Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7)
8) Estas tablas principalmente fueron utilizadas para minimizar
la porción global de supervisión, pero considerando la
supervisión para el respectivo muestreo y la supervisión
para escoger los lotes que fueron de alguna manera
rechazados.
9)
10) ¿Qué es el límite aceptable?
11) El AQL (Assurance Quality Limit) o Límite de
Calidad Aceptable es el número máximo de piezas
defectuosas que puede llegar a tener un lote para poder ser
aceptado. La norma estándar mas común i utilizada es la
ISO 2859-1 (ANSI/ASQC Z1.
12) ¿Qué es el límite aceptable?
13) ¿Qué determina el nivel de calidad AQL?
14)
15)
16)
17) Los AQL deben usarse para determinar si un producto
cumple o no con las especificaciones de un cliente.
El AQL se puede establecer para un porcentaje o número
de defectos críticos, mayores y menores.
18) Tablas de control estadístico
La probabilidad de que
Ejemplo 1
Una máquina rellena un recipiente con 500 g de una sustancia, con una desviación estándar de
2 g. Se toman 10 muestras diarias, cada una de 5 recipientes, y se mide el peso de cada recipiente.
Los peso promedios para las 10 muestras en una semana son
Nº de muestra 1 2 3 4 5 6 7 8 9 10
Media muestra 498,37 499,49 501,25 498,63 502,97 500,56 499,23 498,76 501,05 500,27
Para los límites de control 3σ, ¿se encontró el proceso bajo control durante esta
semana? Con estos límites, ¿cuál es la probabilidad de no detectar un corrimiento
de 500 a 503 g en la media?
Dado que n=5, μ=500 y σ=2, los límites de control 3σ son 500±3
(2/50,5)=(497,3167; 502,5833). Nótese en la figura que la media muestral quinta
está por encima del límite superior; de esta forma, durante este tiempo el proceso
se juzgó como fuera de control.
La probabilidad de obtener un valor de la media muestral fuera de los límites de
control si el proceso se encuentra realmente bajo control es:
los límites de control 3σ son E(S) ± 3.d.e(S). Para obtener los valores de E(S) y
de Var(S) téngase en cuenta lo siguiente:
Por tanto:
Luego
Por tanto
En consecuencia
Var (S2)=E(S2)-[E(S)]2
de ahí
la desviación estándar
Como la varianza σ es conocida, estos límites sólo dependen de c 4 y c5, que a su vez
sólo dependen de n, el tamaño de la muestra. Para los valores usuales de n, se obtiene:
n 4 5 6 7 8 9 10 11 12 13 14 15
0,921 0,940 0,951 0,959 0,965 0,969 0,972 0,975 0,977 0,979 0,981 0,982
c4 3 0 5 4 0 3 7 4 6 4 0 3
0,388 0,341 0,307 0,282 0,262 0,245 0,232 0,220 0,210 0,201 0,194 0,187
c5 8 2 5 2 1 8 2 7 7 9 2 2
Ejemplo 2
Si σ=2, los límites de control 3σ para la desviación estándar muestral, para una
muestra de tamaño n=5, son:
de manera similar
Ejemplo 3
Los datos siguientes son 20 muestras, cada uno con 5 observaciones tomadas en
intervalos de 2 horas, de la resistencia a la tensión en libras de un hilo.
Constrúyanse las tablas de control X ¯ y S con base en estos datos.
Número de
muestra valores de muestra Media S
1 44 46 48 52 49 47,8 3,03
2 44 47 49 46 44 46 2,12
3 47 49 47 43 44 46 2,45
4 45 47 51 46 48 47,4 2,30
5 44 41 50 46 50 46,2 3,90
6 49 46 45 46 49 47 1,87
7 47 48 50 46 47 47,6 1,52
8 49 46 51 48 46 48 2,12
9 47 42 48 44 46 45,4 2,41
10 46 48 45 51 50 48 2,55
11 45 47 51 48 46 47,4 2,30
12 52 51 48 48 45 48,8 2,77
13 45 45 47 49 44 46 2,00
14 46 47 43 48 45 45,8 1,92
15 48 49 52 46 51 49,2 2,39
16 44 46 45 47 52 46,8 3,11
17 48 50 47 46 49 48 1,58
18 48 52 51 47 46 48,8 2,59
19 47 51 50 46 49 48,6 2,07
20 44 43 42 43 46 43,6 1,52
= 47,12
= 2,327
Es decir:
Tabla para p
Esta tabla se construye cuando se supone que el muestreo se lleva a cabo sobre
una distribución binomial de parámetro de proporción p. Para construir los
límites de control de las proporciones muestrales, supóngase que no se conoce el
valor del parámetro p. Sea m el número de muestras disponibles y Xi el número
de unidades defectuosas en la i-ésima muestra de tamaño n: Entonces
es un estimador de p basado en las m muestras. Por tanto los límites 3σ para las
proporciones muestrales Xi/n son
Ejemplo 4
En un proceso de manufactura cada día se seleccionan al azar 100 unidades y se envían para su
inspección. Los siguientes datos son el número de unidades defectuosas en la muestra durante 25
días
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
2 1 4 3 2 2 5 3 4 2 1 5 2 3 2 1 0 6 4 5 2 1 8 3 2
Solución
Los límites inferior y superior 3 σ para el porcentaje muestral son:
b
) La observación del día 22, cuyo porcentaje es 0,08 está por encima de los
límites de control. Si se elimina esta observación y vuelven a calcularse los
límites de control, los resultados son los siguientes:
0,02708±0,048697889=(0; 0,0758)
p λ P(A)
0,001 0,1 0,9998
0,002 0,2 0,9989
0,008 0,8 0,9526
0,01 1 0,9197
0,02 2 0,6767
0,03 3 0,4232
0,04 4 0,2381
0,05 5 0,1247
0,06 6 0,0620
0,07 7 0,0296
0,08 8 0,0138
0,09 9 0,0062
Definición 1
El riesgo del productor es la probabilidad de tipo I, del mismo modo que el riesgo
del consumidor es la probabilidad de tipo II.
Por ejemplo
Dado que no es probable obtener de manera exacta este valor, lo que se hace es
interpolar con los valores relacionados con el valor 5.
De esta manera se llega a unos valores de c, en este caso c=2 y c=3; donde el
cociente entre λ2/ λ1 se aproxime a 5.
c=2 p1 p2 c=3 p1 p2
n 0,01 0,05 n 0,01 0,05
0,81 81 1,36 136
5,32 106,4 6,68 133,6
La decisión final sobre qué plan adoptar se toma en base a la cercanía a los
riesgos especificados.
Sean el riesgo del productor y el promedio del lote para el que la
probabilidad de aceptación es 1-. En forma similar, sea el riesgo del
consumidor y el promedio del lote para el cual la probabilidad de aceptación
es . Es decir, si el lote tiene una media , se desea aceptar el lote con una
probabilidad 1-, y si éste tiene una media (>) se desea aceptar el lote con
una probabilidad . Dados , el plan de muestreo por variables es una
muestra de tamaño n y un valor de aceptación
es mayor que
Para obtener estos valores, considérese lo siguiente. Para el riesgo del productor
o
en donde
en donde
Al igualar y resolver para n, se obtiene
Ejemplo
Solución
Ejemplo
Solución
Ejercicio
Solución
Ejercicio.
Solución
Ejercicio.
Para el plan de muestreo n=25 y c=1, empléese la curva CO para obtener TPDL
para un riesgo del consumidor del 0,05.
Solución
n=25 c=1
p P(A)
0,1 0,27121
0,11 0,22206
0,12 0,18047
0,13 0,14567
0,14 0,11680
0,15 0,09307
0,16 0,07371
0,17 0,05804
0,171 0,05665
0,172 0,05529
0,173 0,05396
0,174 0,05266
0,175 0,05139
0,176 0,05015
0,177 0,04893
0,178 0,04774
0,179 0,04658
0,18 0,04544
Ejercicio.
Obténgase los 4 planes de muestreo que relacionan los riesgos del productor y
del consumidor de =0,05 para NAC =0,02 y =0,1 para TPDL=0,08,
respectivamente. Solución
1 para para
c P(A)=0,95 P(A)=0,1 2/1
0 0,05 2,3 46
1 0,35 3,88 11,0857143
2 0,81 5,32 6,56790123
3 1,36 6,68 4,91176471
4 1,97 7,99 4,05583756
5 2,61 9,27 3,55172414
Los valores de c que se obtienen son c=4 y c=5. Para esos valores se calcula n.
Problema
Un consejo estatal formado para controlar la calidad del agua selecciona cada
semana 5 muestras de agua de una fuente de abastecimiento y determina la concentración
promedio de una sustancia tóxica. Los siguientes datos son las cantidades promedio en partes por
millón durante 12 semanas.
Semana 1 2 3 4 5 6 7 8 9 10 11 12
Media 5,2 4,9 5,5 5,4 4,8 4,6 5,5 4,7 5,1 4,5 5,8 5,6
Solución
a) 4,32917961 y 5,67082039.
b) 1-DISTR.NORM(6;5;0,5/5^0,5;VERDADERO)= 3,87556E-06
Los siguientes datos son las tensiones promedio de ruptura de 6 muestras de metal tomadas
de forma periódica
Muestra 1 2 3 4 5 6 7 8 9 10
Media 498,6 508,3 484,6 505,7 491,7 495,4 482,6 515,2 510,8 503,7
Solución
c4=0,9515 y c5=0,3075
Ejercicio
Solución
Sabemos que
de manera similar
Para la media
lo que da (15,3)/(0,94)=16,2765957.
Ejercicio
En un proceso de manufactura, cada día se seleccionan al azar 100 unidades y se envían para su
inspección. Los siguientes datos son el número de unidades defectuosas en la muestra durante 25
días.
Día 1 2 3 4 5 6 7 8 9 10 11 12 13
Unidades
Defectuosas 2 1 4 3 2 2 5 3 4 2 1 5 2
Día 14 15 16 17 18 19 20 21 22 23 24 25
Unidades
Defectuosas 3 2 1 0 6 4 5 2 1 8 3 2
a) Con base en esta información, obténgase una tabla de p.
Solución
Media 2,92