Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Muestreo de Aceptacin
En los ltimos aos ha ido disminuyendo el inters por el muestreo de aceptacin, en tanto el
control estadstico de procesos ha venido adquiriendo un papel cada vez ms prominente en
las actividades de aseguramiento de calidad. No obstante lo anterior, el muestreo de
aceptacin an mantiene un sitio importante en las decisiones de aceptar lotes fabricados.
El muestreo de aceptacin es la manera de evaluar una parte de los productos que forman
un lote con el propsito de aceptar o rechazar el lote completo. Su uso es recomendado
cuando el costo de inspeccin es alto o la inspeccin es montona y causa errores de
inspeccin o cuando se requieren pruebas destructivas.
Es posible aplicar planes de muestreo de aceptacin tanto a los bienes suministrados por los
proveedores, antes de su utilizacin en otro proceso de produccin, o a los resultados de uno
de los propios procesos de produccin de la compaa. La finalidad del muestreo de
aceptacin es entonces estimar la caracterstica pertinente de calidad de cada lote del
producto e indicar si el lote deber aceptarse o rechazarse.
Aun cuando el muestreo de aceptacin generalmente se clasifica como una tcnica de
control de calidad, deber sealarse que a veces no se ejerce ningn control directo sobre la
calidad del proceso. Esto resulta especialmente verdadero cuando se est muestreando el
suministro de algn proveedor y los lotes rechazados no se devuelven. Resulta obvio que
siempre se lograr algn control indirecto a travs de la comunicacin con el fabricante.
214
215
9.1.1
En los sistemas de muestreo para aceptacin se emplean mucho defectivo y defecto. Esas
palabras se emplearn para explicar los sistemas. Un artculo defectivo es el que no cumple
con las especificaciones en algn aspecto; un defecto es la falta de conformidad con alguna
especificacin. Por otra parte, tenemos la terminologa y simbologa que se describe a
continuacin:
Inspeccin. Es el proceso de medicin, examen, comprobacin y otra forma de comparacin
de la unidad del producto con las especificaciones.
Unidad del producto. Es el objeto que se examina a fin de determinar su clasificacin como
defectivo o no defectivo o bien para contarle el nmero de defectos. Podra consistir en un
solo artculo, en un par, en un conjunto, una longitud, un rea, una operacin, un volumen, un
componente para un producto final, el mismo producto final, la unidad del producto puede o
no ser la misma de la de compra.
Muestra. Consiste en una o ms unidades del producto que se tomen de un lote o de una
produccin unitaria, estas unidades de la muestra debern ser tomadas al azar sin aferrarse
su calidad. El nmero de unidades del producto dentro de la muestra se denomina tamao
de la muestra.
Muestreo representativo. Siempre que sea posible, el nmero de unidades en la muestra
se debe seleccionar en proporcin con el tamao de los sublotes o porciones de una
produccin unitaria, que puedan ser identificados con algn criterio racional. Las unidades de
cada una de las partes del lote o porciones de la produccin se deben de tomar al azar.
Tiempo de muestreo. Las muestras se pueden tomar despus de que se hayan reunido
todas las unidades que formen el lote o la produccin unitaria o se pueden tomar durante la
formacin del lote o produccin.
Plan de muestreo. Un plan de muestreo indica el nmero de unidades del producto de cada
lote o produccin que debe ser inspeccionado (el tamao de muestra o serie de tamaos de
muestra), y el criterio para la determinacin de la aceptabilidad del lote o produccin (los
nmeros de aceptacin y el rechazo).
Nivel de inspeccin. El nivel de inspeccin determina la relacin que debe existir entre el
tamao del lote o produccin y el tamao de la muestra.
Interrupcin de una inspeccin. En el caso de que 10 lotes consecutivos o producciones
en una inspeccin severa se encuentren una cantidad considerable de defectos que hagan
que se rechacen los lotes; se deber interrumpir la inspeccin y quedar pendiente para
tomar accin en la mejora de calidad del material presentado.
Falta de Conformidad. El grado de la falta de conformidad de un producto se debe
expresar, ya sea en funcin del porciento defectivo o en funcin de los defectos por cada
cien unidades.
Porcentaje Defectivo. Es igual a cien veces el numero de unidades defectivas contenidas
en el producto, divididas entre el numero total de unidades que forman el producto.
Defectos por cada cien unidades. Es igual a cien veces el nmero de defectos contenidos
en las unidades (es posible que uno o ms defectos en cada unidad del producto), dividido
entre el nmero total de unidades que forman el producto.
c = nmero para aceptacin; el nmero mximo permisible de piezas defectivas en una
muestra de tamao n.
D = nmero de piezas defectivas (piezas que no cumplen con las especificaciones en un
lote dado de tamao N)
n = nmero de piezas en las muestras
216
Procedimiento de Muestreo
puede inspeccionarse el 100% de los lotes rechazados, ya sea reemplazando todos los
elementos defectuosos con elementos correctos, o simplemente quitndolos. A esta
alternativa se le denomina inspeccin de rectificacin.
Para definir esto de manera mas practica, hay que ver el siguiente ejemplo: Tenemos un lote
de 9000 (N) piezas, el plan de inspeccin dice que se deben tomar 300 (n) piezas y se
considera un nmero de aceptacin (c) de 2 piezas. Esto significa que en el lote de 900
piezas se inspeccionaron 300 piezas escogidas aleatoriamente, si 3, 4 o ms piezas estn
defectuosas, se rechazara todo el lote (las 900 piezas), si al realizar la inspeccin no se
encuentran piezas defectuosas o se encuentran 1 o 2 el lote tiene que ser aceptado.
9.2
Planes de Muestreo
Un lote de artculos puede ser inspeccionado de las siguientes maneras: por variables, por
atributos, por muestreo simple, doble o secuencial.
9.2.1
En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad de la muestra
se le mide una caracterstica de calidad aleatoria del lote (peso, longitud, etc.). Con las
mediciones se calcula un estadstico, que generalmente est en funcin de la media y la
desviacin estndar muestral y dependiendo del valor de este estadstico al compararlo con
un valor permisible, se aceptar o rechazar todo el lote.
Una limitacin que salta a la vista en el empleo de criterios por variables en el muestreo para
aceptacin es el hecho de que muchas caractersticas de calidad slo se pueden observar
como atributos. En los casos en que es cierto, no hay ni que pensar en el muestreo por
variables. No obstante, a menudo ocurre que es posible idear mtodos de medicin en los
casos en que, a primera vista, parece ser que la inspeccin debe ser por atributos.
217
Para las caractersticas de calidad que se pueden medir, suele ocurrir que el costo de la
inspeccin por artculo es menor cuando es por atributos en lugar de por variables. Quiz la
limitacin ms seria para emplear el muestreo por variables es el hecho de que los criterios
para aceptacin se deben aplicar por separado a cada caracterstica de calidad. Por ejemplo,
si se van a examinar 20 caractersticas de calidad de un producto en un determinado puesto
de inspeccin, se puede aplicar un solo grupo de criterios para muestreo por atributos a la
decisin para aceptacin. Por el contrario, si cada caracterstica se somete a inspeccin por
variables, se deben utilizar 20 grupos diferentes de criterios para variables.
9.2.2
En estos planes se extrae aleatoriamente una muestra de un lote, y cada pieza de la muestra
es clasificada de acuerdo con ciertos atributos como aceptable o defectuosa. Si el nmero
de piezas defectuosas es menor o igual que un cierto nmero predefinido, entonces el lote
es aceptado, en caso de que sea mayor el lote es rechazado y este a su vez se divide en:
9.2.2.1 Muestreo Simple
Dos valores especifican el plan de muestreo simple: el nmero de elementos que compondr
la muestra (n) y el nmero de defectos aceptado que se ha especificado previamente (c). Si
en la muestra no existen ms defectos que el nmero aceptado, c, entonces se acepta todo
el lote. Si existen ms de (c) defectos, se rechaza todo el lote o se somete a una inspeccin
del 100%.
9.2.2.2 Muestreo Doble
Frecuentemente, un lote de productos es tan bueno o tan malo que se puede determinar una
conclusin sobre su calidad tomando una muestra ms pequea que la que habramos
utilizado en un plan de muestreo simple. Si el nmero de defectos en esta pequea muestra
(de tamao n1) es inferior o igual a un determinado lmite inferior (c1), el lote puede ser
aceptado. Si el nmero de defectos excede un determinado lmite superior (c2), el lote puede
ser rechazado. Pero si el nmero de defectos en la muestra n1 se sita entre c1 y c2, se toma
una segunda muestra (de tamao n2). Los resultados acumulados determinan cundo
aceptar o rechazar el lote. Este concepto se llama muestreo doble.
Tomar muestra
de tamao n1
Tomar muestra
de tamao n2
Rechazar lote
NO
NO
d1 c1?
NO
d1 + d2 c2?
d1 > c2?
SI
SI
SI
Aceptar lote
Rechazar lote
Aceptar lote
218
la primera muestra, puesto que para la segunda se debe agregar la probabilidad condicional,
adems de existir la probabilidad de rechazo en la primera muestra.
Cuando se toma una sola muestra de un lote bajo inspeccin, no es muy importante la
proporcin de unidades defectuosas que quedan en el lote despus del muestreo; esto es,
se supone que la muestra aleatoria extrada es representativa de la calidad del lote.
Adicionalmente, el hecho de que la proporcin de unidades defectuosas que quedan en el
lote vario debido a las unidades defectuosas presentes en la muestra, tampoco es
importante. Sin embargo, en las diferentes clases de muestreo doble y mltiple, esta
variacin s se considera.
Para entender la explicacin anterior, supngase que un lote de 1000 unidades se somete a
un programa de muestreo doble con las siguientes caractersticas: n1 = 50, n2 = 50 c1 = y c2 =
4. Si el lote contiene un 1% de unidades defectuosas, habr un total de 10 a descubrir por
muestreo. En caso de encontrar 4 en la primera muestra, quedarn 6 unidades defectuosas
en las 950 restantes. Es decir, el lote tendr 0.63% de unidades defectuosas en lugar del 1%
original.
Junto con la observacin anterior sobre la variacin de la calidad del lote debida a la primera
muestra, es necesario considerar las medidas que se tomarn respecto a las unidades
defectuosas. Desde el punto de vista prctico, es poco probable que un fabricante regrese al
lote bajo anlisis las unidades defectuosas descubiertas en la muestra sin haberlas
separado. Es de esperarse que por lo menos se pongan aparte dichas unidades y no se
regresen al lote. En consecuencia el muestreo en s, produce un mejoramiento en la calidad
del lote analizado.
El muestreo doble ofrece una alternativa al empleo de los programas de muestreo simple, ya
que sus curvas caractersticas de operacin son muy similares. De hecho, el muestreo doble
presenta las siguientes ventajas:
Dar una segunda oportunidad y de que no se rechace ningn lote debido a que no hay
un solo artculo defectivo.
Cuando se utiliza reduccin en la segunda muestra pueden haber ahorros importantes.
Por otra parte, los planes dobles es que requieren mayor planificacin previa y los costos
administrativos suelen ser menores en el muestreo simple que en el doble. Sin embargo, es
imprescindible prestar mucha atencin a la variacin de costos cuando los planes de
muestreo de aceptacin se complican, que dara lugar a pensar en un mtodo de muestreo
doble o mltiple como alternativa.
9.2.2.3 Muestreo Secuencial
El muestreo mltiple es una extensin del muestreo doble, con pequeas muestras tomadas
secuencialmente hasta que se tenga clara la decisin a tomar. Cuando las unidades son
seleccionadas aleatoriamente de un lote y comprobadas una a una, registrando el nmero
acumulado de piezas inspeccionadas y de defectos encontrados, este proceso se denomina
muestreo secuencial.
Si el nmero acumulado de defectos excede de un lmite superior especificado para esta
muestra, todo el lote ser rechazado; pero, si el nmero acumulado de defectos es inferior o
igual a un lmite inferior, el lote ser aceptado. Si el nmero de defectos se encuentra entre
los dos lmites, se continan tomando muestras del lote. Es posible que en algunos planes de
muestreo secuenciales se lleguen a inspeccionar todas y cada una de las piezas del lote
antes de tomar una decisin. Por lo regular, los planes mltiples o secuenciales artculo por
artculo se pueden formular para dar curvas CO muy semejantes a la curva CO de cualquier
plan de muestreo sencillo o doble.
La seleccin del mejor plan de muestreo (simple, doble, o secuencial) depende del tipo de
productos que vayan a ser inspeccionados y del nivel de calidad esperado. Por ejemplo, un
219
lote de productos de baja calidad puede ser identificado ms deprisa y de forma ms barata
con un muestreo secuencial. Esto significa que la inspeccin, que puede ser costosa e
incluso destructiva, puede acabar antes. Por otro lado, hay muchos casos donde el muestreo
simple es ms fcil y menos complejo de llevar a cabo por los trabajadores, aunque el
tamao de las muestras pueda ser superior al utilizado en otros planes de muestreo.
9.2.2.4 Muestreo de Aceptacin por Produccin Continua
Los planes de muestreo continuo de categoras mltiples ofrecen algunas ventajas
importantes. El hecho de que no sea necesario acumular un lote antes de tomar una
decisin, es muy ventajoso para artculos grandes y costosos. Se necesita menos espacio de
almacenamiento y, mientras la calidad sea buena, el productor y el consumidor ahorran
costos de inspeccin.
Inspeccionar 100%
de las unidades
Inspeccionar 100%
de las unidades
Inspeccionar 100%
de las unidades
Se encontraron
defectivos en las
ltimas i unidades
inspeccionadas?
No
Si
Se encontraron
defectivos en las
ltimas i unidades
inspeccionadas?
No
Si
Se encontraron
defectivos en las
ltimas i unidades
inspeccionadas?
No
Si
Inspeccionar a tasa
de muestreo f
Inspeccionar a tasa
de muestreo f
Inspeccionar a tasa
de muestreo f
Se encontraron
defectivos?
No
Si
Se encontraron
defectivos?
No
Si
Se encontraron
defectivos?
No
Si
Continuar muestreo a
la tasa f
Inspeccionar las
siguientes 4 unidades
Se encontraron
defectivos en las
siguientes k unidades
inspeccionadas?
No
Si
Se encontraron
defectivos?
No
Si
Inspeccionar a tasa
de muestreo f
Se encontraron
defectivos en las
siguientes k unidades
inspeccionadas?
No
Si
(a) CSP-1
(b) CSP-2
(c) CSP-3
220
Si se encuentra una unidad de muestra que est defectiva, hay que volver de
inmediato a la inspeccin del 100% de las unidades sucesivas y continuar as hasta
que se encuentran otra vez i unidades libres de defectos.
Corregir o sustituir, por unidades buenas, todas las defectivas que se encuentran.
p (1 f )q i 1
f (1 f )q i 1
9.3
p(1 f )(2q i q 2i )
fq (1 f )(2q i q 2i )
9.4
AOQ
9.2.5.2.5
AOQ
El muestreo en cadena fue desarrollado por Harold Dodge para proporcionar una mayor
probabilidad de aceptacin de los lotes de una calidad relativamente alta.
El muestreo "salta un lote" tiene que ver con un plan en que algunos lotes en una serie se
aceptan sin inspeccin (como no sea posibles revisiones de puntos) cuando los resultados
de muestreo para un nmero establecido de los lotes inmediatamente procedentes han
cumplido con el criterio establecido.
En resumen, la medida principal del rendimiento de un plan de muestreo para aceptacin es
la curva caracterstica de operacin CO que es un trazo de la probabilidad de aceptacin
como funcin del grado de calidad.
9.3 Curvas de Caracterstica Operativa (CO o CO)
Cualquier plan de muestreo de aceptacin puede describirse en trminos de su curva
caracterstica de operacin. En la figura 9.3 se ilustran curvas caractersticas de operacin
para diferentes planes de muestreo. La curva CO relaciona la verdadera fraccin de
defectuosos para el lote con la probabilidad de aceptacin. Naturalmente, se preferir un plan
de muestreo y una curva CO altamente discriminantes. Si todo el pedido de piezas tiene un
inaceptable alto nivel de defectos, se espera que la muestra refleje este hecho con una
probabilidad muy alta (preferiblemente de 100 por cien) de que el pedido sea rechazado.
221
La Figura 9.3(a) muestra un plan de discriminacin perfecta para una empresa que quiere
rechazar todos los lotes con ms de un 2,5% defectuosos. Desafortunadamente, la nica
manera de asegurar el 100% de aceptacin de los buenos lotes y el 0% de aceptacin de
lotes malos es llevar a cabo una inspeccin total, lo que a menudo resulta muy costoso.
Una segunda va es desarrollar una curva CO con mayor pendiente, y por lo tanto es mejor
incrementar el tamao de la muestra. La Figura 9.3(c) muestra que incluso cuando el nivel de
aceptacin es el mismo, en proporcin al tamao de la muestra, un valor de n incrementar
la verosimilitud de la precisin de la medida de calidad de los lotes. Las curvas (b) y (c)
utilizan un mismo ratio de defectos del 4% (igual a 4/100 = 1/25). Sin embargo, si se
examina detalladamente la Figura 9.3(c), podr observarse que la curva CO para n =25, c =1
rechaza ms lotes buenos y acepta ms lotes malos que el segundo plan.
(a)
(b)
(c)
Figura 9.3 (a) Plan de inspeccin con discriminacin perfecta. (b) Curvas CO para
dos niveles diferentes de aceptacin de defectos (c = 1, c = 4) y con el mismo
tamao de la muestra (n = 100). (c) Curvas CO para dos tamaos de muestra
diferentes (n = 25, n = 100), pero con el mismo porcentaje de aceptacin (4%).
Tamaos de muestra mayores implican mejor discriminacin.
Tabla 9.1 Probabilidad de aceptacin del lote para dos tipos de muestreo
Cuando el portenPara n = 100 y c = 4
Para n = 25 y c = 1
taje de defecto es:
1%
99%
97%
3%
81%
83%
5%
44%
64%
7%
17%
48%
En otras palabras, la probabilidad de aceptar un lote ms que satisfactorio (uno con el 1% de
defectos) es del 99% para n =100, pero slo del 97% para n =25. De la misma manera, la
posibilidad de aceptar un lote malo (uno con el 5% de defectos) es slo del 44 % para n
=100, mientras que utilizando la muestra de tamao menor pasa a ser del 64%. En
conclusin, si no fuese por el coste de inspeccin, todas las empresas optaran por
tamaos muestrales elevados.
Con el propsito de simplificar el anlisis, se ha adoptado cierta terminologa estndar para
algunas caractersticas de un plan de muestreo:
El nivel de calidad que se considera "bueno" y que se desea aceptar la mayor parte de
las veces se denomina Nivel Aceptable de Calidad (NAC).
El nivel que se considera "malo" y que debera rechazarse, la mayora de las veces se
denomina Porcentaje de Defectos de Tolerancia de Lote (PDTL o NTD).
222
La probabilidad de que un plan de muestreo rechace lotes dentro del NAC se denomina
riesgo del productor () y la probabilidad de que un plan acepte lotes dentro del PDTL se
denomina riesgo del consumidor ().
223
donde n
=
P
=
P(x) =
Cuando el tamao de la muestra (n) es grande y el porcentaje de defectos (p) es bajo, podr
utilizarse la distribucin de Poisson como aproximacin a la distribucin binomial. Este hecho
es bastante til, pues los clculos con la binomial pueden resultar ciertamente complejos, y
porque las tablas con valores de probabilidad acumulados de la ley de Poisson son
fcilmente disponibles.
En la aproximacin de Poisson de la distribucin binomial, la media de la binomial que es np,
se utiliza como media de Poisson, que es , esto es:
9.1
= np
Mezcla de la Poisson
= np
1.20
2.40
3.60
4.80
6.00
7.20
8.40
9.60
P(aceptacin) Tablas de
Poisson
0.966
0.779 1 - de AQL
0.515
0.294
0.151
0.072
*
0.032 Nivel de LTPD
0.014
224
Variando el porcentaje de defectos (p) desde 0,01 (1%) hasta 0,08 (8%) y manteniendo el
tamao de muestra (n) en 120, podemos calcular la probabilidad de aceptacin del lote para
cada porcentaje escogido. Los valores de Probabilidad de aceptacin) calculados en la
tabla siguiente se representan despus grficamente, dando la curva CO de la Figura 9.5.
Volvamos al tema de si esta curva CO satisface los requisitos de calidad y riesgo del
consumidor y del productor de bateras. Para un AQL del 2% (p= 0,02) de defectos, la P
(aceptacin) del lote es del 0,779, esto conlleva a un riesgo = 1 0,779 = 0,221, es decir,
del 22,1% que excede considerablemente el nivel del 5% deseado por el productor. El riesgo
de 0,032, (3,2%), est por debajo del 10% perseguido por el consumidor. Parece ser que
son necesarios nuevos clculos con una muestra ms grande si el valor deber ser reducido.
En el ejemplo anterior, hemos fijado los valores de n y c para un plan de muestreo y
posteriormente hemos calculado los riesgos de y para ver si coincidan con los niveles
deseados. A menudo, las empresas, en lugar de esto, desarrollan una curva CO con los
valores fijados y el AQL deseado y luego van sustituyendo los valores de c y n hasta que la
curva cumple LTPD y .
El mtodo habitual para encontrar el programa de muestreo que satisfaga dichas condiciones
es el de prueba y error. Sin embargo, en investigaciones de este anlisis Guenther (1969),
ha encontrado una nueva forma de resolver el problema:
El procedimiento para encontrar el programa de muestreo simple que satisfaga las
especificaciones establecidas requiere:
Como base en los conceptos dichos anteriormente, los pasos a seguir en el procedimiento
son:
1.
2.
3.
4.
5.
6.
Ejemplo 9.2 Consideremos un programa de muestreo sencillo que tiene como condiciones
LTPD = 0.08, (RC) = 0.10, AQL (NAC) = 0.02 y (RP) = 0.05.
225
ns =
ns =
ns =
ns =
ns =
17.50
40.00
65.00
95.00
130.00
np
np
nL
nL
nL
= 50.00
= 67.50
= 85.00
= 100.00
= 119.00
AOQ
donde
Pd
Pa
N
N
=
=
=
=
( Pd )( Pa )( N n)
N
9.2
Ejemplo 9.3 El porcentaje de defectos del lote que llega del Ejemplo 9.1 es del 3%. La curva
CO muestra que la probabilidad de aceptacin es 0,515. Dado un lote de 2.000 y una
muestra de 120, cul es la calidad media de salida expresada en porcentaje de
defectuosos?
(0.03)(0.515)( 2000 120)
AOQ
0.015
2000
226
AOQ
0.009
0.015
0.015
0.011
0.007
0.004
0.002
0.001
Es decir, el AOQ es bajo para valores pequeos del porcentaje de defectuosos entrantes.
Cuando el porcentaje de defectuosos de los lotes recibidos aumenta, el AOQ aumenta hasta
un valor. A partir de ah, para mayores porcentajes de defectuosos de entrada, el AOQ
disminuye.
El valor mximo en la curva AOQ corresponde al porcentaje medio de defectuosos de salida
ms elevado o a la calidad media ms baja del plan de muestreo. Se le llama el lmite de la
calidad media de salida (AOQL). En la Figura 9.6, el AOQL est justamente por encima del
227
1,5%, lo que significa que el 94,8% de las bateras son buenas, cuando la calidad de entrada
est entre el 2% y el 3%.
9.6
Los programas estndar de muestreo se basan en cierto nmero de decisiones que han
permanecido casi sin cambio en los diversos sistemas posteriores basados en el concepto
AQL. Algunas de estas decisiones son:
1.
2.
3.
4.
5.
6.
9.7
228
para usarse tanto en los Estados Unidos como en otras naciones. Para ello, se form una
comisin internacional integrada por los Estados Unidos, Gran Bretaa y Canad. Al
conjunto final de programas estndar se incluyeron las sugerencias de otros pases. Aunque
la norma MIL-STD-105D ha quedado fuera de servicio por el Departamento de Defensa de
los Estados Unidos de Amrica, su uso es extensivo y amplio en diferentes tipos de
industrias y por ello su estudio en esta seccin.
Al analizar los programas de muestreo simple, doble, y mltiple, se observ que cada
proyecto tena por objeto la conversin de los deseos cualitativos de la gerencia en un
modelo cuantitativo. Una vez establecidas las restricciones RP, RC, NAC y PDTL, se
elabor un programa que operaba de la manera deseada. Cualquier cambio cuantitativo en
el programa significaba un cambio en los propsitos de la gerencia.
9.7.1
Los programas MIL-STD-105D estn basados en el nivel aceptable de calidad (NAC o AQL
en ingls) y poseen algunas caractersticas generales que son necesarias conocerlas. En
principio, en cada pgina en NAC (AQL) y las coordenadas designadas con letras
maysculas representan un programa especfico. Adems de los programas normales, se
prevn las medidas necesarias para una inspeccin rigurosas y una truncada.
Las siglas NAC o AQL son las iniciales que utilizamos a nivel de calidad aceptable, que es el
nivel de calidad que el consumidor considera aceptable. Cuando un procedimiento de
aceptacin se basa en AQL, su resultado es una clara decisin de aceptacin o rechazo del
lote. El NAC (AQL) es una propiedad del proceso de manufactura del proveedor; no es una
propiedad del plan de muestreo. Adems, por lo general no tiene la intencin de ser una
especificacin del producto, ni de ser un valor objetivo para el proceso de produccin de
proveedor. Es simplemente un estndar contra el cual juzgar los lotes.
En la actualidad, la eleccin de procedimientos y aceptacin, ya sean basados en AQL o en
inspeccin rectificadora, se realizan despus de una serie de negociaciones entre productor
y consumidor. Puede afirmarse, en general, que los procedimientos basados en AQL
favorecen al consumidor, en tanto que los procedimientos que contemplan una inspeccin
rectificadora protegen al producto.
El clculo del NAC presenta aspectos interesantes: Dado que dicho clculo se realiza con
base en una inspeccin normal, est relacionado con un RP menor al 5% (generalmente
entre 1 y 2%). Es decir, cuando la produccin opera correctamente, el riesgo de un rechazo
errneo de una determinada cantidad de productos debe ser muy pequeo. Pero si la
operacin es defectuosa, se toman las precauciones necesarias para incrementar la
proteccin al consumidor. Esto hace que aumente el riesgo del productor, al considerar las
precauciones en que incurre la inspeccin rigurosa. Por otra parte, si todo funciona
adecuadamente durante un periodo largo, el proyecto establece que se tomen muestras ms
pequeas con inspeccin truncada y en consecuencia, el costo de la inspeccin es bajo.
Es necesario observar que el NAC puede variar desde 0.01 hasta 1000. El motivo de esta
situacin es porque en el MIL-STD-105D, el NAC se refiere al porcentaje de unidades
defectuosas o bien a los defectos por cien unidades (incluye el hecho de que cualquier
unidad puede tener ms de un defecto).
Para valores comprendidos entre 0.01 y 10%, los NAC pueden referirse a cualquiera de los
dos significados anteriores. No obstante, los NAC para valores superiores al 10% se refieren
exclusivamente a defectos por cien unidades
Los valores de AQL en la norma ABC se pueden interpretar ya sea en porcentaje de
defectivo, o en defectos por cien unidades segn si los criterios para aceptacin se basan en
el nmero de defectivos observados en la muestra o en el nmero de defectos. Los valores
mayores de AQL que sobrepasan a 10.0 se interpretan como aplicables a los defectos por
100 unidades. En la mayor parte del comentario de esta norma se supone el criterio ms
229
No . de unidades defectuosa s
No . de unidades inspeccion adas
9.3
* 100
No. defectos
D(100) % =
9.4
* 100
No. de unidades inspeccion adas
Las letras maysculas que aparecen en la columna izquierda de cada pgina de los
programas de muestreo se refieren al tamao de la muestra a tomar, que a su vez se
relaciona con el tamao total del lote. La dependencia entre el tamao de la muestra y el del
lote puede parecer incongruente con la construccin de las curvas CO. Es lgico que se
obtendra la misma informacin al tomar una muestra aleatoria de 100 unidades de un lote de
10 000, que al tomar una muestra idntica de un lote de 2 000. La cantidad de informacin
obtenida de una muestra dada no est muy relacionada con el tamao de la poblacin
original, si se considera que esta ltima es mucho ms grande (al menos diez veces el
tamao de la muestra). En consecuencia, debe haber otra razn para incrementar el tamao
de la muestra al aumentar el tamao del lote. Esta razn es de carcter econmico, debido a
que los costos (unitarios, de manejo, etc.) implicados en la aceptacin o el rechazo de
grandes cantidades de productos requieren mayor cuidado para obtener la evidencia.
Se puede escoger un programa de muestreo simple, doble o mltiple para cada letra y NAC
correspondiente al tamao del lote. Las curvas CO para programas de muestreo simple,
doble o mltiple concuerdan prcticamente para una letra y un NAC determinado.
Tabla 9.4 MIL STD 105E Standard Cdigos de Inspeccin segn el tamao del lote
Tamao del Lote
II
III
S1
S2
S3
S4
2a8
9 a 15
16 a 25
A
A
B
A
B
C
B
C
D
A
A
A
A
A
A
A
A
B
A
A
B
26 a 50
51 a 90
91 a 150
C
C
D
D
E
F
E
F
G
A
B
B
B
B
B
B
C
C
C
C
D
151 a 280
281 a 500
501 a 1200
E
F
G
G
H
J
H
J
K
B
B
C
C
C
C
D
D
E
E
E
F
1 201 a 3 200
3 201 a 10 000
10 001 a 35 000
H
J
K
K
L
M
L
M
N
C
C
C
D
D
D
E
F
F
G
G
H
L
M
N
N
P
Q
P
Q
R
D
D
D
E
E
E
G
G
H
J
J
K
Aunque el MIL-STD-105D ha estado en operacin desde 1963 y fue utilizado para miles de
aplicaciones por lo satisfactorio de sus resultados, existen aspectos negativos en su uso; por
ejemplo, han existido crticas y modificaciones en su uso, particularmente en las reglas de
cambio que segn algunos estudios son demasiado rigurosas. Otro comentario adverso es
aquel que surge cuando se intenta igualar los programas para un NAC determinado. Los
programas de muestreo en los que vara el tamao de muestra n, presentan diferentes
formas de curvas CO e idealmente tiene un solo punto en comn; la Pa de 0.95
230
Para obtener los planes de muestreo aplicando el MIL STD 105D, se procede de acuerdo a
los siguientes pasos:
1. Determinar el tamao del lote
2. Especificar el NCA (o AQL)
3. Escoger el nivel de inspeccin (usualmente el nivel II, que puede ser cambiado si la
situacin lo justifica)
4. En la tabla 9.4 y de acuerdo al tamao del lote y el nivel de inspeccin, encontrar la letra
cdigo correspondiente para el tamao de muestra.
5. Determinar el plan de muestreo a ser usado (simple, doble, o mltiple).
6. De acuerdo con la letra cdigo y el NCA, en la tabla 9.6 buscar el plan simple para
inspeccin normal o utilizar las tablas correspondientes para inspeccin severa o
reducida.
9.7.3
1.
2.
Normal a Severa: Para pasar de una inspeccin Normal a una inspeccin Severa;
cuando 2 de cada 5 lotes CONSECUTIVOS o producciones se hayan rechazado en
la inspeccin original.
3.
Severa a Normal: Para pasar de una inspeccin severa a una inspeccin normal;
despus de que 5 lotes o producciones se consideran aceptables.
4.
5.
231
6.
Figura 9.7 Diagrama de las reglas de cambio de la norma MIL STD 105
Los procedimientos de aceptacin basados en NAC (AQL) son aplicables a situaciones de
inspeccin de aceptacin por atributos, para piezas componentes, subconjuntos y artculos
finales. Tambin se pueden utilizar si se dan las condiciones apropiadas, en situaciones de
carcter administrativo. La inspeccin se puede realizar en el punto de destino, de
produccin o de suministro. Se puede utilizar para la aceptacin en diversas etapas de la
produccin o al acabado del producto.
Cuando el NAC (AQL) es pequeo, la calidad es alta y hay muchas menos unidades
defectuosas. En mejores calidades (AQL ms pequeo) se puede mantener la proteccin en
el punto del riesgo del consumidor o en el del fabricante, pero no en ambos.
Antes de que se puedan especificar los NCA, es preciso determinar las caractersticas que
se van a inspeccionar, para distribuirlas entre los diversos puntos de inspeccin, clasificar las
caractersticas en cada punto de inspeccin de acuerdo con la gravedad del detalle,
especificar la expresin del no conformidad como porcentaje de elementos defectuosos, o
defectos cada 100 unidades, en cada punto de inspeccin para cada tipo de defecto o para
defectos concretos. A esto debe seguir la especificacin de los NCA, para lo que se tendr
en cuenta las observaciones anteriores y cualquier otra, como: costo de inspeccin contra
costo de rechazo, requisitos de proyecto, calidad media de fabricante, reclamacin del
consumidor, demanda del producto, etc. Tambin se debera seguir revisando los valores de
232
NCA de forma continua entre visin de posibles cambios y para garantizar los mismos estn
de acuerdo con las necesidades de calidad.
Para cada plan de muestreo se prev, ya sea una inspeccin normal, severa o reducida.
La inspeccin normal es usada al iniciar una actividad de inspeccin.
La inspeccin severa se establece cuando el vendedor ha tenido un mal comportamiento
en cuanto a la calidad convenida. Los requisitos para la aceptacin de los lotes bajo una
inspeccin severa, son ms estrictos que una inspeccin normal.
La inspeccin reducida se aplica cuando el vendedor ha tenido un comportamiento
bueno en cuanto a la calidad. El tamao de muestra utilizado en una inspeccin reducida
es menor que en una inspeccin normal, por lo que el consto de inspeccin es menor.
Cuando el estndar se usa para planes porcentuales de artculos defectuosos, los AQL van
de 0.10% a 10%. En los planes de defectos por unidades, hay 10 NCA adicionales que llegan
hasta 1000 defectos por 100 unidades. Los NCA se ordenan en una progresin, siendo cada
NCA aproximadamente 1.585 veces el precedente.
El NCA por lo general esta especificado en el contrato o por la autoridad responsable del
muestreo. Pueden asignarse diferentes NCA para diferentes tipos de defecto. Muchos
fabricantes sienten que han confiado demasiado en los NCA en el pasado, y hoy estn
enfatizando en otras medidas de desempeo, como las partes por milln (ppm) defectuosas.
Considrese la tabla siguiente:
Relacin NCA vs. Partes por milln defectuosas
Partes por milln
NCA
defectuosas
10% 100 000
1% 10 000
0.1% 1 000
0.01% 100
0.001% 10
0.0001% 1
As, incluso NCA muy pequeos implican nmeros grandes de ppm defectuosas. En
productos complejos el efecto de esto puede ser devastador.
En la descripcin, slo se ha hecho referencia a la tabla para la inspeccin simple. Si se
estuviera interesado en un plan de muestreo doble o mltiple, se puede consultar
directamente el estndar MIL STD 105D.
Ejemplo 9.5 Suponga que un cliente plantea la necesidad de que su proveedores le enve
slo aquellos lotes que tengan un buen nivel de calidad. Para ello, se establece un plan
simple de muestreo de aceptacin. El tamao de los lotes es grande (6 000 unidades) y se
establece que el porcentaje de unidades defectuosas que se considera aceptable o
satisfactorio es del 0.4%, es decir un NCA 0.4% y se acuerda que este tipo de calidad
adecuada tendr probabilidad de aceptarse del 0.95% y por tanto un riesgo de no aceptarse
de 0.05. El riesgo del producto es = 0.05 ya que los lotes del productor que tengan 0.4%
de defectuosos, a pesar de tener una calidad aceptable, tienen probabilidad de no aceptarse
de 0.05.
Utilizando un nivel de inspeccin II, con un tamao de lote igual a 6 000 y un NCA de 0.4%,
se tiene de la tabla 9.4 que la letra cdigo para el tamao de muestra es L.
Utilizando un Plan Normal Simple, en la tabla 9.6 ubicado el rengln de la letra L y la
columna del NCA = 0.4%, vemos que el tamao de muestra es n = 200 y c = 2 (en la tabla
aparece Ac). Bajo este plan el lote se rechaza cuando se obtienen (Re = 3) tres o ms
defectuosos.
233
9.7.4
Existen varios puntos acerca de la MIL STD 105 que se deben enfatizar:
1.
2.
Los tamaos de muestra seleccionados para usarse son 2, 3, 5, 6, 13, 20, 32, 50, 80,
125, 200, 315, 1 250, y 2 000. De aqu que no todos los tamaos de muestra son
posibles.
3.
los tamaos muestrales en MIL STD 105 est relacionados con los tamaos de los
lotes. El tamao de la muestra aumenta con el tamao del lote y esto da como
resultado un aumento de la probabilidad de aceptacin para un NCA dado y por tanto
una disminucin del riesgo del proveedor. Esta caracterstica del estndar est
todava sujeta a algunas controversias. El argumento a favor del planteamiento en
MIL STD 105 es que el rechazo de lotes grandes trae consecuencias mayores para
el proveedor que el rechazo de lotes pequeos. Adems, una muestra de tamao
grande tambin proporciona ms poder discriminativo a la curva CO, con lo que la
proteccin del consumidor contra la aceptacin de lotes malos tambin aumenta.
4.
Las reglas de cambio desde una inspeccin normal, a una inspeccin severa o
viceversa tambin son sujetas de crtica. En particular, los ingenieros japoneses en
control de calidad argumentan que un nivel de calidad NCA se puede dar una
cantidad considerable de cambios errneos al pasar de la inspeccin normal a
inspeccin severa de la inspeccin normal a inspeccin reducida. Los japoneses no
utilizan las reglas de cambio del estndar, pero usan reglas de cambio que se basan
en el promedio del proceso estimado con base en los ltimos 5 lotes.
5.
234
Tabla 9.6 Tabla para Inspeccin normal. Muestreo Simple MIL-STD-105D (ABC standard)
235
Tabla 9.7 Tabla para Inspeccin rigurosa. Muestreo Simple MIL-STD-105D (ABC estndar)
236
Tabla 9.8 Tabla para Inspeccin reducida. Muestreo Simple MIL-STD-105D (ABC estndar)
237
Tabla 9.8 Nmeros lmite para Inspeccin reducida. Muestreo Simple MIL-STD-105D (ABC estndar)
238
9.8
Entre 1920 y 1930, H.F. Dodge y H.G. Roming desarrollaron un conjunto de tablas que
permiten disear planes de muestreo por atributos. Estas tablas estn basadas en dos de
los ndices de calidad para planes de muestreo:
Para cada uno de estos ndices, existen tablas para disear planes de muestreo simple y
doble. Estos planes enfatizan la proteccin del consumidor amparndolo contra la mala
calidad, ya sea en trminos de lote por lote (planes LPTD o NCA) o de la calidad promedio a
largo plazo (AOQL)
Estos planes adems, estn diseados para minimizar la inspeccin total promedio que se
necesita para valores especficos del AOQL y de p (proporcin promedio de defectuosos
del proceso). Lo mismo ocurre con los planes NCA; algo que los hace muy atractivos para la
inspeccin en el interior de una empresa como bien podra ser la inspeccin de componente
o sub-ensambles.
p = p0
Lotes
aceptados
Lotes
salientes
Lotes
entrantes
Lotes
rechazados
p = p0
Inspeccin
al 100%
p < p0
p=0
Figura 9.8 Esquema del muestreo con rectificacin
Estas tablas, fueron utilizadas primeramente para uso interno en Bell Telephone System para
reducir al mnimo la cantidad total de inspeccin, tomando en cuenta la inspeccin para
muestreo y la inspeccin para seleccin de los lotes rechazados. Es decir, conociendo el
promedio de defectuosos del proceso, que es igual a la proporcin promedio de defectuosos
de los productos a la entrada del muestreo (antes de la inspeccin). Si este promedio no se
conoce, ser necesario estimarlo, con datos histricos o haciendo un estudio inicial con una
carta p.
Dodge-Roming contiene cuatro grupos de tablas:
I.
II.
III.
IV.
En el grupo I todos los planes de muestreo en esta tabla tienen el mismo porcentaje de
defectivo tolerable en el lote. Pero los planes tienen diferentes valores de AOQL, los cuales
se presentan en la tabla para cada uno. La tabla tiene seis columnas, cada una para un
valor diferente de porcentaje promedio de defectivos en el proceso. La finalidad de estas tres
columnas diferentes es indicar el plan que incluya la inspeccin total mnima, al considerar
tanto la inspeccin de las muestras y la inspeccin de 100% de los lotes rechazados.
239
En el grupo II sera bsicamente como el del grupo I, pero para diferenciarlos es necesario
hacer una comparacin en cualquier plan de muestreo sencillo con uno doble del mismo lote
y el promedio del proceso que produzca la misma proteccin de la calidad para el lote. La
primera muestra del doble es ms pequea que la muestra nica en un sencillo. DodgeRoming muestra en su obra un diagrama el cual compara la inspeccin con muestreo sencillo
y doble para diversos tamaos de lotes y relaciones entre promedio del proceso y fraccin de
defectivos tolerables en el lote. Una caracterstica de todos los planes de muestreo doble es
que C2 es siempre de uno o ms, lo cual significa que no se rechaza ningn lote se
rechazar si tiene una sola pieza defectiva.
En el grupo III al contrario de que todos los planes para muestreo sencillo tuvieron el mismo
LTPD, todos los planes tienen el mismo AOQL, adems se presenta el porcentaje de
defectivos tolerables en el lote para cada plan. Cuanto mayor son el tamao de la muestra y
el nmero de aceptacin para un AOQL determinado, menor ser el LPTD.
Hay columnas para los promedios de los diversos procesos; el plan que hay en cada
columna es el que da la inspeccin mnima total para el promedio del proceso que se cita en
la cabeza de la columna. Por tanto, todos los planes en cualquier lnea de la tabla son
iguales en proteccin de calidad y slo difieren en la cantidad total de inspeccin requerida.
Si no hay base para estimar el promedio del proceso, el plan de muestreo se debe escoger
en la columna derecha de la tabla.
En el grupo IV las tablas que incluyen conceptos y muestreo sencillo y doble han estado
disponibles en el sistema Bell para aplicarlos a todos los tipos de inspeccin. Se necesita que
Dodge-Roming confirmen que las tablas AOQL para muestreo doble son las ms tiles de
todas.
Los planes de muestreo de aceptacin con rectificacin se emplean cuando han de
inspeccionarse muchos lotes, todos ellos obtenidos del mismo proceso de fabricacin que,
bajo control, presenta un porcentaje de unidades defectuosas (media del proceso) . La
rectificacin consiste en sustituir cada unidad defectuosa observada en la inspeccin por otra
de buena calidad. Adems, los lotes rechazados son inspeccionados al 100%, sustituyendo
todas sus unidades defectuosas.
Despus de un muestreo de este tipo el porcentaje de unidades defectuosas medio, AOQ
(average outgoing quality), ser inferior al del proceso de fabricacin . De hecho ambas
cantidades solo coincidirn cuando = 0; al aumentar el valor de el AOQ tambin
aumentar hasta alcanzar un valor mximo, AOQL (average outgoing quality limit), para
descender a partir de ese momento hasta volver a valer 0 cuando =1.
240
puede servir para disear el muestreo. Si el muestreo es simple, ATI = n Pa() + N (1Pa()), donde Pa() es la probabilidad de aceptar un lote si el verdadero porcentaje de
unidades defectuosas es . Por definicin, los valores Pa(p) son los proporcionados por la
curva CO.
Si el muestreo es doble, ATI = n1 P1a() + (n1 + n2) P2a()+ N (1- P1a() - P2a()), siendo
P1a() y P2a(), respectivamente, las probabilidades de aceptar el lote en el primer muestreo
o en el segundo muestreo. Tanto en muestreos simples como dobles, se puede definir la
fraccin inspeccionada esperada, AFI, como AFI = ATI N . Esa cantidad est relacionada con
el AOQ del proceso, de hecho AOQ = p (1 AFI). Dodge y Romig, trabajando para la Bell
Telephone, construyeron unas tablas para el diseo de muestreo con rectificacin simple y
doble, teniendo como objetivo la minimizacin del ATI. Hay dos tipos de tablas, las LTPD y
las AOQL. Para poder utilizar las tablas Dodge-Romig deben darse las siguientes
circunstancias:
a. Todos los lotes van a ser del mismo tamao N.
b. En la inspeccin al 100% de los lotes rechazados todas las unidades
defectuosas sern sustituidas por otras de buena calidad.
c. El muesteo de aceptacin se va a utilizar durante mucho tiempo.
d. La media del proceso, p, es aproximadamente conocida.
Las tablas LTPD permiten elegir el valor LTPD que se desee, entre ocho valores propuestos,
y utilizan un riesgo del consumidor = 0.1 (10%). Las tablas AOQL permiten elegir el valor
AOQL que se desee obtener, entre doce valores propuestos.
Ejemplo 9.6 Un proceso genera lotes de 8 000 piezas y de acuerdo con los registros
recientes, el proceso tiene una proporcin promedio de defectuosos de 0.35%. Se desea
evitar con un buen nivel de seguridad que no salgan lotes al mercado con una proporcin
mayor al 1%. Por ello, se establece un plan de muestreo de aceptacin, eligiendo a NCL =
1%.
De acuerdo con lo anterior, en la tabla correspondiente a NCL = 1%, se ve que el promedio
del proceso cae en la columna 0.31%-0.$0% y relacionndola con el tamao de lote se
encuentra que el plan es:
n = 910 c = 5 y LCPS = 0.32
Con este plan se tendr un riesgo pequeo (probabilidad de 0.10 o menos) de mandar lotes
al mercado con una proporcin de defectuosos del 1% o mayor. A la larga esto garantiza
que la peor calidad, que en promedio, se estar enviando al mercado es de 0.32% de
defectuosos.
Tabla 9.9 Dodge-Roming para muestreo simple para un nivel de calidad lmite, NCL 1.0% (o LTPD)
0.011 - 0.100%
0.110 - 0.200%
0.210 - 0.300%
0.310 - 0.400%
0 - 0.01%
c
LCPS%
LCPS%
LCPS%
LCPS%
32.000
0.410 - 0.500%
n
LCPS%
1-120
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
121-150
120
0.06
120
0.06
120
0.06
120
0.06
120
0.06
120
0.06
151-200
140
0.08
140
0.08
140
0.08
140
0.08
140
0.08
140
0.08
201-300
165
0.10
165
0.10
165
0.10
165
0.10
165
0.10
165
0.10
301-400
175
0.12
175
0.12
165
0.12
175
0.12
175
0.12
175
0.12
401-500
180
0.13
180
0.13
180
0.13
180
0.13
180
0.13
180
0.13
501-600
190
0.13
190
0.13
190
0.13
190
0.13
190
0.13
305
0.14
601-800
200
0.14
200
0.14
200
0.14
330
0.15
330
0.15
330
0.15
801-1 000
205
0.14
205
0.14
205
0.14
335
0.17
335
0.17
335
0.17
1 001 - 2 000
220
0.15
220
0.15
360
0.19
490
0.21
490
0.21
610
0.22
2 001 - 3 000
220
0.15
375
0.20
506
0.23
630
0.24
745
0.26
870
0.26
3 001 - 4 000
225
0.15
380
0.20
510
0.24
645
0.25
880
0.28 1 000
0.29
4 001 - 5 000
225
0.16
380
0.20
520
0.24
770
0.28
895
0.29 1 120
0.31
5 001- 7 000
230
0.16
385
0.21
655
0.27
780
0.29
1 020
0.32 1 260
0.34
7 001 - 10 000
230
0.16
520
0.25
660
0.28
910
0.32
1 150
0.34 1 500
10
0.37
10 001 - 20 000
390
0.21
525
0.26
785
0.31 1 040
0.35
1 400
0.39 1 980
14
0.43
20 001 - 50 000
390
0.21
530
0.26
920
0.34 1 300
0.39
1 890
13
0.44 2 570
19
0.48
390
0.21
670
0.29 1 040
0.36 1 420
0.41
2 120
15
0.47 3 150
23
0.50
Tamao de lote
241
Tabla 9.10 Dodge-Roming para muestreo simple para un nivel de calidad lmite, NCL 5.0% (o LTPD)
0.011 - 0.100%
0.110 - 0.200%
0.210 - 0.300%
0.310 - 0.400%
0 - 0.01%
c
LCPS%
LCPS%
LCPS%
LCPS%
LCPS%
0.410 - 0.500%
n
LCPS%
1 - 30
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
Todos
0.00
31 - 50
30
0.49
30
0.49
30
0.49
30
0.49
30
0.49
30
0.49
51 - 100
37
0.63
37
0.63
37
0.63
37
0.63
37
0.63
37
0.63
101 - 200
40
0.74
40
0.74
40
0.74
40
0.74
40
0.74
40
0.74
201 - 300
43
0.74
43
0.74
70
0.92
70
0.92
95
0.99
95
0.99
301 - 400
44
0.74
44
0.74
70
0.99
100
1.00
120
1.10
145
1.10
401 - 500
45
0.75
75
0.95
100
1.10
100
1.10
125
1.20
1 50
1.20
501 - 600
45
0.76
75
0.98
100
1.10
125
1.20
150
1.30
75
1.30
601 - 800
45
0.77
75
1.00
100
1.20
130
1.20
175
1.40
200
1.40
801 - 1 000
45
0.78
75
1.00
105
1.20
155
1.40
180
1.40
225
1.50
1 001 - 2 000
45
0.80
75
1.00
130
1.40
180
1.60
230
1.70
280
1.80
2 001 - 3 000
75
1.10
105
1.30
135
1.40
210
1.70
280
1.90
370
13
2.10
3 001 - 4 000
75
1.10
105
12
1.30
160
1.50
210
1.70
305
10
2.00
420
15
2.20
4 001- 5 000
75
1.10
105
12
1.30
160
1.50
235
1.80
330
11
2.00
440
16
2.20
5 001 - 7 000
75
1.10
105
12
1.30
185
1.70
260
1.90
350
12
2.20
490
18
2.40
7 001 - 10 000
75
1.10
105
12
1.30
185
1.70
260
1.90
380
13
2.20
535
20
2.50
10 001 - 20 000
75
1.10
135
1.40
210
1.80
285
2.00
425
15
2.30
610
23
2.60
20 001 - 50 000
75
1.10
135
1.40
235
1.90
305
10
2.10
470
17
2.40
700
27
2.70
75
1.10
160
1.60
235
1.90
355
12
2.20
515
19
2.50
770
30
2.80
Tamao de lote
Tabla 9.11 Dodge-Roming para muestreo simple para un nivel de calidad lmite Con LCPS = 2 % (AOQL)
0 - 0.04 %
0.05 - 0.40 %
0.41 - 0.80 %
0.81 - 1.20 %
1.21 - 1.60 %
0.60 - 2.00 %
Tamao de lote
n
1 - 15
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
16 - 50
14
13.60
14
13.60
14
13.60
14
13.60
14
13.60
14
13.60
51 - 100
16
12.40
16
12.40
16
12.40
16
12.40
16
12.40
16
12.40
101 - 200
17
12.20
17
12.20
17
12.20
17
12.20
35
10.50
35
10.50
201 - 300
17
12.30
17
12.30
17
12.30
37
10.20
37
10.20
37
10.20
301 - 400
18
11.80
18
10.00
38
10.00
38
10.00
38
10.00
60
8.50
401 - 500
18
11.90
18
9.80
39
9.80
39
9.80
60
8.60
60
8.60
501 - 600
18
11.90
18
9.80
39
9.80
39
9.80
60
8.60
60
8.60
601 - 800
18
12.00
40
9.60
40
9.60
65
8.00
65
8.00
85
7.50
801 - 1 000
18
12.00
40
9.60
40
9.60
65
8.10
65
8.10
90
7.40
1 001 - 2 000
18
12.00
41
8.20
65
8.20
65
8.20
95
7.00
120
6.50
2 001 - 3 000
18
2.00
41
8.20
65
8.20
95
7.00
120
6.50
180
5.80
3 001 - 4 000
18
12.00
42
8.20
65
8.20
95
7.00
155
6.00
210
5.50
4 001- 5 000
18
12.00
42
7.50
70
7.50
125
6.40
155
6.00
245
5.30
5 001 - 7 000
18
12.00
42
7.00
95
7.00
125
6.40
185
5.60
280
5.10
7 001 - 10 000
42
9.30
70
7.00
95
7.00
155
6.00
220
5.40
350
11
4.80
10 001 - 20 000
42
9.30
70
7.00
95
7.00
190
5.60
290
4.90
460
14
4.40
20 001 - 50 000
42
9.30
70
6.40
125
6.40
220
5.40
295
12
4.50
720
21
3.90
42
9.30
95
5.90
160
5.90
290
4.90
505
15
4.20
955
27
3.70
Tabla 9.12 Dodge-Roming para muestreo simple para un nivel de calidad lmite Con LCPS = 2 % (AOQL)
0 - 0.06 %
0.07 - 0.60 %
0.61 - 1.20 %
1.21 - 1.80 %
1.81 - 2.40 %
2.41 - 3.00 %
Tamao de lote
n
1 - 10
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
Todos
NCL%
11 - 50
10
19.00
10
19.00
10
19.00
10
19.00
10
19.00
10
19.00
51 - 100
11
18.00
11
18.00
11
18.00
11
18.00
11
18.00
22
16.40
101 - 200
12
17.00
12
17.00
12
17.00
25
15.10
25
15.10
25
15.10
201 - 300
12
17.00
12
17.00
26
14.60
26
14.60
26
14.60
40
12.80
301 - 400
12
17.10
12
17.10
26
14.70
26
14.70
41
12.70
41
12.70
401 - 500
12
17.20
27
14.10
27
14.10
42
12.40
42
12.40
42
12.40
501 - 600
12
17.30
27
14.20
27
14.20
42
12.40
42
12.40
60
10.80
601 - 800
12
17.30
27
14.20
27
14.20
43
12.10
60
10.90
60
10.90
801 - 1 000
12
17.40
27
14.20
44
11.80
44
11.80
60
11.00
80
9.80
1 001 - 2 000
12
17.50
28
13.80
45
11.70
65
11.80
80
9.80
100
9.10
2 001 - 3 000
12
17.50
28
13.80
45
11.70
65
10.20
100
9.10
140
8.20
3 001 - 4 000
12
17.50
28
13.80
65
10.30
85
9.50
125
8.40
165
7.80
4 001- 5 000
28
13.80
28
13.80
65
10.30
85
9.50
125
8.40
210
10
7.40
5 001 - 7 000
28
13.80
45
11.80
65
10.30
105
8.80
145
8.10
235
11
7.10
7 001 - 10 000
28
13.90
46
11.60
65
10.30
105
8.80
170
7.60
280
13
6.80
10 001 - 20 000
28
13.90
46
11.70
85
9.50
125
8.40
215
10
7.20
380
17
6.20
20 001 - 50 000
28
13.90
65
10.30
105
8.80
170
7.60
310
14
6.50
560
24
5.70
28
13.90
65
10.30
125
8.40
215
10
7.20
385
17
6.20
690
29
5.40
242
9.9
Es un plan de muestreo para aceptacin por variables, se introdujo en 1957, su punto focal
es el nivel de calidad aceptable, que varia de 0.04 a 15%. La mayor parte del muestreo para
aceptacin es por atributos y no hay duda de que continuar siendo as. No obstante, el
aumento de conocimientos de las tcnicas de control estadstico de calidad ha conducido a
un considerable incremento en el empleo en la industria del muestreo para aceptacin por
variables.
Esta norma se divide en cuatro secciones:
Seccin A. es una descripcin general de los planes de muestreo, incluyendo ediciones,
letras cdigo para el tamao de la muestra, y curvas CO para varios planes de muestreo.
Seccin B. ofrece planes de muestreo por variables que se basan en la desviacin estndar
de la muestra, para el caso en el cual se desconoce la variabilidad del lote o del proceso.
Seccin C. presenta planes de muestreo por variables que se basan en el mtodo de la
amplitud muestral.
Seccin D. proporciona planes de muestreo por variables para el caso en el que se conoce
la desviacin estndar del proceso.
A menudo el muestreo para aceptacin por variables suele ser preferible al muestreo para
aceptacin por atributos, en particular de las caractersticas de calidad que son el origen de
problemas. La gran ventaja del empleo del muestreo para aceptacin por variables es que se
obtiene ms informacin acerca de la caracterstica de calidad en cuestin, lo cual puede
conducir a cierto nmero de resultados deseables, como sigue:
1. Para una muestra de tamao dado, por lo general se puede obtener mejor proteccin
para la calidad con criterios para variables en lugar de por atributos. O dicho en forma un
poco diferente, para una proteccin dada de la calidad en contra de posibles porcentajes
de defectivos (reflejados en la curva OC), con las variables se pueden emplear muestras
ms pequeas que con los atributos.
2. El grado de cumplimiento o incumplimiento (no conformidad) con el valor deseado de una
caracterstica de calidad recibe importancia cuando se utilizan los criterios para variables.
Esto puede ser importante siempre que hay un margen de seguridad en las
especificaciones de diseo o en una zona crepuscular o de incertidumbre de valores de
la caracterstica de calidad, entre los que son claramente aceptables y los que son
inaceptables.
3. La informacin de variables suele dar una mejor base de orientacin hacia el
mejoramiento de la calidad.
4. La informacin de variables puede dar una mejor base para ponderar el historial de
calidad en las decisiones para aceptacin.
5. Es ms fcil descubrir los errores de medicin con la informacin de variables.
Denominamos caractersticas variables a aquellas que pueden ser medidas. Las condiciones
que normalmente permiten la aplicacin del muestreo de aceptacin por variables son las
siguientes:
1. La caracterstica objeto de inspeccin debe ser una variable o capaz de ser convertida
segn una escala variable.
2. La inspeccin de tributos o caractersticas esenciales resulta excesivamente costosa.
3. La inspeccin de atributos no proporcionar suficiente informacin; esto es, tambin se
requieren del alcance y las consecuencias de la variacin.
4. La distribucin de las caractersticas debe ser aproximadamente normal.
Las caractersticas distintivas de un plan de muestreo de variables, en comparacin con un
muestreo de atributos, son las siguientes:
243
Z LEI
x LEI
9.8
Obsrvese que ZLEI expresa simplemente la distancia entre el promedio muestral x y el lmite
inferior de la especificacin en la unidad de desviacin estndar. Entre ms grande sea el
valor de ZLEI, mas apartado estar el promedio muestral x del lmite inferior de la
especificacin y, por consiguiente, ms pequea ser la fraccin defectuosa del lote.
Procedimiento 2. Se toma una muestra aleatoria de n artculos del lote y se calcula ZLEI.
Esta se usa para estimar la fraccin defectuosa del lote o proceso como el rea bajo la curva
normal estndar debajo de ZLEI.
Variabilidad
desconocida
Mtodo de la desviacin
estndar
Variabilidad
desconocida
Mtodo del rango
Lmite de especificacin
de un solo lado
Procedimiento 1
Mtodo k
Variabilidad conocida
Lmite de especificacin
de los dos lados
Procedimiento 2
Mtodo M
Procedimiento 2
Mtodo M
244
Z LES
x LES
9.9
Hay muchas formas diferentes en las cuales se pueden emplear los valores reales medidos
de la caracterstica de calidad en una muestra para influir en las decisiones de aceptacin del
producto presentado. La siguiente clasificacin general de tipos de criterios variables se
pretende que constituya una base conveniente:
1. Criterios en los que la decisin depende de la distribucin de frecuencia de la muestra.
2. Criterios con el empleo de una grfica de control para variables, a fin de dividir una serie
de lotes consecutivos de inspeccin en grandes lotes con aplicacin de los criterios
para aceptacin a cada gran lote.
3. Criterios en los cuales la decisin de aceptacin o rechazo de un lote est basada tan
slo en el promedio de la muestra. Los planes en que se emplean estos criterios se
pueden llamar planes con sigma conocida o bien, planes con variabilidad conocida.
4. Criterios en los cuales la decisin est basada en el promedio de la muestra, combinado
con una medicin de la dispersin de la muestra. Estos planes se pueden llamar con
sigma desconocida o con variabilidad desconocida.
En ocasiones, hay razones legales o de otra ndole por las cuales no se deberan emplear los
criterios para variables para el rechazo de lotes aunque esos criterios sean adecuados para
la aceptacin de lotes. Esta situacin puede conducir a alguna combinacin de criterios por
variables y atributos.
La MIL STD 414 proporciona informacin para un cambio a la inspeccin estricta o a la
reducida, cuando ella se justifica. Se usa la media del proceso como base para determinar
cuando se realizara dicho cambio. Como media del proceso se toma el promedio de las
estimaciones mustrales del porcentaje defectuoso, calculadas a partir de los lotes
sometidos a la inspeccin original. Normalmente la media del proceso se calcula a partir de
la informacin de los 10 lotes anteriores. Debe implantarse la inspeccin estricta siempre
que la media del proceso exceda al NCA, y cierto numero de los lotes (mayor a un valor T
en los que se basa la media del proceso tenga estimaciones del porcentaje defectuoso
mayores que el NCA. Se utiliza la inspeccin reducida cuando:
el porcentaje defectuoso estimado para cada uno de dichos lotes es menor que un
limite inferior especificado, para el cual se proporciona una tabla especial, o en
ciertos planes, cuando el porcentaje defectuoso estimado es igual a cero para un
numero especificado de lotes consecutivos;
La produccin es estable.
245
Cuando se empieza a utilizar la MIL STD 414, puede elegirse entre los procedimientos de la
desviacin estndar conocida y la desviacin estndar desconocida. Cuando no se tiene
alguna base para conocer Sigma, debe utilizarse obviamente el plan de la desviacin
estndar desconocida. Sin embargo, es conveniente llevar una grafica de R o de S para los
resultados de cada lote, con objeto de obtener una cierta informacin acerca del estado de
control estadstico de la dispersin en el proceso de manufactura. Si este diagrama indica
un control estadstico, ser posible cambiar a un plan de sigma conocida. Tal cambio
reducira el tamao muestral requerido. Incluso en un proceso sin control perfecto, la
grafica de control podra proporcionar informacin a una estimacin conservadora de sigma
para su uso en un plan de sigma conocida. Cuando se utiliza un plan de sigma conocida,
es necesario llevar un diagrama de control R o S como una verificacin continua de la
suposicin de variabilidad estable y conocida del proceso.
Figura 9.11 Aplicacin Secuencia de las tablas MIL-STD-414, ANSI/ASQC Z1.9 E ISO 3951
9.8.1
1.
2.
3.
4.
5.
246
6.
7.
8.
9.
10.
11.
Finalmente, la MIL STD 414 contiene un procedimiento especial para planes mixtos de
muestreo de aceptacin por variables y atributos. Si el lote no satisface los criterios de
aceptacin del plan por variables, se obtendr un plan de muestreo por atributos MIL STD
105D utilizando la inspeccin estricta y el mismo NCA. Se puede aceptar un lote por
cualquiera de los planes, pero tiene que ser rechazado por ambos mtodos por variables y
por atributos.
Ejemplo 9.7 La especificacin de la resistencia elctrica para cierto componente est entre
620 y 680 ohmios. Se somete un lote de 100 componente a inspeccin normal, con AQL =
2.50 %. Debe aceptarse el lote si el promedio de muestra es de x = 647 y la desviacin
estndar muestral es 17.22?
a)
b)
Seleccin del plan: Determinar la letra cdigo en funcin del tamao del lote (N=
100) y el nivel de inspeccin (normal: IV). De la Tabla 9.13: Cdigo F. A partir de la
letra cdigo y el NAC (AQL = 2.50 %) se obtiene de la tabla 9.14 el tamao de la
muestra n y el valor de k:
n = 10: k = 1.41
c)
TU
d)
X L 647 620
U X 680 647
1.57
1.92 T L
17.22
s
s
17.22
Criterio de decisin:
Especificacin superior
TU = 1.92 k = 1.41
247
Especificacin inferior
TL = 1.57 k = 1.41
Conclusin: Aceptar el lote
Tabla 9.13 Letras Cdigo del tamao de muestra para MIL STD 414 (muestreo por variables)
Tamao del lote
II
III
IV
3a 8
9 a 15
16 a 25
26 a 40
41 a 65
66 a 110
111 a 180
181 a 300
301 a 500
501 a 800
801 a 1 300
1 301 a 3200
3 201 a 8 000
8 001 a 22 000
22 001 a 110 000
110 001 a 550 000
550 001 y ms
B
B
B
B
B
B
B
C
D
E
F
G
H
I
I
I
B
B
B
B
B
C
D
E
F
G
H
II
J
K
K
K
B
B
B
C
D
E
F
G
H
I
J
L
M
N
O
P
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
D
E
F
G
H
I
J
K
L
L
M
N
O
P
Q
Q
Tabla 9.14 Tabla maestra para inspeccin (variabilidad desconocida, para planes basados
en variabilidad desconocida
248
Ejemplo 9.8 Veamos el mismo ejemplo, aplicando esta vez el formato 2 con variabilidad
desconocida
a)
b)
Seleccin del plan: Determinar la letra cdigo en funcin del tamao del lote (N=
100) y el nivel de inspeccin (normal: IV). De la Tabla 9.13: Cdigo F. A partir de la
letra cdigo y el NAC (AQL = 2.50 %) se obtiene de la tabla 9.15 el tamao de la
muestra n y el valor de k:
n = 10: M = 7.29
c)
TU
d)
e)
U X 680 647
1.92
s
17.22
TL
X L 647 620
1.57
s
17.22
Criterio de decisin:
Especificacin superior
Especificacin inferior
Especificacin bilateral
Tabla 9.15 Tabla para Inspeccin Normal y Severa (variabilidad desconocida, mtodo de la
desviacin estndar), mtodo M
249
Tabla 9.16 Tabla para la estimacin del porcentaje de defectos en un lote utilizando el
mtodo de la desviacin tpica
Ejemplo 9.9 En una fbrica de autopartes, se han tenido problemas con la dimensin de
cierta barra de acero en el momento de ensamblarla. La longitud ideal de la barra es de 100
mm con una tolerancia de ms menos 2 mm. Se decide implementar un muestreo de
aceptacin interno con el propsito de evitar la llegada a ensamble de lotes con una calidad
muy pobre.
El tamao de lote para estas barras es de 3 000. Segn los antecedentes y los propsitos se
elige un NCA (AQL) de 1.0%. De esta forma, lotes con 1.0% de barras fuera de
especificaciones tendrn alta probabilidad de aceptar para ensamble. El nivel de inspeccin
que se utilizar es el usual (nivel IV de la tabla 9.13)
Con base en lo anterior, en la tabla 9.13 se encuentra que la letra cdigo para el tamao de
muestra es la L. Suponiendo que no se conoce la desviacin estndar del proceso y que la
misma ser estimada con S, encontramos en la tabla 9.15 que el plan de inspeccin normal
es:
n = 40, M = 2.71 %
y el plan para inspeccin severa es:
n= 40, M = 1.88 %
De un lote en particular se seleccionan aleatoriamente 40 barras y se les mide su longitud.
Con los 40 datos se calcula:
x = 100.15 y
S = 0.80
Y con estos datos a su vez:
00 .15 98
102 100.15
Z ei
2.6875
2.31
Z LES
0.80
0.80
Con estos valores en la columna de n = 40 de la tabla 9.16 y considerando el valor de ZES
igual al valor ms cercano (2.30), se estima que el porcentaje de barras en el lote que
exceden la especificacin superior es igual a pS = 0.888%. Mientras que el porcentaje de
barras que tienen una longitud menor a la especificacin inferior es pI = 0.236%. De esta
manera, el porcentaje total que se estima fuera de las especificaciones es p = 0.888 + 0.236
= 1.124%, valor menor a M = 2.71% por lo que el lote es aceptado.
250
9.9
Atributos
Variables
Inspeccin
Distribucin de medidas
individuales
Tipo de defecto
Tamao de la muestra
Depende de la proteccin
requerida
Gravedad
Referencias
BISGAARD SOREN, Spencer Graves and Rene Valverde (1998), Quality Quandaries, The impact of
measurement error on specifications, Center for Quality and productivity, Wisconsin,
BOX, G, E, P,,S ,Hunter and W, G, Hunter (1978), Statistics for Experimenters, John Wiley and Sons,
New York,
BREYFOGLE III Forest W, (2003), Six Sigma: Smarter Solutions Using statistical Methods, Segunda
Edicin ,Wile and Sons, ,Austin Texas,
GEORGE, M, L,, Gooch, J, and D, C, Montgomery (1986), America Can Compete, SMU Press, Dallas,
TX,
GUTIRREZ PULIDO Humberto y Romn De la Vara Salazar, (2004), Control Estadstico de la
Calidad,Mac Graw Hill, Mxico DF,
HINES, W, W, and D, C,, Montgomery (1990), Probability and Statistics in Engineering and
Management Science, 3rd edition, John Wiley & Sons, New York, (1st edition 1972, 2nd edition 1980),
JOHNSON, L, A, and D, C, Montgomery (1974), Operations Research in Production Planning,
Scheduling, and Inventory Control, John Wiley & Sons, New York,
KEATS, J, B, and D, C, Montgomery (editors) (1991), Statistical Process Control in Manufacturing,
Marcel Dekker, New York,
MONTGOMERY, D, C, (1997), Design and Analysis of Experiments, 4th edition, John Wiley & Sons,
New York, (1st edition, 1976, 2nd edition, 1984, 3rd edition, 1991),
MONTGOMERY, D, C, and E, A, Peck (1992), Introduction to Linear Regression Analysis, 2nd edition,
John Wiley & Sons, New York, (Probability and Statistics Series; 1st edition, 1983),
251
MONTGOMERY, D, C,, Johnson, L, A, and J, S, Gardiner (1990), Forecasting and Time Series
Analysis, 2nd edition, McGraw-Hill, New York, (1st edition 1976),
MONTGOMERY,D,(1991), Control Estadstico de la Calidad, Iberoamericana SA, California,
MONTOGOMERY, D, C, (1996), Introduction to Statistical Quality Control, 3rd edition, John Wiley &
Sons, New York, (1st edition, 1985, 2nd edition, 1991),
WHEELER D, (2005), The six Sigma Practitioners Guide to data analysis, Statistical process Control
Inc,
http://www.scribd.com/doc/63027/Conceptos-Fundamentales-en-Muestreo-de-Aceptacionhttp://www3.uji.es/~epifanio/DOCENCIA/etig/t3.pdf
http://www.unavarra.es/estadistica/I.T.I./I.T.I.%20Electricidad/Tec.Est.Control%20Produccion/
tema1_lec1.pdf
252