Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aceptacion
Aceptacion
1. APUNTES DE CLASE
------------------------------------------------------------------------------------------------------------------------------------------
Muestreos de aceptación
INDICE DE CONTENIDOS
1. PLANTEAMIENTO ESTADÍSTICO DEL PROBLEMA............................................3
2. APLICACIONES DEL MUESTREO DE ACEPTACIÓN ..........................................4
3. TIPOS DE MUESTREOS DE ACEPTACIÓN ..........................................................5
4. MUESTREOS POR ATRIBUTOS............................................................................6
4.1. GENERALIDADES ................................................................................................6
4.2. CURVA DE OPERACIÓN (CO) ...............................................................................6
4.3. NIVEL DE CALIDAD ACEPTABLE (NCA) Y CALIDAD LÍMITE (CL) ...............................8
4.4. PROCEDIMIENTO APROXIMADO PARA DETERMINAR UN PLAN DE MUESTREO QUE
SATISFAGA UN NCA Y UNA CL FIJADA..............................................................................10
4.5. CURVA DE CALIDAD DE SALIDA MEDIA ................................................................11
4.6. MUESTREOS LOTE A LOTE: MIL-STD-105E........................................................12
4.7. OTROS PLANES DE MUESTREO POR ATRIBUTOS DE USO CORRIENTE. ......................14
5. MUESTREOS POR VARIABLES..........................................................................15
5.1. GENERALIDADES ..............................................................................................15
5.2. PLANTEAMIENTO ESTADÍSTICO ...........................................................................16
5.3. MUESTREOS LOTE A LOTE SEGÚN MIL-STD-414.................................................21
6. MUESTREOS SECUENCIALES (CONTINUOS) ..................................................24
ANEXO I. PRINCIPALES FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD
EMPLEADAS EN MUESTREOS DE ACEPTACIÓN ......................................................33
ANEXO II. PRINCIPALES TABLAS DE LAS NORMAS ..........................................41
POBLACIÓN N
EXTRACCIÓN DE UNA
MUESTRA ALEATORIA
MUESTRA n
INSPECCIÓN DE LA
MUESTRA ALEATORIA
MUESTRA n
INFERENCIA A LA
POBLACIÓN
POBLACIÓN ¿ES ACEPTABLE
N
ESTA POBLACIÓN?
SI NO
ACEPTAR RECHAZAR
Fig. 1 Muestreos de aceptación
donde:
De acuerdo con este criterio, el muestreo no tiene sentido. No obstante hay que
tener en cuenta lo siguiente:
CURVA DE OPERACIÓN
n=50 Ac=2
1
0,9
PR 0,8
OB 0,7
.
AC 0,6 P(p)
EP
0,5
TA
CI 0,4
ÓN
0,3
0,2
0,1
0 p
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10
% UNID. DEFECTUOSAS
INTERPRETACIÓN DE LA CURVA DE
OPERACIÓN:
1- P(p) %
p p p p
Si se aplica el plan de muestreo
y los lotes tienen p % de unidades defectuosas,
en promedio se aceptan P(p) % de los lotes
P(p) %
Fig. 3 Interpretación del significado de la Curva de Operación
x
n
P( X ) = ∑ p i (1 − p ) (n −i )
i =0 i
PUNTOS IMPORTANTES DE LA
CURVA DE OPERACIÓN
n=50 Ac=2
RIESGO DEL PRODUCTOR
1
0,9
0,8
PROB. ACEPTACIÓN
0,7
0,6
0,5
0,4
0,3
0,2 RIESGO DEL CONSUMIDOR
0,1
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10
% UNID. DEFECTUOSAS
NCA-AQL CL-LQ-LTPD
A C T IVID A D 1 :
D a d o u n p l a n d e m u e s tr e o c o n ta m a ñ o d e m u e s tr a n = 5 0 y n ú m e r o
d e a c e p ta c i ó n Ac = 0 , h a l l a r s u AQ L .
Ac
( n * NCA) i −n*NCA
P ( n * NCA) = ∑ e = 0.95
i =0 i!
Ac
( n * CL) i −n*CL
P ( n * CL) = ∑ e = 0.10
i =0 i!
n=50 Ac=2
1,8
CALIDAD MEDIA DE LOS LOTES
1,6
1,4
SALIENTES %
1,2
1 LÍMITE DE LA CALIDAD
0,8 DE SALIDA MEDIA
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10
INTERPRETACIÓN DE LA CURVA DE
CALIDAD DE SALIDA MEDIA:
p p p p 0
P(p) %
p
La calidad promedio de
CSM=P(p)p
los lotes después de la inspección es:
Fig. 6 Interpretación de la Curva de Calidad de Salida Media
SISTEMA DE CAMBIOS DE
SEVERIDAD EN EL MUESTREO
• 10 lotes consecutivos aceptados COMIENZO 2 rechazos en 5
• noconformidades < TABLA VIII lotes consecutivos
• Producción sin cambios
• Autorizado por la autoridad.
10 lotes
permaneciendo
• Lote rechazado 5 lotes
en rigurosa:
• Lote aceptado s/10.1.4 consecutivos
PARAR
• Producción irregular aceptados
1. Fijación del NCA y nivel de inspección (por ejemplo NCA=0.65 Nivel II).
Dato: tamaño del lote (por ejemplo 300).
2. Búsqueda de la letra-código en la Tabla I. En este caso resulta ser la H.
3. A continuación, si se desea un plan simple se irá a las Tablas II, si
doble a las Tablas III y si múltiple a las Tablas IV. En el ejemplo
busquemos el plan correspondiente a simple en inspección normal:
4. Tabla II-A: El tamaño de la muestra es 50 pero se observa que la casilla
correspondiente al número de aceptación está ocupada por una flecha
que nos lleva hasta el plan: muestra=80, Ac=1 y Re=2 . Si se tratara de
un lote aislado sería necesario comprobar que la CL es aceptable. Ello
se puede comprobar en este caso utilizando la Tabla X-J, en la que se
lee CL=5%.
Sistema Philips.
Tablas de Dodge-Romig.
Por otra parte, si las piezas tienen tolerancias bilaterales implica que deben
considerarse las dos colas de la distribución, mientras que si hay un solo límite
debe considerarse una sola cola.
µ (σ conocido) (x − µ )
σ/ n N(0,1)
µ (σ desconocido)
(x − µ ) , donde ∑ (x − x)
n 2
s= i =1 i
tn-1
s/ n n −1
Tabla 2
µ−x
P( ≥ z1−α ) = 0.95; z1−α = z (0.95) = 1.65
σ/ n
Lo que equivale a que la media muestral será inferior a (ver Fig. 8):
σ σ z (0,95)
x ≤ µ + z (0,95) = T − zT σ + z (0,95) = T − zT − σ = T − kσ
n n n
Distribución de las
1.0 medias muestrales
P(x)
µ Límite de Tolerancia T
0.5
Distribución de las
piezas individuales
AQL
5%
0.0
-4 -3 -2 -1 0 1 2 3 4
x ZONA DE RECHAZO
1.0
Límite de Tolerancia Ti
µ1 Límite de Tolerancia Ts
P(x)
µ2
0.5
Distribución de las
piezas individuales
P1
P2 5% 5%
0.0
-4 -3 -2 -1 0 1 2 3 4
ZONA DE RECHAZO x ZONA DE RECHAZO
SIGMA DESCONOCIDA
Entonces:
1 2σ 4 σ σ2
σs = = ; Var(s) =
2σ n −1 2( n − 1) 2( n − 1)
σ2 σ2 σ2 k2
Var ( x − ks ) = + k2 ≈ 1 +
n 2( n − 1) n 2
Con lo que se deduce que el hecho de desconocer la varianza del lote, penaliza
k2
el tamaño de la muestra requerido en un factor 1 + . De manera que, si se
2
fija un NCA y una CL, el plan de muestreo requerido es (caso de un límite de
tolerancia):
− z AQL z (0.10) + zCL z (0.95)
k=
z (0.95) − z (0.10)
2
k 2 z (0.95) − z (0.10)
n = 1 +
2 z AQL − zCL
La mecánica es la siguiente:
P ( x > z ) = Pu
∑(x i − x )2
s= i =1
n −1
A R
P T
E R
AC U A
I N R
N T A
O A Z
C H
C
RE
UNIDADES RECHAZADAS
Las condiciones anteriores hacen que las posibilidades de aplicar estos planes
en muestreos de aceptación sean reducidas.
COMIENZO
INSPECCIÓN
100%
¿i unidades No
conformes?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f
No Sí
¿CONFORME?
COMIENZO
DIVIDIR LA PRODUCCIÓN
EN SUBGRUPOS DE
TAMAÑO Ni
INSPECCIÓN
100%
¿i unidades No
conformes?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f
No Sí
¿CONFORME?
COMIENZO
STOP
INSPECCIÓN
Sí 100%
¿ NÚMERO DE
No UNIDADES
INSPECCIONA
DAS > S?
¿i unidades No
conformes?
No
Sí Sí
¿i unidades
conformes?
INSPECCIÓN
DE UNA
FRACCIÓN f
CONTINÚA LA
INSPECCIÓN DE UNA
FRACCIÓN f Y SE No Sí
¿CONFORME?
CUENTAN LAS
UNIDADES
INSPECCIONADAS
COMIENZO
INSPECCIÓN
100%
No
¿ NÚMERO DE
No UNIDADES Sí
¿i unidades STOP
conformes? INSPECCIONA
DAS > S?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f
No
No Sí ¿i UNIDADES
¿CONFORME? SIN
DEFECTOS?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f/2
No Sí ¿i UNIDADES
¿CONFORME? SIN
DEFECTOS?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f/4
No
¿CONFORME?
COMIENZO
INSPECCIÓN
100%
¿i unidades No
conformes?
Sí
INSPECCIÓN
DE UNA
FRACCIÓN f
STOP
Sí
¿CONFORME?
Sí
No
¿ NÚMERO DE
INSPECCIÓN No UNIDADES
100% INSPECCIONA
DAS > S?
No
¿CONFORME?
Sí No
¿ x<i UNIDADES Sí
SIN
DEFECTOS?
RESUMEN
DISTRIBUCIÓN BINOMIAL
Un proceso de Bernoulli se caracteriza por:
x
0.6
0.5
Probabilidad
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4
x
Número de intentos N= 10 Probabilidad de éxito P= 0.05
DISTRIBUCIÓN HIPERGEOMÉTRICA
En el caso de poblaciones pequeñas en la que se realizan muestreos sin
reposición no se cumplen los requisitos de un proceso de Bernouilli. Si el
tamaño de la población es N, existen en ella D elementos no conformes, se
extrae un muestra de n elementos y se quiere estudiar la variable aleatoria
“obtener x elementos no conformes en la muestra”, entonces la función de
probabilidad es:
D N − D
x n − x
f (x ) =
N
n
DISTRIBUCIÓN DE POISSON
Supongamos un proceso en el que se producen sucesos puntuales sobre un
soporte continuo, por ejemplo entradas de llamadas en una central telefónica a
lo largo del tiempo, defectos producidos en una línea de montaje, etc.
S1 S2 S3 S4 S5 S6 S7
.
Fig. 17 Proceso de Poisson
E [x ] = Var[x ] = µ
1.0
0.9
0.8
0.7
Probabilidad
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2
x
Media= 0.05
y la función de distribución:
− ( x − µ )2
F (x ) =
1 x
2π σ ∫−∞
exp
2σ 2 dx
[] []
Su E x y Var x son µ y σ2 respectivamente. Es simétrica entorno a µ (es
decir, el coeficiente de asimetría es CA=0).
Tiene las propiedades de que µ ± 3σ contiene el 99.73% de la población, y que
en el intervalo µ ± 2σ está incluida el 95.46%. Es decir que menos de un 4 por
mil de los casos de una población distribuida normalmente caerá fuera del
intervalo µ ± 3σ.
0.4
0.3
0.2
Capacidad del proceso
0.1
0
68 %
95 %
99,73 %
-6 -4 -2 0 2 4 6
X
x−µ
z=
σ
DISTRIBUCIÓN CHI-CUADRADO.
Sean (x1, x2, x3,.. ,xn) n variables aleatorias normales N(0,1), es decir con µ = 0
y σ = 1, e independientes entre sí. Construyamos la variable aleatoria:
χ n 2 = x12 + x2 2 + K + xn 2
0.10
Probabilidad
0.05
0.00
0 10 20 30
x
Grado s de Libertad= 10
0.04
0.03
Probabilidad
0.02
0.01
0.00
20 30 40 50 60 70 80 90
x
Grados de Libertad= 50
DISTRIBUCIÓN T DE STUDENT
Sea x una variable aleatoria N(0, 1) y χn2 Chi-cuadrado con n grados de
libertad independiente de la anterior, se define la distribución t con n grados de
libertad:
x
tn = 12
1 2
n χ n
NORMAL vs t de Student
0.4 N(0,1)
t 15 g. de l.
t 10 g. de l.
0.3
t 5 g. de l.
t 2 g. de l.
P(x)
0.2
0.1
0.0
-4 -3 -2 -1 0 1 2 3 4
x