于变量数据而言）的把握度
分析为基础。13单变量数据点包含的信息多于单属性数据点。所以，要获得同样的置信水平，需要的属性数据点要多于变量数据点。因此，属性数据指定的抽样计划的样本量要大于变量数据的相应抽样计划的样本量。所以，如果可能的话，即使在常规生产中计划实施属性检查，也要使用变量数据。14风险评估是重要的决定合适LTPD或者把握度的因素15样本量不是每组的数量，而是所有组的总量。
2判定属性数据的取样量11每一个确认的取样量都基于对应风险区域处（区域1：低风险区域区域2：中间风险区域区域3：中度风险区域；区域4：高风险区域）的LTPD的最小拒绝概率并使用零缺陷接收。还取决于确认的阶段（OQ或者PQ）合适取样量的选择参见以上表122如表1中显示取样的严格程度伴随着风险增加而加大。它反映出从区域1至区域4随着LTPD的降低和最小拒绝概率的增加，结果是取样量伴随着增加的风险而增加从而提供必要的保护。23同时，在设计取样计划时，在确认的OQ阶段，有意图的通过使用边缘过程参数挑战过程从而评估最差情形下的工艺性能，因此比对PQ阶段，更高的LTPD被认为是可接受的，而PQ是测试正常情况下的过程表现并评估和确认参数。
928
f24基于风险分析的统计学原理，在预先确定LTPD时，确认阶段的OQ和PQ的取样量依据上表1，使用了可以提供较小的期望拒绝概率的属性数据。计算原理参见附录A表1确认过程取样量与属性数据风险区域对应表
验证阶段属性数据的风险水平c0LTPD允许批次品率OQPrmi
Samplesize样本量LTPDPQPrmi
拒收概率Samplesize（样本量）Zo
e120901159045Zo
e220951459559Zo
e31095292595118Zo
e41099442599180
3变量数据的取样量31单样品T检验和样本量分析被用于决定变量数据的取样量。图表3列出了基于过程失效模式风险区域的标准要求。如果RPN数值不用于决定风险水平，需要阐述风险选择的原理。在某些情况下，把握度低于090比如在等效确认中或者在风险非常低的情况。但是，把握度不能低于08032如果收集变量数据是用于确认，则特定风险区域对取样量的选择将基于相应的把握度，显著水平，和可探测的有效的差异效应（根据表2）。计算原理参见附录B。
表2确认过程取样量与变量数据风险区域对应表ForVariabledatao
ly仅适用变量数据PASSusi
g1Samplettest通过使用1Samplet测试Sig
ifica
celevelα显著性水平αPowerlevelOQDiffere
ceeffect差异效应SamplesizeSig
ifica
celevelαPowerlevelPQDiffere
ceeffectr