مدل های نمونه گیری جهت پذیرش کاربرد وسیعی در شرکت ها برای بازرسی و آزمون مواد اولیه و محصولات نهائی دارد. محصولات تولیدی در یک روز ممکن است آن قدر زیاد باشند که امکان بازرسی همه ی کالا ها نباشد. مدل های نمونه گیری پذیرش فقط به تولیدکنندگان و مصرف کنندگان تضمین می دهند که کیفیّت دسته ی مورد نظر در حد استانداردهای مشخّص است و با توجّه به نتایج به دست آمده از نمونه گیری و بازرسی تصمیم بهینه اتخاذ می شود. نمونه گیری پذیرش باعث صرفه-جویی در زمان و هزینه می شود زیرا دیگر نیازی به بازرسی تمام اقلام در یک دسته نمی باشد. بنابراین نمونه گیری جهت پذیرش نه تنها باعث افزایش اعتبار شرکت شده بلکه هزینه ی شرکت را نیز کم می کند. مدل های نمونه گیری جهت پذیرش مجموعه ای از قوانین و معیارها جهت تصمیم-گیری در مورد پذیرش یا رد دسته پیشنهاد می دهد. در این پژوهش، ابتدا با توسعه مفهوم دنباله قطعات سالم متوالی و با استفاده از زنجیره های مارکوف، 6 مدل بهینه سازی نمونه گیری جهت پذیرش، با فرض وجود خطاهای بازرسی و با در نظر گرفتن همزمان ریسک مصرف کننده و تولیدکننده توسعه داده شده است. مدل های پیشنهادی با استفاده از روش جستجو فضای حل و با استفاده از نرم افزار ویژوال بیسیک حل شده اند. در این پایان نامه نشان داده خواهد شد که استفاده از این مفهوم در طراحی مدل های نمونه گیری می تواند منجر به بهبود عملکرد آنها نسبت به روش های پیشین شود. در این پایان نامه، ابتدا طرح های نمونه گیری بر اساس مفهوم دنباله قطعات سالم متوالی ارائه و رفتار سیاست بهینه ی مدل با توجّه به تغییر پارامترها، تحلیل می گردد. در نهایت به منظور تبیین مزیّت های مدل های پیشنهادی، نتایج حاصله از این مدل ها، با روش های سنتی مانند جداول داج-رومیگ مقایسه شد. نتایج نشان دادند با افزایش مقدار متوسط فرآیند و اندازه انباشته، عملکرد روش پیشنهادی بهتر از روش های پیشین است.