Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap CRecep
Cap CRecep
Control de recepcin
1. Introduccin
2. Curva caracterstica
3. Plan de muestreo simple
4. Plan de muestreo doble
5. Plan de muestreo secuencial
6. Plan de muestreo rectificativo
7. Plan Military Standard 105E
ANEXO El Proceso de Bernoulli
0 Apuntes realzados por el Profesor Ismael Snchez para la asignatura: Mtodos Estadsticos para la Mejora de
1
2 Control de recepcin
2.1. Introduccin
Llamaremos lote a un conjunto elevado de artculos del que tenemos que decidir si adquirimos
o rechazamos en funcin de la proporcin de artculos defectuosos que tenga. Normalmente, un lote
tiene un nmero de artculos demasiado elevado para poder inspeccionar todos ellos, por lo que slo
ser factible el anlisis de un conjunto de esos artculos extrados del lote. Llamaremos muestra
al conjunto de artculos que extraemos del lote y que sern los nicos que examinaremos para ver
si son defectuosos o aceptables. Esta es con frecuencia la situacin en el suministro de artculos
manufacturados. Los artculo son suministrados en lotes, los cuales pueden ser examinados bien
por el fabricante antes de su envo, o bien por el comprador antes de aceptarlos. Esta inspeccin
consiste en examinar una muestra o conjunto de muestras de los lotes y tomar una decisin en
funcin de la evidencia observada en la muestra. En este tema estudiaremos la seleccin de este
tamao muestral de manera que las conclusiones que se obtengan del anlisis de la muestra puedan
ser extendidas al lote completo con cierta fiabilidad. Por tanto, tomaremos una decisin sobre
el lote completo en funcin de lo que observemos en la muestra. En la mayora de los
procedimientos supondremos que el lote es muy grande comparado con el tamao de la muestra y,
por tanto, a efectos prcticos podra considerarse que el lote es una poblacin de tamao infinito.
Existe una gran variedad de procedimientos estadsticos para la realizacin de este muestreo de
aceptacin. Aqu se describirn slo los ms importantes. Por ejemplo, un procedimiento sencillo
para realizar el muestreo consistira en la extraccin de una nica muestra de cada lote y aceptar
el lote entero si en la muestra hay menos de cierto nmero de artculos defectuosos. Ejemplos ms
sofisticados podran ser tomar muestras sucesivas de pequeo tamao y en cada muestra tomamos
la decisin de aceptar el lote, rechazar el lote o seguir muestreando.
En este tema centraremos nuestra atencin en el muestreo por atributos por ser el ms
frecuente, aunque muchos de los principios de este tipo de muestreo tambin son aplicables al
muestreo por variables.
un nmero reducido de artculos defectuosos, la muuestra tambin los tenga; o si el lote tiene
una proporcin elevada de artculos defectuosos, la muestra tambin los tenga. La eficacia de un
procedimiento de muestreo de aceptacin se resume en la llamada curva caracterstica, curva OC
o curva caracterstica de operaciones (en ingls Operating Characteristic curve o ms conocida por
OC curve). La curva caracterstica es un grfico que expresa, para un plan de muestreo
concreto, la probabilidad de aceptar un lote en funcin del procentaje p de artculos
defectuosos existentes en el lote. Llamemos OC(p) a esta probabilidad. Ntese que p es una
propiedad del lote: es la probabilidad de que un artculo extrado al azar del lote sea defectuoso. . Si
p = 0 aceptaremos siempre ese lote, pues cualquier muestra que extraigamos estar libre de artcu-
los defectuosos. Por tanto, OC(0) = 1. Asmismo, si todos los artculos son defectuosos (p = 1)
rechazaremos siempre ese lote, pues cualquier muestra que se extraiga tendr todos los artculos
defectuosos. Por tanto, la probabilidad de aceptar el lote ser cero: OC(1) = 0.
Si un lote se acepta en funcin del resultado de la observacin de una muestra y 0 < p < 1,
est claro que se ha de estar siempre dispuesto a aceptar artculos defectuosos, pues incluso si en
la muestra no hay artculos defectuosos, el lote s podra tenerlos si p > 0. Supongamos que la
proporcin de artculos defectuosos que se est dispuesto a admitir para un lote es pA . En ese
caso, aceptamos un lote si su proporcin de artculos defectuosos es p pA y rechazamos el lote
si p > pA . Un plan de muestreo ideal debera llevar siempre a aceptar un lote que tenga una
proporcin de defectuosos p pA , es decir OC(p pA ) = 1. Por el contrario, si p > pA dicho plan
ideal debera siempre llevar a rechazar el lote, por tanto OC(p > pA ) = 0. La curva caracterstica
de este plan ideal sera la expresada en la figura 2.1
0.8
OC(p)
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
Proporcin de defectuosos
Prop. de defectuosos admisible
Un plan ideal no podr establecerse nunca. La razn est en que la proporcin de artculos
defectuosos del lote, p, es un dato desconocido, puesto que no examinamos el lote sino slo
una muestra. Una vez extrada una muestra de tamao n de un lote de tamao N >> n, la
proporcin de artculos defectuosos que se encuentren en la muestra puede no coincidir con la
proporcin que se encuentre en el lote. Supongamos que se tiene un lote no admisible por tener
una proporcin de defectuosos alta, p > pA . El comprador de ese lote puede tener mala suerte
4 Control de recepcin
y seleccionar una muestra con muy pocos artculos defectuosos, llevndole a adquirir un lote no
admisible. Anlogamente, un lote con muy pocos artculos defectuosos, p pA puede ser rechazado
si se selecciona una muestra donde, por azar, haya muchos artculos defectuosos. Por tanto, en un
muestreo de aceptacin siempre existe el riesgo de tomar una decisin equivocada.
Vemos, adems, que las equivocaciones son en dos sentidos: rechazar lotes buenos (riesgo para el
vendedor) y aceptar lotes malos (riesgo para el comprador). La efectividad de un plan de muestreo
se determinar por la capacidad de minimizar estos dos riesgos. Grficamente, equivale a disear
un plan de muestreo cuya curva OC no se aleje mucho de la curva ideal mostrada en la figura 2.1
anterior. El objetivo de un diseo de un plan de muestreo es, pues, doble:
1. Garantizar que, aplicando dicho plan, lotes con un porcentaje de defectuosos bajo se acepten
con una probabilidad muy alta. Esto es equivalente a decir, que a la izquierda de pA la curva
OC(p) se aproxime a la unidad.
2. Garantizar que lotes con un porcentaje de defectuosos alto sean aceptados con una probabil-
idad muy baja. Por tanto, a la derecha de pA la curva OC(p) correspondiente se aproxime a
cero.
Veamos esta idea con un ejemplo. Supongamos que un comprador est dispuesto a aceptar
aquellos lotes que tengan un porcentaje de defectuosos menor o igual al 6 % (pA = 0,06). Suponga-
mos que dicho comprador aplica el siguiente plan: se toma una muestra de n =50 artculos de un
lote y se acepta el lote entero si se encuentran 3 menos artculos defectuosos en dicha muestra. Si
llamamos p al porcentaje de artculos defectuosos del lote (nmero desconocido) y p al porcentaje
de artculos defectuosos observados en la muestra, el plan descrito anteriormente equivale a aceptar
lotes cuya muestra tenga un porcentaje de defectuosos p menor o igual a pA = 0,06. Vamos a
obtener la curva OC de este plan, y as poder juzgar si ese plan es adecuado o no.
Tendremos, por tanto, que el nmero de artculos defectuosos d en una muestra de tamao n
procedente de una poblacin donde la probabilidad de que un artculo sea defectuoso es de p es
d B(n, p).
2.2 Curva caracterstica 5
A partir de este modelo de probabilidad podemos ya obtener la curva OC. Veamos primeramente el
caso en que la proporcin de artculos defectuosos del lote es precisamente p = pA = 0,06. En este
caso, aceptaramos el lote si lo exminsemos entero. Sin embargo, la decisin se tomar en base
al resultado de la muestra de tamao n = 50. El nmero de artculos defectuosos en una muestra
de tamao 50 ser d B(50, 0,06). La probabilidad de obtener 0, 1, 2 3 artculos defectuosos
(que ser cuando se acepte el lote) se puede evaluar con la funcin de probabilidad de la binomial.
En el modelo binomial, la probabilidad de que la variable aleatoria d B(n, p) tome el valor r es
P (d = r) = n r
r p (1 p)
nr
; r = 0, 1, ..., n.
r =nmero de P (d = r) P (d r) P (d > r)
art. defectuosos
0 0.045 0.045 0.955
1 0.145 0.190 0.810
2 0.226 0.416 0.584
3 0.231 0.647 0.353
En la primera columna de esta tabla estn distintos valores de artculos defectuosos, desde r = 0
hasta r = 3. En la segunda columna se encuentra la probablidad de encontrar dichos artculos de-
fectuosos. Por ejemplo, la probabilidad de que en la muestra haya exactamente d = 3 artculos
defectuosos (p = d /50 = 0,06 = pA ) es muy baja, tan solo del 23,1 %. La segunda columna mues-
tra la probabilidad acumulada de obtener valores menores o iguales a los sealados. Esta columna
se ha construido sumando los valores de la columna de la izquierda hasta el valor r considerado.
Por ejemplo, la probabilidad de obtener 3 artculos defectuosos o menos (3,2,1, ninguno) es del
64,7 %. La ltima columna es la complementaria de la anterior (P (d > r) = 1 P (d r)) y
refleja la probabilidad de obtener un nmero de artculos defectuosos superior al indicado. Por
ejemplo, la probabilidad de obtener ms de tres artculos defectuosos es del 35,3 %. Si el plan
de muestreo determina que se acepta el lote si en la muestra hay tres artculos defectuosos o
menos, se aceptar este lote con una probabilidad del 64,7 %. Por tanto, en este plan de muestreo
OC(p = pA = 0,06) = 0,647. Por tanto, con este plan, un lote aceptable se acepta slo el 64,7 % de
las veces, pues el resto de las veces las muestras extradas darn una visin pesimista del lote (ms
de tres artculos defectuosos de cincuenta). El grfico 2.2 extiende los valores de la tabla anterior
a ms valores de r. En este grfico puede verse que, aunque este lote sea aceptable (p = pA ) la
probabilidad de obtener muestras donde p > pA no es baja. Por ejemplo, la probabilidad de encon-
trar una muestra con un 8 % de artculos defectuosos (lo que equivale a d = 4) es superior al 16 %.
En este ejemplo, el lote contena una porporcin de artculos defectuosos que estaba justo en
el lmite de lo admisible (p = pA = 0,06). En el caso en que el lote contenga un 10 % de artculos
defectuosos (p = 0,10 > pA ) el lote sera claramente rechazable. Sin embargo, es posibe que con
el presente plan se acepte. Para verlo basta con usar la distribucin binomial para evaluar la
probabilidad de obtener tres o menos artculos defectuosos en una muestra de tamao 50 de dicho
lote. Los resultados se recogen en la tabla 2.2:
6 Control de recepcin
Distribucin binomial
0,24 Muestra:
n=50
0,2 p=0.06
Probabilidad
0,16
0,12
0,08
0,04
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nmero de defectuosos
r =nmero de P (d = r) P (d r) P (d > r)
art. defectuosos
0 0.005 0.005 0.995
1 0.029 0.034 0.966
2 0.078 0.112 0.888
3 0.139 0.251 0.749
Vemos en esta tabla que la probabilidad de aceptar este lote no admisible con el presente plan es
del 25,1 %, que es la probabilidad de encontrar una muestra con tres o menos artculos defectuosos.
Este ser otro punto ms de la curva caracterstica de este plan: OC(p = 0,10) = 0,251. Este lote
se rechazar, por tanto, el 74,9 % de las veces. La figura 2.3 muestra ms valores correspondientes
a la binomial B(50,0.10).
Hasta ahora hemos visto el caso de un lote con una proporcin de artculos defectuosos igual
a la mxima admisible, donde hemos visto que se aceptaba slo el 64,7 % de las veces con el plan
propuesto. Hemos visto tambin el caso de un lote cuya poporcin de artculos defectuosos era
superior al lmite admisible y que, por azar de la muestra, poda aceptarse el 25,1 % de las veces.
Por ltimo, vamos a ver el caso en que el lote tiene una proporcin de artculos defectuosos menor
a la mxima admisible. Supongamos ahora que la proporcin de artculos defectuosos es de slo
p = 0,03, la mitad de la proporcin mxima admisible pA . En este caso, la probabilidad de obtener
hasta tres artculos defectuosos en una muestra de tamao 50 viene recogida en la tabla 2.3
Vemos en esta tabla que la probabilidad de aceptar el lote es del 93,7 %. Por tanto, OC(p =
0,03) = 0,937. Con este dato ya seran cinco los puntos que se han obtenido para el plan de
muestreo. Estos cinco puntos se recogen en la tabla 2.4.
2.2 Curva caracterstica 7
Distribucin binomial
0,2 Muestra:
n=50
0,16 p=0.10
Probabilidad
0,12
0,08
0,04
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nmero de defectuosos
r =nmero de P (d = r) P (d r) P (d > r)
art. defectuosos
0 0.218 0.218 0.782
1 0.337 0.555 0.445
2 0.256 0.811 0.189
3 0.126 0.937 0.063
De esta forma se podran obtener ms puntos de la curva OC. Para ello, basta con calcular,
para distintos valores de p, la probabilidad de obtener tres defectuosos o menos con ayuda de la
binomial B(50, p). La figura 2.4 muestra la representacin grfica de esta curva utilizando los cinco
datos anteriores as como los correspondientes a los puntos p = 0,15, 0,20 y 0,30, los cuales se
han obtenido siguiendo el mismo procedimiento anterior. En esta figura, la curva OC se muestra
superpuesta a la correspondiente a la del hipottico plan ideal.
De esta curva OC puede deducirse que, dado un plan de muestreo, tanto el comprador como el
vendedor corren sus riesgos. El comprador corre el riego de adquirir un lote que sea peor de lo que
mostraba la muestra y por tanto quedarse con un lote con un porcentaje de defectuosos superior al
que estara dispuesto a admitir. Por otra parte, el vendedor corre el riesgo de que un lote bueno
parezca malo porque en la muestra aparecieron una proporcin de defectuosos muy superior a la
del lote.
p OC(p) = P (d 3)
0,00 1,000
0,03 0,937
0,06 0,647
0,10 0,251
1,00 0,000
Cuadro 2.4: Probabilidad de aceptar un lote con una proporcin de artculos defectuosos p. Plan de muestreo: se
extrae una muestra de tamao 50 y se acepta el lote si hay tres o menos artculos defectuosos en la muestra.
8 Control de recepcin
plan ideal
1 ejemplo
0.8
OC(p)
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
Proporcin de defectuosos
p=0.06
Figura 2.4:
Por esta razn, para determinar un plan de muestreo, el comprador y el vendedor deben acordar
un plan que sea justo para ambos. Es decir, deben negociar un plan de muestreo con una curva
OC que les interese a ambos. Negociar una curva OC puede ser complicado, por lo que el acuerdo
entre comprador y vendedor se suele limitar a fijar unos pocos puntos de ella. En primer lugar, el
comprador debe especificar el nivel de calidad que le gustara que le suministrase el vendedor. La
proporcin de artculos defectuosos de un lote que es aceptable para el comprador se le denomina
nivel de calidad aceptable (NCA, y en ingls AQL, acceptable quality level ) y corresponde
al valor pA mencionado anteriormente. La probabilidad de que un lote de calidad aceptable sea
rechazado por azar de la muestra se denomina riesgo del vendedor y la denotaremos por . Este
riesgo coincide con la probabilidad de rechazar el lote cuando p = pA y es igual a = 1OC(pA ).
Por tanto:
Usualmente, un plan de muestreo se disea de forma tal que este riesgo est cercano al 5 %.
En el caso del plan de muestro del ejemplo anterior, este riesgo coincide con la probabilidad de
rechazar el lote cuando p = pA = 0,06 y es igual a = 1OC(pA ) = 0,353 (ver tabla 2.1), por lo
que dicho plan sera difcilmente aceptado por un vendedor.
Por otra parte, para determinar la probabilidad de aceptar un lote de mala calidad, el com-
prador debe tambin decidir qu nivel de calidad es absolutamente inaceptable. A la proporcin
de artculos defectuosos en un lote que es inaceptable para el comprador se le denomina nivel de
calidad rechazable (NCR, en ingls se suele denominar limiting quality level -LQL- o lot toler-
ance percentage defective -LTPD). A esta proporcin de defectuosos inaceptable la denotaremos
por pR . Normalmente pR /pA est entre 4 y 10. La probabilidad de que un lote de nivel de calidad
rechazable sea aceptado por azar de la muestra se denomina riesgo del comprador y se le denota
por . Usualmente, los planes de muestreo se disean de forma tal que este riesgo sea alrededor
del 10 %. Por tanto:
2.3 Plan de muestreo simple 9
En el ejemplo anterior, si tomamos pR = 4pA = 0,24, se obtiene que el riesgo del comprador es
=OC(0,24) 0, por lo que dicho plan es muy ventajoso para el comprador mientras que no lo
es para el vendedor.
Plan de muestreo simple: se toma una muestra y se rechaza el lote si en la muestra hay ms
de cierto nmero de artculos defectuosos
Plan de muestreo doble: similar al simple. Si el nmero de artculos defectuosos deja duda
sobre la aceptacin del lote se toma una segunda muestra
Plan de muestreo rectificativo: los lotes rechazados se revisan al 100 % y los artculos defec-
tuosos se sustituyen por artculos aceptable.
Plan Military Standard 105E: conjunto de tablas que determina el plan de muestreo segn
diferentes caractersticas de los lotes.
Prefijados uno valores de pA , pR , y puede ser imposible encontrar un plan que se ajuste
a nuestros requerimientos. Sin embargo, se puede encontrar alguna aproximacin razonable. Un
programa estadstico puede ayudarnos a encontrar una solucin a un determinado plan de muestreo.
Una forma fcil de disear el plan es utilizando las propiedades de la distribucin binomial,
como se expuso en la seccin anterior. Tambin puede utilizarse la aproximacin a la normal si el
tamao muestral es suficientemente grande. Veamos a continuacin un ejemplo.
Ejemplo 1:
Se desea disear un plan de muestreo simple con los siguientes parmetros: pA = 0,02; =
0,05; pR = 0,04; = 0,05. El resultado del plan ser la determinacin del tamao muestral n
y del nmero de aceptacin c. Vamos a suponer que el tamao muestral n que hay que calcular
10 Control de recepcin
ser lo suficientemente grande como para poder utilizar la aproximacin a la normal (y tal que
np(1 p) > 5). Sea d el nmero de artculos defectuosos de la muestra. Entonces
d B(n, p) N (np, np(1 p)) .
Los valores pA = 0,02 y = 0,05 significan que la probabilidad de rechazar un lote con una
proporcin de defectuosos igual a pA = 0,02 es = 0,05. Es decir:
P (d > c | p = pA = 0,02) = 0,05.
Estandarizando:
!
d npA c npA
P (d > c) = P p >p = 0,05
npA (1 pA ) npA (1 pA )
Consultando las tablas de la N (0, 1) vemos que el valor que deja a la derecha un rea igual a 0.05
es z = 1,64. Por tanto:
c npA
z = p = 1,64. (2.1)
npA (1 pA )
Despejando c y aplicando que pA = 0,02 se obtiene:
p
c = npA + z npA (1 pA ) (2.2)
0,02n + 0,23 n. (2.3)
Anlogamente, de las especificaciones de pR = 0,04 y = 0,05 se obtiene que la probabilidad
de aceptar un lote con un porcentaje de defectuosos del 4 % ser de = 0,05. Por tanto
P (d c | p = pR = 0,04) = 0,05.
Estandarizando:
!
d npR c npR
P (d c) = P p p = 0,05.
npR (1 pR ) npR (1 pR )
De las tablas de la normal N (0, 1) se obtiene que el valor que deja a la izquierda un rea igual a
0.05 es z = 1,64. Entonces:
c npR
z = p = 1,64. (2.4)
npR (1 pR )
Despejando c se obtiene:
p
c = npR + z npR (1 pR ) (2.5)
0,04n 0,32 n (2.6)
Igualando (2.2) y (2.5) se obtiene que
p p
npA + z npA (1 pA ) = npR + z npR (1 pR )
p p
n (pA pR ) = n z pR (1 pR ) z pA (1 pA )
p p !2
z pR (1 pR ) z pA (1 pA )
n= (2.7)
pA pR
2.4 Plan de muestreo doble 11
n 759.
Sustituyendo en (2.5) se tiene que
c 22.
Por tanto, el plan que se busca es el siguiente: se toma una muestra de tamao n = 759 elementos.
Se rechaza el lote si se encuentran ms de c = 22 artculos defectuosos en dicha muestra.
Para el diseo de planes de muestreo simple con = 0,05 y = 0,10 puede aplicarse tambin el
plan JIS Z 9002. Esta norma consiste en la aplicacin de una tabla que proporciona, para unos val-
ores de pA y pR , unos valores de n y c que satisfacen, aproximadamente, las condiciones requeridas.
Ejemplo 2:
Se desea disear un plan de muestreo simple utilizando la norma JIS Z 9002 (plan japons)
con los siguientes parmetros:
Estos resultados se pueden comparar con los que se obtendran con la aproximacin normal del
ejemplo 1. Utilizando las expresiones (2.7) y (2.5) se tiene que (clculos hechos con Matlab)
En el primer caso es aproximadamente el mismo plan. En el segundo caso hay una diferencia
en n, debido a que el tamao muestral no es lo suficientemente grande para usra la aproximacin
a la normal.
d1 se encuentra entre estos valores extremos: c1 < d1 c2 se concluir que la muestra no arroja
evidencia suficiente para tomar la decisin. En ese caso, se toma una segunda muestra de tamao
n2 y se evala el nmero de defectuosos de dicha muestra. Si d1 + d2 es mayor que cierta cantidad
c3 el lote se rechaza definitivamente. En caso contrario se acepta. La figura ?? muestra un esquema
de este plan de muestreo. Para la seleccin de los valores n1 , n2 , c1 , c2 y c3 existen tablas. Vase,
por ejemplo Duncan (1971) captulo 8. El primer tamao muestral n1 suele ser mucho menor que
el que se requiere en el muestreo simple. Por esta razn, aunque este plan es de aplicacin algo
ms compleja que el anterior, es ms econmico, pues permite reconocer en la primera muestra a
los lotes muy malos o muy buenos.
Figura 2.5:
El diseo de planes de muestreo dobles es, en general, complejo. Este diseo se puede simplificar
con la ayuda de tablas publicadas. Para ver su utilizacin usaremos un ejemplo.
Ejemplo 3:
Vamos a disear un plan de muestreo doble con n1 = n2 para lotes de tamao 5000 con un
pA =0.01; = 0,05; pR = 0,045; = 0,10. En las tablas, la notacin empleada es p1 pA y
p2 pR . En nuestro caso se tiene que
p2 0,045
R= = = 4,5.
p1 0,01
Buscando este valor en la columna correspondiente a R vemos que el plan ms cercano es el PLAN
5: c1 = 2, c2 = c3 = 4. Tenemos as, por tanto, los nmeros de aceptacin de cada muestra. Para
obtener el tamao muestral n1 se han de mirar las columnas correspondientes a Approximate
values of n1 p, donde Pa es la probabilidad de aceptar un lote con una proporcin de defectuosos
p. Si utilizamos la informacin del vendedor, aceptaremos con probabilidad 1 un lote con
2.5 Plan de muestreo secuencial 13
Pa = 1 = 0,95
1,16 1,16
n1 p = n1 pA = 1,16 n1 = = = 116.
pA 0,01
Si d1 2 se acepta el lote.
Una segunda opcin es haber utilizado, en las columnas de Approximate values of n1 p la in-
formacin del comprador, es decir, se acepta con probabilidad un lote de p = pR . En este caso
tendramos:
Pa = = 0,10,
5,39 5,39
n1 p = n1 pR = 5,39 n1 = = 120.
pR 0,045
Han de ser las partes implicadas quienes decidan cul de las dos opciones usar. Una tercera alter-
nativa es utilizar un punto intermedio, es decir, decidir cmo ha de ser el lote (valor de p) que se
acepta con probabilidad 50 %.
6
d=sn+h2
5 Rechazar lote
Nmero de defectuosos acumulado
3
Continuar inspeccionando
2
d=sn-h1
Aceptar lote
0
-1
-2
0 20 40 60 80 100 120 140 160 180 200
Tamao muestral acumulado
defectuosos. El segundo tipo de lotes sern aquellos que han sido revisados al 100 % y rectifi-
cados. De estos dos tipos de lotes puede calcularse la calidad media de salida ( en ingls average
outgoing quality AOQ), que es la proporcin media de atculos defectuosos que recibe el comprador.
Supongamos que un lote tiene una proporcin p de artculos defectuosos antes de ser inspec-
cionado. Si p = 0 est claro que AOQ=0. Si, por el contrario, p = 1, todos los lotes sern sometidos
a inspeccin al 100 % y rectificacin por lo que de nuevo AOQ=0. Entre medias de estos dos valores
el AOQ tendr un mximo, que llamaremos AOQL (average outgoing quality limit). Si p es baja
la AOQ ser baja y prxima a p, pues casi todos los lotes se aceptarn. A medida que p aumenta
tambin aumentar AOQ, aunque en menor proporcin, pues los lotes rechazados se revisan y
rectifican. A partir de cierto valor de p el nmero de lotes rechazados comenzar a ser ya una
proporcin importante de los lotes. Puesto que todos estos lotes rechazados se rectifican, la AOQ
bajar de nuevo. La AOQ ser por tanto una curva semejante a la que se muestra en la figura 2.6.
0.25
0.2
AOQL
AOQ
0.15
0.1
0.05
0
Proporcin de defectuosos
Existen tablas para disear un plan de muestreo rectificativo. Las ms conocidas se deben
a Dodge y Roming. Por esta razn, a este tipo de plan se le conoce tambin como plan Dodge-
Romig. Estas tablas pueden usarse de varias maneras, dependiendo de la informacin que se utilice.
Puede fijarse un tamao del lote N, la calidad promedio que se desea -AQL- (en porcentaje de
defectuosos), el nivel de calidad rechazable y el riesgo del comprador. Entonces se obtiene el tamao
de la muestra n, el nmero de aceptacin c y el nivel de calidad rpomedio mxima que se obtiene -
AOQL-. Tambin puede entrarse con el AOQL y el tamao del lote y se obtiene la calidad promedio,
n y c.
Ejemplo 4:
Para un lote de tamao 5000, disear un plan de muestreo rectificativo con pR = 0,04, = 0,10
que permita aceptar lotes que tengan, como mximo un porcentaje de defectos del 1 %. Cul ser
la calidad promedio?
16 Control de recepcin
Consultando la Tabla se obtiene que n = 130 y c = 2. Unos lotes se aceptarn como resultado
de la inspeccin, y por tanto tendrn cierto porcentaje de artculos defectuosos. Otros lotes se revis-
arn al 100 % y se sustituirn los artculos defectuosos por otros aceptables. Esos lotes no tendrn,
entonces, artculos defectuosos. En promedio, el porcentaje medio de defectuosos ser inferior al
0.41 %.
Para un mismo tamao de lote y un mismo nivel de calidad aceptable (NCA o AQL o valor
pA ) se especifican tres planes de inspeccin:
1. Normal: para aquellos casos en los que la calidad que se espera del proveedor es similar al
NCA
2. Reducido: para aquellos casos en los que la calidad esperada sea muy alta (p < pA ). En este
tipo de muestreo, el tamao muestral es inferior al plan normal.
3. Riguroso: implica un elevado tamao muestral. Se utiliza cuando se espera una calidad infe-
rior a la AQL (p > pA ).
Existen una serie de reglas que determinan el plan de muestreo anterior. Estas reglas pueden
resumirse en los siguientes puntos:
Cambio de plan normal a riguroso: se pasar de inspeccin normal a rigurosa si dos de cinco
lotes consecutivos han sido rechazados.
Cambio de plan riguroso a normal : se pasar de control riguroso a normal cuando se acepten
cinco lotes consecutivos
Los planes estn diseados teniendo en cuenta el riesgo del vendedor, AQL o pA . El riesgo del
comprador y pR no se tienen en cuenta explicitamente al utilizar las tablas, pero los valores
de son muy pequeos si pR > 5pA . Para aplicar el plan hay que seguir los siguientes pasos
(consideramos muestreo simple):
1. Decidir el AQL o pA .
2. Determinar el nivel de inspeccin en funcin de su coste (nivel I, II, III, o niveles especiales).
3. Con el tamao del lote y el nivel de inspeccin anterior ir a la tabla de cdigos y encontrar
el cdigo de inspeccin.
4. Determinar el plan de inspeccin (normal, riguroso (o estricto) y reducido).
5. Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla correspondiente: Tabla
de inspeccin normal, reducida o estricta, y encontar el plan de muestreo.
6. Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un posible cambio de
plan.
Ejemplo 5:
Se desea disear un plan de muestreo con el plan japones JIS Z 9002 y con MIL STD 105E con
las siguientes caractersticas: pA = 0,004; = 0,05; = 0,10; pR = 0,05. Lotes de 1000 unidades.
Para elaborar el plan japons acudimos a la Tabla. Con los valores pA = 0,4 % y pR = 5 %
encontramos que se han de tomar muestras de tamao 80 y rechazamos el lote si encontramos ms
de un artculo defectuoso (c > 1) (la tabla muestra el mximo nmero de defectuosos admisibles).
18 Control de recepcin
Para disear el plan MIL STD supondremos un nivel II (coste estndar). En la Tabla leemos
el cdigo de inspeccin, que es J. Si utilizamos el plan de muestreo normal acudiremos a la tabla.
En esa tabla, con el cdigo J y un valor de pA = 0,4 % nos encontramos con una flecha. Por tanto
utilizaremos el primer plan en la direccin de la flecha. En este caso el plan pasar de cdigo J
a cdigo K; se inspeccionan 125 artculos y se rechaza el lote si se encuentran c 2 artculos
defectuosos. Se acepta si se encuentra un defectuoso o ninguno.
Ejemplo 6:
Un producto se recibe en lotes de 2000 unidades. El AQL es 0.65 %. Se desea disear un plan
de muestreo de nivel II para inspeccin normal, reducida y rigurosa (o estricta).
Figura 2.7: Plan MIL STD 105E. Reglas para el cambio de nivel de muestreo
20 Control de recepcin
E(x) = 1 p + 0 q = p
Var(x) = (1 p)2 p + (0 p)2 q = p(1 p) = pq
1. El experimento slo tiene dos resultados posibles, que pueden interpretarse como ausencia
o presencia de cierto atributo de inters.
2. El resultado de cada experimento es independiente del resultado obtenido en repeticiones
anteriores. Esta hiptesis de independencia tambin uede interpretarse como ausencia de
memoria: el proceso no recuerda los resultados de los anteriores experimentos.
3. El proceso es estable, en el sentido de que en cada repeticin P (x = 1) = p.
Cuando se posee una sucesin de variables aleatorias independientes e idnticas se les suele
denotar por iid (independientes e idnticamente distribuidas).
de las variables del proceso de Bernoulli, tenemos la ya conocida variable de Bernoulli. Por el con-
trario, si sumamos los valores de n variables de Bernoulli tendremos una variable aleatoria llamada
binomial. Si contamos el nmero de repeticiones de un experimento de Bernoulli que realizamos
hasta que obtenemos una repeticin en la que se observa el atributo por primera vez, tendremos
la llamada variable aleatoria geomtrica. A continuacin veremos estas dos distribuciones con ms
detalle.
donde
n n!
r = .
r!(n r)!
El clculo de la media y la varianza de una variable binomial se puede obtener aplicando la
definicin de estas medidas caractersticas en (2.8a). Otra forma ms sencilla es escribiendo la
variable binomial como la suma de las n variables de Bernoulli x1 , x2 , ..., xn :
x = x1 + x2 + + xn .
Como E(xi ) = p, Var(xi ) = pq, i = 1, .., n y por la independencia de estas variables de Bernoulli
xi es fcil deducir que
n
X
E(x) = E (x1 + x2 + + xn ) = E(xi ) = np,
i=1
Xn
Var(x) = Var (x1 + x2 + + xn ) = Var(xi ) = npq.
i=1
22 Control de recepcin