TALLER 1 CONTROL ESTADISTICO DE PROCESOS

ING. NESTOR CAICEDO SOLANO

ANDREA PAOLA DEL TORO BOLAÑO 2015216036

DANIELA PAOLA SALINAS PINEDO 2014216121
NICOLAS JESUS BAUTE ZULUAGA 2015116123

GRUPO 4

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA INDUSTRIAL

SANTA MARTA D.T.C.H.

MAGDALENA
2019-1
1. Se desea diseñar un plan de muestreo simple para el productor con los siguientes parámetros: p
(rechazar/ lote conforme) =0,05; NAC= 0,04; p (Aceptación lote/ no conforme) = 0,1; LTPD= 0,06. El
resultado del plan será la determinación del número c, dado que n=20. Pruebe con los datos que
sean necesarios de tal manera que puedan ser validados con las características del plan.

P(1-β) 0,9
Pa (1-α) 0,95
LTPD 0,06
NAC 0,04
N 20
Β 0,1

P(c<=x)
0 1 2 3 4 5

0,442002434 0,8103378 0,95613721 0,99258706 0,99904172 0,99990235

0,44200243 0,8103378 0,95613721 0,99258706 0,99904172
0,44200243 0,8103378 0,95613721 0,99258706
0,44200243 0,8103378 0,95613721
0,44200243 0,8103378
0,44200243

Β c
0,29010624 0
0,66045463 1
0,8850276 2
0,97103426 3
0,99436586 4

El plan de muestreo simple cumple con la probabilidad de aceptación de conformes, es decir

𝑝(1 − 𝛼) = 0,95; para un c=2, pero al relacionar con la probabilidad de aceptación de no
conformes, no hay un c, que satisfaga que la probabilidad de aceptación de no conformes sea β=0,1.

n=20; c=3; dado que a lo sumo en el plan de muestreo, al momento de aplicarlo, se deben encontrar
3 productos defectuosos, para garantizar que la probabilidad de aceptación de lotes conformes sea
como mínimo del 95%,y la probabilidad de rechazar lotes no conformes, sea mínimo del 90%.

2. El total de rodamientos con fisuras en una empresa representan la fracción defectiva en el lote o
sea Columna 1. Esto representa solo un punto en la curva característica de operación siguiente para
n = 30. Para construir la curva OC completa se debe variar la fracción defectiva como sigue y graficar
la probabilidad de aceptación. Nota: Defina el valor de la fracción de defecto que desee entre el
0.5% y 5%.

c
n=30
5 3 1

Pa-Probabilidad
fracción defectiva en de aceptación Pa-Probabilidad de Pa-Probabilidad de
el lote con c = 5 aceptación con c = 3 aceptación con c = 1
0,79% 0,999999877 0,999909429 0,97655174
4,23% 0,998585995 0,963514976 0,635794614
1,46% 0,999995745 0,999080786 0,929161362
3,78% 0,999208952 0,974467549 0,685690198
2,12% 0,999965217 0,996436912 0,8674483

Para poder graficar mejor la curva característica de operación, se toma en el eje de fracciones
defectivas el 0,5% y el 5%, como valor inicial y final respectivamente

Para c = 5

0,5% 0,999999992
0,79% 0,999999877 1.0005
1,46% 0,999995745
2,12% 0,999965217 1
3,78% 0,999208952
0.9995
4,23% 0,998585995
5% 0,996717514 0.999
.
0.9985
Series1
0.998

0.9975

0.997

0.9965
0% 1% 2% 3% 4% 5% 6%
Para c = 3

0,5% 0,999984564
0,79% 0,999909429 1.01
1,46% 0,999080786
1
2,12% 0,996436912
3,78% 0,974467549 0.99
4,23% 0,963514976 0.98
5,00% 0,939228439
0.97
Series1
0.96

0.95

0.94

0.93
0% 1% 2% 3% 4% 5% 6%

Para c = 1

1% 0,990090351
0,79% 0,97655174 1.2
1,46% 0,929161362
2,12% 0,8674483 1
3,78% 0,685690198
4,23% 0,635794614 0.8

5,00% 0,553542075
0.6
Series1

0.4

0.2

0
0% 1% 2% 3% 4% 5% 6%

a. Por favor construya las curvas de operación características y decida cuales son los planes
apropiados para un presupuesto para el muestreo de $200.000, si cada muestra cuesta $ 12.500,
teniendo en cuenta que se debe asegurar una probabilidad de aceptación de conformes del 96% y
una probabilidad de rechazo de no conformes del 90%.

Los planes apropiados para un presupuesto para el muestreo de $200,000, si cada muestra cuesta
$12500. Probando c=1, c=3, c=5
1- α = 0,96 α = 0,04 β = 0,1 1-β = 0,90
200000
n= 12500
= 16 n = 16

Para hallar el NAC en los diferentes planes apropiados encontrados, usamos la distribución binomial
y por medio de solver en Excel buscamos el NAC que asegure una probabilidad de aceptación de
conformes del 96%

n=16 ; c=1

Aleatorizamos entre el 0,5% y el 1,96% la fracción defectiva o NCA y un LTPD del 22%, para asegurar
una aceptación de lotes no conformes del 10%

0,005 0,99713664 n=16; c=1

0,008 0,99287164
1
0,0125 0,98330938
0.995
0,0133 0,98124436
0.99
0,0142 0,97879785
0,0175 0,96876797 0.985

0,0196 0,96157644 0.98

0.975
0.97
0.965
0.96
0.955
0 0.005 0.01 0.015 0.02 0.025

El plan de muestreo apropiado para un presupuesto de $200.000 , asegurando un 𝛽 = 0,1 y un

1 − 𝛼 = 0,96 y con la condición de que se obtenga a lo sumo un producto no conforme.

n=16 ; c=3

Usando la distribución binomial obtenemos un NAC de 0.084 y aleatorizamos entre el 0,5% y el 8,4%
y un LTPD del 37%, para asegurar una aceptación de lotes no conformes del 10%

0,005 0,99999892
0,0019 0,99999998 n=16;c=3
0,0022 0,99999996 1.005
0,0047 0,99999915 1
0,05 0,99299609 0.995
0,076 0,9710497 0.99
0,084 0,96008293 0.985
0.98
0.975
0.97
0.965
0.96
0.955
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
n=16 ; c=5

Usando la distribución binomial obtenemos un NAC de 0.159 y aleatorizamos entre el 0,5% y el

15.9% y un LTPD del 50%, para asegurar una aceptación de lotes no conformes del 10%

0,005 1
0,007 0,9999999991
n=16;c=5
0,023 0,999999028
1
0,05 0,9999191
0,12 0,991817632 1
0,148 0,977861502 1
0,159 0,969343701
1

1
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18

Basado en los resultados anteriores podemos determinar que el plan apropiado que cumple con
una probabilidad de aceptación de conformes del 96% y una probabilidad de rechazo de no
conformes del 90% es con un n=16 y un c=1

b. Si se desea que los inspectores tengan una precisión del muestreo del 94%, sabiendo que n=80 y
el total de conformes real es de 72 productos, a lo sumo, ¿cuántas unidades definen el error alfa y
beta de los inspectores?

A=0,94
P1+P2
0,94= 2

n° de conformes detectados en la muestra

P1= Total de conformes de la muestra

n° de no conformes detectados en la muestra

P2= total de no conformes de la muestra
72
P1=80=0,9
0,9+P2
0,94= 2

0,94*2=0,9+P2

0,94*2-0,9=P2

P2=0,98
¿Cuántas unidades definen el error alfa y beta de los inspectores?

Error alfa (1-p1)

α =1 -0,9

α =0,1

Unidades que definen el error alfa=0,1*80= 8 unidades

Error beta(1 -p2)

β = 1 – 0,98

β =0,02

Unidades que definen el error beta= 0,02*80= 1,6 unidades → 2 unidades.

c. Según el ítem b, ¿cuál es la probabilidad de aceptar los conformes, dado que son conformes y cuál
es la probabilidad de rechazar los no conformes dado que son no conformes según el cálculo de
precisión de Drury?

La probabilidad de aceptar los conformes, dado que son conformes es p1 = 1-𝛼 = 1 − 0,9 = 0,1

La probabilidad de rechazar los no conformes dado que son no conformes es p2=1-𝛽 = 1 − 0,02 =
0,098
d. Compare con los parámetros de la distribución hipergeométrica para validar el plan de muestreo
con la tabla Military - Standard 105 E, en los planes de inspección general con las combinaciones de
los tipos de inspección flexible, ajustado y normal.

Al comparar con los parámetros de la distribución hipergeometrica, siendo éstos:

N=30 n=16

C=15→criterio de aceptación

X=1→máximo de productos no conformes que acepto en el plan óptimo.

15 30−15
( )∗( )
1,03𝑥10 −7
= ∑𝑘=0 𝑥 3016−𝑥
1
( )
16

No cumple con la probabilidad de aceptación de conformes del 96%, y esto tiene mucho sentido, ya
que la distribución hipergeométrica, es usada en casos donde el tamaño de la población es muy
grande, con respecto al tamaño de la muestra, cosa que no sucede, en este caso, ya que N=30, y
n=16. Por ello la probabilidad de aceptar lotes conformes, es prácticamente cero, dado estos
parámetros.

Al validar éstos parámetros en la tabla Military - Standard 105 E, de salida, con un N=30, en el nivel
de inspección general I: C, en el nivel de inspección general II:D, y en nivel de inspección general
III:E.
 Luego al buscar C, D y E en la inspección flexible, n es: 2, 3 y 5 respectivamente.

Luego al buscar C, D y E en la inspección ajustada, n es: 5,8 y 13 respectivamente.

Luego al buscar C, D y E en la inspección normal, n es: 5, 8 y 13 respectivamente.

Ninguno de los n, coincide con n:16, así que al comparar los parámetros iniciales, con la tabla
Military - Standard 105 E, se termina de confirmar que para N=30, no es posible tener un n=16.

3. Basado en la información ofrecida en el material de estudio sobre inspección y muestreo en

calidad, responda: Se tiene una línea de producción que tiene 11 operaciones consecutivas, de las
cuales las estaciones pares tendrán el 0.5% de tasa de defecto y las impares tendrán el 0.8%. Los
costos son: inspección $1200, producción: $ 4.250, no conforme, $2.190 y se quiere tomar la
decisión sobre decidir en inspección distribuida, final, no inspeccionar, etc. Al tiempo calcule la
probabilidad de encontrar en la línea a lo sumo el porcentaje de no conformes expresado arriba
(Basado en la Distribución de Poisson), si se sabe que el promedio de defectos por hora de la línea
es de 19 productos de lo que pasa por cada estación. Es indispensable tener claro que el número de
piezas a ser fabricadas son 5000. Adicionalmente, conociendo el tamaño del lote, pruebe a
diferentes niveles de inspección y con diferentes planes basado en la Mil-Std 105 E, y defina el tipo
de muestreo que se debe realizar. Tenga en cuenta que sólo tiene un presupuesto de $100.000 para
el muestreo de este lote y debe decidir si se acepta o no, calculando la probabilidad de aceptación
del lote/Conforme y la probabilidad de aceptación/No conforme.

Qo = 5000 Csf = $1200 Cpr = $4250

q pares = 0.005 Cs = $109.09 Cpri = $386.36

q impares = 0.008 Cd = $2190

1 2 3 4 5 6 7 8 9 10 11
0.8% 0.5% 0.8% 0.5% 0.8% 0.5% 0.8% 0.5% 0.8% 0.5% 0.8%

INSPECCION FINAL:

𝐶𝑏 = 𝑄0 (𝑛 ∗ 𝐶𝑝𝑟 + 𝐶𝑠𝑓)
𝐶𝑏 = 5000(11 ∗ 4250 + 1200) = 239.750.000
INSPECCION DISTRIBUIDA:
𝑛

𝐶𝑏 = 𝑄0 ∗ ∏(1 − 𝑞𝑖 )(𝐶𝑝𝑟𝑛 + 𝐶𝑠𝑛 )

𝑖=1
 𝐶𝑏 = 5000(386.36 + 109.09) + 5000(1 − 0.008)(386.36 + 109.09)
+ 5000(1 − 0.008)(1 − 0.005)(386.36 + 109.09)
+ 5000(1 − 0.008)(1 − 0.005)(1 − 0.008)(386.36 + 109.09)
+ 5000(1 − 0.008)(1 − 0.005)(1 − 0.008)(1 − 0.005)(386.36
+ 109.09) + ⋯
+ 5000(1 − 0.008)(1 − 0.005)(1 − 0.008)(1 − 0.005)(1 − 0.008)(1
− 0.005)(1 − 0.008)(1 − 0.005)(1 − 0.008)(1 − 0.005)(386.36
+ 109.09)

𝐶𝑏 = $ 26.362.941

INSPECCIONAR O NO INSPECCIONAR?

𝐶𝑏(100% 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛) = 𝑄 ∗ 𝐶𝑠 = 5000(109,09) = $545450

𝐶𝑏(𝑁𝑜 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛) = 𝑄 ∗ 𝑞 ∗ 𝐶𝑑 = 5000(0.005 + 0.008)(2190) = $142350
Se establece una regla de decisión muy simple para saber cuándo inspeccionar el lote. La decisión
está basada en si es que la tasa de fracción defectuosa esperada en el lote es mayor o menor que
un nivel crítico de defectos qc.
𝐶𝑠 109,09
𝑞𝑐 = 𝐶𝑑 = = 0.05
2190

Debido a que la tasa de fracción defectuosa q < qc no se necesita inspección.

Para hallar la probabilidad de encontrar en la línea a lo sumo el porcentaje de no
conformes basado en la distribución de poisson:
𝜆𝑥 𝑒−𝑥
𝑓(𝑥) =
𝑥!
𝜆 = 19 fallas/hora

P(X≤x)
𝑥 = 𝑄0 (1 − 𝑞)𝑛 cuando la tasa de defecto es igual para todos los procesos de la línea, sim
embargo no es el caso, por lo tanto se utiliza:

𝑄0 − 𝑥 = 𝑄0 (1 − 𝑞𝐼 )6 (1 − 𝑞𝑃 )5
Donde 𝑞𝐼 = tasa de defectos para impares y 𝑞𝑃 = tasa de defectos para pares

5000 − 𝑥 = 5000(1 − 0.008)6 (1 − 0.005)5

5000 − 𝑥 = 4647
 𝑥 = 5000 − 4647 = 353

353
19𝑖 𝑒 −19
𝑝(𝑋 ≤ 353) = ∑ =1
𝑖!
𝑖=1

Teniendo en cuenta que sólo se tiene un presupuesto de $100.000 para el muestreo del lote de
5000 und, se prueba diferentes niveles de inspección con NCA de 0.0043 y con diferentes planes
basado en la Mil-Std 105 E:

niveles de
inspeccion/diferentes reducido normal severa
planes

n=32 NCA=0,65 n=80 NCA=0,65 n=125 NCA=0,65

I (J) Ac=0;Re=2 Ac=1;Re=2 Ac=1;Re=2
Costo=38.400 Costo=96.000 Costo=150.000

n=80 NCA=0,65 n=200 NCA=0,65 n=200 NCA=0,65

II (L) Ac=1;Re=4 Ac=3;Re=4 Ac=2;Re=3
Costo=96.000 Costo=240.000 Costo=240.000

n=125 NCA=0,65 n=315 NCA=0,65 n=315 NCA=0,65

II (M) Ac=2;Re=5 Ac=5;Re=6 Ac=3;Re=4
Costo=150.000 Costo=378.000 Costo=378.000

Los planes con color verde son los aprobados, debido a que cumplen con el presupuesto de
$100.000 para el muestreo del lote.