PLANES DE MUESTREO PARA LA ACEPTACION

BREVE INTRODUCCION
El control de recepcin o muestreo de aceptacin es el que se aplica al recibir materias
primas, productos elaborados o servicios administrativos que sern introducidos en un
proceso de fabricacin y/o administrativo para comprobar cmo cumplen unas
especificaciones de calidad. Sus tcnicas suponen un compromiso de calidad entre
fabricante y comprador o personal de servicio y usuario. La contribucin a la toma de
muestras de los expertos en estadstica, ha sido bsicamente el establecer el tamao de
las mismas y establecer los riesgos que ayuden al responsable a tomar decisiones ms
inteligentes con respecto a la aceptabilidad del producto.

PLAN DE MUESTREO POR ATRIBUTOS (Tabla militar estndar 105)

MUESTREO SIMPLE
Una empresa desea aplicar la Norma MIL-STD-105E para el muestreo de lotes de un
determinado producto de tamao N=3.000 y que histricamente ha presentado un
porcentaje de defectuosos de un 2%. Se ha convenido un nivel de calidad aceptable
(AQL) de un 1%. La empresa utiliza inspeccin normal. Con esta informacin se busca
determinar el tamao de la muestra (n) y el nmero de aceptacin (c).
Paso 1: Dado el tamao del lote y el nivel de inspeccin seleccionado se buscan la letra
que corresponde a dicho plan en la Tabla 1
En el ejemplo el tamao del lote (columna I) est en el rango entre 1.201 y 3.200 y la
inspeccin normal corresponde a la columna II. La letra por tanto a utilizar es K.
Paso 2: Buscamos en la siguiente tabla el cruce entre la letra seleccionada previamente
(en nuestro ejemplo K) y el nivel de AQL definido (en nuestro ejemplo AQL=1%).

Se obtiene n=125 como tamao de muestra, c=3 como nmero de aceptacin y r=4 como
nmero de rechazo. Es decir que el plan de muestreo simple consiste en tomar una
muestra de tamao 125 del lote y aceptar el lote si el nmero de elementos no conformes
es menor o igual a 4.
Finalmente utilizando el procedimiento de Muestreo Simple se puede determinar la
probabilidad de aceptar el lote con N=3.000, p=2%y (n,c)=(125,3).
Para estimar la probabilidad de aceptacin del lote se puede utilizar la Distribucin de
Poisson la cual generalmente se encuentra tabulada en los textos de Gestin de Calidad
o alternativamente se puede estimar de forma sencilla a travs de una planilla de clculo.
Se utiliza generalmente la Distribucin de Poisson cuando se cumplen en forma conjunta
los siguientes requisitos: n>15; p 10*n. Es importante destacar que en cuanto al tamao
de la muestra existen ciertas diferencias en los criterios, donde se requiere a veces slo
un tamao de muestra superior a 12 o 13. Si la muestra es "pequea" (asumamos un
tamao de muestra inferior a 15 unidades) se recomienda utilizar para la estimacin la
Distribucin Binominal.
Se concluye que la probabilidad de aceptacin del lote es para c =2,5 de un 75,75 %.
A continuacin se muestra como obtener un resultado similar haciendo uso de Excel:

MUESTREO DOBLE (por variable)

El tipo o ritmo de produccin de una bebida gaseosa es de 3.000 botellas por hora. La
produccin es continua. Se va a usar muestreo continuo CSP-1. Para AQL 1 por 100 y
nivel II de inspeccin determinar el plan de muestreo, asumiendo que el intervalo de
produccin es una hora.
a) En la Tabla A 16.1 para una muestra de 3000, muestreo CSP-1 y nivel II de inspeccin
hallamos que la letra-cdigo es G.
En la Tabla A 16.2 y para la letra G, la fraccin/de muestreo viene dada como 1/15. Bajo
AQL 1 por 100, el valor i viene dado como 100.

En este plan, las botellas de gaseosa sern inspeccionadas continuamente hasta que se
encuentren 100 botellas consecutivas sin ninguno de los defectos objeto de la inspeccin.
Cuando se encuentren esas 100 botellas consecutivas se iniciara una inspeccin
fraccional o de muestreo. Bajo la inspeccin de muestreo slo se supervisara una de cada
15 botellas. El AOQL para este plan viene dado como 1,35 por 100. En la Tabla A 16.4
hallamos que el valor lmite L es 475.
Esto significa que si se inspeccionan 475 botellas sin que califiquen para inspeccin de
muestreo (esto es, sin encontrar 100 botellas consecutivas libres de defectos), la
inspeccin se detendr. La produccin se interrumpir y no se reiniciara hasta que se
halle y corrija la causa que origina los productos defectuosos.

LMITE DE ESPEFICICACIN
Un embotellador de refrescos compra envases no retornables de un proveedor. El ha
establecido una especificacion inferior de 225 psi para la resistencia del estallamiento de
los envases. si 1 % o menos de los envases estallan abajo de este lmite, el embotellador
desea aceptar el lote con una probabilidad de 0.95 (p1 = 0,01, 1 = 0,95), mientras que
si 6 % o mas de los envases estallan abajo de este lmite, el embotellador querra
rechazar el lote con una probabilidad de 0.90 (p2 = 0,06, 1 = 0,90). Suponiendo
desconocida, se obtiene que n = 40 y k = 1,9. Con conocida, se obtiene que n = 15 y k =
1,9
Es necesario hallar el valor de M, para lo cual su usa la siguiente figura.
Usando la figura siguiente se obtiene p = 0,020, lo cual es menor que M = 0,030, el lote
se acepta.

DOBLE LMITE DE ESPECIFICACIN

GRFICAS DE CONTROL (X-R)

En la siguiente figura tenemos los datos de 40 subgrupos de tamao 5.
Como recordaremos de un post anterior que habamos comentado que usted puede
encontrar aqu, las ecuaciones del grfico de control de medias vienen dados por las
siguientes frmulas:

Mientras que las frmulas para el grfico de rangos vienen dados por:
Ahora bien segn la tabla de constantes que usted puede encontrar aqu, los valores de
las contantes A2, D3 y D4, para tamaos de subgrupos de 5, resultan ser: A2 = 0.577, D3
= 0 y D4 = 2.114

Por otra parte, graficaremos en el grfico control de medias, el promedio de cada

subgrupo, as que tendremos que calcular el promedio de cada subgrupo. Asimismo, en el
grfico de rangos graficaremos el rango de cada subgrupo, el cual se define para un
subgrupo en particular como el valor mximo menos el valor mnimo.

La media de los promedios de subgrupos ser XDoble Barra y la media de los rangos de
los subgrupos ser RBarra. Con todos estos elementos podemos calcular los lmites de
control de los grficos XBarra-R.

Los valores para el clculo del grfico de control de medias (XBarra) nos quedaran:

Los valores para el clculo del grfico de control de rangos, nos quedara:
Ya con estos rangos de datos podemos construir los grficos de control, como coment
anteriormente, hay un video que nos muestra cmo hacer esto, se encuentra aqu.

Una vez hechos los grficos de control, estos nos quedan as:
 Figura 6

GRFICAS DE CONTROL (X-R) INDIVUDUAL

Grficos de medidas individuales X

Este grfico es til cuando, por el tipo de proceso, slo puede obtenerse una medida por
lote o partida. Esto ocurre cuando el tipo de medicin es muy costoso (ensayos
destructivos) y en procesos qumicos donde el tiempo de anlisis es muy alto y la
variacin, en un intervalo corto de tiempo, es muy pequea. La ventaja radica en que los
valores del grfico pueden ser comparados directamente con los de la especificacin.

Ejemplo Grficos Individual y rango mvil

Una industria qumica fabrica un producto en flujo continuo del que cada 15 minutos se
toma una muestra para llevar un control de los parmetros de inters. El archivo
CLORO.MTW contiene los valores del pH y la concentracin de cloro en las muestras que
se han dado durante una semana. El contenido del archivo es el siguiente:
Columna Nombre Contenido
C1 Fecha Fecha a la que corresponden los datos
C2 Hora Hora en que se tom la muestra
C3 pH Valor del pH de muestra
C4 CI Concentracin de CI (mg/l)

Dibujar el grfico de control para observar la variabilidad del ph a lo largo de esta semana
y encontrar la referencia que nos permita establecer una pauta de control a partir de esta
informacin:

Como los datos se han tomado individualmente lo mejor es un grfico I_MR, para w=2:

I -MR Chart of pH
14
1

UCL=12,202
I ndividual Value

12

10
_
X=9,043
8

6 LCL=5,883
1 16 32 48 64 80 96 112 128 144 160
Observation

4 UCL=3,882

3
Moving Range

2
__
MR=1,188
1

0 LCL=0
1 16 32 48 64 80 96 112 128 144 160
Observation

El grfico de las medias detecta un valor fuera de lmites. Adems el de los rangos tiene
zonas que presenta ms variabilidad que otras. Antes de hacer ninguna modificacin y ya
que los datos se han registrado con el da, vamos a visualizar en el propio grfico los das.
Para esto hay que elegir la opcin del I-MR de Stages. Diciendo que distinga distintos
escenarios por fecha, queda lo siguiente:
 I-MR Chart of pH by Fecha
04/11/2002 05/11/2002 06/11/2002 07/11/2002 08/11/2002
14
1
UCL=12,843

I ndividual Value
12

10 _
X=9,128
8

6
LCL=5,413
1 16 32 48 64 80 96 112 128 144 160
Observation

04/11/2002 05/11/2002 06/11/2002 07/11/2002 08/11/2002

UCL=4,564
4
Moving Range

2
__
MR=1,397
1

0 LCL=0
1 16 32 48 64 80 96 112 128 144 160
Observation

En este grfico queda ms claro que los das de ms variabilidad fue el final del 5 y el 6
(habra que investigar las causas) y el 8 tambin se comport de manera poco natural.
Como en el 8 adems ses sale un valor fuera del grfico vamos a excluirlo y ver qu pasa.
Se excluir eligiendo en opciones de datos, excluir los que estn seleccionados con el
brush (previamente lo haremos):

I -MR Chart of pH by Fecha

04/11/2002 05/11/2002 06/11/2002 07/11/2002 08/11/2002
12,5 UCL=12,366
I ndividual Value

10,0
_
X=9

7,5

LCL=5,634
5,0
1 16 32 48 64 80 96 112 128 144 160
Observation

04/11/2002 05/11/2002 06/11/2002 07/11/2002 08/11/2002

4 UCL=4,135
Moving Range

2
__
MR=1,266
1

0 LCL=0
1 16 32 48 64 80 96 112 128 144 160
Observation
Problemas:
1. En un caso de medias aritmticas la desviacin tipo poblacional y el error tipo
tienen algunos de estos valores: 0.5 y 5 aunque no se especifica cul de estos
valores se corresponde con la desviacin tipo poblacional y cual el error tipo.
Calcula el tamao de las muestras utilizadas en la construccin de la distribucin
muestral, sabiendo que la poblacin se ha considerado con infinita.

2. Los sueldos, en miles de soles mensuales de 40 empresarios del sector de la

construccin del ao 2007 son:

Se quiere estudiar si realmente son bastante altos y cul es su distribucin.

Para conseguirlo:
a) Representa grficamente la informacin recogida

Promedio 4.685
Lim. Sup 5.023
Lim Inf 4.347
Desv.
Est. 0.712
n 40

Lim.
Datos Sup Lim Inf Media
3.9 5.023 4.347 4.685
5.3 5.023 4.347 4.685
3.3 5.023 4.347 4.685
4 5.023 4.347 4.685
4.7 5.023 4.347 4.685
3.9 5.023 4.347 4.685
4.3 5.023 4.347 4.685
5.4 5.023 4.347 4.685
3.7 5.023 4.347 4.685
4.3 5.023 4.347 4.685
4.1 5.023 4.347 4.685
3.9 5.023 4.347 4.685
5.6 5.023 4.347 4.685
5 5.023 4.347 4.685
5.8 5.023 4.347 4.685
4.7 5.023 4.347 4.685
4.3 5.023 4.347 4.685
6 5.023 4.347 4.685
4.4 5.023 4.347 4.685
3.3 5.023 4.347 4.685
4.9 5.023 4.347 4.685
4.7 5.023 4.347 4.685
4.8 5.023 4.347 4.685
4.5 5.023 4.347 4.685
5 5.023 4.347 4.685
5.1 5.023 4.347 4.685
6.1 5.023 4.347 4.685
4.7 5.023 4.347 4.685
6.1 5.023 4.347 4.685
4.2 5.023 4.347 4.685
4.3 5.023 4.347 4.685
4.2 5.023 4.347 4.685
5.1 5.023 4.347 4.685
4.4 5.023 4.347 4.685
5.3 5.023 4.347 4.685
4.5 5.023 4.347 4.685
4.5 5.023 4.347 4.685
5.8 5.023 4.347 4.685
4.5 5.023 4.347 4.685
4.8 5.023 4.347 4.685
 f(x) =
R = 0
Variacion de los sueldos
Datos Linear (Datos) Lim. Sup
Linear (Lim. Sup) Lim Inf Media

12

10

0
0 2 4 6 8 10 12

b) Crea la misma representacin en 4 clases para poder

diferenciar de forma ms clara los tipos de sueldos