CURVA DE MUESTREO

Un plan de muestreo se caracteriza por su CURVA DE OPERACIÓN. En el eje de

abscisas OX se representa la fracción defectuosa p del lote a inspeccionar (o el número
de defectos medio µ en el caso de contabilizar defectos). En el eje de ordenadas OY se
representan las probabilidades de aceptación de los lotes de esas características.
Evidentemente P(0) = 1 y P(1) = 0.

La curva característica de operación (OC) presenta la potencia de discriminación de un

plan de muestreo de aceptación. La curva OC grafica las probabilidades de aceptar un
lote versus la fracción defectuosa.

Cuando se grafica la curva OC, los riesgos del muestreo son evidentes. Siempre debe
examinar la curva OC antes de utilizar un plan de muestreo.

Por ejemplo, usted toma una muestra de 52

bolígrafos de un envío de 5000. Si el porcentaje real
de defectuosos es 1.5%, tiene una probabilidad de
0.957 de aceptar este lote con base en la muestra y
una probabilidad de 0.043 de rechazarlo. Si el
porcentaje real de defectuosos es 10%, tiene una
probabilidad de 0.097 de aceptar este lote y una
probabilidad de 0.903 de rechazarlo.

Puede comparar las curvas OC para elegir el plan de muestreo apropiado. En este caso,
el supervisor del turno piensa que un muestreo de 52 bolígrafos de un universo de 5000
es demasiado. Puede desarrollar curvas para varios tamaños de muestra y números de
aceptación para ilustrar el riesgo incrementado.

Si el tamaño de la muestra es 35
(línea roja) y el porcentaje
defectuoso es 10%, ahora tendrá un
0.306 de probabilidad de aceptar
este lote.
INTERPRETACION DE CURVA DE OPERACIÓN

En el caso de planes de muestreos

simples, la ecuación de la CO se
calcula simplemente a partir de la
función de distribución aplicable.
Por ejemplo, supongamos que se
quiere calcular la CO de un plan
de muestreo en el que se toman
muestras de 50 unidades y se
rechaza si hay más de un
elemento no conforme en la
muestra. Se supone un muestreo
lote a lote. En este caso resulta
aplicable la distribución binomial.

Luego la ecuación de la curva de operación sería en este caso

CURVAS CARACTERISTICAS DE OPERACIÓN

Esta curva OC ideal para un plan de un solo muestreo el rendimiento solamente se logra
con el 100% de inspección. La curva OC típica para un plan de un solo muestreo, cuya
gráfica aparece en color gris, muestra la probabilidad á de rechazar un lote bueno
(riesgo del productor) y la probabilidad â de aceptar un lote malo (riesgo del
consumidor).
Trazado de la curva OC La distribución de muestreo correspondiente al plan de un solo
muestreo es la distribución binomial, porque cada elemento inspeccionado puede estar
defectuoso (un fracaso) o no (un éxito). La probabilidad de aceptar el lote es igual a lo
probabilidad de tomar una muestra de tamaño n de un lote, con una proporción
defectuosa de p, y encontrar c o menos elementos defectuosos.

Para dibujar la curva OC, busque la probabilidad de aceptar el lote para un determinado
rango de valores de p. después, cada uno de los valores de p,

1. multiplique p por el tamaño de la muestra n,

2. busque el valor np en la columna izquierda de la tabla,
3. desplácese hacia la derecha hasta que localice la columna correspondiente a c,
4. registre el valor que corresponde a la probabilidad de aceptación P . a Cuando
p= AQL, el riesgo del productor, á, es 1 menos la probabilidad de aceptación.
Cuando p= LTPD, el riesgo del consumidor, â, es igual a la probabilidad de
aceptación.

CURVA IDEAL

Aquella que tendría una discriminación perfecta entre lotes “buenos” y “malos”. No
existe ningún plan de muestreo que tenga esta curva ideal y que sea capaz de hacer una
discriminación perfecta entre lotes “buenos” y “malos”. En teoría, la curva CO ideal se
puede alcanzar con inspección al 100%, siempre y cuando tal inspección estuviera libre
de errores, lo que difícilmente ocurre.

NIVEL DE CALIDAD ACEPTABLE (NCA) Y CALIDAD LÍMITE (CL)

1. NCA (NIVEL DE CALIDAD ACEPTABLE). En inglés AQL (Acceptable Quality

Level). Es el valor de p ( c en el caso de defectos) que tiene una probabilidad de
aceptación de 0.95. La probabilidad de rechazo de un lote con estas características, α =
05.0 , se denomina riesgo del fabricante.

2. CL (CALIDAD LIMITE). En inglés QL (Quality Limit) o LTPD (Lot Tolerance

Percent Defective). Es el valor de p ( c en el caso de defectos) que tiene una
probabilidad de aceptación de 0.10. La probabilidad de aceptación de un lote con estas
características, β = 10.0 , se denomina riesgo del consumidor.
Las curvas CO tienen las siguientes propiedades:

 ♦ Las curvas CO correspondientes a números de aceptación Ac=0 son cóncavas.

En caso contrario son inicialmente convexas, después tienen una inflexión para
finalizar de forma cóncava.
 ♦ En el entorno del NCA, la curva tiene una pendiente mayor cuanto mayor es el
tamaño de la muestra (mejor discriminación) .
 ♦ Si se mantiene constante el tamaño de la muestra pero se aumenta el número
de aceptación Ac, la curva se desplaza hacia la derecha.
 ♦ En el caso de atributos, el problema de hallar la curva CO que pase por un
NCA y un CL dados no siempre tiene solución exacta ni siquiera en el caso de
muestreo simple debido a la restricción de que tanto el tamaño de la muestra
como el número de aceptación han de ser enteros.

PUNTOS IMPORTANTES EN LA CURVA DE OPERACIÓN

Los indicadores de calidad son instrumentos de mediciónde carácter tangible y

cuantificable, que permiten evaluar la calidad de los procesos, productos y
servicios para asegurar la satisfacción de los clientes. Basados en hechos y datos, que
permiten

evaluar la calidad de los procesos, productos y servicios para asegurar la satisfacción de

los clientes; idealmente deben ser pocos, aunque representativos de las áreas prioritarias
o que requieran supervisión constante de la gestión, deben cubrir los servicios ofrecidos
al cliente final, así como los servicios internos que se generan entre departamentos y
que desembocan al final en el servicio al usuario. Dicho de otro modo, miden el nivel
de cumplimiento de las especificaciones establecidas para una determinada actividad o
proceso empresarial.

Los indicadores de calidad permitirán ir haciendo el seguimiento de la calidad que se

está ofreciendo al cliente, así como las desviaciones que se puedan producir en el
servicio. Además de eso, permitirán tomar medidas preventivas y/o correctoras para
asegurar la mejora en el tiempo.

Características de los indicadores de calidad

Idealmente, las principales características que deben tener los indicadores de calidad son

las siguientes:

1. Ser realistas, es decir, directamente relacionados con las dimensiones

significativas de la calidad del proceso, producto o servicio,

2. En cuanto al número, deben ser pocos aunque suficientemente representativos de

las áreas prioritarias o que requieren una supervisión constante de la gestión.
3. Efectistas y centrados en el verdadero impacto de la calidad.
4. Visibles y fácilmente representables en forma de gráficos de fácil interpretación.
5. Accesibles a las personas involucradas en las actividades medidas.
6. Sensibles a las variaciones de los parámetros que se está midiendo.
7. Sencillos de calcular y gestionar.

Definición e implantación de un sistema de indicadores de calidad

Para realizar la implantación operativa de un indicador es necesario que previamente se

definan determinados aspectos como: datos a analizar, persona responsable de la gestión
(normalmente es el jefe de equipo de los procesos afectados por el indicador) o el papel
del gestor de calidad, el cual actuará como facilitador para ayudar a la implantación.

Por último, destacaremos que en el momento de implementar los indicadores es muy

importante el seguimiento de las siguientes recomendaciones:

 Utilizar indicadores gráficos de fácil interpretación.

 Colocar los indicadores en lugares visibles dentro de las zonas donde se realizan
las actividades.
 Que los indicadores sean gestionados por los responsables de los procesos o
actividades medidas.
 Evitar las falsas alarmas como consecuencia de una sobredimensión del valor de
dichos indicadores.

¿Qué es un marco de muestreo?

Un marco de muestreo es un registro de la población objetivo que contiene todos los

participantes de interés. En otras palabras, es una lista de la que podemos extraer una
muestra.

¿Cómo es una buena muestra?

 Una buena muestra debe ser un subconjunto representativo de la población que nos
interesa estudiar, por lo que cada participante tiene las mismas posibilidades de ser
seleccionado al azar en el estudio.

Ejemplos de diferentes métodos de muestreo

Podemos elegir un método de muestreo basado en si queremos tener en cuenta el sesgo

del muestreo; a menudo se prefiere un método de muestreo aleatorio sobre un método
no aleatorio por esta razón. Los ejemplos de muestreo aleatorio incluyen: muestreo
simple, sistemático, estratificado y por conglomerados. Los métodos de muestreo no
aleatorio son susceptibles de sesgo, y los ejemplos más comunes son: muestreo de
conveniencia, intencional, de bola de nieve y de cuotas. En el caso de este blog nos
centraremos en los métodos de muestreo aleatorio.

Ventaja Desventaja Ejemplo

Simple Posibilidad de Menos preciso que el Queremos realizar un ensayo experimental

obtener resultados método estratificado, en una población pequeña como: empleados
generalizables, menos representativo en una empresa, o estudiantes en una
muestreo que el método universidad. Incluimos a todos en una lista y
aleatorio, el marco sistemático. utilizamos un generador de números
de muestreo es aleatorios para seleccionar a los
toda la población, participantes
cada participante
tiene la misma
probabilidad de
ser seleccionado.

Sistemática Más factible que La generalizabilidad Cada enésimo paciente entrante a la clínica
los métodos puede disminuir si ambulatoria es seleccionado e incluido en
simples o las características de nuestra muestra.
estratificados, no base se repiten en
siempre se cada enésimo
requiere un marco participante.
de muestreo

Estratificado  Inclusión de  No funciona bien  Tenemos una gran población (una ciudad) y
estratos con variables queremos asegurar la representatividad de
(subgrupos), múltiples. todos los grupos con una característica
resultados fiables predeterminada como: grupos de edad,
y generalizables. origen étnico y género.

Conglomerados Fácilmente Los resultados 10 escuelas tienen el mismo número de

realizable con la pueden no ser fiables estudiantes en todo el condado. Podemos
 mayoría de los ni generalizables. seleccionar aleatoriamente 3 de las 10
presupuestos, no escuelas como nuestros conglomerados
requiere un marco
de muestreo.

¿Cómo se pueden identificar los errores de muestreo?

La selección no aleatoria aumenta la probabilidad de sesgo de muestreo (selección), si la

muestra no representa a la población que queremos estudiar. Podríamos evitarlo
mediante un muestreo aleatorio y asegurando la representatividad de nuestra muestra
con respecto al tamaño de esta.

Un tamaño de muestra inadecuado

disminuye la confianza en nuestros
resultados, ya que podemos pensar
que no hay diferencias significativas
cuando en realidad sí las hay. Este
error de tipo dos es el resultado de
tener un tamaño de muestra pequeño,
o de que los participantes abandonen
la muestra.

Elección del mejor método de

muestreo

Siguiendo los pasos que se indican a continuación podríamos elegir el mejor método de
muestreo para nuestro estudio de forma ordenada.

Objetividad de la investigación

En primer lugar, una pregunta y un objetivo de investigación precisos nos ayudarían a

definir nuestra población de interés. Si el tamaño de nuestra muestra calculada es
pequeño, sería más fácil obtener una muestra aleatoria. Si, por el contrario, el tamaño de
la muestra es grande, deberíamos comprobar si nuestro presupuesto y recursos pueden
soportar un método de muestreo aleatorio.

Disponibilidad del marco de muestreo

En segundo lugar, tenemos que comprobar la disponibilidad de un marco de muestreo

(Simple), si no, podríamos hacer una lista propia (Estratificada). Si ninguna de las dos
opciones es posible, podríamos utilizar otros métodos de muestreo aleatorio, por
ejemplo, el muestreo sistemático o conglomerados.

Diseño del estudio

Además, podríamos considerar la prevalencia del tema (exposición o resultado) en la
población, y cuál sería el diseño de estudio adecuado. Asimismo, comprobando si
nuestra población objetivo es muy variada en sus características de base. Por ejemplo,
una población con grandes subgrupos étnicos podría estudiarse mejor con un método de
muestreo estratificado.

Muestreo aleatorio

Finalmente, el mejor método de muestreo es siempre el que mejor pueda responder a

nuestra pregunta de investigación y, al mismo tiempo, permita que otros puedan hacer
uso de nuestros resultados (generalizabilidad de los resultados). Cuando no podemos
permitirnos un método de muestreo aleatorio, siempre podemos elegir entre los métodos
de muestreo no aleatorio.
 Calidad de mediciones (repetibilidad y reproducibilidad)

Las mediciones se pueden pensar a su vez como el resultado de un proceso, el cual es

influido por causas del mismo tipo que afectan al proceso de producción.

las fuentes principales que contribuyen al error del proceso de medición son el equipo
de medición, los operadores (reproducibilidad) y la variación dentro de la muestra. La
variabilidad del equipo se divide a su vez en los siguientes componentes:

 Calibración. La exactitud y linealidad del instrumento.

 Estabilidad. El cambio del instrumento con el transcurso del tiempo.
 Repetibilidad. La variación observada cuando un operador mide de manera
repetida la misma pieza con el mismo instrumento
 Linealidad. La exactitud a lo largo del rango de operación del instrumento, por
ejemplo en el caso de una báscula que mide un rango de 0 a 100 kilogramos,
interesa que sea exacta en todo este rango.

CONCEPTOS.

Mediciones Números asignados a un objeto por el sistema o proceso de medición.

Variación total observada Es igual a la variación propia de los objetos que son
medidos más la variación o error atribuible al sistema de medición.

Variación dentro de la muestra Variabilidad dentro del objeto a medir; se presenta en

objetos que por su naturaleza tienen cierta heterogeneidad en sus superficies,
dimensiones, etcétera.

Resolución del equipo Es la habilidad del sistema de medición.

Número de categorías diferentes Es una manera de estimar y reportar la resolución del

sistema de medición.

Metrología Es la ciencia de las mediciones.

Patrón Instrumento u objeto que es un estándar porque su magnitud es conocida; se usa

para definir, realizar, conservar o reproducir tal magnitud.
Calibración Relación entre el resultado de la medición de un patrón y la magnitud
verdadera de éste. Mensurando Es la cantidad, objeto o pieza que se quiere medir

La variación dentro de la muestra es la variación dentro del mismo objeto a medir, y se

presenta en objetos que por su naturaleza tienen cierta heterogeneidad en sus
superficies, dimensiones, etc. Por ejemplo, si se quiere medir un diámetro interior con
un vernier, entonces la medición varía ligeramente dependiendo de dónde y cómo se
coloca el vernier.

La sensibilidad o resolución del equipo, que se refiere a la habilidad del instrumento de

medición para discriminar entre piezas similares; se recomienda que éste sea capaz de
reportar al menos 10 valores espaciados a lo largo del rango de variación de las piezas
que pretende medir.

Para estudiar la exactitud es preciso contar con un estándar o patrón, de modo que se
pueda suponer conocida la magnitud verdadera a medir.

EJEMPLO
La metrología es la ciencia que se encarga del estudio de las mediciones vistas como el
resultado de un proceso que está influido por diferentes fuentes de variabilidad.
Mientras que patrón es el instrumento de medición o material destinado para definir,
realizar, conservar o reproducir la unidad o magnitud que sirva como referencia. Por su
parte, calibración es el conjunto de operaciones bajo condiciones específicas que sirven
para establecer la relación entre las magnitudes indicadas por un instrumento de
medición

Repetibilidad y
reproductividad
• La Repetibilidad se refiere a la precisión
o variabilidad de sus mediciones cuando
se obtienen varias mediciones del
mismo objeto en condiciones similares

• La Reproductividad se refiere a la
variabilidad o error de las mediciones
sobre el mismo objeto con in
instrumento bajo condiciones
cambiantes
• Evalúan de modo experimental que parte de las
variabilidades totales se le atribuyen al error de
medición
• Permite cuantificar si este error es mucho o poco
comparándolo con la variabilidad de productos
 Pasos para realizar un estudio R&R largo
• Seleccionar a 2 o mas operadores para el experimento
• Seleccionar de manera aleatoria 10 o mas piezas que se
usaran en el experimento varias veces por cada operador
• Decidir el numero de ensayos que cada operador hará el
experimento
• Etiquetar cada parte y aleatorizar el orden en el cual las
piezas se dan a los operadores
• Obtener en orden aleatorio el primer ensayo del primer
operador para todas las piezas
• Repetir los tres pasos anteriores hasta completar el
numero de ensayos elegidos
• Hacer el análisis estadístico de cada dato

Estudio R&R corto

• Un estudio de repetibilidad y reproducibilidad corto

(estudio R&R corto) permite estimar de manera rápida
la variabilidad con la que contribuye el proceso de
medición.
 Pasos a seguir en
un estudio corto
Para cada instrumento de medición que se desee evaluar es necesario planear un estudio en el que se
aplique los siguientes pasos:
1. Seleccionar dos o más operadores para conducir el estudio acerca del instrumento de medición de
interés.
2. 2. Seleccionar aleatoriamente un conjunto de 10 o más partes o piezas que serán medidas varias
veces para cada operador.
3. Decidir el número de ensayos o veces que cada operador medirá la misma pieza . En este método se
deben hacer por lo menos dos ensayos, y tres es lo mas recomendable
4. Etiquetar cada parte y aleatorizar el orden en la cual las partes o piezas se dan a los operadores
5. Obtener en orden aleatorio la primera medición del operador A para todas las piezas seleccionadas
6. Volver a aleatorizar las piezas y obtener la primera medición del operador B
7. Continuar hasta que todos los operadores hayan realizado la primera medición de todas las piezas
8. Repetir los 3 pasos anteriores hasta completar el número de ensayos elegidos
9. Hacer un análisis estadístico de los datos
 Pasos a seguir en
un estudio corto
• Seleccionar dos o más operadores para
conducir el estudio sobre un instrumento de
medición dado.
• Seleccionar un conjunto de cinco a 10 piezas o
unidades que serán medidas por cada uno de
los operarios.
• Etiquetar o identificar cada pieza y aleatorizar
el orden en el cual son dadas a cada uno de los
operadores para que sean medidas.
• Identificar la zona a punto en la parte donde la
medición será tomada y el método o técnica
que se debe aplicar.
• Hacer el análisis estadístico de los datos, emitir
un juicio acerca de la calidad del proceso de
medición y decidir acciones futuras sobre el
mismo.

Bibliografía

Carro, R., & González Gómez, D. A. (2012). Muestreo de aceptación.

Grant, E. L., & Leavenworth, R. (1999). Control estadístico de calidad. Compañía

Editorial Continental SA, México.

Centro De Ingeniería De La Calidad, N. A. (2007, 16 abril). Estudio de Repetibilidad y

Reproducibilidad R&R. CENTRO DE INGENIERÍA DE LA CALIDAD. Recuperado
22 de enero de 2022, de https://cicalidad.com/articulos/PAPER%20R&R.pdf

Román, H. G. (2002, 24 julio). Control estadístico de calidad y 6 sigma. Mc Graw Hill.

Recuperado 29 de enero de 2022, de
https://miscursos-tab.uag.mx/pluginfile.php/108832/mod_resource/content/1/
Libro_control_estadistico.pdf