a>2</td><td><a id="p101959"></a>7,7</td><td><a id="p101960"></a>3</td><td><a id="p101961"></a>4</td><td><a id="p101962"></a>14</td><td><a id="p101963"></a>4</td><td><a id="p101964"></a>8</td><td><a id="p101965"></a>31</td><td><a id="p101966"></a>5</td><td><a id="p101967"></a>18</td><td><a id="p101968"></a>66</td><td><a id="p101969"></a>7</td><td><a id="p101970"></a>40</td><td><a id="p101971"></a>148</td></tr>
<tr><td><a id="p101972"></a>0,630</td><td><a id="p101973"></a>0,451 - 0,710</td><td><a id="p101974"></a>4</td><td><a id="p101975"></a>2</td><td><a id="p101976"></a>7,5</td><td><a id="p101977"></a>4</td><td><a id="p101978"></a>2</td><td><a id="p101979"></a>9,0</td><td><a id="p101980"></a>4</td><td><a id="p101981"></a>3</td><td><a id="p101982"></a>11</td><td><a id="p101983"></a>5</td><td><a id="p101984"></a>5</td><td><a id="p101985"></a>20</td><td><a id="p101986"></a>6</td><td><a id="p101987"></a>9</td><td><a id="p101988"></a>35</td><td><a id="p101989"></a>8</td><td><a id="p101990"></a>20</td><td><a id="p101991"></a>76</td><td><a id="p101992"></a>12</td><td><a id="p101993"></a>42</td><td><a id="p101994"></a>166</td></tr>
<tr><td><a id="p101995"></a>1,00</td><td><a id="p101996"></a>0,711 - 1,120</td><td><a id="p101997"></a>7</td><td><a id="p101998"></a>2</td><td><a id="p101999"></a>13</td><td><a id="p102000"></a>7</td><td><a id="p102001"></a>3</td><td><a id="p102002"></a>15</td><td><a id="p102003"></a>8</td><td><a id="p102004"></a>4</td><td><a id="p102005"></a>21</td><td><a id="p102006"></a>9</td><td><a id="p102007"></a>7</td><td><a id="p102008"></a>30</td><td><a id="p102009"></a>11</td><td><a id="p102010"></a>12</td><td><a id="p102011"></a>51</td><td><a id="p102012"></a>16</td><td><a id="p102013"></a>22</td><td><a id="p102014"></a>103</td><td><a id="p102015"></a>19</td><td><a id="p102016"></a>48</td><td><a id="p102017"></a>189</td></tr>
<tr><td><a id="p102018"></a>1,60</td><td><a id="p102019"></a>1,13 - 1,80</td><td><a id="p102020"></a>16</td><td><a id="p102021"></a>2</td><td><a id="p102022"></a>33</td><td><a id="p102023"></a>17</td><td><a id="p102024"></a>3</td><td><a id="p102025"></a>38</td><td><a id="p102026"></a>18</td><td><a id="p102027"></a>5</td><td><a id="p102028"></a>45</td><td><a id="p102029"></a>20</td><td><a id="p102030"></a>8</td><td><a id="p102031"></a>59</td><td><a id="p102032"></a>22</td><td><a id="p102033"></a>16</td><td><a id="p102034"></a>81</td><td><a id="p102035"></a>28</td><td><a id="p102036"></a>28</td><td><a id="p102037"></a>139</td><td><a id="p102038"></a>38</td><td><a id="p102039"></a>55</td><td><a id="p102040"></a>256</td></tr>
<tr><td><a id="p102041"></a>2,50</td><td><a id="p102042"></a>1,81 - 2,80</td><td><a id="p102043"></a>36</td><td><a id="p102044"></a>4</td><td><a id="p102045"></a>74</td><td><a id="p102046"></a>38</td><td><a id="p102047"></a>4</td><td><a id="p102048"></a>83</td><td><a id="p102049"></a>40</td><td><a id="p102050"></a>7</td><td><a id="p102051"></a>95</td><td><a id="p102052"></a>42</td><td><a id="p102053"></a>12</td><td><a id="p102054"></a>111</td><td><a id="p102055"></a>48</td><td><a id="p102056"></a>19</td><td><a id="p102057"></a>150</td><td><a id="p102058"></a>55</td><td><a id="p102059"></a>38</td><td><a id="p102060"></a>213</td><td><a id="p102061"></a>70</td><td><a id="p102062"></a>70</td><td><a id="p102063"></a>355</td></tr>
</table>


<a id="p102064"></a>Таблица 2D

<a id="p102065"></a>Уровень отношения затрат 4 для $R_{c} = 0,32$ 
из интервала от 1,8 до 5,6


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p102066"></a><img src="https://i.bukva.ai/IaUDWsE9/img_9.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p102067"></a>0,160</td><td colspan="3"><a id="p102068"></a>0,250</td><td colspan="3"><a id="p102069"></a>0,400</td><td colspan="3"><a id="p102070"></a>0,630</td><td colspan="3"><a id="p102071"></a>1,00</td><td colspan="3"><a id="p102072"></a>1,60</td><td colspan="3"><a id="p102073"></a>2,50</td></tr>
<tr><td><a id="p102074"></a>$n_{I}$</td><td><a id="p102075"></a>$n_{T}$</td><td><a id="p102076"></a>$v_{E}$</td><td><a id="p102077"></a>$n_{I}$</td><td><a id="p102078"></a>$n_{T}$</td><td><a id="p102079"></a>$v_{E}$</td><td><a id="p102080"></a>$n_{I}$</td><td><a id="p102081"></a>$n_{T}$</td><td><a id="p102082"></a>$v_{E}$</td><td><a id="p102083"></a>$n_{I}$</td><td><a id="p102084"></a>$n_{T}$</td><td><a id="p102085"></a>$v_{E}$</td><td><a id="p102086"></a>$n_{I}$</td><td><a id="p102087"></a>$n_{T}$</td><td><a id="p102088"></a>$v_{E}$</td><td><a id="p102089"></a>$n_{I}$</td><td><a id="p102090"></a>$n_{T}$</td><td><a id="p102091"></a>$v_{E}$</td><td><a id="p102092"></a>$n_{I}$</td><td><a id="p102093"></a>$n_{T}$</td><td><a id="p102094"></a>$v_{E}$</td></tr>
<tr><td><a id="p102095"></a>0,160</td><td><a id="p102096"></a>0,000 - 0,180</td><td><a id="p102097"></a>2</td><td><a id="p102098"></a>2</td><td><a id="p102099"></a>5,3</td><td><a id="p102100"></a>2</td><td><a id="p102101"></a>2</td><td><a id="p102102"></a>6,0</td><td><a id="p102103"></a>2</td><td><a id="p102104"></a>2</td><td><a id="p102105"></a>5,1</td><td><a id="p102106"></a>2</td><td><a id="p102107"></a>3</td><td><a id="p102108"></a>9,0</td><td><a id="p102109"></a>2</td><td><a id="p102110"></a>7</td><td><a id="p102111"></a>24</td><td><a id="p102112"></a>4</td><td><a id="p102113"></a>15</td><td><a id="p102114"></a>54</td><td><a id="p102115"></a>4</td><td><a id="p102116"></a>36</td><td><a id="p102117"></a>132</td></tr>
<tr><td><a id="p102118"></a>0,250</td><td><a id="p102119"></a>0,181 - 0,280</td><td><a id="p102120"></a>2</td><td><a id="p102121"></a>2</td><td><a id="p102122"></a>3,7</td><td><a id="p102123"></a>2</td><td><a id="p102124"></a>2</td><td><a id="p102125"></a>5,3</td><td><a id="p102126"></a>2</td><td><a id="p102127"></a>2</td><td><a id="p102128"></a>5,9</td><td><a id="p102129"></a>3</td><td><a id="p102130"></a>3</td><td><a id="p102131"></a>9,9</td><td><a id="p102132"></a>3</td><td><a id="p102133"></a>7</td><td><a id="p102134"></a>26</td><td><a id="p102135"></a>5</td><td><a id="p102136"></a>16</td><td><a id="p102137"></a>61</td><td><a id="p102138"></a>8</td><td><a id="p102139"></a>36</td><td><a id="p102140"></a>135</td></tr>
<tr><td><a id="p102141"></a>0,400</td><td><a id="p102142"></a>0,281 - 0,450</td><td><a id="p102143"></a>3</td><td><a id="p102144"></a>2</td><td><a id="p102145"></a>5,8</td><td><a id="p102146"></a>3</td><td><a id="p102147"></a>2</td><td><a id="p102148"></a>7,5</td><td><a id="p102149"></a>3</td><td><a id="p102150"></a>2</td><td><a id="p102151"></a>7,7</td><td><a id="p102152"></a>3</td><td><a id="p102153"></a>4</td><td><a id="p102154"></a>17</td><td><a id="p102155"></a>6</td><td><a id="p102156"></a>7</td><td><a id="p102157"></a>29</td><td><a id="p102158"></a>8</td><td><a id="p102159"></a>16</td><td><a id="p102160"></a>65</td><td><a id="p102161"></a>11</td><td><a id="p102162"></a>38</td><td><a id="p102163"></a>150</td></tr>
<tr><td><a id="p102164"></a>0,630</td><td><a id="p102165"></a>0,451 - 0,710</td><td><a id="p102166"></a>4</td><td><a id="p102167"></a>2</td><td><a id="p102168"></a>7,5</td><td><a id="p102169"></a>4</td><td><a id="p102170"></a>2</td><td><a id="p102171"></a>9,0</td><td><a id="p102172"></a>6</td><td><a id="p102173"></a>2</td><td><a id="p102174"></a>10</td><td><a id="p102175"></a>5</td><td><a id="p102176"></a>4</td><td><a id="p102177"></a>20</td><td><a id="p102178"></a>9</td><td><a id="p102179"></a>8</td><td><a id="p102180"></a>39</td><td><a id="p102181"></a>13</td><td><a id="p102182"></a>17</td><td><a id="p102183"></a>76</td><td><a id="p102184"></a>18</td><td><a id="p102185"></a>40</td><td><a id="p102186"></a>169</td></tr>
<tr><td><a id="p102187"></a>1,00</td><td><a id="p102188"></a>0,711 - 1,120</td><td><a id="p102189"></a>7</td><td><a id="p102190"></a>2</td><td><a id="p102191"></a>13</td><td><a id="p102192"></a>8</td><td><a id="p102193"></a>2</td><td><a id="p102194"></a>17</td><td><a id="p102195"></a>10</td><td><a id="p102196"></a>3</td><td><a id="p102197"></a>25</td><td><a id="p102198"></a>12</td><td><a id="p102199"></a>5</td><td><a id="p102200"></a>35</td><td><a id="p102201"></a>16</td><td><a id="p102202"></a>9</td><td><a id="p102203"></a>54</td><td><a id="p102204"></a>22</td><td><a id="p102205"></a>19</td><td><a id="p102206"></a>99</td><td><a id="p102207"></a>30</td><td><a id="p102208"></a>42</td><td><a id="p102209"></a>196</td></tr>
<tr><td><a id="p102210"></a>1,60</td><td><a id="p102211"></a>1,13 - 1,80</td><td><a id="p102212"></a>17</td><td><a id="p102213"></a>2</td><td><a id="p102214"></a>35</td><td><a id="p102215"></a>18</td><td><a id="p102216"></a>2</td><td><a id="p102217"></a>35</td><td><a id="p102218"></a>22</td><td><a id="p102219"></a>5</td><td><a id="p102220"></a>41</td><td><a id="p102221"></a>24</td><td><a id="p102222"></a>6</td><td><a id="p102223"></a>61</td><td><a id="p102224"></a>30</td><td><a id="p102225"></a>11</td><td><a id="p102226"></a>88</td><td><a id="p102227"></a>40</td><td><a id="p102228"></a>22</td><td><a id="p102229"></a>141</td><td><a id="p102230"></a>55</td><td><a id="p102231"></a>46</td><td><a id="p102232"></a>249</td></tr>
<tr><td><a id="p102233"></a>2,50</td><td><a id="p102234"></a>1,81 - 2,80</td><td><a id="p102235"></a>38</td><td><a id="p102236"></a>2</td><td><a id="p102237"></a>77</td><td><a id="p102238"></a>40</td><td><a id="p102239"></a>3</td><td><a id="p102240"></a>84</td><td><a id="p102241"></a>44</td><td><a id="p102242"></a>4</td><td><a id="p102243"></a>88</td><td><a id="p102244"></a>50</td><td><a id="p102245"></a>7</td><td><a id="p102246"></a>108</td><td><a id="p102247"></a>55</td><td><a id="p102248"></a>15</td><td><a id="p102249"></a>157</td><td><a id="p102250"></a>75</td><td><a id="p102251"></a>26</td><td><a id="p102252"></a>214</td><td colspan="3"><a id="p102253"></a>*</td></tr>
</table>


<a id="p102254"></a>Таблица 2E

<a id="p102255"></a>Уровень отношения затрат 5 для $R_{c} = 10$ 
из интервала от 5,7 и более


<table>
<colgroup><col width="6%"><col width="12%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"><col width="4%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p102256"></a><img src="https://i.bukva.ai/IaUDWsE9/img_10.png" alt="2.9. Информация, получаемая по оперативным характеристикам"></td><td colspan="3"><a id="p102257"></a>0,160</td><td colspan="3"><a id="p102258"></a>0,250</td><td colspan="3"><a id="p102259"></a>0,400</td><td colspan="3"><a id="p102260"></a>0,630</td><td colspan="3"><a id="p102261"></a>1,00</td><td colspan="3"><a id="p102262"></a>1,60</td><td colspan="3"><a id="p102263"></a>2,50</td></tr>
<tr><td><a id="p102264"></a>$n_{I}$</td><td><a id="p102265"></a>$n_{T}$</td><td><a id="p102266"></a>$v_{E}$</td><td><a id="p102267"></a>$n_{I}$</td><td><a id="p102268"></a>$n_{T}$</td><td><a id="p102269"></a>$v_{E}$</td><td><a id="p102270"></a>$n_{I}$</td><td><a id="p102271"></a>$n_{T}$</td><td><a id="p102272"></a>$v_{E}$</td><td><a id="p102273"></a>$n_{I}$</td><td><a id="p102274"></a>$n_{T}$</td><td><a id="p102275"></a>$v_{E}$</td><td><a id="p102276"></a>$n_{I}$</td><td><a id="p102277"></a>$n_{T}$</td><td><a id="p102278"></a>$v_{E}$</td><td><a id="p102279"></a>$n_{I}$</td><td><a id="p102280"></a>$n_{T}$</td><td><a id="p102281"></a>$v_{E}$</td><td><a id="p102282"></a>$n_{I}$</td><td><a id="p102283"></a>$n_{T}$</td><td><a id="p102284"></a>$v_{E}$</td></tr>
<tr><td><a id="p102285"></a>0,160</td><td><a id="p102286"></a>0,000 - 0,180</td><td><a id="p102287"></a>2</td><td><a id="p102288"></a>2</td><td><a id="p102289"></a>5,3</td><td><a id="p102290"></a>2</td><td><a id="p102291"></a>2</td><td><a id="p102292"></a>6,0</td><td><a id="p102293"></a>2</td><td><a id="p102294"></a>2</td><td><a id="p102295"></a>5,1</td><td><a id="p102296"></a>2</td><td><a id="p102297"></a>3</td><td><a id="p102298"></a>9,0</td><td><a id="p102299"></a>4</td><td><a id="p102300"></a>6</td><td><a id="p102301"></a>19</td><td><a id="p102302"></a>5</td><td><a id="p102303"></a>15</td><td><a id="p102304"></a>53</td><td><a id="p102305"></a>7</td><td><a id="p102306"></a>36</td><td><a id="p102307"></a>131</td></tr>
<tr><td><a id="p102308"></a>0,250</td><td><a id="p102309"></a>0,181 - 0,280</td><td><a id="p102310"></a>2</td><td><a id="p102311"></a>2</td><td><a id="p102312"></a>3,7</td><td><a id="p102313"></a>2</td><td><a id="p102314"></a>2</td><td><a id="p102315"></a>5,3</td><td><a id="p102316"></a>2</td><td><a id="p102317"></a>2</td><td><a id="p102318"></a>5,9</td><td><a id="p102319"></a>4</td><td><a id="p102320"></a>3</td><td><a id="p102321"></a>9,5</td><td><a id="p102322"></a>5</td><td><a id="p102323"></a>7</td><td><a id="p102324"></a>25</td><td><a id="p102325"></a>8</td><td><a id="p102326"></a>15</td><td><a id="p102327"></a>55</td><td><a id="p102328"></a>12</td><td><a id="p102329"></a>36</td><td><a id="p102330"></a>133</td></tr>
<tr><td><a id="p102331"></a>0,400</td><td><a id="p102332"></a>0,281 - 0,450</td><td><a id="p102333"></a>3</td><td><a id="p102334"></a>2</td><td><a id="p102335"></a>5,8</td><td><a id="p102336"></a>3</td><td><a id="p102337"></a>2</td><td><a id="p102338"></a>7,5</td><td><a id="p102339"></a>4</td><td><a id="p102340"></a>2</td><td><a id="p102341"></a>7,7</td><td><a id="p102342"></a>7</td><td><a id="p102343"></a>3</td><td><a id="p102344"></a>10</td><td><a id="p102345"></a>8</td><td><a id="p102346"></a>7</td><td><a id="p102347"></a>28</td><td><a id="p102348"></a>12</td><td><a id="p102349"></a>16</td><td><a id="p102350"></a>63</td><td><a id="p102351"></a>19</td><td><a id="p102352"></a>36</td><td><a id="p102353"></a>138</td></tr>
<tr><td><a id="p102354"></a>0,630</td><td><a id="p102355"></a>0,451 - 0,710</td><td><a id="p102356"></a>4</td><td><a id="p102357"></a>2</td><td><a id="p102358"></a>7,5</td><td><a id="p102359"></a>4</td><td><a id="p102360"></a>2</td><td><a id="p102361"></a>9,0</td><td><a id="p102362"></a>7</td><td><a id="p102363"></a>2</td><td><a id="p102364"></a>10</td><td><a id="p102365"></a>9</td><td><a id="p102366"></a>4</td><td><a id="p102367"></a>20</td><td><a id="p102368"></a>13</td><td><a id="p102369"></a>7</td><td><a id="p102370"></a>31</td><td><a id="p102371"></a>20</td><td><a id="p102372"></a>16</td><td><a id="p102373"></a>67</td><td><a id="p102374"></a>30</td><td><a id="p102375"></a>38</td><td><a id="p102376"></a>154</td></tr>
<tr><td><a id="p102377"></a>1,00</td><td><a id="p102378"></a>0,711 - 1,120</td><td><a id="p102379"></a>7</td><td><a id="p102380"></a>2</td><td><a id="p102381"></a>13</td><td><a id="p102382"></a>8</td><td><a id="p102383"></a>2</td><td><a id="p102384"></a>17</td><td><a id="p102385"></a>13</td><td><a id="p102386"></a>2</td><td><a id="p102387"></a>13</td><td><a id="p102388"></a>17</td><td><a id="p102389"></a>4</td><td><a id="p102390"></a>25</td><td><a id="p102391"></a>22</td><td><a id="p102392"></a>8</td><td><a id="p102393"></a>44</td><td><a id="p102394"></a>34</td><td><a id="p102395"></a>17</td><td><a id="p102396"></a>80</td><td><a id="p102397"></a>48</td><td><a id="p102398"></a>40</td><td><a id="p102399"></a>176</td></tr>
<tr><td><a id="p102400"></a>1,60</td><td><a id="p102401"></a>1,13 - 1,80</td><td><a id="p102402"></a>17</td><td><a id="p102403"></a>2</td><td><a id="p102404"></a>35</td><td><a id="p102405"></a>20</td><td><a id="p102406"></a>2</td><td><a id="p102407"></a>37</td><td><a id="p102408"></a>24</td><td><a id="p102409"></a>3</td><td><a id="p102410"></a>41</td><td><a id="p102411"></a>34</td><td><a id="p102412"></a>4</td><td><a id="p102413"></a>31</td><td><a id="p102414"></a>42</td><td><a id="p102415"></a>9</td><td><a id="p102416"></a>63</td><td><a id="p102417"></a>55</td><td><a id="p102418"></a>19</td><td><a id="p102419"></a>110</td><td colspan="3"><a id="p102420"></a>*</td></tr>
<tr><td><a id="p102421"></a>2,50</td><td><a id="p102422"></a>1,81 - 2,80</td><td><a id="p102423"></a>40</td><td><a id="p102424"></a>2</td><td><a id="p102425"></a>80</td><td><a id="p102426"></a>44</td><td><a id="p102427"></a>2</td><td><a id="p102428"></a>52</td><td><a id="p102429"></a>50</td><td><a id="p102430"></a>3</td><td><a id="p102431"></a>60</td><td><a id="p102432"></a>65</td><td><a id="p102433"></a>5</td><td><a id="p102434"></a>62</td><td colspan="3"><a id="p102435"></a>*</td><td colspan="3"><a id="p102436"></a>*</td><td colspan="3"><a id="p102437"></a>*</td></tr>
</table>


<a id="p102438"></a>Таблица 3

<a id="p102439"></a>Значения $\delta$ для двусторонних предельных значений
(при неточных стандартных отклонениях)


<table>
<colgroup><col width="64%"><col width="36%"></colgroup>
<tr><td><a id="p102440"></a>$v_{E}$</td><td><a id="p102441"></a>$\delta$</td></tr>
<tr><td><a id="p102442"></a>От 3,0 до 3,9</td><td><a id="p102443"></a>0,929</td></tr>
<tr><td><a id="p102444"></a>" 4,0 " 4,9</td><td><a id="p102445"></a>0,758</td></tr>
<tr><td><a id="p102446"></a>" 5,0 " 5,9</td><td><a id="p102447"></a>0,670</td></tr>
<tr><td><a id="p102448"></a>" 6,0 " 6,9</td><td><a id="p102449"></a>0,617</td></tr>
<tr><td><a id="p102450"></a>" 7,0 " 7,9</td><td><a id="p102451"></a>0,582</td></tr>
<tr><td><a id="p102452"></a>Св. 8,0</td><td><a id="p102453"></a>0,566</td></tr>
<tr><td colspan="2"><a id="p102454"></a>Примечание. Значение $\delta$ используется для определения применимости двусторонних предельных значений.</td></tr>
</table>



### 3. <a id="p102455"></a>ПРОЦЕДУРЫ ДЛЯ СЛУЧАЯ ИЗВЕСТНЫХ СТАНДАРТНЫХ ОТКЛОНЕНИЙ



#### <a id="p102456"></a>3.1. Общие положения


<a id="p102457"></a>Рекомендованы следующие процедуры для случая известных стандартных отклонений:
<a id="p102458"></a>a) получение стандартных отклонений ( $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ ) [(3.2)](#p102465);
<a id="p102459"></a>b) получение нижнего и (или) верхнего приемочных значений [(3.3)](#p102472);
<a id="p102460"></a>c) получение размеров проб $n_{I}$ , $n_{T}$ и $n_{M}$ [(3.4)](#p102483);
<a id="p102461"></a>d) проверка конкретной партии [(3.5)](#p102538);
<a id="p102462"></a>e) определение приемлемости партии [(3.6)](#p102555);
<a id="p102463"></a>f) подтверждение и перерасчет [(3.7)](#p102578).
<a id="p102464"></a>В настоящем разделе также дана дополнительная информация ([3.8](#p102667) - [3.9](#p102982)) и описание дополнительных процедур [(3.10)](#p102988).


#### <a id="p102465"></a>3.2. Стандартные отклонения


<a id="p102466"></a>Если доступны результаты предыдущих проверок, проведенных в соответствии с процедурами [раздела 2](#p100297) или настоящего раздела, то необходимые значения стандартных отклонений $\sigma_{I}$ , $\sigma_{p}$ и $\sigma_{M}$ могут быть найдены в соответствии с [3.7.4](#p102627) и [3.7.5](#p102643). Если результаты предыдущих проверок недоступны, необходимо действовать в соответствии с [2.2](#p100306). Допустимо использовать значения стандартных отклонений, установленные по соглашению между поставщиком и потребителем.
<a id="p102467"></a>Если стандартные отклонения известны неточно или некоторые из стандартных отклонений нестабильны, то положения настоящего раздела неприменимы и следует рассмотреть возможность использования процедур [раздела 2](#p100297) (неточные стандартные отклонения).
<a id="p102468"></a>*Примечание.* Стандартные отклонения, установленные по соглашению сторон, рекомендуется использовать в следующих случаях:
<a id="p102469"></a>a) на период заключения договора, когда информация о значении $\sigma$ недостаточна;
<a id="p102470"></a>b) когда изготовитель имеет намного больше информации о стандартных отклонениях, чем потребитель;
<a id="p102471"></a>c) при контроле, когда на контрольной $s_{c} -$ или $s_{T} - \text{карте}$ появилась точка за контрольными границами, но после этого процесс был скорректирован, а значит, стандартные отклонения были уменьшены.


#### <a id="p102472"></a>3.3. Приемочное значение



##### <a id="p102473"></a>3.3.1 Одностороннее предельное значение (односторонний допуск)

<a id="p102474"></a>Если задано нижнее предельное значение L, то нижнее приемочное значение $\overline{x_{L}}$ рассчитывают по формуле

<a id="p102475"></a> $\overline{x_{L}} = m_{A} - \gamma D = m_{A} - 0,562D.$ 

<a id="p102476"></a>Если задано верхнее предельное значение (U), то верхнее приемочное значение $\overline{x_{U}}$ рассчитывают по формуле

<a id="p102477"></a> $\overline{x_{U}} = m_{A} + \gamma D = m_{A} + 0,562D.$ 


##### <a id="p102478"></a>3.3.2 Двусторонние предельные значения (двусторонний допуск)

<a id="p102479"></a>Если заданы двусторонние предельные значения L и U, то нижнее и верхнее приемочные значения можно рассчитать по формулам:

<a id="p102480"></a> $\overline{x_{L}} = m_{A,L} - \gamma D = m_{A,L} - 0,562D;$ 

<a id="p102481"></a> $\overline{x_{U}} = m_{A,U} + \gamma D = m_{A,U} - 0,562D.$ 

<a id="p102482"></a>Примечание. Информация о зависимости между AQL и LQL и приемочным значением дана в [C.4](#p108330) Приложения C.


#### <a id="p102483"></a>3.4. Размеры проб



##### <a id="p102484"></a>3.4.1 Процедуры получения размеров проб

<a id="p102485"></a>Поскольку трудно получить все пробы одновременно, необходимо использовать следующие процедуры:
<a id="p102486"></a>a) определение экономичного значения $n_{M}$ [(3.4.2)](#p102492);
<a id="p102487"></a>b) получение стандартных отклонений лабораторной пробы $\sigma_{T}$ [(3.4.3.1)](#p102503);
<a id="p102488"></a>c) получение относительных стандартных отклонений $d_{I}$ и $d_{T}$ [(3.4.3.2)](#p102506);
<a id="p102489"></a>d) получение значений затрат на обработку лабораторной пробы $c_{T}$ [(3.4.3.3)](#p102509);
<a id="p102490"></a>e) получение отношения затрат $R_{c}$ и уровня отношения затрат [(3.4.3.4)](#p102512);
<a id="p102491"></a>f) выбор надлежащей таблицы и определение значений $n_{I}$ и $n_{T}$ с экономичной точки зрения [(3.4.4)](#p102521).

##### <a id="p102492"></a>3.4.2 Получение $n_{M}$

<a id="p102493"></a>Первый шаг в определении экономичного значения числа измерений на лабораторную пробу $n_{M}$ - это получение промежуточного значения b с использованием следующего выражения:

<a id="p102494"></a> $b = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{T}}{c_{M}}} .$ 

<a id="p102495"></a>Затем в зависимости от значения b следует округлить значение $n_{M}$ до целого числа, как указано ниже:
<a id="p102496"></a>a) если b < 1,5, то $n_{M} = 1$ ;
<a id="p102497"></a>b) если 1,5 <= b < 2,5, то $n_{M} = 2$ ;
<a id="p102498"></a>c) если b >= 2,5, то $n_{M} = 3$ .
<a id="p102499"></a>Примечания
1. <a id="p102500"></a>Приведенное выражение дает наиболее экономичное значение $n_{M}$ до округления, которое минимизировало бы $c_{T}$ .
2. <a id="p102501"></a>Приведенное выражение могло бы дать большое значение b. На практике большое значение $n_{M}$ нежелательно, так как операторам потребуется делать много измерений на одной лабораторной пробе, и надежность результатов испытаний может ухудшиться. Поэтому в настоящем разделе предполагается, что максимальное значение $n_{M}$ равно 3. Если приведенным фактором можно пренебречь, и большие значения $n_{M}$ возможны, то на основе полученного b, округленного до ближайшего целого, можно получить $n_{M}$ .


##### <a id="p102502"></a>3.4.3 Значения, необходимые для получения размера пробы


###### <a id="p102503"></a>3.4.3.1 Стандартные отклонения лабораторной пробы

<a id="p102504"></a>Стандартные отклонения лабораторной пробы $\sigma_{T}$ следует рассчитывать по формуле

<a id="p102505"></a> $\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} .$ 


###### <a id="p102506"></a>3.4.3.2 Относительные стандартные отклонения

<a id="p102507"></a>Стандартные отклонения $\sigma_{I}$ и $\sigma_{T}$ следует преобразовать в относительные стандартные отклонения $d_{I}$ и $d_{T}$ делением на предельный интервал D, чтобы последующие процедуры могли быть упрощены:

<a id="p102508"></a> $d_{I} = \frac{\sigma_{I}}{D}$ и $d_{T} = \frac{\sigma_{T}}{D}$ .


###### <a id="p102509"></a>3.4.3.3 Затраты на обработку лабораторной пробы

<a id="p102510"></a>Затраты на обработку лабораторной пробы $c_{TM}$ рассчитывают по формуле

<a id="p102511"></a> $c_{TM} = c_{T} + n_{M}c_{M}.$ 


###### <a id="p102512"></a>3.4.3.4 Отношение затрат и уровень отношения затрат

<a id="p102513"></a>Отношение затрат $R_{c}$ рассчитывают следующим образом:

<a id="p102514"></a> $R_{c} = \frac{c_{TM}}{c_{I}} .$ 

<a id="p102515"></a>Уровень отношения затрат следует выбирать в соответствии со следующими указаниями:
<a id="p102516"></a>a) уровень 1: $R_{c}$ намного меньше 1 $(R_{c} = 0,1)$ ;
<a id="p102517"></a>b) уровень 2: $R_{c}$ меньше 1 $(R_{c} = 0,3)$ ;
<a id="p102518"></a>c) уровень 3: $R_{c}$ близко к 1 $(R_{c} = 1)$ ;
<a id="p102519"></a>d) уровень 4: $R_{c}$ больше 1 $(R_{c} = 3)$ ;
<a id="p102520"></a>e) уровень 5: $R_{c}$ намного больше 1 $(R_{c} = 10)$ .

##### <a id="p102521"></a>3.4.4 Получение $n_{I}$ и $n_{T}$


###### <a id="p102522"></a>3.4.4.1 Структура таблиц от [6A](#p103055) до [6E](#p104851)

<a id="p102523"></a>В настоящем разделе приведены десять [таблиц (6A](#p103055) - [6E](#p104851)) для получения числа мгновенных проб на объединенную пробу $n_{I}$ и числа лабораторных проб на объединенную пробу $n_{T}$ . Индексом в них является уровень отношения затрат.
<a id="p102524"></a>Каждая таблица имеет два входа: допустимые значения $d_{I}$ и $d_{T}$ . Зона реальных $d_{I}$ показана рядом с допустимыми $d_{I}$ . Зона реальных $d_{T}$ такая же, как для соответствующего $d_{I}$ .

###### <a id="p102525"></a>3.4.4.2 Выбор таблиц

<a id="p102526"></a>Надлежащую таблицу следует выбрать в соответствии с используемым уровнем отношения затрат.

###### <a id="p102527"></a>3.4.4.3 Определение табличных значений $n_{I}$ и $n_{T}$

<a id="p102528"></a>Для определения значений $n_{I}$ и $n_{T}$ в выбранной таблице необходимо:
<a id="p102529"></a>a) найти строку допустимого $d_{I}$ , зона которого (указанная в соседнем столбце) содержит реальное $d_{I}$ ;
<a id="p102530"></a>b) найти столбец допустимого $d_{T}$ , зона которого содержит реальное $d_{T}$ . Каждая зона для допустимого $d_{T}$ такая же, как для допустимого $d_{I}$ ;
<a id="p102531"></a>c) требуемые $n_{I}$ и $n_{T}$ найти в ячейке, где строка значений $d_{I}$ пересекает столбец $d_{T}$ .
<a id="p102532"></a>Если возникнет какая-либо из следующих ситуаций, то необходимо перейти к [3.4.4.4](#p102536), так как либо $n_{I}$ , либо $n_{T}$ слишком велики для применения:
<a id="p102533"></a>a) нет строки с допустимыми значениями $d_{I}$ ;
<a id="p102534"></a>b) нет столбца с допустимыми значениями $d_{T}$ .
<a id="p102535"></a>Если вместо $n_{I}$ и $n_{T}$ в ячейке изображен символ "*", то либо необходимо перейти к [3.4.4.4](#p102536), либо посмотреть другие таблицы с размерами проб. Если предыдущая или следующая таблица для другого уровня отношения затрат содержат $n_{I}$ и $n_{T}$ в соответствующей ячейке, то можно воспользоваться этими значениями, иначе необходимо перейти к 3.4.4.4.

###### <a id="p102536"></a>3.4.4.4 Пересмотр предельного интервала

<a id="p102537"></a>Если невозможно получить $n_{I}$ и $n_{T}$ или их полученные значения слишком большие, необходимо вернуться к [1.7](#p100266) для пересмотра предельного интервала.


#### <a id="p102538"></a>3.5. Проверка конкретной партии



##### <a id="p102539"></a>3.5.1 Общие положения

<a id="p102540"></a>Для контроля партии следует придерживаться следующих процедур (см. [рисунок 1](#p100194)).

##### <a id="p102541"></a>3.5.2 Передача партии на контроль

<a id="p102542"></a>Для контроля следует брать производственную партию нештучной продукции, доставленную в одно время или предложенную для поставки.

##### <a id="p102543"></a>3.5.3 Отбор мгновенных проб

<a id="p102544"></a>В соответствии с процедурой, установленной в [1.4.3.1](#p100197), из партии должно быть взято $(n_{c} \times n_{I})$ мгновенных проб.

##### <a id="p102545"></a>3.5.4 Подготовка объединенных проб

<a id="p102546"></a>В соответствии с процедурой, установленной в [1.4.3.2](#p100200), должны соединяться вместе $n_{I}$ мгновенных проб, чтобы образовать объединенную пробу, и должно быть образовано $n_{c}$ объединенных проб.

##### <a id="p102547"></a>3.5.5 Подготовка лабораторных проб

<a id="p102548"></a>В соответствии с процедурой подготовки лабораторных проб, установленной в [1.4.3.3](#p100205), из каждых $n_{c}$ объединенных проб должно быть образовано $n_{T}$ лабораторных проб.

##### <a id="p102549"></a>3.5.6 Измерения

<a id="p102550"></a>В соответствии с процедурой измерения, установленной в [1.4.3.4](#p100209), из $(n_{c} \times n_{T})$ лабораторных проб должно быть взято $n_{M}$ испытываемых порций. На одной партии проводят $(n_{c} \times n_{T} \times n_{M})$ измерений.

##### <a id="p102551"></a>3.5.7 Определение приемлемости партии

<a id="p102552"></a>Среднее партии и приемлемость партии должны быть определены в соответствии с [3.6](#p102555).

##### <a id="p102553"></a>3.5.8 Действие с неприемлемой партией

<a id="p102554"></a>Неприемлемая партия должна быть удалена в соответствии с соглашением, принятым до проведения приемочного контроля конкретной партии.


#### <a id="p102555"></a>3.6. Приемлемость партии



##### <a id="p102556"></a>3.6.1 Получение выборочных средних


###### <a id="p102557"></a>3.6.1.1 Среднее лабораторной пробы

<a id="p102558"></a>Из каждых $n_{M}$ результатов измерений должно быть вычислено $(n_{c} \times n_{T})$ значений средних $\overline{x_{ij}}$ для лабораторных проб по формуле

<a id="p102559"></a> $\overline{x_{ij}} = \frac{1}{n_{M}} \sum_{k = 1}^{n_{M}} \overline{x_{ijk}},$ 

<a id="p102560"></a>где $x_{ijk}$ - результат k-го измерения j-й лабораторной пробы из i-й объединенной пробы.

###### <a id="p102561"></a>3.6.1.2 Среднее объединенной пробы

<a id="p102562"></a>Из $n_{T}$ средних лабораторных проб должно быть вычислено $n_{c}$ значений средних $\overline{x_{i}}$ для объединенных проб по формуле

<a id="p102563"></a> $\overline{x_{i}} = \frac{1}{n_{T}} \sum_{j = 1}^{n_{T}} \overline{x_{ij}}.$ 


###### <a id="p102564"></a>3.6.1.3 Общее среднее

<a id="p102565"></a>Из $n_{c}$ средних объединенных проб должно быть вычислено общее выборочное среднее $\overline{x}$ по формуле

<a id="p102566"></a> $\overline{x} = \frac{1}{n_{c}} \sum_{i = 1}^{n_{c}} x_{i}.$ 


##### <a id="p102567"></a>3.6.2 Определение приемлемости партии

<a id="p102568"></a>Приемлемость партии следует определять в соответствии со следующими критериями:
<a id="p102569"></a>a) задано нижнее предельное значение L:
<a id="p102570"></a>если $\overline{x} \geq \overline{x_{L}}$ , то партия приемлема;
<a id="p102571"></a>если $\overline{x}<\overline{x_{L}}$ , то партия неприемлема;
<a id="p102572"></a>b) задано верхнее предельное значение U:
<a id="p102573"></a>если $\overline{x} \leq \overline{x_{U}}$ , то партия приемлема;
<a id="p102574"></a>если $\overline{x}>\overline{x_{U}}$ , то партия неприемлема;
<a id="p102575"></a>c) заданы двусторонние предельные значения L и U:
<a id="p102576"></a>если $\overline{x_{L}} \leq \overline{x} \leq \overline{x_{U}}$ , то партия приемлема;
<a id="p102577"></a>если $\overline{x}<\overline{x_{L}}$ или $\overline{x}>\overline{x_{U}}$ , то партия неприемлема.


#### <a id="p102578"></a>3.7. Подтверждение и перерасчет



##### <a id="p102579"></a>3.7.1 Обоснование процедуры подтверждения

<a id="p102580"></a>При применении процедур данного раздела для непрерывной серии партий следует проверить стабильность стандартных отклонений. Для этой цели рекомендуется использовать два вида контрольных карт [(3.7.3)](#p102598). Если результаты проверки показывают недостаточную стабильность стандартных отклонений, то должны предприниматься действия в соответствии с [3.7.8](#p102661).
<a id="p102581"></a>При этом значения стандартных отклонений совокупности следует периодически пересчитывать. Если не установлено иное, стандартные отклонения должны пересчитываться на основе результатов десяти предшествующих партий с интервалами в пять партий, независимо от приемлемости партий. Если перерасчет стандартных отклонений сделан, то размеры проб ( $n_{M}$ , $n_{I}$ и $n_{T}$ ) следует пересчитать. Если перерасчет приводит к другим размерам проб, чем полученные ранее, то для следующей партии необходимо использовать новый план выборочного контроля, так как размеры выборок изменились. Дополнительная информация приведена в [C.2.3](#p108286) Приложения C.

##### <a id="p102582"></a>3.7.2 Выборочное стандартное отклонение

<a id="p102583"></a>Выборочное стандартное отклонение объединенной пробы $s_{c}$ , полученное из средних объединенных проб по [3.6.1.2](#p102561), рассчитывают по формуле (для $n_{c} = 2$ и $v_{c} = 1$ ):

<a id="p102584"></a> $s_{c} = \sqrt{\frac{(\overline{x_{1}} - \overline{x_{2}})^{2}}{2}} .$ 

<a id="p102585"></a>Выборочное стандартное отклонение лабораторной пробы $s_{T}$ , полученное из средних лабораторных проб по [3.6.1.1](#p102557), рассчитывают по формуле

<a id="p102586"></a> $s_{T} = \sqrt{\frac{1}{v_{T}} \sum_{i = 1}^{n_{c}} \sum_{j = 1}^{n_{T}} (\overline{x_{ij}} - \overline{x_{i}})^{2}} ,$ 

<a id="p102587"></a>где $v_{T} = n_{c}(n_{T} - 1)$ .
<a id="p102588"></a>*Примечание.* Если $n_{T} = 2$ , то применимо следующее более простое выражение (для $n_{c} = 2$ и $v_{T} = 2$ ):

<a id="p102589"></a> $s_{T} = \sqrt{\frac{1}{2} \sum_{i = 1}^{2} \frac{(x_{i1} - x_{i2})^{2}}{2}} .$ 

<a id="p102590"></a>В случае, если $n_{M}>1$ , то можно так же получить выборочное стандартное отклонение измерения $s_{M}$ , рассчитанное по формуле

<a id="p102591"></a> $s_{M} = \sqrt{\frac{1}{v_{M}} \sum_{i = 1}^{n_{c}} \sum_{j = 1}^{n_{T}} \sum_{k = 1}^{n_{M}} (\overline{x_{ijk}} - \overline{x_{ij}})^{2}} ,$ 

<a id="p102592"></a>где $v_{M} = n_{c}n_{T}(n_{M} - 1)$ .
<a id="p102593"></a>Примечания
1. <a id="p102594"></a>Если $n_{M} = 2$ , то применимо следующее более простое выражение:

<a id="p102595"></a> $s_{M} = \sqrt{\frac{1}{v_{M}} \sum_{i = 1}^{2} \sum_{j = 1}^{n_{T}} \frac{(\overline{x_{ij1}} - \overline{x_{ij2}})^{2}}{2}} ,$ 

<a id="p102596"></a>где $v_{M} = 2n_{T}$ .
2. <a id="p102597"></a>Если общее число измерений достаточно мало, то для вычисления указанных значений можно использовать карманный калькулятор, в других случаях рекомендуется применять соответствующее программное обеспечение.


##### <a id="p102598"></a>3.7.3 Контрольные карты

<a id="p102599"></a>Контрольные карты, применяемые в данном разделе, имеют специфику: у них есть верхние контрольные границы UCL, но нет нижних контрольных границ LCL. Более полная информация приведена в [C.2.3](#p108286) Приложения C.

###### <a id="p102600"></a>3.7.3.1 Контрольная карта стандартных отклонений $(s_{c} - \text{карта})$

<a id="p102601"></a>Верхняя контрольная граница $UCL_{c}$ контрольной карты должна быть получена для каждой из 10 партий (или другого числа партий, используемых для проверки), независимо от приемлемости партий, по формуле

<a id="p102602"></a> $UCL_{c} = f_{U}\sigma_{c},$ 

<a id="p102603"></a>где $f_{U}$ - множитель, приведенный в [таблице 7](#p105291) как функция числа степеней свободы $(v_{c} = 1)$ ;
<a id="p102604"></a> $\sigma_{c}$ - стандартное отклонение совокупности между объединенными пробами.
<a id="p102605"></a>Если ни одно из выборочных стандартных отклонений не превысит соответствующей $UCL_{c}$ , то можно считать, что $s_{c} - \text{карта}$ указывает на состояние статистической управляемости, в других случаях состояние таковым не является.
<a id="p102606"></a>Примечания
1. <a id="p102607"></a>Поскольку $n_{c}$ остается постоянным, то $UCL_{c}$ одинакова для всех партий.
2. <a id="p102608"></a>Если предыдущие результаты контроля неизвестны, то следует использовать $\sigma_{c}$ , определяемое по формуле

<a id="p102609"></a> $\sigma_{c} = \sqrt{\frac{\sigma_{I}^{2}}{n_{I}} + \frac{\sigma_{T}^{2}}{n_{T}}} ,$ 

<a id="p102610"></a>где $\sigma_{T}$ - по [3.4.2](#p102492).


###### <a id="p102611"></a>3.7.3.2 Контрольная карта стандартных отклонений $(s_{T} - \text{карта})$

<a id="p102612"></a>Верхнюю контрольную границу UCL $s_{T} - \text{карты}$ следует получать для каждой из 10 партий (или другого числа партий, используемых для проверки), независимо от приемлемости партий, по формуле

<a id="p102613"></a> $UCL_{T} = f_{U}\sigma_{T},$ 

<a id="p102614"></a>где $f_{U}$ - множитель, приведенный в [таблице 7](#p105291) как функция числа степеней свободы $v_{T}$ ;
<a id="p102615"></a> $\sigma_{T}$ - стандартное отклонение совокупности между лабораторными пробами.
<a id="p102616"></a>Если ни одно из выборочных стандартных отклонений не превышает соответствующего значения $UCL_{T}$ , то можно считать, что $s_{T} - \text{карта}$ указывает на состояние статистической управляемости, в других случаях состояние таковым не является.
<a id="p102617"></a>Примечания
1. <a id="p102618"></a>Если $n_{T}$ остается постоянным, то $UCL_{T}$ одинакова для всех партий.
2. <a id="p102619"></a>Если предыдущие результаты контроля неизвестны, то следует использовать $\sigma_{T}$ по [3.4.2](#p102492).


###### <a id="p102620"></a>3.7.3.3 Контрольная карта стандартных отклонений $(s_{M} - \text{карта})$

<a id="p102621"></a>Если $n_{M}>1$ , то верхнюю контрольную границу UCL для $s_{M} - \text{карты}$ можно вычислить аналогично вычислению $s_{T}$ :

<a id="p102622"></a> $UCL_{M} = f_{U}\sigma_{M},$ 

<a id="p102623"></a>где $f_{U}$ - множитель, приведенный в [таблице 7](#p105291) как функция числа степеней свободы $(v_{M})$ ;
<a id="p102624"></a> $\sigma_{M}$ - стандартное отклонение совокупности измерений.
<a id="p102625"></a>Если ни одно из выборочных стандартных отклонений $s_{M}$ не превышает соответствующее значение $UCL_{M}$ , то можно считать, что $s_{M} - \text{карт}a$ указывает на состояние статистической управляемости, в других случаях состояние таковым не является.
<a id="p102626"></a>*Примечание.* Если оба размера пробы $n_{T}$ и $n_{M}$ не изменяются, то $UCL_{M}$ одинакова для всех партий.


##### <a id="p102627"></a>3.7.4 Перерасчет стандартных отклонений совокупностей

<a id="p102628"></a>Перерасчет стандартных отклонений совокупностей должен производиться для G партий, непосредственно предшествующих контролю. Если не установлено иное уполномоченной стороной, то G должно быть равно 10. Рекомендуется выполнять перерасчет периодически с интервалом в пять партий.

###### <a id="p102629"></a>3.7.4.1 Постоянные размеры проб

<a id="p102630"></a>Когда размеры проб постоянны в течение G партий, стандартные отклонения совокупностей $\sigma_{c}$ и $\sigma_{T}$ следует вычислять по выборочным стандартным отклонениям $s_{c}$ и $s_{T}$ , приведенным в [3.7.2](#p102582), по следующим формулам:

<a id="p102631"></a> $\sigma_{c} = \sqrt{\frac{\sum_{i = 1}^{G} s_{c,j}^{2}}{G}} ;$ 

<a id="p102632"></a> $\sigma_{T} = \sqrt{\frac{\sum_{i = 1}^{G} s_{T,j}^{2}}{G}} ,$ 

<a id="p102633"></a>где G - число партий, используемых для перерасчета.
<a id="p102634"></a>Если $n_{M}>1$ , стандартные отклонения измерений $\sigma_{M}$ можно вычислить по формуле

<a id="p102635"></a> $\sigma_{M} = \sqrt{\frac{\sum_{i = 1}^{G} s_{M,j}^{2}}{G}} .$ 


###### <a id="p102636"></a>3.7.4.2 Непостоянные размеры проб

<a id="p102637"></a>Если размеры проб из G партий не всегда постоянны, стандартные отклонения совокупностей $\sigma_{c}$ и $\sigma_{T}$ следует вычислять по выборочным стандартным отклонениям $s_{c}$ и $s_{T}$ , приведенным в [3.7.2](#p102582), по следующим формулам:

<a id="p102638"></a> $\sigma_{c} = \sqrt{\frac{\sum_{i = 1}^{G} v_{c,i}s_{c,i}^{2}}{\sum_{i = 1}^{G} v_{c,i}}} ;$ 

<a id="p102639"></a> $\sigma_{T} = \sqrt{\frac{\sum_{i = 1}^{G} v_{T,i}s_{T,i}^{2}}{\sum_{i = 1}^{G} v_{T,i}}} ,$ 

<a id="p102640"></a>где G - число партий, используемых для перерасчета.
<a id="p102641"></a>Если $n_{M}>1$ , стандартные отклонения измерений $\sigma_{M}$ можно вычислить по формуле

<a id="p102642"></a> $\sigma_{M} = \sqrt{\frac{\sum_{i = 1}^{G} v_{M,i}s_{M,i}^{2}}{\sum_{i = 1}^{G} v_{M,i}}} .$ 


##### <a id="p102643"></a>3.7.5 Перерасчет составляющих дисперсии

<a id="p102644"></a>Стандартные отклонения совокупностей $\sigma_{c}$ и $\sigma_{T}$ изменяются, если меняются размеры проб $n_{M}$ , $n_{T}$ или $n_{I}$ , а $\sigma_{I}$ и $\sigma_{p}$ не зависят от их размеров.
<a id="p102645"></a>Составляющая дисперсии между мгновенными пробами $\sigma_{I}^{2}$ и составляющая дисперсии между лабораторными пробами $\sigma_{p}^{2}$ несколько отличны от обычных дисперсий. Непосредственно вычислить составляющие дисперсии невозможно, но их можно найти через разность других дисперсий.

###### <a id="p102646"></a>3.7.5.1 Составляющая дисперсии между мгновенными пробами

<a id="p102647"></a>Составляющую дисперсии между мгновенными пробами $\sigma_{I}^{2}$ вычисляют по формуле

<a id="p102648"></a> $\sigma_{I}^{2} = n_{I}(\sigma_{c}^{2} - \frac{\sigma_{T}^{2}}{n_{T}}).$ 

<a id="p102649"></a>Если $\sigma_{I}^{2}<0$ , то принима, что $\sigma_{I}^{2} = 0$ .

###### <a id="p102650"></a>3.7.5.2 Составляющая дисперсии между лабораторными пробами

<a id="p102651"></a>Если $n_{M}>1$ , то составляющую дисперсии между лабораторными пробами $\sigma_{p}^{2}$ рассчитывают по формуле

<a id="p102652"></a> $\sigma_{p}^{2} = \sigma_{T}^{2} - \frac{\sigma_{M}^{2}}{n_{M}} .$ 

<a id="p102653"></a>Если $\sigma_{p}^{2}<0$ , то принимают, что $\sigma_{p}^{2} = 0$ .
<a id="p102654"></a>Если $n_{M} = 1$ , то не надо различать $\sigma_{p}^{2}$ и $\sigma_{M}^{2}$ , так как $\sigma_{p}$ и $\sigma_{M}$ используются только для подтверждения значения $n_{M}$ .

##### <a id="p102655"></a>3.7.6 Пересмотр размера проб

<a id="p102656"></a>При каждом перерасчете стандартных отклонений необходимо пересмотреть размеры проб $n_{I}$ и $n_{T}$ в соответствии с [3.4.3.4](#p102512) и [3.4.4](#p102521).
<a id="p102657"></a>Примечание. Если изменения стандартных отклонений велики, то следует рассмотреть возможность пересмотра $n_{M}$ и $n_{T}$ в соответствии с [3.4](#p102483).


##### <a id="p102658"></a>3.7.7 Стандартное отклонение оценки

<a id="p102659"></a>Стандартное отклонение оценки $\sigma_{E}$ - это стандартное отклонение оценки среднего партии. Его используют для получения кривой OX и рассчитывают по формуле

<a id="p102660"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{p}^{2}}{n_{c}n_{T}} + \frac{\sigma_{M}^{2}}{n_{c}n_{T}n_{M}}} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} .$ 


##### <a id="p102661"></a>3.7.8 Действия при выходе из состояния статистической управляемости

<a id="p102662"></a>Если в ходе контроля непрерывной последовательности партий хотя бы одна $s_{c} -$ или $s_{T} - \text{карта}$ содержит одну или более точек за контрольными границами (даже после перерасчета $\sigma$ и UCL), то необходимо предпринять некоторые действия.
<a id="p102663"></a>Если причина(ы) найдена и надлежащие корректирующие действия возможны, то они должны быть проведены. Либо, если поставщик и потребитель согласны, необходимо предпринять с одобрения уполномоченной стороны следующие действия:
<a id="p102664"></a>a) установить надлежащее(ие) значение(я) стандартных отклонений (5.1) или
<a id="p102665"></a>b) перейти к дополнительному усиленному контролю (15.1).
<a id="p102666"></a>Если уполномоченная сторона считает, что стандартное отклонение совокупности стало нестабильным, то положения данного раздела дальше применять нельзя.


#### <a id="p102667"></a>3.8. Численные примеры



##### <a id="p102668"></a>3.8.1 Пример для одностороннего предельного значения (односторонний допуск)

<a id="p102669"></a>Ниже приведен пример использования процедуры приемочного контроля по данному разделу при наличии одностороннего предельного значения.
<a id="p102670"></a>*Пример* 5
<a id="p102671"></a>Условия почти такие же, как в [примере 3](#p100422) (2.8.1), за исключением того, что каждое стандартное отклонение известно и стабильно, а именно:

<a id="p102672"></a> $\sigma_{I} = 4,4$ ; $\sigma_{p} = 1,0$ ; $\sigma_{M} = 3,0$ .

<a id="p102673"></a>Составляющие затрат следующие: $c_{I} = 25$ , $c_{T} = 20$ и $c_{M} = 60$ . Установлены меры качества AQL = 96,0 и LQL = 92,0. В соответствии с процедурами данного раздела получен следующий выборочный план:


<table>
<colgroup><col width="36%"><col width="32%"><col width="32%"></colgroup>
<tr><td><a id="p102674"></a>a) нижнее предельное значение</td><td colspan="2"><a id="p102675"></a>L = 90,0;</td></tr>
<tr><td><a id="p102676"></a>b) приемлемый уровень качества</td><td colspan="2"><a id="p102677"></a>$m_{A} = 96,0$ ;</td></tr>
<tr><td><a id="p102678"></a>c) предельный уровень качества</td><td colspan="2"><a id="p102679"></a>$m_{R} = 92,0$ ;</td></tr>
<tr><td><a id="p102680"></a>d) предельный интервал</td><td colspan="2"><a id="p102681"></a>D = 4,0;</td></tr>
<tr><td colspan="3"><a id="p102682"></a>e) нижнее приемочное значение $\overline{x_{L}} = m_{A} - \gamma D = 96,0 - 0,562 \times 4,0 = 94,75$ ;</td></tr>
<tr><td><a id="p102683"></a>f) стандартные отклонения между мгновенными пробами</td><td colspan="2"><a id="p102684"></a>$\sigma_{T} = 4,4$ ;</td></tr>
<tr><td><a id="p102685"></a>g) стандартные отклонения между лабораторными пробами</td><td colspan="2"><a id="p102686"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p102687"></a>h) стандартные отклонения измерения</td><td colspan="2"><a id="p102688"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p102689"></a>i) число объединенных проб</td><td colspan="2"><a id="p102690"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p102691"></a>j) затраты на взятие мгновенных проб</td><td colspan="2"><a id="p102692"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p102693"></a>k) затраты на подготовку лабораторной пробы</td><td colspan="2"><a id="p102694"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p102695"></a>l) затраты на измерение</td><td colspan="2"><a id="p102696"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p102697"></a>m) число измерений на лабораторную пробу $n_{M}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102698"></a>$b = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{T}}{c_{M}}} = \frac{3,0}{1,0} \sqrt{\frac{20}{60}} = 1,73 \rightarrow n_{M} = 2$ ;</td></tr>
<tr><td><a id="p102699"></a>n) стандартное отклонение лабораторной пробы $\sigma_{T}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102700"></a>$\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{1,0 + \frac{3,0^{2}}{2}} = \sqrt{5,50} = 2,35$ ;</td></tr>
<tr><td colspan="3"><a id="p102701"></a>p) затраты на обработку лабораторной пробы $c_{TM} = c_{T} + n_{M}c_{M} = 20 + 2 \times 60 = 140$ ;</td></tr>
<tr><td colspan="3"><a id="p102702"></a>q) отношение затрат $R_{c} = c_{TM}/c_{I} = 140/25 = 5,60$ ;</td></tr>
<tr><td colspan="3"><a id="p102703"></a>r) относительное стандартное отклонение между мгновенными пробами $d_{I} = \sigma_{I}/D = 4,40/4,0 = 1,10$ ;</td></tr>
<tr><td colspan="3"><a id="p102704"></a>s) относительное стандартное отклонение лабораторной пробы $d_{T} = \sigma_{T}/D = 2,35/4,0 = 0,588$ ;</td></tr>
<tr><td colspan="3"><a id="p102705"></a>t) выбор таблицы: <a href="#p104402">таблица 6D</a> (уровень отношения затрат 4);</td></tr>
<tr><td><a id="p102706"></a>u) объемы проб $n_{I}$ и $n_{T}$ :</td><td><a id="p102707"></a>$d_{I} = 1,10 \rightarrow 1,00$ ;</td><td><a id="p102708"></a>$d_{T} = 0,588 \rightarrow 0,630$ ;</td></tr>
<tr><td></td><td><a id="p102709"></a>$n_{I} = 10$ ;</td><td><a id="p102710"></a>$n_{T} = 3$ ;</td></tr>
<tr><td></td><td colspan="2"><a id="p102711"></a>( $n_{c}n_{I} = 20$ ; $n_{c}n_{T} = 6$ ; $n_{c}n_{T}n_{M} = 12$ ).</td></tr>
</table>


<a id="p102712"></a>Примечания
1. <a id="p102713"></a>Переменные затраты C следующие:

<a id="p102714"></a> $C = n_{c}(n_{I}c_{I} + n_{T}c_{TM}) = 2 \times (10 \times 25 + 3 \times 140) = 1340.$ 

2. <a id="p102715"></a>Стандартное отклонение оценки $\sigma_{E}$ определяется следующим выражением:

<a id="p102716"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 10} + \frac{2,35^{2}}{2 \times 3}} = \sqrt{1,888} = 1,37.$ 


##### <a id="p102717"></a>3.8.2 Пример с двусторонними предельными значениями (двусторонний допуск)

<a id="p102718"></a>*Пример* 6
<a id="p102719"></a>Условия почти те же, что и в [примере 5](#p102670) (3.8.1), за исключением того, что дополнительно задано верхнее предельное значение для среднего партии U = 110,0. В этом случае верхнее предельное значение технически менее важно, чем нижнее. Установлены меры качества AQL = 106,0 и LQL = 110,0. В соответствии с процедурами данного раздела получен следующий выборочный план:


<table>
<colgroup><col width="34%"><col width="31%"><col width="34%"></colgroup>
<tr><td><a id="p102720"></a>a) нижнее предельное значение</td><td colspan="2"><a id="p102721"></a>L = 90,0;</td></tr>
<tr><td><a id="p102722"></a>b) верхнее предельное значение</td><td colspan="2"><a id="p102723"></a>U = 110,0;</td></tr>
<tr><td><a id="p102724"></a>c) нижний приемлемый уровень качества</td><td colspan="2"><a id="p102725"></a>$m_{A,L} = 96,0$ ;</td></tr>
<tr><td><a id="p102726"></a>d) нижний предельный уровень качества</td><td colspan="2"><a id="p102727"></a>$m_{R,L} = 92,0$ ;</td></tr>
<tr><td><a id="p102728"></a>e) верхний приемлемый уровень качества</td><td colspan="2"><a id="p102729"></a>$m_{A,U} = 106,0$ ;</td></tr>
<tr><td><a id="p102730"></a>f) верхний предельный уровень качества</td><td colspan="2"><a id="p102731"></a>$m_{R,U} = 110,0$ ;</td></tr>
<tr><td><a id="p102732"></a>g) предельный интервал</td><td colspan="2"><a id="p102733"></a>D = 4,0;</td></tr>
<tr><td colspan="3"><a id="p102734"></a>h) нижнее приемочное значение $\overline{x_{L}} = m_{A,L} - \gamma D = 96,0 - 0,562 \times 4,0 = 93,75$ ;</td></tr>
<tr><td colspan="3"><a id="p102735"></a>i) верхнее приемочное значение $\overline{x_{U}} = m_{A,U} + \gamma D = 106,0 + 0,562 \times 4,0 = 108,25$ ;</td></tr>
<tr><td colspan="3"><a id="p102736"></a>j) расстояние между верхним и нижним приемлемыми уровнями качества $\Delta$ :</td></tr>
<tr><td colspan="3"><a id="p102737"></a>$\Delta m_{A,U} - m_{A,L} = 10,0$ ;</td></tr>
<tr><td><a id="p102738"></a>k) предельный допуск</td><td colspan="2"><a id="p102739"></a>$\delta_{D} = 0,636 \times 4,0 = 2,54&lt;10,0$ ;</td></tr>
<tr><td><a id="p102740"></a>l) стандартное отклонение между мгновенными пробами</td><td colspan="2"><a id="p102741"></a>$\sigma_{I} = 4,4$ ;</td></tr>
<tr><td><a id="p102742"></a>m) стандартное отклонение между лабораторными пробами</td><td colspan="2"><a id="p102743"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p102744"></a>n) стандартное отклонение измерения</td><td colspan="2"><a id="p102745"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p102746"></a>p) число объединенных проб</td><td colspan="2"><a id="p102747"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p102748"></a>q) затраты на взятие мгновенных проб</td><td colspan="2"><a id="p102749"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p102750"></a>r) затраты на подготовку лабораторной пробы</td><td colspan="2"><a id="p102751"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p102752"></a>s) затраты на измерение</td><td colspan="2"><a id="p102753"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p102754"></a>t) число измерений b на лабораторную пробу $n_{M}$</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102755"></a>$b = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{T}}{c_{M}}} = \frac{3,0}{1,0} \sqrt{\frac{20}{60}} = 1,73 \rightarrow n_{M} = 2$ ;</td></tr>
<tr><td><a id="p102756"></a>u) стандартное отклонение лабораторной пробы $\sigma_{T}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102757"></a>$\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{1,0^{2} + \frac{3,0^{2}}{2}} = \sqrt{5,50} = 2,35$ ;</td></tr>
<tr><td><a id="p102758"></a>v) затраты на обработку лабораторной пробы $c_{TM}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102759"></a>$c_{TM} = c_{T} + n_{M}c_{M} = 20 + 2 \times 60 = 140$ ;</td></tr>
<tr><td colspan="3"><a id="p102760"></a>w) отношение затрат $R_{c} = c_{TM}/c_{I} = 140/25 = 5,60$ ;</td></tr>
<tr><td colspan="3"><a id="p102761"></a>x) относительное стандартное отклонение между мгновенными пробами $d_{I} = \sigma_{I}/D = 4,40/4,0 = 1,10$ ;</td></tr>
<tr><td colspan="3"><a id="p102762"></a>y) относительное стандартное отклонение лабораторной пробы $d_{T}$ :</td></tr>
<tr><td colspan="3"><a id="p102763"></a>$d_{T} = \sigma_{T}/D = 2,35/4,0 = 0,392$ ;</td></tr>
<tr><td colspan="3"><a id="p102764"></a>z) выбор таблицы: <a href="#p104402">таблица 6D</a> (уровень отношения затрат 4);</td></tr>
<tr><td colspan="3"><a id="p102765"></a>z') объемы проб $n_{I}$ и $n_{T}$ :</td></tr>
<tr><td></td><td><a id="p102766"></a>$d_{I} = 1,00 \rightarrow 1,00$ ;</td><td><a id="p102767"></a>$d_{T} = 0,588 \rightarrow 0,630$ ;</td></tr>
<tr><td></td><td><a id="p102768"></a>$n_{I} = 10$ ;</td><td><a id="p102769"></a>$n_{T} = 3$ ;</td></tr>
<tr><td></td><td colspan="2"><a id="p102770"></a>( $n_{c} \times n_{I} = 20$ ; $n_{c} \times n_{T} = 6$ ; $n_{c} \times n_{T} \times n_{M} = 12$ ).</td></tr>
</table>


<a id="p102771"></a>Примечание. Переменные затраты и стандартное отклонение оценки те же, что и в [примере 5](#p102670), а именно:
<a id="p102772"></a>a) переменные затраты C = 1 340;
<a id="p102773"></a>b) приближенное значение стандартного отклонения оценки $\sigma_{E} = 1,37$ .


##### <a id="p102774"></a>3.8.3 Пример пересмотра предельного интервала D

<a id="p102775"></a>Следующий пример показывает, как подобрать предельный интервал для получения более экономичного плана.
<a id="p102776"></a>*Пример* 7
<a id="p102777"></a>В [примере 6](#p102718) (3.8.2) было проверено пять последовательных партий с приемлемыми результатами. Поэтому в данном примере исследуется возможность пересмотра предельного интервала для получения более экономичного выборочного плана. Процедура следующая:


<table>
<colgroup><col width="34%"><col width="32%"><col width="34%"></colgroup>
<tr><td><a id="p102778"></a>a) нижнее предельное значение</td><td colspan="2"><a id="p102779"></a>L = 90,0;</td></tr>
<tr><td><a id="p102780"></a>b) верхнее предельное значение</td><td colspan="2"><a id="p102781"></a>U = 110,0;</td></tr>
<tr><td><a id="p102782"></a>c) нижний приемлемый уровень качества</td><td colspan="2"><a id="p102783"></a>$m_{A,L} = 97,0$ ;</td></tr>
<tr><td><a id="p102784"></a>d) нижний предельный уровень качества</td><td colspan="2"><a id="p102785"></a>$m_{R,L} = 91,0$ ;</td></tr>
<tr><td><a id="p102786"></a>e) верхний приемлемый уровень качества</td><td colspan="2"><a id="p102787"></a>$m_{A,U} = 104,0$ ;</td></tr>
<tr><td><a id="p102788"></a>f) верхний предельный уровень качества</td><td colspan="2"><a id="p102789"></a>$m_{R,U} = 110,0$ ;</td></tr>
<tr><td><a id="p102790"></a>g) предельный интервал</td><td colspan="2"><a id="p102791"></a>D = 6,0;</td></tr>
<tr><td colspan="3"><a id="p102792"></a>h) нижнее приемочное значение $\overline{x_{L}} = m_{A,L} - \gamma D = 97,0 - 0,562 \times 6,0 = 93,63$ ;</td></tr>
<tr><td colspan="3"><a id="p102793"></a>i) верхнее приемочное значение $\overline{x_{U}} = m_{A,U} + \gamma D = 104,0 + 0,562 \times 6,0 = 107,37$ ;</td></tr>
<tr><td colspan="3"><a id="p102794"></a>j) расстояние между верхним и нижним приемлемыми уровнями качества $\Delta = m_{A,U} - m_{A,L} = 7,0$ ;</td></tr>
<tr><td><a id="p102795"></a>k) предельный допуск</td><td colspan="2"><a id="p102796"></a>$\delta D = 0,636 \times 6,0 = 3,82&lt;7,0$ ;</td></tr>
<tr><td><a id="p102797"></a>l) стандартное отклонение между мгновенными пробами</td><td colspan="2"><a id="p102798"></a>$\sigma_{I} = 4,4$ ;</td></tr>
<tr><td><a id="p102799"></a>m) стандартное отклонение между лабораторными пробами</td><td colspan="2"><a id="p102800"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p102801"></a>n) стандартное отклонение измерения</td><td colspan="2"><a id="p102802"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p102803"></a>p) число объединенных проб</td><td colspan="2"><a id="p102804"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p102805"></a>q) затраты на взятие мгновенных проб</td><td colspan="2"><a id="p102806"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p102807"></a>r) затраты на подготовку лабораторной пробы</td><td colspan="2"><a id="p102808"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p102809"></a>s) затраты на измерение</td><td colspan="2"><a id="p102810"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p102811"></a>t) число измерений на лабораторную пробу $n_{M}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102812"></a>$b = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{T}}{c_{M}}} = \frac{3,0}{1,0} \sqrt{\frac{20}{60}} = 1,73 \rightarrow n_{M} = 2$ ;</td></tr>
<tr><td><a id="p102813"></a>u) стандартное отклонение лабораторной пробы $\sigma_{T}$ :</td><td colspan="2"></td></tr>
<tr><td colspan="3"><a id="p102814"></a>$\sigma_{T} = \sqrt{\sigma_{p}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{1,0^{2} + \frac{3,0^{2}}{2}} = \sqrt{5,50} = 2,35$ ;</td></tr>
<tr><td colspan="3"><a id="p102815"></a>v) затраты на обработку лабораторной пробы $c_{TM} = c_{T} + n_{M}c_{M} = 20 + 2 \times 60 = 140$ ;</td></tr>
<tr><td colspan="3"><a id="p102816"></a>w) отношение затрат $R_{c} = c_{TM}/c_{I} = 140/25 = 5,60$ ;</td></tr>
<tr><td colspan="3"><a id="p102817"></a>x) относительное стандартное отклонение между мгновенными пробами $d_{I} = \sigma_{I}/D = 4,40/6,0 = 0,773$ ;</td></tr>
<tr><td colspan="3"><a id="p102818"></a>y) относительное стандартное отклонение лабораторной пробы $d_{T} = \sigma_{T}/D = 2,35/6,0 = 0,392$ ;</td></tr>
<tr><td colspan="3"><a id="p102819"></a>z) выбор таблицы: <a href="#p104402">таблица 6D</a> (уровень отношения затрат 4);</td></tr>
<tr><td colspan="3"><a id="p102820"></a>z') подтверждение выборочного плана: размеры выборок $n_{I}$ и $n_{T}$ :</td></tr>
<tr><td></td><td><a id="p102821"></a>$d_{I} = 0,733 \rightarrow 0,800$ ;</td><td><a id="p102822"></a>$d_{T} = 0,392 \rightarrow 0,400$ ;</td></tr>
<tr><td></td><td><a id="p102823"></a>$n_{I} = 5$ ;</td><td><a id="p102824"></a>$n_{T} = 2$ ;</td></tr>
<tr><td></td><td colspan="2"><a id="p102825"></a>( $n_{c}n_{I} = 10$ ; $n_{c}n_{T} = 4$ ; $n_{c}n_{T}n_{M} = 8$ ).</td></tr>
</table>


<a id="p102826"></a>Примечания
1. <a id="p102827"></a>Переменные затраты следующие:

<a id="p102828"></a> $C = n_{c}(n_{I}c_{I} + n_{T}c_{TM}) = 2 \times (5 \times 25 + 2 \times 140) = 810.$ 

2. <a id="p102829"></a>Ожидается, что изменение предельного интервала с 4,0 до 6,0 (увеличение в 1,5 раза) приведет к снижению затрат в отношении $1/1,5^{2} = 0,444$ . В данном случае это снижение с 1340 до 810, то есть в 0,604 раза.
3. <a id="p102830"></a>Стандартное отклонение оценки $\sigma_{E}$ определяется следующим выражением:

<a id="p102831"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 5} + \frac{2,35^{2}}{2 \times 2}} = \sqrt{3,317} = 1,82.$ 

4. <a id="p102832"></a>Ожидается, что увеличение предельного интервала в 1,5 раза приведет к увеличению $\sigma_{E}$ также в 1,5 раза. В данном случае действительное изменение стандартного отклонения оценки с 1,39 до 1,82 или в 1,31 раза.


##### <a id="p102833"></a>3.8.4 Пример на принятие решения о приемлемости партии

<a id="p102834"></a>Следующий пример показывает действительные результаты проконтролированной партии.
<a id="p102835"></a>*Пример* 8
<a id="p102836"></a>В соответствии с [примером 5](#p102670) (3.8.1) для статистического приемочного контроля представлена первая партия. Результаты измерений и средние выборок приведены в таблице 4 ( $n_{c} = 2$ , $n_{I} = 10$ , $n_{T} = 3$ , $n_{M} = 2$ ).

<a id="p102837"></a>Таблица 4

<a id="p102838"></a>Результаты k измерений j-й лабораторной пробы из i - 1
объединенной пробы (данные для [примера 8](#p102835))


<table>
<colgroup><col width="11%"><col width="15%"><col width="15%"><col width="15%"><col width="15%"><col width="15%"><col width="15%"></colgroup>
<tr><td></td><td colspan="3"><a id="p102839"></a>i = 1</td><td colspan="3"><a id="p102840"></a>i = 2</td></tr>
<tr><td></td><td><a id="p102841"></a>k = 1</td><td><a id="p102842"></a>k = 2</td><td><a id="p102843"></a>$\overline{x_{1j}}$</td><td><a id="p102844"></a>k = 1</td><td><a id="p102845"></a>k = 2</td><td><a id="p102846"></a>$\overline{x_{2j}}$</td></tr>
<tr><td><a id="p102847"></a>j = 1</td><td><a id="p102848"></a>103,7</td><td><a id="p102849"></a>106,1</td><td><a id="p102850"></a>104,90</td><td><a id="p102851"></a>102,5</td><td><a id="p102852"></a>99,0</td><td><a id="p102853"></a>100,75</td></tr>
<tr><td><a id="p102854"></a>j = 2</td><td><a id="p102855"></a>101,9</td><td><a id="p102856"></a>99,3</td><td><a id="p102857"></a>100,60</td><td><a id="p102858"></a>97,3</td><td><a id="p102859"></a>102,9</td><td><a id="p102860"></a>100,10</td></tr>
<tr><td><a id="p102861"></a>j = 3</td><td><a id="p102862"></a>97,9</td><td><a id="p102863"></a>108,7</td><td><a id="p102864"></a>103,30</td><td><a id="p102865"></a>101,5</td><td><a id="p102866"></a>101,5</td><td><a id="p102867"></a>101,50</td></tr>
<tr><td><a id="p102868"></a>$\overline{x_{i}}$</td><td></td><td></td><td><a id="p102869"></a>102,93</td><td></td><td></td><td><a id="p102870"></a>100,78</td></tr>
<tr><td><a id="p102871"></a>$\overline{x}$</td><td></td><td></td><td></td><td></td><td></td><td><a id="p102872"></a>101,86</td></tr>
</table>


<a id="p102873"></a>При проверке приемлемости партии по этим результатам вычисляются стандартные отклонения выборок и сравниваются с UCL (см. [таблицу 4](#p102838)).
<a id="p102874"></a>Проводят следующие действия:
<a id="p102875"></a>a) проверку приемлемости партии
<a id="p102876"></a> $\overline{x} = 101,86>\overline{x_{L}} = 93,75$ - партия приемлема;
<a id="p102877"></a>b) вычисление выборочных стандартных отклонений.
<a id="p102878"></a>Выборочные стандартные отклонения вычисляются по результатам измерений и средним для выборок. Числа степеней свободы $v_{c}$ , $v_{T}$ , $v_{M}$ и выборочные стандартные отклонения $s_{c}$ , $s_{T}$ , $s_{M}$ следующие.
<a id="p102879"></a>Степени свободы равны:

<a id="p102880"></a> $v_{c} = n_{c} - 1 = 1;$ 

<a id="p102881"></a> $v_{T} = n_{c}(n_{T} - 1) = 2 \times 2 = 4;$ 

<a id="p102882"></a> $v_{M} = n_{c}n_{T}(n_{M} - 1) = 2 \times 3 \times 1 = 6.$ 

<a id="p102883"></a>Вычисляем значения выборочных стандартных отклонений:

<a id="p102884"></a> $s_{c} = \sqrt{\frac{(\overline{x_{1}} - \overline{x_{2}})^{2}}{2}} = \sqrt{\frac{(102,93 - 100,78)^{2}}{2}} = 1,52;$ 

<a id="p102885"></a> $\sum_{i = 1}^{2} \sum_{j = 1}^{3} (\overline{x_{ij}} - \overline{x_{i}})^{2} = (104,90 - 102,93)^{2} + (100,60 - 102,93)^{2} + ... + (101,50 - 100,78)^{2} = 10,43$ 

<a id="p102886"></a> $s_{T} = \sqrt{\frac{1}{v_{T}} \sum_{i = 1}^{n_{c}} \sum_{j = 1}^{n_{T}} (\overline{x_{ij}} - \overline{x_{i}})^{2}} = \sqrt{\frac{10,43}{4}} = 1,61;$ 

<a id="p102887"></a> $s_{M} = \sqrt{\frac{1}{v_{M}} \sum_{i = 1}^{n_{c}} \sum_{j = 1}^{n_{T}} (\overline{x_{ij1}} - \overline{x_{ij2}})^{2}} = \sqrt{\frac{(- 2,4)^{2} + 2,6^{2} + ... + (- 5,6)^{2} + 0^{2}}{6 \times 2}} = 3,79;$ 

<a id="p102888"></a>c) сравнение с UCL
<a id="p102889"></a>Для получения значений UCL используются следующие значения стандартных отклонений:

<a id="p102890"></a> $\sigma_{M} = 3,0;$ 

<a id="p102891"></a> $\sigma_{T} = 2,35$ ([пример 5](#p102670), перечисление n)

<a id="p102892"></a> $\sigma_{c} = \sqrt{\frac{\sigma_{I}^{2}}{n_{I}} + \frac{\sigma_{T}^{2}}{n_{T}}} = \sqrt{\frac{4,40^{2}}{10} + \frac{2,35^{2}}{3}} = 1,94.$ 

<a id="p102893"></a>Значения UCL и результаты сравнения следующие:

<a id="p102894"></a> $UCL_{c} = f_{U}\sigma_{c} = 2,800 \times 1,94 = 5,432>1,52;$ 

<a id="p102895"></a> $UCL_{T} = f_{U}\sigma_{T} = 1,924 \times 2,35 = 4,521>1,61;$ 

<a id="p102896"></a> $UCL_{M} = f_{U}\sigma_{M} = 1,755 \times 3,00 = 5,265>3,79.$ 


##### <a id="p102897"></a>3.8.5 Пример на принятие решений при контроле последовательных партий

<a id="p102898"></a>Следующий пример показывает действительные результаты контроля последовательных партий.
<a id="p102899"></a>*Пример* 9
<a id="p102900"></a>После выполнения условий [примера 8](#p102835) (3.8.4) для контроля были представлены 9 дополнительных партий. Выборочные стандартные отклонения $s_{c}$ , $s_{T}$ , $s_{M}$ для последовательно взятых 10 партий приведены в таблице 5.

<a id="p102901"></a>Таблица 5

<a id="p102902"></a>Данные для [примеров 9](#p102899)


<table>
<colgroup><col width="26%"><col width="25%"><col width="25%"><col width="25%"></colgroup>
<tr><td><a id="p102903"></a>Номер партии</td><td><a id="p102904"></a>$s_{c}$</td><td><a id="p102905"></a>$s_{T}$</td><td><a id="p102906"></a>$s_{M}$</td></tr>
<tr><td><a id="p102907"></a>1</td><td><a id="p102908"></a>1,52</td><td><a id="p102909"></a>1,61</td><td><a id="p102910"></a>3,79</td></tr>
<tr><td><a id="p102911"></a>2</td><td><a id="p102912"></a>2,94</td><td><a id="p102913"></a>2,36</td><td><a id="p102914"></a>3,38</td></tr>
<tr><td><a id="p102915"></a>3</td><td><a id="p102916"></a>2,16</td><td><a id="p102917"></a>3,22</td><td><a id="p102918"></a>3,02</td></tr>
<tr><td><a id="p102919"></a>4</td><td><a id="p102920"></a>0,521</td><td><a id="p102921"></a>1,12</td><td><a id="p102922"></a>1,86</td></tr>
<tr><td><a id="p102923"></a>5</td><td><a id="p102924"></a>1,01</td><td><a id="p102925"></a>1,52</td><td><a id="p102926"></a>3,44</td></tr>
<tr><td><a id="p102927"></a>6</td><td><a id="p102928"></a>2,69</td><td><a id="p102929"></a>2,35</td><td><a id="p102930"></a>2,45</td></tr>
<tr><td><a id="p102931"></a>7</td><td><a id="p102932"></a>0,843</td><td><a id="p102933"></a>3,61</td><td><a id="p102934"></a>2,53</td></tr>
<tr><td><a id="p102935"></a>8</td><td><a id="p102936"></a>1,80</td><td><a id="p102937"></a>2,16</td><td><a id="p102938"></a>3,32</td></tr>
<tr><td><a id="p102939"></a>9</td><td><a id="p102940"></a>1,75</td><td><a id="p102941"></a>1,02</td><td><a id="p102942"></a>2,85</td></tr>
<tr><td><a id="p102943"></a>10</td><td><a id="p102944"></a>1,46</td><td><a id="p102945"></a>1,83</td><td><a id="p102946"></a>2,17</td></tr>
<tr><td><a id="p102947"></a>$\sum s^{2}$</td><td><a id="p102948"></a>33,29</td><td><a id="p102949"></a>49,70</td><td><a id="p102950"></a>86,46</td></tr>
<tr><td><a id="p102951"></a>$\overline{s^{2}}$</td><td><a id="p102952"></a>3,329</td><td><a id="p102953"></a>4,970</td><td><a id="p102954"></a>8,646</td></tr>
<tr><td><a id="p102955"></a>$\sigma$</td><td><a id="p102956"></a>1,825</td><td><a id="p102957"></a>2,229</td><td><a id="p102958"></a>2,940</td></tr>
<tr><td colspan="4"><a id="p102959"></a>где s - выборочное значение стандартного отклонения;<br>$\sigma$ - стандартное отклонение.</td></tr>
</table>


<a id="p102960"></a>Процедуры перерасчета и проверки следующие:
<a id="p102961"></a>a) сравнение с UCL
<a id="p102962"></a> $UCL_{c} = 5,432$ и $UCL_{T} = 4,521$ [(пример 8, перечисление c)](#p102888). Ни одно из $s_{c}$ не превышает $UCL_{c}$ , и ни одно из $s_{T}$ не превышает $UCL_{T}$ . Поэтому $n_{c} = 2$ сохраняется неизменным;
<a id="p102963"></a>b) перерасчет стандартного отклонения совокупностей

<a id="p102964"></a> $\sigma_{c} = 1,825$ , $\sigma_{T} = 2,229$ и $\sigma_{M} = 2,940$ .

<a id="p102965"></a> $\sigma_{I} = \sqrt{n_{I}(\sigma_{c}^{2} + \frac{\sigma_{T}^{2}}{n_{T}})} = \sqrt{10(1,825 - \frac{2,229^{2}}{3})} = 4,09;$ 

<a id="p102966"></a> $\sigma_{P} = \sqrt{\sigma_{T}^{2} + \frac{\sigma_{M}^{2}}{n_{M}}} = \sqrt{2,229^{2} - \frac{2,940^{2}}{2}} = 0,804;$ 


<table>
<colgroup><col width="51%"><col width="49%"></colgroup>
<tr><td colspan="2"><a id="p102967"></a>c) перепроверка размера проб</td></tr>
<tr><td colspan="2"><a id="p102968"></a>1) $n_{M}$ :</td></tr>
<tr><td colspan="2"><a id="p102969"></a>$b = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{T}}{c_{p}}} = \frac{2,940}{0,804} \sqrt{\frac{20}{60}} = 2,11 \rightarrow n_{M} = 2;$</td></tr>
<tr><td colspan="2"><a id="p102970"></a>2) $d_{I}$ и $d_{T}$ :</td></tr>
<tr><td colspan="2"><a id="p102971"></a>$d_{I} = \sigma_{I}/D = 4,07/4,0 = 1,02;$</td></tr>
<tr><td colspan="2"><a id="p102972"></a>$d_{T} = \sigma_{T}/D = 2,23/4,0 = 0,558;$</td></tr>
<tr><td colspan="2"><a id="p102973"></a>3) $n_{I}$ и $n_{T}$ :</td></tr>
<tr><td colspan="2"><a id="p102974"></a>из <a href="#p104402">таблицы 6D</a> (уровень отношения затрат 4):</td></tr>
<tr><td><a id="p102975"></a>$d_{I} = 1,02 \rightarrow 1,0;$</td><td><a id="p102976"></a>$d_{T} = 0,558 \rightarrow 0,500;$</td></tr>
<tr><td><a id="p102977"></a>$n_{I} = 9,$</td><td><a id="p102978"></a>$n_{T} = 2;$</td></tr>
<tr><td colspan="2"><a id="p102979"></a>4) Новый выборочный план</td></tr>
<tr><td colspan="2"><a id="p102980"></a>Для следующей партии следует использовать новый выборочный план:</td></tr>
<tr><td colspan="2"><a id="p102981"></a>( $n_{I} = 9$ , $n_{T} = 2$ и $n_{M} = 2$ ) <a href="#p102579">(3.7.1)</a>.</td></tr>
</table>



#### <a id="p102982"></a>3.9. Информация, получаемая по оперативным характеристикам


<a id="p102983"></a>Параметры оперативных характеристик для стандартных процедур следующие:
<a id="p102984"></a>a) если среднее партии равно приемочному значению, то Pa = 50%;
<a id="p102985"></a>b) если среднее партии равно AQL, то $Pa \approx 95\%$ $(\alpha \approx 5%)$ ;
<a id="p102986"></a>c) если среднее партии равно LQL, то $Pa \approx 10\%$ $(\beta \approx 10%)$ .
<a id="p102987"></a>Оперативные характеристики для каждого выборочного плана можно получить, сдвигая горизонтальную ось на [рисунке D1](#p108542), как показано в соответствующем примере [Приложения D](#p108469). Там же дана детальная информация по оперативным характеристикам.


#### <a id="p102988"></a>3.10. Дополнительные процедуры



##### <a id="p102989"></a>3.10.1 Дополнительные выборочные планы для рисков, равных 5%

<a id="p102990"></a>Если $\alpha \approx \beta \approx 5%$ , что установлено в соглашении между поставщиком и потребителем, применима следующая дополнительная процедура. Существенные различия следующие:
<a id="p102991"></a>a) вместо [таблицы 6A](#p103055) - [6E](#p104851) необходимо использовать [таблицы 8A](#p105538) - [8E](#p107133);
<a id="p102992"></a>b) необходимо изменить значения $\gamma$ и $\delta$ на следующие:
<a id="p102993"></a> $\gamma = 0,500;$ 
<a id="p102994"></a> $\delta = 0,566;$ 
<a id="p102995"></a>c) необходимо изменить значения нижнего и (или) верхнего приемочных значений на следующие:
<a id="p102996"></a> $\overline{x_{L}} = 0,5$ $(m_{A,L} + m_{R,L})$ ;
<a id="p102997"></a> $\overline{x_{U}} = 0,5$ $(m_{A,U} + m_{R,U})$ .
<a id="p102998"></a>Примечания
1. <a id="p102999"></a>Выборочные планы, данные в [таблицах 6A](#p103055) - [6E](#p104851), основаны на часто используемых значениях $\alpha \approx 5%$ и $\beta \approx 10%$ , а выборочные планы в [таблицах 8A](#p105538) - [8E](#p107133) основаны на $\alpha \approx \beta \approx 5%$ .
2. <a id="p103000"></a>Данная дополнительная процедура удобна при переходе от положений [раздела 2](#p100297) к положениям [раздела 3](#p102455). Но применение этой процедуры обычно приводит к большим размерам проб, чем при стандартных процедурах.


##### <a id="p103001"></a>3.10.2 Пример с односторонним предельным значением (односторонний допуск)

<a id="p103002"></a>Следующий пример - для дополнительных процедур
<a id="p103003"></a>*Пример* 10
<a id="p103004"></a>Условия, аналогичные [примеру 5](#p102670), за исключением того, что $\alpha \approx \beta \approx 5%$ (3.8.1).
<a id="p103005"></a>В соответствии с процедурами настоящего раздела получаем следующий выборочный план:


<table>
<colgroup><col width="31%"><col width="33%"><col width="36%"></colgroup>
<tr><td><a id="p103006"></a>a) нижнее предельное значение</td><td colspan="2"><a id="p103007"></a>L = 90,0;</td></tr>
<tr><td><a id="p103008"></a>b) приемлемый уровень качества</td><td colspan="2"><a id="p103009"></a>$m_{A} = 96,0$ ;</td></tr>
<tr><td><a id="p103010"></a>c) предельный уровень качества</td><td colspan="2"><a id="p103011"></a>$m_{R} = 92,0$ ;</td></tr>
<tr><td><a id="p103012"></a>d) предельный интервал</td><td colspan="2"><a id="p103013"></a>D = 4,0;</td></tr>
<tr><td><a id="p103014"></a>e) нижнее приемочное значение</td><td colspan="2"><a id="p103015"></a>$\overline{x_{L}} = 0,5(m_{A,L} + m_{R,L}) = 0,5(96,0 + 92,0) = 94,00$ ;</td></tr>
<tr><td><a id="p103016"></a>f) стандартное отклонение между мгновенными пробами</td><td colspan="2"><a id="p103017"></a>$\sigma_{T} = 4,4$ ;</td></tr>
<tr><td><a id="p103018"></a>g) стандартное отклонение между лабораторными пробами</td><td colspan="2"><a id="p103019"></a>$\sigma_{p} = 1,0$ ;</td></tr>
<tr><td><a id="p103020"></a>h) стандартное отклонение измерения</td><td colspan="2"><a id="p103021"></a>$\sigma_{M} = 3,0$ ;</td></tr>
<tr><td><a id="p103022"></a>i) число объединенных проб</td><td colspan="2"><a id="p103023"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p103024"></a>j) затраты на взятие мгновенных проб</td><td colspan="2"><a id="p103025"></a>$c_{I} = 25$ ;</td></tr>
<tr><td><a id="p103026"></a>k) затраты на подготовку лабораторной пробы</td><td colspan="2"><a id="p103027"></a>$c_{T} = 20$ ;</td></tr>
<tr><td><a id="p103028"></a>l) затраты на измерение</td><td colspan="2"><a id="p103029"></a>$c_{M} = 60$ ;</td></tr>
<tr><td><a id="p103030"></a>m) число измерений на лабораторную пробу</td><td colspan="2"><a id="p103031"></a>$n_{M} = 2$ ;</td></tr>
<tr><td><a id="p103032"></a>n) стандартное отклонение лабораторной пробы</td><td colspan="2"><a id="p103033"></a>$c_{T} = 2,35$ ;</td></tr>
<tr><td><a id="p103034"></a>p) затраты на обработку лабораторной пробы</td><td colspan="2"><a id="p103035"></a>$c_{TM} = 140$ ;</td></tr>
<tr><td><a id="p103036"></a>q) отношение затрат</td><td colspan="2"><a id="p103037"></a>$R_{c} = 5,60$ ;</td></tr>
<tr><td colspan="3"><a id="p103038"></a>r) относительное стандартное отклонение между мгновенными пробами $d_{I} = 1,10$ ;</td></tr>
<tr><td colspan="3"><a id="p103039"></a>s) относительное стандартное отклонение лабораторной пробы $d_{T} = 0,588$ ;</td></tr>
<tr><td colspan="3"><a id="p103040"></a>t) выбор таблицы: <a href="#p106734">таблица 8D</a> (уровень отношения затрат 4);</td></tr>
<tr><td colspan="3"><a id="p103041"></a>u) объемы проб $n_{I}$ и $n_{T}$ :</td></tr>
<tr><td></td><td><a id="p103042"></a>$d_{I} = 1,10 \rightarrow 1,00$ ;</td><td><a id="p103043"></a>$d_{T} = 0,588 \rightarrow 0,630$ ;</td></tr>
<tr><td></td><td><a id="p103044"></a>$n_{I} = 12$ ;</td><td><a id="p103045"></a>$n_{T} = 4$ ;</td></tr>
<tr><td></td><td colspan="2"><a id="p103046"></a>( $n_{c}n_{I} = 24$ ; $n_{c}n_{T} = 8$ ; $n_{c}n_{T}n_{M} = 16$ ).</td></tr>
</table>


<a id="p103047"></a>Примечания
1. <a id="p103048"></a>Переменные затраты C следующие:

<a id="p103049"></a> $C = n_{c}(n_{I}c_{I} + n_{T}c_{TM}) = 2 \times (12 \times 25 + 4 \times 140) = 1720.$ 

2. <a id="p103050"></a>Стандартное отклонение оценки $\sigma_{E}$ определяется следующим выражением:

<a id="p103051"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 12} + \frac{2,35^{2}}{2 \times 4}} = \sqrt{1,497} = 1,22.$ 

<a id="p103052"></a>Таблица 6

<a id="p103053"></a>Размеры проб $n_{I}$ и $n_{T}$ (при известных
относительных стандартных отклонениях: $d_{I}$ , $d_{T}$ 
и рисках: $\alpha \approx 5%$ , $\beta \approx 10%$ )

<a id="p103054"></a>Таблица 6A

<a id="p103055"></a>Уровень отношения затрат 1 для $R_{c} \approx 0,10$ 
из интервала от 0 до 0,17


<table>
<colgroup><col width="5%"><col width="11%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p103056"></a><img src="https://i.bukva.ai/IaUDWsE9/img_11.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p103057"></a>0,160</td><td colspan="2"><a id="p103058"></a>0,200</td><td colspan="2"><a id="p103059"></a>0,250</td><td colspan="2"><a id="p103060"></a>0,315</td><td colspan="2"><a id="p103061"></a>0,400</td><td colspan="2"><a id="p103062"></a>0,500</td><td colspan="2"><a id="p103063"></a>0,630</td><td colspan="2"><a id="p103064"></a>0,800</td><td colspan="2"><a id="p103065"></a>1,00</td><td colspan="2"><a id="p103066"></a>1,25</td><td colspan="2"><a id="p103067"></a>1,60</td><td colspan="2"><a id="p103068"></a>2,00</td><td colspan="2"><a id="p103069"></a>2,50</td><td colspan="2"><a id="p103070"></a>3,15</td></tr>
<tr><td><a id="p103071"></a>$n_{I}$</td><td><a id="p103072"></a>$n_{T}$</td><td><a id="p103073"></a>$n_{I}$</td><td><a id="p103074"></a>$n_{T}$</td><td><a id="p103075"></a>$n_{I}$</td><td><a id="p103076"></a>$n_{T}$</td><td><a id="p103077"></a>$n_{I}$</td><td><a id="p103078"></a>$n_{T}$</td><td><a id="p103079"></a>$n_{I}$</td><td><a id="p103080"></a>$n_{T}$</td><td><a id="p103081"></a>$n_{I}$</td><td><a id="p103082"></a>$n_{T}$</td><td><a id="p103083"></a>$n_{I}$</td><td><a id="p103084"></a>$n_{T}$</td><td><a id="p103085"></a>$n_{I}$</td><td><a id="p103086"></a>$n_{T}$</td><td><a id="p103087"></a>$n_{I}$</td><td><a id="p103088"></a>$n_{T}$</td><td><a id="p103089"></a>$n_{I}$</td><td><a id="p103090"></a>$n_{T}$</td><td><a id="p103091"></a>$n_{I}$</td><td><a id="p103092"></a>$n_{T}$</td><td><a id="p103093"></a>$n_{I}$</td><td><a id="p103094"></a>$n_{T}$</td><td><a id="p103095"></a>$n_{I}$</td><td><a id="p103096"></a>$n_{T}$</td><td><a id="p103097"></a>$n_{I}$</td><td><a id="p103098"></a>$n_{T}$</td></tr>
<tr><td><a id="p103099"></a>0,160</td><td><a id="p103100"></a>0,000 - 0,180</td><td><a id="p103101"></a>2</td><td><a id="p103102"></a>2</td><td><a id="p103103"></a>2</td><td><a id="p103104"></a>2</td><td><a id="p103105"></a>2</td><td><a id="p103106"></a>2</td><td><a id="p103107"></a>2</td><td><a id="p103108"></a>2</td><td><a id="p103109"></a>2</td><td><a id="p103110"></a>2</td><td><a id="p103111"></a>2</td><td><a id="p103112"></a>2</td><td><a id="p103113"></a>2</td><td><a id="p103114"></a>3</td><td><a id="p103115"></a>2</td><td><a id="p103116"></a>4</td><td><a id="p103117"></a>2</td><td><a id="p103118"></a>6</td><td><a id="p103119"></a>2</td><td><a id="p103120"></a>9</td><td><a id="p103121"></a>2</td><td><a id="p103122"></a>14</td><td><a id="p103123"></a>2</td><td><a id="p103124"></a>20</td><td><a id="p103125"></a>2</td><td><a id="p103126"></a>32</td><td><a id="p103127"></a>2</td><td><a id="p103128"></a>48</td></tr>
<tr><td><a id="p103129"></a>0,200</td><td><a id="p103130"></a>0,181 - 0,224</td><td><a id="p103131"></a>2</td><td><a id="p103132"></a>2</td><td><a id="p103133"></a>2</td><td><a id="p103134"></a>2</td><td><a id="p103135"></a>2</td><td><a id="p103136"></a>2</td><td><a id="p103137"></a>2</td><td><a id="p103138"></a>2</td><td><a id="p103139"></a>2</td><td><a id="p103140"></a>2</td><td><a id="p103141"></a>2</td><td><a id="p103142"></a>2</td><td><a id="p103143"></a>2</td><td><a id="p103144"></a>3</td><td><a id="p103145"></a>2</td><td><a id="p103146"></a>4</td><td><a id="p103147"></a>2</td><td><a id="p103148"></a>6</td><td><a id="p103149"></a>2</td><td><a id="p103150"></a>10</td><td><a id="p103151"></a>2</td><td><a id="p103152"></a>15</td><td><a id="p103153"></a>2</td><td><a id="p103154"></a>22</td><td><a id="p103155"></a>2</td><td><a id="p103156"></a>32</td><td><a id="p103157"></a>2</td><td><a id="p103158"></a>50</td></tr>
<tr><td><a id="p103159"></a>0,250</td><td><a id="p103160"></a>0,225 - 0,280</td><td><a id="p103161"></a>2</td><td><a id="p103162"></a>2</td><td><a id="p103163"></a>2</td><td><a id="p103164"></a>2</td><td><a id="p103165"></a>2</td><td><a id="p103166"></a>2</td><td><a id="p103167"></a>2</td><td><a id="p103168"></a>2</td><td><a id="p103169"></a>2</td><td><a id="p103170"></a>2</td><td><a id="p103171"></a>2</td><td><a id="p103172"></a>2</td><td><a id="p103173"></a>2</td><td><a id="p103174"></a>3</td><td><a id="p103175"></a>2</td><td><a id="p103176"></a>5</td><td><a id="p103177"></a>2</td><td><a id="p103178"></a>7</td><td><a id="p103179"></a>2</td><td><a id="p103180"></a>10</td><td><a id="p103181"></a>2</td><td><a id="p103182"></a>16</td><td><a id="p103183"></a>2</td><td><a id="p103184"></a>22</td><td><a id="p103185"></a>2</td><td><a id="p103186"></a>34</td><td><a id="p103187"></a>2</td><td><a id="p103188"></a>50</td></tr>
<tr><td><a id="p103189"></a>0,315</td><td><a id="p103190"></a>0,281 - 0,355</td><td><a id="p103191"></a>2</td><td><a id="p103192"></a>2</td><td><a id="p103193"></a>2</td><td><a id="p103194"></a>2</td><td><a id="p103195"></a>2</td><td><a id="p103196"></a>2</td><td><a id="p103197"></a>2</td><td><a id="p103198"></a>2</td><td><a id="p103199"></a>2</td><td><a id="p103200"></a>2</td><td><a id="p103201"></a>2</td><td><a id="p103202"></a>3</td><td><a id="p103203"></a>2</td><td><a id="p103204"></a>4</td><td><a id="p103205"></a>2</td><td><a id="p103206"></a>6</td><td><a id="p103207"></a>2</td><td><a id="p103208"></a>8</td><td><a id="p103209"></a>2</td><td><a id="p103210"></a>12</td><td><a id="p103211"></a>2</td><td><a id="p103212"></a>17</td><td><a id="p103213"></a>2</td><td><a id="p103214"></a>24</td><td><a id="p103215"></a>2</td><td><a id="p103216"></a>36</td><td colspan="2"><a id="p103217"></a>*</td></tr>
<tr><td><a id="p103218"></a>0,400</td><td><a id="p103219"></a>0,356 - 0,450</td><td><a id="p103220"></a>2</td><td><a id="p103221"></a>2</td><td><a id="p103222"></a>2</td><td><a id="p103223"></a>2</td><td><a id="p103224"></a>2</td><td><a id="p103225"></a>2</td><td><a id="p103226"></a>2</td><td><a id="p103227"></a>2</td><td><a id="p103228"></a>2</td><td><a id="p103229"></a>2</td><td><a id="p103230"></a>2</td><td><a id="p103231"></a>3</td><td><a id="p103232"></a>2</td><td><a id="p103233"></a>5</td><td><a id="p103234"></a>2</td><td><a id="p103235"></a>7</td><td><a id="p103236"></a>2</td><td><a id="p103237"></a>9</td><td><a id="p103238"></a>2</td><td><a id="p103239"></a>13</td><td><a id="p103240"></a>2</td><td><a id="p103241"></a>19</td><td><a id="p103242"></a>2</td><td><a id="p103243"></a>26</td><td><a id="p103244"></a>2</td><td><a id="p103245"></a>40</td><td colspan="2"><a id="p103246"></a>*</td></tr>
<tr><td><a id="p103247"></a>0,500</td><td><a id="p103248"></a>0,451 - 0,560</td><td><a id="p103249"></a>2</td><td><a id="p103250"></a>2</td><td><a id="p103251"></a>2</td><td><a id="p103252"></a>2</td><td><a id="p103253"></a>2</td><td><a id="p103254"></a>2</td><td><a id="p103255"></a>2</td><td><a id="p103256"></a>2</td><td><a id="p103257"></a>2</td><td><a id="p103258"></a>3</td><td><a id="p103259"></a>2</td><td><a id="p103260"></a>4</td><td><a id="p103261"></a>2</td><td><a id="p103262"></a>5</td><td><a id="p103263"></a>2</td><td><a id="p103264"></a>8</td><td><a id="p103265"></a>2</td><td><a id="p103266"></a>11</td><td><a id="p103267"></a>2</td><td><a id="p103268"></a>15</td><td><a id="p103269"></a>2</td><td><a id="p103270"></a>22</td><td><a id="p103271"></a>2</td><td><a id="p103272"></a>32</td><td><a id="p103273"></a>3</td><td><a id="p103274"></a>42</td><td colspan="2"><a id="p103275"></a>*</td></tr>
<tr><td><a id="p103276"></a>0,630</td><td><a id="p103277"></a>0,561 - 0,710</td><td><a id="p103278"></a>2</td><td><a id="p103279"></a>2</td><td><a id="p103280"></a>2</td><td><a id="p103281"></a>2</td><td><a id="p103282"></a>2</td><td><a id="p103283"></a>2</td><td><a id="p103284"></a>2</td><td><a id="p103285"></a>3</td><td><a id="p103286"></a>2</td><td><a id="p103287"></a>5</td><td><a id="p103288"></a>2</td><td><a id="p103289"></a>6</td><td><a id="p103290"></a>2</td><td><a id="p103291"></a>8</td><td><a id="p103292"></a>2</td><td><a id="p103293"></a>10</td><td><a id="p103294"></a>3</td><td><a id="p103295"></a>12</td><td><a id="p103296"></a>3</td><td><a id="p103297"></a>17</td><td><a id="p103298"></a>3</td><td><a id="p103299"></a>26</td><td><a id="p103300"></a>3</td><td><a id="p103301"></a>36</td><td><a id="p103302"></a>4</td><td><a id="p103303"></a>48</td><td colspan="2"><a id="p103304"></a>*</td></tr>
<tr><td><a id="p103305"></a>0,800</td><td><a id="p103306"></a>0,711 - 0,900</td><td><a id="p103307"></a>3</td><td><a id="p103308"></a>2</td><td><a id="p103309"></a>3</td><td><a id="p103310"></a>2</td><td><a id="p103311"></a>3</td><td><a id="p103312"></a>3</td><td><a id="p103313"></a>3</td><td><a id="p103314"></a>4</td><td><a id="p103315"></a>3</td><td><a id="p103316"></a>6</td><td><a id="p103317"></a>3</td><td><a id="p103318"></a>7</td><td><a id="p103319"></a>3</td><td><a id="p103320"></a>9</td><td><a id="p103321"></a>4</td><td><a id="p103322"></a>11</td><td><a id="p103323"></a>4</td><td><a id="p103324"></a>15</td><td><a id="p103325"></a>4</td><td><a id="p103326"></a>22</td><td><a id="p103327"></a>4</td><td><a id="p103328"></a>30</td><td><a id="p103329"></a>5</td><td><a id="p103330"></a>38</td><td colspan="2"><a id="p103331"></a>*</td><td colspan="2"><a id="p103332"></a>*</td></tr>
<tr><td><a id="p103333"></a>1,00</td><td><a id="p103334"></a>0,901 - 1,120</td><td><a id="p103335"></a>5</td><td><a id="p103336"></a>2</td><td><a id="p103337"></a>5</td><td><a id="p103338"></a>3</td><td><a id="p103339"></a>5</td><td><a id="p103340"></a>4</td><td><a id="p103341"></a>5</td><td><a id="p103342"></a>5</td><td><a id="p103343"></a>5</td><td><a id="p103344"></a>6</td><td><a id="p103345"></a>5</td><td><a id="p103346"></a>7</td><td><a id="p103347"></a>5</td><td><a id="p103348"></a>11</td><td><a id="p103349"></a>5</td><td><a id="p103350"></a>14</td><td><a id="p103351"></a>6</td><td><a id="p103352"></a>17</td><td><a id="p103353"></a>6</td><td><a id="p103354"></a>24</td><td><a id="p103355"></a>6</td><td><a id="p103356"></a>34</td><td><a id="p103357"></a>7</td><td><a id="p103358"></a>44</td><td colspan="2"><a id="p103359"></a>*</td><td colspan="2"><a id="p103360"></a>*</td></tr>
<tr><td><a id="p103361"></a>1,25</td><td><a id="p103362"></a>1,13 - 1,40</td><td><a id="p103363"></a>7</td><td><a id="p103364"></a>3</td><td><a id="p103365"></a>7</td><td><a id="p103366"></a>4</td><td><a id="p103367"></a>7</td><td><a id="p103368"></a>4</td><td><a id="p103369"></a>7</td><td><a id="p103370"></a>6</td><td><a id="p103371"></a>7</td><td><a id="p103372"></a>8</td><td><a id="p103373"></a>8</td><td><a id="p103374"></a>9</td><td><a id="p103375"></a>8</td><td><a id="p103376"></a>12</td><td><a id="p103377"></a>8</td><td><a id="p103378"></a>17</td><td><a id="p103379"></a>8</td><td><a id="p103380"></a>22</td><td><a id="p103381"></a>9</td><td><a id="p103382"></a>26</td><td><a id="p103383"></a>9</td><td><a id="p103384"></a>40</td><td><a id="p103385"></a>10</td><td><a id="p103386"></a>50</td><td colspan="2"><a id="p103387"></a>*</td><td colspan="2"><a id="p103388"></a>*</td></tr>
<tr><td><a id="p103389"></a>1,60</td><td><a id="p103390"></a>1,41 - 1,80</td><td><a id="p103391"></a>11</td><td><a id="p103392"></a>4</td><td><a id="p103393"></a>11</td><td><a id="p103394"></a>5</td><td><a id="p103395"></a>11</td><td><a id="p103396"></a>6</td><td><a id="p103397"></a>12</td><td><a id="p103398"></a>7</td><td><a id="p103399"></a>12</td><td><a id="p103400"></a>9</td><td><a id="p103401"></a>12</td><td><a id="p103402"></a>12</td><td><a id="p103403"></a>12</td><td><a id="p103404"></a>16</td><td><a id="p103405"></a>13</td><td><a id="p103406"></a>20</td><td><a id="p103407"></a>13</td><td><a id="p103408"></a>26</td><td><a id="p103409"></a>14</td><td><a id="p103410"></a>32</td><td><a id="p103411"></a>14</td><td><a id="p103412"></a>46</td><td colspan="2"><a id="p103413"></a>*</td><td colspan="2"><a id="p103414"></a>*</td><td colspan="2"><a id="p103415"></a>*</td></tr>
<tr><td><a id="p103416"></a>2,00</td><td><a id="p103417"></a>1,81 - 2,24</td><td><a id="p103418"></a>18</td><td><a id="p103419"></a>4</td><td><a id="p103420"></a>18</td><td><a id="p103421"></a>6</td><td><a id="p103422"></a>18</td><td><a id="p103423"></a>7</td><td><a id="p103424"></a>18</td><td><a id="p103425"></a>9</td><td><a id="p103426"></a>18</td><td><a id="p103427"></a>12</td><td><a id="p103428"></a>18</td><td><a id="p103429"></a>15</td><td><a id="p103430"></a>19</td><td><a id="p103431"></a>19</td><td><a id="p103432"></a>19</td><td><a id="p103433"></a>26</td><td><a id="p103434"></a>20</td><td><a id="p103435"></a>30</td><td><a id="p103436"></a>20</td><td><a id="p103437"></a>42</td><td><a id="p103438"></a>22</td><td><a id="p103439"></a>50</td><td colspan="2"><a id="p103440"></a>*</td><td colspan="2"><a id="p103441"></a>*</td><td colspan="2"><a id="p103442"></a>*</td></tr>
<tr><td><a id="p103443"></a>2,50</td><td><a id="p103444"></a>2,25 - 2,80</td><td><a id="p103445"></a>28</td><td><a id="p103446"></a>6</td><td><a id="p103447"></a>28</td><td><a id="p103448"></a>7</td><td><a id="p103449"></a>28</td><td><a id="p103450"></a>9</td><td><a id="p103451"></a>28</td><td><a id="p103452"></a>11</td><td><a id="p103453"></a>28</td><td><a id="p103454"></a>14</td><td><a id="p103455"></a>28</td><td><a id="p103456"></a>18</td><td><a id="p103457"></a>28</td><td><a id="p103458"></a>24</td><td><a id="p103459"></a>30</td><td><a id="p103460"></a>28</td><td><a id="p103461"></a>30</td><td><a id="p103462"></a>40</td><td><a id="p103463"></a>30</td><td><a id="p103464"></a>50</td><td colspan="2"><a id="p103465"></a>*</td><td colspan="2"><a id="p103466"></a>*</td><td colspan="2"><a id="p103467"></a>*</td><td colspan="2"><a id="p103468"></a>*</td></tr>
<tr><td><a id="p103469"></a>3,15</td><td><a id="p103470"></a>2,81 - 3,55</td><td><a id="p103471"></a>44</td><td><a id="p103472"></a>7</td><td><a id="p103473"></a>44</td><td><a id="p103474"></a>9</td><td><a id="p103475"></a>44</td><td><a id="p103476"></a>11</td><td><a id="p103477"></a>44</td><td><a id="p103478"></a>14</td><td><a id="p103479"></a>44</td><td><a id="p103480"></a>18</td><td><a id="p103481"></a>44</td><td><a id="p103482"></a>22</td><td><a id="p103483"></a>46</td><td><a id="p103484"></a>28</td><td><a id="p103485"></a>46</td><td><a id="p103486"></a>36</td><td><a id="p103487"></a>46</td><td><a id="p103488"></a>48</td><td colspan="2"><a id="p103489"></a>*</td><td colspan="2"><a id="p103490"></a>*</td><td colspan="2"><a id="p103491"></a>*</td><td colspan="2"><a id="p103492"></a>*</td><td colspan="2"><a id="p103493"></a>*</td></tr>
<tr><td colspan="30"><a id="p103494"></a><a id="p103495"></a><a id="p103496"></a><a id="p103497"></a><a id="p103498"></a><a id="p103499"></a><a id="p103500"></a>Примечания к <a href="#p103055">таблицам 6A</a> - <a href="#p104851">6E</a>:<br>1. Каждая зона для допустимого $d_{T}$ равна зоне для допустимого $d_{I}$ соответственно.<br>2. Если возникает одно из следующих обстоятельств, то необходимо пересмотреть предельный интервал <a href="#p102536">(3.4.4.4)</a>:<br>a) нет строки допустимого $d_{I}$ ;<br>b) нет столбца допустимого $d_{T}$ .<br>3. Если в ячейке проставлен знак "*", то необходимо пересмотреть предельный интервал или взять другую таблицу, которая даст приемлемые размеры проб <a href="#p102527">(3.4.4.3)</a>.<br>4. Значение $v_{E}$ применяют при двусторонних предельных значениях нескольких характеристик качества или для кривых OX.</td></tr>
</table>


<a id="p103501"></a>Таблица 6B

<a id="p103502"></a>Уровень отношения затрат 2 для $R_{c} \approx 0,32$ 
из интервала от 0,18 до 0,56


<table>
<colgroup><col width="5%"><col width="11%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p103503"></a><img src="https://i.bukva.ai/IaUDWsE9/img_12.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p103504"></a>0,160</td><td colspan="2"><a id="p103505"></a>0,200</td><td colspan="2"><a id="p103506"></a>0,250</td><td colspan="2"><a id="p103507"></a>0,315</td><td colspan="2"><a id="p103508"></a>0,400</td><td colspan="2"><a id="p103509"></a>0,500</td><td colspan="2"><a id="p103510"></a>0,630</td><td colspan="2"><a id="p103511"></a>0,800</td><td colspan="2"><a id="p103512"></a>1,00</td><td colspan="2"><a id="p103513"></a>1,25</td><td colspan="2"><a id="p103514"></a>1,60</td><td colspan="2"><a id="p103515"></a>2,00</td><td colspan="2"><a id="p103516"></a>2,50</td><td colspan="2"><a id="p103517"></a>3,15</td></tr>
<tr><td><a id="p103518"></a>$n_{I}$</td><td><a id="p103519"></a>$n_{T}$</td><td><a id="p103520"></a>$n_{I}$</td><td><a id="p103521"></a>$n_{T}$</td><td><a id="p103522"></a>$n_{I}$</td><td><a id="p103523"></a>$n_{T}$</td><td><a id="p103524"></a>$n_{I}$</td><td><a id="p103525"></a>$n_{T}$</td><td><a id="p103526"></a>$n_{I}$</td><td><a id="p103527"></a>$n_{T}$</td><td><a id="p103528"></a>$n_{I}$</td><td><a id="p103529"></a>$n_{T}$</td><td><a id="p103530"></a>$n_{I}$</td><td><a id="p103531"></a>$n_{T}$</td><td><a id="p103532"></a>$n_{I}$</td><td><a id="p103533"></a>$n_{T}$</td><td><a id="p103534"></a>$n_{I}$</td><td><a id="p103535"></a>$n_{T}$</td><td><a id="p103536"></a>$n_{I}$</td><td><a id="p103537"></a>$n_{T}$</td><td><a id="p103538"></a>$n_{I}$</td><td><a id="p103539"></a>$n_{T}$</td><td><a id="p103540"></a>$n_{I}$</td><td><a id="p103541"></a>$n_{T}$</td><td><a id="p103542"></a>$n_{I}$</td><td><a id="p103543"></a>$n_{T}$</td><td><a id="p103544"></a>$n_{I}$</td><td><a id="p103545"></a>$n_{T}$</td></tr>
<tr><td><a id="p103546"></a>0,160</td><td><a id="p103547"></a>0,000 - 0,180</td><td><a id="p103548"></a>2</td><td><a id="p103549"></a>2</td><td><a id="p103550"></a>2</td><td><a id="p103551"></a>2</td><td><a id="p103552"></a>2</td><td><a id="p103553"></a>2</td><td><a id="p103554"></a>2</td><td><a id="p103555"></a>2</td><td><a id="p103556"></a>2</td><td><a id="p103557"></a>2</td><td><a id="p103558"></a>2</td><td><a id="p103559"></a>2</td><td><a id="p103560"></a>2</td><td><a id="p103561"></a>2</td><td><a id="p103562"></a>2</td><td><a id="p103563"></a>3</td><td><a id="p103564"></a>2</td><td><a id="p103565"></a>5</td><td><a id="p103566"></a>2</td><td><a id="p103567"></a>8</td><td><a id="p103568"></a>2</td><td><a id="p103569"></a>12</td><td><a id="p103570"></a>2</td><td><a id="p103571"></a>19</td><td><a id="p103572"></a>2</td><td><a id="p103573"></a>28</td><td><a id="p103574"></a>2</td><td><a id="p103575"></a>46</td></tr>
<tr><td><a id="p103576"></a>0,200</td><td><a id="p103577"></a>0,181 - 0,224</td><td><a id="p103578"></a>2</td><td><a id="p103579"></a>2</td><td><a id="p103580"></a>2</td><td><a id="p103581"></a>2</td><td><a id="p103582"></a>2</td><td><a id="p103583"></a>2</td><td><a id="p103584"></a>2</td><td><a id="p103585"></a>2</td><td><a id="p103586"></a>2</td><td><a id="p103587"></a>2</td><td><a id="p103588"></a>2</td><td><a id="p103589"></a>2</td><td><a id="p103590"></a>2</td><td><a id="p103591"></a>2</td><td><a id="p103592"></a>2</td><td><a id="p103593"></a>3</td><td><a id="p103594"></a>2</td><td><a id="p103595"></a>5</td><td><a id="p103596"></a>2</td><td><a id="p103597"></a>8</td><td><a id="p103598"></a>2</td><td><a id="p103599"></a>13</td><td><a id="p103600"></a>2</td><td><a id="p103601"></a>20</td><td><a id="p103602"></a>2</td><td><a id="p103603"></a>30</td><td><a id="p103604"></a>2</td><td><a id="p103605"></a>46</td></tr>
<tr><td><a id="p103606"></a>0,250</td><td><a id="p103607"></a>0,225 - 0,280</td><td><a id="p103608"></a>2</td><td><a id="p103609"></a>2</td><td><a id="p103610"></a>2</td><td><a id="p103611"></a>2</td><td><a id="p103612"></a>2</td><td><a id="p103613"></a>2</td><td><a id="p103614"></a>2</td><td><a id="p103615"></a>2</td><td><a id="p103616"></a>2</td><td><a id="p103617"></a>2</td><td><a id="p103618"></a>2</td><td><a id="p103619"></a>2</td><td><a id="p103620"></a>2</td><td><a id="p103621"></a>3</td><td><a id="p103622"></a>2</td><td><a id="p103623"></a>5</td><td><a id="p103624"></a>2</td><td><a id="p103625"></a>7</td><td><a id="p103626"></a>2</td><td><a id="p103627"></a>10</td><td><a id="p103628"></a>2</td><td><a id="p103629"></a>16</td><td><a id="p103630"></a>2</td><td><a id="p103631"></a>22</td><td><a id="p103632"></a>2</td><td><a id="p103633"></a>34</td><td><a id="p103634"></a>2</td><td><a id="p103635"></a>50</td></tr>
<tr><td><a id="p103636"></a>0,315</td><td><a id="p103637"></a>0,281 - 0,355</td><td><a id="p103638"></a>2</td><td><a id="p103639"></a>2</td><td><a id="p103640"></a>2</td><td><a id="p103641"></a>2</td><td><a id="p103642"></a>2</td><td><a id="p103643"></a>2</td><td><a id="p103644"></a>2</td><td><a id="p103645"></a>2</td><td><a id="p103646"></a>2</td><td><a id="p103647"></a>2</td><td><a id="p103648"></a>2</td><td><a id="p103649"></a>2</td><td><a id="p103650"></a>2</td><td><a id="p103651"></a>3</td><td><a id="p103652"></a>2</td><td><a id="p103653"></a>4</td><td><a id="p103654"></a>2</td><td><a id="p103655"></a>6</td><td><a id="p103656"></a>2</td><td><a id="p103657"></a>9</td><td><a id="p103658"></a>2</td><td><a id="p103659"></a>14</td><td><a id="p103660"></a>2</td><td><a id="p103661"></a>22</td><td><a id="p103662"></a>2</td><td><a id="p103663"></a>34</td><td><a id="p103664"></a>2</td><td><a id="p103665"></a>50</td></tr>
<tr><td><a id="p103666"></a>0,400</td><td><a id="p103667"></a>0,356 - 0,450</td><td><a id="p103668"></a>2</td><td><a id="p103669"></a>2</td><td><a id="p103670"></a>2</td><td><a id="p103671"></a>2</td><td><a id="p103672"></a>2</td><td><a id="p103673"></a>2</td><td><a id="p103674"></a>2</td><td><a id="p103675"></a>2</td><td><a id="p103676"></a>2</td><td><a id="p103677"></a>2</td><td><a id="p103678"></a>2</td><td><a id="p103679"></a>2</td><td><a id="p103680"></a>2</td><td><a id="p103681"></a>3</td><td><a id="p103682"></a>2</td><td><a id="p103683"></a>5</td><td><a id="p103684"></a>2</td><td><a id="p103685"></a>7</td><td><a id="p103686"></a>2</td><td><a id="p103687"></a>10</td><td><a id="p103688"></a>2</td><td><a id="p103689"></a>16</td><td><a id="p103690"></a>3</td><td><a id="p103691"></a>22</td><td><a id="p103692"></a>3</td><td><a id="p103693"></a>34</td><td><a id="p103694"></a>4</td><td><a id="p103695"></a>50</td></tr>
<tr><td><a id="p103696"></a>0,500</td><td><a id="p103697"></a>0,451 - 0,560</td><td><a id="p103698"></a>2</td><td><a id="p103699"></a>2</td><td><a id="p103700"></a>2</td><td><a id="p103701"></a>2</td><td><a id="p103702"></a>2</td><td><a id="p103703"></a>2</td><td><a id="p103704"></a>2</td><td><a id="p103705"></a>2</td><td><a id="p103706"></a>2</td><td><a id="p103707"></a>2</td><td><a id="p103708"></a>2</td><td><a id="p103709"></a>2</td><td><a id="p103710"></a>2</td><td><a id="p103711"></a>4</td><td><a id="p103712"></a>2</td><td><a id="p103713"></a>6</td><td><a id="p103714"></a>2</td><td><a id="p103715"></a>9</td><td><a id="p103716"></a>3</td><td><a id="p103717"></a>11</td><td><a id="p103718"></a>3</td><td><a id="p103719"></a>17</td><td><a id="p103720"></a>3</td><td><a id="p103721"></a>26</td><td><a id="p103722"></a>4</td><td><a id="p103723"></a>36</td><td colspan="2"><a id="p103724"></a>*</td></tr>
<tr><td><a id="p103725"></a>0,630</td><td><a id="p103726"></a>0,561 - 0,710</td><td><a id="p103727"></a>2</td><td><a id="p103728"></a>2</td><td><a id="p103729"></a>2</td><td><a id="p103730"></a>2</td><td><a id="p103731"></a>2</td><td><a id="p103732"></a>2</td><td><a id="p103733"></a>2</td><td><a id="p103734"></a>2</td><td><a id="p103735"></a>2</td><td><a id="p103736"></a>3</td><td><a id="p103737"></a>2</td><td><a id="p103738"></a>4</td><td><a id="p103739"></a>3</td><td><a id="p103740"></a>4</td><td><a id="p103741"></a>3</td><td><a id="p103742"></a>6</td><td><a id="p103743"></a>3</td><td><a id="p103744"></a>10</td><td><a id="p103745"></a>4</td><td><a id="p103746"></a>12</td><td><a id="p103747"></a>4</td><td><a id="p103748"></a>19</td><td><a id="p103749"></a>5</td><td><a id="p103750"></a>26</td><td><a id="p103751"></a>5</td><td><a id="p103752"></a>40</td><td colspan="2"><a id="p103753"></a>*</td></tr>
<tr><td><a id="p103754"></a>0,800</td><td><a id="p103755"></a>0,711 - 0,900</td><td><a id="p103756"></a>3</td><td><a id="p103757"></a>2</td><td><a id="p103758"></a>3</td><td><a id="p103759"></a>2</td><td><a id="p103760"></a>3</td><td><a id="p103761"></a>2</td><td><a id="p103762"></a>4</td><td><a id="p103763"></a>2</td><td><a id="p103764"></a>4</td><td><a id="p103765"></a>3</td><td><a id="p103766"></a>4</td><td><a id="p103767"></a>4</td><td><a id="p103768"></a>4</td><td><a id="p103769"></a>5</td><td><a id="p103770"></a>4</td><td><a id="p103771"></a>8</td><td><a id="p103772"></a>5</td><td><a id="p103773"></a>10</td><td><a id="p103774"></a>5</td><td><a id="p103775"></a>15</td><td><a id="p103776"></a>6</td><td><a id="p103777"></a>20</td><td><a id="p103778"></a>7</td><td><a id="p103779"></a>28</td><td><a id="p103780"></a>8</td><td><a id="p103781"></a>40</td><td colspan="2"><a id="p103782"></a>*</td></tr>
<tr><td><a id="p103783"></a>1,00</td><td><a id="p103784"></a>0,901 - 1,120</td><td><a id="p103785"></a>5</td><td><a id="p103786"></a>2</td><td><a id="p103787"></a>5</td><td><a id="p103788"></a>2</td><td><a id="p103789"></a>5</td><td><a id="p103790"></a>2</td><td><a id="p103791"></a>5</td><td><a id="p103792"></a>3</td><td><a id="p103793"></a>5</td><td><a id="p103794"></a>4</td><td><a id="p103795"></a>5</td><td><a id="p103796"></a>5</td><td><a id="p103797"></a>6</td><td><a id="p103798"></a>6</td><td><a id="p103799"></a>6</td><td><a id="p103800"></a>9</td><td><a id="p103801"></a>7</td><td><a id="p103802"></a>11</td><td><a id="p103803"></a>7</td><td><a id="p103804"></a>17</td><td><a id="p103805"></a>8</td><td><a id="p103806"></a>24</td><td><a id="p103807"></a>9</td><td><a id="p103808"></a>32</td><td><a id="p103809"></a>10</td><td><a id="p103810"></a>46</td><td colspan="2"><a id="p103811"></a>*</td></tr>
<tr><td><a id="p103812"></a>1,25</td><td><a id="p103813"></a>1,13 - 1,40</td><td><a id="p103814"></a>7</td><td><a id="p103815"></a>2</td><td><a id="p103816"></a>7</td><td><a id="p103817"></a>2</td><td><a id="p103818"></a>7</td><td><a id="p103819"></a>3</td><td><a id="p103820"></a>8</td><td><a id="p103821"></a>3</td><td><a id="p103822"></a>8</td><td><a id="p103823"></a>4</td><td><a id="p103824"></a>8</td><td><a id="p103825"></a>6</td><td><a id="p103826"></a>9</td><td><a id="p103827"></a>8</td><td><a id="p103828"></a>9</td><td><a id="p103829"></a>11</td><td><a id="p103830"></a>10</td><td><a id="p103831"></a>13</td><td><a id="p103832"></a>10</td><td><a id="p103833"></a>19</td><td><a id="p103834"></a>12</td><td><a id="p103835"></a>26</td><td><a id="p103836"></a>13</td><td><a id="p103837"></a>36</td><td><a id="p103838"></a>14</td><td><a id="p103839"></a>50</td><td colspan="2"><a id="p103840"></a>*</td></tr>
<tr><td><a id="p103841"></a>1,60</td><td><a id="p103842"></a>1,41 - 1,80</td><td><a id="p103843"></a>12</td><td><a id="p103844"></a>2</td><td><a id="p103845"></a>12</td><td><a id="p103846"></a>3</td><td><a id="p103847"></a>12</td><td><a id="p103848"></a>3</td><td><a id="p103849"></a>12</td><td><a id="p103850"></a>4</td><td><a id="p103851"></a>12</td><td><a id="p103852"></a>6</td><td><a id="p103853"></a>13</td><td><a id="p103854"></a>7</td><td><a id="p103855"></a>14</td><td><a id="p103856"></a>9</td><td><a id="p103857"></a>14</td><td><a id="p103858"></a>12</td><td><a id="p103859"></a>15</td><td><a id="p103860"></a>16</td><td><a id="p103861"></a>16</td><td><a id="p103862"></a>22</td><td><a id="p103863"></a>17</td><td><a id="p103864"></a>30</td><td><a id="p103865"></a>19</td><td><a id="p103866"></a>40</td><td colspan="2"><a id="p103867"></a>*</td><td colspan="2"><a id="p103868"></a>*</td></tr>
<tr><td><a id="p103869"></a>2,00</td><td><a id="p103870"></a>1,81 - 2,24</td><td><a id="p103871"></a>18</td><td><a id="p103872"></a>3</td><td><a id="p103873"></a>18</td><td><a id="p103874"></a>3</td><td><a id="p103875"></a>18</td><td><a id="p103876"></a>4</td><td><a id="p103877"></a>19</td><td><a id="p103878"></a>5</td><td><a id="p103879"></a>19</td><td><a id="p103880"></a>7</td><td><a id="p103881"></a>19</td><td><a id="p103882"></a>9</td><td><a id="p103883"></a>20</td><td><a id="p103884"></a>11</td><td><a id="p103885"></a>20</td><td><a id="p103886"></a>15</td><td><a id="p103887"></a>22</td><td><a id="p103888"></a>20</td><td><a id="p103889"></a>24</td><td><a id="p103890"></a>24</td><td><a id="p103891"></a>24</td><td><a id="p103892"></a>36</td><td><a id="p103893"></a>26</td><td><a id="p103894"></a>48</td><td colspan="2"><a id="p103895"></a>*</td><td colspan="2"><a id="p103896"></a>*</td></tr>
<tr><td><a id="p103897"></a>2,50</td><td><a id="p103898"></a>2,25 - 2,80</td><td><a id="p103899"></a>28</td><td><a id="p103900"></a>3</td><td><a id="p103901"></a>28</td><td><a id="p103902"></a>4</td><td><a id="p103903"></a>28</td><td><a id="p103904"></a>5</td><td><a id="p103905"></a>28</td><td><a id="p103906"></a>6</td><td><a id="p103907"></a>30</td><td><a id="p103908"></a>8</td><td><a id="p103909"></a>30</td><td><a id="p103910"></a>11</td><td><a id="p103911"></a>30</td><td><a id="p103912"></a>14</td><td><a id="p103913"></a>32</td><td><a id="p103914"></a>18</td><td><a id="p103915"></a>32</td><td><a id="p103916"></a>24</td><td><a id="p103917"></a>34</td><td><a id="p103918"></a>30</td><td><a id="p103919"></a>36</td><td><a id="p103920"></a>42</td><td colspan="2"><a id="p103921"></a>*</td><td colspan="2"><a id="p103922"></a>*</td><td colspan="2"><a id="p103923"></a>*</td></tr>
<tr><td><a id="p103924"></a>3,15</td><td><a id="p103925"></a>2,81 - 3,55</td><td><a id="p103926"></a>44</td><td><a id="p103927"></a>4</td><td><a id="p103928"></a>44</td><td><a id="p103929"></a>5</td><td><a id="p103930"></a>44</td><td><a id="p103931"></a>5</td><td><a id="p103932"></a>44</td><td><a id="p103933"></a>8</td><td><a id="p103934"></a>46</td><td><a id="p103935"></a>10</td><td><a id="p103936"></a>46</td><td><a id="p103937"></a>13</td><td><a id="p103938"></a>48</td><td><a id="p103939"></a>17</td><td><a id="p103940"></a>48</td><td><a id="p103941"></a>22</td><td><a id="p103942"></a>50</td><td><a id="p103943"></a>28</td><td><a id="p103944"></a>50</td><td><a id="p103945"></a>36</td><td colspan="2"><a id="p103946"></a>*</td><td colspan="2"><a id="p103947"></a>*</td><td colspan="2"><a id="p103948"></a>*</td><td colspan="2"><a id="p103949"></a>*</td></tr>
</table>


<a id="p103950"></a>Таблица 6C

<a id="p103951"></a>Уровень отношения затрат 3 для $R_{c} \approx 1,0$ 
из интервала от 0,57 до 1,7


<table>
<colgroup><col width="5%"><col width="11%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p103952"></a><img src="https://i.bukva.ai/IaUDWsE9/img_13.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p103953"></a>0,160</td><td colspan="2"><a id="p103954"></a>0,200</td><td colspan="2"><a id="p103955"></a>0,250</td><td colspan="2"><a id="p103956"></a>0,315</td><td colspan="2"><a id="p103957"></a>0,400</td><td colspan="2"><a id="p103958"></a>0,500</td><td colspan="2"><a id="p103959"></a>0,630</td><td colspan="2"><a id="p103960"></a>0,800</td><td colspan="2"><a id="p103961"></a>1,00</td><td colspan="2"><a id="p103962"></a>1,25</td><td colspan="2"><a id="p103963"></a>1,60</td><td colspan="2"><a id="p103964"></a>2,00</td><td colspan="2"><a id="p103965"></a>2,50</td><td colspan="2"><a id="p103966"></a>3,15</td></tr>
<tr><td><a id="p103967"></a>$n_{I}$</td><td><a id="p103968"></a>$n_{T}$</td><td><a id="p103969"></a>$n_{I}$</td><td><a id="p103970"></a>$n_{T}$</td><td><a id="p103971"></a>$n_{I}$</td><td><a id="p103972"></a>$n_{T}$</td><td><a id="p103973"></a>$n_{I}$</td><td><a id="p103974"></a>$n_{T}$</td><td><a id="p103975"></a>$n_{I}$</td><td><a id="p103976"></a>$n_{T}$</td><td><a id="p103977"></a>$n_{I}$</td><td><a id="p103978"></a>$n_{T}$</td><td><a id="p103979"></a>$n_{I}$</td><td><a id="p103980"></a>$n_{T}$</td><td><a id="p103981"></a>$n_{I}$</td><td><a id="p103982"></a>$n_{T}$</td><td><a id="p103983"></a>$n_{I}$</td><td><a id="p103984"></a>$n_{T}$</td><td><a id="p103985"></a>$n_{I}$</td><td><a id="p103986"></a>$n_{T}$</td><td><a id="p103987"></a>$n_{I}$</td><td><a id="p103988"></a>$n_{T}$</td><td><a id="p103989"></a>$n_{I}$</td><td><a id="p103990"></a>$n_{T}$</td><td><a id="p103991"></a>$n_{I}$</td><td><a id="p103992"></a>$n_{T}$</td><td><a id="p103993"></a>$n_{I}$</td><td><a id="p103994"></a>$n_{T}$</td></tr>
<tr><td><a id="p103995"></a>0,160</td><td><a id="p103996"></a>0,000 - 0,180</td><td><a id="p103997"></a>2</td><td><a id="p103998"></a>2</td><td><a id="p103999"></a>2</td><td><a id="p104000"></a>2</td><td><a id="p104001"></a>2</td><td><a id="p104002"></a>2</td><td><a id="p104003"></a>2</td><td><a id="p104004"></a>2</td><td><a id="p104005"></a>2</td><td><a id="p104006"></a>2</td><td><a id="p104007"></a>2</td><td><a id="p104008"></a>2</td><td><a id="p104009"></a>2</td><td><a id="p104010"></a>2</td><td><a id="p104011"></a>2</td><td><a id="p104012"></a>3</td><td><a id="p104013"></a>2</td><td><a id="p104014"></a>5</td><td><a id="p104015"></a>2</td><td><a id="p104016"></a>7</td><td><a id="p104017"></a>2</td><td><a id="p104018"></a>12</td><td><a id="p104019"></a>2</td><td><a id="p104020"></a>18</td><td><a id="p104021"></a>2</td><td><a id="p104022"></a>28</td><td><a id="p104023"></a>2</td><td><a id="p104024"></a>44</td></tr>
<tr><td><a id="p104025"></a>0,200</td><td><a id="p104026"></a>0,181 - 0,224</td><td><a id="p104027"></a>2</td><td><a id="p104028"></a>2</td><td><a id="p104029"></a>2</td><td><a id="p104030"></a>2</td><td><a id="p104031"></a>2</td><td><a id="p104032"></a>2</td><td><a id="p104033"></a>2</td><td><a id="p104034"></a>2</td><td><a id="p104035"></a>2</td><td><a id="p104036"></a>2</td><td><a id="p104037"></a>2</td><td><a id="p104038"></a>2</td><td><a id="p104039"></a>2</td><td><a id="p104040"></a>2</td><td><a id="p104041"></a>2</td><td><a id="p104042"></a>3</td><td><a id="p104043"></a>2</td><td><a id="p104044"></a>5</td><td><a id="p104045"></a>2</td><td><a id="p104046"></a>7</td><td><a id="p104047"></a>2</td><td><a id="p104048"></a>12</td><td><a id="p104049"></a>2</td><td><a id="p104050"></a>19</td><td><a id="p104051"></a>2</td><td><a id="p104052"></a>30</td><td><a id="p104053"></a>2</td><td><a id="p104054"></a>46</td></tr>
<tr><td><a id="p104055"></a>0,250</td><td><a id="p104056"></a>0,225 - 0,280</td><td><a id="p104057"></a>2</td><td><a id="p104058"></a>2</td><td><a id="p104059"></a>2</td><td><a id="p104060"></a>2</td><td><a id="p104061"></a>2</td><td><a id="p104062"></a>2</td><td><a id="p104063"></a>2</td><td><a id="p104064"></a>2</td><td><a id="p104065"></a>2</td><td><a id="p104066"></a>2</td><td><a id="p104067"></a>2</td><td><a id="p104068"></a>2</td><td><a id="p104069"></a>2</td><td><a id="p104070"></a>2</td><td><a id="p104071"></a>2</td><td><a id="p104072"></a>3</td><td><a id="p104073"></a>2</td><td><a id="p104074"></a>5</td><td><a id="p104075"></a>2</td><td><a id="p104076"></a>8</td><td><a id="p104077"></a>2</td><td><a id="p104078"></a>13</td><td><a id="p104079"></a>2</td><td><a id="p104080"></a>20</td><td><a id="p104081"></a>3</td><td><a id="p104082"></a>30</td><td><a id="p104083"></a>4</td><td><a id="p104084"></a>46</td></tr>
<tr><td><a id="p104085"></a>0,315</td><td><a id="p104086"></a>0,281 - 0,355</td><td><a id="p104087"></a>2</td><td><a id="p104088"></a>2</td><td><a id="p104089"></a>2</td><td><a id="p104090"></a>2</td><td><a id="p104091"></a>2</td><td><a id="p104092"></a>2</td><td><a id="p104093"></a>2</td><td><a id="p104094"></a>2</td><td><a id="p104095"></a>2</td><td><a id="p104096"></a>2</td><td><a id="p104097"></a>2</td><td><a id="p104098"></a>2</td><td><a id="p104099"></a>2</td><td><a id="p104100"></a>3</td><td><a id="p104101"></a>2</td><td><a id="p104102"></a>4</td><td><a id="p104103"></a>2</td><td><a id="p104104"></a>5</td><td><a id="p104105"></a>2</td><td><a id="p104106"></a>9</td><td><a id="p104107"></a>3</td><td><a id="p104108"></a>13</td><td><a id="p104109"></a>3</td><td><a id="p104110"></a>20</td><td><a id="p104111"></a>4</td><td><a id="p104112"></a>30</td><td><a id="p104113"></a>5</td><td><a id="p104114"></a>46</td></tr>
<tr><td><a id="p104115"></a>0,400</td><td><a id="p104116"></a>0,356 - 0,450</td><td><a id="p104117"></a>2</td><td><a id="p104118"></a>2</td><td><a id="p104119"></a>2</td><td><a id="p104120"></a>2</td><td><a id="p104121"></a>2</td><td><a id="p104122"></a>2</td><td><a id="p104123"></a>2</td><td><a id="p104124"></a>2</td><td><a id="p104125"></a>2</td><td><a id="p104126"></a>2</td><td><a id="p104127"></a>2</td><td><a id="p104128"></a>2</td><td><a id="p104129"></a>2</td><td><a id="p104130"></a>3</td><td><a id="p104131"></a>2</td><td><a id="p104132"></a>4</td><td><a id="p104133"></a>2</td><td><a id="p104134"></a>6</td><td><a id="p104135"></a>3</td><td><a id="p104136"></a>9</td><td><a id="p104137"></a>3</td><td><a id="p104138"></a>14</td><td><a id="p104139"></a>4</td><td><a id="p104140"></a>20</td><td><a id="p104141"></a>5</td><td><a id="p104142"></a>32</td><td><a id="p104143"></a>6</td><td><a id="p104144"></a>48</td></tr>
<tr><td><a id="p104145"></a>0,500</td><td><a id="p104146"></a>0,451 - 0,560</td><td><a id="p104147"></a>2</td><td><a id="p104148"></a>2</td><td><a id="p104149"></a>2</td><td><a id="p104150"></a>2</td><td><a id="p104151"></a>2</td><td><a id="p104152"></a>2</td><td><a id="p104153"></a>2</td><td><a id="p104154"></a>2</td><td><a id="p104155"></a>2</td><td><a id="p104156"></a>2</td><td><a id="p104157"></a>2</td><td><a id="p104158"></a>2</td><td><a id="p104159"></a>2</td><td><a id="p104160"></a>4</td><td><a id="p104161"></a>3</td><td><a id="p104162"></a>4</td><td><a id="p104163"></a>3</td><td><a id="p104164"></a>7</td><td><a id="p104165"></a>4</td><td><a id="p104166"></a>9</td><td><a id="p104167"></a>4</td><td><a id="p104168"></a>15</td><td><a id="p104169"></a>5</td><td><a id="p104170"></a>22</td><td><a id="p104171"></a>6</td><td><a id="p104172"></a>32</td><td><a id="p104173"></a>8</td><td><a id="p104174"></a>50</td></tr>
<tr><td><a id="p104175"></a>0,630</td><td><a id="p104176"></a>0,561 - 0,710</td><td><a id="p104177"></a>2</td><td><a id="p104178"></a>2</td><td><a id="p104179"></a>2</td><td><a id="p104180"></a>2</td><td><a id="p104181"></a>2</td><td><a id="p104182"></a>2</td><td><a id="p104183"></a>2</td><td><a id="p104184"></a>2</td><td><a id="p104185"></a>3</td><td><a id="p104186"></a>2</td><td><a id="p104187"></a>4</td><td><a id="p104188"></a>2</td><td><a id="p104189"></a>4</td><td><a id="p104190"></a>4</td><td><a id="p104191"></a>4</td><td><a id="p104192"></a>5</td><td><a id="p104193"></a>4</td><td><a id="p104194"></a>7</td><td><a id="p104195"></a>5</td><td><a id="p104196"></a>10</td><td><a id="p104197"></a>6</td><td><a id="p104198"></a>15</td><td><a id="p104199"></a>7</td><td><a id="p104200"></a>22</td><td><a id="p104201"></a>8</td><td><a id="p104202"></a>34</td><td><a id="p104203"></a>10</td><td><a id="p104204"></a>50</td></tr>
<tr><td><a id="p104205"></a>0,800</td><td><a id="p104206"></a>0,711 - 0,900</td><td><a id="p104207"></a>3</td><td><a id="p104208"></a>2</td><td><a id="p104209"></a>3</td><td><a id="p104210"></a>2</td><td><a id="p104211"></a>3</td><td><a id="p104212"></a>2</td><td><a id="p104213"></a>4</td><td><a id="p104214"></a>2</td><td><a id="p104215"></a>4</td><td><a id="p104216"></a>2</td><td><a id="p104217"></a>4</td><td><a id="p104218"></a>3</td><td><a id="p104219"></a>5</td><td><a id="p104220"></a>4</td><td><a id="p104221"></a>6</td><td><a id="p104222"></a>5</td><td><a id="p104223"></a>6</td><td><a id="p104224"></a>8</td><td><a id="p104225"></a>7</td><td><a id="p104226"></a>11</td><td><a id="p104227"></a>8</td><td><a id="p104228"></a>17</td><td><a id="p104229"></a>10</td><td><a id="p104230"></a>24</td><td><a id="p104231"></a>11</td><td><a id="p104232"></a>36</td><td colspan="2"><a id="p104233"></a>*</td></tr>
<tr><td><a id="p104234"></a>1,00</td><td><a id="p104235"></a>0,901 - 1,120</td><td><a id="p104236"></a>5</td><td><a id="p104237"></a>2</td><td><a id="p104238"></a>5</td><td><a id="p104239"></a>2</td><td><a id="p104240"></a>5</td><td><a id="p104241"></a>2</td><td><a id="p104242"></a>5</td><td><a id="p104243"></a>2</td><td><a id="p104244"></a>6</td><td><a id="p104245"></a>2</td><td><a id="p104246"></a>7</td><td><a id="p104247"></a>3</td><td><a id="p104248"></a>7</td><td><a id="p104249"></a>4</td><td><a id="p104250"></a>8</td><td><a id="p104251"></a>6</td><td><a id="p104252"></a>8</td><td><a id="p104253"></a>9</td><td><a id="p104254"></a>10</td><td><a id="p104255"></a>12</td><td><a id="p104256"></a>11</td><td><a id="p104257"></a>18</td><td><a id="p104258"></a>13</td><td><a id="p104259"></a>26</td><td><a id="p104260"></a>15</td><td><a id="p104261"></a>38</td><td colspan="2"><a id="p104262"></a>*</td></tr>
<tr><td><a id="p104263"></a>1,25</td><td><a id="p104264"></a>1,13 - 1,40</td><td><a id="p104265"></a>7</td><td><a id="p104266"></a>2</td><td><a id="p104267"></a>7</td><td><a id="p104268"></a>2</td><td><a id="p104269"></a>8</td><td><a id="p104270"></a>2</td><td><a id="p104271"></a>9</td><td><a id="p104272"></a>2</td><td><a id="p104273"></a>9</td><td><a id="p104274"></a>3</td><td><a id="p104275"></a>9</td><td><a id="p104276"></a>4</td><td><a id="p104277"></a>10</td><td><a id="p104278"></a>5</td><td><a id="p104279"></a>11</td><td><a id="p104280"></a>7</td><td><a id="p104281"></a>12</td><td><a id="p104282"></a>10</td><td><a id="p104283"></a>14</td><td><a id="p104284"></a>13</td><td><a id="p104285"></a>15</td><td><a id="p104286"></a>20</td><td><a id="p104287"></a>17</td><td><a id="p104288"></a>28</td><td><a id="p104289"></a>20</td><td><a id="p104290"></a>40</td><td colspan="2"><a id="p104291"></a>*</td></tr>
<tr><td><a id="p104292"></a>1,60</td><td><a id="p104293"></a>1,41 - 1,80</td><td><a id="p104294"></a>12</td><td><a id="p104295"></a>2</td><td><a id="p104296"></a>12</td><td><a id="p104297"></a>2</td><td><a id="p104298"></a>13</td><td><a id="p104299"></a>2</td><td><a id="p104300"></a>13</td><td><a id="p104301"></a>3</td><td><a id="p104302"></a>14</td><td><a id="p104303"></a>3</td><td><a id="p104304"></a>15</td><td><a id="p104305"></a>4</td><td><a id="p104306"></a>15</td><td><a id="p104307"></a>6</td><td><a id="p104308"></a>17</td><td><a id="p104309"></a>8</td><td><a id="p104310"></a>18</td><td><a id="p104311"></a>11</td><td><a id="p104312"></a>20</td><td><a id="p104313"></a>15</td><td><a id="p104314"></a>22</td><td><a id="p104315"></a>22</td><td><a id="p104316"></a>24</td><td><a id="p104317"></a>32</td><td><a id="p104318"></a>28</td><td><a id="p104319"></a>44</td><td colspan="2"><a id="p104320"></a>*</td></tr>
<tr><td><a id="p104321"></a>2,00</td><td><a id="p104322"></a>1,81 - 2,24</td><td><a id="p104323"></a>18</td><td><a id="p104324"></a>2</td><td><a id="p104325"></a>19</td><td><a id="p104326"></a>2</td><td><a id="p104327"></a>20</td><td><a id="p104328"></a>2</td><td><a id="p104329"></a>20</td><td><a id="p104330"></a>3</td><td><a id="p104331"></a>20</td><td><a id="p104332"></a>4</td><td><a id="p104333"></a>22</td><td><a id="p104334"></a>5</td><td><a id="p104335"></a>22</td><td><a id="p104336"></a>7</td><td><a id="p104337"></a>24</td><td><a id="p104338"></a>10</td><td><a id="p104339"></a>26</td><td><a id="p104340"></a>13</td><td><a id="p104341"></a>28</td><td><a id="p104342"></a>17</td><td><a id="p104343"></a>32</td><td><a id="p104344"></a>34</td><td><a id="p104345"></a>34</td><td><a id="p104346"></a>34</td><td><a id="p104347"></a>38</td><td><a id="p104348"></a>48</td><td colspan="2"><a id="p104349"></a>*</td></tr>
<tr><td><a id="p104350"></a>2,50</td><td><a id="p104351"></a>2,25 - 2,80</td><td><a id="p104352"></a>28</td><td><a id="p104353"></a>2</td><td><a id="p104354"></a>30</td><td><a id="p104355"></a>2</td><td><a id="p104356"></a>30</td><td><a id="p104357"></a>3</td><td><a id="p104358"></a>30</td><td><a id="p104359"></a>4</td><td><a id="p104360"></a>32</td><td><a id="p104361"></a>5</td><td><a id="p104362"></a>32</td><td><a id="p104363"></a>6</td><td><a id="p104364"></a>34</td><td><a id="p104365"></a>8</td><td><a id="p104366"></a>36</td><td><a id="p104367"></a>11</td><td><a id="p104368"></a>38</td><td><a id="p104369"></a>15</td><td><a id="p104370"></a>40</td><td><a id="p104371"></a>20</td><td><a id="p104372"></a>44</td><td><a id="p104373"></a>28</td><td><a id="p104374"></a>48</td><td><a id="p104375"></a>38</td><td colspan="2"><a id="p104376"></a>*</td><td colspan="2"><a id="p104377"></a>*</td></tr>
<tr><td><a id="p104378"></a>3,15</td><td><a id="p104379"></a>2,81 - 3,55</td><td><a id="p104380"></a>44</td><td><a id="p104381"></a>2</td><td><a id="p104382"></a>46</td><td><a id="p104383"></a>3</td><td><a id="p104384"></a>46</td><td><a id="p104385"></a>4</td><td><a id="p104386"></a>46</td><td><a id="p104387"></a>5</td><td><a id="p104388"></a>48</td><td><a id="p104389"></a>6</td><td><a id="p104390"></a>50</td><td><a id="p104391"></a>8</td><td><a id="p104392"></a>50</td><td><a id="p104393"></a>10</td><td colspan="2"><a id="p104394"></a>*</td><td colspan="2"><a id="p104395"></a>*</td><td colspan="2"><a id="p104396"></a>*</td><td colspan="2"><a id="p104397"></a>*</td><td colspan="2"><a id="p104398"></a>*</td><td colspan="2"><a id="p104399"></a>*</td><td colspan="2"><a id="p104400"></a>*</td></tr>
</table>


<a id="p104401"></a>Таблица 6D

<a id="p104402"></a>Уровень отношения затрат 4 для $R_{c} \approx 3,2$ 
из интервала от 1,8 до 5,6


<table>
<colgroup><col width="5%"><col width="11%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p104403"></a><img src="https://i.bukva.ai/IaUDWsE9/img_14.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p104404"></a>0,160</td><td colspan="2"><a id="p104405"></a>0,200</td><td colspan="2"><a id="p104406"></a>0,250</td><td colspan="2"><a id="p104407"></a>0,315</td><td colspan="2"><a id="p104408"></a>0,400</td><td colspan="2"><a id="p104409"></a>0,500</td><td colspan="2"><a id="p104410"></a>0,630</td><td colspan="2"><a id="p104411"></a>0,800</td><td colspan="2"><a id="p104412"></a>1,00</td><td colspan="2"><a id="p104413"></a>1,25</td><td colspan="2"><a id="p104414"></a>1,60</td><td colspan="2"><a id="p104415"></a>2,00</td><td colspan="2"><a id="p104416"></a>2,50</td><td colspan="2"><a id="p104417"></a>3,15</td></tr>
<tr><td><a id="p104418"></a>$n_{I}$</td><td><a id="p104419"></a>$n_{T}$</td><td><a id="p104420"></a>$n_{I}$</td><td><a id="p104421"></a>$n_{T}$</td><td><a id="p104422"></a>$n_{I}$</td><td><a id="p104423"></a>$n_{T}$</td><td><a id="p104424"></a>$n_{I}$</td><td><a id="p104425"></a>$n_{T}$</td><td><a id="p104426"></a>$n_{I}$</td><td><a id="p104427"></a>$n_{T}$</td><td><a id="p104428"></a>$n_{I}$</td><td><a id="p104429"></a>$n_{T}$</td><td><a id="p104430"></a>$n_{I}$</td><td><a id="p104431"></a>$n_{T}$</td><td><a id="p104432"></a>$n_{I}$</td><td><a id="p104433"></a>$n_{T}$</td><td><a id="p104434"></a>$n_{I}$</td><td><a id="p104435"></a>$n_{T}$</td><td><a id="p104436"></a>$n_{I}$</td><td><a id="p104437"></a>$n_{T}$</td><td><a id="p104438"></a>$n_{I}$</td><td><a id="p104439"></a>$n_{T}$</td><td><a id="p104440"></a>$n_{I}$</td><td><a id="p104441"></a>$n_{T}$</td><td><a id="p104442"></a>$n_{I}$</td><td><a id="p104443"></a>$n_{T}$</td><td><a id="p104444"></a>$n_{I}$</td><td><a id="p104445"></a>$n_{T}$</td></tr>
<tr><td><a id="p104446"></a>0,160</td><td><a id="p104447"></a>0,000 - 0,180</td><td><a id="p104448"></a>2</td><td><a id="p104449"></a>2</td><td><a id="p104450"></a>2</td><td><a id="p104451"></a>2</td><td><a id="p104452"></a>2</td><td><a id="p104453"></a>2</td><td><a id="p104454"></a>2</td><td><a id="p104455"></a>2</td><td><a id="p104456"></a>2</td><td><a id="p104457"></a>2</td><td><a id="p104458"></a>2</td><td><a id="p104459"></a>2</td><td><a id="p104460"></a>2</td><td><a id="p104461"></a>2</td><td><a id="p104462"></a>2</td><td><a id="p104463"></a>3</td><td><a id="p104464"></a>2</td><td><a id="p104465"></a>5</td><td><a id="p104466"></a>2</td><td><a id="p104467"></a>7</td><td><a id="p104468"></a>2</td><td><a id="p104469"></a>12</td><td><a id="p104470"></a>3</td><td><a id="p104471"></a>18</td><td><a id="p104472"></a>3</td><td><a id="p104473"></a>28</td><td><a id="p104474"></a>4</td><td><a id="p104475"></a>44</td></tr>
<tr><td><a id="p104476"></a>0,200</td><td><a id="p104477"></a>0,181 - 0,224</td><td><a id="p104478"></a>2</td><td><a id="p104479"></a>2</td><td><a id="p104480"></a>2</td><td><a id="p104481"></a>2</td><td><a id="p104482"></a>2</td><td><a id="p104483"></a>2</td><td><a id="p104484"></a>2</td><td><a id="p104485"></a>2</td><td><a id="p104486"></a>2</td><td><a id="p104487"></a>2</td><td><a id="p104488"></a>2</td><td><a id="p104489"></a>2</td><td><a id="p104490"></a>2</td><td><a id="p104491"></a>2</td><td><a id="p104492"></a>2</td><td><a id="p104493"></a>3</td><td><a id="p104494"></a>2</td><td><a id="p104495"></a>5</td><td><a id="p104496"></a>2</td><td><a id="p104497"></a>7</td><td><a id="p104498"></a>3</td><td><a id="p104499"></a>12</td><td><a id="p104500"></a>3</td><td><a id="p104501"></a>18</td><td><a id="p104502"></a>4</td><td><a id="p104503"></a>28</td><td><a id="p104504"></a>5</td><td><a id="p104505"></a>44</td></tr>
<tr><td><a id="p104506"></a>0,250</td><td><a id="p104507"></a>0,225 - 0,280</td><td><a id="p104508"></a>2</td><td><a id="p104509"></a>2</td><td><a id="p104510"></a>2</td><td><a id="p104511"></a>2</td><td><a id="p104512"></a>2</td><td><a id="p104513"></a>2</td><td><a id="p104514"></a>2</td><td><a id="p104515"></a>2</td><td><a id="p104516"></a>2</td><td><a id="p104517"></a>2</td><td><a id="p104518"></a>2</td><td><a id="p104519"></a>2</td><td><a id="p104520"></a>2</td><td><a id="p104521"></a>2</td><td><a id="p104522"></a>2</td><td><a id="p104523"></a>3</td><td><a id="p104524"></a>2</td><td><a id="p104525"></a>5</td><td><a id="p104526"></a>3</td><td><a id="p104527"></a>7</td><td><a id="p104528"></a>3</td><td><a id="p104529"></a>12</td><td><a id="p104530"></a>4</td><td><a id="p104531"></a>18</td><td><a id="p104532"></a>5</td><td><a id="p104533"></a>28</td><td><a id="p104534"></a>6</td><td><a id="p104535"></a>44</td></tr>
<tr><td><a id="p104536"></a>0,315</td><td><a id="p104537"></a>0,281 - 0,355</td><td><a id="p104538"></a>2</td><td><a id="p104539"></a>2</td><td><a id="p104540"></a>2</td><td><a id="p104541"></a>2</td><td><a id="p104542"></a>2</td><td><a id="p104543"></a>2</td><td><a id="p104544"></a>2</td><td><a id="p104545"></a>2</td><td><a id="p104546"></a>2</td><td><a id="p104547"></a>2</td><td><a id="p104548"></a>2</td><td><a id="p104549"></a>2</td><td><a id="p104550"></a>2</td><td><a id="p104551"></a>3</td><td><a id="p104552"></a>2</td><td><a id="p104553"></a>4</td><td><a id="p104554"></a>3</td><td><a id="p104555"></a>5</td><td><a id="p104556"></a>3</td><td><a id="p104557"></a>8</td><td><a id="p104558"></a>4</td><td><a id="p104559"></a>12</td><td><a id="p104560"></a>5</td><td><a id="p104561"></a>19</td><td><a id="p104562"></a>6</td><td><a id="p104563"></a>28</td><td><a id="p104564"></a>8</td><td><a id="p104565"></a>44</td></tr>
<tr><td><a id="p104566"></a>0,400</td><td><a id="p104567"></a>0,356 - 0,450</td><td><a id="p104568"></a>2</td><td><a id="p104569"></a>2</td><td><a id="p104570"></a>2</td><td><a id="p104571"></a>2</td><td><a id="p104572"></a>2</td><td><a id="p104573"></a>2</td><td><a id="p104574"></a>2</td><td><a id="p104575"></a>2</td><td><a id="p104576"></a>2</td><td><a id="p104577"></a>2</td><td><a id="p104578"></a>2</td><td><a id="p104579"></a>2</td><td><a id="p104580"></a>3</td><td><a id="p104581"></a>2</td><td><a id="p104582"></a>3</td><td><a id="p104583"></a>4</td><td><a id="p104584"></a>4</td><td><a id="p104585"></a>5</td><td><a id="p104586"></a>4</td><td><a id="p104587"></a>8</td><td><a id="p104588"></a>6</td><td><a id="p104589"></a>12</td><td><a id="p104590"></a>7</td><td><a id="p104591"></a>19</td><td><a id="p104592"></a>8</td><td><a id="p104593"></a>30</td><td><a id="p104594"></a>10</td><td><a id="p104595"></a>46</td></tr>
<tr><td><a id="p104596"></a>0,500</td><td><a id="p104597"></a>0,451 - 0,560</td><td><a id="p104598"></a>2</td><td><a id="p104599"></a>2</td><td><a id="p104600"></a>2</td><td><a id="p104601"></a>2</td><td><a id="p104602"></a>2</td><td><a id="p104603"></a>2</td><td><a id="p104604"></a>2</td><td><a id="p104605"></a>2</td><td><a id="p104606"></a>2</td><td><a id="p104607"></a>2</td><td><a id="p104608"></a>2</td><td><a id="p104609"></a>2</td><td><a id="p104610"></a>4</td><td><a id="p104611"></a>2</td><td><a id="p104612"></a>4</td><td><a id="p104613"></a>4</td><td><a id="p104614"></a>5</td><td><a id="p104615"></a>5</td><td><a id="p104616"></a>6</td><td><a id="p104617"></a>8</td><td><a id="p104618"></a>7</td><td><a id="p104619"></a>13</td><td><a id="p104620"></a>9</td><td><a id="p104621"></a>19</td><td><a id="p104622"></a>11</td><td><a id="p104623"></a>30</td><td><a id="p104624"></a>13</td><td><a id="p104625"></a>46</td></tr>
<tr><td><a id="p104626"></a>0,630</td><td><a id="p104627"></a>0,561 - 0,710</td><td><a id="p104628"></a>2</td><td><a id="p104629"></a>2</td><td><a id="p104630"></a>2</td><td><a id="p104631"></a>2</td><td><a id="p104632"></a>2</td><td><a id="p104633"></a>2</td><td><a id="p104634"></a>3</td><td><a id="p104635"></a>2</td><td><a id="p104636"></a>3</td><td><a id="p104637"></a>2</td><td><a id="p104638"></a>4</td><td><a id="p104639"></a>2</td><td><a id="p104640"></a>4</td><td><a id="p104641"></a>3</td><td><a id="p104642"></a>5</td><td><a id="p104643"></a>4</td><td><a id="p104644"></a>6</td><td><a id="p104645"></a>6</td><td><a id="p104646"></a>8</td><td><a id="p104647"></a>9</td><td><a id="p104648"></a>9</td><td><a id="p104649"></a>14</td><td><a id="p104650"></a>11</td><td><a id="p104651"></a>20</td><td><a id="p104652"></a>14</td><td><a id="p104653"></a>32</td><td><a id="p104654"></a>17</td><td><a id="p104655"></a>48</td></tr>
<tr><td><a id="p104656"></a>0,800</td><td><a id="p104657"></a>0,711 - 0,900</td><td><a id="p104658"></a>3</td><td><a id="p104659"></a>2</td><td><a id="p104660"></a>3</td><td><a id="p104661"></a>2</td><td><a id="p104662"></a>4</td><td><a id="p104663"></a>2</td><td><a id="p104664"></a>4</td><td><a id="p104665"></a>2</td><td><a id="p104666"></a>5</td><td><a id="p104667"></a>2</td><td><a id="p104668"></a>6</td><td><a id="p104669"></a>2</td><td><a id="p104670"></a>6</td><td><a id="p104671"></a>3</td><td><a id="p104672"></a>8</td><td><a id="p104673"></a>4</td><td><a id="p104674"></a>9</td><td><a id="p104675"></a>6</td><td><a id="p104676"></a>11</td><td><a id="p104677"></a>9</td><td><a id="p104678"></a>12</td><td><a id="p104679"></a>14</td><td><a id="p104680"></a>15</td><td><a id="p104681"></a>20</td><td><a id="p104682"></a>18</td><td><a id="p104683"></a>32</td><td><a id="p104684"></a>22</td><td><a id="p104685"></a>48</td></tr>
<tr><td><a id="p104686"></a>1,00</td><td><a id="p104687"></a>0,901 - 1,120</td><td><a id="p104688"></a>5</td><td><a id="p104689"></a>2</td><td><a id="p104690"></a>5</td><td><a id="p104691"></a>2</td><td><a id="p104692"></a>6</td><td><a id="p104693"></a>2</td><td><a id="p104694"></a>6</td><td><a id="p104695"></a>2</td><td><a id="p104696"></a>7</td><td><a id="p104697"></a>2</td><td><a id="p104698"></a>9</td><td><a id="p104699"></a>2</td><td><a id="p104700"></a>10</td><td><a id="p104701"></a>3</td><td><a id="p104702"></a>10</td><td><a id="p104703"></a>5</td><td><a id="p104704"></a>11</td><td><a id="p104705"></a>7</td><td><a id="p104706"></a>18</td><td><a id="p104707"></a>10</td><td><a id="p104708"></a>16</td><td><a id="p104709"></a>15</td><td><a id="p104710"></a>20</td><td><a id="p104711"></a>22</td><td><a id="p104712"></a>24</td><td><a id="p104713"></a>32</td><td><a id="p104714"></a>28</td><td><a id="p104715"></a>50</td></tr>
<tr><td><a id="p104716"></a>1,25</td><td><a id="p104717"></a>1,13 - 1,40</td><td><a id="p104718"></a>8</td><td><a id="p104719"></a>2</td><td><a id="p104720"></a>8</td><td><a id="p104721"></a>2</td><td><a id="p104722"></a>9</td><td><a id="p104723"></a>2</td><td><a id="p104724"></a>9</td><td><a id="p104725"></a>2</td><td><a id="p104726"></a>10</td><td><a id="p104727"></a>2</td><td><a id="p104728"></a>11</td><td><a id="p104729"></a>3</td><td><a id="p104730"></a>12</td><td><a id="p104731"></a>4</td><td><a id="p104732"></a>15</td><td><a id="p104733"></a>5</td><td><a id="p104734"></a>17</td><td><a id="p104735"></a>7</td><td><a id="p104736"></a>19</td><td><a id="p104737"></a>10</td><td><a id="p104738"></a>22</td><td><a id="p104739"></a>16</td><td><a id="p104740"></a>24</td><td><a id="p104741"></a>24</td><td><a id="p104742"></a>30</td><td><a id="p104743"></a>34</td><td><a id="p104744"></a>36</td><td><a id="p104745"></a>50</td></tr>
<tr><td><a id="p104746"></a>1,60</td><td><a id="p104747"></a>1,41 - 1,80</td><td><a id="p104748"></a>12</td><td><a id="p104749"></a>2</td><td><a id="p104750"></a>13</td><td><a id="p104751"></a>2</td><td><a id="p104752"></a>14</td><td><a id="p104753"></a>2</td><td><a id="p104754"></a>14</td><td><a id="p104755"></a>2</td><td><a id="p104756"></a>16</td><td><a id="p104757"></a>2</td><td><a id="p104758"></a>17</td><td><a id="p104759"></a>3</td><td><a id="p104760"></a>19</td><td><a id="p104761"></a>4</td><td><a id="p104762"></a>20</td><td><a id="p104763"></a>6</td><td><a id="p104764"></a>24</td><td><a id="p104765"></a>8</td><td><a id="p104766"></a>26</td><td><a id="p104767"></a>12</td><td><a id="p104768"></a>30</td><td><a id="p104769"></a>17</td><td><a id="p104770"></a>36</td><td><a id="p104771"></a>24</td><td><a id="p104772"></a>42</td><td><a id="p104773"></a>36</td><td colspan="2"><a id="p104774"></a>*</td></tr>
<tr><td><a id="p104775"></a>2,00</td><td><a id="p104776"></a>1,81 - 2,24</td><td><a id="p104777"></a>19</td><td><a id="p104778"></a>2</td><td><a id="p104779"></a>20</td><td><a id="p104780"></a>2</td><td><a id="p104781"></a>20</td><td><a id="p104782"></a>2</td><td><a id="p104783"></a>22</td><td><a id="p104784"></a>2</td><td><a id="p104785"></a>22</td><td><a id="p104786"></a>3</td><td><a id="p104787"></a>26</td><td><a id="p104788"></a>3</td><td><a id="p104789"></a>26</td><td><a id="p104790"></a>5</td><td><a id="p104791"></a>28</td><td><a id="p104792"></a>7</td><td><a id="p104793"></a>32</td><td><a id="p104794"></a>9</td><td><a id="p104795"></a>36</td><td><a id="p104796"></a>13</td><td><a id="p104797"></a>40</td><td><a id="p104798"></a>19</td><td><a id="p104799"></a>48</td><td><a id="p104800"></a>26</td><td colspan="2"><a id="p104801"></a>*</td><td colspan="2"><a id="p104802"></a>*</td></tr>
<tr><td><a id="p104803"></a>2,50</td><td><a id="p104804"></a>2,25 - 2,80</td><td><a id="p104805"></a>28</td><td><a id="p104806"></a>2</td><td><a id="p104807"></a>30</td><td><a id="p104808"></a>2</td><td><a id="p104809"></a>30</td><td><a id="p104810"></a>2</td><td><a id="p104811"></a>34</td><td><a id="p104812"></a>2</td><td><a id="p104813"></a>34</td><td><a id="p104814"></a>3</td><td><a id="p104815"></a>36</td><td><a id="p104816"></a>4</td><td><a id="p104817"></a>40</td><td><a id="p104818"></a>5</td><td><a id="p104819"></a>40</td><td><a id="p104820"></a>8</td><td><a id="p104821"></a>46</td><td><a id="p104822"></a>10</td><td><a id="p104823"></a>50</td><td><a id="p104824"></a>14</td><td colspan="2"><a id="p104825"></a>*</td><td colspan="2"><a id="p104826"></a>*</td><td colspan="2"><a id="p104827"></a>*</td><td colspan="2"><a id="p104828"></a>*</td></tr>
<tr><td><a id="p104829"></a>3,15</td><td><a id="p104830"></a>2,81 - 3,55</td><td><a id="p104831"></a>46</td><td><a id="p104832"></a>2</td><td><a id="p104833"></a>46</td><td><a id="p104834"></a>2</td><td><a id="p104835"></a>50</td><td><a id="p104836"></a>2</td><td><a id="p104837"></a>50</td><td><a id="p104838"></a>3</td><td><a id="p104839"></a>50</td><td><a id="p104840"></a>4</td><td colspan="2"><a id="p104841"></a>*</td><td colspan="2"><a id="p104842"></a>*</td><td colspan="2"><a id="p104843"></a>*</td><td colspan="2"><a id="p104844"></a>*</td><td colspan="2"><a id="p104845"></a>*</td><td colspan="2"><a id="p104846"></a>*</td><td colspan="2"><a id="p104847"></a>*</td><td colspan="2"><a id="p104848"></a>*</td><td colspan="2"><a id="p104849"></a>*</td></tr>
</table>


<a id="p104850"></a>Таблица 6E

<a id="p104851"></a>Уровень отношения затрат 5 для $R_{c} \approx 10$ 
из интервала от 5,7 и более


<table>
<colgroup><col width="5%"><col width="11%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p104852"></a><img src="https://i.bukva.ai/IaUDWsE9/img_15.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p104853"></a>0,160</td><td colspan="2"><a id="p104854"></a>0,200</td><td colspan="2"><a id="p104855"></a>0,250</td><td colspan="2"><a id="p104856"></a>0,315</td><td colspan="2"><a id="p104857"></a>0,400</td><td colspan="2"><a id="p104858"></a>0,500</td><td colspan="2"><a id="p104859"></a>0,630</td><td colspan="2"><a id="p104860"></a>0,800</td><td colspan="2"><a id="p104861"></a>1,00</td><td colspan="2"><a id="p104862"></a>1,25</td><td colspan="2"><a id="p104863"></a>1,60</td><td colspan="2"><a id="p104864"></a>2,00</td><td colspan="2"><a id="p104865"></a>2,50</td><td colspan="2"><a id="p104866"></a>3,15</td></tr>
<tr><td><a id="p104867"></a>$n_{I}$</td><td><a id="p104868"></a>$n_{T}$</td><td><a id="p104869"></a>$n_{I}$</td><td><a id="p104870"></a>$n_{T}$</td><td><a id="p104871"></a>$n_{I}$</td><td><a id="p104872"></a>$n_{T}$</td><td><a id="p104873"></a>$n_{I}$</td><td><a id="p104874"></a>$n_{T}$</td><td><a id="p104875"></a>$n_{I}$</td><td><a id="p104876"></a>$n_{T}$</td><td><a id="p104877"></a>$n_{I}$</td><td><a id="p104878"></a>$n_{T}$</td><td><a id="p104879"></a>$n_{I}$</td><td><a id="p104880"></a>$n_{T}$</td><td><a id="p104881"></a>$n_{I}$</td><td><a id="p104882"></a>$n_{T}$</td><td><a id="p104883"></a>$n_{I}$</td><td><a id="p104884"></a>$n_{T}$</td><td><a id="p104885"></a>$n_{I}$</td><td><a id="p104886"></a>$n_{T}$</td><td><a id="p104887"></a>$n_{I}$</td><td><a id="p104888"></a>$n_{T}$</td><td><a id="p104889"></a>$n_{I}$</td><td><a id="p104890"></a>$n_{T}$</td><td><a id="p104891"></a>$n_{I}$</td><td><a id="p104892"></a>$n_{T}$</td><td><a id="p104893"></a>$n_{I}$</td><td><a id="p104894"></a>$n_{T}$</td></tr>
<tr><td><a id="p104895"></a>0,160</td><td><a id="p104896"></a>0,000 - 0,180</td><td><a id="p104897"></a>2</td><td><a id="p104898"></a>2</td><td><a id="p104899"></a>2</td><td><a id="p104900"></a>2</td><td><a id="p104901"></a>2</td><td><a id="p104902"></a>2</td><td><a id="p104903"></a>2</td><td><a id="p104904"></a>2</td><td><a id="p104905"></a>2</td><td><a id="p104906"></a>2</td><td><a id="p104907"></a>2</td><td><a id="p104908"></a>2</td><td><a id="p104909"></a>2</td><td><a id="p104910"></a>2</td><td><a id="p104911"></a>2</td><td><a id="p104912"></a>3</td><td><a id="p104913"></a>2</td><td><a id="p104914"></a>5</td><td><a id="p104915"></a>3</td><td><a id="p104916"></a>7</td><td><a id="p104917"></a>4</td><td><a id="p104918"></a>11</td><td><a id="p104919"></a>4</td><td><a id="p104920"></a>18</td><td><a id="p104921"></a>6</td><td><a id="p104922"></a>28</td><td><a id="p104923"></a>7</td><td><a id="p104924"></a>44</td></tr>
<tr><td><a id="p104925"></a>0,200</td><td><a id="p104926"></a>0,181 - 0,224</td><td><a id="p104927"></a>2</td><td><a id="p104928"></a>2</td><td><a id="p104929"></a>2</td><td><a id="p104930"></a>2</td><td><a id="p104931"></a>2</td><td><a id="p104932"></a>2</td><td><a id="p104933"></a>2</td><td><a id="p104934"></a>2</td><td><a id="p104935"></a>2</td><td><a id="p104936"></a>2</td><td><a id="p104937"></a>2</td><td><a id="p104938"></a>2</td><td><a id="p104939"></a>2</td><td><a id="p104940"></a>2</td><td><a id="p104941"></a>2</td><td><a id="p104942"></a>3</td><td><a id="p104943"></a>3</td><td><a id="p104944"></a>5</td><td><a id="p104945"></a>4</td><td><a id="p104946"></a>7</td><td><a id="p104947"></a>5</td><td><a id="p104948"></a>11</td><td><a id="p104949"></a>6</td><td><a id="p104950"></a>18</td><td><a id="p104951"></a>7</td><td><a id="p104952"></a>28</td><td><a id="p104953"></a>9</td><td><a id="p104954"></a>44</td></tr>
<tr><td><a id="p104955"></a>0,250</td><td><a id="p104956"></a>0,225 - 0,280</td><td><a id="p104957"></a>2</td><td><a id="p104958"></a>2</td><td><a id="p104959"></a>2</td><td><a id="p104960"></a>2</td><td><a id="p104961"></a>2</td><td><a id="p104962"></a>2</td><td><a id="p104963"></a>2</td><td><a id="p104964"></a>2</td><td><a id="p104965"></a>2</td><td><a id="p104966"></a>2</td><td><a id="p104967"></a>2</td><td><a id="p104968"></a>2</td><td><a id="p104969"></a>2</td><td><a id="p104970"></a>2</td><td><a id="p104971"></a>3</td><td><a id="p104972"></a>3</td><td><a id="p104973"></a>4</td><td><a id="p104974"></a>5</td><td><a id="p104975"></a>4</td><td><a id="p104976"></a>7</td><td><a id="p104977"></a>6</td><td><a id="p104978"></a>11</td><td><a id="p104979"></a>7</td><td><a id="p104980"></a>18</td><td><a id="p104981"></a>9</td><td><a id="p104982"></a>28</td><td><a id="p104983"></a>11</td><td><a id="p104984"></a>44</td></tr>
<tr><td><a id="p104985"></a>0,315</td><td><a id="p104986"></a>0,281 - 0,355</td><td><a id="p104987"></a>2</td><td><a id="p104988"></a>2</td><td><a id="p104989"></a>2</td><td><a id="p104990"></a>2</td><td><a id="p104991"></a>2</td><td><a id="p104992"></a>2</td><td><a id="p104993"></a>2</td><td><a id="p104994"></a>2</td><td><a id="p104995"></a>2</td><td><a id="p104996"></a>2</td><td><a id="p104997"></a>2</td><td><a id="p104998"></a>2</td><td><a id="p104999"></a>3</td><td><a id="p105000"></a>2</td><td><a id="p105001"></a>4</td><td><a id="p105002"></a>3</td><td><a id="p105003"></a>5</td><td><a id="p105004"></a>5</td><td><a id="p105005"></a>6</td><td><a id="p105006"></a>7</td><td><a id="p105007"></a>7</td><td><a id="p105008"></a>12</td><td><a id="p105009"></a>9</td><td><a id="p105010"></a>18</td><td><a id="p105011"></a>11</td><td><a id="p105012"></a>28</td><td><a id="p105013"></a>14</td><td><a id="p105014"></a>44</td></tr>
<tr><td><a id="p105015"></a>0,400</td><td><a id="p105016"></a>0,356 - 0,450</td><td><a id="p105017"></a>2</td><td><a id="p105018"></a>2</td><td><a id="p105019"></a>2</td><td><a id="p105020"></a>2</td><td><a id="p105021"></a>2</td><td><a id="p105022"></a>2</td><td><a id="p105023"></a>2</td><td><a id="p105024"></a>2</td><td><a id="p105025"></a>2</td><td><a id="p105026"></a>2</td><td><a id="p105027"></a>3</td><td><a id="p105028"></a>2</td><td><a id="p105029"></a>5</td><td><a id="p105030"></a>2</td><td><a id="p105031"></a>6</td><td><a id="p105032"></a>3</td><td><a id="p105033"></a>6</td><td><a id="p105034"></a>5</td><td><a id="p105035"></a>8</td><td><a id="p105036"></a>7</td><td><a id="p105037"></a>9</td><td><a id="p105038"></a>12</td><td><a id="p105039"></a>12</td><td><a id="p105040"></a>18</td><td><a id="p105041"></a>14</td><td><a id="p105042"></a>28</td><td><a id="p105043"></a>18</td><td><a id="p105044"></a>44</td></tr>
<tr><td><a id="p105045"></a>0,500</td><td><a id="p105046"></a>0,451 - 0,560</td><td><a id="p105047"></a>2</td><td><a id="p105048"></a>2</td><td><a id="p105049"></a>2</td><td><a id="p105050"></a>2</td><td><a id="p105051"></a>2</td><td><a id="p105052"></a>2</td><td><a id="p105053"></a>3</td><td><a id="p105054"></a>2</td><td><a id="p105055"></a>3</td><td><a id="p105056"></a>2</td><td><a id="p105057"></a>4</td><td><a id="p105058"></a>2</td><td><a id="p105059"></a>6</td><td><a id="p105060"></a>2</td><td><a id="p105061"></a>7</td><td><a id="p105062"></a>3</td><td><a id="p105063"></a>7</td><td><a id="p105064"></a>5</td><td><a id="p105065"></a>9</td><td><a id="p105066"></a>8</td><td><a id="p105067"></a>12</td><td><a id="p105068"></a>12</td><td><a id="p105069"></a>15</td><td><a id="p105070"></a>18</td><td><a id="p105071"></a>18</td><td><a id="p105072"></a>28</td><td><a id="p105073"></a>22</td><td><a id="p105074"></a>44</td></tr>
<tr><td><a id="p105075"></a>0,630</td><td><a id="p105076"></a>0,561 - 0,710</td><td><a id="p105077"></a>3</td><td><a id="p105078"></a>2</td><td><a id="p105079"></a>3</td><td><a id="p105080"></a>2</td><td><a id="p105081"></a>3</td><td><a id="p105082"></a>2</td><td><a id="p105083"></a>4</td><td><a id="p105084"></a>2</td><td><a id="p105085"></a>5</td><td><a id="p105086"></a>2</td><td><a id="p105087"></a>5</td><td><a id="p105088"></a>2</td><td><a id="p105089"></a>8</td><td><a id="p105090"></a>2</td><td><a id="p105091"></a>9</td><td><a id="p105092"></a>3</td><td><a id="p105093"></a>11</td><td><a id="p105094"></a>5</td><td><a id="p105095"></a>12</td><td><a id="p105096"></a>8</td><td><a id="p105097"></a>16</td><td><a id="p105098"></a>12</td><td><a id="p105099"></a>19</td><td><a id="p105100"></a>19</td><td><a id="p105101"></a>24</td><td><a id="p105102"></a>28</td><td><a id="p105103"></a>28</td><td><a id="p105104"></a>46</td></tr>
<tr><td><a id="p105105"></a>0,800</td><td><a id="p105106"></a>0,711 - 0,900</td><td><a id="p105107"></a>4</td><td><a id="p105108"></a>2</td><td><a id="p105109"></a>4</td><td><a id="p105110"></a>2</td><td><a id="p105111"></a>5</td><td><a id="p105112"></a>2</td><td><a id="p105113"></a>6</td><td><a id="p105114"></a>2</td><td><a id="p105115"></a>7</td><td><a id="p105116"></a>2</td><td><a id="p105117"></a>8</td><td><a id="p105118"></a>2</td><td><a id="p105119"></a>10</td><td><a id="p105120"></a>2</td><td><a id="p105121"></a>11</td><td><a id="p105122"></a>4</td><td><a id="p105123"></a>14</td><td><a id="p105124"></a>5</td><td><a id="p105125"></a>17</td><td><a id="p105126"></a>8</td><td><a id="p105127"></a>20</td><td><a id="p105128"></a>13</td><td><a id="p105129"></a>26</td><td><a id="p105130"></a>19</td><td><a id="p105131"></a>28</td><td><a id="p105132"></a>30</td><td><a id="p105133"></a>36</td><td><a id="p105134"></a>46</td></tr>
<tr><td><a id="p105135"></a>1,00</td><td><a id="p105136"></a>0,901 - 1,120</td><td><a id="p105137"></a>6</td><td><a id="p105138"></a>2</td><td><a id="p105139"></a>6</td><td><a id="p105140"></a>2</td><td><a id="p105141"></a>7</td><td><a id="p105142"></a>2</td><td><a id="p105143"></a>8</td><td><a id="p105144"></a>2</td><td><a id="p105145"></a>9</td><td><a id="p105146"></a>2</td><td><a id="p105147"></a>11</td><td><a id="p105148"></a>2</td><td><a id="p105149"></a>12</td><td><a id="p105150"></a>3</td><td><a id="p105151"></a>15</td><td><a id="p105152"></a>4</td><td><a id="p105153"></a>17</td><td><a id="p105154"></a>6</td><td><a id="p105155"></a>22</td><td><a id="p105156"></a>8</td><td><a id="p105157"></a>26</td><td><a id="p105158"></a>13</td><td><a id="p105159"></a>30</td><td><a id="p105160"></a>20</td><td><a id="p105161"></a>40</td><td><a id="p105162"></a>30</td><td><a id="p105163"></a>48</td><td><a id="p105164"></a>36</td></tr>
<tr><td><a id="p105165"></a>1,25</td><td><a id="p105166"></a>1,13 - 1,40</td><td><a id="p105167"></a>9</td><td><a id="p105168"></a>2</td><td><a id="p105169"></a>10</td><td><a id="p105170"></a>2</td><td><a id="p105171"></a>10</td><td><a id="p105172"></a>2</td><td><a id="p105173"></a>12</td><td><a id="p105174"></a>2</td><td><a id="p105175"></a>13</td><td><a id="p105176"></a>2</td><td><a id="p105177"></a>15</td><td><a id="p105178"></a>2</td><td><a id="p105179"></a>17</td><td><a id="p105180"></a>3</td><td><a id="p105181"></a>22</td><td><a id="p105182"></a>4</td><td><a id="p105183"></a>24</td><td><a id="p105184"></a>6</td><td><a id="p105185"></a>26</td><td><a id="p105186"></a>9</td><td><a id="p105187"></a>32</td><td><a id="p105188"></a>14</td><td><a id="p105189"></a>42</td><td><a id="p105190"></a>20</td><td><a id="p105191"></a>50</td><td><a id="p105192"></a>30</td><td colspan="2"><a id="p105193"></a>*</td></tr>
<tr><td><a id="p105194"></a>1,60</td><td><a id="p105195"></a>1,41 - 1,80</td><td><a id="p105196"></a>14</td><td><a id="p105197"></a>2</td><td><a id="p105198"></a>15</td><td><a id="p105199"></a>2</td><td><a id="p105200"></a>16</td><td><a id="p105201"></a>2</td><td><a id="p105202"></a>17</td><td><a id="p105203"></a>2</td><td><a id="p105204"></a>19</td><td><a id="p105205"></a>2</td><td><a id="p105206"></a>22</td><td><a id="p105207"></a>3</td><td><a id="p105208"></a>26</td><td><a id="p105209"></a>3</td><td><a id="p105210"></a>30</td><td><a id="p105211"></a>4</td><td><a id="p105212"></a>34</td><td><a id="p105213"></a>6</td><td><a id="p105214"></a>40</td><td><a id="p105215"></a>9</td><td><a id="p105216"></a>46</td><td><a id="p105217"></a>14</td><td><a id="p105218"></a>50</td><td><a id="p105219"></a>22</td><td colspan="2"><a id="p105220"></a>*</td><td colspan="2"><a id="p105221"></a>*</td></tr>
<tr><td><a id="p105222"></a>2,00</td><td><a id="p105223"></a>1,81 - 2,24</td><td><a id="p105224"></a>20</td><td><a id="p105225"></a>2</td><td><a id="p105226"></a>22</td><td><a id="p105227"></a>2</td><td><a id="p105228"></a>22</td><td><a id="p105229"></a>2</td><td><a id="p105230"></a>24</td><td><a id="p105231"></a>2</td><td><a id="p105232"></a>26</td><td><a id="p105233"></a>2</td><td><a id="p105234"></a>32</td><td><a id="p105235"></a>2</td><td><a id="p105236"></a>36</td><td><a id="p105237"></a>3</td><td><a id="p105238"></a>38</td><td><a id="p105239"></a>5</td><td><a id="p105240"></a>44</td><td><a id="p105241"></a>7</td><td><a id="p105242"></a>50</td><td><a id="p105243"></a>10</td><td colspan="2"><a id="p105244"></a>*</td><td colspan="2"><a id="p105245"></a>*</td><td colspan="2"><a id="p105246"></a>*</td><td colspan="2"><a id="p105247"></a>*</td></tr>
<tr><td><a id="p105248"></a>2,50</td><td><a id="p105249"></a>2,25 - 2,80</td><td><a id="p105250"></a>32</td><td><a id="p105251"></a>2</td><td><a id="p105252"></a>32</td><td><a id="p105253"></a>2</td><td><a id="p105254"></a>34</td><td><a id="p105255"></a>2</td><td><a id="p105256"></a>36</td><td><a id="p105257"></a>2</td><td><a id="p105258"></a>40</td><td><a id="p105259"></a>2</td><td><a id="p105260"></a>42</td><td><a id="p105261"></a>3</td><td><a id="p105262"></a>48</td><td><a id="p105263"></a>4</td><td colspan="2"><a id="p105264"></a>*</td><td colspan="2"><a id="p105265"></a>*</td><td colspan="2"><a id="p105266"></a>*</td><td colspan="2"><a id="p105267"></a>*</td><td colspan="2"><a id="p105268"></a>*</td><td colspan="2"><a id="p105269"></a>*</td><td colspan="2"><a id="p105270"></a>*</td></tr>
<tr><td><a id="p105271"></a>3,15</td><td><a id="p105272"></a>2,81 - 3,55</td><td><a id="p105273"></a>48</td><td><a id="p105274"></a>2</td><td><a id="p105275"></a>50</td><td><a id="p105276"></a>2</td><td><a id="p105277"></a>50</td><td><a id="p105278"></a>2</td><td colspan="2"><a id="p105279"></a>*</td><td colspan="2"><a id="p105280"></a>*</td><td colspan="2"><a id="p105281"></a>*</td><td colspan="2"><a id="p105282"></a>*</td><td colspan="2"><a id="p105283"></a>*</td><td colspan="2"><a id="p105284"></a>*</td><td colspan="2"><a id="p105285"></a>*</td><td colspan="2"><a id="p105286"></a>*</td><td colspan="2"><a id="p105287"></a>*</td><td colspan="2"><a id="p105288"></a>*</td><td colspan="2"><a id="p105289"></a>*</td></tr>
</table>


<a id="p105290"></a>Таблица 7

<a id="p105291"></a>Значения $f_{U}$ для UCL


<table>
<colgroup><col width="49%"><col width="51%"></colgroup>
<tr><td><a id="p105292"></a>$v$</td><td><a id="p105293"></a>$f_{U}$</td></tr>
<tr><td><a id="p105294"></a>1</td><td><a id="p105295"></a>2,800</td></tr>
<tr><td><a id="p105296"></a>2</td><td><a id="p105297"></a>2,297</td></tr>
<tr><td><a id="p105298"></a>3</td><td><a id="p105299"></a>2,065</td></tr>
<tr><td><a id="p105300"></a>4</td><td><a id="p105301"></a>1,924</td></tr>
<tr><td><a id="p105302"></a>5</td><td><a id="p105303"></a>1,827</td></tr>
<tr><td><a id="p105304"></a>6</td><td><a id="p105305"></a>1,755</td></tr>
<tr><td><a id="p105306"></a>7</td><td><a id="p105307"></a>1,700</td></tr>
<tr><td><a id="p105308"></a>8</td><td><a id="p105309"></a>1,654</td></tr>
<tr><td><a id="p105310"></a>9</td><td><a id="p105311"></a>1,617</td></tr>
<tr><td><a id="p105312"></a>10</td><td><a id="p105313"></a>1,585</td></tr>
<tr><td><a id="p105314"></a>11</td><td><a id="p105315"></a>1,558</td></tr>
<tr><td><a id="p105316"></a>12</td><td><a id="p105317"></a>1,534</td></tr>
<tr><td><a id="p105318"></a>13</td><td><a id="p105319"></a>1,513</td></tr>
<tr><td><a id="p105320"></a>14</td><td><a id="p105321"></a>1,494</td></tr>
<tr><td><a id="p105322"></a>15</td><td><a id="p105323"></a>1,477</td></tr>
<tr><td><a id="p105324"></a>16</td><td><a id="p105325"></a>1,462</td></tr>
<tr><td><a id="p105326"></a>17</td><td><a id="p105327"></a>1,448</td></tr>
<tr><td><a id="p105328"></a>18</td><td><a id="p105329"></a>1,435</td></tr>
<tr><td><a id="p105330"></a>19</td><td><a id="p105331"></a>1,424</td></tr>
<tr><td><a id="p105332"></a>20</td><td><a id="p105333"></a>1,413</td></tr>
<tr><td><a id="p105334"></a>21</td><td><a id="p105335"></a>1,403</td></tr>
<tr><td><a id="p105336"></a>22</td><td><a id="p105337"></a>1,393</td></tr>
<tr><td><a id="p105338"></a>23</td><td><a id="p105339"></a>1,385</td></tr>
<tr><td><a id="p105340"></a>24</td><td><a id="p105341"></a>1,377</td></tr>
<tr><td><a id="p105342"></a>25</td><td><a id="p105343"></a>1,369</td></tr>
<tr><td><a id="p105344"></a>26</td><td><a id="p105345"></a>1,362</td></tr>
<tr><td><a id="p105346"></a>27</td><td><a id="p105347"></a>1,355</td></tr>
<tr><td><a id="p105348"></a>28</td><td><a id="p105349"></a>1,348</td></tr>
<tr><td><a id="p105350"></a>29</td><td><a id="p105351"></a>1,342</td></tr>
<tr><td><a id="p105352"></a>30</td><td><a id="p105353"></a>1,336</td></tr>
<tr><td><a id="p105354"></a>31</td><td><a id="p105355"></a>1,331</td></tr>
<tr><td><a id="p105356"></a>32</td><td><a id="p105357"></a>1,326</td></tr>
<tr><td><a id="p105358"></a>33</td><td><a id="p105359"></a>1,321</td></tr>
<tr><td><a id="p105360"></a>34</td><td><a id="p105361"></a>1,316</td></tr>
<tr><td><a id="p105362"></a>35</td><td><a id="p105363"></a>1,311</td></tr>
<tr><td><a id="p105364"></a>36</td><td><a id="p105365"></a>1,307</td></tr>
<tr><td><a id="p105366"></a>37</td><td><a id="p105367"></a>1,303</td></tr>
<tr><td><a id="p105368"></a>38</td><td><a id="p105369"></a>1,299</td></tr>
<tr><td><a id="p105370"></a>39</td><td><a id="p105371"></a>1,295</td></tr>
<tr><td><a id="p105372"></a>40</td><td><a id="p105373"></a>1,291</td></tr>
<tr><td><a id="p105374"></a>41</td><td><a id="p105375"></a>1,287</td></tr>
<tr><td><a id="p105376"></a>42</td><td><a id="p105377"></a>1,284</td></tr>
<tr><td><a id="p105378"></a>43</td><td><a id="p105379"></a>1,281</td></tr>
<tr><td><a id="p105380"></a>44</td><td><a id="p105381"></a>1,277</td></tr>
<tr><td><a id="p105382"></a>45</td><td><a id="p105383"></a>1,274</td></tr>
<tr><td><a id="p105384"></a>46</td><td><a id="p105385"></a>1,271</td></tr>
<tr><td><a id="p105386"></a>47</td><td><a id="p105387"></a>1,268</td></tr>
<tr><td><a id="p105388"></a>48</td><td><a id="p105389"></a>1,265</td></tr>
<tr><td><a id="p105390"></a>49</td><td><a id="p105391"></a>1,263</td></tr>
<tr><td><a id="p105392"></a>50</td><td><a id="p105393"></a>1,260</td></tr>
<tr><td><a id="p105394"></a>51</td><td><a id="p105395"></a>1,257</td></tr>
<tr><td><a id="p105396"></a>52</td><td><a id="p105397"></a>1,255</td></tr>
<tr><td><a id="p105398"></a>53</td><td><a id="p105399"></a>1,252</td></tr>
<tr><td><a id="p105400"></a>54</td><td><a id="p105401"></a>1,250</td></tr>
<tr><td><a id="p105402"></a>55</td><td><a id="p105403"></a>1,248</td></tr>
<tr><td><a id="p105404"></a>56</td><td><a id="p105405"></a>1,246</td></tr>
<tr><td><a id="p105406"></a>57</td><td><a id="p105407"></a>1,243</td></tr>
<tr><td><a id="p105408"></a>58</td><td><a id="p105409"></a>1,241</td></tr>
<tr><td><a id="p105410"></a>59</td><td><a id="p105411"></a>1,239</td></tr>
<tr><td><a id="p105412"></a>60</td><td><a id="p105413"></a>1,237</td></tr>
<tr><td><a id="p105414"></a>61</td><td><a id="p105415"></a>1,235</td></tr>
<tr><td><a id="p105416"></a>62</td><td><a id="p105417"></a>1,233</td></tr>
<tr><td><a id="p105418"></a>63</td><td><a id="p105419"></a>1,231</td></tr>
<tr><td><a id="p105420"></a>64</td><td><a id="p105421"></a>1,230</td></tr>
<tr><td><a id="p105422"></a>65</td><td><a id="p105423"></a>1,228</td></tr>
<tr><td><a id="p105424"></a>66</td><td><a id="p105425"></a>1,226</td></tr>
<tr><td><a id="p105426"></a>67</td><td><a id="p105427"></a>1,224</td></tr>
<tr><td><a id="p105428"></a>68</td><td><a id="p105429"></a>1,223</td></tr>
<tr><td><a id="p105430"></a>69</td><td><a id="p105431"></a>1,221</td></tr>
<tr><td><a id="p105432"></a>70</td><td><a id="p105433"></a>1,219</td></tr>
<tr><td><a id="p105434"></a>71</td><td><a id="p105435"></a>1,218</td></tr>
<tr><td><a id="p105436"></a>72</td><td><a id="p105437"></a>1,216</td></tr>
<tr><td><a id="p105438"></a>73</td><td><a id="p105439"></a>1,215</td></tr>
<tr><td><a id="p105440"></a>74</td><td><a id="p105441"></a>1,213</td></tr>
<tr><td><a id="p105442"></a>75</td><td><a id="p105443"></a>1,212</td></tr>
<tr><td><a id="p105444"></a>76</td><td><a id="p105445"></a>1,211</td></tr>
<tr><td><a id="p105446"></a>77</td><td><a id="p105447"></a>1,209</td></tr>
<tr><td><a id="p105448"></a>78</td><td><a id="p105449"></a>1,208</td></tr>
<tr><td><a id="p105450"></a>79</td><td><a id="p105451"></a>1,206</td></tr>
<tr><td><a id="p105452"></a>80</td><td><a id="p105453"></a>1,205</td></tr>
<tr><td><a id="p105454"></a>82</td><td><a id="p105455"></a>1,203</td></tr>
<tr><td><a id="p105456"></a>84</td><td><a id="p105457"></a>1,200</td></tr>
<tr><td><a id="p105458"></a>86</td><td><a id="p105459"></a>1,198</td></tr>
<tr><td><a id="p105460"></a>88</td><td><a id="p105461"></a>1,196</td></tr>
<tr><td><a id="p105462"></a>90</td><td><a id="p105463"></a>1,193</td></tr>
<tr><td><a id="p105464"></a>92</td><td><a id="p105465"></a>1,191</td></tr>
<tr><td><a id="p105466"></a>94</td><td><a id="p105467"></a>1,189</td></tr>
<tr><td><a id="p105468"></a>96</td><td><a id="p105469"></a>1,187</td></tr>
<tr><td><a id="p105470"></a>98</td><td><a id="p105471"></a>1,185</td></tr>
<tr><td><a id="p105472"></a>100</td><td><a id="p105473"></a>1,183</td></tr>
<tr><td><a id="p105474"></a>104</td><td><a id="p105475"></a>1,180</td></tr>
<tr><td><a id="p105476"></a>108</td><td><a id="p105477"></a>1,176</td></tr>
<tr><td><a id="p105478"></a>112</td><td><a id="p105479"></a>1,173</td></tr>
<tr><td><a id="p105480"></a>116</td><td><a id="p105481"></a>1,170</td></tr>
<tr><td><a id="p105482"></a>120</td><td><a id="p105483"></a>1,167</td></tr>
<tr><td><a id="p105484"></a>124</td><td><a id="p105485"></a>1,165</td></tr>
<tr><td><a id="p105486"></a>128</td><td><a id="p105487"></a>1,162</td></tr>
<tr><td><a id="p105488"></a>132</td><td><a id="p105489"></a>1,159</td></tr>
<tr><td><a id="p105490"></a>136</td><td><a id="p105491"></a>1,157</td></tr>
<tr><td><a id="p105492"></a>140</td><td><a id="p105493"></a>1,155</td></tr>
<tr><td><a id="p105494"></a>144</td><td><a id="p105495"></a>1,153</td></tr>
<tr><td><a id="p105496"></a>148</td><td><a id="p105497"></a>1,150</td></tr>
<tr><td><a id="p105498"></a>152</td><td><a id="p105499"></a>1,148</td></tr>
<tr><td><a id="p105500"></a>156</td><td><a id="p105501"></a>1,147</td></tr>
<tr><td><a id="p105502"></a>160</td><td><a id="p105503"></a>1,145</td></tr>
<tr><td><a id="p105504"></a>164</td><td><a id="p105505"></a>1,143</td></tr>
<tr><td><a id="p105506"></a>168</td><td><a id="p105507"></a>1,141</td></tr>
<tr><td><a id="p105508"></a>172</td><td><a id="p105509"></a>1,140</td></tr>
<tr><td><a id="p105510"></a>176</td><td><a id="p105511"></a>1,138</td></tr>
<tr><td><a id="p105512"></a>180</td><td><a id="p105513"></a>1,136</td></tr>
<tr><td><a id="p105514"></a>184</td><td><a id="p105515"></a>1,135</td></tr>
<tr><td><a id="p105516"></a>188</td><td><a id="p105517"></a>1,133</td></tr>
<tr><td><a id="p105518"></a>192</td><td><a id="p105519"></a>1,132</td></tr>
<tr><td><a id="p105520"></a>196</td><td><a id="p105521"></a>1,131</td></tr>
<tr><td><a id="p105522"></a>200</td><td><a id="p105523"></a>1,129</td></tr>
<tr><td><a id="p105524"></a>220</td><td><a id="p105525"></a>1,123</td></tr>
<tr><td><a id="p105526"></a>240</td><td><a id="p105527"></a>1,118</td></tr>
<tr><td><a id="p105528"></a>260</td><td><a id="p105529"></a>1,113</td></tr>
<tr><td><a id="p105530"></a>280</td><td><a id="p105531"></a>1,109</td></tr>
<tr><td><a id="p105532"></a>300</td><td><a id="p105533"></a>1,105</td></tr>
<tr><td colspan="2"><a id="p105534"></a>Примечание. Там, где значение U не задано, можно использовать линейную интерполяцию.</td></tr>
</table>


<a id="p105535"></a>Таблица 8

<a id="p105536"></a>Размеры проб $n_{I}$ и $n_{T}$ (при известных
относительных стандартных отклонениях: $d_{I}$ и $d_{T}$ 
и рисках $\alpha \approx 5%$ , $\beta \approx 5%$ )

<a id="p105537"></a>Таблица 8A

<a id="p105538"></a>Уровень отношения затрат 1 для $R_{c} \approx 0,10$ 
из интервала от 0 до 0,17


<table>
<colgroup><col width="6%"><col width="12%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p105539"></a><img src="https://i.bukva.ai/IaUDWsE9/img_16.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p105540"></a>0,160</td><td colspan="2"><a id="p105541"></a>0,200</td><td colspan="2"><a id="p105542"></a>0,250</td><td colspan="2"><a id="p105543"></a>0,315</td><td colspan="2"><a id="p105544"></a>0,400</td><td colspan="2"><a id="p105545"></a>0,500</td><td colspan="2"><a id="p105546"></a>0,630</td><td colspan="2"><a id="p105547"></a>0,800</td><td colspan="2"><a id="p105548"></a>1,00</td><td colspan="2"><a id="p105549"></a>1,25</td><td colspan="2"><a id="p105550"></a>1,60</td><td colspan="2"><a id="p105551"></a>2,00</td><td colspan="2"><a id="p105552"></a>2,50</td></tr>
<tr><td><a id="p105553"></a>$n_{I}$</td><td><a id="p105554"></a>$n_{T}$</td><td><a id="p105555"></a>$n_{I}$</td><td><a id="p105556"></a>$n_{T}$</td><td><a id="p105557"></a>$n_{I}$</td><td><a id="p105558"></a>$n_{T}$</td><td><a id="p105559"></a>$n_{I}$</td><td><a id="p105560"></a>$n_{T}$</td><td><a id="p105561"></a>$n_{I}$</td><td><a id="p105562"></a>$n_{T}$</td><td><a id="p105563"></a>$n_{I}$</td><td><a id="p105564"></a>$n_{T}$</td><td><a id="p105565"></a>$n_{I}$</td><td><a id="p105566"></a>$n_{T}$</td><td><a id="p105567"></a>$n_{I}$</td><td><a id="p105568"></a>$n_{T}$</td><td><a id="p105569"></a>$n_{I}$</td><td><a id="p105570"></a>$n_{T}$</td><td><a id="p105571"></a>$n_{I}$</td><td><a id="p105572"></a>$n_{T}$</td><td><a id="p105573"></a>$n_{I}$</td><td><a id="p105574"></a>$n_{T}$</td><td><a id="p105575"></a>$n_{I}$</td><td><a id="p105576"></a>$n_{T}$</td><td><a id="p105577"></a>$n_{I}$</td><td><a id="p105578"></a>$n_{T}$</td></tr>
<tr><td><a id="p105579"></a>0,160</td><td><a id="p105580"></a>0,000 - 0,180</td><td><a id="p105581"></a>2</td><td><a id="p105582"></a>2</td><td><a id="p105583"></a>2</td><td><a id="p105584"></a>2</td><td><a id="p105585"></a>2</td><td><a id="p105586"></a>2</td><td><a id="p105587"></a>2</td><td><a id="p105588"></a>2</td><td><a id="p105589"></a>2</td><td><a id="p105590"></a>2</td><td><a id="p105591"></a>2</td><td><a id="p105592"></a>2</td><td><a id="p105593"></a>2</td><td><a id="p105594"></a>3</td><td><a id="p105595"></a>2</td><td><a id="p105596"></a>5</td><td><a id="p105597"></a>2</td><td><a id="p105598"></a>8</td><td><a id="p105599"></a>2</td><td><a id="p105600"></a>11</td><td><a id="p105601"></a>2</td><td><a id="p105602"></a>18</td><td><a id="p105603"></a>2</td><td><a id="p105604"></a>26</td><td><a id="p105605"></a>2</td><td><a id="p105606"></a>40</td></tr>
<tr><td><a id="p105607"></a>0,200</td><td><a id="p105608"></a>0,181 - 0,224</td><td><a id="p105609"></a>2</td><td><a id="p105610"></a>2</td><td><a id="p105611"></a>2</td><td><a id="p105612"></a>2</td><td><a id="p105613"></a>2</td><td><a id="p105614"></a>2</td><td><a id="p105615"></a>2</td><td><a id="p105616"></a>2</td><td><a id="p105617"></a>2</td><td><a id="p105618"></a>2</td><td><a id="p105619"></a>2</td><td><a id="p105620"></a>3</td><td><a id="p105621"></a>2</td><td><a id="p105622"></a>4</td><td><a id="p105623"></a>2</td><td><a id="p105624"></a>6</td><td><a id="p105625"></a>2</td><td><a id="p105626"></a>8</td><td><a id="p105627"></a>2</td><td><a id="p105628"></a>12</td><td><a id="p105629"></a>2</td><td><a id="p105630"></a>19</td><td><a id="p105631"></a>2</td><td><a id="p105632"></a>28</td><td><a id="p105633"></a>2</td><td><a id="p105634"></a>42</td></tr>
<tr><td><a id="p105635"></a>0,250</td><td><a id="p105636"></a>0,225 - 0,280</td><td><a id="p105637"></a>2</td><td><a id="p105638"></a>2</td><td><a id="p105639"></a>2</td><td><a id="p105640"></a>2</td><td><a id="p105641"></a>2</td><td><a id="p105642"></a>2</td><td><a id="p105643"></a>2</td><td><a id="p105644"></a>2</td><td><a id="p105645"></a>2</td><td><a id="p105646"></a>2</td><td><a id="p105647"></a>2</td><td><a id="p105648"></a>3</td><td><a id="p105649"></a>2</td><td><a id="p105650"></a>4</td><td><a id="p105651"></a>2</td><td><a id="p105652"></a>6</td><td><a id="p105653"></a>2</td><td><a id="p105654"></a>9</td><td><a id="p105655"></a>2</td><td><a id="p105656"></a>13</td><td><a id="p105657"></a>2</td><td><a id="p105658"></a>20</td><td><a id="p105659"></a>2</td><td><a id="p105660"></a>30</td><td><a id="p105661"></a>2</td><td><a id="p105662"></a>44</td></tr>
<tr><td><a id="p105663"></a>0,315</td><td><a id="p105664"></a>0,281 - 0,355</td><td><a id="p105665"></a>2</td><td><a id="p105666"></a>2</td><td><a id="p105667"></a>2</td><td><a id="p105668"></a>2</td><td><a id="p105669"></a>2</td><td><a id="p105670"></a>2</td><td><a id="p105671"></a>2</td><td><a id="p105672"></a>2</td><td><a id="p105673"></a>2</td><td><a id="p105674"></a>3</td><td><a id="p105675"></a>2</td><td><a id="p105676"></a>4</td><td><a id="p105677"></a>2</td><td><a id="p105678"></a>5</td><td><a id="p105679"></a>2</td><td><a id="p105680"></a>7</td><td><a id="p105681"></a>2</td><td><a id="p105682"></a>10</td><td><a id="p105683"></a>2</td><td><a id="p105684"></a>15</td><td><a id="p105685"></a>2</td><td><a id="p105686"></a>22</td><td><a id="p105687"></a>2</td><td><a id="p105688"></a>32</td><td><a id="p105689"></a>2</td><td><a id="p105690"></a>46</td></tr>
<tr><td><a id="p105691"></a>0,400</td><td><a id="p105692"></a>0,356 - 0,450</td><td><a id="p105693"></a>2</td><td><a id="p105694"></a>2</td><td><a id="p105695"></a>2</td><td><a id="p105696"></a>2</td><td><a id="p105697"></a>2</td><td><a id="p105698"></a>2</td><td><a id="p105699"></a>2</td><td><a id="p105700"></a>2</td><td><a id="p105701"></a>2</td><td><a id="p105702"></a>3</td><td><a id="p105703"></a>2</td><td><a id="p105704"></a>4</td><td><a id="p105705"></a>2</td><td><a id="p105706"></a>6</td><td><a id="p105707"></a>2</td><td><a id="p105708"></a>8</td><td><a id="p105709"></a>2</td><td><a id="p105710"></a>12</td><td><a id="p105711"></a>2</td><td><a id="p105712"></a>17</td><td><a id="p105713"></a>2</td><td><a id="p105714"></a>24</td><td><a id="p105715"></a>2</td><td><a id="p105716"></a>36</td><td><a id="p105717"></a>3</td><td><a id="p105718"></a>50</td></tr>
<tr><td><a id="p105719"></a>0,500</td><td><a id="p105720"></a>0,451 - 0,560</td><td><a id="p105721"></a>2</td><td><a id="p105722"></a>2</td><td><a id="p105723"></a>2</td><td><a id="p105724"></a>2</td><td><a id="p105725"></a>2</td><td><a id="p105726"></a>2</td><td><a id="p105727"></a>2</td><td><a id="p105728"></a>3</td><td><a id="p105729"></a>2</td><td><a id="p105730"></a>4</td><td><a id="p105731"></a>2</td><td><a id="p105732"></a>5</td><td><a id="p105733"></a>2</td><td><a id="p105734"></a>7</td><td><a id="p105735"></a>2</td><td><a id="p105736"></a>11</td><td><a id="p105737"></a>2</td><td><a id="p105738"></a>14</td><td><a id="p105739"></a>2</td><td><a id="p105740"></a>20</td><td><a id="p105741"></a>3</td><td><a id="p105742"></a>26</td><td><a id="p105743"></a>3</td><td><a id="p105744"></a>40</td><td colspan="2"><a id="p105745"></a>*</td></tr>
<tr><td><a id="p105746"></a>0,630</td><td><a id="p105747"></a>0,561 - 0,710</td><td><a id="p105748"></a>2</td><td><a id="p105749"></a>2</td><td><a id="p105750"></a>2</td><td><a id="p105751"></a>3</td><td><a id="p105752"></a>2</td><td><a id="p105753"></a>4</td><td><a id="p105754"></a>2</td><td><a id="p105755"></a>4</td><td><a id="p105756"></a>3</td><td><a id="p105757"></a>5</td><td><a id="p105758"></a>3</td><td><a id="p105759"></a>6</td><td><a id="p105760"></a>3</td><td><a id="p105761"></a>8</td><td><a id="p105762"></a>3</td><td><a id="p105763"></a>12</td><td><a id="p105764"></a>3</td><td><a id="p105765"></a>17</td><td><a id="p105766"></a>3</td><td><a id="p105767"></a>22</td><td><a id="p105768"></a>4</td><td><a id="p105769"></a>30</td><td><a id="p105770"></a>4</td><td><a id="p105771"></a>44</td><td colspan="2"><a id="p105772"></a>*</td></tr>
<tr><td><a id="p105773"></a>0,800</td><td><a id="p105774"></a>0,711 - 0,900</td><td><a id="p105775"></a>4</td><td><a id="p105776"></a>2</td><td><a id="p105777"></a>4</td><td><a id="p105778"></a>3</td><td><a id="p105779"></a>4</td><td><a id="p105780"></a>4</td><td><a id="p105781"></a>4</td><td><a id="p105782"></a>4</td><td><a id="p105783"></a>4</td><td><a id="p105784"></a>6</td><td><a id="p105785"></a>4</td><td><a id="p105786"></a>9</td><td><a id="p105787"></a>4</td><td><a id="p105788"></a>11</td><td><a id="p105789"></a>5</td><td><a id="p105790"></a>14</td><td><a id="p105791"></a>5</td><td><a id="p105792"></a>19</td><td><a id="p105793"></a>5</td><td><a id="p105794"></a>26</td><td><a id="p105795"></a>6</td><td><a id="p105796"></a>34</td><td><a id="p105797"></a>6</td><td><a id="p105798"></a>50</td><td colspan="2"><a id="p105799"></a>*</td></tr>
<tr><td><a id="p105800"></a>1,00</td><td><a id="p105801"></a>0,901 - 1,12</td><td><a id="p105802"></a>6</td><td><a id="p105803"></a>3</td><td><a id="p105804"></a>6</td><td><a id="p105805"></a>4</td><td><a id="p105806"></a>6</td><td><a id="p105807"></a>5</td><td><a id="p105808"></a>6</td><td><a id="p105809"></a>6</td><td><a id="p105810"></a>6</td><td><a id="p105811"></a>8</td><td><a id="p105812"></a>6</td><td><a id="p105813"></a>10</td><td><a id="p105814"></a>6</td><td><a id="p105815"></a>13</td><td><a id="p105816"></a>7</td><td><a id="p105817"></a>17</td><td><a id="p105818"></a>7</td><td><a id="p105819"></a>24</td><td><a id="p105820"></a>8</td><td><a id="p105821"></a>28</td><td><a id="p105822"></a>8</td><td><a id="p105823"></a>42</td><td colspan="2"><a id="p105824"></a>*</td><td colspan="2"><a id="p105825"></a>*</td></tr>
<tr><td><a id="p105826"></a>1,25</td><td><a id="p105827"></a>1,13 - 1,40</td><td><a id="p105828"></a>9</td><td><a id="p105829"></a>4</td><td><a id="p105830"></a>9</td><td><a id="p105831"></a>4</td><td><a id="p105832"></a>9</td><td><a id="p105833"></a>6</td><td><a id="p105834"></a>9</td><td><a id="p105835"></a>7</td><td><a id="p105836"></a>9</td><td><a id="p105837"></a>10</td><td><a id="p105838"></a>10</td><td><a id="p105839"></a>12</td><td><a id="p105840"></a>10</td><td><a id="p105841"></a>15</td><td><a id="p105842"></a>10</td><td><a id="p105843"></a>22</td><td><a id="p105844"></a>И</td><td><a id="p105845"></a>26</td><td><a id="p105846"></a>11</td><td><a id="p105847"></a>36</td><td><a id="p105848"></a>12</td><td><a id="p105849"></a>48</td><td colspan="2"><a id="p105850"></a>*</td><td colspan="2"><a id="p105851"></a>*</td></tr>
<tr><td><a id="p105852"></a>1,60</td><td><a id="p105853"></a>1,41 - 1,80</td><td><a id="p105854"></a>14</td><td><a id="p105855"></a>5</td><td><a id="p105856"></a>14</td><td><a id="p105857"></a>6</td><td><a id="p105858"></a>15</td><td><a id="p105859"></a>7</td><td><a id="p105860"></a>15</td><td><a id="p105861"></a>9</td><td><a id="p105862"></a>15</td><td><a id="p105863"></a>12</td><td><a id="p105864"></a>15</td><td><a id="p105865"></a>15</td><td><a id="p105866"></a>16</td><td><a id="p105867"></a>19</td><td><a id="p105868"></a>16</td><td><a id="p105869"></a>26</td><td><a id="p105870"></a>17</td><td><a id="p105871"></a>32</td><td><a id="p105872"></a>17</td><td><a id="p105873"></a>44</td><td colspan="2"><a id="p105874"></a>*</td><td colspan="2"><a id="p105875"></a>*</td><td colspan="2"><a id="p105876"></a>*</td></tr>
<tr><td><a id="p105877"></a>2,00</td><td><a id="p105878"></a>1,81 - 2,24</td><td><a id="p105879"></a>22</td><td><a id="p105880"></a>6</td><td><a id="p105881"></a>22</td><td><a id="p105882"></a>7</td><td><a id="p105883"></a>22</td><td><a id="p105884"></a>9</td><td><a id="p105885"></a>22</td><td><a id="p105886"></a>11</td><td><a id="p105887"></a>24</td><td><a id="p105888"></a>15</td><td><a id="p105889"></a>24</td><td><a id="p105890"></a>18</td><td><a id="p105891"></a>24</td><td><a id="p105892"></a>24</td><td><a id="p105893"></a>24</td><td><a id="p105894"></a>32</td><td><a id="p105895"></a>26</td><td><a id="p105896"></a>38</td><td><a id="p105897"></a>26</td><td><a id="p105898"></a>50</td><td colspan="2"><a id="p105899"></a>*</td><td colspan="2"><a id="p105900"></a>*</td><td colspan="2"><a id="p105901"></a>*</td></tr>
<tr><td><a id="p105902"></a>2,50</td><td><a id="p105903"></a>2,25 - 2,80</td><td><a id="p105904"></a>34</td><td><a id="p105905"></a>7</td><td><a id="p105906"></a>34</td><td><a id="p105907"></a>9</td><td><a id="p105908"></a>34</td><td><a id="p105909"></a>11</td><td><a id="p105910"></a>36</td><td><a id="p105911"></a>14</td><td><a id="p105912"></a>36</td><td><a id="p105913"></a>18</td><td><a id="p105914"></a>36</td><td><a id="p105915"></a>22</td><td><a id="p105916"></a>36</td><td><a id="p105917"></a>30</td><td><a id="p105918"></a>38</td><td><a id="p105919"></a>36</td><td><a id="p105920"></a>38</td><td><a id="p105921"></a>50</td><td colspan="2"><a id="p105922"></a>*</td><td colspan="2"><a id="p105923"></a>*</td><td colspan="2"><a id="p105924"></a>*</td><td colspan="2"><a id="p105925"></a>*</td></tr>
<tr><td colspan="28"><a id="p105926"></a><a id="p105927"></a><a id="p105928"></a><a id="p105929"></a><a id="p105930"></a><a id="p105931"></a><a id="p105932"></a>Примечания к <a href="#p105538">таблицам 8A</a> - <a href="#p107133">8E</a>:<br>1. Каждая зона для допустимого $d_{T}$ равна зоне для допустимого $d_{I}$ соответственно.<br>2. Если возникает одно из следующих обстоятельств, то необходимо пересмотреть предельный интервал <a href="#p102536">(3.4.4.4)</a>:<br>a) нет строки допустимого $d_{I}$ ;<br>b) нет столбца допустимого $d_{T}$ .<br>3. Если в ячейке проставлен знак "*", то необходимо пересмотреть предельный интервал или взять другую таблицу, которая даст приемлемые размеры проб <a href="#p102527">(3.4.4.3)</a>.<br>4. Значение $v_{E}$ применяют при двусторонних предельных значениях нескольких характеристик качества или для кривых OX.</td></tr>
</table>


<a id="p105933"></a>Таблица 8B

<a id="p105934"></a>Уровень отношения затрат 2 для $R_{c} \approx 0,32$ 
из интервала от 0,18 до 0,56


<table>
<colgroup><col width="6%"><col width="12%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p105935"></a><img src="https://i.bukva.ai/IaUDWsE9/img_17.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p105936"></a>0,160</td><td colspan="2"><a id="p105937"></a>0,200</td><td colspan="2"><a id="p105938"></a>0,250</td><td colspan="2"><a id="p105939"></a>0,315</td><td colspan="2"><a id="p105940"></a>0,400</td><td colspan="2"><a id="p105941"></a>0,500</td><td colspan="2"><a id="p105942"></a>0,630</td><td colspan="2"><a id="p105943"></a>0,800</td><td colspan="2"><a id="p105944"></a>1,00</td><td colspan="2"><a id="p105945"></a>1,25</td><td colspan="2"><a id="p105946"></a>1,60</td><td colspan="2"><a id="p105947"></a>2,00</td><td colspan="2"><a id="p105948"></a>2,50</td></tr>
<tr><td><a id="p105949"></a>$n_{I}$</td><td><a id="p105950"></a>$n_{T}$</td><td><a id="p105951"></a>$n_{I}$</td><td><a id="p105952"></a>$n_{T}$</td><td><a id="p105953"></a>$n_{I}$</td><td><a id="p105954"></a>$n_{T}$</td><td><a id="p105955"></a>$n_{I}$</td><td><a id="p105956"></a>$n_{T}$</td><td><a id="p105957"></a>$n_{I}$</td><td><a id="p105958"></a>$n_{T}$</td><td><a id="p105959"></a>$n_{I}$</td><td><a id="p105960"></a>$n_{T}$</td><td><a id="p105961"></a>$n_{I}$</td><td><a id="p105962"></a>$n_{T}$</td><td><a id="p105963"></a>$n_{I}$</td><td><a id="p105964"></a>$n_{T}$</td><td><a id="p105965"></a>$n_{I}$</td><td><a id="p105966"></a>$n_{T}$</td><td><a id="p105967"></a>$n_{I}$</td><td><a id="p105968"></a>$n_{T}$</td><td><a id="p105969"></a>$n_{I}$</td><td><a id="p105970"></a>$n_{T}$</td><td><a id="p105971"></a>$n_{I}$</td><td><a id="p105972"></a>$n_{T}$</td><td><a id="p105973"></a>$n_{I}$</td><td><a id="p105974"></a>$n_{T}$</td></tr>
<tr><td><a id="p105975"></a>0,160</td><td><a id="p105976"></a>0,000 - 0,180</td><td><a id="p105977"></a>2</td><td><a id="p105978"></a>2</td><td><a id="p105979"></a>2</td><td><a id="p105980"></a>2</td><td><a id="p105981"></a>2</td><td><a id="p105982"></a>2</td><td><a id="p105983"></a>2</td><td><a id="p105984"></a>2</td><td><a id="p105985"></a>2</td><td><a id="p105986"></a>2</td><td><a id="p105987"></a>2</td><td><a id="p105988"></a>2</td><td><a id="p105989"></a>2</td><td><a id="p105990"></a>3</td><td><a id="p105991"></a>2</td><td><a id="p105992"></a>4</td><td><a id="p105993"></a>2</td><td><a id="p105994"></a>6</td><td><a id="p105995"></a>2</td><td><a id="p105996"></a>10</td><td><a id="p105997"></a>2</td><td><a id="p105998"></a>16</td><td><a id="p105999"></a>2</td><td><a id="p106000"></a>24</td><td><a id="p106001"></a>2</td><td><a id="p106002"></a>36</td></tr>
<tr><td><a id="p106003"></a>0,200</td><td><a id="p106004"></a>0,181 - 0,224</td><td><a id="p106005"></a>2</td><td><a id="p106006"></a>2</td><td><a id="p106007"></a>2</td><td><a id="p106008"></a>2</td><td><a id="p106009"></a>2</td><td><a id="p106010"></a>2</td><td><a id="p106011"></a>2</td><td><a id="p106012"></a>2</td><td><a id="p106013"></a>2</td><td><a id="p106014"></a>2</td><td><a id="p106015"></a>2</td><td><a id="p106016"></a>2</td><td><a id="p106017"></a>2</td><td><a id="p106018"></a>3</td><td><a id="p106019"></a>2</td><td><a id="p106020"></a>5</td><td><a id="p106021"></a>2</td><td><a id="p106022"></a>7</td><td><a id="p106023"></a>2</td><td><a id="p106024"></a>10</td><td><a id="p106025"></a>2</td><td><a id="p106026"></a>16</td><td><a id="p106027"></a>2</td><td><a id="p106028"></a>24</td><td><a id="p106029"></a>2</td><td><a id="p106030"></a>38</td></tr>
<tr><td><a id="p106031"></a>0,250</td><td><a id="p106032"></a>0,225 - 0,280</td><td><a id="p106033"></a>2</td><td><a id="p106034"></a>2</td><td><a id="p106035"></a>2</td><td><a id="p106036"></a>2</td><td><a id="p106037"></a>2</td><td><a id="p106038"></a>2</td><td><a id="p106039"></a>2</td><td><a id="p106040"></a>2</td><td><a id="p106041"></a>2</td><td><a id="p106042"></a>2</td><td><a id="p106043"></a>2</td><td><a id="p106044"></a>2</td><td><a id="p106045"></a>2</td><td><a id="p106046"></a>3</td><td><a id="p106047"></a>2</td><td><a id="p106048"></a>5</td><td><a id="p106049"></a>2</td><td><a id="p106050"></a>7</td><td><a id="p106051"></a>2</td><td><a id="p106052"></a>11</td><td><a id="p106053"></a>2</td><td><a id="p106054"></a>17</td><td><a id="p106055"></a>2</td><td><a id="p106056"></a>26</td><td><a id="p106057"></a>2</td><td><a id="p106058"></a>40</td></tr>
<tr><td><a id="p106059"></a>0,315</td><td><a id="p106060"></a>0,281 - 0,355</td><td><a id="p106061"></a>2</td><td><a id="p106062"></a>2</td><td><a id="p106063"></a>2</td><td><a id="p106064"></a>2</td><td><a id="p106065"></a>2</td><td><a id="p106066"></a>2</td><td><a id="p106067"></a>2</td><td><a id="p106068"></a>2</td><td><a id="p106069"></a>2</td><td><a id="p106070"></a>2</td><td><a id="p106071"></a>2</td><td><a id="p106072"></a>2</td><td><a id="p106073"></a>2</td><td><a id="p106074"></a>4</td><td><a id="p106075"></a>2</td><td><a id="p106076"></a>5</td><td><a id="p106077"></a>2</td><td><a id="p106078"></a>8</td><td><a id="p106079"></a>2</td><td><a id="p106080"></a>12</td><td><a id="p106081"></a>2</td><td><a id="p106082"></a>19</td><td><a id="p106083"></a>2</td><td><a id="p106084"></a>28</td><td><a id="p106085"></a>3</td><td><a id="p106086"></a>42</td></tr>
<tr><td><a id="p106087"></a>0,400</td><td><a id="p106088"></a>0,356 - 0,450</td><td><a id="p106089"></a>2</td><td><a id="p106090"></a>2</td><td><a id="p106091"></a>2</td><td><a id="p106092"></a>2</td><td><a id="p106093"></a>2</td><td><a id="p106094"></a>2</td><td><a id="p106095"></a>2</td><td><a id="p106096"></a>2</td><td><a id="p106097"></a>2</td><td><a id="p106098"></a>2</td><td><a id="p106099"></a>2</td><td><a id="p106100"></a>3</td><td><a id="p106101"></a>2</td><td><a id="p106102"></a>4</td><td><a id="p106103"></a>2</td><td><a id="p106104"></a>6</td><td><a id="p106105"></a>2</td><td><a id="p106106"></a>10</td><td><a id="p106107"></a>2</td><td><a id="p106108"></a>14</td><td><a id="p106109"></a>3</td><td><a id="p106110"></a>20</td><td><a id="p106111"></a>3</td><td><a id="p106112"></a>30</td><td><a id="p106113"></a>4</td><td><a id="p106114"></a>44</td></tr>
<tr><td><a id="p106115"></a>0,500</td><td><a id="p106116"></a>0,451 - 0,560</td><td><a id="p106117"></a>2</td><td><a id="p106118"></a>2</td><td><a id="p106119"></a>2</td><td><a id="p106120"></a>2</td><td><a id="p106121"></a>2</td><td><a id="p106122"></a>2</td><td><a id="p106123"></a>2</td><td><a id="p106124"></a>2</td><td><a id="p106125"></a>2</td><td><a id="p106126"></a>3</td><td><a id="p106127"></a>2</td><td><a id="p106128"></a>4</td><td><a id="p106129"></a>2</td><td><a id="p106130"></a>6</td><td><a id="p106131"></a>3</td><td><a id="p106132"></a>7</td><td><a id="p106133"></a>3</td><td><a id="p106134"></a>10</td><td><a id="p106135"></a>3</td><td><a id="p106136"></a>15</td><td><a id="p106137"></a>4</td><td><a id="p106138"></a>20</td><td><a id="p106139"></a>4</td><td><a id="p106140"></a>32</td><td><a id="p106141"></a>5</td><td><a id="p106142"></a>46</td></tr>
<tr><td><a id="p106143"></a>0,630</td><td><a id="p106144"></a>0,561 - 0,710</td><td><a id="p106145"></a>2</td><td><a id="p106146"></a>2</td><td><a id="p106147"></a>2</td><td><a id="p106148"></a>2</td><td><a id="p106149"></a>3</td><td><a id="p106150"></a>2</td><td><a id="p106151"></a>3</td><td><a id="p106152"></a>2</td><td><a id="p106153"></a>3</td><td><a id="p106154"></a>3</td><td><a id="p106155"></a>3</td><td><a id="p106156"></a>3</td><td><a id="p106157"></a>3</td><td><a id="p106158"></a>6</td><td><a id="p106159"></a>4</td><td><a id="p106160"></a>8</td><td><a id="p106161"></a>4</td><td><a id="p106162"></a>12</td><td><a id="p106163"></a>5</td><td><a id="p106164"></a>16</td><td><a id="p106165"></a>5</td><td><a id="p106166"></a>24</td><td><a id="p106167"></a>6</td><td><a id="p106168"></a>34</td><td><a id="p106169"></a>7</td><td><a id="p106170"></a>48</td></tr>
<tr><td><a id="p106171"></a>0,800</td><td><a id="p106172"></a>0,711 - 0,900</td><td><a id="p106173"></a>4</td><td><a id="p106174"></a>2</td><td><a id="p106175"></a>4</td><td><a id="p106176"></a>2</td><td><a id="p106177"></a>4</td><td><a id="p106178"></a>2</td><td><a id="p106179"></a>4</td><td><a id="p106180"></a>3</td><td><a id="p106181"></a>4</td><td><a id="p106182"></a>4</td><td><a id="p106183"></a>5</td><td><a id="p106184"></a>5</td><td><a id="p106185"></a>5</td><td><a id="p106186"></a>7</td><td><a id="p106187"></a>5</td><td><a id="p106188"></a>10</td><td><a id="p106189"></a>6</td><td><a id="p106190"></a>13</td><td><a id="p106191"></a>7</td><td><a id="p106192"></a>18</td><td><a id="p106193"></a>7</td><td><a id="p106194"></a>28</td><td><a id="p106195"></a>8</td><td><a id="p106196"></a>38</td><td><a id="p106197"></a>10</td><td><a id="p106198"></a>50</td></tr>
<tr><td><a id="p106199"></a>1,00</td><td><a id="p106200"></a>0,901 - 1,12</td><td><a id="p106201"></a>6</td><td><a id="p106202"></a>2</td><td><a id="p106203"></a>6</td><td><a id="p106204"></a>2</td><td><a id="p106205"></a>6</td><td><a id="p106206"></a>3</td><td><a id="p106207"></a>6</td><td><a id="p106208"></a>4</td><td><a id="p106209"></a>7</td><td><a id="p106210"></a>5</td><td><a id="p106211"></a>7</td><td><a id="p106212"></a>6</td><td><a id="p106213"></a>7</td><td><a id="p106214"></a>9</td><td><a id="p106215"></a>8</td><td><a id="p106216"></a>11</td><td><a id="p106217"></a>8</td><td><a id="p106218"></a>16</td><td><a id="p106219"></a>9</td><td><a id="p106220"></a>22</td><td><a id="p106221"></a>10</td><td><a id="p106222"></a>30</td><td><a id="p106223"></a>11</td><td><a id="p106224"></a>42</td><td colspan="2"><a id="p106225"></a>*</td></tr>
<tr><td><a id="p106226"></a>1,25</td><td><a id="p106227"></a>1,13 - 1,40</td><td><a id="p106228"></a>9</td><td><a id="p106229"></a>2</td><td><a id="p106230"></a>9</td><td><a id="p106231"></a>3</td><td><a id="p106232"></a>10</td><td><a id="p106233"></a>3</td><td><a id="p106234"></a>10</td><td><a id="p106235"></a>4</td><td><a id="p106236"></a>10</td><td><a id="p106237"></a>6</td><td><a id="p106238"></a>10</td><td><a id="p106239"></a>7</td><td><a id="p106240"></a>11</td><td><a id="p106241"></a>10</td><td><a id="p106242"></a>11</td><td><a id="p106243"></a>14</td><td><a id="p106244"></a>12</td><td><a id="p106245"></a>18</td><td><a id="p106246"></a>13</td><td><a id="p106247"></a>24</td><td><a id="p106248"></a>15</td><td><a id="p106249"></a>32</td><td><a id="p106250"></a>16</td><td><a id="p106251"></a>46</td><td colspan="2"><a id="p106252"></a>*</td></tr>
<tr><td><a id="p106253"></a>1,60</td><td><a id="p106254"></a>1,41 - 1,80</td><td><a id="p106255"></a>15</td><td><a id="p106256"></a>3</td><td><a id="p106257"></a>15</td><td><a id="p106258"></a>3</td><td><a id="p106259"></a>15</td><td><a id="p106260"></a>4</td><td><a id="p106261"></a>16</td><td><a id="p106262"></a>5</td><td><a id="p106263"></a>16</td><td><a id="p106264"></a>7</td><td><a id="p106265"></a>16</td><td><a id="p106266"></a>9</td><td><a id="p106267"></a>17</td><td><a id="p106268"></a>12</td><td><a id="p106269"></a>18</td><td><a id="p106270"></a>16</td><td><a id="p106271"></a>19</td><td><a id="p106272"></a>20</td><td><a id="p106273"></a>20</td><td><a id="p106274"></a>28</td><td><a id="p106275"></a>22</td><td><a id="p106276"></a>38</td><td><a id="p106277"></a>24</td><td><a id="p106278"></a>50</td><td colspan="2"><a id="p106279"></a>*</td></tr>
<tr><td><a id="p106280"></a>2,00</td><td><a id="p106281"></a>1,81 - 2,24</td><td><a id="p106282"></a>22</td><td><a id="p106283"></a>3</td><td><a id="p106284"></a>22</td><td><a id="p106285"></a>4</td><td><a id="p106286"></a>24</td><td><a id="p106287"></a>5</td><td><a id="p106288"></a>24</td><td><a id="p106289"></a>7</td><td><a id="p106290"></a>24</td><td><a id="p106291"></a>9</td><td><a id="p106292"></a>24</td><td><a id="p106293"></a>11</td><td><a id="p106294"></a>26</td><td><a id="p106295"></a>14</td><td><a id="p106296"></a>26</td><td><a id="p106297"></a>19</td><td><a id="p106298"></a>28</td><td><a id="p106299"></a>24</td><td><a id="p106300"></a>30</td><td><a id="p106301"></a>32</td><td><a id="p106302"></a>32</td><td><a id="p106303"></a>44</td><td colspan="2"><a id="p106304"></a>*</td><td colspan="2"><a id="p106305"></a>*</td></tr>
<tr><td><a id="p106306"></a>2,50</td><td><a id="p106307"></a>2,25 - 2,80</td><td><a id="p106308"></a>36</td><td><a id="p106309"></a>4</td><td><a id="p106310"></a>36</td><td><a id="p106311"></a>5</td><td><a id="p106312"></a>36</td><td><a id="p106313"></a>6</td><td><a id="p106314"></a>36</td><td><a id="p106315"></a>8</td><td><a id="p106316"></a>38</td><td><a id="p106317"></a>10</td><td><a id="p106318"></a>38</td><td><a id="p106319"></a>13</td><td><a id="p106320"></a>38</td><td><a id="p106321"></a>17</td><td><a id="p106322"></a>40</td><td><a id="p106323"></a>22</td><td><a id="p106324"></a>42</td><td><a id="p106325"></a>30</td><td><a id="p106326"></a>44</td><td><a id="p106327"></a>38</td><td><a id="p106328"></a>46</td><td><a id="p106329"></a>50</td><td colspan="2"><a id="p106330"></a>*</td><td colspan="2"><a id="p106331"></a>*</td></tr>
</table>


<a id="p106332"></a>Таблица 8C

<a id="p106333"></a>Уровень отношения затрат 3 для $R_{c} \approx 1,0$ 
из интервала от 0,57 до 1,7


<table>
<colgroup><col width="6%"><col width="12%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p106334"></a><img src="https://i.bukva.ai/IaUDWsE9/img_18.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p106335"></a>0,160</td><td colspan="2"><a id="p106336"></a>0,200</td><td colspan="2"><a id="p106337"></a>0,250</td><td colspan="2"><a id="p106338"></a>0,315</td><td colspan="2"><a id="p106339"></a>0,400</td><td colspan="2"><a id="p106340"></a>0,500</td><td colspan="2"><a id="p106341"></a>0,630</td><td colspan="2"><a id="p106342"></a>0,800</td><td colspan="2"><a id="p106343"></a>1,00</td><td colspan="2"><a id="p106344"></a>1,25</td><td colspan="2"><a id="p106345"></a>1,60</td><td colspan="2"><a id="p106346"></a>2,00</td><td colspan="2"><a id="p106347"></a>2,50</td></tr>
<tr><td><a id="p106348"></a>$n_{I}$</td><td><a id="p106349"></a>$n_{T}$</td><td><a id="p106350"></a>$n_{I}$</td><td><a id="p106351"></a>$n_{T}$</td><td><a id="p106352"></a>$n_{I}$</td><td><a id="p106353"></a>$n_{T}$</td><td><a id="p106354"></a>$n_{I}$</td><td><a id="p106355"></a>$n_{T}$</td><td><a id="p106356"></a>$n_{I}$</td><td><a id="p106357"></a>$n_{T}$</td><td><a id="p106358"></a>$n_{I}$</td><td><a id="p106359"></a>$n_{T}$</td><td><a id="p106360"></a>$n_{I}$</td><td><a id="p106361"></a>$n_{T}$</td><td><a id="p106362"></a>$n_{I}$</td><td><a id="p106363"></a>$n_{T}$</td><td><a id="p106364"></a>$n_{I}$</td><td><a id="p106365"></a>$n_{T}$</td><td><a id="p106366"></a>$n_{I}$</td><td><a id="p106367"></a>$n_{T}$</td><td><a id="p106368"></a>$n_{I}$</td><td><a id="p106369"></a>$n_{T}$</td><td><a id="p106370"></a>$n_{I}$</td><td><a id="p106371"></a>$n_{T}$</td><td><a id="p106372"></a>$n_{I}$</td><td><a id="p106373"></a>$n_{T}$</td></tr>
<tr><td><a id="p106374"></a>0,160</td><td><a id="p106375"></a>0,000 - 0,180</td><td><a id="p106376"></a>2</td><td><a id="p106377"></a>2</td><td><a id="p106378"></a>2</td><td><a id="p106379"></a>2</td><td><a id="p106380"></a>2</td><td><a id="p106381"></a>2</td><td><a id="p106382"></a>2</td><td><a id="p106383"></a>2</td><td><a id="p106384"></a>2</td><td><a id="p106385"></a>2</td><td><a id="p106386"></a>2</td><td><a id="p106387"></a>2</td><td><a id="p106388"></a>2</td><td><a id="p106389"></a>2</td><td><a id="p106390"></a>2</td><td><a id="p106391"></a>4</td><td><a id="p106392"></a>2</td><td><a id="p106393"></a>6</td><td><a id="p106394"></a>2</td><td><a id="p106395"></a>9</td><td><a id="p106396"></a>2</td><td><a id="p106397"></a>15</td><td><a id="p106398"></a>2</td><td><a id="p106399"></a>24</td><td><a id="p106400"></a>2</td><td><a id="p106401"></a>36</td></tr>
<tr><td><a id="p106402"></a>0,200</td><td><a id="p106403"></a>0,181 - 0,224</td><td><a id="p106404"></a>2</td><td><a id="p106405"></a>2</td><td><a id="p106406"></a>2</td><td><a id="p106407"></a>2</td><td><a id="p106408"></a>2</td><td><a id="p106409"></a>2</td><td><a id="p106410"></a>2</td><td><a id="p106411"></a>2</td><td><a id="p106412"></a>2</td><td><a id="p106413"></a>2</td><td><a id="p106414"></a>2</td><td><a id="p106415"></a>2</td><td><a id="p106416"></a>2</td><td><a id="p106417"></a>2</td><td><a id="p106418"></a>2</td><td><a id="p106419"></a>4</td><td><a id="p106420"></a>2</td><td><a id="p106421"></a>6</td><td><a id="p106422"></a>2</td><td><a id="p106423"></a>10</td><td><a id="p106424"></a>2</td><td><a id="p106425"></a>16</td><td><a id="p106426"></a>2</td><td><a id="p106427"></a>24</td><td><a id="p106428"></a>3</td><td><a id="p106429"></a>36</td></tr>
<tr><td><a id="p106430"></a>0,250</td><td><a id="p106431"></a>0,225 - 0,280</td><td><a id="p106432"></a>2</td><td><a id="p106433"></a>2</td><td><a id="p106434"></a>2</td><td><a id="p106435"></a>2</td><td><a id="p106436"></a>2</td><td><a id="p106437"></a>2</td><td><a id="p106438"></a>2</td><td><a id="p106439"></a>2</td><td><a id="p106440"></a>2</td><td><a id="p106441"></a>2</td><td><a id="p106442"></a>2</td><td><a id="p106443"></a>2</td><td><a id="p106444"></a>2</td><td><a id="p106445"></a>3</td><td><a id="p106446"></a>2</td><td><a id="p106447"></a>4</td><td><a id="p106448"></a>2</td><td><a id="p106449"></a>7</td><td><a id="p106450"></a>2</td><td><a id="p106451"></a>10</td><td><a id="p106452"></a>3</td><td><a id="p106453"></a>16</td><td><a id="p106454"></a>3</td><td><a id="p106455"></a>24</td><td><a id="p106456"></a>4</td><td><a id="p106457"></a>36</td></tr>
<tr><td><a id="p106458"></a>0,315</td><td><a id="p106459"></a>0,281 - 0,355</td><td><a id="p106460"></a>2</td><td><a id="p106461"></a>2</td><td><a id="p106462"></a>2</td><td><a id="p106463"></a>2</td><td><a id="p106464"></a>2</td><td><a id="p106465"></a>2</td><td><a id="p106466"></a>2</td><td><a id="p106467"></a>2</td><td><a id="p106468"></a>2</td><td><a id="p106469"></a>2</td><td><a id="p106470"></a>2</td><td><a id="p106471"></a>2</td><td><a id="p106472"></a>2</td><td><a id="p106473"></a>3</td><td><a id="p106474"></a>2</td><td><a id="p106475"></a>5</td><td><a id="p106476"></a>2</td><td><a id="p106477"></a>7</td><td><a id="p106478"></a>3</td><td><a id="p106479"></a>10</td><td><a id="p106480"></a>3</td><td><a id="p106481"></a>17</td><td><a id="p106482"></a>4</td><td><a id="p106483"></a>26</td><td><a id="p106484"></a>5</td><td><a id="p106485"></a>38</td></tr>
<tr><td><a id="p106486"></a>0,400</td><td><a id="p106487"></a>0,356 - 0,450</td><td><a id="p106488"></a>2</td><td><a id="p106489"></a>2</td><td><a id="p106490"></a>2</td><td><a id="p106491"></a>2</td><td><a id="p106492"></a>2</td><td><a id="p106493"></a>2</td><td><a id="p106494"></a>2</td><td><a id="p106495"></a>2</td><td><a id="p106496"></a>2</td><td><a id="p106497"></a>2</td><td><a id="p106498"></a>2</td><td><a id="p106499"></a>2</td><td><a id="p106500"></a>2</td><td><a id="p106501"></a>4</td><td><a id="p106502"></a>3</td><td><a id="p106503"></a>5</td><td><a id="p106504"></a>3</td><td><a id="p106505"></a>8</td><td><a id="p106506"></a>4</td><td><a id="p106507"></a>11</td><td><a id="p106508"></a>4</td><td><a id="p106509"></a>18</td><td><a id="p106510"></a>5</td><td><a id="p106511"></a>26</td><td><a id="p106512"></a>6</td><td><a id="p106513"></a>40</td></tr>
<tr><td><a id="p106514"></a>0,500</td><td><a id="p106515"></a>0,451 - 0,560</td><td><a id="p106516"></a>2</td><td><a id="p106517"></a>2</td><td><a id="p106518"></a>2</td><td><a id="p106519"></a>2</td><td><a id="p106520"></a>2</td><td><a id="p106521"></a>2</td><td><a id="p106522"></a>2</td><td><a id="p106523"></a>2</td><td><a id="p106524"></a>2</td><td><a id="p106525"></a>2</td><td><a id="p106526"></a>3</td><td><a id="p106527"></a>3</td><td><a id="p106528"></a>3</td><td><a id="p106529"></a>4</td><td><a id="p106530"></a>4</td><td><a id="p106531"></a>5</td><td><a id="p106532"></a>4</td><td><a id="p106533"></a>8</td><td><a id="p106534"></a>5</td><td><a id="p106535"></a>12</td><td><a id="p106536"></a>6</td><td><a id="p106537"></a>18</td><td><a id="p106538"></a>7</td><td><a id="p106539"></a>26</td><td><a id="p106540"></a>8</td><td><a id="p106541"></a>40</td></tr>
<tr><td><a id="p106542"></a>0,630</td><td><a id="p106543"></a>0,561 - 0,710</td><td><a id="p106544"></a>2</td><td><a id="p106545"></a>2</td><td><a id="p106546"></a>2</td><td><a id="p106547"></a>2</td><td><a id="p106548"></a>3</td><td><a id="p106549"></a>2</td><td><a id="p106550"></a>3</td><td><a id="p106551"></a>2</td><td><a id="p106552"></a>4</td><td><a id="p106553"></a>2</td><td><a id="p106554"></a>4</td><td><a id="p106555"></a>3</td><td><a id="p106556"></a>5</td><td><a id="p106557"></a>4</td><td><a id="p106558"></a>5</td><td><a id="p106559"></a>6</td><td><a id="p106560"></a>6</td><td><a id="p106561"></a>8</td><td><a id="p106562"></a>6</td><td><a id="p106563"></a>13</td><td><a id="p106564"></a>8</td><td><a id="p106565"></a>19</td><td><a id="p106566"></a>9</td><td><a id="p106567"></a>28</td><td><a id="p106568"></a>11</td><td><a id="p106569"></a>42</td></tr>
<tr><td><a id="p106570"></a>0,800</td><td><a id="p106571"></a>0,711 - 0,900</td><td><a id="p106572"></a>4</td><td><a id="p106573"></a>2</td><td><a id="p106574"></a>4</td><td><a id="p106575"></a>2</td><td><a id="p106576"></a>4</td><td><a id="p106577"></a>2</td><td><a id="p106578"></a>5</td><td><a id="p106579"></a>2</td><td><a id="p106580"></a>5</td><td><a id="p106581"></a>3</td><td><a id="p106582"></a>5</td><td><a id="p106583"></a>4</td><td><a id="p106584"></a>6</td><td><a id="p106585"></a>5</td><td><a id="p106586"></a>7</td><td><a id="p106587"></a>7</td><td><a id="p106588"></a>8</td><td><a id="p106589"></a>10</td><td><a id="p106590"></a>9</td><td><a id="p106591"></a>14</td><td><a id="p106592"></a>10</td><td><a id="p106593"></a>22</td><td><a id="p106594"></a>12</td><td><a id="p106595"></a>30</td><td><a id="p106596"></a>14</td><td><a id="p106597"></a>44</td></tr>
<tr><td><a id="p106598"></a>1,00</td><td><a id="p106599"></a>0,901 - 1,12</td><td><a id="p106600"></a>6</td><td><a id="p106601"></a>2</td><td><a id="p106602"></a>6</td><td><a id="p106603"></a>2</td><td><a id="p106604"></a>7</td><td><a id="p106605"></a>2</td><td><a id="p106606"></a>7</td><td><a id="p106607"></a>2</td><td><a id="p106608"></a>8</td><td><a id="p106609"></a>3</td><td><a id="p106610"></a>8</td><td><a id="p106611"></a>4</td><td><a id="p106612"></a>8</td><td><a id="p106613"></a>6</td><td><a id="p106614"></a>10</td><td><a id="p106615"></a>8</td><td><a id="p106616"></a>11</td><td><a id="p106617"></a>1</td><td><a id="p106618"></a>12</td><td><a id="p106619"></a>15</td><td><a id="p106620"></a>14</td><td><a id="p106621"></a>22</td><td><a id="p106622"></a>16</td><td><a id="p106623"></a>32</td><td><a id="p106624"></a>19</td><td><a id="p106625"></a>48</td></tr>
<tr><td><a id="p106626"></a>1,25</td><td><a id="p106627"></a>1,13 - 1,40</td><td><a id="p106628"></a>9</td><td><a id="p106629"></a>2</td><td><a id="p106630"></a>10</td><td><a id="p106631"></a>2</td><td><a id="p106632"></a>10</td><td><a id="p106633"></a>2</td><td><a id="p106634"></a>10</td><td><a id="p106635"></a>3</td><td><a id="p106636"></a>11</td><td><a id="p106637"></a>4</td><td><a id="p106638"></a>12</td><td><a id="p106639"></a>5</td><td><a id="p106640"></a>13</td><td><a id="p106641"></a>6</td><td><a id="p106642"></a>14</td><td><a id="p106643"></a>9</td><td><a id="p106644"></a>15</td><td><a id="p106645"></a>2</td><td><a id="p106646"></a>17</td><td><a id="p106647"></a>17</td><td><a id="p106648"></a>19</td><td><a id="p106649"></a>24</td><td><a id="p106650"></a>22</td><td><a id="p106651"></a>36</td><td><a id="p106652"></a>26</td><td><a id="p106653"></a>50</td></tr>
<tr><td><a id="p106654"></a>1,60</td><td><a id="p106655"></a>1,41 - 1,80</td><td><a id="p106656"></a>15</td><td><a id="p106657"></a>2</td><td><a id="p106658"></a>16</td><td><a id="p106659"></a>2</td><td><a id="p106660"></a>16</td><td><a id="p106661"></a>3</td><td><a id="p106662"></a>17</td><td><a id="p106663"></a>3</td><td><a id="p106664"></a>18</td><td><a id="p106665"></a>4</td><td><a id="p106666"></a>18</td><td><a id="p106667"></a>6</td><td><a id="p106668"></a>19</td><td><a id="p106669"></a>8</td><td><a id="p106670"></a>22</td><td><a id="p106671"></a>10</td><td><a id="p106672"></a>22</td><td><a id="p106673"></a>4</td><td><a id="p106674"></a>24</td><td><a id="p106675"></a>19</td><td><a id="p106676"></a>28</td><td><a id="p106677"></a>28</td><td><a id="p106678"></a>32</td><td><a id="p106679"></a>38</td><td colspan="2"><a id="p106680"></a>*</td></tr>
<tr><td><a id="p106681"></a>2,00</td><td><a id="p106682"></a>1,81 - 2,24</td><td><a id="p106683"></a>24</td><td><a id="p106684"></a>2</td><td><a id="p106685"></a>24</td><td><a id="p106686"></a>2</td><td><a id="p106687"></a>24</td><td><a id="p106688"></a>3</td><td><a id="p106689"></a>26</td><td><a id="p106690"></a>4</td><td><a id="p106691"></a>26</td><td><a id="p106692"></a>5</td><td><a id="p106693"></a>26</td><td><a id="p106694"></a>7</td><td><a id="p106695"></a>28</td><td><a id="p106696"></a>9</td><td><a id="p106697"></a>30</td><td><a id="p106698"></a>12</td><td><a id="p106699"></a>32</td><td><a id="p106700"></a>16</td><td><a id="p106701"></a>36</td><td><a id="p106702"></a>22</td><td><a id="p106703"></a>38</td><td><a id="p106704"></a>32</td><td><a id="p106705"></a>42</td><td><a id="p106706"></a>44</td><td colspan="2"><a id="p106707"></a>*</td></tr>
<tr><td><a id="p106708"></a>2,50</td><td><a id="p106709"></a>2,25 - 2,80</td><td><a id="p106710"></a>36</td><td><a id="p106711"></a>2</td><td><a id="p106712"></a>36</td><td><a id="p106713"></a>3</td><td><a id="p106714"></a>36</td><td><a id="p106715"></a>4</td><td><a id="p106716"></a>38</td><td><a id="p106717"></a>5</td><td><a id="p106718"></a>40</td><td><a id="p106719"></a>6</td><td><a id="p106720"></a>40</td><td><a id="p106721"></a>8</td><td><a id="p106722"></a>42</td><td><a id="p106723"></a>11</td><td><a id="p106724"></a>44</td><td><a id="p106725"></a>14</td><td><a id="p106726"></a>48</td><td><a id="p106727"></a>19</td><td><a id="p106728"></a>50</td><td><a id="p106729"></a>26</td><td colspan="2"><a id="p106730"></a>*</td><td colspan="2"><a id="p106731"></a>*</td><td colspan="2"><a id="p106732"></a>*</td></tr>
</table>


<a id="p106733"></a>Таблица 8D

<a id="p106734"></a>Уровень отношения затрат 4 для $R_{c} \approx 3,2$ 
из интервала от 1,8 до 5,6


<table>
<colgroup><col width="6%"><col width="12%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p106735"></a><img src="https://i.bukva.ai/IaUDWsE9/img_19.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p106736"></a>0,160</td><td colspan="2"><a id="p106737"></a>0,200</td><td colspan="2"><a id="p106738"></a>0,250</td><td colspan="2"><a id="p106739"></a>0,315</td><td colspan="2"><a id="p106740"></a>0,400</td><td colspan="2"><a id="p106741"></a>0,500</td><td colspan="2"><a id="p106742"></a>0,630</td><td colspan="2"><a id="p106743"></a>0,800</td><td colspan="2"><a id="p106744"></a>1,00</td><td colspan="2"><a id="p106745"></a>1,25</td><td colspan="2"><a id="p106746"></a>1,60</td><td colspan="2"><a id="p106747"></a>2,00</td><td colspan="2"><a id="p106748"></a>2,50</td></tr>
<tr><td><a id="p106749"></a>$n_{I}$</td><td><a id="p106750"></a>$n_{T}$</td><td><a id="p106751"></a>$n_{I}$</td><td><a id="p106752"></a>$n_{T}$</td><td><a id="p106753"></a>$n_{I}$</td><td><a id="p106754"></a>$n_{T}$</td><td><a id="p106755"></a>$n_{I}$</td><td><a id="p106756"></a>$n_{T}$</td><td><a id="p106757"></a>$n_{I}$</td><td><a id="p106758"></a>$n_{T}$</td><td><a id="p106759"></a>$n_{I}$</td><td><a id="p106760"></a>$n_{T}$</td><td><a id="p106761"></a>$n_{I}$</td><td><a id="p106762"></a>$n_{T}$</td><td><a id="p106763"></a>$n_{I}$</td><td><a id="p106764"></a>$n_{T}$</td><td><a id="p106765"></a>$n_{I}$</td><td><a id="p106766"></a>$n_{T}$</td><td><a id="p106767"></a>$n_{I}$</td><td><a id="p106768"></a>$n_{T}$</td><td><a id="p106769"></a>$n_{I}$</td><td><a id="p106770"></a>$n_{T}$</td><td><a id="p106771"></a>$n_{I}$</td><td><a id="p106772"></a>$n_{T}$</td><td><a id="p106773"></a>$n_{I}$</td><td><a id="p106774"></a>$n_{T}$</td></tr>
<tr><td><a id="p106775"></a>0,160</td><td><a id="p106776"></a>0,000 - 0,180</td><td><a id="p106777"></a>2</td><td><a id="p106778"></a>2</td><td><a id="p106779"></a>2</td><td><a id="p106780"></a>2</td><td><a id="p106781"></a>2</td><td><a id="p106782"></a>2</td><td><a id="p106783"></a>2</td><td><a id="p106784"></a>2</td><td><a id="p106785"></a>2</td><td><a id="p106786"></a>2</td><td><a id="p106787"></a>2</td><td><a id="p106788"></a>2</td><td><a id="p106789"></a>2</td><td><a id="p106790"></a>2</td><td><a id="p106791"></a>2</td><td><a id="p106792"></a>4</td><td><a id="p106793"></a>2</td><td><a id="p106794"></a>6</td><td><a id="p106795"></a>2</td><td><a id="p106796"></a>9</td><td><a id="p106797"></a>3</td><td><a id="p106798"></a>15</td><td><a id="p106799"></a>3</td><td><a id="p106800"></a>22</td><td><a id="p106801"></a>4</td><td><a id="p106802"></a>36</td></tr>
<tr><td><a id="p106803"></a>0,200</td><td><a id="p106804"></a>0,181 - 0,224</td><td><a id="p106805"></a>2</td><td><a id="p106806"></a>2</td><td><a id="p106807"></a>2</td><td><a id="p106808"></a>2</td><td><a id="p106809"></a>2</td><td><a id="p106810"></a>2</td><td><a id="p106811"></a>2</td><td><a id="p106812"></a>2</td><td><a id="p106813"></a>2</td><td><a id="p106814"></a>2</td><td><a id="p106815"></a>2</td><td><a id="p106816"></a>2</td><td><a id="p106817"></a>2</td><td><a id="p106818"></a>2</td><td><a id="p106819"></a>2</td><td><a id="p106820"></a>4</td><td><a id="p106821"></a>2</td><td><a id="p106822"></a>6</td><td><a id="p106823"></a>3</td><td><a id="p106824"></a>9</td><td><a id="p106825"></a>3</td><td><a id="p106826"></a>15</td><td><a id="p106827"></a>4</td><td><a id="p106828"></a>22</td><td><a id="p106829"></a>5</td><td><a id="p106830"></a>36</td></tr>
<tr><td><a id="p106831"></a>0,250</td><td><a id="p106832"></a>0,225 - 0,280</td><td><a id="p106833"></a>2</td><td><a id="p106834"></a>2</td><td><a id="p106835"></a>2</td><td><a id="p106836"></a>2</td><td><a id="p106837"></a>2</td><td><a id="p106838"></a>2</td><td><a id="p106839"></a>2</td><td><a id="p106840"></a>2</td><td><a id="p106841"></a>2</td><td><a id="p106842"></a>2</td><td><a id="p106843"></a>2</td><td><a id="p106844"></a>2</td><td><a id="p106845"></a>2</td><td><a id="p106846"></a>3</td><td><a id="p106847"></a>2</td><td><a id="p106848"></a>4</td><td><a id="p106849"></a>3</td><td><a id="p106850"></a>6</td><td><a id="p106851"></a>3</td><td><a id="p106852"></a>10</td><td><a id="p106853"></a>4</td><td><a id="p106854"></a>15</td><td><a id="p106855"></a>5</td><td><a id="p106856"></a>24</td><td><a id="p106857"></a>6</td><td><a id="p106858"></a>36</td></tr>
<tr><td><a id="p106859"></a>0,315</td><td><a id="p106860"></a>0,281 - 0,355</td><td><a id="p106861"></a>2</td><td><a id="p106862"></a>2</td><td><a id="p106863"></a>2</td><td><a id="p106864"></a>2</td><td><a id="p106865"></a>2</td><td><a id="p106866"></a>2</td><td><a id="p106867"></a>2</td><td><a id="p106868"></a>2</td><td><a id="p106869"></a>2</td><td><a id="p106870"></a>2</td><td><a id="p106871"></a>2</td><td><a id="p106872"></a>2</td><td><a id="p106873"></a>2</td><td><a id="p106874"></a>3</td><td><a id="p106875"></a>3</td><td><a id="p106876"></a>4</td><td><a id="p106877"></a>4</td><td><a id="p106878"></a>6</td><td><a id="p106879"></a>4</td><td><a id="p106880"></a>10</td><td><a id="p106881"></a>5</td><td><a id="p106882"></a>16</td><td><a id="p106883"></a>7</td><td><a id="p106884"></a>24</td><td><a id="p106885"></a>8</td><td><a id="p106886"></a>36</td></tr>
<tr><td><a id="p106887"></a>0,400</td><td><a id="p106888"></a>0,356 - 0,450</td><td><a id="p106889"></a>2</td><td><a id="p106890"></a>2</td><td><a id="p106891"></a>2</td><td><a id="p106892"></a>2</td><td><a id="p106893"></a>2</td><td><a id="p106894"></a>2</td><td><a id="p106895"></a>2</td><td><a id="p106896"></a>2</td><td><a id="p106897"></a>2</td><td><a id="p106898"></a>2</td><td><a id="p106899"></a>3</td><td><a id="p106900"></a>2</td><td><a id="p106901"></a>3</td><td><a id="p106902"></a>3</td><td><a id="p106903"></a>4</td><td><a id="p106904"></a>4</td><td><a id="p106905"></a>5</td><td><a id="p106906"></a>7</td><td><a id="p106907"></a>6</td><td><a id="p106908"></a>10</td><td><a id="p106909"></a>7</td><td><a id="p106910"></a>16</td><td><a id="p106911"></a>9</td><td><a id="p106912"></a>24</td><td><a id="p106913"></a>10</td><td><a id="p106914"></a>38</td></tr>
<tr><td><a id="p106915"></a>0,500</td><td><a id="p106916"></a>0,451 - 0,560</td><td><a id="p106917"></a>2</td><td><a id="p106918"></a>2</td><td><a id="p106919"></a>2</td><td><a id="p106920"></a>2</td><td><a id="p106921"></a>2</td><td><a id="p106922"></a>2</td><td><a id="p106923"></a>2</td><td><a id="p106924"></a>2</td><td><a id="p106925"></a>3</td><td><a id="p106926"></a>2</td><td><a id="p106927"></a>4</td><td><a id="p106928"></a>2</td><td><a id="p106929"></a>5</td><td><a id="p106930"></a>3</td><td><a id="p106931"></a>5</td><td><a id="p106932"></a>5</td><td><a id="p106933"></a>6</td><td><a id="p106934"></a>7</td><td><a id="p106935"></a>7</td><td><a id="p106936"></a>10</td><td><a id="p106937"></a>9</td><td><a id="p106938"></a>16</td><td><a id="p106939"></a>11</td><td><a id="p106940"></a>24</td><td><a id="p106941"></a>13</td><td><a id="p106942"></a>38</td></tr>
<tr><td><a id="p106943"></a>0,630</td><td><a id="p106944"></a>0,561 - 0,710</td><td><a id="p106945"></a>3</td><td><a id="p106946"></a>2</td><td><a id="p106947"></a>3</td><td><a id="p106948"></a>2</td><td><a id="p106949"></a>3</td><td><a id="p106950"></a>2</td><td><a id="p106951"></a>4</td><td><a id="p106952"></a>2</td><td><a id="p106953"></a>4</td><td><a id="p106954"></a>2</td><td><a id="p106955"></a>6</td><td><a id="p106956"></a>2</td><td><a id="p106957"></a>6</td><td><a id="p106958"></a>3</td><td><a id="p106959"></a>7</td><td><a id="p106960"></a>5</td><td><a id="p106961"></a>9</td><td><a id="p106962"></a>7</td><td><a id="p106963"></a>10</td><td><a id="p106964"></a>11</td><td><a id="p106965"></a>12</td><td><a id="p106966"></a>17</td><td><a id="p106967"></a>14</td><td><a id="p106968"></a>26</td><td><a id="p106969"></a>17</td><td><a id="p106970"></a>38</td></tr>
<tr><td><a id="p106971"></a>0,800</td><td><a id="p106972"></a>0,711 - 0,900</td><td><a id="p106973"></a>4</td><td><a id="p106974"></a>2</td><td><a id="p106975"></a>5</td><td><a id="p106976"></a>2</td><td><a id="p106977"></a>5</td><td><a id="p106978"></a>2</td><td><a id="p106979"></a>5</td><td><a id="p106980"></a>2</td><td><a id="p106981"></a>6</td><td><a id="p106982"></a>2</td><td><a id="p106983"></a>7</td><td><a id="p106984"></a>3</td><td><a id="p106985"></a>8</td><td><a id="p106986"></a>4</td><td><a id="p106987"></a>10</td><td><a id="p106988"></a>5</td><td><a id="p106989"></a>11</td><td><a id="p106990"></a>8</td><td><a id="p106991"></a>14</td><td><a id="p106992"></a>11</td><td><a id="p106993"></a>16</td><td><a id="p106994"></a>18</td><td><a id="p106995"></a>19</td><td><a id="p106996"></a>26</td><td><a id="p106997"></a>22</td><td><a id="p106998"></a>40</td></tr>
<tr><td><a id="p106999"></a>1,00</td><td><a id="p107000"></a>0,901 - 1,12</td><td><a id="p107001"></a>6</td><td><a id="p107002"></a>2</td><td><a id="p107003"></a>7</td><td><a id="p107004"></a>2</td><td><a id="p107005"></a>7</td><td><a id="p107006"></a>2</td><td><a id="p107007"></a>8</td><td><a id="p107008"></a>2</td><td><a id="p107009"></a>10</td><td><a id="p107010"></a>2</td><td><a id="p107011"></a>10</td><td><a id="p107012"></a>3</td><td><a id="p107013"></a>12</td><td><a id="p107014"></a>4</td><td><a id="p107015"></a>13</td><td><a id="p107016"></a>6</td><td><a id="p107017"></a>16</td><td><a id="p107018"></a>8</td><td><a id="p107019"></a>18</td><td><a id="p107020"></a>12</td><td><a id="p107021"></a>20</td><td><a id="p107022"></a>19</td><td><a id="p107023"></a>24</td><td><a id="p107024"></a>28</td><td><a id="p107025"></a>30</td><td><a id="p107026"></a>42</td></tr>
<tr><td><a id="p107027"></a>1,25</td><td><a id="p107028"></a>1,13 - 1,40</td><td><a id="p107029"></a>10</td><td><a id="p107030"></a>2</td><td><a id="p107031"></a>10</td><td><a id="p107032"></a>2</td><td><a id="p107033"></a>11</td><td><a id="p107034"></a>2</td><td><a id="p107035"></a>12</td><td><a id="p107036"></a>2</td><td><a id="p107037"></a>14</td><td><a id="p107038"></a>2</td><td><a id="p107039"></a>15</td><td><a id="p107040"></a>3</td><td><a id="p107041"></a>16</td><td><a id="p107042"></a>5</td><td><a id="p107043"></a>18</td><td><a id="p107044"></a>7</td><td><a id="p107045"></a>22</td><td><a id="p107046"></a>9</td><td><a id="p107047"></a>24</td><td><a id="p107048"></a>13</td><td><a id="p107049"></a>28</td><td><a id="p107050"></a>20</td><td><a id="p107051"></a>32</td><td><a id="p107052"></a>30</td><td><a id="p107053"></a>38</td><td><a id="p107054"></a>44</td></tr>
<tr><td><a id="p107055"></a>1,60</td><td><a id="p107056"></a>1,41 - 1,80</td><td><a id="p107057"></a>16</td><td><a id="p107058"></a>2</td><td><a id="p107059"></a>16</td><td><a id="p107060"></a>2</td><td><a id="p107061"></a>17</td><td><a id="p107062"></a>2</td><td><a id="p107063"></a>19</td><td><a id="p107064"></a>2</td><td><a id="p107065"></a>20</td><td><a id="p107066"></a>3</td><td><a id="p107067"></a>20</td><td><a id="p107068"></a>4</td><td><a id="p107069"></a>24</td><td><a id="p107070"></a>5</td><td><a id="p107071"></a>28</td><td><a id="p107072"></a>7</td><td><a id="p107073"></a>30</td><td><a id="p107074"></a>10</td><td><a id="p107075"></a>32</td><td><a id="p107076"></a>15</td><td><a id="p107077"></a>38</td><td><a id="p107078"></a>22</td><td><a id="p107079"></a>44</td><td><a id="p107080"></a>32</td><td><a id="p107081"></a>50</td><td><a id="p107082"></a>46</td></tr>
<tr><td><a id="p107083"></a>2,00</td><td><a id="p107084"></a>1,81 - 2,24</td><td><a id="p107085"></a>24</td><td><a id="p107086"></a>2</td><td><a id="p107087"></a>24</td><td><a id="p107088"></a>2</td><td><a id="p107089"></a>26</td><td><a id="p107090"></a>2</td><td><a id="p107091"></a>28</td><td><a id="p107092"></a>2</td><td><a id="p107093"></a>30</td><td><a id="p107094"></a>3</td><td><a id="p107095"></a>32</td><td><a id="p107096"></a>4</td><td><a id="p107097"></a>34</td><td><a id="p107098"></a>6</td><td><a id="p107099"></a>38</td><td><a id="p107100"></a>8</td><td><a id="p107101"></a>42</td><td><a id="p107102"></a>11</td><td><a id="p107103"></a>46</td><td><a id="p107104"></a>16</td><td><a id="p107105"></a>50</td><td><a id="p107106"></a>24</td><td colspan="2"><a id="p107107"></a>*</td><td colspan="2"><a id="p107108"></a>*</td></tr>
<tr><td><a id="p107109"></a>2,50</td><td><a id="p107110"></a>2,25 - 2,80</td><td><a id="p107111"></a>36</td><td><a id="p107112"></a>2</td><td><a id="p107113"></a>38</td><td><a id="p107114"></a>2</td><td><a id="p107115"></a>40</td><td><a id="p107116"></a>2</td><td><a id="p107117"></a>42</td><td><a id="p107118"></a>3</td><td><a id="p107119"></a>44</td><td><a id="p107120"></a>4</td><td><a id="p107121"></a>46</td><td><a id="p107122"></a>5</td><td><a id="p107123"></a>48</td><td><a id="p107124"></a>7</td><td><a id="p107125"></a>50</td><td><a id="p107126"></a>10</td><td colspan="2"><a id="p107127"></a>*</td><td colspan="2"><a id="p107128"></a>*</td><td colspan="2"><a id="p107129"></a>*</td><td colspan="2"><a id="p107130"></a>*</td><td colspan="2"><a id="p107131"></a>*</td></tr>
</table>


<a id="p107132"></a>Таблица 8E

<a id="p107133"></a>Уровень отношения затрат 5 для $R_{c} \approx 10$ 
из интервала от 5,7 и более


<table>
<colgroup><col width="6%"><col width="12%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"><col width="3%"></colgroup>
<tr><td colspan="2" rowspan="2"><a id="p107134"></a><img src="https://i.bukva.ai/IaUDWsE9/img_20.png" alt="3.10. Дополнительные процедуры"></td><td colspan="2"><a id="p107135"></a>0,160</td><td colspan="2"><a id="p107136"></a>0,200</td><td colspan="2"><a id="p107137"></a>0,250</td><td colspan="2"><a id="p107138"></a>0,315</td><td colspan="2"><a id="p107139"></a>0,400</td><td colspan="2"><a id="p107140"></a>0,500</td><td colspan="2"><a id="p107141"></a>0,630</td><td colspan="2"><a id="p107142"></a>0,800</td><td colspan="2"><a id="p107143"></a>1,00</td><td colspan="2"><a id="p107144"></a>1,25</td><td colspan="2"><a id="p107145"></a>1,60</td><td colspan="2"><a id="p107146"></a>2,00</td><td colspan="2"><a id="p107147"></a>2,50</td></tr>
<tr><td><a id="p107148"></a>$n_{I}$</td><td><a id="p107149"></a>$n_{T}$</td><td><a id="p107150"></a>$n_{I}$</td><td><a id="p107151"></a>$n_{T}$</td><td><a id="p107152"></a>$n_{I}$</td><td><a id="p107153"></a>$n_{T}$</td><td><a id="p107154"></a>$n_{I}$</td><td><a id="p107155"></a>$n_{T}$</td><td><a id="p107156"></a>$n_{I}$</td><td><a id="p107157"></a>$n_{T}$</td><td><a id="p107158"></a>$n_{I}$</td><td><a id="p107159"></a>$n_{T}$</td><td><a id="p107160"></a>$n_{I}$</td><td><a id="p107161"></a>$n_{T}$</td><td><a id="p107162"></a>$n_{I}$</td><td><a id="p107163"></a>$n_{T}$</td><td><a id="p107164"></a>$n_{I}$</td><td><a id="p107165"></a>$n_{T}$</td><td><a id="p107166"></a>$n_{I}$</td><td><a id="p107167"></a>$n_{T}$</td><td><a id="p107168"></a>$n_{I}$</td><td><a id="p107169"></a>$n_{T}$</td><td><a id="p107170"></a>$n_{I}$</td><td><a id="p107171"></a>$n_{T}$</td><td><a id="p107172"></a>$n_{I}$</td><td><a id="p107173"></a>$n_{T}$</td></tr>
<tr><td><a id="p107174"></a>0,160</td><td><a id="p107175"></a>0,000 - 0,180</td><td><a id="p107176"></a>2</td><td><a id="p107177"></a>2</td><td><a id="p107178"></a>2</td><td><a id="p107179"></a>2</td><td><a id="p107180"></a>2</td><td><a id="p107181"></a>2</td><td><a id="p107182"></a>2</td><td><a id="p107183"></a>2</td><td><a id="p107184"></a>2</td><td><a id="p107185"></a>2</td><td><a id="p107186"></a>2</td><td><a id="p107187"></a>2</td><td><a id="p107188"></a>2</td><td><a id="p107189"></a>2</td><td><a id="p107190"></a>2</td><td><a id="p107191"></a>4</td><td><a id="p107192"></a>3</td><td><a id="p107193"></a>6</td><td><a id="p107194"></a>4</td><td><a id="p107195"></a>9</td><td><a id="p107196"></a>5</td><td><a id="p107197"></a>14</td><td><a id="p107198"></a>6</td><td><a id="p107199"></a>22</td><td><a id="p107200"></a>7</td><td><a id="p107201"></a>34</td></tr>
<tr><td><a id="p107202"></a>0,200</td><td><a id="p107203"></a>0,181 - 0,224</td><td><a id="p107204"></a>2</td><td><a id="p107205"></a>2</td><td><a id="p107206"></a>2</td><td><a id="p107207"></a>2</td><td><a id="p107208"></a>2</td><td><a id="p107209"></a>2</td><td><a id="p107210"></a>2</td><td><a id="p107211"></a>2</td><td><a id="p107212"></a>2</td><td><a id="p107213"></a>2</td><td><a id="p107214"></a>2</td><td><a id="p107215"></a>2</td><td><a id="p107216"></a>3</td><td><a id="p107217"></a>2</td><td><a id="p107218"></a>3</td><td><a id="p107219"></a>4</td><td><a id="p107220"></a>4</td><td><a id="p107221"></a>6</td><td><a id="p107222"></a>4</td><td><a id="p107223"></a>9</td><td><a id="p107224"></a>6</td><td><a id="p107225"></a>14</td><td><a id="p107226"></a>7</td><td><a id="p107227"></a>22</td><td><a id="p107228"></a>9</td><td><a id="p107229"></a>34</td></tr>
<tr><td><a id="p107230"></a>0,250</td><td><a id="p107231"></a>0,225 - 0,280</td><td><a id="p107232"></a>2</td><td><a id="p107233"></a>2</td><td><a id="p107234"></a>2</td><td><a id="p107235"></a>2</td><td><a id="p107236"></a>2</td><td><a id="p107237"></a>2</td><td><a id="p107238"></a>2</td><td><a id="p107239"></a>2</td><td><a id="p107240"></a>2</td><td><a id="p107241"></a>2</td><td><a id="p107242"></a>2</td><td><a id="p107243"></a>2</td><td><a id="p107244"></a>4</td><td><a id="p107245"></a>2</td><td><a id="p107246"></a>4</td><td><a id="p107247"></a>4</td><td><a id="p107248"></a>5</td><td><a id="p107249"></a>6</td><td><a id="p107250"></a>6</td><td><a id="p107251"></a>9</td><td><a id="p107252"></a>7</td><td><a id="p107253"></a>15</td><td><a id="p107254"></a>9</td><td><a id="p107255"></a>22</td><td><a id="p107256"></a>11</td><td><a id="p107257"></a>34</td></tr>
<tr><td><a id="p107258"></a>0,315</td><td><a id="p107259"></a>0,281 - 0,355</td><td><a id="p107260"></a>2</td><td><a id="p107261"></a>2</td><td><a id="p107262"></a>2</td><td><a id="p107263"></a>2</td><td><a id="p107264"></a>2</td><td><a id="p107265"></a>2</td><td><a id="p107266"></a>2</td><td><a id="p107267"></a>2</td><td><a id="p107268"></a>2</td><td><a id="p107269"></a>2</td><td><a id="p107270"></a>3</td><td><a id="p107271"></a>2</td><td><a id="p107272"></a>4</td><td><a id="p107273"></a>2</td><td><a id="p107274"></a>4</td><td><a id="p107275"></a>4</td><td><a id="p107276"></a>6</td><td><a id="p107277"></a>6</td><td><a id="p107278"></a>7</td><td><a id="p107279"></a>9</td><td><a id="p107280"></a>9</td><td><a id="p107281"></a>15</td><td><a id="p107282"></a>11</td><td><a id="p107283"></a>22</td><td><a id="p107284"></a>14</td><td><a id="p107285"></a>36</td></tr>
<tr><td><a id="p107286"></a>0,400</td><td><a id="p107287"></a>0,356 - 0,450</td><td><a id="p107288"></a>2</td><td><a id="p107289"></a>2</td><td><a id="p107290"></a>2</td><td><a id="p107291"></a>2</td><td><a id="p107292"></a>2</td><td><a id="p107293"></a>2</td><td><a id="p107294"></a>3</td><td><a id="p107295"></a>2</td><td><a id="p107296"></a>3</td><td><a id="p107297"></a>2</td><td><a id="p107298"></a>4</td><td><a id="p107299"></a>2</td><td><a id="p107300"></a>5</td><td><a id="p107301"></a>3</td><td><a id="p107302"></a>6</td><td><a id="p107303"></a>4</td><td><a id="p107304"></a>8</td><td><a id="p107305"></a>6</td><td><a id="p107306"></a>10</td><td><a id="p107307"></a>9</td><td><a id="p107308"></a>12</td><td><a id="p107309"></a>15</td><td><a id="p107310"></a>15</td><td><a id="p107311"></a>24</td><td><a id="p107312"></a>18</td><td><a id="p107313"></a>36</td></tr>
<tr><td><a id="p107314"></a>0,500</td><td><a id="p107315"></a>0,451 - 0,560</td><td><a id="p107316"></a>2</td><td><a id="p107317"></a>2</td><td><a id="p107318"></a>3</td><td><a id="p107319"></a>2</td><td><a id="p107320"></a>3</td><td><a id="p107321"></a>2</td><td><a id="p107322"></a>4</td><td><a id="p107323"></a>2</td><td><a id="p107324"></a>4</td><td><a id="p107325"></a>2</td><td><a id="p107326"></a>5</td><td><a id="p107327"></a>2</td><td><a id="p107328"></a>6</td><td><a id="p107329"></a>3</td><td><a id="p107330"></a>9</td><td><a id="p107331"></a>4</td><td><a id="p107332"></a>10</td><td><a id="p107333"></a>6</td><td><a id="p107334"></a>12</td><td><a id="p107335"></a>10</td><td><a id="p107336"></a>15</td><td><a id="p107337"></a>15</td><td><a id="p107338"></a>18</td><td><a id="p107339"></a>24</td><td><a id="p107340"></a>22</td><td><a id="p107341"></a>36</td></tr>
<tr><td><a id="p107342"></a>0,630</td><td><a id="p107343"></a>0,561 - 0,710</td><td><a id="p107344"></a>3</td><td><a id="p107345"></a>2</td><td><a id="p107346"></a>4</td><td><a id="p107347"></a>2</td><td><a id="p107348"></a>4</td><td><a id="p107349"></a>2</td><td><a id="p107350"></a>5</td><td><a id="p107351"></a>2</td><td><a id="p107352"></a>6</td><td><a id="p107353"></a>2</td><td><a id="p107354"></a>7</td><td><a id="p107355"></a>2</td><td><a id="p107356"></a>8</td><td><a id="p107357"></a>3</td><td><a id="p107358"></a>11</td><td><a id="p107359"></a>4</td><td><a id="p107360"></a>13</td><td><a id="p107361"></a>6</td><td><a id="p107362"></a>15</td><td><a id="p107363"></a>10</td><td><a id="p107364"></a>19</td><td><a id="p107365"></a>16</td><td><a id="p107366"></a>24</td><td><a id="p107367"></a>24</td><td><a id="p107368"></a>30</td><td><a id="p107369"></a>36</td></tr>
<tr><td><a id="p107370"></a>0,800</td><td><a id="p107371"></a>0,711 - 0,900</td><td><a id="p107372"></a>5</td><td><a id="p107373"></a>2</td><td><a id="p107374"></a>6</td><td><a id="p107375"></a>2</td><td><a id="p107376"></a>6</td><td><a id="p107377"></a>2</td><td><a id="p107378"></a>7</td><td><a id="p107379"></a>2</td><td><a id="p107380"></a>8</td><td><a id="p107381"></a>2</td><td><a id="p107382"></a>11</td><td><a id="p107383"></a>2</td><td><a id="p107384"></a>12</td><td><a id="p107385"></a>3</td><td><a id="p107386"></a>14</td><td><a id="p107387"></a>5</td><td><a id="p107388"></a>17</td><td><a id="p107389"></a>7</td><td><a id="p107390"></a>22</td><td><a id="p107391"></a>10</td><td><a id="p107392"></a>26</td><td><a id="p107393"></a>16</td><td><a id="p107394"></a>32</td><td><a id="p107395"></a>24</td><td><a id="p107396"></a>36</td><td><a id="p107397"></a>38</td></tr>
<tr><td><a id="p107398"></a>1,00</td><td><a id="p107399"></a>0,901 - 1,12</td><td><a id="p107400"></a>8</td><td><a id="p107401"></a>2</td><td><a id="p107402"></a>8</td><td><a id="p107403"></a>2</td><td><a id="p107404"></a>9</td><td><a id="p107405"></a>2</td><td><a id="p107406"></a>10</td><td><a id="p107407"></a>2</td><td><a id="p107408"></a>12</td><td><a id="p107409"></a>2</td><td><a id="p107410"></a>14</td><td><a id="p107411"></a>2</td><td><a id="p107412"></a>17</td><td><a id="p107413"></a>3</td><td><a id="p107414"></a>19</td><td><a id="p107415"></a>5</td><td><a id="p107416"></a>24</td><td><a id="p107417"></a>7</td><td><a id="p107418"></a>26</td><td><a id="p107419"></a>11</td><td><a id="p107420"></a>32</td><td><a id="p107421"></a>17</td><td><a id="p107422"></a>38</td><td><a id="p107423"></a>26</td><td><a id="p107424"></a>50</td><td><a id="p107425"></a>38</td></tr>
<tr><td><a id="p107426"></a>1,25</td><td><a id="p107427"></a>1,13 - 1,40</td><td><a id="p107428"></a>11</td><td><a id="p107429"></a>2</td><td><a id="p107430"></a>12</td><td><a id="p107431"></a>2</td><td><a id="p107432"></a>13</td><td><a id="p107433"></a>2</td><td><a id="p107434"></a>15</td><td><a id="p107435"></a>2</td><td><a id="p107436"></a>17</td><td><a id="p107437"></a>2</td><td><a id="p107438"></a>20</td><td><a id="p107439"></a>2</td><td><a id="p107440"></a>22</td><td><a id="p107441"></a>3</td><td><a id="p107442"></a>26</td><td><a id="p107443"></a>5</td><td><a id="p107444"></a>28</td><td><a id="p107445"></a>8</td><td><a id="p107446"></a>36</td><td><a id="p107447"></a>11</td><td><a id="p107448"></a>44</td><td><a id="p107449"></a>17</td><td><a id="p107450"></a>50</td><td><a id="p107451"></a>26</td><td colspan="2"><a id="p107452"></a>*</td></tr>
<tr><td><a id="p107453"></a>1,60</td><td><a id="p107454"></a>1,41 - 1,80</td><td><a id="p107455"></a>18</td><td><a id="p107456"></a>2</td><td><a id="p107457"></a>19</td><td><a id="p107458"></a>2</td><td><a id="p107459"></a>20</td><td><a id="p107460"></a>2</td><td><a id="p107461"></a>22</td><td><a id="p107462"></a>2</td><td><a id="p107463"></a>24</td><td><a id="p107464"></a>2</td><td><a id="p107465"></a>26</td><td><a id="p107466"></a>3</td><td><a id="p107467"></a>30</td><td><a id="p107468"></a>4</td><td><a id="p107469"></a>34</td><td><a id="p107470"></a>6</td><td><a id="p107471"></a>42</td><td><a id="p107472"></a>8</td><td><a id="p107473"></a>48</td><td><a id="p107474"></a>12</td><td colspan="2"><a id="p107475"></a>*</td><td colspan="2"><a id="p107476"></a>*</td><td colspan="2"><a id="p107477"></a>*</td></tr>
<tr><td><a id="p107478"></a>2,00</td><td><a id="p107479"></a>1,81 - 2,24</td><td><a id="p107480"></a>26</td><td><a id="p107481"></a>2</td><td><a id="p107482"></a>28</td><td><a id="p107483"></a>2</td><td><a id="p107484"></a>30</td><td><a id="p107485"></a>2</td><td><a id="p107486"></a>32</td><td><a id="p107487"></a>2</td><td><a id="p107488"></a>36</td><td><a id="p107489"></a>2</td><td><a id="p107490"></a>40</td><td><a id="p107491"></a>3</td><td><a id="p107492"></a>44</td><td><a id="p107493"></a>4</td><td><a id="p107494"></a>50</td><td><a id="p107495"></a>6</td><td colspan="2"><a id="p107496"></a>*</td><td colspan="2"><a id="p107497"></a>*</td><td colspan="2"><a id="p107498"></a>*</td><td colspan="2"><a id="p107499"></a>*</td><td colspan="2"><a id="p107500"></a>*</td></tr>
<tr><td><a id="p107501"></a>2,50</td><td><a id="p107502"></a>2,25 - 2,80</td><td><a id="p107503"></a>40</td><td><a id="p107504"></a>2</td><td><a id="p107505"></a>42</td><td><a id="p107506"></a>2</td><td><a id="p107507"></a>44</td><td><a id="p107508"></a>2</td><td><a id="p107509"></a>46</td><td><a id="p107510"></a>2</td><td><a id="p107511"></a>50</td><td><a id="p107512"></a>3</td><td colspan="2"><a id="p107513"></a>*</td><td colspan="2"><a id="p107514"></a>*</td><td colspan="2"><a id="p107515"></a>*</td><td colspan="2"><a id="p107516"></a>*</td><td colspan="2"><a id="p107517"></a>*</td><td colspan="2"><a id="p107518"></a>*</td><td colspan="2"><a id="p107519"></a>*</td><td colspan="2"><a id="p107520"></a>*</td></tr>
</table>






<a id="p107521"></a>Приложение A
(обязательное)

<a id="p107522"></a>**АЛЬТЕРНАТИВНЫЕ ПЛАНЫ СТАТИСТИЧЕСКОГО ПРИЕМОЧНОГО КОНТРОЛЯ**
**И ПРОЦЕДУРЫ ПРИЕМКИ ПРИ ДОМИНИРУЮЩЕМ СТАНДАРТНОМ**
**ОТКЛОНЕНИИ ИЗМЕРЕНИЙ**

<a id="p107523"></a>A.1. Область применения
<a id="p107524"></a>В некоторых случаях, когда стандартное отклонение измерений является основной характеристикой при выборе плана контроля, стандартные процедуры не всегда приемлемы. Приложение A содержит альтернативные планы статистического приемочного контроля и процедуры приемки в этих случаях.
<a id="p107525"></a>Данное Приложение применимо, когда стандартное отклонение мгновенных проб $\sigma_{I}$ и стандартное отклонение между лабораторными пробами $\sigma_{p}$ значительно меньше, чем стандартное отклонение измерений $\sigma_{M}$ . Например:
<a id="p107526"></a>a) жидкость с низким показателем вязкости в одном контейнере или без контейнера;
<a id="p107527"></a>b) некоторые виды медицинских или биологических испытаний, при которых $\sigma_{M}$ предельно велико.
<a id="p107528"></a>A.2. Общие положения
<a id="p107529"></a>A.2.1. Описание
<a id="p107530"></a>Настоящее Приложение содержит пояснения по применению требований [раздела 2](#p100297) (неточные стандартные отклонения) и [раздела 3](#p102455) (известные стандартные отклонения).
<a id="p107531"></a>A.2.2. Стандартные отклонения
<a id="p107532"></a>Данное Приложение применимо, когда значение стандартного отклонения измерений $\sigma_{M}$ является основой характеристики качества.
<a id="p107533"></a>Знание точных значений $\sigma_{I}$ и $\sigma_{p}$ не всегда необходимо, но достаточно, чтобы они были значительно меньше, чем значения $\sigma_{M}$ , то есть должны быть выполнены следующие условия:
<a id="p107534"></a>a) $\sigma_{I}<0,1\sigma_{M}$ и $d_{I}<0,1$ ;
<a id="p107535"></a>b) $\sigma_{p}<0,1\sigma_{M}$ .
<a id="p107536"></a>Если хотя бы одно из этих условий не выполнено, то данное Приложение неприменимо и следует применять стандартные процедуры.
<a id="p107537"></a>A.2.3. Общее стандартное отклонение
<a id="p107538"></a>После получения размеров проб общее стандартное отклонение $\sigma_{o}$ рассчитывают по формулам:
<a id="p107539"></a>a) при $n_{T}>1$ 

<a id="p107540"></a> $\sigma_{o} = \sqrt{\frac{n_{T}n_{M}}{n_{I}} \sigma_{I}^{2} + n_{M}\sigma_{p}^{2} + \sigma_{M}^{2}} ;$ 

<a id="p107541"></a>b) при $n_{T} = 1$ и $n_{I} = 1$ 

<a id="p107542"></a> $\sigma_{o} = \sqrt{n_{M}\sigma_{1p}^{2} + \sigma_{M}^{2}} .$ 

<a id="p107543"></a>Для предварительных оценок можно считать $\sigma_{o}$ равным $1,2\sigma_{M}$ .
<a id="p107544"></a>A.2.4. Общее относительное стандартное отклонение
<a id="p107545"></a>Общее стандартное отклонение может быть преобразовано в общее относительное стандартное отклонение $d_{o}$ делением на D

<a id="p107546"></a> $d_{o} = \sigma_{o}/D.$ 

<a id="p107547"></a>A.2.5. Затраты
<a id="p107548"></a>Информация о затратах не требуется.
<a id="p107549"></a>A.2.6. Объединенные пробы
<a id="p107550"></a>Число объединенных проб $n_{c}$ равно 2.
<a id="p107551"></a>A.3. Неточные стандартные отклонения
<a id="p107552"></a>A.3.1. Описание
<a id="p107553"></a>Данный пункт содержит пояснения по применению требований [раздела 2](#p100297) (неточные стандартные отклонения), он применим, когда значение и (или) стабильность стандартного отклонения измерений установленной характеристики качества $\sigma_{M}$ недостаточны.
<a id="p107554"></a>A.3.2. Размеры проб
<a id="p107555"></a>A.3.2.1. Получение $n_{T}$ и $n_{M}$ 
<a id="p107556"></a>В таблице A.1 в строке, соответствующей выбранному $d_{o}$ , следует выбрать число лабораторных проб на объединенную пробу $n_{T}$ и число измерений на одну лабораторную пробу $n_{M}$ .

<a id="p107557"></a>Таблица A.1

<a id="p107558"></a>Размеры проб для альтернативных процедур
(при неточных стандартных отклонениях $d_{o}$ 
и при рисках: $\alpha \approx 5%$ , $\beta \approx 5%$ )


<table>
<colgroup><col width="17%"><col width="24%"><col width="15%"><col width="15%"><col width="15%"><col width="15%"></colgroup>
<tr><td colspan="2"><a id="p107559"></a>$d_{o}$</td><td><a id="p107560"></a>$n_{T}$</td><td><a id="p107561"></a>$n_{M}$</td><td><a id="p107562"></a>$n_{T}n_{M}$</td><td><a id="p107563"></a>$v_{E}$</td></tr>
<tr><td><a id="p107564"></a>0,425</td><td><a id="p107565"></a>0,000 ~ 0,470</td><td><a id="p107566"></a>1</td><td><a id="p107567"></a>2</td><td><a id="p107568"></a>2</td><td><a id="p107569"></a>3</td></tr>
<tr><td><a id="p107570"></a>0,608</td><td><a id="p107571"></a>0,471 ~ 0,642</td><td><a id="p107572"></a>1</td><td><a id="p107573"></a>3</td><td><a id="p107574"></a>3</td><td><a id="p107575"></a>5</td></tr>
<tr><td><a id="p107576"></a>0,746</td><td><a id="p107577"></a>0,643 ~ 0,800</td><td><a id="p107578"></a>2</td><td><a id="p107579"></a>2</td><td><a id="p107580"></a>4</td><td><a id="p107581"></a>7</td></tr>
<tr><td><a id="p107582"></a>0,964</td><td><a id="p107583"></a>0,801 ~ 1,028</td><td><a id="p107584"></a>2</td><td><a id="p107585"></a>3</td><td><a id="p107586"></a>6</td><td><a id="p107587"></a>11</td></tr>
<tr><td><a id="p107588"></a>1,219</td><td><a id="p107589"></a>1,029 ~ 1,271</td><td><a id="p107590"></a>3</td><td><a id="p107591"></a>3</td><td><a id="p107592"></a>9</td><td><a id="p107593"></a>17</td></tr>
<tr><td><a id="p107594"></a>1,429</td><td><a id="p107595"></a>1,272 ~ 1,474</td><td><a id="p107596"></a>4</td><td><a id="p107597"></a>3</td><td><a id="p107598"></a>12</td><td><a id="p107599"></a>23</td></tr>
<tr><td><a id="p107600"></a>1,612</td><td><a id="p107601"></a>1,475 ~ 1,652</td><td><a id="p107602"></a>5</td><td><a id="p107603"></a>3</td><td><a id="p107604"></a>15</td><td><a id="p107605"></a>29</td></tr>
<tr><td><a id="p107606"></a>1,776</td><td><a id="p107607"></a>1,653 ~ 1,813</td><td><a id="p107608"></a>6</td><td><a id="p107609"></a>3</td><td><a id="p107610"></a>18</td><td><a id="p107611"></a>35</td></tr>
<tr><td><a id="p107612"></a>1,925</td><td><a id="p107613"></a>1,814 ~ 1,960</td><td><a id="p107614"></a>7</td><td><a id="p107615"></a>3</td><td><a id="p107616"></a>21</td><td><a id="p107617"></a>41</td></tr>
<tr><td><a id="p107618"></a>2,065</td><td><a id="p107619"></a>1,961 ~ 1,097</td><td><a id="p107620"></a>8</td><td><a id="p107621"></a>3</td><td><a id="p107622"></a>24</td><td><a id="p107623"></a>47</td></tr>
<tr><td><a id="p107624"></a>2,195</td><td><a id="p107625"></a>2,098 ~ 2,225</td><td><a id="p107626"></a>9</td><td><a id="p107627"></a>3</td><td><a id="p107628"></a>27</td><td><a id="p107629"></a>53</td></tr>
<tr><td><a id="p107630"></a>2,318</td><td><a id="p107631"></a>2,226 ~ 2,346</td><td><a id="p107632"></a>10</td><td><a id="p107633"></a>3</td><td><a id="p107634"></a>30</td><td><a id="p107635"></a>59</td></tr>
<tr><td><a id="p107636"></a>2,434</td><td><a id="p107637"></a>2,347 ~ 2,462</td><td><a id="p107638"></a>11</td><td><a id="p107639"></a>3</td><td><a id="p107640"></a>33</td><td><a id="p107641"></a>65</td></tr>
<tr><td><a id="p107642"></a>2,546</td><td><a id="p107643"></a>2,463 ~ 2,572</td><td><a id="p107644"></a>12</td><td><a id="p107645"></a>3</td><td><a id="p107646"></a>36</td><td><a id="p107647"></a>71</td></tr>
<tr><td colspan="6"><a id="p107648"></a>Примечание. Значение $v_{E}$ используется для двустороннего допуска многих характеристик качества или оперативных характеристик.</td></tr>
</table>


<a id="p107649"></a>Если для выбранного $d_{o}$ в [таблице A.1](#p107558) нет нужной строки, то переходят к [разделу 2](#p100297) настоящего стандарта, так как полное число измерений $(n_{c} \times n_{T} \times n_{M})$ слишком велико для практического применения, и необходим пересмотр предельного интервала.
<a id="p107650"></a>Примечания
1. <a id="p107651"></a>[Таблица A.1](#p107558) также дает значение $v_{E}$ , которое необходимо в случае задания двустороннего допуска.
2. <a id="p107652"></a>[Таблица A.1](#p107558) дает экономичные размеры проб $n_{T} \times n_{M}$ . На практике большие значения $n_{M}$ нежелательны. В данном Приложении предполагается, что максимальное значение $n_{M}$ равно 3. В особых случаях, когда большой размер проб $n_{M}$ допустим, можно использовать другой план статистического приемочного контроля, имеющий то же значение $n_{T} \times n_{M}$ .

<a id="p107653"></a>A.3.2.2. Число мгновенных проб на объединенную пробу $n_{I}$ обычно равно 2. Если $n_{T} = 1$ , то $n_{I} = 1$ .
<a id="p107654"></a>A.3.3. Стандартное отклонение оценки
<a id="p107655"></a>Приближенное значение стандартного отклонения оценки $v_{E}$ вычисляют по формуле

<a id="p107656"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{T}n_{M}}} .$ 

<a id="p107657"></a>A.3.4. Численный пример
<a id="p107658"></a>Следующий пример показывает, как применять альтернативные процедуры, соответствующие [разделу 2](#p100297) (неточные значения стандартного отклонения) настоящего стандарта.
<a id="p107659"></a>*Пример* A.1
<a id="p107660"></a>Промышленный химикат производится партиями и поставляется периодически. Известно, что вариации внутри партии незначительны и стандартное отклонение измерений $\sigma_{M}$ относительно велико. Каждая поставка соответствует производственной партии. Даны следующие условия:
<a id="p107661"></a>Верхний предел поля допуска U, равный 90,0, установлен для среднего значения партии. Предполагается, что стандартное отклонение измерений $\sigma_{M}$ - общее для подобных изделий, а ожидаемое значение общего стандартного отклонения $\sigma_{o}$ равно 3,50. Уровни качества AQL = 86,0 и LQL = 90,0. В соответствии с правилами данного пункта получен следующий выборочный план:


<table>
<colgroup><col width="32%"><col width="68%"></colgroup>
<tr><td><a id="p107662"></a>a) верхнее предельное значение</td><td><a id="p107663"></a>U = 90,0;</td></tr>
<tr><td><a id="p107664"></a>b) приемлемый уровень качества</td><td><a id="p107665"></a>$m_{A} = 86,0$ ;</td></tr>
<tr><td><a id="p107666"></a>c) предельный уровень качества</td><td><a id="p107667"></a>$m_{R} = 90,0$ ;</td></tr>
<tr><td><a id="p107668"></a>d) предельный интервал</td><td><a id="p107669"></a>D = 4,0;</td></tr>
<tr><td><a id="p107670"></a>e) верхнее приемочное значение</td><td><a id="p107671"></a>$\overline{x_{U}} = 0,5(m_{A} + m_{R}) = 0,5(86,0 + 90,0) = 88,00$ ;</td></tr>
<tr><td><a id="p107672"></a>f) общее стандартное отклонение</td><td><a id="p107673"></a>$\sigma_{o} = 3,50$ ;</td></tr>
<tr><td><a id="p107674"></a>g) относительное общее стандартное отклонение</td><td><a id="p107675"></a>$d_{o} = \sigma_{o}/D = 3,50/4,0 = 0,875$ ;</td></tr>
<tr><td><a id="p107676"></a>h) число объединенных проб</td><td><a id="p107677"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p107678"></a>i) <a href="#p107558">таблица A.1</a></td><td></td></tr>
<tr><td colspan="2"><a id="p107679"></a>j) размеры проб $n_{T}$ и $n_{M}$ :</td></tr>
<tr><td colspan="2"><a id="p107680"></a>$d_{o} = 0,875 \rightarrow 0,964$ ;</td></tr>
<tr><td colspan="2"><a id="p107681"></a>$n_{T} = 2$ , $n_{M} = 3$ ;</td></tr>
<tr><td colspan="2"><a id="p107682"></a>k) число мгновенных проб $n_{I} = 2$ .</td></tr>
</table>


<a id="p107683"></a>*Примечание.* Стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p107684"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{T}n_{M}}} = \frac{3,50}{\sqrt{2 \times 2 \times 3}} = 1,01.$ 

<a id="p107685"></a>A.4. Известные стандартные отклонения
<a id="p107686"></a>A.4.1. Общие положения
<a id="p107687"></a>Данный пункт содержит пояснения по применению требований [раздела 3](#p102455) (известные стандартные отклонения), он применим, когда значение стандартного отклонения измерений установленной характеристики качества $\sigma_{M}$ стабильно.
<a id="p107688"></a>A.4.2. Размеры проб
<a id="p107689"></a>A.4.2.1. Получение $n_{I}$ и $n_{M}$ 
<a id="p107690"></a>В таблице A.2 в строке, соответствующей выбранному $d_{o}$ , следует выбрать число лабораторных проб на объединенную пробу $n_{T}$ и число измерений на одну лабораторную пробу $n_{M}$ .

<a id="p107691"></a>Таблица A.2

<a id="p107692"></a>Размеры проб для альтернативных процедур
(при известных стандартных отклонениях $d_{o}$ 
и при рисках: $\alpha \approx 5%$ , $\beta \approx 10%$ )


<table>
<colgroup><col width="17%"><col width="27%"><col width="18%"><col width="18%"><col width="19%"></colgroup>
<tr><td colspan="2"><a id="p107693"></a>$d_{o}$</td><td><a id="p107694"></a>$n_{T}$</td><td><a id="p107695"></a>$n_{M}$</td><td><a id="p107696"></a>$n_{T}n_{M}$</td></tr>
<tr><td><a id="p107697"></a>0,683</td><td><a id="p107698"></a>0,000 ~ 0,760</td><td><a id="p107699"></a>1</td><td><a id="p107700"></a>2</td><td><a id="p107701"></a>2</td></tr>
<tr><td><a id="p107702"></a>0,837</td><td><a id="p107703"></a>0,761 ~ 0,901</td><td><a id="p107704"></a>1</td><td><a id="p107705"></a>3</td><td><a id="p107706"></a>3</td></tr>
<tr><td><a id="p107707"></a>0,967</td><td><a id="p107708"></a>0,902 ~ 1,075</td><td><a id="p107709"></a>2</td><td><a id="p107710"></a>2</td><td><a id="p107711"></a>4</td></tr>
<tr><td><a id="p107712"></a>1,184</td><td><a id="p107713"></a>1,076 ~ 1,316</td><td><a id="p107714"></a>2</td><td><a id="p107715"></a>3</td><td><a id="p107716"></a>6</td></tr>
<tr><td><a id="p107717"></a>1,450</td><td><a id="p107718"></a>1,317 ~ 1,561</td><td><a id="p107719"></a>3</td><td><a id="p107720"></a>3</td><td><a id="p107721"></a>9</td></tr>
<tr><td><a id="p107722"></a>1,674</td><td><a id="p107723"></a>1,562 ~ 1,772</td><td><a id="p107724"></a>4</td><td><a id="p107725"></a>3</td><td><a id="p107726"></a>12</td></tr>
<tr><td><a id="p107727"></a>1,872</td><td><a id="p107728"></a>1,773 ~ 1,960</td><td><a id="p107729"></a>5</td><td><a id="p107730"></a>3</td><td><a id="p107731"></a>15</td></tr>
<tr><td><a id="p107732"></a>2,050</td><td><a id="p107733"></a>1,961 ~ 2,132</td><td><a id="p107734"></a>6</td><td><a id="p107735"></a>3</td><td><a id="p107736"></a>18</td></tr>
<tr><td><a id="p107737"></a>2,215</td><td><a id="p107738"></a>2,133 ~ 2,291</td><td><a id="p107739"></a>7</td><td><a id="p107740"></a>3</td><td><a id="p107741"></a>21</td></tr>
<tr><td><a id="p107742"></a>2,367</td><td><a id="p107743"></a>2,292 ~ 2,439</td><td><a id="p107744"></a>8</td><td><a id="p107745"></a>3</td><td><a id="p107746"></a>24</td></tr>
<tr><td><a id="p107747"></a>2,511</td><td><a id="p107748"></a>2,440 ~ 2,579</td><td><a id="p107749"></a>9</td><td><a id="p107750"></a>3</td><td><a id="p107751"></a>27</td></tr>
<tr><td><a id="p107752"></a>2,647</td><td><a id="p107753"></a>2,580 ~ 2,711</td><td><a id="p107754"></a>10</td><td><a id="p107755"></a>3</td><td><a id="p107756"></a>30</td></tr>
</table>


<a id="p107757"></a>Если для выбранного $d_{o}$ в [таблице A.2](#p107692) нет нужной строки, то переходят к разделу 7 настоящего стандарта, так как полное число измерений $(n_{c} \times n_{T} \times n_{M})$ слишком велико для практического применения и необходим пересмотр предельного интервала.
<a id="p107758"></a>Примечание. [Таблица A.2](#p107692) дает экономичные размеры проб $(n_{T} \times n_{M})$ . На практике большие значения $n_{M}$ нежелательны. В данном Приложении предполагается, что максимальное значение $n_{M}$ равно 3. В особых случаях, когда большой размер проб $n_{M}$ допустим, можно использовать другой план статистического приемочного контроля, имеющий то же значение $(n_{T} \times n_{M})$ .

<a id="p107759"></a>A.4.2.2. Число мгновенных проб на объединенную пробу $n_{I}$ обычно равно 2. Если $n_{T} = 1$ , то $n_{I} = 1$ .
<a id="p107760"></a>A.4.3. Подтверждение стандартного отклонения
<a id="p107761"></a>Если $n_{T} = 1$ (и $n_{I} = 1$ ), то следует предпринять следующие действия.
<a id="p107762"></a>A.4.3.1. Смешанное выборочное стандартное отклонение $s_{cT}$ (выборочное значение)
<a id="p107763"></a>Если $n_{T} = 1$ , то выборочные стандартные отклонения $s_{c}$ и $s_{T}$ не могут быть разделены и смешанное выборочное стандартное отклонение $s_{cT}$ получают из средних лабораторных проб с помощью следующего выражения (для $n_{c} = 2$ , $n_{T} = 1$ , $n_{I} = 1$ и $v_{cT} = 1$ ):

<a id="p107764"></a> $s_{cT} = \sqrt{\frac{(\overline{x_{11}} - \overline{x_{21}})^{2}}{2}} .$ 

<a id="p107765"></a>A.4.3.2. Контрольные карты
<a id="p107766"></a>Если $n_{T} = 1$ , то вместо контрольных $s_{c} -$ и $s_{T} - \text{карт}$ следует использовать $s_{cT} - \text{карту}$ .
<a id="p107767"></a>A.4.3.3. Смешанное выборочное стандартное отклонение (значение для совокупности)
<a id="p107768"></a>Если $n_{T} = 1$ , то смешанное выборочное стандартное отклонение (значение для совокупности $\sigma_{cT}$ ) следует вычислить так же, как $\sigma_{T}$ для $n_{T}>1$ .
<a id="p107769"></a>A.4.3.4. Смешанная дисперсия между лабораторными пробами
<a id="p107770"></a>Если $n_{T} = 1$ , то смешанную дисперсию между лабораторными пробами $\sigma_{IP}^{2}$ получают из выражения:

<a id="p107771"></a> $\sigma_{IP}^{2} = \sigma_{cT}^{2} - \frac{\sigma_{M}^{2}}{n_{M}} .$ 

<a id="p107772"></a>*Примечание.* Если $\sigma_{IP}^{2}<0$ , то считается, что $\sigma_{IP}^{2} = 0$ .

<a id="p107773"></a>A.4.4. Стандартное отклонение оценки
<a id="p107774"></a>Стандартное отклонение оценки $\sigma_{E}$ задается следующим уравнением:

<a id="p107775"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{T}n_{M}}} .$ 

<a id="p107776"></a>A.4.5. Численный пример
<a id="p107777"></a>Следующий пример выполняется в соответствии с [разделом 3](#p102455) (известные стандартные отклонения) настоящего стандарта.
<a id="p107778"></a>*Пример* A.2
<a id="p107779"></a>Условия те же, что в [примере A.1](#p107659), приведенном в A.3.4, но общее стандартное отклонение $\sigma_{o}$ известно и стабильно и $\sigma_{o} = 3,50$ . Заданы AQL = 86,0 и LQL = 90. В соответствии с процедурами данного пункта получаем следующий выборочный план:


<table>
<colgroup><col width="33%"><col width="67%"></colgroup>
<tr><td><a id="p107780"></a>a) верхнее предельное значение</td><td><a id="p107781"></a>U = 90,0;</td></tr>
<tr><td><a id="p107782"></a>b) приемлемый уровень качества</td><td><a id="p107783"></a>$m_{A} = 86,0$ ;</td></tr>
<tr><td><a id="p107784"></a>c) предельный уровень качества</td><td><a id="p107785"></a>$m_{R} = 90,0$ ;</td></tr>
<tr><td><a id="p107786"></a>d) предельный интервал</td><td><a id="p107787"></a>D = 4,0;</td></tr>
<tr><td><a id="p107788"></a>e) верхнее приемочное значение</td><td><a id="p107789"></a>$\overline{x_{U}} = m_{A} + \gamma D = 86,0 + 0,562 \times 4,0 = 88,25$ ;</td></tr>
<tr><td><a id="p107790"></a>f) общее стандартное отклонение</td><td><a id="p107791"></a>$\sigma_{o} = 3,50$ ;</td></tr>
<tr><td colspan="2"><a id="p107792"></a>g) относительное общее стандартное отклонение $d_{o} = \sigma_{o}/D = 3,50/4,0 = 0,875$ ;</td></tr>
<tr><td><a id="p107793"></a>h) число объединенных проб</td><td><a id="p107794"></a>$n_{c} = 2$ ;</td></tr>
<tr><td><a id="p107795"></a>i) выбор таблицы: <a href="#p107692">таблица A.2</a>;</td><td></td></tr>
<tr><td colspan="2"><a id="p107796"></a>j) размеры проб $n_{T}$ и $n_{M}$ :</td></tr>
<tr><td colspan="2"><a id="p107797"></a>$d_{o} = 0,875 \rightarrow 0,837$ ;</td></tr>
<tr><td colspan="2"><a id="p107798"></a>$n_{T} = 1$ , $n_{M} = 3$ ;</td></tr>
<tr><td colspan="2"><a id="p107799"></a>k) число мгновенных проб $n_{I} = 1$ .</td></tr>
</table>


<a id="p107800"></a>*Примечание.* Стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p107801"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{T}n_{M}}} = \frac{3,50}{\sqrt{2 \times 1 \times 3}} = 1,43.$ 

<a id="p107802"></a>A.4.6. Дополнительные процедуры для рисков, равных 5%
<a id="p107803"></a>Если в соглашении между поставщиком и потребителем установлено, что $\alpha = \beta = 5%$ , следует применять следующую дополнительную процедуру.


| <a id="p107804"></a>Существенные отличия следующие: |
| --- |
| <a id="p107805"></a>a) необходимо использовать [таблицу A.3](#p107816) вместо [таблицы A.2](#p107692); |
| <a id="p107806"></a>b) необходимо изменить значения $\gamma$ и $\delta$ на следующие: |
| <a id="p107807"></a>$\gamma = 0,500;$ |
| <a id="p107808"></a>$\delta = 0,566;$ |
| <a id="p107809"></a>c) необходимо изменить значения нижнего и (или) верхнего приемочных значений следующим образом: |
| <a id="p107810"></a>$\overline{x_{L}} = 0,5(m_{A,L} + m_{R,L});$ |
| <a id="p107811"></a>$\overline{x_{U}} = 0,5(m_{A,U} + m_{R,U}).$ |


<a id="p107812"></a>Примечания
1. <a id="p107813"></a>Выборочные планы в [таблице A.2](#p107692) основаны на распространенном предположении, что $\alpha \approx 5%$ и $\beta \approx 10%$ , в то время как выборочные планы в таблице A.3 основаны на рисках $\alpha \approx \beta \approx 5%$ .
2. <a id="p107814"></a>Данная дополнительная процедура удобна при переходе от [раздела 2](#p100297) к [разделу 3](#p102455). С другой стороны, эта процедура обычно приводит к большим размерам проб, чем процедуры [раздела 3](#p102455).

<a id="p107815"></a>Таблица A.3

<a id="p107816"></a>Размеры проб для альтернативных процедур
(при известных стандартных отклонениях $d_{o}$ 
и при рисках: $\alpha \approx 5%$ , $\beta \approx 5%$ )


<table>
<colgroup><col width="17%"><col width="27%"><col width="18%"><col width="18%"><col width="19%"></colgroup>
<tr><td colspan="2"><a id="p107817"></a>$d_{o}$</td><td><a id="p107818"></a>$n_{T}$</td><td><a id="p107819"></a>$n_{M}$</td><td><a id="p107820"></a>$n_{T}n_{M}$</td></tr>
<tr><td><a id="p107821"></a>0,608</td><td><a id="p107822"></a>0,000 ~ 0,676</td><td><a id="p107823"></a>1</td><td><a id="p107824"></a>2</td><td><a id="p107825"></a>2</td></tr>
<tr><td><a id="p107826"></a>0,745</td><td><a id="p107827"></a>0,677 ~ 0,802</td><td><a id="p107828"></a>1</td><td><a id="p107829"></a>3</td><td><a id="p107830"></a>3</td></tr>
<tr><td><a id="p107831"></a>0,860</td><td><a id="p107832"></a>0,803 ~ 0,956</td><td><a id="p107833"></a>2</td><td><a id="p107834"></a>2</td><td><a id="p107835"></a>4</td></tr>
<tr><td><a id="p107836"></a>1,053</td><td><a id="p107837"></a>0,957 ~ 1,171</td><td><a id="p107838"></a>2</td><td><a id="p107839"></a>3</td><td><a id="p107840"></a>6</td></tr>
<tr><td><a id="p107841"></a>1,290</td><td><a id="p107842"></a>1,172 ~ 1,389</td><td><a id="p107843"></a>3</td><td><a id="p107844"></a>3</td><td><a id="p107845"></a>9</td></tr>
<tr><td><a id="p107846"></a>1,489</td><td><a id="p107847"></a>1,390 ~ 1,577</td><td><a id="p107848"></a>4</td><td><a id="p107849"></a>3</td><td><a id="p107850"></a>12</td></tr>
<tr><td><a id="p107851"></a>1,665</td><td><a id="p107852"></a>1,578 ~ 1,744</td><td><a id="p107853"></a>5</td><td><a id="p107854"></a>3</td><td><a id="p107855"></a>15</td></tr>
<tr><td><a id="p107856"></a>1,824</td><td><a id="p107857"></a>1,745 ~ 1,896</td><td><a id="p107858"></a>6</td><td><a id="p107859"></a>3</td><td><a id="p107860"></a>18</td></tr>
<tr><td><a id="p107861"></a>1,970</td><td><a id="p107862"></a>1,897 ~ 2,038</td><td><a id="p107863"></a>7</td><td><a id="p107864"></a>3</td><td><a id="p107865"></a>21</td></tr>
<tr><td><a id="p107866"></a>2,106</td><td><a id="p107867"></a>2,039 ~ 2,169</td><td><a id="p107868"></a>8</td><td><a id="p107869"></a>3</td><td><a id="p107870"></a>24</td></tr>
<tr><td><a id="p107871"></a>2,234</td><td><a id="p107872"></a>2,170 ~ 2,294</td><td><a id="p107873"></a>9</td><td><a id="p107874"></a>3</td><td><a id="p107875"></a>27</td></tr>
<tr><td><a id="p107876"></a>2,355</td><td><a id="p107877"></a>2,295 ~ 2,412</td><td><a id="p107878"></a>10</td><td><a id="p107879"></a>3</td><td><a id="p107880"></a>30</td></tr>
</table>






<a id="p107881"></a>Приложение B
(обязательное)

<a id="p107882"></a>**СПЕЦИАЛЬНЫЕ ПРОЦЕДУРЫ В СЛУЧАЕ МНОГИХ**
**ХАРАКТЕРИСТИК КАЧЕСТВА**

<a id="p107883"></a>B.1. Введение
<a id="p107884"></a>На практике нештучная продукция имеет две или более контролируемые характеристики качества. Данное Приложение содержит следующие процедуры контроля многих характеристик качества:
<a id="p107885"></a>a) общие процедуры;
<a id="p107886"></a>b) дополнительные процедуры с целью уменьшения общих рисков.
<a id="p107887"></a>B.2. Основные процедуры
<a id="p107888"></a>Если продукция имеет две или более контролируемые характеристики, то необходимо придерживаться следующих рекомендаций.
<a id="p107889"></a>B.2.1. Объединенные пробы
<a id="p107890"></a>При отсутствии особых указаний рекомендуется применять одни и те же объединенные пробы для всех характеристик. Если процедуры настоящего стандарта приводят к разному числу мгновенных проб на объединенную пробу $n_{I}$ для разных характеристик, тогда в качестве общего числа $n_{I}$ следует брать наибольшее из них $n_{Imax}$ .
<a id="p107891"></a>B.2.2. Лабораторные пробы
<a id="p107892"></a>Во многих случаях одни и те же лабораторные пробы можно использовать для всех характеристик. Если для разных характеристик процедуры настоящего стандарта приводят к разному числу лабораторных проб на одну объединенную пробу $n_{T}$ , то нужно использовать наибольшее из них $n_{Tmax}$ . Тогда из $n_{Tmax}$ следует выбирать случайным образом $n_{T}$ лабораторных проб для каждой характеристики.
<a id="p107893"></a>Иногда для разных характеристик требуются различные лабораторные пробы. Например, пробы для проверки размера частиц отличны от проб для химического анализа. В таких случаях лабораторные пробы должны быть подготовлены отдельно. Кроме того, лабораторные пробы могут быть подготовлены отдельно в том случае, если эта процедура проста.
<a id="p107894"></a>B.2.3. Другие случаи
<a id="p107895"></a>В тех случаях, когда невозможно выполнить рекомендации по [B.2.1](#p107889) и [B.2.2](#p107891), для каждой характеристики качества из множества характеристик следует применять процедуру приемочного контроля отдельно, кроме случая, когда применимы следующие специальные процедуры.
<a id="p107896"></a>B.3. Общие риски и специальные процедуры
<a id="p107897"></a>Выборочные планы настоящего стандарта основаны на предположении, что контролируется только одна характеристика качества. Если продукт имеет две или более характеристик качества, то оба риска - потребителя и поставщика - возрастают. При двух характеристиках оба общих риска могут удвоиться. Для пяти характеристик общие риски могут возрасти в пять раз, и такие высокие риски могут быть неприемлемы.
<a id="p107898"></a>Специальные процедуры для известных стандартных отклонений даны в [B.4](#p107899), а для неизвестных стандартных отклонений - в [B.5](#p107993). Эти специальные процедуры используют суженный предельный интервал для снижения общих рисков до уровня, что и при контроле одной характеристики. Иногда риски могут возрасти из-за того, что для разных характеристик используются одни и те же объединенные пробы. Если для двух характеристик получаются разные $n_{I}$ , то для обеих характеристик следует использовать наибольшее $n_{I}$ .
<a id="p107899"></a>B.4. Специальные процедуры для случая известных стандартных отклонений
<a id="p107900"></a>Данный пункт содержит специальные процедуры по снижению общих рисков при известных стандартных отклонениях. Они применимы как к [разделу 3](#p102455) настоящего стандарта, так и к [разделу A.4](#p107685) Приложения A.
<a id="p107901"></a>B.4.1. Специальные процедуры для каждой характеристики
<a id="p107902"></a>Специальные процедуры для каждой характеристики почти те же, что и процедуры для одной характеристики.
<a id="p107903"></a>Существенные отличия от требований [раздела 3](#p102455) следующие:
<a id="p107904"></a>a) перед получением размеров проб необходимо найти корректирующий множитель $f_{D}$ по [таблице B.1](#p107910), используя число характеристик J. Верхняя строка [таблицы B.1](#p107910) - для стандартных процедур ( $\alpha = 5%$ ; $\beta = 10%$ ), нижняя - для дополнительных процедур $(\alpha = \beta = 5%)$ ;
<a id="p107905"></a>b) преобразование каждого предельного интервала D к суженному значению $D_{N}$ заключается в умножении на корректирующий множитель $f_{D}$ :

<a id="p107906"></a> $D_{N} = f_{D}D;$ 

<a id="p107907"></a>c) получение относительных стандартных отклонений $d_{I}$ и $d_{T}$ с использованием $D_{N}$ для каждой характеристики;
<a id="p107908"></a>d) нахождение размеров проб $n_{I}$ и $n_{T}$ для каждой характеристики.

<a id="p107909"></a>Таблица B.1

<a id="p107910"></a>Корректирующий множитель $f_{D}$ для числа характеристик J,
применимых к [разделу 3](#p102455)
(известные стандартные отклонения)


<table>
<colgroup><col width="23%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"></colgroup>
<tr><td><a id="p107911"></a>J</td><td><a id="p107912"></a>2</td><td><a id="p107913"></a>3</td><td><a id="p107914"></a>4</td><td><a id="p107915"></a>5</td><td><a id="p107916"></a>6</td><td><a id="p107917"></a>8</td><td><a id="p107918"></a>10</td><td><a id="p107919"></a>15</td><td><a id="p107920"></a>20</td></tr>
<tr><td><a id="p107921"></a>$(\beta \approx 10%)$</td><td><a id="p107922"></a>0,816</td><td><a id="p107923"></a>0,743</td><td><a id="p107924"></a>0,701</td><td><a id="p107925"></a>0,672</td><td><a id="p107926"></a>0,651</td><td><a id="p107927"></a>0,621</td><td><a id="p107928"></a>0,600</td><td><a id="p107929"></a>0,567</td><td><a id="p107930"></a>0,546</td></tr>
<tr><td><a id="p107931"></a>$(\beta \approx 5%)$</td><td><a id="p107932"></a>0,842</td><td><a id="p107933"></a>0,775</td><td><a id="p107934"></a>0,736</td><td><a id="p107935"></a>0,709</td><td><a id="p107936"></a>0,689</td><td><a id="p107937"></a>0,661</td><td><a id="p107938"></a>0,641</td><td><a id="p107939"></a>0,608</td><td><a id="p107940"></a>0,588</td></tr>
<tr><td colspan="10"><a id="p107941"></a><a id="p107942"></a><a id="p107943"></a>Примечания<br>1. Верхняя строка - для стандартных процедур ( $\alpha \approx 5%$ , $\beta \approx 10%$ ).<br>2. Нижняя строка - для дополнительных процедур ( $\alpha \approx 5%$ , $\beta \approx 5%$ ).</td></tr>
</table>


<a id="p107944"></a>Другие значения - $n_{M}$ , $\sigma_{T}$ , $c_{T}$ , $R_{c}$ , приемочные значения и уровень отношения затрат следует сохранить неизменными. Предельный допуск $\delta D$ также для простоты следует сохранить неизменным.
<a id="p107945"></a>Уменьшение суженного предельного интервала $D_{N}$ ведет к большим размерам проб $n_{I}$ и $n_{T}$ .
<a id="p107946"></a>Метод преобразования каждого предельного интервала D к суженному значению $D_{N}$ применим и к альтернативным процедурам, данным в [A.4](#p107685). Кроме того, возможно совместное применение рекомендаций по [разделу 3](#p102455) настоящего стандарта и [разделу A.4](#p107685) Приложения A.
<a id="p107947"></a>B.4.2. Общие процедуры
<a id="p107948"></a>После получения выборочного плана необходимо выполнить ряд общих действий для всех характеристик.
<a id="p107949"></a>B.4.2.1. Объединенные пробы.
<a id="p107950"></a>Из всех $n_{I}$ для каждой характеристики необходимо выбрать наибольшее и взять его за общее $n_{I}$ [(B.2.1)](#p107889).
<a id="p107951"></a>B.4.2.2. Лабораторные пробы.
<a id="p107952"></a>Если $n_{I}$ для некоторой характеристики существенно возросло, то в соответствии с B.4.2.1 можно снизить $n_{T}$ следующим образом:
<a id="p107953"></a>a) перейти к следующей таблице с более высоким уровнем отношения затрат;
<a id="p107954"></a>b) найти размеры проб ( $n_{I}$ и $n_{T}$ ), соответствующие $d_{I}$ и $d_{T}$ ;
<a id="p107955"></a>c) если $n_{I}>n_{Imax}$ , то $n_{T}$ не может быть использовано;
<a id="p107956"></a>d) если $n_{I} = n_{Imax}$ , то $n_{T}$ рекомендуется применять;
<a id="p107957"></a>e) если $n_{I}<n_{Imax}$ , то $n_{T}$ можно использовать, как и меньшее значение $n_{T}$ .
<a id="p107958"></a>Затем рекомендуется возвратиться к перечислению a).
<a id="p107959"></a>B.4.3. Индивидуальные риски и оперативные характеристики
<a id="p107960"></a>Значения риска изготовителя и риска потребителя для каждой характеристики даны в [таблице B.3](#p108234). Информация по оперативным характеристикам для скорректированных выборочных планов дана в [C.8.2](#p108429) Приложения C.
<a id="p107961"></a>B.4.4. Численные примеры
<a id="p107962"></a>На следующем примере показаны существенные отличия от процедур [раздела 3](#p102455) настоящего стандарта.
<a id="p107963"></a>Пример B.1. Начальные условия почти те же, что и в [примере 5](#p102670) (3.8.1) настоящего стандарта, за исключением того, что материал имеет три контролируемые характеристики.
<a id="p107964"></a>Существенные отличия следующие:
<a id="p107965"></a>a) корректирующий множитель $f_{D} = 0,743$ (в [таблице B.1](#p107910) верхняя строка для J = 3);
<a id="p107966"></a>b) суженный предельный интервал $D_{N} = f_{D}D = 0,743 \times 4,0 = 2,97$ ;
<a id="p107967"></a>c) относительные стандартные отклонения:

<a id="p107968"></a> $d_{I} = \sigma_{I}/D_{N} = 4,40/2,97 = 1,48;$ 

<a id="p107969"></a> $d_{T} = \sigma_{T}/D_{N} = 2,35/2,97 = 0,791;$ 

<a id="p107970"></a>d) размер проб $n_{I}$ и $n_{T}$ [(таблица 6D)](#p104402):


<table>
<colgroup><col width="50%"><col width="50%"></colgroup>
<tr><td><a id="p107971"></a>$d_{I} = 1,48 \rightarrow 1,600$ ;</td><td><a id="p107972"></a>$d_{T} = 0,791 \rightarrow 0,800$ ;</td></tr>
<tr><td><a id="p107973"></a>$n_{I} = 20$ ;</td><td><a id="p107974"></a>$n_{T} = 6$ ;</td></tr>
<tr><td colspan="2"><a id="p107975"></a>( $n_{c}n_{I} = 40$ ; $n_{c}n_{T} = 12$ ; $n_{c}n_{T}n_{M} = 24$ ).</td></tr>
</table>


<a id="p107976"></a>Примечания
1. <a id="p107977"></a>Общие затраты: $n_{c}n_{I}c_{I} = 2 \times 20 \times 25 = 1000$ .
<a id="p107978"></a>Собственные затраты: $n_{c}n_{T}c_{TM} = 2 \times 6 \times 140 = 1680$ .
2. <a id="p107979"></a>Стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p107980"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 20} + \frac{2,35^{2}}{2 \times 6}} = \sqrt{0,944} = 0,972.$ 

<a id="p107981"></a>Пример B.2. Начальные условия почти те же, что и в [примере B.1](#p107963), кроме того, что другие характеристики требуют $n_{Imax} = 32$ . Существенные различия следующие:
<a id="p107982"></a>a) [таблица 6E](#p104851);
<a id="p107983"></a>b) размеры проб (для $d_{I} = 1,600$ и $d_{T} = 0,800$ ):


| <a id="p107984"></a>$n_{I} = 30$ ; | <a id="p107985"></a>$n_{T} = 4$ ; |
| --- | --- |


<a id="p107986"></a>c) поскольку $n_{I}>n_{Imax}$ , следует использовать $n_{I} = 32$ и $n_{T} = 4$ 
<a id="p107987"></a>( $n_{c}n_{I} = 64$ ; $n_{c}n_{T} = 8$ ; $n_{c}n_{T}n_{M} = 16$ ).

<a id="p107988"></a>Примечания
1. <a id="p107989"></a>Общие затраты: $n_{c}n_{I}c_{I} = 2 \times 32 \times 25 = 1600$ .
<a id="p107990"></a>Собственные затраты: $n_{c}n_{T}c_{TM} = 2 \times 4 \times 140 = 1120$ .
2. <a id="p107991"></a>Стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p107992"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 32} + \frac{2,35^{2}}{2 \times 4}} = \sqrt{0,993} = 0,996.$ 

<a id="p107993"></a>B.5. Неточные стандартные отклонения
<a id="p107994"></a>B.5.1. Процедуры для каждой характеристики
<a id="p107995"></a>В этом пункте изложены специальные процедуры для положения [раздела 2](#p100297) настоящего стандарта (неточные стандартные отклонения).
<a id="p107996"></a>Специальные процедуры аналогичны процедурам по [B.4](#p107899). Существенные отличия от рекомендаций, данных в [B.4](#p107899), следующие:
<a id="p107997"></a>a) необходимо получить $v_{E}$ для каждой характеристики;
<a id="p107998"></a>b) в [таблице B.2](#p108004) необходимо найти корректирующий множитель $f_{D}$ для каждой характеристики, используя $v_{E}$ и число характеристик J;
<a id="p107999"></a>c) необходимо преобразовать каждый предельный интервал D к суженному значению $D_{N}$ , умножая на корректирующий множитель $f_{D}$ ;
<a id="p108000"></a>d) необходимо получить относительные стандартные отклонения $d_{I}$ и $d_{T}$ используя $D_{N}$ , для каждой характеристики качества;
<a id="p108001"></a>e) необходимо получить размеры проб $n_{I}$ и $n_{T}$ , а также $v_{E}$ для каждой характеристики;
<a id="p108002"></a>f) если $v_{E}$ достаточно мало, необходимо вернуться к перечислению a), так как изменением $v_{E}$ нельзя пренебречь.

<a id="p108003"></a>Таблица B.2

<a id="p108004"></a>Корректирующий множитель $f_{D}$ для числа характеристик J,
применимых к [разделу 2](#p100297)
(неточные стандартные отклонения)


<table>
<colgroup><col width="9%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"><col width="10%"></colgroup>
<tr><td rowspan="2"><a id="p108005"></a>$v_{E}$</td><td colspan="9"><a id="p108006"></a>$f_{D}$ для J</td></tr>
<tr><td><a id="p108007"></a>2</td><td><a id="p108008"></a>3</td><td><a id="p108009"></a>4</td><td><a id="p108010"></a>5</td><td><a id="p108011"></a>6</td><td><a id="p108012"></a>8</td><td><a id="p108013"></a>10</td><td><a id="p108014"></a>15</td><td><a id="p108015"></a>20</td></tr>
<tr><td><a id="p108016"></a>2</td><td><a id="p108017"></a>0,683</td><td><a id="p108018"></a>0,552</td><td><a id="p108019"></a>0,475</td><td><a id="p108020"></a>0,424</td><td><a id="p108021"></a>0,386</td><td><a id="p108022"></a>0,333</td><td><a id="p108023"></a>0,298</td><td><a id="p108024"></a>0,243</td><td><a id="p108025"></a>0,210</td></tr>
<tr><td><a id="p108026"></a>3</td><td><a id="p108027"></a>0,743</td><td><a id="p108028"></a>0,633</td><td><a id="p108029"></a>0,568</td><td><a id="p108030"></a>0,522</td><td><a id="p108031"></a>0,488</td><td><a id="p108032"></a>0,440</td><td><a id="p108033"></a>0,406</td><td><a id="p108034"></a>0,352</td><td><a id="p108035"></a>0,318</td></tr>
<tr><td><a id="p108036"></a>4</td><td><a id="p108037"></a>0,771</td><td><a id="p108038"></a>0,673</td><td><a id="p108039"></a>0,614</td><td><a id="p108040"></a>0,573</td><td><a id="p108041"></a>0,542</td><td><a id="p108042"></a>0,497</td><td><a id="p108043"></a>0,466</td><td><a id="p108044"></a>0,415</td><td><a id="p108045"></a>0,383</td></tr>
<tr><td><a id="p108046"></a>5</td><td><a id="p108047"></a>0,787</td><td><a id="p108048"></a>0,696</td><td><a id="p108049"></a>0,640</td><td><a id="p108050"></a>0,602</td><td><a id="p108051"></a>0,573</td><td><a id="p108052"></a>0,532</td><td><a id="p108053"></a>0,503</td><td><a id="p108054"></a>0,455</td><td><a id="p108055"></a>0,425</td></tr>
<tr><td><a id="p108056"></a>6</td><td><a id="p108057"></a>0,797</td><td><a id="p108058"></a>0,710</td><td><a id="p108059"></a>0,658</td><td><a id="p108060"></a>0,621</td><td><a id="p108061"></a>0,594</td><td><a id="p108062"></a>0,555</td><td><a id="p108063"></a>0,527</td><td><a id="p108064"></a>0,481</td><td><a id="p108065"></a>0,452</td></tr>
<tr><td><a id="p108066"></a>7</td><td><a id="p108067"></a>0,804</td><td><a id="p108068"></a>0,720</td><td><a id="p108069"></a>0,670</td><td><a id="p108070"></a>0,635</td><td><a id="p108071"></a>0,609</td><td><a id="p108072"></a>0,571</td><td><a id="p108073"></a>0,544</td><td><a id="p108074"></a>0,500</td><td><a id="p108075"></a>0,472</td></tr>
<tr><td><a id="p108076"></a>8</td><td><a id="p108077"></a>0,809</td><td><a id="p108078"></a>0,728</td><td><a id="p108079"></a>0,679</td><td><a id="p108080"></a>0,645</td><td><a id="p108081"></a>0,619</td><td><a id="p108082"></a>0,583</td><td><a id="p108083"></a>0,557</td><td><a id="p108084"></a>0,514</td><td><a id="p108085"></a>0,487</td></tr>
<tr><td><a id="p108086"></a>9</td><td><a id="p108087"></a>0,813</td><td><a id="p108088"></a>0,733</td><td><a id="p108089"></a>0,686</td><td><a id="p108090"></a>0,653</td><td><a id="p108091"></a>0,628</td><td><a id="p108092"></a>0,592</td><td><a id="p108093"></a>0,567</td><td><a id="p108094"></a>0,525</td><td><a id="p108095"></a>0,499</td></tr>
<tr><td><a id="p108096"></a>10</td><td><a id="p108097"></a>0,816</td><td><a id="p108098"></a>0,738</td><td><a id="p108099"></a>0,691</td><td><a id="p108100"></a>0,659</td><td><a id="p108101"></a>0,634</td><td><a id="p108102"></a>0,599</td><td><a id="p108103"></a>0,574</td><td><a id="p108104"></a>0,534</td><td><a id="p108105"></a>0,508</td></tr>
<tr><td><a id="p108106"></a>12</td><td><a id="p108107"></a>0,821</td><td><a id="p108108"></a>0,745</td><td><a id="p108109"></a>0,699</td><td><a id="p108110"></a>0,668</td><td><a id="p108111"></a>0,644</td><td><a id="p108112"></a>0,610</td><td><a id="p108113"></a>0,586</td><td><a id="p108114"></a>0,547</td><td><a id="p108115"></a>0,522</td></tr>
<tr><td><a id="p108116"></a>14</td><td><a id="p108117"></a>0,824</td><td><a id="p108118"></a>0,749</td><td><a id="p108119"></a>0,705</td><td><a id="p108120"></a>0,674</td><td><a id="p108121"></a>0,651</td><td><a id="p108122"></a>0,617</td><td><a id="p108123"></a>0,594</td><td><a id="p108124"></a>0,556</td><td><a id="p108125"></a>0,532</td></tr>
<tr><td><a id="p108126"></a>16</td><td><a id="p108127"></a>0,826</td><td><a id="p108128"></a>0,753</td><td><a id="p108129"></a>0,709</td><td><a id="p108130"></a>0,678</td><td><a id="p108131"></a>0,656</td><td><a id="p108132"></a>0,623</td><td><a id="p108133"></a>0,600</td><td><a id="p108134"></a>0,563</td><td><a id="p108135"></a>0,539</td></tr>
<tr><td><a id="p108136"></a>20</td><td><a id="p108137"></a>0,829</td><td><a id="p108138"></a>0,757</td><td><a id="p108139"></a>0,714</td><td><a id="p108140"></a>0,685</td><td><a id="p108141"></a>0,663</td><td><a id="p108142"></a>0,631</td><td><a id="p108143"></a>0,608</td><td><a id="p108144"></a>0,572</td><td><a id="p108145"></a>0,549</td></tr>
<tr><td><a id="p108146"></a>24</td><td><a id="p108147"></a>0,831</td><td><a id="p108148"></a>0,760</td><td><a id="p108149"></a>0,718</td><td><a id="p108150"></a>0,689</td><td><a id="p108151"></a>0,667</td><td><a id="p108152"></a>0,636</td><td><a id="p108153"></a>0,614</td><td><a id="p108154"></a>0,578</td><td><a id="p108155"></a>0,555</td></tr>
<tr><td><a id="p108156"></a>30</td><td><a id="p108157"></a>0,834</td><td><a id="p108158"></a>0,764</td><td><a id="p108159"></a>0,722</td><td><a id="p108160"></a>0,693</td><td><a id="p108161"></a>0,672</td><td><a id="p108162"></a>0,641</td><td><a id="p108163"></a>0,619</td><td><a id="p108164"></a>0,584</td><td><a id="p108165"></a>0,562</td></tr>
<tr><td><a id="p108166"></a>40</td><td><a id="p108167"></a>0,836</td><td><a id="p108168"></a>0,767</td><td><a id="p108169"></a>0,726</td><td><a id="p108170"></a>0,697</td><td><a id="p108171"></a>0,676</td><td><a id="p108172"></a>0,646</td><td><a id="p108173"></a>0,625</td><td><a id="p108174"></a>0,590</td><td><a id="p108175"></a>0,568</td></tr>
<tr><td><a id="p108176"></a>60</td><td><a id="p108177"></a>0,838</td><td><a id="p108178"></a>0,770</td><td><a id="p108179"></a>0,729</td><td><a id="p108180"></a>0,701</td><td><a id="p108181"></a>0,681</td><td><a id="p108182"></a>0,651</td><td><a id="p108183"></a>0,630</td><td><a id="p108184"></a>0,596</td><td><a id="p108185"></a>0,575</td></tr>
<tr><td><a id="p108186"></a>120</td><td><a id="p108187"></a>0,840</td><td><a id="p108188"></a>0,773</td><td><a id="p108189"></a>0,733</td><td><a id="p108190"></a>0,705</td><td><a id="p108191"></a>0,685</td><td><a id="p108192"></a>0,656</td><td><a id="p108193"></a>0,635</td><td><a id="p108194"></a>0,602</td><td><a id="p108195"></a>0,581</td></tr>
<tr><td><a id="p108196"></a>300</td><td><a id="p108197"></a>0,841</td><td><a id="p108198"></a>0,774</td><td><a id="p108199"></a>0,735</td><td><a id="p108200"></a>0,708</td><td><a id="p108201"></a>0,688</td><td><a id="p108202"></a>0,659</td><td><a id="p108203"></a>0,638</td><td><a id="p108204"></a>0,606</td><td><a id="p108205"></a>0,585</td></tr>
</table>


<a id="p108206"></a>Метод преобразования каждого предельного интервала D к суженному значению $D_{N}$ также применим к альтернативным процедурам, данным в [A.3](#p107551). Возможно совместное применение требований [раздела 3](#p102455) настоящего стандарта и [раздела A.4](#p107685) Приложения A.
<a id="p108207"></a>B.5.2. Общие процедуры
<a id="p108208"></a>Общие процедуры - по [B.4.2](#p107947). Если уполномоченная сторона одобрит, возможно совместное применение данных рекомендаций и положений [раздела 3](#p102455) настоящего стандарта.
<a id="p108209"></a>B.5.3. Численный пример
<a id="p108210"></a>Следующий пример показывает существенные отличия в применении требований [раздела 2](#p100297) настоящего стандарта.
<a id="p108211"></a>*Пример* B.3
<a id="p108212"></a>Начальные условия почти те же, что и в [примере 3](#p100422) (2.8.1) настоящего стандарта, кроме того, что продукция имеет три контролируемые характеристики.
<a id="p108213"></a>Существенные различия следующие:
<a id="p108214"></a>a) начальное значение $v_{E} = 35$ ;
<a id="p108215"></a>b) корректирующий множитель $f_{D} = 0,764$ ;
<a id="p108216"></a>(в [таблице B.2](#p108004) - для J = 3 $v_{E} = 30$ );
<a id="p108217"></a>c) суженный предельный интервал $D_{N}$ 

<a id="p108218"></a> $D_{N} = f_{D}D = 0,764 \times 4,0 = 3,06;$ 

<a id="p108219"></a>d) относительные стандартные отклонения:

<a id="p108220"></a> $d_{I} = \sigma_{I}/D_{N} = 4,40/3,06 = 1,44;$ 

<a id="p108221"></a> $d_{T} = \sigma_{T}/D_{N} = 2,35/3,06 = 0,768;$ 

<a id="p108222"></a>e) размер проб $n_{I}$ и $n_{T}$ [(таблица 2D)](#p102065):


<table>
<colgroup><col width="50%"><col width="50%"></colgroup>
<tr><td><a id="p108223"></a>$d_{I} = 1,44 \rightarrow 1,60$ ;</td><td><a id="p108224"></a>$d_{T} = 0,768 \rightarrow 1,00$ ;</td></tr>
<tr><td><a id="p108225"></a>$n_{I} = 30$ ;</td><td><a id="p108226"></a>$n_{T} = 11$ ;</td></tr>
<tr><td colspan="2"><a id="p108227"></a>( $n_{c}n_{I} = 60$ ; $n_{c}n_{T} = 22$ ; $n_{c}n_{T}n_{M} = 44$ ).</td></tr>
</table>


<a id="p108228"></a>Примечания
1. <a id="p108229"></a>Общие затраты: $n_{c}n_{I}c_{I} = 2 \times 30 \times 25 = 1500$ .
<a id="p108230"></a>Собственные затраты: $n_{c}n_{T}c_{TM} = 2 \times 11 \times 140 = 3080$ .
2. <a id="p108231"></a>Стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p108232"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}} = \sqrt{\frac{4,40^{2}}{2 \times 30} + \frac{2,35^{2}}{2 \times 11}} = \sqrt{0,574} = 0,757.$ 

<a id="p108233"></a>Таблица B.3

<a id="p108234"></a>Значения AQL для риска $\alpha$ и LQL для риска $\beta$ 
для каждой из J характеристик, %


<table>
<colgroup><col width="21%"><col width="8%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"><col width="9%"></colgroup>
<tr><td><a id="p108235"></a>J</td><td><a id="p108236"></a>2</td><td><a id="p108237"></a>3</td><td><a id="p108238"></a>4</td><td><a id="p108239"></a>5</td><td><a id="p108240"></a>6</td><td><a id="p108241"></a>8</td><td><a id="p108242"></a>10</td><td><a id="p108243"></a>15</td><td><a id="p108244"></a>20</td></tr>
<tr><td><a id="p108245"></a>$\alpha \approx 5%$</td><td><a id="p108246"></a>2,53</td><td><a id="p108247"></a>1,70</td><td><a id="p108248"></a>1,27</td><td><a id="p108249"></a>1,02</td><td><a id="p108250"></a>0,85</td><td><a id="p108251"></a>0,64</td><td><a id="p108252"></a>0,51</td><td><a id="p108253"></a>0,34</td><td><a id="p108254"></a>0,26</td></tr>
<tr><td><a id="p108255"></a>$\beta \approx 10%$</td><td><a id="p108256"></a>5,13</td><td><a id="p108257"></a>3,45</td><td><a id="p108258"></a>2,60</td><td><a id="p108259"></a>2,09</td><td><a id="p108260"></a>1,74</td><td><a id="p108261"></a>1,31</td><td><a id="p108262"></a>1,05</td><td><a id="p108263"></a>0,70</td><td><a id="p108264"></a>0,53</td></tr>
<tr><td colspan="10"><a id="p108265"></a><a id="p108266"></a><a id="p108267"></a>Примечания<br>1. Верхняя строка - для $\alpha \approx 5%$ ; строка применима и для $\beta \approx 5%$ .<br>2. Нижняя строка - для $\beta \approx 10%$ .</td></tr>
</table>






<a id="p108268"></a>Приложение C
(справочное)

<a id="p108269"></a>**ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ**

<a id="p108270"></a>C.1. Введение
<a id="p108271"></a>В данном Приложении приведено теоретическое обоснование [раздела 3](#p102455) (известные стандартные отклонения) настоящего стандарта, который составляет основу данного стандарта. В [разделе C.9](#p108447) данного Приложения приведена дополнительная информация для [раздела 2](#p100297) (неточные стандартные отклонения) настоящего стандарта.
<a id="p108272"></a>C.2. Основные предположения
<a id="p108273"></a>C.2.1. Общие положения
<a id="p108274"></a>Положения [раздела 3](#p102455) настоящего стандарта базируются на следующих основных предположениях:
<a id="p108275"></a>a) установленная характеристика качества x - это переменная, измеряемая в непрерывной шкале;
<a id="p108276"></a>b) каждое стандартное отклонение значения величины x известно и стабильно ([1.4.2.1](#p100164) и [1.4.2.2](#p100171));
<a id="p108277"></a>c) ожидаемые значения среднего физического и среднего арифметического равны [(1.4.2.1)](#p100164);
<a id="p108278"></a>d) средние значения величины x нормально распределены;
<a id="p108279"></a>e) каждая объединенная проба представляет партию;
<a id="p108280"></a>f) измерения проводятся в одной лаборатории;
<a id="p108281"></a>g) совокупность бесконечна;
<a id="p108282"></a>h) совокупность едина;
<a id="p108283"></a>i) единовременно рассматривается единственная характеристика качества.
<a id="p108284"></a>C.2.2. Известные стандартные отклонения
<a id="p108285"></a>Выборочные планы в [разделе 3](#p102455) основаны на предположении, что стандартные отклонения известны [(1.4.2.1)](#p100164). Это предположение трудновыполнимое для отдельных партий. Однако отдельная контролируемая партия для потребителя может быть одной из непрерывной серии производственных партий для поставщика. В таком случае, если поставщик предоставляет потребителю достаточную информацию, включая контрольные карты, можно предположить, что стандартные отклонения известны и постоянны.
<a id="p108286"></a>C.2.3. Контрольные карты
<a id="p108287"></a>Применимость процедур [раздела 3](#p102455) (известные стандартные отклонения) оценивается с помощью контрольных карт определенного типа. Они имеют верхние контрольные границы (UCL), но нет нижних (LCL). Причина этого в следующем.
<a id="p108288"></a>Рекомендуется уменьшить значение стандартного отклонения, особенно когда установлен двусторонний допуск. Для этого в данном стандарте применяют односторонний тест (F-тест), имеющий следующие гипотезы:
<a id="p108289"></a> $H_{0}$ : $\sigma^{2}$ стабильно.
<a id="p108290"></a> $H_{1}$ : $\sigma^{2}$ нестабильно (максимальное значение дисперсий выходит за рамки случайных вариаций).
<a id="p108291"></a>Поскольку многие пользователи могут быть незнакомы с таким расширенным F-тестом, использующим дисперсии, он преобразован в эквивалентный тест типа контрольной карты, где могут быть использованы стандартные отклонения. Для каждой контрольной карты предполагается риск, равный 5%. Это означает вероятность того, что на 10 партий придется одна или более точек, выходящих за контрольные границы. Коэффициент $f_{U}$ задается следующими уравнениями:

<a id="p108292"></a> $f_{U} = \sqrt{F_{p}(v,\infty)}$ , (C.1)

<a id="p108293"></a> $p = \sqrt[10]{0,95} = 0,99488$ , (C.2)

<a id="p108294"></a>где $F_{p}(v_{1},v_{2})$ - нижняя p-квантиль F-распределения с $v_{1}$ и $v_{2}$ степенями свободы.
<a id="p108295"></a>C.2.4. Условия нормальности
<a id="p108296"></a>Планы статистического приемочного контроля основаны на предложении нормальности. Пользователю необязательно уделять много внимания отклонению от нормального распределения, поскольку распределение общего среднего обычно близко к нему, если размеры проб не слишком малы. Это одно из главных отличий от других известных выборочных планов по количественному признаку для процента несоответствующих единиц продукции по [ГОСТ Р 50779.74](https://bukva.ai/docs/gost-r-50779-74-99), где отклонение от нормального распределения может вызвать увеличение или уменьшение риска изготовителя и (или) потребителя, и предположение о нормальности важно при практическом применении планов контроля.
<a id="p108297"></a>C.2.5. Репрезентативность выборок
<a id="p108298"></a>Выборочные планы основаны на предположении о репрезентативности выборок (проб). Хотя простейшим способом обеспечения репрезентативности является случайный отбор. В настоящем стандарте используется систематический двойной отбор.
<a id="p108299"></a>Систематический отбор, показанный в верхней части [рисунка 1](#p100194) раздела 1 настоящего стандарта, может дать меньшую дисперсию объединенных проб, чем случайный отбор. Однако если экономичному выборочному плану предпочитают несмещенную оценку $\sigma_{I}^{2}$ , то можно использовать случайный отбор.
<a id="p108300"></a>Многократный отбор с $n_{c}>2$ широко используется в экспериментах для получения бульшей информации о $\sigma_{I}^{2}$ . В настоящем стандарте даны таблицы размеров проб только для отбора с $n_{c} = 2$ , для простоты и экономичности.
<a id="p108301"></a>C.2.6. Лаборатория
<a id="p108302"></a>Предполагается, что измерения выполняются в единственной лаборатории, поэтому стандартное отклонение измерений меньше, чем стандартное отклонение воспроизводимости. Если результаты лабораторных испытаний потребителя и поставщика сильно различаются, то эти различия следует трактовать в рамках смещения, а не дисперсии.
<a id="p108303"></a>C.2.7. Бесконечная совокупность
<a id="p108304"></a>Выборочные планы основаны на предположении о бесконечной совокупности, которое обычно выполняется, так как:
<a id="p108305"></a>a) мгновенная проба - очень малая часть партии;
<a id="p108306"></a>d) лабораторная проба - очень малая часть объединенной пробы;
<a id="p108307"></a>c) испытываемая порция - очень малая часть лабораторной пробы.
<a id="p108308"></a>Даже если это предположение не выполняется, пользователям не следует акцентировать на этом внимание, так как значения стандартного отклонения оценки $\sigma_{E}$ и обоих рисков $\alpha$ и $\beta$ для конечной совокупности были бы несколько меньше, чем при бесконечной совокупности.
<a id="p108309"></a>C.2.8. Простая совокупность
<a id="p108310"></a>Выборочные планы основаны на предположении о простой совокупности. Иными словами, мгновенные пробы могут браться прямо из партии. Это предположение обычно выполняется. Однако могут быть различные случаи, например, продукция в двух или большем числе контейнеров. Если составляющая дисперсии между мгновенными пробами $\sigma_{I}^{2}$ состоит из двух составляющих: между контейнерами $\sigma_{B}^{2}$ и внутри контейнера $\sigma_{w}^{2}$ , и если ни одной из них нельзя пренебречь, то данный стандарт неприменим.
<a id="p108311"></a>C.2.9. Единственная характеристика качества
<a id="p108312"></a>Оба риска - изготовителя и потребителя - вычисляются для единственной характеристики качества. Для нескольких характеристик качества оба общих риска повышаются. В C.8 изложены теоретические основы для специальных процедур, данных в [Приложении B](#p107882) для нескольких характеристик качества.
<a id="p108313"></a>C.3. Простейшая модель
<a id="p108314"></a>C.3.1. Общие положения
<a id="p108315"></a>В стандартных процедурах настоящего стандарта преследуется цель получения экономичных выборочных планов, и предполагаемая модель довольно сложна. Для ее понимания в данном пункте приведена простейшая модель, основанная на следующих предположениях:
<a id="p108316"></a>a) из партии берут n мгновенных проб;
<a id="p108317"></a>b) не подготавливается никаких объединенных проб;
<a id="p108318"></a>c) подготавливается одна лабораторная проба на мгновенную пробу;
<a id="p108319"></a>d) делается одно измерение на мгновенную пробу;
<a id="p108320"></a>e) $\sigma_{p}$ и $\sigma_{M}$ пренебрежимо малы.
<a id="p108321"></a>*Примечание.* При небольших изменениях в приведенных предположениях эту простейшую модель можно сделать применимой к дискретным изделиям.

<a id="p108322"></a>C.3.2. Стандартное отклонение оценки
<a id="p108323"></a>Стандартное отклонение оценки $\sigma_{E}$ - положительный квадратный корень из ожидаемой дисперсии оценки среднего партии. При простейшей модели стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p108324"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n}}$ , (C.3)

<a id="p108325"></a>где n - число мгновенных проб и измерений.
<a id="p108326"></a>C.3.3. Размер проб
<a id="p108327"></a>При этой простейшей модели размер пробы n рассчитывают по формуле

<a id="p108328"></a> $n = (\frac{(K_{\alpha} + K_{\beta})\sigma_{I}}{D})2$ . (C.4)

<a id="p108329"></a>Полученное значение n следует округлить до ближайшего целого.
<a id="p108330"></a>C.4. Соотношение между AQL, LQL и приемочным значением
<a id="p108331"></a>C.4.1. Общие положения
<a id="p108332"></a>При простейшей модели имеется следующее соотношение между AQL, LQL и приемочным значением, которое применимо также к более сложным моделям, приведенным в [C.5](#p108368) и [C.6](#p108387).
<a id="p108333"></a>C.4.2. Нижнее предельное значение (односторонний допуск)
<a id="p108334"></a>Когда устанавливается единственный нижний предел поля допуска, то получается следующее соотношение (рисунок C.1):

<a id="p108335"></a> $\overline{x_{L}} = m_{A} - K_{\alpha}\sigma_{E} = m_{R} + K_{\beta}\sigma_{E}$ . (C.5)

<a id="p108336"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_21.png) 

<a id="p108337"></a>Рисунок C.1. Соотношение между приемлемым уровнем качества
 $m_{A}$ , предельным уровнем качества $m_{R}$ и приемочным значением $\overline{x}$ 
при заданном нижнем предельном значении

<a id="p108338"></a>Кроме того, получены следующие выражения:

<a id="p108339"></a> $D = m_{A} - m_{R} = (K_{\alpha} + K_{\beta})\sigma_{E}$ , (C.6)

<a id="p108340"></a> $\overline{x_{L}} = m_{A} - \frac{K_{\alpha}}{K_{\alpha} + K_{\beta}} D$ . (C.7)

<a id="p108341"></a>Поскольку в стандартных процедурах предполагается, что $\alpha = 0,05$ и $\beta = 0,10$ , постоянную $\gamma$ рассчитывают по формуле

<a id="p108342"></a> $\gamma = \frac{K_{\alpha}}{K_{\alpha} + K_{\beta}} = \frac{1,64485}{1,64485 + 1,28155} = 0,56207 \rightarrow 0,562$ . (C.8)

<a id="p108343"></a>Для дополнительных процедур, где принято $\alpha = \beta$ , постоянную $\gamma$ рассчитывают по формуле

<a id="p108344"></a> $\gamma = \frac{K_{\alpha}}{K_{\alpha} + K_{\beta}} = \frac{1}{2}$ . (C.9)

<a id="p108345"></a>C.4.3. Верхнее предельное значение (односторонний допуск)
<a id="p108346"></a>Когда установлен единственный верхний предел поля допуска, то предполагается следующее соотношение:

<a id="p108347"></a> $\overline{x_{U}} = m_{A} + K_{\alpha}\sigma_{E} = m_{R} - K_{\beta}\sigma_{E}$ . (C.10)

<a id="p108348"></a>Кроме того, получают следующие выражения (рисунок C.2):

<a id="p108349"></a> $D = m_{R} - m_{A} = (K_{\alpha} + K_{\beta})\sigma_{E}$ , (C.11)

<a id="p108350"></a>и

<a id="p108351"></a> $\overline{x_{U}} = m_{A} + \frac{K_{\alpha}}{K_{\alpha} + K_{\beta}} D$ . (C.12)

<a id="p108352"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_22.png) 

<a id="p108353"></a>Рисунок C.2. Соотношение между приемлемым уровнем качества
 $m_{A}$ , предельным уровнем качества $m_{R}$ и приемочным значением
 $\overline{x_{U}}$ при заданном верхнем предельном значении

<a id="p108354"></a>Ту же постоянную $\gamma$ рассчитывают по [формуле (C.8)](#p108342).
<a id="p108355"></a>C.4.4. Двусторонний допуск
<a id="p108356"></a>Когда установлен двусторонний допуск, то формулы по [C.4.2](#p108333) и [C.4.3](#p108345) применимы к обоим пределам, если выполняется следующее:

<a id="p108357"></a> $\Delta = m_{A_{U}} - m_{A_{L}} \geq \delta D$ . (C.13)

<a id="p108358"></a>На рисунках C.3 и [C.4](#p108363) показан предельный случай, когда $\Delta = \delta D$ ([рисунки C.1](#p108337) и [C.2](#p108353)). В этом случае максимальная вероятность приемки равна 0,99 при $m = 0,5(m_{A_{U}} + m_{A_{L}})$ и выполняется следующее соотношение:

<a id="p108359"></a> $\delta D = m_{A_{U}} - m_{A_{L}} = 2(K_{0,005} - K_{\alpha})\sigma_{E}$ . (C.14)

<a id="p108360"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_23.png) 

<a id="p108361"></a>Рисунок C.3. Соотношение между приемлемым уровнем качества
и предельным уровнем качества и приемочными значениями
 $\overline{x_{L}}$ , $\overline{x_{U}}$ для двустороннего поля допуска



<a id="p108362"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_24.png) 

<a id="p108363"></a>Рисунок C.4. Соотношение между $\Delta$ и D
(при $\Delta = \delta D$ для двустороннего допуска)

<a id="p108364"></a>Постоянную $\delta$ вычисляют по формуле

<a id="p108365"></a> $\delta = \frac{2(K_{0,005} - K_{\alpha})}{K_{\alpha} + K_{\beta}} = \frac{2(2,57583 - 1,64485)}{1,64485 + 1,28155} = 0,636$ . (C.15)

<a id="p108366"></a>Для дополнительных процедур, где $\alpha = \beta = 0,05$ , постоянную $\delta$ вычисляют по формуле

<a id="p108367"></a> $\delta = \frac{2(K_{0,005} - K_{\alpha})}{K_{\alpha} + K_{\beta}} = \frac{2(2,57583 - 1,64485)}{2 \times 1,64485} = 0,566$ . (C.16)

<a id="p108368"></a>C.5. Двукомпонентная модель
<a id="p108369"></a>C.5.1. Общие положения
<a id="p108370"></a>На практике возможны случаи, когда $\sigma_{M}$ нельзя пренебречь. В этом случае стандартное отклонение оценки $\sigma_{E}$ состоит из двух компонент и описывается следующей практической моделью:
<a id="p108371"></a>a) из партии берут $n_{1}$ мгновенных проб;
<a id="p108372"></a>b) объединенные пробы не составляются;
<a id="p108373"></a>c) подготавливается одна лабораторная проба на мгновенную пробу;
<a id="p108374"></a>d) делают $n_{2}$ измерений на мгновенную пробу;
<a id="p108375"></a>e) $\sigma_{p}$ пренебрежимо мало.
<a id="p108376"></a>*Примечание.* Эта модель также применима к дискретным изделиям.

<a id="p108377"></a>C.5.2. Стандартное отклонение оценки
<a id="p108378"></a>Для описываемой модели, используя [выражение C.6](#p108339), получаем стандартное отклонение оценки $\sigma_{E}$ , рассчитываемое по формуле

<a id="p108379"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{1}} + \frac{\sigma_{M}^{2}}{n_{1}n_{2}}} = \frac{D}{K_{\alpha} + K_{\beta}}$ . (C.17)

<a id="p108380"></a>C.5.3. Размер пробы
<a id="p108381"></a>Возможны несколько комбинаций $n_{1}$ и $n_{2}$ , которые удовлетворяют [C.15](#p108365), и наиболее экономичное значение числа измерений на мгновенную пробу $n_{2}$ вычисляют по формуле

<a id="p108382"></a> $n_{2} = \frac{\sigma_{M}}{\sigma_{p}} \sqrt{\frac{c_{1}}{c_{2}}}$ , (C.18)

<a id="p108383"></a>где $c_{1}$ - затраты на взятие мгновенной пробы и подготовку лабораторной пробы;
<a id="p108384"></a> $c_{2}$ - затраты на измерение (для среднего партии).
<a id="p108385"></a>Из [формул C.17](#p108379) и C.18 получаем следующее выражение для $n_{1}$ :

<a id="p108386"></a> $n_{1} = (\sigma_{I}^{2} + \frac{\sigma_{M}^{2}}{n_{2}})(\frac{(K_{\alpha} + K_{\beta})}{D})2$ . (C.19)

<a id="p108387"></a>C.6. Трехкомпонентная модель
<a id="p108388"></a>Модель, используемая для стандартных процедур в настоящем стандарте, это расширение вышеприведенной двухкомпонентной модели до трехкомпонентной. Поэтому детальное описание опущено, кроме процедур планирования.
<a id="p108389"></a>Формулы C.20 и [C.21](#p108391) дают отношение $n_{I}$ к $n_{T}$ для положений [раздела 3](#p102455). Формула (C.20) дает наиболее экономичное отношение, а формула (C.21) соответствует требуемой оперативной характеристике.

<a id="p108390"></a> $\frac{n_{I}}{n_{T}} = \frac{d}{d_{T}} \sqrt[I]{\frac{c_{T}}{c_{I}}}$ , (C.20)

<a id="p108391"></a> $\sqrt{\frac{d_{I}^{2}}{n_{I}} + \frac{d_{T}^{2}}{n_{T}}} = \frac{1}{K_{\alpha} + K_{\beta}}$ . (C.21)

<a id="p108392"></a>Из формул (C.20) и (C.21) получаем следующие соотношения:

<a id="p108393"></a> $n_{I} = d_{I}(d_{I} + d_{T} \sqrt{\frac{c_{T}}{c_{I}}})(K_{\alpha} + K_{\beta})^{2}$ , (C.22)

<a id="p108394"></a> $n_{T} = d_{T}(d_{T} + d_{I} \sqrt{\frac{c_{I}}{c_{T}}})(K_{\alpha} + K_{\beta})^{2}$ . (C.23)

<a id="p108395"></a>Когда $n_{I}$ и $n_{T}$ достаточно малы, [выражения C.20](#p108390) и [C.21](#p108391) не всегда дают удовлетворительные результаты. Поэтому значения $n_{I}$ и $n_{T}$ в [таблицах 6](#p103053) и [8](#p105536) настоящего стандарта получены с помощью следующих процедур:
<a id="p108396"></a>a) получают промежуточные значения $n_{I}$ и $n_{T}$ ;
<a id="p108397"></a>b) минимальное из них фиксируется (если $n_{I}<n_{T}$ , то $n_{I}$ фиксируется с округлением).
<a id="p108398"></a>C.7. Соотношение между средним партии и процентом несоответствующих единиц продукции
<a id="p108399"></a>Прямое соотношение между средним партии и процентом несоответствующих единиц продукции можно дать только при условии выполнения следующих требований:
<a id="p108400"></a>a) объект контроля - мгновенная проба, для которой установлен нижний $L_{I}$ или верхний $U_{I}$ предел поля допуска;
<a id="p108401"></a>b) установленная характеристика качества x распределена нормально;
<a id="p108402"></a>c) стандартное отклонение $\sigma_{I}$ известно и стабильно.
<a id="p108403"></a>Значения верхней p-квантили стандартного нормального распределения $K_{p}$ , соответствующие произвольным значениям среднего партии m, находят из следующих соотношений:
<a id="p108404"></a>a) если кроме нижнего предела поля допуска для мгновенной пробы $L_{I}$ установлен нижний предел поля допуска для среднего партии L, то

<a id="p108405"></a> $K_{p} = \frac{m - L_{I}}{\sigma_{I}}$ ; (C.24)

<a id="p108406"></a>b) если кроме верхнего предела поля допуска для мгновенной пробы $U_{I}$ установлен верхний предел поля допуска для среднего партии U, то

<a id="p108407"></a> $K_{p} = \frac{U_{I} - m}{\sigma_{I}}$ . (C.25)

<a id="p108408"></a>Значения верхних квантилей, полученные при этом, соответствуют доле несоответствий p и легко могут быть преобразованы в значение, соответствующее проценту несоответствующих единиц продукции 100p, используя таблицу нормального распределения. Нужно отметить, что процент несоответствующих единиц продукции партии не зависит от $\sigma_{p}$ и $\sigma_{M}$ .
<a id="p108409"></a>Процедуры в настоящем стандарте не всегда обеспечивают гарантированный процент несоответствующих единиц, так как установленные процедуры подготовки объединенных проб не всегда подходят при получении несмещенной оценки $\sigma_{I}$ с достаточным количеством степеней свободы.
<a id="p108410"></a>C.8. Наличие нескольких характеристик
<a id="p108411"></a>C.8.1. Общие риски
<a id="p108412"></a>Специальные процедуры для нескольких характеристик, данные в [B.2](#p107887), основаны на предположениях, что все характеристики независимы и одинаково важны. Если число характеристик качества равно J и они независимы, общий риск изготовителя $\alpha_{o}$ получают по формуле

<a id="p108413"></a> $\alpha_{o} = 1 - \prod_{i = 1}^{J} (1 - \alpha_{i})$ , (C.26)

<a id="p108414"></a>где $\alpha_{i}$ - значения $\alpha$ для индивидуальной характеристики качества.
<a id="p108415"></a>Если $\alpha_{1} = \alpha_{2} = ... = \alpha_{j} = \alpha^{*}$ , то

<a id="p108416"></a> $\alpha_{o} = 1 - (1 - \alpha^{*})^{J}$ (C.27)

<a id="p108417"></a>и

<a id="p108418"></a> $\alpha^{*} = 1 - \sqrt[J]{1 - \alpha_{o}}$ . (C.28)

<a id="p108419"></a>Аналогичное выражение получают для общего риска потребителя $\beta_{o}$ , если $\beta_{1} = \beta_{2} = ... = \beta_{j} = \beta^{*}$ , то

<a id="p108420"></a> $\beta^{*} = 1 - \sqrt[J]{1 - \beta_{o}}$ . (C.29)

<a id="p108421"></a>Корректирующий множитель $f_{D}$ получают из следующего соотношения:

<a id="p108422"></a> $f_{D} = \frac{K_{\alpha_{o}} + K_{\beta_{o}}}{K_{\alpha^{*}} + K_{\beta^{*}}}$ , (C.30)

<a id="p108423"></a>где
<a id="p108424"></a> $\alpha_{o}$ - общий риск изготовителя,
<a id="p108425"></a> $\beta_{o}$ - общий риск потребителя,
<a id="p108426"></a> $\alpha^{*}$ - индивидуальный риск изготовителя,
<a id="p108427"></a> $\beta^{*}$ - индивидуальный риск потребителя.
<a id="p108428"></a>Значения корректирующего множителя $f_{D}$ для известных стандартных отклонений даны в [таблице B.1](#p107910) Приложения B. Значения индивидуальных рисков $\alpha^{*}$ и $\beta^{*}$ даны в [таблице B.3](#p108234).
<a id="p108429"></a>C.8.2. Оперативная характеристика
<a id="p108430"></a>Процедуры вычисления оперативных характеристик, данные в [Приложении D](#p108469), также применимы для скорректированных выборочных планов, но при следующих значениях основных параметров:
<a id="p108431"></a>a) если среднее партии равно приемочному значению, то Pa = 50%;
<a id="p108432"></a>b) если среднее партии равно AQL, то $\alpha \approx 100\alpha^{*}%$ ;
<a id="p108433"></a>c) если среднее партии равно LQL, то $\beta \approx 100\beta^{*}%$ ;
<a id="p108434"></a>d) если среднее партии равно PRQ, то $\alpha \approx 100\alpha_{o}%$ ;
<a id="p108435"></a>e) если среднее партии равно CRQ, то $\beta \approx 100\beta_{o}%$ .
<a id="p108436"></a>Когда установлен нижний предел поля допуска L, приближенные значения PRQ и CRQ рассчитывают по формулам:

<a id="p108437"></a> $PRQ = \overline{x_{L}} + \gamma D$ ; (C.31)

<a id="p108438"></a>**CRQ = PRQ - D. (C.32)**

<a id="p108439"></a>Когда установлен верхний предел поля допуска U, приближенные значения PRQ и CRQ рассчитывают по формулам:

<a id="p108440"></a> $PRQ = \overline{x_{U}} - \gamma D$ ; (C.33)

<a id="p108441"></a>**CRQ = PRQ + D. (C.34)**

<a id="p108442"></a>C.8.3. Независимость
<a id="p108443"></a>Приведенные результаты верны только в случае, когда все характеристики качества независимы. Если коэффициенты корреляции между двумя или большим числом характеристик значительны, то

<a id="p108444"></a> $\alpha^{*} \leq \alpha_{o} \leq J\alpha^{*}$ ; (C.35)

<a id="p108445"></a> $\beta^{*} \leq \beta_{o} \leq J\beta^{*}$ . (C.36)

<a id="p108446"></a>Для таких случаев трудно дать общие планы статистического приемочного контроля.
<a id="p108447"></a>C.9. Дополнительная информация для [раздела 2](#p100297)
<a id="p108448"></a>C.9.1. Общие требования
<a id="p108449"></a>В данном пункте изложена дополнительная информация для [раздела 2](#p100297) (неточные стандартные отклонения). В [разделе 2](#p100297) настоящего стандарта выборочные планы основаны на предположении, что модель аналогична той, которая применяется в [разделе 3](#p102455) (известные стандартные отклонения), но вместо нормального распределения использовано t-распределение. Кроме того, рекомендуемые значения $d_{I}$ и $d_{T}$ выбираются из [таблицы 6](#p103053) для проведения расчетов в соответствии с [таблицами 1](#p100548) и [2](#p101497) настоящего стандарта.
<a id="p108450"></a>C.9.2. Соотношение между AQL, LQL и приемочным значением
<a id="p108451"></a>Приближенное соотношение между AQL, LQL и приемочным значением точно такое же, как показано в [C.4](#p108330).
<a id="p108452"></a>Когда задан двусторонний допуск, то приближенные формулы для одностороннего допуска можно применить отдельно к каждому из пределов поля допуска, если выполняется соотношение:

<a id="p108453"></a> $\Delta = m_{A_{U}} - m_{A_{L}} \geq \delta D$ . (C.37)

<a id="p108454"></a>Когда $\Delta = \delta D$ и $v_{E}<8$ , максимальная вероятность приемки устанавливается приблизительно 0,98 при $m = 0,5(m_{A_{U}} + m_{A_{L}})$ и тогда приближенное значение $\delta$ получают по формуле

<a id="p108455"></a> $\delta = [t_{0,99}(v_{E}) - t_{1 - \alpha}(v_{E})]/t_{1 - \alpha}(v_{E})$ . (C.38)

<a id="p108456"></a>Если $v_{E} \geq 8$ , формула (C.38) дает меньшие значения $\delta$ , чем значения для требований [раздела 3](#p102455). Поэтому берется то же значение $\delta$ , что и для [раздела 3](#p102455), так что переход от раздела к разделу облегчается. Когда $\Delta = \delta D$ и $v_{E}$ достаточно велико, максимальная вероятность приемки близка к 0,99.
<a id="p108457"></a>C.9.3. Наличие нескольких характеристик
<a id="p108458"></a>C.9.3.1. Общие риски
<a id="p108459"></a>Приближенное выражение, аналогичное приведенному в [C.8.1](#p108411), для рисков можно получить заменой нормального распределения на t-распределение. Корректирующий множитель $f_{D}$ получают по формуле

<a id="p108460"></a> $f_{D} = \frac{t_{1 - \alpha_{o}}(v_{E}) + t_{1 - \beta_{o}}(v_{E})}{t_{1 - \alpha^{*}}(v_{E}) + t_{1 - \beta^{*}}(v_{E})}$ , (C.39)

<a id="p108461"></a>где $\alpha_{o}$ - общий риск изготовителя;
<a id="p108462"></a> $\beta_{o}$ - общий риск потребителя;
<a id="p108463"></a> $\alpha^{*}$ - индивидуальный риск изготовителя;
<a id="p108464"></a> $\beta^{*}$ - индивидуальный риск потребителя.
<a id="p108465"></a>Значения корректирующего множителя $f_{D}$ для известных стандартных отклонений даны в [таблице B.1](#p107910). Значения индивидуальных рисков $\alpha^{*}$ и $\beta^{*}$ даны в [таблице B.3](#p108234) Приложения B.
<a id="p108466"></a>C.9.3.2. Оперативная характеристика
<a id="p108467"></a>Для оперативных характеристик также можно получить приближенные выражения, аналогичные приведенным в [C.8.2](#p108429).





<a id="p108468"></a>Приложение D
(справочное)

<a id="p108469"></a>**ОПЕРАТИВНЫЕ ХАРАКТЕРИСТИКИ**

<a id="p108470"></a>D.1. Введение
<a id="p108471"></a>В [D.2](#p108475) - [D.5](#p108522) настоящего Приложения изложен новый способ вычисления параметров оперативной характеристики OX для [раздела 3](#p102455) настоящего стандарта (известные стандартные отклонения). [D.6](#p108760) содержит описание метода вычисления приближенных значений параметров оперативных характеристик для [раздела 2](#p100297) настоящего стандарта (неточные стандартные отклонения). В данном Приложении приведены два метода вычисления параметров оперативных характеристик для выборочного плана контроля:
<a id="p108472"></a>a) путем преобразования среднего партии m в вероятность приемки Pa [(D.3)](#p108488);
<a id="p108473"></a>b) путем получения среднего партии m, соответствующего установленному значению вероятности приемки Pa [(D.4)](#p108512).
<a id="p108474"></a>Последний метод удобнее первого, так как не требует ни таблицы нормального распределения, ни интерполяции.
<a id="p108475"></a>D.2. Известные стандартные отклонения
<a id="p108476"></a>D.2.1. Необходимость стандартного отклонения оценки
<a id="p108477"></a>До вычисления параметров оперативной характеристики для [раздела 3](#p102455) (известные стандартные отклонения) необходимо получить стандартные отклонения оценки $\sigma_{E}$ .
<a id="p108478"></a>D.2.2. Стандартные процедуры
<a id="p108479"></a>Для стандартных процедур стандартное отклонение оценки $\sigma_{E}$ рассчитывают по формуле (см. [3.7.5](#p102643) и [3.7.7](#p102658) настоящего стандарта):

<a id="p108480"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{p}^{2}}{n_{c}n_{T}} + \frac{\sigma_{M}^{2}}{n_{c}n_{T}n_{M}}} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}}$ . (D.1)

<a id="p108481"></a>*Примечание.* Данное соотношение получено в предположении бесконечной совокупности. Если размер партии недостаточно велик или общий размер лабораторных проб составляет заметную часть объединенной пробы, то действительное значение $\sigma_{E}$ становится несколько меньше, чем полученное по формуле (D.1), и оба риска - изготовителя и потребителя - становятся несколько меньше, чем вычисленные значения.

<a id="p108482"></a>D.2.3. Альтернативные процедуры
<a id="p108483"></a>В случае альтернативных процедур стандартное отклонение оценки $\sigma_{E}$ задается следующими выражениями (см. [A.4.3](#p107760) Приложения A):
<a id="p108484"></a>a) когда $n_{T}>1$ , то

<a id="p108485"></a> $\sigma_{E} = \frac{\sigma_{o}}{n_{c}n_{T}n_{M}} \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{p}^{2}}{n_{c}n_{T}} + \frac{\sigma_{M}^{2}}{n_{c}n_{T}n_{M}}}$ ; (D.2)

<a id="p108486"></a>b) когда $n_{T} = 1$ (и $n_{I} = 1$ ), то

<a id="p108487"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{M}}} \sqrt{\frac{\sigma_{IP}^{2}}{n_{c}} + \frac{\sigma_{M}^{2}}{n_{c}n_{M}}}$ . (D.3)

<a id="p108488"></a>D.3. Преобразование m в Pa.
<a id="p108489"></a>D.3.1. Односторонний допуск
<a id="p108490"></a>Значения верхней Pa-квантили приведенного нормального распределения, соответствующие произвольным значениям среднего партии m, определяются следующими формулами:
<a id="p108491"></a>a) когда задан нижний предел поля допуска L, то

<a id="p108492"></a> $K_{Pa} = \frac{\overline{x_{L}} - m}{\sigma_{E}}$ ; (D.4)

<a id="p108493"></a>b) когда задан верхний предел поля допуска U, то

<a id="p108494"></a> $K_{Pa} = \frac{m - \overline{x_{U}}}{\sigma_{E}}$ . (D.5)

<a id="p108495"></a>Полученные значения верхней Pa-квантили соответствуют вероятности отклонения (1 - Pa) и могут быть легко преобразованы в значения, соответствующие вероятности приемки Pa, с помощью таблицы нормального распределения.
<a id="p108496"></a>D.3.2. Двусторонний допуск
<a id="p108497"></a>Во многих случаях, когда заданы верхнее и нижнее предельные значения, [выражения (D.4)](#p108492) и (D.5) применимы по отдельности. Если разница между обоими значениями AQL близка к предельному допуску $\delta D$ , то следует рассмотреть следующие изменения.
<a id="p108498"></a>D.3.2.1. Максимальная вероятность приемки
<a id="p108499"></a>При $m = 0,5(m_{A,U} + m_{A,L})$ вероятность приемки максимальна. Значение $(1 - Pa_{U}) - \text{квантили}$ приведенного нормального распределения $K_{Pa,U}$ , соответствующее среднему партии m, рассчитывают по формуле

<a id="p108500"></a> $K_{Pa,U} = \frac{m - \overline{x_{U}}}{\sigma_{E}}$ . (D.6)

<a id="p108501"></a>Полученную таким образом $(1 - Pa_{U}) - \text{квантиль}$ можно преобразовать в вероятность отклонения $(1 - Pa_{U})$ с помощью таблицы нормального распределения. Значение вероятности приемки Pa определяют по формуле

<a id="p108502"></a> $Pa = 1 - [1 - 2(1 - Pa_{U})]$ . (D.7)

<a id="p108503"></a>Если максимальное значение Pa близко к 1,000 (100%), то больше никаких изменений не требуется. Если $\Delta = \delta D$ , то максимальное значение Pa равно 0,99 (99,0%).
<a id="p108504"></a>D.3.2.2. Общие значения вероятности приемки
<a id="p108505"></a>Если максимальное значение Pa не близко к 100,0%, то следует рассмотреть следующие изменения:
<a id="p108506"></a>a) выбирают несколько значений m из интервала ( $m_{A,L}$ и $m_{A,U}$ ).
<a id="p108507"></a>b) значение $(1 - Pa_{L}) - \text{квантили}$ приведенного нормального распределения $K_{Pa,L}$ , соответствующее среднему партии m, определяют по формуле

<a id="p108508"></a> $K_{Pa,L} = \frac{\overline{x_{L}} - m}{\sigma_{E}}$ ; (D.8)

<a id="p108509"></a>c) значение $(1 - Pa_{U}) - \text{квантили}$ стандартного нормального распределения, соответствующее m, вычисляют по [формуле (D.6)](#p108500);
<a id="p108510"></a>d) (1 - Pa)-квантили, полученные выше, можно преобразовать в вероятности отклонения $1 - Pa_{L}$ и $1 - Pa_{U}$ , соответственно, с помощью таблицы нормального распределения. Тогда значение вероятности приемки Pa рассчитывают по формуле

<a id="p108511"></a> $Pa = 1 - (1 - Pa_{L}) - (1 - Pa_{U})$ . (D.9)

<a id="p108512"></a>D.4. Преобразование Pa в m
<a id="p108513"></a>D.4.1. Односторонний допуск
<a id="p108514"></a>Значение среднего партии m, соответствующее установленному значению вероятности приемки, определяют следующим образом:
<a id="p108515"></a>a) когда установлен нижний предел поля допуска, то

<a id="p108516"></a> $m = \overline{x_{L}} - K_{Pa}\sigma_{E}$ ; (D.10)

<a id="p108517"></a>b) когда установлен верхний предел поля допуска, то

<a id="p108518"></a> $m = \overline{x_{U}} + K_{Pa}\sigma_{E}$ . (D.11)

<a id="p108519"></a>Примечание. На практике девяти значений Pa, приведенных в нижеследующих примерах, достаточно, чтобы построить приближенно оперативную характеристику. Эти значения также используются в таблицах оперативных характеристик по [ГОСТ Р 50779.71](https://bukva.ai/docs/gost-r-50779-71-99) и [ГОСТ Р 50779.74](https://bukva.ai/docs/gost-r-50779-74-99).

<a id="p108520"></a>D.4.2. Двусторонний допуск
<a id="p108521"></a>Во многих случаях, когда установлены оба верхний и нижний - приемочные значения, рекомендуется использовать [формулы (D.10)](#p108516) и [(D.11)](#p108518) отдельно. Если расстояние между обоими AQL $(m_{A_{U}} - m_{A_{L}})$ близко к предельному допуску $(\delta D)$ , следует рассмотреть изменения, данные в [D.3.2.2](#p108504).
<a id="p108522"></a>D.5. Численные примеры
<a id="p108523"></a>D.5.1. Пример, когда задано нижнее предельное значение
<a id="p108524"></a>Этот пример дает оперативную характеристику для одностороннего предела поля допуска.
<a id="p108525"></a>*Пример* D.1
<a id="p108526"></a>Оперативная характеристика для [примера 5](#p102670), приведенного в 3.8.1 настоящего стандарта:
<a id="p108527"></a>a) Основные параметры следующие:


| <a id="p108528"></a>1) приемлемый уровень качества | <a id="p108529"></a>$m_{A} = 96,0;$ |
| --- | --- |
| <a id="p108530"></a>2) предельный уровень качества | <a id="p108531"></a>$m_{R} = 92,0;$ |
| <a id="p108532"></a>3) нижнее приемочное значение | <a id="p108533"></a>$\overline{x_{L}} = 93,75;$ |
| <a id="p108534"></a>4) стандартное отклонение оценки | <a id="p108535"></a>$\sigma_{E} = 1,37.$ |


<a id="p108536"></a>d) На [рисунке D.1](#p108542) дана оперативная характеристика для [примера D.1](#p108525), а [таблица D.1](#p108544) дает процедуру вычисления и результаты. В данном примере риск изготовителя и риск потребителя следующие:


| <a id="p108537"></a>1) при $m = m_{A} = 96,0$ | <a id="p108538"></a>$\alpha = 5,03%;$ |
| --- | --- |
| <a id="p108539"></a>2) при $m = m_{R} = 92,0$ | <a id="p108540"></a>$\beta = 10,1%.$ |


<a id="p108541"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_25.png) 

<a id="p108542"></a>Рисунок D.1. Оперативная характеристика для [примера D.1](#p108525)

<a id="p108543"></a>Таблица D.1

<a id="p108544"></a>Значения оперативной характеристики для [примера D.1](#p108525)


| <a id="p108545"></a>Pa, % | <a id="p108546"></a>$K_{Pa}$ | <a id="p108547"></a>$K_{Pa}\sigma_{E}$ | <a id="p108548"></a>m |
| --- | --- | --- | --- |
| <a id="p108549"></a>1,0 | <a id="p108550"></a>2,326 | <a id="p108551"></a>3,19 | <a id="p108552"></a>90,56 |
| <a id="p108553"></a>5,0 | <a id="p108554"></a>1,645 | <a id="p108555"></a>2,25 | <a id="p108556"></a>91,50 |
| <a id="p108557"></a>10,0 | <a id="p108558"></a>1,282 | <a id="p108559"></a>1,76 | <a id="p108560"></a>91,99 |
| <a id="p108561"></a>25,0 | <a id="p108562"></a>0,674 | <a id="p108563"></a>0,92 | <a id="p108564"></a>92,83 |
| <a id="p108565"></a>50,0 | <a id="p108566"></a>0,000 | <a id="p108567"></a>0,00 | <a id="p108568"></a>93,75 |
| <a id="p108569"></a>75,0 | <a id="p108570"></a>-0,674 | <a id="p108571"></a>-0,92 | <a id="p108572"></a>94,67 |
| <a id="p108573"></a>90,0 | <a id="p108574"></a>-1,282 | <a id="p108575"></a>-1,76 | <a id="p108576"></a>95,51 |
| <a id="p108577"></a>95,0 | <a id="p108578"></a>-1,645 | <a id="p108579"></a>-2,25 | <a id="p108580"></a>96,00 |
| <a id="p108581"></a>99,0 | <a id="p108582"></a>-2,326 | <a id="p108583"></a>-3,19 | <a id="p108584"></a>96,94 |


<a id="p108585"></a>D.5.2. Пример, когда задано верхнее предельное значение
<a id="p108586"></a>Следующий пример определяет оперативную характеристику для верхнего предела поля допуска
<a id="p108587"></a>*Пример* D.2
<a id="p108588"></a>Оперативная характеристика из [примера A.2](#p107778), приведенного в [A.4.5](#p107776) Приложения A.
<a id="p108589"></a>a) Основные параметры следующие:


| <a id="p108590"></a>1) приемлемый уровень качества | <a id="p108591"></a>$m_{A} = 86,0;$ |
| --- | --- |
| <a id="p108592"></a>2) предельный уровень качества | <a id="p108593"></a>$m_{R} = 90,0;$ |
| <a id="p108594"></a>3) верхнее приемочное значение | <a id="p108595"></a>$\overline{x_{U}} = 88,25;$ |
| <a id="p108596"></a>4) стандартное отклонение оценки | <a id="p108597"></a>$\sigma_{E} = 1,43.$ |


<a id="p108598"></a>b) На [рисунке D.2](#p108604) показана кривая OX для [примера D.2](#p108587), а [таблица D.2](#p108606) дает процедуру вычисления и результаты. В данном примере риск изготовителя и риск потребителя следующие:


| <a id="p108599"></a>1) при $m = m_{A} = 86,0$ | <a id="p108600"></a>$\alpha = 5,78%;$ |
| --- | --- |
| <a id="p108601"></a>2) при $m = m_{R} = 90,0$ | <a id="p108602"></a>$\beta = 11,1%.$ |


<a id="p108603"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_26.png) 

<a id="p108604"></a>Рисунок D.2. Оперативная характеристика для [примера D.2](#p108587)

<a id="p108605"></a>Таблица D.2

<a id="p108606"></a>Значения оперативной характеристики для [примера D.2](#p108587)


| <a id="p108607"></a>Pa, % | <a id="p108608"></a>$K_{Pa}$ | <a id="p108609"></a>$K_{Pa}\sigma_{E}$ | <a id="p108610"></a>m |
| --- | --- | --- | --- |
| <a id="p108611"></a>99,0 | <a id="p108612"></a>-2,326 | <a id="p108613"></a>-3,33 | <a id="p108614"></a>84,92 |
| <a id="p108615"></a>95,0 | <a id="p108616"></a>-1,645 | <a id="p108617"></a>-2,35 | <a id="p108618"></a>85,90 |
| <a id="p108619"></a>90,0 | <a id="p108620"></a>-1,282 | <a id="p108621"></a>-1,83 | <a id="p108622"></a>86,42 |
| <a id="p108623"></a>75,0 | <a id="p108624"></a>-0,674 | <a id="p108625"></a>-0,96 | <a id="p108626"></a>87,29 |
| <a id="p108627"></a>50,0 | <a id="p108628"></a>0,000 | <a id="p108629"></a>0,00 | <a id="p108630"></a>88,25 |
| <a id="p108631"></a>25,0 | <a id="p108632"></a>0,674 | <a id="p108633"></a>0,96 | <a id="p108634"></a>89,21 |
| <a id="p108635"></a>10,0 | <a id="p108636"></a>1,282 | <a id="p108637"></a>1,83 | <a id="p108638"></a>90,08 |
| <a id="p108639"></a>5,0 | <a id="p108640"></a>1,645 | <a id="p108641"></a>2,35 | <a id="p108642"></a>90,60 |
| <a id="p108643"></a>1,0 | <a id="p108644"></a>2,326 | <a id="p108645"></a>3,33 | <a id="p108646"></a>91,58 |


<a id="p108647"></a>D.5.3. Пример, когда задан двусторонний допуск
<a id="p108648"></a>Следующий пример дает оперативную характеристику для двусторонних пределов поля допуска.
<a id="p108649"></a>Пример D.3. Это оперативная характеристика для [примера 7](#p102776), приведенного в 3.8.3 настоящего стандарта.
<a id="p108650"></a>a) Основные параметры следующие:


| <a id="p108651"></a>1) нижний приемлемый уровень качества | <a id="p108652"></a>$m_{A,L} = 97,0;$ |
| --- | --- |
| <a id="p108653"></a>2) нижний предельный уровень качества | <a id="p108654"></a>$m_{R,L} = 91,0;$ |
| <a id="p108655"></a>3) верхний приемлемый уровень качества | <a id="p108656"></a>$m_{A,U} = 104,0;$ |
| <a id="p108657"></a>4) верхний предельный уровень качества | <a id="p108658"></a>$m_{R,U} = 110,0;$ |
| <a id="p108659"></a>5) нижнее приемочное значение | <a id="p108660"></a>$\overline{x_{L}} = 93,63;$ |
| <a id="p108661"></a>6) верхнее приемочное значение | <a id="p108662"></a>$\overline{x_{U}} = 107,37;$ |
| <a id="p108663"></a>7) стандартное отклонение оценки | <a id="p108664"></a>$\sigma_{E} = 1,82.$ |


<a id="p108665"></a>b) На [рисунке D.3](#p108673) показана оперативная характеристика для [примера D.3](#p108649), а [таблицы D.3A](#p108677) и [D.3B](#p108719) показывают процедуру вычисления и результаты. В этом случае могут быть получены отдельно две оперативные характеристики для нижнего и верхнего приемочных значений. В этом примере риск изготовителя $\alpha$ , риск потребителя $\beta$ и максимальное значение вероятности приемки следующие:


| <a id="p108666"></a>1) при $m = m_{A,L} = 97,0$ или $m = m_{A,U} = 104,0$ | <a id="p108667"></a>$\alpha = 3,20%;$ |
| --- | --- |
| <a id="p108668"></a>2) при $m = m_{R,L} = 91,0$ или $m = m_{R,U} = 110,0$ | <a id="p108669"></a>$\beta = 7,42%;$ |
| <a id="p108670"></a>3) при $m = 0,5(m_{A,L} + m_{A,U}) = 100,50$ | <a id="p108671"></a>максимальное значение Pa равно 99,98%. |


<a id="p108672"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_27.png) 

<a id="p108673"></a>Рисунок D.3. Оперативная характеристика для [примера D.3](#p108649)

<a id="p108674"></a>Таблица D.3

<a id="p108675"></a>Значения оперативных характеристик
для [примера D.3](#p108649)

<a id="p108676"></a>Таблица D.3A

<a id="p108677"></a>Приемочное значение для нижнего предела


| <a id="p108678"></a>Pa, % | <a id="p108679"></a>$K_{Pa}$ | <a id="p108680"></a>$K_{Pa}\sigma_{E}$ | <a id="p108681"></a>m |
| --- | --- | --- | --- |
| <a id="p108682"></a>1,0 | <a id="p108683"></a>2,326 | <a id="p108684"></a>4,23 | <a id="p108685"></a>89,40 |
| <a id="p108686"></a>5,0 | <a id="p108687"></a>1,645 | <a id="p108688"></a>2,99 | <a id="p108689"></a>90,64 |
| <a id="p108690"></a>10,0 | <a id="p108691"></a>1,282 | <a id="p108692"></a>2,33 | <a id="p108693"></a>91,30 |
| <a id="p108694"></a>25,0 | <a id="p108695"></a>0,674 | <a id="p108696"></a>1,23 | <a id="p108697"></a>92,40 |
| <a id="p108698"></a>50,0 | <a id="p108699"></a>0,000 | <a id="p108700"></a>0,00 | <a id="p108701"></a>93,63 |
| <a id="p108702"></a>75,0 | <a id="p108703"></a>-0,674 | <a id="p108704"></a>-1,23 | <a id="p108705"></a>94,86 |
| <a id="p108706"></a>90,0 | <a id="p108707"></a>-1,282 | <a id="p108708"></a>-2,33 | <a id="p108709"></a>95,96 |
| <a id="p108710"></a>95,0 | <a id="p108711"></a>-1,645 | <a id="p108712"></a>-2,99 | <a id="p108713"></a>96,62 |
| <a id="p108714"></a>99,0 | <a id="p108715"></a>-2,326 | <a id="p108716"></a>-4,23 | <a id="p108717"></a>97,86 |


<a id="p108718"></a>Таблица D.3B

<a id="p108719"></a>Приемочное значение для верхнего предела


| <a id="p108720"></a>Pa, % | <a id="p108721"></a>$K_{Pa}$ | <a id="p108722"></a>$K_{Pa}\sigma_{E}$ | <a id="p108723"></a>m |
| --- | --- | --- | --- |
| <a id="p108724"></a>99,0 | <a id="p108725"></a>-2,326 | <a id="p108726"></a>-4,23 | <a id="p108727"></a>103,14 |
| <a id="p108728"></a>95,0 | <a id="p108729"></a>-1,645 | <a id="p108730"></a>-2,99 | <a id="p108731"></a>104,38 |
| <a id="p108732"></a>90,0 | <a id="p108733"></a>-1,282 | <a id="p108734"></a>-2,33 | <a id="p108735"></a>105,04 |
| <a id="p108736"></a>75,0 | <a id="p108737"></a>-0,674 | <a id="p108738"></a>-1,23 | <a id="p108739"></a>106,14 |
| <a id="p108740"></a>50,0 | <a id="p108741"></a>0,000 | <a id="p108742"></a>0,00 | <a id="p108743"></a>107,37 |
| <a id="p108744"></a>25,0 | <a id="p108745"></a>0,674 | <a id="p108746"></a>1,23 | <a id="p108747"></a>108,60 |
| <a id="p108748"></a>10,0 | <a id="p108749"></a>1,282 | <a id="p108750"></a>2,33 | <a id="p108751"></a>109,70 |
| <a id="p108752"></a>5,0 | <a id="p108753"></a>1,645 | <a id="p108754"></a>2,99 | <a id="p108755"></a>110,36 |
| <a id="p108756"></a>1,0 | <a id="p108757"></a>2,326 | <a id="p108758"></a>4,23 | <a id="p108759"></a>111,60 |


<a id="p108760"></a>D.6. Неточные стандартные отклонения
<a id="p108761"></a>D.6.1. Стандартное отклонение оценки
<a id="p108762"></a>Прежде чем вычислить значения оперативной характеристики для [раздела 2](#p100297) настоящего стандарта (неточные стандартные отклонения), необходимо получить приближенное значение стандартного отклонения оценки $\sigma_{E}$ .
<a id="p108763"></a>D.6.1.1. Стандартные процедуры
<a id="p108764"></a>В случае стандартных процедур приближенное значение стандартного отклонения оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p108765"></a> $\sigma_{E} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{p}^{2}}{n_{c}n_{T}} + \frac{\sigma_{M}^{2}}{n_{c}n_{T}n_{M}}} = \sqrt{\frac{\sigma_{I}^{2}}{n_{c}n_{I}} + \frac{\sigma_{T}^{2}}{n_{c}n_{T}}}$ . (D.12)

<a id="p108766"></a>*Примечание.* Формула (D.12) применима, если выборочные значения составляющих дисперсии близки к предполагаемым значениям для совокупности.

<a id="p108767"></a>D.6.1.2. Альтернативные процедуры
<a id="p108768"></a>В случае альтернативных процедур приближенное значение стандартного отклонения оценки $\sigma_{E}$ рассчитывают по формуле

<a id="p108769"></a> $\sigma_{E} = \frac{\sigma_{o}}{\sqrt{n_{c}n_{T}n_{M}}}$ . (D.13)

<a id="p108770"></a>*Примечание.* Формула (D.13) применима, если выборочные значения составляющих дисперсии близки к предполагаемым значениям для совокупности.

<a id="p108771"></a>D.6.2. Преобразование m в Pa
<a id="p108772"></a>D.6.2.1. Односторонний допуск
<a id="p108773"></a>Приближенные значения нижней Pa-квантили t-распределения, соответствующие произвольным значениям среднего партии, определяются следующими формулами:
<a id="p108774"></a>a) когда задано нижнее предельное значение, то

<a id="p108775"></a> $t_{Pa}(v_{E}) = \frac{m - \overline{x_{L}}}{\sigma_{E}}$ ; (D.14)

<a id="p108776"></a>b) когда задано верхнее предельное значение, то

<a id="p108777"></a> $t_{Pa}(v_{E}) = \frac{\overline{x_{U}} - m}{\sigma_{E}}$ . (D.15)

<a id="p108778"></a>*Примечание.* Значения нижней Pa-квантили t-распределения, получаемые по данным формулам, соответствуют приближенным вероятностям приемки Pa, но для точного преобразования необходимо специальное программное обеспечение.

<a id="p108779"></a>D.6.2.2. Двусторонний допуск
<a id="p108780"></a>Во многих случаях, когда заданы оба предельных значения поля допуска - нижний и верхний, [формулы (D.14)](#p108775) и [(D.15)](#p108777) применимы к каждому пределу отдельно.
<a id="p108781"></a>Если расстояние $\Delta$ между обоими AQL близко к предельному допуску $\delta D$ , неизбежны некоторые отклонения. Если $\Delta = \delta D$ , то максимум Pa - приблизительно 0,98 (98%).
<a id="p108782"></a>D.6.3. Преобразование Pa в m
<a id="p108783"></a>D.6.3.1. Односторонние предельные значения
<a id="p108784"></a>Приближенные значения среднего партии m, соответствующие заданным значениям вероятности приемки Pa, определяются следующими формулами:
<a id="p108785"></a>a) когда задано нижнее предельное значение, то

<a id="p108786"></a> $m = \overline{x_{L}} + t_{Pa}(v_{E})\sigma_{E}$ ; (D.16)

<a id="p108787"></a>b) когда задано верхнее предельное значение, то

<a id="p108788"></a> $m = \overline{x_{U}} - t_{Pa}(v_{E})\sigma_{E}$ . (D.17)

<a id="p108789"></a>Примечания
1. <a id="p108790"></a>Значения $t_{Pa}(v_{E})$ даны в известных таблицах t-распределения.
2. <a id="p108791"></a>На практике девяти значений Pa, данных в следующем примере, достаточно для построения приближенной оперативной характеристики.

<a id="p108792"></a>D.6.3.2. Двусторонний допуск
<a id="p108793"></a>Если заданы нижнее и верхнее предельные значения, то приведенные выше формулы применяются к каждому из них отдельно. Если расстояние $\Delta$ между обоими AQL близко к предельному допуску $\delta D$ , то некоторые отклонения неизбежны.
<a id="p108794"></a>D.6.4. Численный пример
<a id="p108795"></a>Следующий пример дает приближенную оперативную характеристику для одностороннего предельного значения.
<a id="p108796"></a>Пример D.4. Приближенная оперативная характеристика дана в [примере 2](#p100422), приведенном в 2.8.1 настоящего стандарта.
<a id="p108797"></a>a) Основные параметры следующие:


| <a id="p108798"></a>1) приемлемый уровень качества | <a id="p108799"></a>$m_{A} = 96,0;$ |
| --- | --- |
| <a id="p108800"></a>2) предельный уровень качества | <a id="p108801"></a>$m_{R} = 92,0;$ |
| <a id="p108802"></a>3) нижнее приемочное значение | <a id="p108803"></a>$\overline{x_{L}} = 94,0;$ |
| <a id="p108804"></a>4) стандартное отклонение оценки | <a id="p108805"></a>$\sigma_{E} = 1,17;$ |
| <a id="p108806"></a>5) число степеней свободы стандартного отклонения оценки | <a id="p108807"></a>$v_{E} = 35.$ |


<a id="p108808"></a>b) На [рисунке D.4](#p108814) показана оперативная характеристика для [примера D.4](#p108796), а в [таблице D.4](#p108816) приведены результаты вычисления. В данном примере приближенные значения риска изготовителя и риска потребителя следующие:


| <a id="p108809"></a>1) при $m = m_{A} = 96,0$ | <a id="p108810"></a>$\alpha = 4,81%;$ |
| --- | --- |
| <a id="p108811"></a>2) при $m = m_{R} = 92,0$ | <a id="p108812"></a>$\beta = 4,81%.$ |


<a id="p108813"></a> ![3.10. Дополнительные процедуры](https://i.bukva.ai/IaUDWsE9/img_28.png) 

<a id="p108814"></a>Рисунок D.4. Оперативная характеристика для [примера D.4](#p108796)

<a id="p108815"></a>Таблица D.4

<a id="p108816"></a>Значения оперативной характеристики для [примера D.4](#p108796)


| <a id="p108817"></a>Pa, % | <a id="p108818"></a>$t_{Pa}(v_{E})$ | <a id="p108819"></a>$t_{Pa}(v_{E})\sigma_{E}$ | <a id="p108820"></a>m |
| --- | --- | --- | --- |
| <a id="p108821"></a>1,0 | <a id="p108822"></a>-2,438 | <a id="p108823"></a>-2,85 | <a id="p108824"></a>91,15 |
| <a id="p108825"></a>5,0 | <a id="p108826"></a>-1,690 | <a id="p108827"></a>-1,98 | <a id="p108828"></a>92,02 |
| <a id="p108829"></a>10,0 | <a id="p108830"></a>-1,306 | <a id="p108831"></a>-1,53 | <a id="p108832"></a>92,47 |
| <a id="p108833"></a>25,0 | <a id="p108834"></a>-0,682 | <a id="p108835"></a>-0,80 | <a id="p108836"></a>93,20 |
| <a id="p108837"></a>50,0 | <a id="p108838"></a>0,000 | <a id="p108839"></a>0,00 | <a id="p108840"></a>94,00 |
| <a id="p108841"></a>75,0 | <a id="p108842"></a>0,682 | <a id="p108843"></a>0,80 | <a id="p108844"></a>94,80 |
| <a id="p108845"></a>90,0 | <a id="p108846"></a>1,306 | <a id="p108847"></a>1,53 | <a id="p108848"></a>95,53 |
| <a id="p108849"></a>95,0 | <a id="p108850"></a>1,690 | <a id="p108851"></a>1,98 | <a id="p108852"></a>95,98 |
| <a id="p108853"></a>99,0 | <a id="p108854"></a>2,438 | <a id="p108855"></a>2,85 | <a id="p108856"></a>96,85 |






<a id="p108857"></a>Приложение E
(справочное)

<a id="p108858"></a>**ВЗАИМОСВЯЗЬ НАСТОЯЩЕГО СТАНДАРТА С ДЕЙСТВУЮЩЕЙ**
**НОРМАТИВНОЙ ДОКУМЕНТАЦИЕЙ**

<a id="p108859"></a>E.1. Внедрение настоящего стандарта в общем виде заключается в установлении у изготовителя внутрифирменных приемочных границ более жестких, чем требования нормативных документов (НД), регламентирующих качество выпускаемой продукции, а также в выборе процедуры отбора и анализа проб продукции, включая объем проб отбора и количество измерений.
<a id="p108860"></a>Ряд действующих нормативных документов: [ГОСТ Р 50779.50](https://bukva.ai/docs/gost-r-50779-50-95), ГОСТ 8.051, ГОСТ 20736, ГОСТ 30159 также регламентируют установление подобных границ.
<a id="p108861"></a>Если на предприятии действуют внутризаводские нормы приемки, рассчитанные в соответствии с одним из вышеперечисленных НД, то при применении настоящего стандарта они во многих случаях могут быть сохранены. Это достигается путем выбора соответствующих значений приемлемого уровня качества AQL и предельного уровня качества LQL по [1.7](#p100266) настоящего стандарта.
<a id="p108862"></a>E.2. Отличия настоящего стандарта от ГОСТ 20736 заключаются в следующем.
<a id="p108863"></a>E.2.1. Величины AQL и LQL в настоящем стандарте - это приемлемое и предельное значения показателя качества в партии (например, концентрации основного вещества). В ГОСТ 20736 это приемлемый и неприемлемый уровни дефектности.
<a id="p108864"></a>E.2.2. В настоящем стандарте положение приемочной границы не связано с объемом выборки, как в ГОСТ 20736.
<a id="p108865"></a>E.2.3. В настоящем стандарте рассмотрен случай совместного контроля нескольких показателей качества, в ГОСТ 20736 этот случай не рассматривается.
<a id="p108866"></a>E.3. Выбор параметров плана контроля и их связь с требованиями НД
<a id="p108867"></a>E.3.1. Значение приемлемого уровня качества AQL целесообразно устанавливать близким или равным среднему значению контролируемого показателя качества в продукции, выпущенной за предыдущий период.
<a id="p108868"></a>Значение предельного уровня качества LQL целесообразно устанавливать в соответствии с требованиями НД или заказчика. В некоторых случаях LQL может быть установлен вне границ, предусмотренных НД по [1.7.2](#p100269) настоящего стандарта.
<a id="p108869"></a>При наличии на предприятии запаса по качеству по отношению к требованиям действующей НД LQL и AQL может быть установлен на уровне перспективных требований заказчика. После установления значений AQL, LQL и приемочных границ целесообразно рассчитать показатели достоверности контроля.
<a id="p108870"></a>При необходимости установленные значения следует скорректировать (в случае очень низкой достоверности контроля).
<a id="p108871"></a>E.3.2. Значение величины составляющей дисперсии между мгновенными пробами $\sigma_{I}$ может быть приближенно приравнено к характеристике неоднородности продукции $\sigma_{\text{н}}$ , определенной в ГОСТ 8.531. Следует отметить, что численное значение $\sigma_{I}$ сильно зависит от периода отбора проб и размера мгновенной пробы. Величину $\sigma_{I}$ можно вычислить приближенно, исходя из степени неоднородности продукта, определенной по ГОСТ 22289, по формуле

<a id="p108872"></a> $\sigma_{I} = \frac{K_{\text{н}}r}{2} ,$ 

<a id="p108873"></a>где $K_{\text{н}}$ - степень неоднородности продукта по конкретному показателю качества (ГОСТ 22289);
<a id="p108874"></a>2 - коэффициент пересчета;
<a id="p108875"></a>r - цена единицы разряда последней значащей цифры числа, которым в технических требованиях задана браковочная норма.
<a id="p108876"></a>E.3.2.1. Пример. Браковочная норма задана в виде: "кислотное число, мг KOH на грамм продукта, не более 1,0", а $K_{\text{н}}$ , определенная по ГОСТ 22289, равна 2,4. Значение $\sigma_{I}$ , мг KOH/2, рассчитывают по формуле

<a id="p108877"></a> $\sigma_{I} = \frac{K_{\text{н}}r}{2} = \frac{2,4 \cdot 0,1}{2} = 0,12.$ 

<a id="p108878"></a>E.3.3. Значение величины стандартного отклонения лабораторной пробы $\sigma_{T}$ можно приближенно вычислить, исходя из допускаемого расхождения D результатов испытания при межлабораторном контроле, следующим образом:

<a id="p108879"></a> $\sigma_{T} = \frac{D}{3} ,$ 

<a id="p108880"></a>где 3 - коэффициент пересчета.
<a id="p108881"></a>Величина D, как правило, приведена в НД на конкретные методы испытания.
<a id="p108882"></a>E.3.4 Объем проб при приемке партии продукции по настоящему стандарту, как правило, больше традиционно принятого в химической промышленности (например, по [ГОСТ 5445](https://bukva.ai/docs/gost-5445-79)). Однако он, как правило, меньше чем объем проб отбора и аналитического контроля, необходимый при приемке партии продукта по ГОСТ 20736.





<a id="p108883"></a>Приложение F
(справочное)

<a id="p108884"></a>**ПРИМЕРЫ ПРИМЕНЕНИЯ ПОЛОЖЕНИЙ НАСТОЯЩЕГО СТАНДАРТА**

<a id="p108885"></a>F.1. Пример F.1 (условный)
<a id="p108886"></a>F.1.1. Принято решение применить настоящий стандарт для приемочного контроля канифоли сосновой (ГОСТ 19113) по показателю "температура размягчения" и определить параметры плана контроля.
<a id="p108887"></a>При розливе каждой партии канифоли в барабаны от нее было отобрано 4 мгновенных пробы $(2n_{1} = 4)$ . В соответствии с [1.4.3.2](#p100200) настоящего стандарта из четырех мгновенных проб были получены две объединенные пробы $n_{c} = 2$ . Из каждой объединенной пробы было отобрано по две лабораторные пробы $n_{T} = 2$ . Для каждой лабораторной пробы было проведено два измерения температуры размягчения $n_{\text{н}} = 2$ . Всего проведено $n_{c}n_{T}n_{\text{н}} = 2 \cdot 2 \cdot 2 = 8$ измерений в партии. Работа проведена для 12 партий канифоли. Результаты измерений приведены в таблице F.1. В соответствии с формулами [пункта 3.7.2](#p102582) настоящего стандарта для каждой партии рассчитаны стандартные отклонения:
<a id="p108888"></a>измерения - $s_{Mi}$ ,
<a id="p108889"></a>лабораторной пробы - $s_{Ti}$ ,
<a id="p108890"></a>объединенной пробы - $s_{ci}$ .
<a id="p108891"></a>Эти величины также приведены в таблице F.1.

<a id="p108892"></a>Таблица F.1

<a id="p108893"></a>Данные [примера F.1](#p108885)


<table>
<colgroup><col width="7%"><col width="11%"><col width="11%"><col width="11%"><col width="11%"><col width="11%"><col width="12%"><col width="8%"><col width="6%"><col width="6%"><col width="6%"></colgroup>
<tr><td rowspan="3"><a id="p108894"></a>Номер партии</td><td colspan="4"><a id="p108895"></a>Результаты измерений</td><td colspan="3"><a id="p108896"></a>Средние значения</td><td colspan="3"><a id="p108897"></a>Средние квадратические отклонения</td></tr>
<tr><td colspan="2"><a id="p108898"></a>1-я объединенная проба</td><td colspan="2"><a id="p108899"></a>2-я объединенная проба</td><td rowspan="2"><a id="p108900"></a>по лабораторным пробам</td><td rowspan="2"><a id="p108901"></a>по объединенным пробам</td><td rowspan="2"><a id="p108902"></a>по партиям</td><td rowspan="2"><a id="p108903"></a>$s_{M}$</td><td rowspan="2"><a id="p108904"></a>$s_{T}$</td><td rowspan="2"><a id="p108905"></a>$s_{c}$</td></tr>
<tr><td><a id="p108906"></a>1-я лабораторная проба</td><td><a id="p108907"></a>2-я лабораторная проба</td><td><a id="p108908"></a>1-я лабораторная проба</td><td><a id="p108909"></a>2-я лабораторная проба</td></tr>
<tr><td rowspan="4"><a id="p108910"></a>1</td><td><a id="p108911"></a>75,2</td><td><a id="p108912"></a>75,2</td><td><a id="p108913"></a>71,6</td><td><a id="p108914"></a>71,2</td><td><a id="p108915"></a>74,9</td><td><a id="p108916"></a>75,10</td><td><a id="p108917"></a>73,300</td><td><a id="p108918"></a>0,2449</td><td><a id="p108919"></a>0,2828</td><td><a id="p108920"></a>2,5456</td></tr>
<tr><td><a id="p108921"></a>74,6</td><td><a id="p108922"></a>75,4</td><td><a id="p108923"></a>71,8</td><td><a id="p108924"></a>71,4</td><td><a id="p108925"></a>75,3</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108926"></a>71,7</td><td><a id="p108927"></a>71,50</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108928"></a>71,3</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p108929"></a>2</td><td><a id="p108930"></a>72,0</td><td><a id="p108931"></a>71,8</td><td><a id="p108932"></a>74,6</td><td><a id="p108933"></a>74,4</td><td><a id="p108934"></a>71,9</td><td><a id="p108935"></a>71,90</td><td><a id="p108936"></a>73,175</td><td><a id="p108937"></a>0,1225</td><td><a id="p108938"></a>0,0500</td><td><a id="p108939"></a>1,8031</td></tr>
<tr><td><a id="p108940"></a>71,8</td><td><a id="p108941"></a>72,0</td><td><a id="p108942"></a>74,4</td><td><a id="p108943"></a>74,4</td><td><a id="p108944"></a>71,9</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108945"></a>74,5</td><td><a id="p108946"></a>74,45</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108947"></a>74,4</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p108948"></a>3</td><td><a id="p108949"></a>72,6</td><td><a id="p108950"></a>72,8</td><td><a id="p108951"></a>73,2</td><td><a id="p108952"></a>73,6</td><td><a id="p108953"></a>72,4</td><td><a id="p108954"></a>72,55</td><td><a id="p108955"></a>72,900</td><td><a id="p108956"></a>0,2236</td><td><a id="p108957"></a>0,2121</td><td><a id="p108958"></a>0,4950</td></tr>
<tr><td><a id="p108959"></a>72,2</td><td><a id="p108960"></a>72,6</td><td><a id="p108961"></a>73,0</td><td><a id="p108962"></a>73,2</td><td><a id="p108963"></a>72,7</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108964"></a>73,1</td><td><a id="p108965"></a>73,25</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108966"></a>73,4</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p108967"></a>4</td><td><a id="p108968"></a>71,4</td><td><a id="p108969"></a>71,6</td><td><a id="p108970"></a>73,2</td><td><a id="p108971"></a>73,4</td><td><a id="p108972"></a>71,6</td><td><a id="p108973"></a>71,60</td><td><a id="p108974"></a>72,225</td><td><a id="p108975"></a>0,2449</td><td><a id="p108976"></a>0,3500</td><td><a id="p108977"></a>0,8839</td></tr>
<tr><td><a id="p108978"></a>71,8</td><td><a id="p108979"></a>71,6</td><td><a id="p108980"></a>72,8</td><td><a id="p108981"></a>73,0</td><td><a id="p108982"></a>71,6</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108983"></a>72,5</td><td><a id="p108984"></a>72,85</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p108985"></a>73,2</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p108986"></a>5</td><td><a id="p108987"></a>75,0</td><td><a id="p108988"></a>74,6</td><td><a id="p108989"></a>73,0</td><td><a id="p108990"></a>72,6</td><td><a id="p108991"></a>74,9</td><td><a id="p108992"></a>74,85</td><td><a id="p108993"></a>74,350</td><td><a id="p108994"></a>0,2236</td><td><a id="p108995"></a>0,0707</td><td><a id="p108996"></a>0,7071</td></tr>
<tr><td><a id="p108997"></a>74,8</td><td><a id="p108998"></a>75,0</td><td><a id="p108999"></a>72,8</td><td><a id="p109000"></a>73,0</td><td><a id="p109001"></a>74,8</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109002"></a>73,9</td><td><a id="p109003"></a>73,85</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109004"></a>73,8</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109005"></a>6</td><td><a id="p109006"></a>74,8</td><td><a id="p109007"></a>74,8</td><td><a id="p109008"></a>72,8</td><td><a id="p109009"></a>73,0</td><td><a id="p109010"></a>74,9</td><td><a id="p109011"></a>74,90</td><td><a id="p109012"></a>73,850</td><td><a id="p109013"></a>0,1414</td><td><a id="p109014"></a>0,1000</td><td><a id="p109015"></a>1,4849</td></tr>
<tr><td><a id="p109016"></a>75,0</td><td><a id="p109017"></a>75,0</td><td><a id="p109018"></a>72,6</td><td><a id="p109019"></a>72,8</td><td><a id="p109020"></a>74,9</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109021"></a>72,7</td><td><a id="p109022"></a>72,80</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109023"></a>72,9</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109024"></a>7</td><td><a id="p109025"></a>71,0</td><td><a id="p109026"></a>71,2</td><td><a id="p109027"></a>74,2</td><td><a id="p109028"></a>73,8</td><td><a id="p109029"></a>70,8</td><td><a id="p109030"></a>70,95</td><td><a id="p109031"></a>72,5000</td><td><a id="p109032"></a>0,2236</td><td><a id="p109033"></a>0,1581</td><td><a id="p109034"></a>2,1920</td></tr>
<tr><td><a id="p109035"></a>70,6</td><td><a id="p109036"></a>71,0</td><td><a id="p109037"></a>74,0</td><td><a id="p109038"></a>74,2</td><td><a id="p109039"></a>71,1</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109040"></a>74,1</td><td><a id="p109041"></a>74,05</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109042"></a>74,0</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109043"></a>8</td><td><a id="p109044"></a>73,6</td><td><a id="p109045"></a>73,4</td><td><a id="p109046"></a>71,8</td><td><a id="p109047"></a>71,6</td><td><a id="p109048"></a>73,7</td><td><a id="p109049"></a>73,60</td><td><a id="p109050"></a>72,675</td><td><a id="p109051"></a>0,2236</td><td><a id="p109052"></a>0,1118</td><td><a id="p109053"></a>1,3081</td></tr>
<tr><td><a id="p109054"></a>73,8</td><td><a id="p109055"></a>73,6</td><td><a id="p109056"></a>71,6</td><td><a id="p109057"></a>72,0</td><td><a id="p109058"></a>73,5</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109059"></a>71,7</td><td><a id="p109060"></a>71,75</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109061"></a>71,8</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109062"></a>9</td><td><a id="p109063"></a>74,6</td><td><a id="p109064"></a>74,2</td><td><a id="p109065"></a>69,8</td><td><a id="p109066"></a>69,8</td><td><a id="p109067"></a>74,5</td><td><a id="p109068"></a>74,30</td><td><a id="p109069"></a>71,975</td><td><a id="p109070"></a>0,3088</td><td><a id="p109071"></a>0,3202</td><td><a id="p109072"></a>3,2880</td></tr>
<tr><td><a id="p109073"></a>74,4</td><td><a id="p109074"></a>74,0</td><td><a id="p109075"></a>70,0</td><td><a id="p109076"></a>69,0</td><td><a id="p109077"></a>74,1</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109078"></a>69,9</td><td><a id="p109079"></a>69,65</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109080"></a>69,4</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109081"></a>10</td><td><a id="p109082"></a>73,2</td><td><a id="p109083"></a>73,0</td><td><a id="p109084"></a>71,8</td><td><a id="p109085"></a>71,8</td><td><a id="p109086"></a>73,4</td><td><a id="p109087"></a>73,65</td><td><a id="p109088"></a>72,850</td><td><a id="p109089"></a>0,3000</td><td><a id="p109090"></a>0,2550</td><td><a id="p109091"></a>1,1313</td></tr>
<tr><td><a id="p109092"></a>73,6</td><td><a id="p109093"></a>72,8</td><td><a id="p109094"></a>72,4</td><td><a id="p109095"></a>72,2</td><td><a id="p109096"></a>73,9</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109097"></a>72,1</td><td><a id="p109098"></a>72,05</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109099"></a>72,0</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109100"></a>11</td><td><a id="p109101"></a>74,6</td><td><a id="p109102"></a>74,8</td><td><a id="p109103"></a>72,4</td><td><a id="p109104"></a>71,6</td><td><a id="p109105"></a>74,5</td><td><a id="p109106"></a>74,60</td><td><a id="p109107"></a>73,375</td><td><a id="p109108"></a>0,4416</td><td><a id="p109109"></a>0,1118</td><td><a id="p109110"></a>1,7324</td></tr>
<tr><td><a id="p109111"></a>74,4</td><td><a id="p109112"></a>74,6</td><td><a id="p109113"></a>72,0</td><td><a id="p109114"></a>72,8</td><td><a id="p109115"></a>74,7</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109116"></a>72,1</td><td><a id="p109117"></a>72,15</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109118"></a>72,2</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109119"></a>12</td><td><a id="p109120"></a>72,0</td><td><a id="p109121"></a>72,2</td><td><a id="p109122"></a>70,0</td><td><a id="p109123"></a>70,8</td><td><a id="p109124"></a>72,1</td><td><a id="p109125"></a>72,20</td><td><a id="p109126"></a>71,300</td><td><a id="p109127"></a>0,3317</td><td><a id="p109128"></a>0,1000</td><td><a id="p109129"></a>1,2727</td></tr>
<tr><td><a id="p109130"></a>72,2</td><td><a id="p109131"></a>72,4</td><td><a id="p109132"></a>70,8</td><td><a id="p109133"></a>70,0</td><td><a id="p109134"></a>72,3</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109135"></a>70,4</td><td><a id="p109136"></a>70,40</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109137"></a>70,4</td><td></td><td></td><td></td><td></td><td></td></tr>
</table>


<a id="p109138"></a>F.1.2. Исходя из данных, приведенных в [таблице F.1](#p108893), вычислены стандартные отклонения для всей совокупности партий [(3.7.4.1)](#p102629).

<a id="p109139"></a> $\sigma_{M} = \sqrt{\frac{\sum_{i = 1}^{G} s_{Mi}^{2}}{G}} = \sqrt{\frac{0,845}{12}} = 0,2654;$ 

<a id="p109140"></a> $\sigma_{T} = \sqrt{\frac{\sum_{i = 1}^{G} s_{Ti}^{2}}{G}} = \sqrt{\frac{0,4925}{12}} = 0,2026;$ 

<a id="p109141"></a> $\sigma_{c} = \sqrt{\frac{\sum_{i = 1}^{G} s_{ci}^{2}}{G}} = \sqrt{\frac{36,69}{12}} = 1,7486.$ 

<a id="p109142"></a>По формулам, приведенным в [3.7.3](#p102598) настоящего стандарта, рассчитаны верхние границы контрольных карт для величин $s_{M}(UCL_{M})$ , $s_{T}(UCL_{T})$ , $s_{c}(UCL_{c})$ . Коэффициент для расчета этих границ взят из [таблицы 7](#p105291) настоящего стандарта.

<a id="p109143"></a> $UCL_{M} = f(4)\sigma_{M} = 1,924 \cdot 0,2654 = 0,5106;$ 

<a id="p109144"></a> $UCL_{T} = f(2)\sigma_{T} = 2,297 \cdot 0,2026 = 0,4654;$ 

<a id="p109145"></a> $UCL_{c} = f(1)\sigma_{c} = 2,800 \cdot 1,7486 = 4,896.$ 

<a id="p109146"></a>Сравниваем максимальные значения средних квадратических отклонений с верхними границами контрольных карт:

<a id="p109147"></a> $S_{Mmax} = 0,4416<UCL_{M} = 0,5106;$ 

<a id="p109148"></a> $S_{Tmax} = 0,3500<UCL_{T} = 0,4654;$ 

<a id="p109149"></a> $S_{cmax} = 3,288<UCL_{c} = 4,896.$ 

<a id="p109150"></a>Результаты сравнения указывают на состояние статистической управляемости ([3.7.3](#p102598) настоящего стандарта).
<a id="p109151"></a>По [3.7.5](#p102643) настоящего стандарта рассчитываем составляющие дисперсии. Составляющая дисперсии между мгновенными пробами $\sigma_{I}$ вычисляется по формуле, приведенной в [3.7.5.1](#p102646):

<a id="p109152"></a> $\sigma_{I}^{2} = n_{I}(\sigma_{c}^{2} - \frac{\sigma_{I}^{2}}{n_{T}}) = 2((1,74486)^{2} - \frac{(0,2026)^{2}}{2}) = 6,074;$ 

<a id="p109153"></a> $\sigma_{I} = \sqrt{\sigma_{I}^{2}} = \sqrt{2,465} .$ 

<a id="p109154"></a>Составляющая дисперсии $\sigma_{p}^{2}$ между мгновенными пробами рассчитывается по формуле, приведенной в [3.7.5.2](#p102650):

<a id="p109155"></a> $\sigma_{p}^{2} = \sigma_{T}^{2} - \frac{\sigma_{M}^{2}}{n_{M}} = (0,2026)^{2} - \frac{(0,2654)^{2}}{2} = 0,0058282.$ 

<a id="p109156"></a> $\sigma_{p} = \sqrt{\sigma_{p}^{2}} = 0,0763.$ 

<a id="p109157"></a>Отношение $\sigma_{M}/\sigma_{p} = 0,2654/0,0763 = 3,5$ . Это значение используется для выбора числа измерений на лабораторную пробу $(n_{M})$ . В соответствии с [2.4.2](#p100328), если $\sigma_{M}/\sigma_{p}>0,5$ , то $n_{M} = 2$ .
<a id="p109158"></a>F.1.3. Выбор значений AQL и LQL
<a id="p109159"></a>Значение LQL принимаем равным указанному в ГОСТ 19113 для высшего сорта. Температура размягчения не ниже 69 °C. LQL = 69 °C.
<a id="p109160"></a>Значение AQL выбираем равным среднему значению температуры размягчения по [таблице F.1](#p108893): AQL = 72,9.
<a id="p109161"></a>Значение предельного интервала D ([1.3.1.18](#p100092) настоящего стандарта) рассчитывается по формуле

<a id="p109162"></a>**D = AQL - LQL = 72,9 - 69 = 3,9.**

<a id="p109163"></a>F.1.4. Значения относительных стандартных отклонений вычисляем по формулам [(2.4.3.2)](#p100337):

<a id="p109164"></a> $d_{I} = \frac{\sigma_{I}}{D} = \frac{2,465}{3,9} = 0,632;$ 

<a id="p109165"></a> $d_{T} = \frac{\sigma_{T}}{D} = \frac{0,2026}{3,9} = 0,0519.$ 

<a id="p109166"></a>F.1.5. Вычисление затрат [(2.4.3.4)](#p100343)
<a id="p109167"></a>Определение температуры размягчения канифоли не связано с использованием реактивов и дорогостоящего оборудования, поэтому затраты на проведение испытания определяются в основном затратами рабочего времени. Затраты рабочего времени сопоставимы с затратами времени на отбор проб канифоли, поэтому можно считать, что отношение затрат $R_{c} \approx 1$ .
<a id="p109168"></a>F.1.6. Выбор плава контроля
<a id="p109169"></a>Для выбора плана контроля используем [таблицу 2C](#p101873) настоящего стандарта ( $n_{M} = 2$ , $R_{c} = 1,0$ ). Используем табличные значения $d_{I} = 0,630$ и $d_{T} = 0,160$ , которые наиболее близки к экспериментальным значениям. По таблице находим параметры плана контроля:

<a id="p109170"></a> $n_{T} = 2.$ $n_{I} = 4;$ 

<a id="p109171"></a>Величину контрольной границы $x_{L},°C$ , рассчитываем по формуле, приведенной в [2.3.1](#p100310) настоящего стандарта:

<a id="p109172"></a> $x_{L} = 0,5(AQL + LQL) = 0,5(72,9 + 69) = 70,95.$ 

<a id="p109173"></a>Таким образом, при проведении приемочного контроля следует:
- <a id="p109174"></a>отобрать от партии канифоли 8 мгновенных проб;
- <a id="p109175"></a>получить из них две объединенные пробы;
- <a id="p109176"></a>из каждой объединенной пробы отобрать две лабораторные пробы;
- <a id="p109177"></a>для каждой лабораторной пробы провести два определения температуры размягчения по ГОСТ 23863;
- <a id="p109178"></a>среднее значение температуры размягчения из 8 измерений $(\overline{x})$ сравнивают со значением величины $x_{L}$ .
<a id="p109179"></a>F.1.7. Если $\overline{x} \geq x_{L}$ - партия принимается.
<a id="p109180"></a>Если $\overline{x}<x_{L}$ - партия отклоняется.
<a id="p109181"></a>Отклоненная партия должна быть удалена в соответствии с соглашением (или иным документом), принятым до проведения приемочного контроля конкретной партии ([2.5.8](#p100391) настоящего стандарта).
<a id="p109182"></a>F.2. Пример F.2 (условный)
<a id="p109183"></a>F.2.1. Принято решение применить настоящий стандарт для приемочного контроля бутилацетата марки А [(ГОСТ 8981)](https://bukva.ai/docs/gost-8981-78) по показателю "массовая доля основного вещества". В соответствии с [ГОСТ 8981](https://bukva.ai/docs/gost-8981-78) и ГОСТ 9980.1 каждая железнодорожная цистерна бутилацетата считается партией.
<a id="p109184"></a>Предполагается, что продукт однороден внутри цистерн и приемочный контроль будет проводиться в соответствии с требованиями [Приложения A](#p107522). Для проверки предположения об однородности продукции были отобраны пробы от трех железнодорожных цистерн. Отбиралось по одной пробе из верхнего и нижнего слоев в цистерне $n_{c} = 2$ .
<a id="p109185"></a>Каждая проба делилась на две лабораторные пробы $n_{T} = 2$ . Из каждой лабораторной пробы отбирались две испытуемые порции $n_{M} = 2$ , которые подвергались хромотографическому анализу по ГОСТ 21533. Всего было проведено $n_{c}n_{T}n_{M} = 2 \cdot 2 \cdot 2 = 8$ измерений на одну цистерну. Результаты измерений приведены в таблице F.2.

<a id="p109186"></a>Таблица F.2

<a id="p109187"></a>Данные [примера F.2](#p109182)


<table>
<colgroup><col width="7%"><col width="11%"><col width="11%"><col width="11%"><col width="11%"><col width="11%"><col width="12%"><col width="8%"><col width="6%"><col width="6%"><col width="6%"></colgroup>
<tr><td rowspan="3"><a id="p109188"></a>Номер цистерны</td><td colspan="4"><a id="p109189"></a>Результаты измерений</td><td colspan="3"><a id="p109190"></a>Средние значения</td><td colspan="3"><a id="p109191"></a>Средние квадратические отклонения</td></tr>
<tr><td colspan="2"><a id="p109192"></a>Проба из верхнего слоя</td><td colspan="2"><a id="p109193"></a>Проба из нижнего слоя</td><td rowspan="2"><a id="p109194"></a>по лабораторным пробам</td><td rowspan="2"><a id="p109195"></a>по пробам из верхнего и нижнего слоя</td><td rowspan="2"><a id="p109196"></a>по цистернам</td><td rowspan="2"><a id="p109197"></a>$s_{M}$</td><td rowspan="2"><a id="p109198"></a>$s_{T}$</td><td rowspan="2"><a id="p109199"></a>$s_{c}$</td></tr>
<tr><td><a id="p109200"></a>1-я лабораторная проба</td><td><a id="p109201"></a>2-я лабораторная проба</td><td><a id="p109202"></a>1-я лабораторная проба</td><td><a id="p109203"></a>2-я лабораторная проба</td></tr>
<tr><td rowspan="4"><a id="p109204"></a>1</td><td><a id="p109205"></a>99,44</td><td><a id="p109206"></a>99,56</td><td><a id="p109207"></a>99,45</td><td><a id="p109208"></a>99,40</td><td><a id="p109209"></a>99,470</td><td><a id="p109210"></a>99,470</td><td><a id="p109211"></a>99,47250</td><td><a id="p109212"></a>0,08732</td><td><a id="p109213"></a>0,0000</td><td><a id="p109214"></a>0,0035</td></tr>
<tr><td><a id="p109215"></a>99,50</td><td><a id="p109216"></a>99,38</td><td><a id="p109217"></a>99,50</td><td><a id="p109218"></a>99,55</td><td><a id="p109219"></a>99,470</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109220"></a>99,475</td><td><a id="p109221"></a>99,475</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109222"></a>99,475</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109223"></a>2</td><td><a id="p109224"></a>99,48</td><td><a id="p109225"></a>99,47</td><td><a id="p109226"></a>99,42</td><td><a id="p109227"></a>99,43</td><td><a id="p109228"></a>99,480</td><td><a id="p109229"></a>99,4800</td><td><a id="p109230"></a>99,48375</td><td><a id="p109231"></a>0,06295</td><td><a id="p109232"></a>0,0075</td><td><a id="p109233"></a>0,0053</td></tr>
<tr><td><a id="p109234"></a>99,48</td><td><a id="p109235"></a>99,49</td><td><a id="p109236"></a>99,54</td><td><a id="p109237"></a>99,56</td><td><a id="p109238"></a>99,480</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109239"></a>99,480</td><td><a id="p109240"></a>99,4875</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109241"></a>99,495</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td rowspan="4"><a id="p109242"></a>3</td><td><a id="p109243"></a>99,58</td><td><a id="p109244"></a>99,53</td><td><a id="p109245"></a>99,46</td><td><a id="p109246"></a>99,43</td><td><a id="p109247"></a>99,490</td><td><a id="p109248"></a>99,490</td><td><a id="p109249"></a>99,48750</td><td><a id="p109250"></a>0,08411</td><td><a id="p109251"></a>0,0100</td><td><a id="p109252"></a>0,0035</td></tr>
<tr><td><a id="p109253"></a>99,40</td><td><a id="p109254"></a>99,45</td><td><a id="p109255"></a>99,49</td><td><a id="p109256"></a>99,56</td><td><a id="p109257"></a>99,490</td><td></td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109258"></a>99,475</td><td><a id="p109259"></a>99,485</td><td></td><td></td><td></td><td></td></tr>
<tr><td></td><td></td><td></td><td></td><td><a id="p109260"></a>99,495</td><td></td><td></td><td></td><td></td><td></td></tr>
</table>


<a id="p109261"></a>F.2.2. В соответствии с формулами, приведенными в [3.7.2](#p102582) настоящего стандарта, для каждой цистерны рассчитаны стандартные отклонения:
<a id="p109262"></a>измерения - $s_{Mi}$ ;
<a id="p109263"></a>лабораторной пробы - $s_{Ti}$ ;
<a id="p109264"></a>объединенной пробы - $s_{ci}$ .
<a id="p109265"></a>Эти величины также приведены в [таблице F.2](#p109187). Исходя из данных, приведенных в [таблице F.2](#p109187), вычислены стандартные отклонения для всей совокупности партий [(3.7.4.1)](#p102629):

<a id="p109266"></a> $\sigma_{M} = \sqrt{\frac{\sum_{i = 1}^{G} s_{Mi}^{2}}{G}} = \sqrt{\frac{0,0186618}{3}} = 0,07887.$ 

<a id="p109267"></a> $\sigma_{T} = \sqrt{\frac{\sum_{i = 1}^{G} s_{Ti}^{2}}{G}} = \sqrt{\frac{0,0001562}{3}} = 0,0072.$ 

<a id="p109268"></a> $\sigma_{c} = \sqrt{\frac{\sum_{i = 1}^{G} s_{ci}^{2}}{G}} = \sqrt{\frac{0,00005259}{3}} = 0,0042.$ 

<a id="p109269"></a>По формулам, приведенным в [3.7.5](#p102643) настоящего стандарта, рассчитаны составляющие дисперсии. Составляющая дисперсии между мгновенными пробами $\sigma_{I}$ вычисляется по формуле [3.7.5.1](#p102646):

<a id="p109270"></a> $\sigma_{I}^{2} = n_{I}(\sigma_{c}^{2} - \frac{\sigma_{T}^{2}}{n_{T}}) = 2((0,0042)^{2} - \frac{(0,0072)^{2}}{2}) = - 0,000017.$ 

<a id="p109271"></a>Так как $\sigma_{I}^{2}<0$ , то принимаем $\sigma_{I}^{2} = 0$ .
<a id="p109272"></a>Составляющая дисперсии между мгновенными пробами $\sigma_{p}$ в соответствии с [3.7.5.2](#p102650) вычисляется по формуле

<a id="p109273"></a> $\sigma_{p}^{2} = \sigma_{T}^{2} - \frac{\sigma_{M}^{2}}{n_{M}} = (0,0072)^{2} - \frac{(0,07887)^{2}}{2} = - 0,0031.$ 

<a id="p109274"></a>Так как $\sigma_{p}^{2}<0$ , то принимаем $\sigma_{p}^{2} = 0$ .
<a id="p109275"></a>F.2.3. Проверяем соблюдение условий, изложенных в [A.2.2](#p107531) Приложения A. Так как $\sigma_{I} = 0$ и $\sigma_{p} = 0$ , то условия $\sigma_{I}<0,1\sigma_{M}$ и $\sigma_{p}<0,1\sigma_{M}$ выполняются и при выборе плана контроля следует руководствоваться [Приложением A](#p107522).
<a id="p109276"></a>F.2.3. Вычисляем значение величины $\sigma_{o}$ по [формуле (A.2.3](#p107537) Приложения A)

<a id="p109277"></a> $\sigma_{o} = \sqrt{\frac{n_{T} \cdot n_{M}}{n_{I}} \sigma_{I}^{2} + n_{M}\sigma_{p}^{2} + \sigma_{M}^{2}} ,$ 

<a id="p109278"></a>так как $\sigma_{I} = 0$ и $\sigma_{p} = 0$ , $\sigma_{o} = \sigma_{M} = 0,07887$ .
<a id="p109279"></a>F.2.4. Выбор значений AQL и LQL
<a id="p109280"></a>Значение LQL принимаем равным указанному в [ГОСТ 8981](https://bukva.ai/docs/gost-8981-78) для марки Л: "массовая доля основного вещества, %, не менее 99,0". LQL = 99,0%.
<a id="p109281"></a>Значение AQL выбираем равным среднему значению массовой доли основного вещества по [таблице F.2](#p109187): AQL = 99,48%.
<a id="p109282"></a>Значение предельного интервала D [(1.3.1.18)](#p100092) рассчитывается по формуле

<a id="p109283"></a>**D = AQL - LQL = 99,48 - 99,0 = 0,48.**

<a id="p109284"></a>F.2.5. Значение общего относительного стандартного отклонения вычисляется по [формуле (A.2.4](#p107544) Приложения A):

<a id="p109285"></a> $d_{o} = \sigma_{o}/D = 0,07887/0,48 = 0,164.$ 

<a id="p109286"></a>F.2.6. Выбор плана контроля
<a id="p109287"></a>Выбор плана контроля осуществляется по [таблице A.1](#p107558) Приложения A (неточные стандартные отклонения) ввиду малого количества экспериментальных данных.
<a id="p109288"></a>Значению $\alpha_{o} = 0,165$ соответствует первая строка [таблицы A.1](#p107558), в ней находим параметры плана контроля:

<a id="p109289"></a> $n_{M} = 2.$ $n_{T} = 1;$ 

<a id="p109290"></a>Величина контрольной границы $x_{L},\%$ , рассчитывается по формуле, приведенной в [2.3.1](#p100310) настоящего стандарта:

<a id="p109291"></a> $x_{L} = 0,5(AQL + LQL) = 0,5(99,0 + 99,48) = 99,24(\%).$ 

<a id="p109292"></a>Таким образом, при проведении приемочного контроля следует:
- <a id="p109293"></a>отобрать пробу из железнодорожной цистерны (из одного слоя, см. [A.3.2.2](#p107653) Приложения A);
- <a id="p109294"></a>из полученной пробы отобрать лабораторную пробу;
- <a id="p109295"></a>из лабораторной пробы отобрать две испытуемые порции;
- <a id="p109296"></a>провести хроматографический анализ по ГОСТ 21533;
- <a id="p109297"></a>среднее значение массовой доли основного вещества $(\overline{x})$ сравнить со значением величины $x_{L}$ .
<a id="p109298"></a>F.2.7. Если $\overline{x} \geq x_{L}$ - партия принимается. Если $\overline{x}<x_{L}$ - партия отклоняется.
<a id="p109299"></a>Отклоненная партия должна быть удалена в соответствии с соглашением (или иным документом), принятым для проведения приемочного контроля конкретной партии ([2.5.8](#p100391) настоящего стандарта).



<a id="p109300"></a>

---