샘플 크기와 불량품 수에 따라 작동 특성(OC) 곡선을 생성하는 스프레드시트를 보자.
 

경험 법칙은 0.05 알파에 해당하는 95% 신뢰 수준을 사용한다.
하나는 표준 OC 곡선이고 다른 하나는 역 OC 곡선이다.
역 OC 곡선은 y축에 거부 확률이 있고 x축에 일치하는 비율이 있다.
이는 각각 신뢰 수준과 신뢰도에 해당한다.

OC 곡선은 부적합 비율과 합격 확률 사이의 플롯이다.
부적합 비율이 낮을수록 합격 가능성이 높아진다.
표시된 OC 곡선은 n = 59, 0 거부에 대한 것이다. 이항 분포를 사용하여 계산된다.

생산자의 위험은 좋은 제품이 거부될 위험이다.
AQL은 일반적으로 계획이 95%의 시간(즉, 장기적으로)을 수락할 불량품의 백분율로 정의된다.
AQL 이상인 로트는 장기적으로 95%의 시간 동안 승인된다.
로트가 실패하면 로트 품질 수준이 AQL보다 나쁘다고 95% 확신을 갖고 말할 수 있다.
마찬가지로 AQL에서 허용되는 많은 항목이 거부될 확률이 5%라고 말할 수 있다.
이 예에서 AQL은 0.09%이다.

반면에 소비자의 위험은 나쁜 제품을 수락할 위험이다.
로트 허용 불량률(LTPD)은 일반적으로 계획이 (장기적으로) 90%의 시간을 거부할
불량 제품의 백분율로 정의된다.
우리는 LTPD에 있거나 그보다 더 나쁜 경우가 (장기적으로) 90%의 시간 동안
거부될 것이라고 말할 수 있다.

로트가 통과하면 로트 품질이 LTPD보다 우수하다고 90% 확신을 갖고 말할 수 있다
(즉, 부적합 비율이 LTPD 값보다 작음).
또한 LTPD에서는 결함이 있는 많은 제품이 승인될 확률이 10%라고 말할 수 있다.

OC 곡선의 세로축(y축)은 합격 확률 0%에서 100%로 이동한다.
또는 y축이 100%에서 0%의 거부 확률에 해당한다고 말할 수 있다.

OC 곡선의 수평 축(x축)은 퍼센트 부적합에 대해 0퍼센트에서 100퍼센트로 이동한다.
또는 x 축이 일치율에 대해 100%에서 0%에 해당한다고 말할 수 있다.

0에서 100% 신뢰 수준에 맞춰 정렬되도록 y축을 쉽게 반전할 수 있다.
또한 x축을 반전하여 0~100% 신뢰수준에 맞춰 정렬할 수도 있다.

우리가 볼 수 있는 것은 주어진 표본 크기와 결함에 대해 우리가 주장하려는
신뢰도가 높을수록 가정할 수 있는 신뢰수준이 낮아진다는 것이다.
예를 들어 극단적인 경우 100% 신뢰도는 0% 신뢰수준과와 일치한다.

Harish Jose의 글