Caso 1.

Muestreo variables, variabilidad conocida, unilateral, método K

1. En una empresa de salsa de tomate se realiza un plan de muestreo por variable a lotes de este
producto. Se inspecciona el pH de la salsa cuyo límite inferior de especificación (LIE=2,5). Se aplica
el MIL STD 414, nivel IV, tipo de inspección normal y estricta con NCA=4%. Se conoce la desviación
estándar del proceso de producción de salsa. Con la información obtenida para 3 lotes, determine
si se aceptará o rechazarán?

Lote 1: N=150 unidades; Xpromedio =2,54; σ=0,021

Lote 2: N=200 unidades; Xpromedio =2,57; σ=0,030

Lote 3: N=180 unidades; Xpromedio =2,57; σ=0,025

Datos:

LIE=2,5

NCA=4,0%

Nivel de inspección general= IV

Se conoce la desviación estándar (σ)

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método K

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE), método K

promedio
Lote 1: N=150 unidades; X =2,54; σ=0,021

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método M?

1) Plan tabulado: Para N=100 y nivel IV, la letra código “F” (Figura 13); NCA=4,0%; n=5 y M=8,92

De esto se deduce que de un lote de 100 yogures, se tomaron n=5 muestras para inspeccionar el
porcentaje de acidez titulable como característica de calidad del producto. Se aceptara el lote 1 si
pi≤M.

2) Calcular el estadístico QLIE

QLIE = x̄ - LIE =
σ
3) Decisión: Como ZLIE=1,90>K=1,28; se acepta el lote 1 bajo inspección normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método K?
 1) Plan tabulado: Para N=150 y nivel IV, la letra código “G”; NCA=4,0%; n=7 y K=1,45

De esto se deduce que de un lote de 150 salsas de tomate, se tomaron n=7 muestras para
inspeccionar el pH como característica de calidad del producto. Se aceptará el lote 1 si
ZLIE≥K bajo inspección estricta.

2) Calcular el estadístico ZLIE

QLIE = x̄ - LIE =
σ

El cálculo del estadístico será el mismo para el Lote 1, por lo que no varía y se pasará a
tomar la decisión.

3) Decisión: Como ZLIE=1,90>K=1,45; se acepta el lote 1 bajo inspección estricta.

Lote 2: N=200 unidades; Xpromedio =2,57; σ=0,030

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método
M?

1) Plan tabulado: Para N=200 y nivel IV, la letra código “G”; NCA=4,0%; n=7 y K=1,45

De esto se deduce que de un lote de 150 salsas de tomate, se tomaron n=7 muestras para
inspeccionar el pH como característica de calidad del producto. Se aceptará el lote 1 si
ZLIE≥K bajo inspección estricta.

2) Calcular el estadístico ZLIE

QLIE = x̄ - LIE =
σ

3) Decisión: Como ZLIE=1,90>K=1,28; se acepta el lote 1 bajo inspección normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método K?

1) Plan tabulado: Para N=150 y nivel IV, la letra código “G”; NCA=4,0%; n=7 y K=1,45
De esto se deduce que de un lote de 150 salsas de tomate, se tomaron n=7 muestras para
inspeccionar el pH como característica de calidad del producto. Se aceptará el lote 1 si
ZLIE≥K bajo inspección estricta.

2) Calcular el estadístico ZLIE

QLIE = x̄ - LIE =
σ

El cálculo del estadístico será el mismo para el Lote 1, por lo que no varía y se pasará a
tomar la decisión.

3) Decisión: Como ZLIE=1,90>K=1,45; se acepta el lote 1 bajo inspección estricta.

Lote 3: N=180 unidades; Xpromedio =2,57; σ=0,025

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método
M?

1) Plan tabulado: Para N=200 y nivel IV, la letra código “G”; NCA=4,0%; n=7 y K=1,45

De esto se deduce que de un lote de 150 salsas de tomate, se tomaron n=7 muestras para
inspeccionar el pH como característica de calidad del producto. Se aceptará el lote 1 si
ZLIE≥K bajo inspección estricta.

2) Calcular el estadístico ZLIE

QLIE = x̄ - LIE =
σ

3) Decisión: Como ZLIE=1,90>K=1,28; se acepta el lote 1 bajo inspección normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método K?

1) Plan tabulado: Para N=150 y nivel IV, la letra código “G”; NCA=4,0%; n=7 y K=1,45

De esto se deduce que de un lote de 150 salsas de tomate, se tomaron n=7 muestras para
inspeccionar el pH como característica de calidad del producto. Se aceptará el lote 1 si
ZLIE≥K bajo inspección estricta.
2) Calcular el estadístico ZLIE

QLIE = x̄ - LIE =
σ
El cálculo del estadístico será el mismo para el Lote 1, por lo que no varía y se pasará a
tomar la decisión.

3) Decisión: Como ZLIE=1,90>K=1,45; se acepta el lote 1 bajo inspección estricta.

Caso 2. Muestreo variables, variabilidad conocida, unilateral, método M

En una empresa fabricante de yogurt líquido de fresa se realiza un plan de muestreo por
variables a lotes de este producto. Se inspecciona el porcentaje de acidez titulable de la
bebida cuyo LIE=0,70%. Se aplica el MIL STD 414 con un nivel IV, tipo de inspección normal
y NCA=4,0% y se conoce la desviación estándar del proceso de producción de yogurt. A
continuación se muestran los resultados de 2 lotes:

Lote 1: N=100 unidades de yogurt; Xpromedio =0,80; σ=0,25

Lote 2: N=150 unidades de yogurt; Xpromedio =0,85; σ=0,28
¿Cada lote será aceptado o rechazado bajo inspección normal y estricta?

Datos:
LIE=0,70%
NCA=4,0%
Nivel de inspección general= IV
Se conoce la desviación estándar (σ)
Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método
M?
Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE), método
M?

Lote 1: N=100 unidades de yogurt; Xpromedio =0,80; σ=0,25

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE), método
M?

1) Plan tabulado: Para N=100 y nivel IV, la letra código “F”; NCA=4,0%; n=5 y M=8,92

De esto se deduce que de un lote de 100 yogures, se tomaron n=5 muestras para
inspeccionar el porcentaje de acidez titulable como característica de calidad del producto.
Se aceptara el lote 1 si pi≤M.
2) Calcular el estadístico QLIE

QLIE = x̄ - LIE · √n =
σ n-1

3) Con QLIE=0,45 el valor de pi=32,636

4) Decisión: Como pi=32,636>M=8,92; se rechaza el lote 1 bajo inspección normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método M?

1) Plan tabulado: Para N=100 y nivel IV, la letra código “F”; NCA=4,0%; n=5 y M=6,05

De esto se deduce que de un lote de 100 yogures, se tomaron n=5 muestras para
inspeccionar el porcentaje de acidez titulable como característica de calidad del
producto. Se aceptará el lote 1 si pi≤M.

2) Calcular el estadístico QLIE

QLIE = x̄ - LIE · √n =
σ n-1

3) Con QLIE=0,45 el valor de pi=32,636

4) Decisión: Como pi=32,636>M=6,05; se rechaza el lote 1 bajo inspección estricta.

Nota: Generalmente, si el lote es rechazado bajo inspección normal que es un plan

más flexible, queda entendido que también se rechazará para la inspección estricta
que es un plan con un mayor nivel de exigencia.

Lote 2: N=150 unidades de yogurt; Xpromedio =0,85; σ=0,28?

Plan variables, variabilidad conocida (σ), inspección normal, unilateral (solo LIE),
método M?

1) Plan tabulado: Para N=100 y nivel IV, la letra código “F”; NCA=4,0%; n=5 y M=8,92

De esto se deduce que de un lote de 100 yogures, se tomaron n=5 muestras para
inspeccionar el porcentaje de acidez titulable como característica de calidad del
producto. Se aceptara el lote 1 si pi≤M.
2) Calcular el estadístico QLIE

QLIE = x̄ - LIE • √n =
σ n-1
3) Con QLIE=0,45 el valor de pi=32,636
4) Decisión: Como pi=32,636>M=8,92; se rechaza el lote 1 bajo inspección normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método M?

1) Plan tabulado: Para N=100 y nivel IV, la letra código “F” (Figura 13); NCA=4,0%; n=5
y M=6,05

De esto se deduce que de un lote de 100 yogures, se tomaron n=5 muestras para
inspeccionar el porcentaje de acidez titulable como característica de calidad del
producto. Se aceptará el lote 1 si pi≤M.

2) Calcular el estadístico QLIE

QLIE = x̄ - LIE • √n =
σ n-1

3) Con QLIE=0,45 el valor de pi=32,636

4) Decisión: Como pi=32,636>M=6,05; se rechaza el lote 1 bajo inspección estricta.

Caso 3. Muestreo variables, variabilidad conocida, bilateral, método M

5. Un lote de 300 latas de sardinas, es sometido a inspección con un NCA de 0,65%

debido a la falta de peso neto. El producto debe tener un peso ideal de 54g con una
tolerancia de más o menos 2 g y una media muestral de 55g. Se ha decidido poner en
práctica un muestreo de aceptación de variables para regular este inconveniente. Se
aceptará el lote de sardinas con este plan?

Datos:
N=300 latas de sardinas
NCA=0,65%
Especificación del peso neto de la lata de sardina 54±2 g
LIE=52g
N=54g
LSE=56g
σ=2
Xpromedio=55g
Plan variables, variabilidad conocida (σ), bilateral (2 especificaciones LIE y LSE),
método M, inspección normal? Y estricta?

1) Plan tabulado: Para N=300 y nivel IV, la letra código “H” (Figura 13); NCA=0,65%;
n=7 y M=1,75.

De esto se deduce que de un lote de 300 latas de sardina, se tomaron n=7 muestras
para inspeccionar el peso neto como característica de calidad del producto. Se
aceptará el lote si p=pi+ps≤M.

2) Calcular los estadísticos QLIE y QLSE

QLIE = x̄ - LIE • √n =
σ n-1

QLSE = LSE - x̄ • √n =
σ n-1

3) Con QLIE=0,66 y QLSE=0,88 el valor de pi=25,463 y de ps=18,943 con QLIE y QLSE,

respectivamente.

4) Decisión: Como p=25,463+18,943>M=1,75; se rechaza el lote bajo inspección

normal.

Plan variables, variabilidad conocida (σ), inspección estricta, unilateral (solo LIE),
método M?

1) Plan tabulado: Para N=300 y nivel IV, la letra código “H”; NCA=0,65%; n=6 y
M=1,14

De esto se deduce que de un lote de 300 latas de sardina, se tomaron n=6 muestras
para inspeccionar el peso neto como característica de calidad del producto. Se
aceptará el lote si p=pi+ps≤M.
 2) Calcular los estadísticos QLIE y QLSE

QLIE = x̄ - LIE • √n/n-1 =

σ

QLSE = LSE - x̄ • √n/n-1 =

σ
3) Con QLIE=0,66 y QLSE=0,88 el valor de pi=25,463 y de ps=18,943 con QLIE y QLSE,
respectivamente.

4) Decisión: Como p=25,463+18,943>M=1,14; se rechaza el lote bajo inspección

normal.

Nota: Generalmente, si el lote es rechazado bajo inspección normal que es un plan más
flexible, queda entendido que también se rechazará para la inspección estricta que es un
plan con un mayor nivel de exigencia.

Caso 5: Variabilidad desconocida. Unilateral. Método M

10. En una empresa fabricante de Nuggets se realiza un muestreo de aceptación por

variables a los lotes. Se inspecciona el porcentaje de proteína cuyo LIE es 8%. Se utiliza
MIL-STD 414 con nivel de inspección IV tipo normal y un NCA de 4,0%. Se conoce la
desviación estándar del proceso y se pide evaluar si cada lote será aceptado o rechazado.
Usar método M.
a) Lote 1: N=250 unidades ; Xpromedio= 9,53; ð=1,0
a. ¿Qué decisión debe tomarse en cuanto a la aceptación o el rechazo del lote tanto para
inspección normal como para inspección estricta?

Datos:
N=250 lotes
LIE=8%
NCA=4,0%. Promedio= 9,53
s=1,0
a. ¿Qué decisión debe tomarse en cuanto a la aceptación o el rechazo del lote tanto
para inspección normal como para inspección estricta?

Plan variables inspección normal

Lote 1: N=250 unidades ; Xpromedio= 9,53; ð=1,0

N=250 lotes; NCA=4,0%; n=20; M=8,92%
De un lote de 250 paquetes de Nuggets, el plan para variables consistió en tomar una
muestra de 20 paquetes para inspeccionar el porcentaje de proteína del producto y, si se
encontrara menor cantidad de artículos defectuosos para el límite inferior pi de lo
tabulado (M), se aceptará el lote, es decir si pi≤M.

Calculo estadístico ZLIE

ZLIE = x̄ - LIE = 9,53-8 = 1.53

S 1,0

Con ZLIE=1,53 (1,55 es el valor más cercano hallado en y con n=20, pi=5,69.
Decisión: Como pi=5,69<M=8,92; se acepta el lote bajo inspección normal.

Plan variables inspección estricta

N=250 unidades; NCA=4,0%; n=20; M=6,17%

Decisión: Como pi=5,69<M=6,17; se acepta el lote bajo inspección estricta.

Caso 6: Variabilidad desconocida. Bilateral. Método M

11. Se considera una embotelladora de gaseosas, que compra botellas a un proveedor. Los
límites de especificación inferior y superior para la presión interna son de 22,5 Lb/pulg2 y
26,05 Lb/pulg2. Tome en cuenta que el promedio de la presión usada es de 24,2 Lb/pulg2
y la desviación estándar (desconocida) es 0,8; suponga que el NCA para estos límites de
especificación es 1,5%. Además considérese que se embarcan lotes de tamaño 100000. Se
desea obtener un plan de muestreo para variables y conocer si el lote será aceptado o
rechazado. Debe usarse el nivel de inspección IV. Utilice plan de muestreo Normal y
Estricto para inspeccionar el lote ¿Se aceptará o rechazará el lote? Para ello calcular M,
ZES, ZEI, ps, pi y p.

Datos:
N=100000
LIE=22,5 Lb/pulg2
LSE=26,05 Lb/pulg2
NCA=1,5%
Nivel de inspección IV
a) Plan de variables bajo inspección normal y estricta?

Lote 1: promedio 24,2 Lb/pulg2; s = 0,8

 a) Plan de variables bajo inspección normal y estricta?

Letra código “O” con N=100000 y nivel IV

Plan tabulado N=100000 embotelladora de gaseosas; NCA=1,5%; n=100; M=3,07%
De un lote de 100000 embotelladora de gaseosas, se tomaron 100 para inspeccionar la
presión interna de los mismos. Si p=pi+ps≤M, se aceptará el lote 1 de embotelladoras
de gaseosas.

Calcular los estadísticos ZLIE y ZLSE

Lote 1: promedio = 24,2 Lb/pulg2; s = 0,8 Lb/pulg2

ZLIE = x̄ - LIE = 24,2-22,5 = 2.13

S 0,8

Con ZLIE=2,13 (2,15 es el valor más cercano hallado en y con n=100, pi=1,50.
ZLSE = LSE - x̄ = 26,05-24,2 = 2.31
S 0,8

Con ZLSE=2,31 (2,30 es el valor más cercano hallado en tabla y con n=100, ps=1,001
P=pi+ps=1,50+1,001=2,50

Decisión: Como p=2,50<M =3,07; se acepta el lote 1 bajo inspección normal

Plan variables inspección estricta

Letra código “O” con N=100000 y nivel IV

Plan tabulado N=100000 embotelladora de gaseosas; NCA=1,5%; n=100; M=2,20%

De un lote de 100000 embotelladora de gaseosas, se tomaron 100 para inspeccionar la presión

interna de los mismos. Si p=pi+ps≤M, se aceptará el lote 1 de embotelladoras de gaseosas.

Decisión: Como p=2,50>M =2,20; se rechaza el lote 1 bajo inspección estricta.

Ejercicios curva OC para planes de muestreo de aceptación para atributos

Datos:

Plan de muestreo de aceptación simple por atributos

N=

NCA=0,4%

Pa=1-α=0,95

α=0,05

NCL=2,55%

β=0,10

n=205

Ac=2

a) Hallar N?

b) Plan de muestreo simple por atributos para inspección normal?

c) Trazar e interpretar curva OC