MÓDULO V

PE: Ingeniería en Biotecnología

Experiencia educativa: Calidad

Sección: 401

Titular:

Dr. Carlos Díaz Ramos

Realizado por:
Jorge Ariel Vera Ramírez

Getsemaní Orozco Luis

Ulises Zahid Lagunes Olmedo

Mariela Merino Ávila

04 de mayo de 2020
ÍNDICE
Introducción ........................................................................................................................................ 2
Carta X-R.............................................................................................................................................. 3
Pasos................................................................................................................................................ 4
Tablas de constantes ................................................................................................................... 7
Interpretación de las cartas de control. .......................................................................................... 8
Gráficas de minitab. ...................................................................................................................... 13
Interpretación. .............................................................................................................................. 14
Conclusión. .................................................................................................................................... 14
Interpretación. .............................................................................................................................. 15
Conclusión. .................................................................................................................................... 15
cálculos ...................................................................................................................................... 16
Pruebas con datos similares de la tabla de chocolates del libro ...................................................... 19
Interpretación. .............................................................................................................................. 20
Conclusión: .................................................................................................................................... 20
Interpretación. .............................................................................................................................. 21
Conclusión. .................................................................................................................................... 21
Muestreo por atributos: simple, doble y múltiple ............................................................................ 21
Ventajas Y Desventajas Del Muestreo De Aceptación .................................................................. 23
Curvas Características de Operación................................................................................................. 24
Ejemplo de Curva Característica de Operación ............................................................................. 24
Tabla de Valores de β para distintos valores de n ........................................................................ 28
Curva característica de operación ................................................................................................. 29
Conclusión. .................................................................................................................................... 29
Conclusión. ........................................................................................................................................ 29
Referencias ................................................................................................................................ 30
Evidencias: ......................................................................................................................................... 31

1
Introducción

La calidad se ha visto envuelta en varias ramas de distintas áreas de matemática

para su correcto funcionamiento y poder dilucidar un poco mejor en una empresa,
como tomar las decisiones adecuadas para llegar a tender a la perfección; una de
esas áreas es la estadística.

Lamentablemente, las empresas y organismos públicos que proporcionan servicios

en México no utilizan frecuentemente técnicas cuantitativas para el control de
calidad de dicho servicio, por lo que este trabajo representa una propuesta de
control de calidad mediante herramientas simples de control estadístico de calidad.
Existen diversas técnicas cualitativas y pocas técnicas cuantitativas como las
gráficas, que nos permiten determinar si la prestación de un servicio se encuentra
bajo control; es decir, verificar si la calidad está dentro de los estándares
establecidos por la empresa o institución, o fuera de ellos.

En el proceso de control, los gráficos de control estadístico detectan la existencia

de causas especiales de variación que resultan en problemas esporádicos. Los
gráficos muestran datos de muestra que caen más allá de los límites de control
estadístico, es decir, el proceso está "fuera de control estadístico".

Por el contrario, cuando un gráfico muestra que un proceso está "en control
estadístico", el proceso está en un estado de estabilidad y la variación se debe a
un conjunto de causas comunes inherentes al proceso. El control estadístico
significa estabilidad, pero la estabilidad no siempre significa satisfacción del cliente
con el resultado.

Los gráficos de control generalmente se usan en un entorno de producción o

fabricación y se usan para controlar, monitorear y mejorar un proceso. Las causas
comunes siempre están presentes y generalmente se atribuyen a las máquinas, el
material y el tiempo frente a la temperatura.

2
Carta X-R

Las cartas de control X y R se usan ampliamente para monitorear la media y la

variabilidad. El control del promedio del proceso, o nivel de calidad medio, suele
hacerse con la gráfica de control para medias, o gráfica X. La variabilidad de
proceso puede monitorizar con una gráfica de control para el rango, llamada gráfica
R. Generalmente, se llevan gráficas X y R separadas para cada característica de la
calidad de interés. Las gráficas X y R se encuentran entre las técnicas estadísticas
de monitoreo y control de procesos en línea más importantes y útiles.

Un gráfico de control X-R es uno que

muestra tanto el valor medio (X)
como el rango (R). La porción X del
gráfico muestra principalmente
cualquier cambio en el valor medio
del proceso, mientras que la porción
R muestra cualquier cambio en la
dispersión del proceso. Este gráfico es particularmente útil porque muestra cambios
en el valor medio y la dispersión del proceso al mismo tiempo, lo que lo convierte
en un método muy eficaz para verificar anomalías dentro del proceso; y si se traza
mientras está en progreso, también señala un problema en el flujo de producción en
modo de tiempo real.
Si se observa una gráfica que muestra una ligera tendencia de desviación hacia
arriba o hacia abajo, el ajuste debe ser un ligero cambio, y luego se debe hacer otra
observación. Esto normalmente requiere un ajuste menor al proceso para realizar
la corrección y devolver el proceso a una salida normal. Sin embargo, al hacer un
cambio en el proceso, siempre debe ser un cambio menor.
Con mucha frecuencia, el usuario corregirá en exceso al hacer un ajuste demasiado
grande que luego hará que el proceso cambie drásticamente en la otra dirección.
Por esa razón, todos los cambios en el proceso deben ser ligeros y graduales.

3
Pasos

1. Recopila los datos. Teniendo al menos 100 muestras.

2. Dividir los datos en subgrupos, siendo de 4 o 5 datos cada uno. El número
de muestras está representado por la letra "n" y el número de subgrupos está
representado por la letra "k". Los datos deben dividirse en subgrupos de
acuerdo con las siguientes condiciones.
• Los datos obtenidos deben ser del mismo grupo de productos
producidos.
• Un subgrupo no debe incluir datos de un lote diferente o de un proceso
distinto al tratado
3. Registrar los datos en una hoja de datos. Diseñando la hoja de modo que sea
fácil calcular los valores de la barra X y R para cada subgrupo.
4. Encontrar la media de cada subgrupo con la fórmula:

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 … + 𝑥𝑛
𝑥̅ =
𝑛

5. Buscar el rango de cada subproducto “R”, con la fórmula:

𝑅 = 𝑥𝑚á𝑥𝑖𝑚𝑎 − 𝑥𝑚í𝑛𝑖𝑚𝑎

6. De ahí se calcula la 𝑥̅ total de todas las medias; dividiendo esto por “k”.

𝑥̅1 + 𝑥̅2 + 𝑥̅3 + 𝑥̅4 + 𝑥̅5 … + 𝑥̅𝑛

𝑥̅̅ =
𝑘

7. Pasando a obtener la 𝑅̅ total de todos los rangos; dividiendo esto por “k”.

𝑅1 + 𝑅2 + 𝑅3 + 𝑅4 + 𝑅5 … + 𝑅𝑛
𝑅̅ =
𝑘

4
8. Las gráficas de control para medir la variabilidad de un proceso de producción

o servicio reciben el nombre de gráficas R. En ellas se grafican los valores de

los rangos11 de cada una de las muestras. En estas gráficas la línea central

está ubicada en el valor promedio de los rangos (𝑅̅ ); y los límites de control se

establecen con base en la distribución muestral de los rangos (𝑅̅ ). La

distribución muestral de los rangos (𝑅̅ ) se calcula a partir de su desviación

estándar mediante la relación siguiente:

𝜎𝑅 = 𝐷3 𝜎

Donde:

• 𝝈 = Desviación estándar.

• D3 = Factor de dispersión calculado con base al número de datos de

cada muestra “n”. Los valores correspondientes a D3 se obtienen de la

tabla de “Factores críticos de las gráficas de control” que se anexa. Por

otro lado, la desviación estándar de la población puede sustituirse por:

𝑅̅
𝐷2
También los valores de D2 se obtienen de la tabla (Factores críticos de las

gráficas de control) que se anexa. Entonces, la desviación estándar de los

rangos es:

𝐷3 𝑅
𝜎𝑅 =
𝐷2

5
Por lo que los límites de control para la variación de los procesos se pueden establecer
como:

Donde:

9. Se calculan los límites de control superior para el promedio de la siguiente

manera:

𝐿𝐶𝑆𝑋 = 𝑥̅̅ + 𝐴2 𝑅̅

10. Se calculan los límites de control inferior para el promedio de la siguiente

manera:

𝐿𝐶𝐼𝑋 = 𝑥̅̅ − 𝐴2 𝑅̅

11. Se calcula el límite superior del rango:

𝐿𝐶𝑆𝑅 = 𝐷4 𝑅̅

6
 12. Se calcula el límite inferior del rango:

𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅

13. Se gráfica los datos para poder observar los patrones y sacar conclusiones
de este.

Tablas de constantes

7
Interpretación de las cartas de control.

La señal de que se ha detectado una causa

especial de variación (o señal de que hay un
cambio especial en el proceso) se manifiesta
cuando un punto cae fuera de los límites de
control, o cuando los puntos graficados en la
carta siguen un comportamiento no aleatorio
(por ejemplo, una tendencia ascendente, un
movimiento cíclico, etc.). Por el contrario, la carta indica que es un proceso estable
(bajo control estadístico), cuando sus puntos caen dentro de los límites de control y
fluctúan o varían de manera aleatoria (con una apariencia errática, sin un orden) a
lo ancho de la carta, con tendencia a caer cerca de la línea central. Para facilitar la
identificación de patrones no aleatorios, lo primero que se hace es dividir la carta de
control en seis zonas o bandas iguales, cada una con amplitud similar a la
desviación estándar del estadístico W que se gráfica.

Enseguida, se presentarán cinco patrones para el comportamiento de los puntos en

una carta, los cuales indican si el proceso está funcionando con causas especiales
de variación. Esto ayudará a identificar cuándo un proceso es inestable y el tipo de
causas que ocasionan la correspondiente inestabilidad. De entrada, podemos decir
que un proceso muy inestables sinónimo de un proceso con pobre estandarización,
donde probablemente haya cambios continuos o mucha variación atribuible a
materiales, mediciones, diferencias en la condiciones de operación de la maquinaria
y desajustes, distintos criterios y capacitación de operarios, etcétera.

A continuación, cuando presentemos cada uno de los patrones que hacen que un
proceso opere con causas especiales de variación, se especificarán las razones
comunes por las que pueden ocurrir dichos comportamientos. Además, se dan
algunas pruebas estadísticas para confirmar la existencia del patrón bajo discusión.
Estas pruebas se han derivado del supuesto de normalidad e independencia entre
y dentro de subgrupos, 3 por lo que de no cumplirse, las pruebas deben verse con
reservas. Si dos muestras consecutivas de una carta no son independientes,
8
entonces una alternativa para lograr la independencia es espaciar aún más la
frecuencia de muestreo, por ejemplo, si se hace cada 20 minutos, es preciso
ampliarlo a cada 40 o más minutos, otra alternativa es utilizar una carta de control
para datos auto-correlacionados (véase Montgomery, 1991).

Patrón 1. Desplazamientos o cambios en

el nivel del proceso. Este patrón ocurre
cuando uno o más puntos se salen de los
límites de control o cuando hay una
tendencia larga y clara a que los puntos
consecutivos caigan de un sólo lado de la
línea central. Estos cambios especiales pueden ser por:

• La introducción de nuevos trabajadores, máquinas, materiales o métodos. •

Cambios en los métodos de inspección.

• Una mayor o menor atención de los trabajadores. • Porque el proceso ha mejorado

(o empeorado).

Cuando este patrón ocurre en las cartas X – , p, np, u o c, se dice que hubo un
cambio en el nivel promedio del proceso; por ejemplo, en las cartas de atributos eso
significa que el nivel promedio de disconformidades se incrementó o disminuyó;
mientras que en la carta X – implica un cambio en la media del proceso.

Los criterios más usuales para ver si este patrón se ha presentado son:

• Un punto fuera de los límites de control.

• Hay una tendencia clara y larga a que los puntos consecutivos caigan de un sólo
lado de la línea central. Tres pruebas concretas para este patrón son:

a) Ocho o más puntos consecutivos de un sólo lado de la línea central.

b) Al menos 10 de 11 puntos consecutivos caen de un mismo lado de la línea central.

c) Por lo menos 12 de 14 puntos consecutivos ocurren por un mismo lado de la línea
central.

9
Patrón 2. Tendencias en el nivel del proceso.

Este patrón consiste en una tendencia a

incrementarse (o disminuirse) de los valores de los
puntos en la carta. Una tendencia ascendente o
descendente bien definida y larga se debe a alguna
de las siguientes causas especiales:

• Deterioro o desajuste gradual del equipo de producción.

• Desgaste de las herramientas de corte.

• Acumulación de productos de desperdicios en las tuberías.

• Calentamiento de máquinas.

• Cambios graduales en las condiciones del medio ambiente.

Estas causas se reflejan prácticamente en todas las cartas, excepto en la R y S. Las

tendencias en estas cartas son raras, pero cuando se dan, puede deberse a la
mejora o declinación de la habilidad de un operario, fatiga del operario (la tendencia
se repetirá en cada turno), así como al cambio gradual en la homogeneidad de la
materia prima. Para determinar si hay una tendencia en el proceso se tienen los
siguientes criterios:

• Seis o más puntos consecutivos ascendentes (o descendentes).

• Un movimiento demasiado largo de puntos hacia arriba (o abajo) de la carta de

control, aunque no todos los puntos en ascenso (o descenso).

Patrón 3. Ciclos recurrentes (periodicidad).

Otro movimiento no aleatorio que pueden presentar

los puntos en las cartas es un comportamiento cíclico
de los puntos. Por ejemplo, se da un flujo de puntos
consecutivos que tienden a crecer y luego se
presenta un flujo similar pero de manera descendente

10
y esto se repite en ciclos. Cuando un comportamiento cíclico se presenta en la carta
X – , entonces las posibles causas son:

• Cambios periódicos en el ambiente.

• Diferencias en los dispositivos de medición o de prueba que se utilizan en cierto

orden.

• Rotación regular de máquinas u operarios.

• Efecto sistemático producido por dos máquinas, operarios o materiales que se

usan alternadamente.

Si el comportamiento cíclico se presenta en la carta R o S, entonces algunas de las

posibles causas son el mantenimiento preventivo programado o la fatiga de
trabajadores o secretarias. Las cartas p, np, c y u son afectadas por las mismas
causas que las cartas de medias y rangos.

Patrón 4. Mucha variabilidad.

Una señal de que en el proceso hay una

causa especial de mucha variación se
manifiesta mediante una alta proporción de
puntos cerca de los límites de control, en
ambos lados de la línea central, y pocos o
ningún punto en la parte central de la carta.
En estos casos se dice que hay mucha variabilidad. Algunas causas que afectan a
la carta de esta manera son:

• Sobrecontrol o ajustes innecesarios en el proceso.

• Diferencias sistemáticas en la calidad del material o en los métodos de prueba.

• Control de dos o más procesos en la misma carta con diferentes promedios.

Mientras que las cartas R y S resultan afectadas por la mezcla de materiales de

calidades bastante diferentes, diversos trabajadores pueden utilizar la misma carta
R (uno más hábil que el otro), y datos de procesos operando bajo distintas

11
condiciones graficados en la misma carta. Los criterios para detectar una alta
proporción de puntos cerca o fuera de los límites son los siguientes:

• Ocho puntos consecutivos en ambos lados de la línea central con ninguno en la

zona C.

Patrón 5. Falta de variabilidad (estatificación).

Una señal de que hay algo especial en el proceso

es que prácticamente todos los puntos se
concentren en la parte central de la carta, es decir,
que los puntos reflejen poca variabilidad o
estatificación.

Algunas de las causas que pueden afectar a todas las cartas de control de esta
manera son:

• Equivocación en el cálculo de los límites de control.

• Agrupamiento en una misma muestra a datos provenientes de universos con

medias bastante diferentes, que al combinarse se compensan unos con otros.

• “Cuchareo” de los resultados.

• Carta de control inapropiada para el estadístico graficado.

Para detectar la falta de variabilidad se tienen los siguientes criterios:

• Quince puntos consecutivos en la zona C, arriba o abajo de la línea central.

Cuando alguno de los patrones anteriores se presenta en una carta, es señal de

que en el proceso hay una situación especial (proceso inestable o fuera de control
estadístico), la cual provoca que los puntos no estén variando de manera aleatoria
dentro de la carta. Lo anterior no significa que no se pueda seguir produciendo con
este proceso, sino que trabaja con variaciones debidas a alguna causa específica
(material heterogéneo, cambios de operadores, diferencias significativas entre
máquinas, desgaste o calentamiento de equipo, etc.). Por lo tanto, en caso de
presentarse alguno de los patrones anteriores es necesario buscar de inmediato las

12
causas para conocer mejor el proceso (saber qué lo afecta) y tomar las medidas
correctivas y preventivas apropiadas.

Frases como las siguientes: “El proceso dio un brinco tal día, pero ya regresó a su
nivel normal”, “de tal a tal día hubo una tendencia, pero las cosas regresaron a la
normalidad”, “el proceso tiene un comportamiento cíclico, pero se está cumpliendo
con especificaciones”; implican que las cartas de control se usan como bitácora. Sin
embargo, una carta de control “no es una bitácora del proceso”. En todos los casos
anteriores se desperdició una oportunidad (una señal estadística) para conocer y
mejorar el proceso.

Gráficas de minitab.

Gráfica Xbarra-R de CHISPAS DE CHOCOLATE

Resultados de la prueba para la gráfica Xbarra de CHISPAS DE CHOCOLATE

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea central.
La prueba falló en los puntos: 18
PRUEBA 5. 2 de 3 puntos más de 2 desviaciones estándar de la línea central (en un mismo lado de la LC).
La prueba falló en los puntos: 13

13
PRUEBA 6. 4 de 5 puntos más de 1 desviación estándar a partir de la línea central (en un mismo lado de
la LC).
La prueba falló en los puntos: 14
Resultados de la prueba de la gráfica R de CHISPAS DE CHOCOLATE
PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea central.
La prueba falló en los puntos: 4, 29

Interpretación.
En las gráficas anteriores, podemos apreciar que ocurre un desplazamiento o
cambio en el nivel de proceso, ya que uno o más puntos salen de los límites de
control. Estos cambios pudieron deberse a:

• La introducción de nuevos trabajadores, máquinas, materiales o métodos.

• Cambios en los métodos de inspección.
• Una mayor o menor atención de los trabajadores.
• Porque el proceso ha mejorado (o empeorado).

Conclusión.
El proceso no se encuentra bajo control estadístico ya que existe un cambio en la
media del proceso.

14
Gráfica de caja de No. de chispitas

Interpretación.

En el caso de la gráfica de cajas, podemos notar que en el subgrupo 4,28 y

29 hay un mayor número de chispitas (se nota una mayor distribución),
mientras que en demás subgrupos carecen de estas. Existe un valor atípico
en el grupo 30.

Conclusión.

Este proceso no se encuentra bajo control estadístico ya que existen

variaciones muy grandes en el número de chispitas

15
 cálculos

Galletas
Paquetes 1 2 3 4 5 6 Rango Promedio
1 20 16 27 18 20 19 11 20
2 21 22 28 25 23 27 7 24.3333333
3 20 24 21 20 16 22 8 20.5
4 17 27 14 22 24 40 26 24
5 12 28 21 18 19 17 16 19.1666667
6 21 23 22 23 27 25 6 23.5
7 18 19 20 14 16 19 6 17.6666667
8 21 24 23 21 20 20 4 21.5
9 26 33 27 28 17 23 16 25.6666667
10 19 22 20 27 22 23 8 22.1666667
11 22 15 12 19 17 24 12 18.1666667
12 20 21 12 13 17 18 9 16.8333333
13 20 15 20 14 18 14 6 16.8333333
14 19 14 20 24 16 21 10 19
15 17 18 24 19 25 18 8 20.1666667
16 17 22 21 15 26 21 11 20.3333333
17 19 16 18 18 15 17 4 17.1666667
18 29 27 29 27 26 24 5 27
19 20 22 18 26 17 18 9 20.1666667
20 25 21 23 23 24 27 6 23.8333333
21 23 21 20 22 21 22 3 21.5
22 23 26 21 22 20 21 6 22.1666667
23 18 15 24 18 19 22 9 19.3333333
24 17 15 20 22 21 18 7 18.8333333
25 24 22 18 24 26 29 11 23.8333333
26 21 23 21 25 25 19 6 22.3333333
27 19 28 23 23 25 28 9 24.3333333
28 13 14 19 23 25 32 19 21
29 13 16 16 20 39 17 26 20.1666667
30 20 19 27 18 20 20 9 20.6666667

Rango general:

∑30
𝑖=1 𝑅𝑖
𝑅̅ = = 9.766666667
30

16
Promedio general:

∑30
𝑖=1 𝑥𝑖
𝑥̅̅ = = 21.07222222
30

De tablas encontramos que 𝐷3 = 0 y 𝐷4 = 2.004, por lo que se usarán estas variables

para obtener los siguientes datos:

̅"
"LCSR =D4 R
𝐿𝐶𝑆𝑅 = (2.004)(9.66666667) = 19.5724

"𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅ "
𝐿𝐶𝐼𝑅 = (0)(9.66666667) = 0

De ahí, se obtienen los valores del promedio para obtener su gráfica. Se obtiene el
valor de A2 de las tablas de constates que es: 0.483.
Con ello, se sacan los siguientes datos:

̅”
“LCSX =x̅+A2 R

𝐿𝐶𝑆𝑋 = (21.072222)+(0.483)(9.66666667) = 25.789 ≈ 25.79

"𝐿𝐶𝐼𝑋 = 𝑥̅̅ − 𝐴2 𝑅̅ ”
𝐿𝐶𝐼𝑋 = (21.072222)−(0.483)(9.66666667) = 16.3549

17
Con estos datos se hacen las cartas de control del promedio y del rango para poder
interpretar los datos y poder tener una visión más amplia de como la muestra está
bajo control o no:

30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

GRÁFICA "X"

30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

GRÁFICA "R"

18
Pruebas con datos similares de la tabla de chocolates del libro

Resultados de la prueba para la gráfica Xbarra de Chispas chocolate

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea
central.
La prueba falló en los puntos: 18, 19, 21, 24, 28, 29, 30
PRUEBA 2. 9 puntos consecutivos en el mismo lado de la línea central.
La prueba falló en los puntos: 22, 23, 24, 25
PRUEBA 5. 2 de 3 puntos más de 2 desviaciones estándar de la línea central (en
un mismo lado de la LC).
La prueba falló en los puntos: 18, 19, 20, 21, 22, 24, 25, 28, 29, 30
PRUEBA 6. 4 de 5 puntos más de 1 desviación estándar a partir de la línea
central (en un mismo lado de la LC).
La prueba falló en los puntos: 13, 19, 20, 21, 22, 24, 25, 29, 30

19
Resultados de la prueba de la gráfica R de Chispas chocolate
PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea
central.
La prueba falló en los puntos: 28, 29
Interpretación.
En este caso, también ocurre un desplazamiento o cambio en el nivel de proceso,
ya que llegan a sobresalir hasta 3 puntos (grafica x). Estos cambios pudieron
deberse a:

• La introducción de nuevos trabajadores, máquinas, materiales o métodos.

• Cambios en los métodos de inspección.
• Una mayor o menor atención de los trabajadores.
• Porque el proceso ha mejorado (o empeorado).

Conclusión:
Este proceso no se encuentra bajo control estadístico ya que se pueden observar
que un punto o más salen de la línea LCS por lo que hubo en cambio en la media
del proceso

20
Gráfica de caja de No. de chispitas

Interpretación.
En la presente gráfica se puede observar una mejor distribución, sin embargo,
podemos notar que hay valores atípicos en el subgrupo 15,24 y 30.
Conclusión.

Este proceso no se encuentra bajo control estadístico ya que existen

diversos valores atípicos.

Muestreo por atributos: simple, doble y múltiple

El plan de muestreo simple consiste en un tamaño de muestra n, y en un número
de aceptación c, ambos fijados de antemano. Si en la muestra se encuentra c o
menos unidades defectuosas entonces el lote es aceptado. Por el contrario, si hay
más de c artículos defectuosos el lote es rechazado. Mas adelante veremos cómo
diseñar este tipo de planes.

Por su parte, la idea del plan de muestreo doble es tomar una primera muestra de
tamaño más pequeño que el plan simple para detectar los lotes muy buenos o los
muy malos, y si en la primera muestra no se puede decidir si aceptar o rechazar
21
porque la cantidad de unidades defectuosas ni es muy pequeña ni muy grande,
entonces se toma una segunda muestra para decidir si aceptar o rechazar tomando
en cuenta las unidades defectuosas encontradas en las dos muestras. De esta
manera, un plan de muestreo doble está definido por

N = tamaño de lote

n1 = tamaño de la primera muestra

c1 = número de aceptación para la primera muestra

n2 = tamaño de la segunda muestra

c2 = número de aceptación para las dos muestras

Por ejemplo, con el plan N = 3000, n1 = 80, c1 = 1, n2 = 80, c2 = 4; del lote de 3000
piezas se toma una muestra inicial de 80 y con base a la información aportada por
esta primera muestra se toma una de las tres decisiones siguientes:

1. Aceptar el lote, cuando la cantidad de unidades defectuosas sea menor o igual

que 1 (c1).
2. Rechazar el lote, cuando el número de piezas defectuosas sea mayor que 4
(c2).
3. Tomar una segunda muestra de 80 unidades, cuando el número de piezas
defectuosas detectadas en la primera muestra sea mayor que 1 (c1) pero no
exceda de 4 (c2). Si al sumar la cantidad de unidades defectuosas en las dos
muestras, esta no es mayor que 4 (c2), el lote es aceptado, pero si es mayor
que 4 (c2), entonces el lote es rechazado

El plan de muestreo múltiple es una extensión del concepto del muestreo doble,
aquí se toma una muestra inicial aún más pequeña que el plan simple, y si ya se
tiene evidencia de muy buena o muy mala calidad se toma la decisión en
consecuencia, si no, se toma una segunda muestra y se trata de decidir; si todavía
no es posible se continúa con el proceso hasta tomar la decisión de aceptar o
rechazar.

22
Con los planes de muestreo doble y múltiple por lo general se requieren menos
inspección que con el simple, pero tienen mayor dificultad para administrarlos. En
cuanto a seguridad pueden ser diseñados de forma que produzcan resultados
equivalentes.

Esto es, los procedimientos pueden ser diseñados de manera que un lote con cierta
calidad específica tenga exactamente la misma probabilidad de aceptación bajo los
tres tipos de planes de muestreo. Por consiguiente, para la selección de un tipo de
muestreo, se pueden considerar factores como la eficacia de la administración, el
tipo de información obtenida por el plan, la cantidad promedio de información y el
impacto que un plan de muestreo dado pueda tener sobre el flujo del proceso.

Ventajas Y Desventajas Del Muestreo De Aceptación

El muestreo de aceptación respecto a la inspección al 100% tiene las siguientes
ventajas:

1. Tiene menor costo porque se inspecciona menos, a pesar de

algunos costos adicionales generados por la planificación y administración de
los planes de muestreo.
2. Requiere de menos personal en las actividades de inspección, simplificando
con ello el trabajo de coordinación y reduciendo los costos.
3. El producto sufre menos daño al haber menos manipulación.
4. Es aplicable en pruebas destructivas.
5. A menudo reduce el error de inspección y la monotonía.
6. El rechazo de lotes completos por la existencia de artículos defectuosos
proporciona una motivación al fabricante del lote para que mejore su calidad.

El muestreo de aceptación presenta algunas desventajas, como las siguientes:

1. Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque en un plan
de muestreo de aceptación están previstos y cuantificados estos riesgos.
2. Proporciona menos información acerca del nivel de calidad del producto o de
su proceso de fabricación. Aunque bien utilizada, la información obtenida
puede ser suficiente.

23
 3. Se requiere más tiempo y conocimiento para planificar y documentar el
muestreo, mientras la inspección al 100% no. Esto tal vez no sea una
desventaja, ya que la planificación genera otros efectos positivos, como
mayor conciencia de los niveles de calidad exigidos por el cliente.

Curvas Características de Operación

En el contexto de los planes de muestreo de aceptación, la curva característica de
operación representa gráficamente la relación existente entre un porcentaje de
artículos defectuosos de un lote productivo (que por lo general se desconoce) y la
probabilidad de aceptación que se obtiene del mismo luego de aplicar un plan de
muestreo como los detallados en la sección de muestreo simple.

La curva CO de un plan proporciona una caracterización del potencial desempeño

de este, ya que con ésta se puede saber la probabilidad de aceptar o rechazar un
lote que tiene determinada calidad.

Cuando la calidad de un lote es "buena" tanto al productor como al consumidor les

interesa aceptar el lote con alta probabilidad. Por el contrario, cuando la calidad de
un lote es "mala" especialmente al consumidor le interesa rechazar el lote la mayoría
de las veces.

La probabilidad de aceptar un lote con 0 defectos es naturalmente un 100%.

Alternativamente si el 100% de las unidades son defectuosas la probabilidad de
aceptación del lote es 0%. Por lo tanto, una curva característica de operación
siempre pasa por los puntos (0,100) y (100,0). Para porcentajes intermedios de
artículos defectuosos se debe calcular la probabilidad de aceptación del lote según
el plan de muestreo que se esté aplicando.

Ejemplo de Curva Característica de Operación

Consideremos un plan de muestreo que está definido por N=1.000 y (n, c)=
(80,4).Se requiere trazar la curva característica de operación para distintos valores
de p(porcentaje de artículos defectuosos). Con el apoyo de una planilla de cálculo
trazarla curva de operación es sencillo como se muestra en la siguiente imagen:

24
3. Notar que en nuestro ejemplo se cumplen las condiciones para utilizar la
Distribución de Poisson. Si tomamos un porcentaje de defectuosos a la entrada de
un 5% (p=5%) se puede adicionalmente hacer uso de las tablas de probabilidades
para estimar la probabilidad de aceptación. El parámetro de entrada para esta
distribución es n*p=80*0,05=4. Luego buscamos en la tabla el cruce de dicho valor
para c=4. Se concluye que la probabilidad de aceptación del lote es de un 62,9%.

En el ejemplo, si el porcentaje de artículos defectuosos a la entrada es un 10%, la

probabilidad de aceptación del lote es sólo de un 10%. Si esto se considera "mala

25
calidad", este valor representa el "riesgo del consumidor". En forma similar si el
porcentaje de artículos defectuosos a la entrada es un 2%, la probabilidad de
aceptación del lote es de un 97,6%. Si esto se considera "buena calidad" el
diferencial de un 2,4% (100% - 97,6%) representa la probabilidad de rechazar este
lote de "buena calidad". Esto es el "riesgo del productor".

Curvas Tipo α y βCurvas tipo β: para su construcción se supone que provienen

de un lote grande o secuencia de lotes provenientes de un proceso continuo
distribución valida: Binomial(si es posible se puede aproximar por Poisson, si p ≤
0.1 y n.p ≤ 10).Curvas tipo α: para lotes aislados y finitos distribución valida:
Hipergeométrica H (n,N, D) (si es posible se puede aproximar por la Binomial, si n/N
≤ 0.1)

Riesgos α y β
El muestreo por aceptación se caracteriza por el hecho de que siempre existe la
posibilidad de aceptar lotes de mala calidad (que se quieren rechazar) y rechazar
lotes de buena calidad que se quisieran aceptar)

Se definen:α = riesgo del productor o proveedor = P (lote buena calidad sea

rechazada por el plan)β = riesgo del comprador = P (lote de mala calidad o no
conforme sea aceptado por el plan)

La curva CO de tipo α se utiliza en el cálculo de las probabilidades de aceptación

par un lote aislado y de tamaño finito. En este caso, si el tamaño del lote es N, el de
la muestra es n y el número de aceptación es c, entonces la distribución exacta del
número de artículos defectuosos en la muestra es la distribución Hipergeométrica.
En la siguiente figura, se muestran las curvas CO exactas tipo A para los planes de
muestreo simple: tamaño de lote N = 200, n = 80 c = 1; N = 800, n = 80 c = 1; y la
curva tipo B para tamaño de lote muy grande (infinito), N = Inf., n = 80 c =1. De ahí
se puede ver la discrepancia entre las tres curvas es relativamente poca.

Estas curvas se trazan variando los cambios que pueden ocurrir vs la probabilidad
de que los puntos de la muestra caigan dentro de los límites de control.

26
Suponiendo que en una carta de control para 𝑥̅ la desviación estándar, 𝜎, es
conocida y constante y que la media del proceso cuando se encuentra bajo control
es 𝜇0, la probabilidad de que la media de la muestra se encuentre dentro los límites
de control, se representa por 𝑃(𝐿𝐼𝐶 < 𝑥̅ < 𝐿𝑆𝐶). Esta probabilidad será igual a 0.9973,
si la media del proceso es realmente 𝜇0, y será la probabilidad (𝛽) de cometer el
error tipo II, cuando la media es diferente a 𝜇0.
Además, dado que sabemos que la distribución subyacente es normal, 𝑥̅ se
distribuye normalmente con media 𝜇0 y desviación estándar 𝜎/√𝑛 .

Finalmente
𝛽=𝑃(𝐿𝐼𝐶<𝑥̅<𝐿𝑆𝐶)=Φ(3−𝑘√𝑛)−Φ(−3−𝑘√𝑛) (2.19)
En donde Φ la función de distribución acumulativa normal estándar.
En la tabla 2.4 se dan valores de 𝑘 y los valores de 𝛽 correspondiente para valores
de 𝑛 de 1, 2, 3, 4, 5, 10 y 15. La figura 2.14 muestra las curvas características de
operación.

27
Tabla de Valores de β para distintos valores de n

28
Curva característica de operación

Conclusión.
En esta gráfica podríamos decir que en cuanto más productos tengan defectos,
menor será la aceptación por el cliente, por lo cual, no será un producto rentable

Conclusión.
Frente a la evidencia recaudada, sabemos que en la actualidad es fundamental
cumplir con los estándares de calidad; de esa forma nuestro producto o servicio
puede ser una competencia fuerte en el mercado, el cual es cada vez más exigente.
Por lo tanto, se debe buscar constantemente la mejora continua, la satisfacción de
los clientes, la estandarización y el control de procesos, el último es abordado en
este trabajo y en el cual nos encargamos de describir, ya que nos parece un rubro
riguroso que no debe dejarse en el olvido. De forma que, nuestro producto, en este
caso, las galletas Chokis, obtienen un monitoreo de excelencia; donde nos podemos
informar si nuestros estándares de calidad están intactos o debe haber algún
correctivo.

Es aquí donde el muestreo hace acto de presencia facilitándonos el proceso hasta

para poder elaborar las gráficas, ya que estas ayudan a informar de forma rápida y
sencilla.

29
Dentro del análisis expuesto, nos encontramos con diversas y repetidas dificultades;
nuestra falta de experiencia en la utilización de las mencionadas gráficas nos hizo
retroceder en varias ocasiones. Finalmente, los datos proporcionados por nosotros
son probablemente incorrectos, ya a que dieron unos resultados fuera de los
parámetros, cosa que no es posible porque la empresa no podría tener esos errores
debido a que sería un alto desperdició de dinero por galleta.

Referencias
• Díaz Ramos, C. Dr. (s.f.). Control estadístico de calidad (Ed. rev.). Recuperado
defile:///C:/Users/Corvu/Dropbox/Ing_Biotecnologia_2020/CONTROL%20EST
ADISTICO%20DE%20CALIDAD.pdf
• Triola, M. (2004). Estadística (Novena edición ed.). Recuperado de
https://books.google.com.mx/books?id=Lj5VlatlLhsC&pg=PA497&lpg=PA497&dq=Diagrama
+de+dispersion&source=bl&ots=cOoLyOW07K&sig=ACfU3U3nzSf_BFbvR3NkyH7pp8QNrJxd
Lw&hl=es-
419&sa=X&ved=2ahUKEwjpyPzKwYLpAhUJXK0KHc_pDfI4bhDoATACegQICRAB#v=onepage&
q=Diagrama%20de%20dispersion&f=false
• Manene, L. (28 de Julio de 2011). LOS DIAGRAMAS DE FLUJO: SU DEFINICIÓN, OBJETIVO.
Obtenido de
https://moodle2.unid.edu.mx/dts_cursos_mdl/lic/AE/EA/AM/07/Los_diagramas_de_flujo
_su_definicion_objetivo_ventajas_elaboracion_fase.pdf

• Galgano, A. (1992). Los siete instrumentos de la calidad total (Revisado ed.). Recuperado de
https://books.google.com.mx/books?id=PwF4AQ2F4mgC&pg=PA171&lpg=PA171&dq=Carta
+X-R&source=bl&ots=wOLDwfWOm3&sig=ACfU3U1lIGTJwa2gls4FjpZvoa8u6_UIpg&hl=es-
419&sa=X&ved=2ahUKEwi1kaSPk5vpAhVMMawKHW9pAv84FBDoATAIegQIChAB#v=onepag
e&q=Carta%20X-R&f=false
• Ruiz-Falcó Rojas , A. (2006, marzo 1). CONTROL ESTADÍSTICO DE PROCESOS . Recuperado 6
de mayo de 2020, de https://web.cortland.edu/matresearch/ControlProcesos.pdf
• Pierdant Rodríguez, A. I., Scielo, & Rodríguez Franco, J. (s. f.). Control estadístico de la calidad
de un servicio mediante Gráficas X y R. Recuperado 6 de mayo de 2020, de
http://www.scielo.org.mx/pdf/polcul/n32/n32a9.pdf

30
 • Research Optimus. (s. f.). Difference Between X-Bar and R-Chart and How They Are Used.
Recuperado 6 de mayo de 2020, de https://www.researchoptimus.com/article/x-bar-and-r-
chart-difference.php
• Juran. (2019, enero 18). Statistical Process Control and Quality Improvement. Recuperado 6
de mayo de 2020, de https://www.juran.com/blog/statistical-process-control-and-quality-
improvement/
• Cómo construir una Curva Característica de Operación (CO) con Excel. (2015, enero 1).
Recuperado 7 de mayo de 2020, de https://www.gestiondeoperaciones.net/gestion-de-
calidad/como-construir-una-curva-caracteristica-de-operacion-co-con-excel/
• Lagunes, G. (2012, septiembre 2). Caracteristicas de las curvas de operación / Estadistica II.
Recuperado 7 de mayo de 2020, de https://es.slideshare.net/gonzalagunes/caracteristicas-
de-las-curvas-de-operacin
• Suárez, X. M. A. P. (s. f.). Muestreo de aceptación - Monografias.com. Recuperado 7 de mayo
de 2020, de https://www.monografias.com/trabajos46/muestreo-de-aceptacion/muestreo-
de-aceptacion.shtml

Evidencias:

31
32
33
34