Documentos de Académico
Documentos de Profesional
Documentos de Cultura
i j
. La
n n
probabilidad de la unin de los sucesos ser P Ai P Ai
i 1 i 1
En el caso de que dos sucesos A y B no sean disjuntos, la probabilidad de la unin es
P A B P A P B P A B
Interseccin de sucesos
Considrese un conjunto de sucesos Ai que no son disjuntos entre si, tales que sean
n
n
TEORIA COMBINATORIA
Ordenamientos
Se definen los ordenamientos de un conjunto de n elementos como n!
Permutaciones
n!
. En este caso
n x !
el orden en que aparecen los objetos es importante, por ejemplo, si se tienen los objetos A y
B, el objeto AB es diferente del objeto BA.
Combinaciones
Se definen las combinaciones de n objetos tomados de a x como Cxn
n!
. En este
x ! n x !
Definicin
Hay bsicamente tres autores que han profundizado en el estudio de la calidad. El primero
es W. Edwards Deming, y segn el la calidad es sobrepasar las expectativas y necesidades del
cliente a lo largo de la vida del producto. El segundo es Joseph Juran, y segn el la calidad es
la adecuacin al uso. La define como el conjunto de caractersticas de un producto que
satisfacen las necesidades del cliente y lo hacen satisfactorio, y consiste en no tener
deficiencias en el producto o en el proceso de creacin del mismo, y segn Philip B. Crosby
la calidad significa conformidad con los requisitos.
Otra definicin de calidad aceptada actualmente es la proporcionada por la norma ISO
9000:2005, en la que se establece que la calidad es el grado en que un conjunto de
caractersticas inherentes cumple con los requisitos.
Caractersticas de la calidad
La calidad presenta las siguientes caractersticas:
1- Se trata de un filosofa, no de una forma de actuar
2- No se trata de una moda, sino de un modo de hacer las cosas
3- Es hecha por la gente, no por la tecnologa. La calidad se logra mediante la
implementacin de planes y metodologas de trabajo, independientemente de la
tecnologa utilizada en el proceso de produccin
4- Es una cuestin necesaria, pero no siempre es suficiente
Tomando en cuenta todos los conceptos anteriores, puede decirse que la calidad es en esencia
realizar las actividades correctas, correctamente, la primera vez y todas las veces, y por todos
los integrantes de la empresa.
La inspeccin
Segn la norma ISO 9000-2005, la inspeccin es la evaluacin de la conformidad por
medio de la evaluacin y el dictamen, acompaada cuando sea necesario por mediciones,
pruebas, ensayos y/o comparacin con patrones. El proceso de inspeccin comenz a ser
necesario con el surgimiento de la produccin en masa, y las actividades de inspeccin para
el control de la calidad se formalizaron en 1992 con la publicacin de la obra The control of
quality in manufacturing, de Radford
Control de calidad
Segn la norma UNIT-ISO 8402, el control de calidad son todas aquellas tcnicas y
actividades de carcter operacional utilizadas para satisfacer los requisitos referentes a la
calidad. Una definicin ms moderna es la establecida por la norma ISO 9000-2005, que lo
define como parte de la gestin de calidad orientada al cumplimiento de los requisitos de la
calidad.
Control estadstico de la calidad
Esta tcnica surge en el ao 1931, con la publicacin de Control of quality of
manufacturing product, por Walter Shewhart. En esta obra se reconoce la variabilidad como
un hecho real en la produccin industrial, que podra ser estudiado basndose en los
principios de la probabilidad y la estadstica. Se desarrollaron entonces las tcnicas para
determinar los lmites de variabilidad y mtodos grficos para evaluar la calidad de un
proceso. Como resultado se obtuvieron los grficos de control de procesos
En 1951 Juran seala que los costos asociados a alcanzar un cierto nivel de calidad se
pueden dividir en costos evitables, asociados a defectos y fallas en los productos, y en costos
inevitables, asociados a la prevencin
Aseguramiento de la calidad
Segn la norma UNIT-ISO 8402 el aseguramiento de la calidad son todas aquellas
acciones planificadas y sistemticas necesarias para asegurar que un cierto producto cumple
con los requisitos de calidad establecidos
Por otro lado, segn la norma ISO 9000-2005 es parte de la gestin de calidad orientada a
proporcionar la confianza de que se cumplirn los requisitos de calidad.
El aseguramiento de calidad consta de dos aspectos fundamentales:
1- Interno: Comprende las actividades orientadas a dar confianza a la direccin de que
el sistema con el que se realiza el producto satisface los requisitos de calidad
2- Externo: Comprende las actividades orientadas a dar confianza al cliente de que el
sistema con el que se realiza el producto satisface los requisitos de calidad
Calidad total
Es un modelo que se perfecciono en Japn, a partir de la ideas de Deming y Juran, en el
que la atencin se deja de centrarse en el proceso de produccin y se traslada a todos los
aspectos de la organizacin. La calidad total es de naturaleza tcnica, nacida con los procesos
de control estadstico de Shewhart y consolidada con los conceptos de control de calidad de
los ltimos aos. Tambin se apoya en las investigaciones desarrolladas acerca del
comportamiento humano.
Gestin total de la calidad (TQM)
Es un enfoque gerencial dirigido hacia el xito a largo plazo, a travs de la satisfaccin de
los clientes, que se basa en la participacin de todos los integrantes de la organizacin y en la
LIDERAZGO
Honrado
Atento
Comprometido
Humilde
Exige responsabilidad
Respetuoso
Anima a la gente
Entusiasta
Escucha a la gente
Tiene valor
Este modelo tiene como principal aporte el mostrar como cada variable necesita de la otra.
Por otro lado, el principal defecto es que seala a un nico estilo de conduccin (9,9) como el
mejor para todas las circunstancias, siendo que no hay estudios concretos que avalen esta
hiptesis.
El enfoque de los cuatro factores
Este enfoque sugiere que son cuatro los factores de mayor importancia que hacen a un
buen lder:
1. Apoyo: Esta conducta realza los sentimientos de valor del personal y la estima que le
tienen los seguidores
2. nfasis en la meta: Consiste en motivar el entusiasmo del grupo, a fin de lograr altos
niveles de desempeo
3. Facilitacin de la interaccin: Consiste en alentar a los miembros a desarrollar
relaciones estrechas entre ellos
4. Facilitacin del trabajo: Consiste en ayudar al cumplimiento de la meta mediante la
organizacin y planificacin del trabajo.
El modelo de contingencia
En este modelo es la situacin en si la que determina que tan eficaz es un cierto estilo de
liderazgo. En contraste con la malla administrativa, este modelo asume que cada situacin
convoca diferentes caractersticas en un lder, es decir, que no existe un nico estilo de
liderazgo eficaz en todas las situaciones. Se encuentran entonces los siguientes factores que
inciden en la contingencia:
1. Nivel de relacionamiento: Es el grado de confianza, respeto, etc., que existe entre el
lder y el miembro
2. Estructura de la tarea: Se refiere a la existencia de procedimientos detallados
escritos. Por detallados se entiende que la meta debe ser clara, comprobable y
especifica.
3. Poder de la posicin: Se refiere al poder inherente que deriva de la estructura formal.
Los estudios revelan que los lderes que se orientan a la tarea tienen mayor desempeo en las
situaciones extremas, mientras que los que se orientan a las relaciones se desempean mejor
en situaciones intermedias.
El lder transaccional:
Es aquel que tiene el poder de realizar ciertas tares, y que recompensa o castiga el
desempeo del personal. Evita tomar decisiones.
El lder transformacional
Los estilos de liderazgo suelen variar segn el gnero del lder (masculino o femenino).
Lderes femeninos tienden a un estilo de liderazgo democrtico, estimulando la participacin,
compartiendo el poder e intentando elevar la autoestima de sus seguidores. Los lderes
masculinos adoptan estilos orientados hacia el control y la direccin. Estudios hechos en
primates sugieren que los lderes machos y hembras tienen mayores niveles de testosterona y
serotonina, hormonas que incrementan la competitividad y la sociabilidad respectivamente.
Estudios realizados en seres humanos concuerdan con estos ltimos. En principio, parecera
que el liderazgo es una cualidad biolgica. Sin embargo, no se ha podido determinar si son
las sustancias las que influyen en el comportamiento, o si son las situaciones las que
incrementan la segregacin de estas sustancias
EN RESUMEN: El lder es aquel que identifica y satisface las necesidades de su gente, y
remueve cualquier obstculo para que esta pueda atender correctamente al cliente.
Satisfaciendo sus necesidades se los motiva y se logra el compromiso para el cumplimiento
del objetivo colectivo
ECONOMA DE LA CALIDAD
Costos de calidad
Se entiende por costos de calidad como aquellos en los que se incurre para lograr un nivel
satisfactorio de calidad, as como las perdidas generadas por no haberlo alcanzado. Segn
Crosby, son aquellos que no existiran si todas las actividades necesarias se hubieran
realizado bien desde la primera vez.
Cuantificar los costos de calidad tiene una serie de ventajas. Permite visualizar el origen y
composicin de estos costos. Pone en evidencia los sectores y productos que tienen mayores
perdidas por mala calidad, pone en claro las mejoras que resultaran mas eficientes y fortalece
la toma de decisiones.
Costos de prevencin: Son aquellos vinculado a las actividades diseadas para prevenir la
mala calidad del producto. Entre ellos estn los asociados a:
Capacitacin
Planificacin del SGC
Auditoria del SGC
Diseo del producto y procesos
Seleccin de proveedores
Acciones correctivas
Acciones preventivas
Mantenimiento
Costos de evaluacin: Son aquellos vinculados a la evaluacin del producto o servicio. Entre
ellos estn los asociados a:
Ensayos y mediciones
Gastos de laboratorio
Auditorias de calidad y producto
Costos de fallas: Son aquellos que resultan de productos o servicios no conformes con las
necesidades del cliente.
1. Fallas internas: Son los defectos detectados antes de la entrega del producto al
cliente.
2. Fallas externas: Son los defectos detectados luego de la entrega del producto al
cliente.
La zona de proyectos y mejora es aquella en que los costos por fallas son mayores al 70 %
del costo total y los costos de prevencin son menores al 10 %. La zona de indiferencia es
aquella en que los costos de fallas son aproximadamente un 50 % y los de prevencin son
aproximadamente el 10 % y la zona de altos costos de evaluacin es aquella en que los costos
de falla son menores que el 40 % y los de evaluacin superan el 50 %
El nuevo modelo del costo de la calidad (dinmico)
La figura adjunta muestra grficamente el modelo
dinmico del costo de calidad, desarrollado por Juran y
Gryna. En este modelo se busca llevar a cero los costos
asociados a fallas tanto internas como externas, disminuir
los costos de evaluacin e invertir en actividades de
prevencin. El objetivo es lograr que el costo de la calidad
sea igual a la suma del costo por fallas mas el costo de
evaluacin.
HERRAMIENTAS DE LA CALIDAD
Trabajo en equipo
El trabajo en equipo tiene como objetivo aumentar al mximo la participacin del personal,
dependiendo de sus conocimientos y el entrenamiento del que disponen. Para lograr esto debe
establecerse una cultura del trabajo en equipo y la creacin de una estructura organizacional
acorde. El trabajo en equipo tendr entonces dos componentes bsicas: Las tareas de equipo y
los resultados esperados, entre estos ltimos el objetivo es lograr solucionar mas problemas
que mediante la accin individual. El concepto es conseguir un grupo de personas ordinarias
que produzca resultados extraordinarios. El trabajo en equipo tiene la ventaja de que las
decisiones tomadas en grupo eliminan toda burocracia y barreras jerrquicas
Tipos de equipos de trabajo:
1. Crculos de control de calidad
Son grupos de trabajadores que realizan las actividades de control de forma voluntaria y
continua, que producen auto desarrollo, control y mejoramiento en la planta con la
participacin de todos. Nacen en Japn a comienzos de los 60. Las ideas bsicas de este
grupo son La contribucin al desarrollo de la empresa, el respeto al ser humano y el
aprovechamiento de todas las capacidades del grupo.
2. Equipos de mejora
Se concentran no solo en mejorar los procesos, sino tambin en mejorar a las personas que
los producen
La triloga de Juran
La triloga de Juran define tres procesos bsicos para la gestin de la calidad
1. Planificacin: Consta de los siguientes pasos:
Determinar quienes son los clientes
Determinar sus necesidades
Desarrollar el producto acorde a estas necesidades
Desarrollar procesos capaces de producir este producto
Comunicar los planes a operaciones
2. Control: Este procesos consiste en:
Evaluar el comportamiento de la calidad
Compararlo con el planeado
Remediar las diferencias si es necesario
3. Mejora de la calidad: Este proceso consiste en
Establecer la infraestructura necesaria para la mejora
Establecer los proyectos de mejora
Establecer los equipos de proyecto
Proporcionar los recursos necesarios a los equipos
Herramientas de la calidad
Las herramientas clsicas son 7, y tienen como objetivo que la organizacin logre sus
metas en forma eficaz y eficiente
1. Grafico de Pareto
El grafico de Pareto es un grafico de barras que permite determinar la importancia relativa
de distintos problemas o causas, y esta basado en el principio del 80/20. Este afirma que un
20 % de las fuentes causan el 80 % de cualquier problema. En base a el, se pueden concentrar
los esfuerzos en las causas que tendrn mayor impacto en el caso de que sean resueltas. La
realizacin de un grafico de Pareto se hace siguiendo el siguiente procedimiento:
Se selecciona el problema
Se determinan las posibles causas
Se escoge la unidad de medida
Se elige el periodo de anlisis
Se relevan datos
Se comparan las frecuencias o costos
Se grafica
Las barras ms altas del grafico corresponden a los problemas ms importantes, y son las que
deben atracarse primero.
2. Diagrama de causa efecto
Este diagrama permite identificar y exhibir todas las posibles causas relacionadas con un
problema, a fin de descubrir sus races.
3. Diagrama de flujo
El diagrama de flujo, ampliamente utilizado en programacin, es una representacin
grafica de un proceso que muestra todas sus etapas en forma secuencial Se entiende por
proceso como el conjunto de todas las actividades que se llevan a cabo para transformar el
insumo en producto, o los pasos necesarios para completar un trabajo o tarea. Es til a la hora
de visualizar los pasos del proceso, y optimizarlo eliminando aquellos innecesarios
A fin de realizar un diagrama de flujos, se siguen los siguientes pasos:
4. La lista de verificacin
Esta tcnica permite compilar los datos a fin de detectar la tendencia central y la dispersin
del los mismos. Los pasos a seguir para la confeccin de la lista son los siguientes:
5. Diagrama de dispersin
Los diagramas de dispersin permiten identificar las relaciones entre dos conjuntos de
variables. Cabe destacar que estos solo muestran relaciones, pero no prueban que estas sean
casuales
6. Histogramas
7. Grficos de control
Resolucin de problemas
La resolucin de un problema puede lograrse siguiendo tres pasos. En primer lugar debe
identificarse el problema, luego se debe realizar un anlisis de sus posibles causas, para
finalmente plantear posibles soluciones.
La identificacin del problema puede realizarse por algunos de los siguientes mtodos:
1. Tormenta de ideas
La tormenta de ideas es una tcnica grupal que permite general alto volumen de ideas en
relacin a un determinado tema. Hace participar a todos los integrantes del grupo, y que estos
aprovechen a su vez la creatividad de los dems, promoviendo el pensamiento abierto en
equipo. Para realizar una tormenta de ideas se deben seguir los siguientes pasos:
2. Diagrama de afinidad
Es una manera de organizar la informacin proveniente, por ejemplo, de una tormenta de
ideas. Promueve la creatividad de los integrantes del grupo en todas las fases del proceso, y la
conexin no tradicional entre ideas y asuntos. La realizacin del diagrama de afinidad consta
de los siguientes pasos:
3. Diagrfico de interrelacin
Esta tcnica permite al equipo analizar las relaciones causa efecto en diferentes asuntos.
Permite identificar las fuerzas motrices que son el corazn de una solucin efectiva. Para
realizar el grafico de interrelacin se siguen los siguientes pasos:
Se plantea el problema
Se forma un equipo adecuado para su tratamiento
Se organizan las ideas
Se buscan relaciones causa-influencia entre las ideas, dibujando flechas en el sentido
de la relacin
Se compara con el diagrama de correlacin
Se calcula el nmero de flechas salientes y entrantes y se seleccionan los elementos
clave para planificacin ulterior.
Planeamiento
Desarrollo de las personas
Enfoque en el cliente externo
Informacin y anlisis
Gestin de procesos
Impacto en la sociedad y medio ambiente
Resultados
PYMES
1.
2.
3.
4.
5.
Liderazgo
Desarrollo de las personas
Inters por el cliente externo
Administracin y mejora de procesos
Resultados
El ISO tiene como objetivo promover la normalizacin de actividades conexas, con el fin
de facilitar el intercambio internacional de bienes y servicios. El resultado del trabajo tcnico
del ISO es publicado bajo la forma de normas internacionales. Abarca todas las reas,
excepto la elctrica y electrnica, de la que se encarga la IEC
Las normas ISO son de carcter voluntario, si bien pueden ser declaradas obligatorias por
los organismos con potestades legislativas, o bien impuestas contractualmente.
Particularmente, la norma ISO 9000 refiere a los sistemas de calidad y a la mejora continua
de las organizaciones. Ellas resumen las ms variadas filosofas para llevar adelante la
gestin y mejoramiento de la calidad. Son validas para cualquier tipo de organizacin,
independientemente del producto o servicio que esta ofrece.
La norma ISO 9000 tiene la siguiente estructura:
9000: Vocabulario
9001: Requisitos
9004: Mejoramiento del desempeo
19011: Auditorias
1 n
xi
n i 1
S2
n
1
2
xi x
n 1 i 1
n 1 i 1
alrededor de la media, siendo esta mas grande cuanto mayor es dicha dispersin.
Distribuciones de probabilidad
Una muestra es una coleccin de valores observados de un conjunto mas grande, llamado
poblacin. Las tcnicas estadsticas permiten realizar algunas conclusiones respecto a la
poblacin partiendo de un anlisis a una muestra de la misma.
Se llama distribucin de probabilidad a un modelo matemtico que relaciona el valor de una
variable con la probabilidad de ocurrencia de ese valor en la poblacin. Existen dos tipos
bsicos de distribuciones:
1- Discretas: Una distribucin es discreta cuando la variable solo puede tomar
valores discretos, por ejemplo, los nmeros enteros.
2- Continuas: Una distribucin es continua si la variable que se mide se expresa
en una escala continua.
En el caso de distribuciones discretas la probabilidad de que la variable tome un valor ser
P X k p k , donde p es la distribucin. Para variables continuas la variable no tomara
nunca un valor determinado, sino que se mide la probabilidad de que la misma se encuentre
b
i 1
x 1
dadas sus unidades. Para ello se define la desviacin estndar de la poblacin como
1 N
2
xi
N x 1
Distribuciones discretas de importancia
1- Distribucin hipergeometrica
Supngase que se tiene una poblacin de N artculos, de los cuales D son de una cierta
clase. Se toma una muestra de n de ellos, sin reposicin, y se observa el numero de artculos
de la muestra que cae dentro de la clase de inters, X. X es entonces una variable
C D C N D
hipergeometrica, y su distribucin de probabilidad es p k k Nn k
Cn
La media de esta distribucin es nD y la varianza es 2
N
nD
D N n
1
N
N N 1
2- Distribucin binomial
Supngase un proceso en el que se realizan n pruebas independientes, en las que cada
pruebe puede tener xito con probabilidad p, o fracaso con probabilidad 1 p. Si X es el
numero de xitos en las n pruebas, entonces X tendr distribucin binomial y su distribucin
nk
de probabilidad es p k Ckn p k 1 p
La media de la distribucin es
np
y la desviacin estndar es 2 np 1 p
3- Distribucin de Poisson
Considrese una cierta pieza, que puede contener distintos defectos. Si X cuenta la
cantidad de defectos en la pieza, entonces X tendr distribucin de Poisson y su funcin de
k
distribucin ser p k e
k!
La
Px a F a
1 x
e
2
funcin
de
a
1
2
1 x
probabilidad
acumulativa
se
define
como
, la variable resultante
i 1
i 1
varianza i2 , y sea
y x n . La variable Z
i 1
y xi
i 1
i 1
2
i
cuando n
Este teorema asegura entonces que la suma de N variables aleatorias tendr distrbucuin
aproximadamente normal, independientemente de la distribucin de cada variable. La
aproximacin mejora cuanto mas grande es n.
2- Distribucin exponencial
Una variable tiene distribucin exponencial si su funcin de distribucin es f x e x .
1
1
La media de la distribucin es y la varianza es 2 2
3- Distribucin Gamma
Una variable aleatoria X tiene distribucin Gamma si su funcin de distribucin es
x r 1 e x
f x
r
El parmetro r es llamado parmetro de forma, y el parmetro es llamado parmetro de
r
r
escala. La media de la distribucin es y la varianza es 2 2
4- Distribucin de Weibull
Una variable aleatoria X tiene distribucuin de Weibull si su funcin de distribucin es
x
f x
parmetro de escala y
. En esta funcin
es el parmetro de disposicin,
es el
1
1 y la variancia es
probabilidad acumulativa es F x 1 e
2
1
1 1 . La funcin de
Aproximaciones tiles
1- Aproximacin binomial a la hipergeometrica
En el caso de una distribucin binomial para la que la fraccin de muestreo n es muy
N
1
2 np 1 p
2
1 a np
2 np 1 p
Y ai i
i 1
n
Y2 ai2 i2
i 1
Y2 i2
i 1
f
xi
f
. De esta ecuacin se deduce que Y f 1 ,..., n y
xi
1 ,... n
x
i 1
n x
2
limite se deduce que el promedio tiene distribucin normal, x N ,
La distribucin 2
Supngase que las variables x1 ,...., xn tienen distribucin N 0,1 . La variable Y xi2
n
i 1
La distribucin t de Student
2
2
funcin de distribucin es f x
1 . La media de la distribucin es
n n
n
2
n
2
0 y la varianza es
n2
La distribucin F
X
Y
u v u 2
u
2
x
1
2
v
distribucin es f x
u v
u v
u
2
2 2 x 1
v
variable discreta
p si x 1
p x
1 p si x 0
tiene
distribucin
de
Bernoulli
si
su
cuanta
es
como
1 n
xi
n i 1
que P x a P X na Cin p i 1 p
n i
i 0
Estimacin puntual
La estadstica busca tomar decisiones respecto a una poblacin en base al anlisis de una
muestra. Para esto, supone que la poblacin sigue una determinada distribucin de
probabilidad. Sin embargo, esta distribucin no siempre es completamente conocida; existen
situaciones en las que los parmetros no son conocidos y es necesario estimarlos a partir de la
muestra. Cuando la estimacin se realiza proporcionando un valor fijo, se la llama estimacin
puntual. Un estimador puntual debe cumplir las siguientes propiedades:
12-
Debe ser insesgado, es decir, el valor esperado el estimador debe ser igual al del
parmetro
El estimador debe tener varianza mnima.
2
I x
, x 2 . Como el promedio se distribuye de forma aproximadamente
n
n
unilaterales se cambia
por
2
2- Intervalo de confianza para con desconocido
El intervalo de confianza para la media con la varianza desconocida es
t S
t S
, n 1
, n 1
n 1S 2 n 1S 2
normal, el intervalo de confianza para la ltima es I 2
, 2
, n 1
1 , n 1
2
2
12 22
12 22
I x1 x2 Z
, x1 x2 Z
unilaterales se cambia
por
n1 1S12 n2 1S 22
,
n1 n2 2
el intervalo de confianza para la diferencia de medias con las varianzas desconocidas es
1
1
1
1
I x1 x2 t
Sp
, x1 x2 t
Sp
. Para los intervalos de
, n1 n2 2
, n1 n2 2
n1 n2
n1 n2
2
2
por
S2
I 12 F
, 12 F
S 2 1 2 , n2 1, n1 1 S 2 2 , n2 1, n1 1
para
el
cociente
de
varianzas
es
p 1 p
p 1 p
como resultado el intervalo de confianza I p Z
, p Z
n
n
2
2
p1 1 p1 p 2 1 p 2
p1 1 p1 p 2 1 p 2
I p1 p 2 Z
, p1 p 2 Z
n1
n2
n1
n2
2
2
Test de hiptesis
Una hiptesis estadstica es un enunciado sobre los valores de los parmetros de una
determinada distribucin. Por ejemplo, un conjunto de hiptesis estadsticas son
H 0 : 0
H 1 : 1
El enunciado H 0 es llamada hiptesis nula y el enunciado H 1 hiptesis alternativa. El test de
hiptesis es muy til en el control estadstico, y uno de los problemas mas grandes es
determinar los valores de los parmetros asociados a las hiptesis nula y alternativa. Esto
puede realizarse por tres mtodos: Primero, estos valores pueden obtenerse de pruebas o
conocimientos anteriores. En segundo lugar, los valores pueden ser resultado de alguna teora
o modelo de proceso. Tercero, el valor del parmetro puede ser el resultado de
especificaciones en un contrato o de diseo.
El test e hiptesis consiste en tomar una muestra aleatoria de una poblacin, calcular el
estadstico apropiado y en base a el se rechaza o no la hiptesis nula. El conjunto de valores
del estadstico que producen rechazo de la hiptesis nula es llamado regin crtica.
Al realizar un test de hiptesis pueden cometerse dos tipos de errores:
Error tipo 1 : Consiste en rechazar la hiptesis nula cuando esta es verdadera
Error tipo II : Consiste en aceptar la hiptesis nula cuando esta es falsa.
Se suele definir tambin el poder de la prueba como poder 1 , que representa la
probabilidad de rechazar correctamente la hiptesis nula.
El procedimiento general del test de hiptesis consiste en especificar el error tipo I , y a
partir de el disear un procedimiento que provoque un valor pequeo del error tipo II. Este es
generalmente funcin del tamao maestral, y es controlado indirectamente.
1- Test sobre con conocido
Caso una muestra
H 0 : 0
Se considera el test
H 1 : 0
El estadstico del test es E
n x 0
y la regin crtica es R E Z
2
H 0 : 0
Se considera e test
H 1 : 0
n x 0
El estadstico del test es E
y la regin crtica es R E Z
H 0 : 0
Se considera el test
H 1 : 0
n x 0
El estadstico del test es E
y la regin crtica es R E Z
Caso 2 muestras
H 0 : 1 2
Se considera el test
H 1 : 1 2
El estadstico es E
x1 x 2
2
1
nl1
2
2
y la regin crtica es R E Z
2
n2
H 0 : 1 2
Se considera el test
H 1 : 1 2
x1 x 2
El estadstico del test es E
12
nl1
y la regin crtica es R E Z
22
n2
H 0 : 1 2
Se considera el test
H 1 : 1 2
x1 x 2
El estadstico del test es E
12
nl1
y la regin crtica es R E Z
22
n2
n x 0
S
, n 1
Caos 2 muestras
H 0 : 1 2
Se considera el test
en el caso de que las varianzas son iguales. Se calcula la
H 1 : 1 2
varianza combinada S p
n1 1S12 n2 1S 22
n1 n2 2
x1 x 2
Sp
1
1
n1 n2
H 0 : 1 2
Para el test
se aplica la regin critica R E t ,v
H 1 : 1 2
H 0 : 1 2
Para el test
se aplica la regin critica R E t ,v
H 1 : 1 2
En el caso de que no pueda suponerse que las varianzas sean iguales, el estadstico del test es
x1 x 2
E
. Las regiones criticas son las mismas, sustituyendo v por
S12 S 22
n1 n2
S12 S 22
n1 n2
S12
S 22
n1 n2
n1 1
n2 1
H : 0
Se considera el test 0
2
2
H 1 : 0
n 1S 2
2
0
y al regin critica es R E 2
, n 1
2
2
2
H 0 : 0
Para el test
la regin crtica es R E 12 , n 1
2
2
H 1 : 0
2
2
H : 0
Para el test 0
la regin crtica es R E 2 , n1
2
2
H 1 : 0
Caso 2 muestras
2
2
H 0 : 1 2
Se considera el test
2
2
H 1 : 1 2
S12
El estadstico del test es E 2 y la regin crtica es R E F
, n1 1, n2 1
S2
2
2
2
H 0 : 1 2
Para el test
la regin critica es R E F , n2 1, n1 1
2
2
H 1 : 1 2
2
2
H 0 : 1 2
Para el test
la regin critica es R E F , n1 1, n2 1
2
2
H 1 : 1 2
H 0 : p p0
Considrese el test
H 1 : p p0
x 0.5 np 0
si x np 0
np 0 1 p 0
La estadstica del test es E
x 0.5 np 0 si x np
0
np 0 1 p 0
donde x es el numero de
Caso 2 muestras
H 0 : p1 p 2
Se considera el test
H 1 : p1 p 2
n p n2 p 2
Definiendo p 1 1
, el estadstico resulta E
n1 n2
critica es R E Z
2
H 0 : 0
Se considera el test
H 1 : 0
p 1 p 2
1
1
p 1 p
n1 n2
y la regin
x 0
El estadstico es E
y la regin critica es R E Z
2
Test de aleatoriedad
2
n n 1 i 1
con el se obtiene el p valor en la tabla del test.
Test no parametritos:
1- Tests de ajuste: Test de Kolmogorov Smirnov
Dada una muestra en principio supuesta iid de distribucin desconocida F , y una
H 0 : F F0
distribucin completamente determinada F0 , el test ser
.
H 1 : F F0
cantidad de X i t
Dada la muestra, se define la distribucin emprica como Fn t
, y el
n
test toma el estadstico Dn suptR Fn t F0 t , con regin critica R Dn c n . Los
valores de c estn tabulados.
2- Tests de ajuste: Test Chi cuadrado
Caso 1: distribucin conocida
Dada un muestra iid con distribucin F desconocida, y la distribucin F0 , completamente
H 0 : F F0
determinada. El test propone
H 1 : F F0
Se subdivide R en r intervalos ai , bi . siendo a1 y b1 . Sean p j F0 b j F0 a j
r
2
n p j p j
j 1
pj
y la regin
H 0 : F F
desconocido. El test propone
H 1 : F F
En primer lugar se estima por el mtodo de mxima verosimilitud categrica, esto es, el
j 1
Nj
En
n p' j p j
p' j
parmetro a determinar.
j 1
H 0 : F N , 2
Este test propone las hiptesis
H 1 : no H 0
1 n n 1 *
Se define el estadstico DAn 2 i
X i , y se toma la regin crtica
2
n n i 1
R DAn k1 , k 2
2
n
i 1
i 1
H 0 : m m0
El test de signos toma las hiptesis
H 1 : m m0
1 si X i m0
Se definen las variables U i
,
0 en otro caso
se
1
R U C n , donde la constante se obtiene de tablas.
2
H 0 : m m0
1
H 1 : m m0
toma
la
regin
crtica
H 0 : m m0
1
H 1 : m m0
6- Comparacin de muestras independientes: Test de Kolmogorov Smirnov
Dada las muestras X e Y con tamaos m y n, con
H : F G
las hiptesis 0
H1 no H 0
mn
Se define el estadstico Dn,m sup FmX t FnY t , y la regin critica R Dn,m cm,n
7- Comparacin de muestras independientes: Test de Mann Whitney Wilcoxon
Este test toma las mismas hiptesis del anterior. Se combinan ambas muestras y se las ordena
de forma ascendente, asignado a cada una su rango. Se las vuelva a separar y se calculan
TX suma rangos X y TY suma rangos Y , y el p valor se obtiene a partir de estos
estadsticos en las tablas. X se toma con el menor nmero de datos. Este test es bueno para
detectar corrimientos (X~Y+ K)
GRFICOS DE CONTROL
totalidad de los datos caigan dentro de el rango que determinan. De esta manera, puntos
dentro del rango de los lmites de control indican que el proceso este bajo control estadstico,
mientras que puntos fuera del rango indican la presencia de causas atribuibles y la necesidad
de tomar acciones correctivas. Debe observarse que aunque todos los puntos estn dentro de
los limites de control, esto no significa que el proceso este bajo control. Para asegurar esto
ltimo los datos deben tener una distribucin aleatoria alrededor de la lnea central
Relacin diagrama de control test de hiptesis
En base a lo dicho anteriormente, puede interpretarse el diagrama de control como una
prueba de hiptesis acerca de si el proceso se encuentra o no bajo control estadstico. Pueden
entonces asignarse errores tipo I (decidir que el proceso esta fuera de control cuando no lo
esta) y tipo II (decidir que el proceso esta bajo control cuando no lo esta). La probabilidad de
error tipo II suele mostrarse en graficas.
Los diagramas de control se clasifican en dos grandes categoras. Cuando se utiliza una
tendencia central de una variable, y una cierta variabilidad, se dice que el diagrama es un
diagrama de control por variables. En el caso de que la caracterstica de control no se mida
en una escala cuantitativa, el diagrama se llama diagrama de control por atributos.
Propiedades
12345-
casos en que no es posible tal aproximacin, el calculo de los limites probabilisticos suele ser
dificultoso, ya que generalmente no se conoce la distribucin de la caracterstica.
Los lmites de tres sigmas son ampliamente usados en la prctica ya que dan buenos
resultados. Sin embargo, la seleccin del mltiplo adecuado esta muchas veces condicionada
a consideraciones econmicas del proceso.
Muchas veces se utilizan dos conjuntos de lmites de control, de dos y tres sigmas. Los de dos
sigmas o interiores son llamados lmites de advertencia, y los de tres sigmas o exteriores son
llamados de accin. Cuando se encuentran puntos en la franja entre lmites de advertencia y
de accin puede sospecharse que el proceso no funciona adecuadamente. En estos casos es
posible aumentar la frecuencia de muestreo y utilizar los datos adicionales para estudiar el
estado de control del proceso. Este tipo de seleccin de lmites aumenta la sensibilidad del
diagrama de control; sin embargo los lmites de advertencia no tienen una interpretacin
precisa y pueden llevar a confusiones.
p1 p
n
LCI p 3
p1 p
n
Linea central p
p 1 p
LCS p 3
n
p 1 p
LCI p 3
n
Los limites as obtenidos son llamados limites de prueba, y para verificar su uso tanto en el
control estadstico pasado como futuro, se debe graficar la muestra utilizada para este clculo
y observar el resultado. Los lmites de control se deben basar en un proceso bajo control, no
deben de haber puntos que caigan fuera de los lmites. En caso de encontrarlos se busca una
causa atribuible para el mismo, y en caso de encontrarla se los eliminan de la muestra y se
recalculan los limites de control. El proceso se repite hasta que la muestra que resulta tenga
todos sus puntos bajo control. En caso de no encontrar una causa atribuible se puede proceder
de dos maneras diferentes. O bien se puede eliminar el punto, no teniendo justificacin para
este procedimiento, o bien conservar el punto y aceptar los lmites de control. Esto pude
llevar a errores, ya que si el punto se debe realmente a un estado fuera de control los lmites
sern demasiado amplios. Sin embargo, si solo hay dos de estos puntos el diagrama de
control no se vera afectado en gran medida.
El tamao muestral suele seleccionarse de modo de tener una determinada probabilidad de
producir al menos 1 defectuoso en la muestra sea igual a un cierto valor
Tamao muestral variable
Muchas veces el proceso de inspeccin se hace sobre el 100 % del rendimiento del proceso
en un periodo. Como en cada periodo se pueden producir distintas cantidades de artculos, el
diagrama de control resultante tendr un tamao muestral variable. Se presentan a
continuacin los mtodos ms comunes para construir estos diagramas.
METODO I:
El primer mtodo consiste en tomar lmites de control para cada una de las muestras, del
p 1 p
tipo p 3
, mientras que la lnea central es la estimacin de la fraccin de
n
disconformes para la totalidad de las muestras.
METODO II:
basa en la suposicin de que todos las muestras tiene tamaos aproximadamente iguales, y
bajo estas consideraciones los limites de control sern constantes.
Linea central
LSC 3
LIC 3
Cabe destacar que estos clculos pueden arrojar un valor negativo para el LIC. En este caso
se toma este valor como 0.
En el caso de que el nmero promedio de disconformidades no sea conocido, se lo puede
estimar a partir de la muestra (por ejemplo, segn el mtodo de mxima verosimilitud). Es
costumbre realizar la estimacin por el promedio de disconformidades en una muestra
preliminar, . De esta manera, las lneas del diagrama sern:
Linea central
LSC 3
LIC 3
Del mismo modo que en el diagrama de fraccin de disconformidades, estos limites deben
revisarse a fin de detectar posibles faltas de control. De encontrarlas se les buscan causas
atribuibles, y si se encuentran se eliminan dichos puntos y se vuelven a calcular los limites de
control
Sistemas de demerito
Un sistema de demerito es un modelo en el que se clasifican los distintos tipos de defectos.
Un posible sistema de demritos es el siguiente:
1. Clase A Defectos muy graves
2. Clase B Defectos graves
Linea central u
LCS u 3
LCI u 3
100 2 u A 50 2 u B 10 2 u C u D
n
En estos clculos es
Diagramas de x y R
1- Diagrama de x
Considere una caracterstica de calidad que presenta distribucin normal con media y
1 n
desviacin . La media muestral definida segn x xi tendr una distribucin normal
n i 1
de
parmetros
.
n
Adems,
la
probabilidad
de
que
se
cumpla
x z
1 m
xi , estimador utilizado como lnea central del
m i 1
diagrama.
La estimacin de la desviacin estndar se puede hacer a partir de las desviaciones de las
muestras o de su amplitud, definida como R xmax xmin . A partir de la amplitud se calcula
R
1 m
, donde d 2 se
Ri , y se estima la desviacin como
d2
m i 1
encuentra tabulado para diferentes tamaos muestrales. En funcin de estas estimaciones se
Linea central
3
obtienen entonces las lneas del diagrama de control para la media, LCS
R
d2 n
3
R
LCI
d2 n
la amplitud media, R
Definiendo A2
3
d2
Linea central
resulta LCS A2 R
n
LCI A R
2
Las constantes A2 dependen nicamente del tamao muestral, y se encuentran tabuladas para
diferentes valores del mismo.
3- Diagrama de R
Este diagrama se utiliza para controlar la variabilidad del proceso. La lnea central
corresponder directamente a R , y los limites de control requieren una estimacin de la
d
desviacin de la amplitud, R , la que puede probarse se estima segn R 3 R . Tomando
d2
lmites de 3 sigmas ser entonces:
Linea central R
d3
LCS R 3 R
d2
d3
LCI R 3 R
d2
d
d
Definiendo D3 1 3 3 y 1 3 3 se obtiene
d2
d2
Linea central R
LCS D4 R
LCI D R
3
Los valores de las constantes D dependen solo del tamao muestral y se encuentran
tabulados. El proceso de construccin de diagramas cuando se utilizan muestras preliminares
es el mismo que cuando se trabajaba con diagramas por atributos (revisado de los lmites)
Linea central
LCS
n
LCI
n
Definiendo A
3
n
Linea central
LCS A
LCI A
R
, y que R d 3 .
d2
Linea central d 2
LCS d 2 3d 3
LCI d 3d
2
3
Definiendo D1 d 2 3d 3 y D2 d 2 3d 3 :
Linea central d 2
LCS D2
LCI D
1
Dado
que
el
promedio
LCS 1 k
LIS 1 k
n
n
tiene
distribucin
normal,
0 3
0 3
0 k
0 k
n
n
n
n
3k n 3k n
En resumen, para construir la curva CO se debe graficar el riesgo como funcin del
cambio a detectar, estando este expresado en unidades de desviacin estndar, para varios
valores del tamao muestral n
3- Diagrama de R
La construccin de la curva CO para el diagrama de R se basa en la distribucin de la
R
amplitud relativa, W . Si el valor bajo control es 0 , se grafica la probabilidad de no
detectar el cambio hacia un nuevo valor 1 en la primera muestra despus del cambio
El diagrama de S
Para tamaos mustrales grandes, de alredor de n 10 o n 12 el mtodo de la amplitud
R para estimar no es eficaz. En estos casos se utilizan los diagramas de x y S para realizar
el estudio estadstico.
1- En el caso de que se disponga de un valor estndar de , las lneas del diagrama de S
Linea central c 4
son LCS B6
LCI B
5
Linea central S
LCS x A3 S
LCI x A S
3
asociado son
Diagrama de S 2
Como alternativa al diagrama de S, se puede utilizar el diagrama de S 2 (varianza muestral)
para el control de la variabilidad del proceso. Las lneas de este diagrama son
2
Linea central S
S2 2
LCS
, n 1
n
1
2
S2 2
LCI
n 1 1 2 , n 1
de un
a 100
de la
como
1
2 . La grafica resultante
puede
n
utilizarse para estimar la media de la distribucin, utilizando el percentil 50, y la desviacin
estndar como la diferencia entre el percentil 84 y el percentil 50
PRECONTROL
El pre control es una tcnica utilizada para detectar cambios en
la media y la desviacin estndar de un proceso, que pueden dar
lugar a la produccin de artculos defectuosos.
Considrese un proceso con RCP = 1, o sea, que las
especificaciones coinciden con los limites de 3 sigmas., y que la
media coincide con el centro de las especificaciones. Se establecen
lneas de precontrol, LSPC y LIPC, a 1.5 sigmas de los extremos.
Dada la distribucin normal de la caracterstica de calidad y los
limites de especificacin de 3 sigmas, un 86 % de la produccin
caera dentro de las lneas de precontrol, y un 7 % cae entre las
lineas de pre control y los limites de especificacin. Con base en
esto, la probabilidad de que 2 artculos consecutivos caigan fuera
1
. Cuando se encuentran estos dos artculos
200
consecutivos es probable que el proceso haya entrado en un estado fuera de control. La
tcnica de precontrol es recomendable para proceso con
RCP 1.15
En primer lugar se procede a calificar el proceso. Para ello se deben obtener 5 artculos
consecutivos en la zona verde (entre las lneas PC). De obtenerse un articulo entre las PC y
los LIE o fuera de las LIE (zonas amarilla y roja) se debe investigar la situacin y realizar los
ajustes necesarios al proceso y reiniciar el conteo. Esto se repite hasta obtener los 5 artculos
e la zona verde.
Una vez calificado el proceso se procede a el control del mismo. Para ello se toman dos
unidades consecutivas y se las estudia:
- Si ambas caen en la zona verde, o una en la verde y una en la amarilla, se
continua sin realizar ningn ajuste
- Si los dos artculos estn en la zona amarilla o el primero esta en zona roja, se
detiene el proceso y se investigan las causas. Se realizan los ajustes necesarios y
se vuelve a calificar el proceso
Tanto como en los test de hiptesis, como en los grficos de control, se pueden definir los
errores tipo I y II en la tcnica de precontrol:
Error tipo I: Es el riesgo de obtener dos muestras en zona amarilla o una en zona roja,
cuando el proceso en realidad no necesita ajustes
Error tipo II: Es el riesgo de obtener dos muestras en zona verde cuando en realidad el
proceso necesita ser ajustado.
Asimismo, es posible determinar que parmetros han cambiado dependiendo del tipo de
alarmas. Por ejemplo, dos seales amarillas del lado de la misma PC indicaran un cambio en
la media, mientras que dos seales amarillas, de cada lado de una de las PC, indican un
cambio en la dispersin del proceso. Si la relacin de capacidad del proceso es mucho mayor
que 1 la tcnica pierde eficiencia, ya que se puede volver insensible a estos cambios.
Frecuencia de muestreo
La frecuencia de muestreo depende de la frecuencia con la que deben hacerse los ajustes al
tiempo de ajuste
proceso, segn frecuencia
6
El muestreo para aceptacin es una tcnica utilizada para decidir el destino de un lote de
artculos. Consiste en tomar una muestra del lote e investigar una determinada caracterstica
de calidad de sus artculos. Se toma una decisin acerca del destino del lote en base a la
informacin proporcionada por la muestra. Deben tenerse en cuenta los siguientes aspectos
en cuanto al muestreo para aceptacin:
1- El objetivo es juzgar el lote, no estimar su calidad
2- No proporcionan forma directa de control de calidad, solo acepta o rechaza
lotes. Los aceptados no necesariamente seran los mejores y los rechazados no
necesariamente seran los peores.
3- El uso eficiente del muestreo para aceptacin consiste en verlo como una
herramienta de verificacin de que la produccin de salida cumple los
requisitos.
El muestreo por aceptacin es particularmente til en los siguientes casos:
El ensayo es destructivo
Es alto el costo de una inspeccin al 100 % (inspeccionar cada articulo del lote)
Cuando la inspeccin al 100 % no es tecnolgicamente factible
Cuando el proveedor tiene excelente historial de calidad y se quiere reducir la
inspeccin al 100 %, pero la RCP es lo bastante baja como para que la no inspeccin
sea una alternativa insatisfactoria.
Cuando existe riesgo serio en cuanto a la responsabilidad legal por el producto y se
necesita un programa de vigilancia continua.
Muestreo al azar
Las unidades para inspeccin deben tomarse al azar del lote y ser representativas de todos
los artculos del mismo; de otro modo se introducir un sesgo. Una forma sugerida de tomar
una muestra aleatoria es la siguiente:
Se le asigna un numero a cada articulo del lote. Luego se toman n nmeros al azar entre 1 y
la cantidad de artculos del lote (esto puede hacerse mediante una PC o calculadora) y se
seleccionan los artculos correspondientes a estos nmeros para la muestra.
MUESTREO SIMPLE
Teniendo un lote de tamao N, el plan de muestreo simple queda definido por el tamao
muestral n y el nmero de aceptacin c. Si el numero de disconformes en la muestra n es
menor o igual a c, se acepta el lote, y si es mayor se lo rechaza
Curva CO
La curva caracterstica de operacin (CO) para un plan de muestreo es una medida del
funcionamiento del mismo. La curva representa la probabilidad de aceptar
el lote como funcin de la fraccin muestral defectuosa. Un proceso ideal
en el que se rechazan solo los lotes malos y se aceptan solo los buenos
tendra una curva CO como la que se muestra en la ultima figura. Esta
curva es imposible de obtener (tericamente, solo se podra obtener en el
caso de una inspeccin al 100 % sin errores).Sin embargo, se puede
aproximar a esta forma si se aumenta el tamao muestral n. De esta
manera, al aumentar el tamao muestral crece el poder del muestreo para
detectar entre lotes buenos y lotes malos. Si en cambio se mantiene
constante el valor de n y se cambia c, se observa que la curva se desplaza
hacia la izquierda al disminuir el valor del nmero de aceptacin.
El AQL representa el peor nivel de calidad del proceso del proveedor que
el consumidor considerar aceptable. Se trata de una propiedad del
proceso de fabricacin y no del plan de muestreo ( un estndar contra el
que se juzgan los lotes), y el consumidor diseara el plan de muestreo de
modo de obtener una alta probabilidad de aceptacin al AQL. Tambin es
interesante analizar el punto opuesto en la curva CO, esto es, la proteccin
contra lotes individuales de calidad deficiente. El consumidor puede
establecer un porcentaje defectuoso tolerable por lote (LTPD). El LTPD
es el peor nivel de calidad que el consumidor esta dispuesto a aceptar por
lote individual. No es una propiedad del muestreo, sino que es un nivel de
calidad por lote fijado por el consumidor.
Planes con c = 0
Las curvas CO de planes con numero de aceptacin c 0 tienen
forma muy distinta a las curvas correspondientes a c 0 . Como se
ve en la figura, las primeras suelen ser convexas en todo el dominio,
lo que tiene como consecuencia que la probabilidad de aceptacin
disminuya rpidamente, incluso para fracciones disconformes
pequeas en el lote. Esto puede ser costoso para el proveedor, y en
algunas circunstancias tambin para el consumidor.
Planes de muestreo porcentuales
Estos planes consisten en tomar el tamao muestral como un
porcentaje fijo del tamao del lote, y sus curvas CO se muestran en la
figura.. La principal desventaja de este mtodo consiste en que el nivel
de proteccin varia con el tamao muestral
Diseo del plan de muestreo simple con curva CO especifica
Es practica comn disear el muestreo simple de modo que la curva CO pase por dos
puntos determinados, generalmente determinados por los riesgos y . Si se quiere
disear el muestreo de modo que la probabilidad de aceptacin para un lote con fraccin p1
sea 1 , y para una fraccin p 2 . El tamao muestral n y el numero de aceptacin c estn
dados por
c n i
n i
Ci p1 1 p1 1
i 0
c
C n p i 1 p n i
i
2
2
i 0
Generalmente se utiliza p1 correspondiente al AQL y p 2 correspondiente al LTPD. Estos se
llaman punto de riesgo del fabricante y punto de riesgo del consumidor
respectivamente
Inspeccin rectificadora
Al rechazar un lote es necesario aplicar una accin correctiva. Esto significa realizar una
inspeccin al 100 % de los lotes rechazados, retirando los defectuosos que se encuentran.
Estos programas de muestreos son conocidos como programas de inspeccin rectificadora, ya
que la inspeccin influye en la calidad de salida. En resumen, estos programas sirven para
corregir la calidad del lote.
Una forma de evaluar un plan de muestreo rectificador es la calidad media de salida (AOQ),
definida como la calidad en el lote resultante de aplicar la accin rectificadora. Es el valor
medio de la calidad del lote que se obtendra despus de una gran sucesin de lotes con la
misma fraccin defectuosa p. Puede probarse que la formula que define el AOQ es
P p N n
AOQ a
. Cuando el tamao del lote es muy grande, la ecuacin se reduce a
N
AOQ Pa p . La curva que resulta de graficar el AOQ contra la fraccin defectuosa se llama
ATI n 1 Pa N n
MUESTREO DOBLE
Dado El lote de tamao N, el plan de muestreo doble queda definido mediante cuatro
parmetros:
5678-
Inspeccin rectificadora
En
Esta normativa establece un sistema para el muestreo para aceptacin por atributos, tanto
para la recepcin de lotes de manera continua como de forma aislada. Proporciona los planes
de muestreo, las curvas operativas para cada uno, e informacin acerca de la calidad limite y
del tamao muestral promedio para muestreos dobles y mltiples en relacin al muestre
simple.
La norma realiza las siguientes definiciones:
Unidad de muestreo: Puede referirse a artculos o porciones definidas del material a
inspeccionar como ser longitud, rea, volumen, segn se presente el material. Pueden ser:
6. Se consultan las tablas II, III o IV segn corresponda para definir el plan de muestreo
segn la inspeccin sea normal, estricta o simplificada
7. Se comienza con la inspeccin. Se debe empezar en un nivel normal, y cambiar a
estricto o simplificado segn las reglas de modificacin.
Se define el AQL
Se define el riesgo del consumidor (10 % o 5 %)
Se define la calidad limite o el LTPD
Se consultan las tablas VI o VII y se localiza segn AQL y LTPD la letra cdigo y
tamao de muestra
5. Con la letra obtenida se consulta la tabla II para definir el plan.
Las tablas VI o VII corresponden a riesgos del 10 % y 5 % respectivamente.
Datos adicionales en la norma
La norma tambin presenta en las tablas X las curvas CO para muestreo simple y en las
tablas IX las curvas de tamao muestral promedio para sistemas de inspeccin doble y
simple.