TUTORIAL 2

MUESTRAS DE ACEPTACIN CONTENIDO DEL TUTORIAL

PLANES DE MUESTREO Muestreo simple Muestreo doble Muestreo secuencial CURVAS DE CARACTERSTICA OPERATIVA RIESGO DEL CONSUMIDOR Y DEL PRODUCTOR CALIDAD MEDIA DE SALIDA RESUMEN TRMINOS CLAVE PROBLEMA RESUELTO CUESTIONES PARA DESARROLLAR PROBLEMAS

En el suplemento del Captulo 6, Control estadstico de procesos, se hizo una introduccin breve al tema de las muestras de aceptacin. El muestreo de aceptacin es un tipo de test que implica tomar muestras aleatorias de lotes de productos acabados, medirlos y compararlos con estndares predeterminados. En este tutorial, ampliamos nuestra introduccin al muestreo de aceptacin con una explicacin de los planes de muestreo, la elaboracin de una curva de caracterstica operativa (OC) y una calidad media de salida.

PLANES DE MUESTREO
Un lote de artculos puede ser inspeccionado de diversas maneras, a saber, muestreo simple, doble o secuencial. MUESTREO SIMPLE Dos valores especifican el plan de muestreo simple: el nmero de elementos que compondr la muestra (n) y el nmero de defectos aceptado que se ha especificado previamente (c). Si en la muestra no existen ms defectos que el nmero aceptado, c, entonces se acepta todo el lote. Si existen ms de c defectos, se rechaza todo el lote o se somete a una inspeccin del 100%. MUESTREO DOBLE A menudo un lote de productos es tan bueno o tan malo que se puede determinar una conclusin sobre su calidad tomando una muestra ms pequea que la que habramos utilizado en un plan de muestreo simple. Si el nmero de defectos en esta pequea muestra (de tamao n1) es inferior o igual a un determinado lmite inferior (c 1), el lote puede ser aceptado. Si el nmero de defectos excede un determinado lmite superior ( 2), el lote puede c ser rechazado. Pero si el nmero de defectos en la muestra n1 se sita entre c 1 y c 2, se toma una segunda muestra (de tamao n2 ). Los resultados acumulados determinan cundo aceptar o rechazar el lote. Este concepto se llama muestreo dobles.

MUESTREO SECUENCIAL
El muestreo mltiple es una extensin del muestreo doble, con pequeas muestras tomadas secuencialmente hasta que se tenga clara la decisin a tomar. Cuando las unidades son seleccionadas aleatoriamente de un lote y comprobadas una a una, registrando el nmero

acumulado de piezas inspeccionadas y de defectos encontrados, este proceso se denomina muestreo secuencial. Si el nmero acumulado de defectos excede de un lmite superior especificado para esta muestra, todo el lote ser rechazado. O, si el nmero acumulado de defectos es inferior o igual a un lmite inferior, el lote ser aceptado. Pero si el nmero de defectos se encuentra entre los dos lmites, se continan tomando muestras del lote. Es posible que en algunos planes de muestreo secuenciales se lleguen a inspeccionar todas y cada una de las piezas del lote antes de tomar una decisin. La seleccin del mejor plan de muestreo (simple, doble, o secuencial) depende del tipo de productos que vayan a ser inspeccionados y del nivel de calidad esperado. Por ejemplo, un lote de productos de baja calidad puede ser identificado ms deprisa y de forma ms barata con un muestreo secuenciale. Esto significa que la inspeccin, que puede ser costosa e incluso destructiva, puede acabar antes. Por otro lado, hay muchos casos donde el muestreo simple es ms fcil y menos complejo de llevar a cabo por los trabajadores, aunque el tamao de las muestras pueda ser superior al utilizado en otros planes de muestreo.

CURVAS DE CARACTERSTICA OPERATIVA (OC)

La curva de caracterstica operativa ( OC) describe la capacidad de un plan de aceptacin para discriminar entre lotes buenos y malos. Una curva pertenece a un plan especfico, esto es, a la combinacin de n (tamao de la muestra) y c (nivel de aceptacin). Esta curva muestra la probabilidad de que el plan acepte lotes de diferentes niveles de calidad.

Figura T2.1 (a) Plan de inspeccin con discriminacin perfecta. (b) Curvas OC para dos niveles diferentes de aceptacin de defectos (c = 1, c = 4) y con el mismo tamao de la muestra (n = 100). (c) Curvas OC para dos tamaos de muestra diferentes (n = 25, n = 100), pero con el mismo porcentaje de aceptacin (4%). Tamaos de muestra mayores implican mejor discriminacin. Naturalmente, se preferir un plan de muestreo y una curva OC altamente discriminantes. Si todo el pedido de piezas tiene un inaceptable alto nivel de defectos, se espera que la muestra refleje este hecho con una probabilidad muy alta (preferiblemente de 100 por cien) de que el pedido sea rechazado. La Figura T2.1(a) muestra un plan de discriminacin perfecta para una empresa que quiere rechazar todos los lotes con ms de un 2,5% defectuosos. Desafortunadamente, la nica manera de asegurar el 100% de aceptacin de los buenos lotes y el 0% de aceptacin de lotes malos es llevar a cabo una inspeccin total, lo que a menudo resulta muy costoso.

La Figura T2.1(b) muestra que ninguna curva OC ser en realidad como la de la Figura T2.1(a); y, por tanto, no ser lo suficientemente discriminante como para asegurar una inspeccin 100% libre de error. La Figura T2.1(b) indica que para el mismo tamao de la muestra (n =100 en este caso), un valor ms pequeo de c (defectos aceptables) provoca una curva con mayor pendiente que otra con un valor de c ms elevado. Por lo tanto, una manera de incrementar la probabilidad de aceptar slo buenos lotes y rechazar slo malos lotes con un muestreo aleatorio es la de fijar niveles de aceptacin muy ajustados. Una segunda va de desarrollar una curva OC con mayor pendiente, y por tanto mejor, es incrementar el tamao de la muestra. La Figura T2.1(c) muestra que incluso cuando el nivel de aceptacin es el mismo, en proporcin al tamao de la muestra, un valor de n incrementar la verosimilitud de la precisin de la medida de calidad de los lotes. En esta figura ambas curvas utilizan un mismo ratio de defectos del 4% (igual a 4/100 = 1/25). Sin embargo, si coge una regla y examina detalladamente la Figura T2.1(c), podr ver que la curva OC para n =25, c =1 rechaza ms lotes buenos y acepta ms lotes malos que el segundo plan. He aqu algunos valores para ilustrar este punto.

En otras palabras, la probabilidad de aceptar un lote ms que satisfactorio (uno con el 1% de defectos) es del 99% para n =100, pero slo del 97% para n =25. De la misma manera, la posibilidad de aceptar un lote malo (uno con el 5% de defectos) es slo del 44 % para n 1 =100, mientras que utlizando la muestra de tamao menor pasa a ser del 64% . Evidentemente, si no fuese por el coste de inspeccin, todas las empresas optaran por tamaos muestrales elevados.

RIESGO DEL CONSUMIDOR Y DEL PRODUCTOR

En el muestreo de aceptacin estn involucradas dos partes: el productor del producto y el consumidor del producto. En la especificacin de un plan de muestreo, cada parte quiere evitar los costosos errores en la aceptacin o rechazo de los lotes. El productor quiere evitar el error de tener un buen lote rechazado (riesgo del productor) porque generalmente tendr que acabar reemplazando el lote. Recprocamente, el cliente o consumidor quiere evitar el error de aceptar un lote malo porque los defectos de un lote aceptado son generalmente responsabilidad del consumidor (riesgo del consumidor). La curva OC muestra las caractersticas de un plan de muestreo determinado, incluyendo los riesgos de tomar decisiones errneas. Para ayudarle a entender la teora que sustenta el uso de los planes de muestreo, vamos a ayudarle a ver como se construye estadsticamente una curva OC.

An a riesgo de ser repetitivos, el muestreo siempre comporta el peligro de llevarnos a conclusiones errneas. Supongamos que en este ejemplo la poblacin total es de 1.000 chips de los que en realidad slo 30 (o 3%) son defectuosos. Esto significa que deberamos aceptar el pedido, dado que el porcentaje es del 4%. Pero ante una muestra aleatoria de n =50 chips, podemos concluir y aceptar el lote (que estara bien) o tambin puede pasar que encontremos 30 defectuosos en la muestra. Si ocurriera esto ltimo, nos llevara a pensar de manera errnea que el 60% del lote es defectuoso, y, por tanto, el lote sera rechazado.

En una muestra de atributos, donde se determina si los productos son buenos o malos, se emplea normalmente una distribucin binomial para construir la curva OC. La ecuacin binomial es:

donde n= nmero de artculos de una muestra (denominados pruebas). p=probabilidad de que un x (defecto) ocurra en una prueba cualquiera. P(x)=probabilidad de exactamente x resultados en n pruebas. Cuando el tamao de la muestra ( es grande y el porcentaje de defectos ( ) es bajo, la n) p distribucin de Poisson puede utilizarse como aproximacin a la frmula de la binomial. Este hecho es bastante til, pues los clculos con la binomial pueden resultar ciertamente complejos, y porque las tablas con valores de probabilidad acumulados de la ley de Poisson son fcilmente disponibles. Nuestra tabla de Poisson aparece en el Apndice II. En la aproximacin de Poisson de la distribucin binomial, la media de la binomial que es np, se utiliza como media de Poisson, que es , esto es:

= np

(T2.2)

EJEMPLO T1
Un pedido de 2.000 bateras porttiles para computadores personales va a ser inspeccionado por un importador de Malasia. El productor coreano y el importador han establecido un plan de muestreo donde el riesgo de est limitado al 5%, con un nivel de calidad aceptable (AQL) del 2% de defectos, y el riesgo de fijado al 10%, con un LTPD de 7% de defectos. Queremos construir la curva OC para el plan de tamao de la muestra n = 120 y un nivel de aceptacin de c menor o igual a 3 defectuosos. Ambas empresas desean saber si este plan satisfar sus requisitos de calidad y riesgo. Para resolver el problema, utilizaremos la tabla de acumulados de Poisson del Apndice II del libro, cuyas columnas estn dispuestas en trminos del nivel de aceptacin, c =3. Las filas de la tabla son (=np), que representa el nmero de defectuosos que esperaramos encontrar en cada muestra. Variando el porcentaje de defectos ( desde 0,01 (1%) hasta 0,08 (8%) y manteniendo el p) tamao de muestra (n) en 120, podemos calcular la probabilidad de aceptacin del lote para cada porcentaje escogido. Los valores de P (aceptacin) calculados en la tabla siguiente se representan despus grficamente, dando la curva OC de la Figura T2.2.

FIGURA T2.2 CURVA OC DEL EJEMPLO T1

Volvamos al tema de si esta curva OC satisface los requisitos de calidad y riesgo del consumidor y del productor de bateras. Para un AQL del 2% (p= 0,02) de defectos, la P (aceptacin) del lote es del 0,779, esto conlleva a un riesgo = 1 0,779 = 0,221, es decir, del 22,1% que excede considerablemente el nivel del 5% deseado por el productor. El riesgo de 0,032, esto es, del 3,2%, est bien por debajo del 10% perseguido por el consumidor. Parece ser que son necesarios nuevos clculos con una muestra ms grande si el valor deber ser reducido. En el ejemplo T1, hemos fijado los valores de n y c para un plan de muestreo, y despus hemos calculado los riesgos de y para ver si coincidan con los niveles deseados. A menudo, las empresas, en lugar de esto, desarrollan una curva OC con los valores fijados y el AQL deseado y luego van sustituyendo los valores de c y n hasta que la curva cumple LTPD y .

CALIDAD MEDIA DE SALIDA

En la mayora de planes de muestreo, cuando se rechaza un lote, el lote entero se inspecciona y todos los artculos defectuosos son reemplazados. El uso de esta tcnica de reemplazo mejora la calidad media de salida expresada en trminos de porcentaje de defectuosos. De hecho, dado (1) un plan cualquiera de muestreo que reemplaza todos los defectuosos encontrados y (2) el porcentaje real de defectuosos del lote, es posible determinar la calidad media de salida (AOQ) expresada en porcentaje de defectuosos. La ecuacin de AOQ es:

donde Pd = porcentaje real de defectuosos del lote Pa= probabilidad de aceptar el lote N = nmero de artculos del lote n = nmero de artculos de la muestra

EJEMPLO T2
El porcentaje de defectos del lote que llega del Ejemplo T1 es del 3%. La curva OC muestra que la probabilidad de aceptacin es 0, 515. Dado un lote de 2.000 y una muestra de 120, cul es la calidad media de salida expresada en porcentaje de defectuosos?

De esta manera, un plan de muestreo de aceptacin cambia la calidad de los lotes en porcentaje de defectuosos del 3% al 1,5% en promedio. El muestreo de aceptacin incrementa de forma significativa la calidad de los lotes inspeccionados. En muchos casos no conocemos el valor de Pa; debemos determinarlo a partir de un plan de muestreo determinado. El hecho de que raramente conozcamos el porcentaje de defectos real presenta un problema adicional. En la mayora de los casos se suponen diferentes porcentajes de defectos, y despus se calcula la calidad media de salida para cada valor.

EJEMPLO T3
Para ilustrar las relaciones de AOQ utilizaremos los datos obtenidos de la curva OC del Ejemplo T1. El tamao del lote en aquel caso era de N= 2.000 y el tamao de la muestra n= 120. Asumimos que cada batera defectuosa detectada durante la inspeccin es reemplazada por una sin defectos. Una vez hecho esto, tomamos la frmula AOQ anterior y las probabilidades de aceptacin del Ejemplo T1, y desarrollamos los siguientes datos:

Estos valores los dibujamos en la grfica de la Figura T2.3, en la que aparece la calidad media de salida en funcin de la calidad media de los lotes de entrada. Se ha percatado cmo cambia el AOQ para diferentes porcentajes de defectuosos? Cuando el porcentaje de defectuosos de los lotes de entrantes es muy alto o muy bajo, el porcentaje de defectuosos del lote saliente es bajo. Para un porcentaje de entrada del 1% el AOQ es del 0,009, y para un 8% de entrada el AOQ es del 0,001. Para niveles moderados del porcentaje de defectusos en los lotes recibidos, el AOQ es mayor: el AOQ para un 2-3% es del 0,015. Es decir, el AOQ es bajo para valores pequeos del porcentaje de defectuosos entrantes. Cuando el porcentaje de defectuosos de los lotes recibidos aumenta, el AOQ aumenta hasta un valor. A partir de ah, para mayores porcentajes de defectuosos de entrada, el AOQ disminuye. El valor mximo en la curva AOQ corresponde al porcentaje medio de defectuosos de salida ms elevado o a la calidad media ms baja del plan de muestreo. Se le llama el lmite de la calidad media de salida (AOQL). En la Figura T2.3, el AOQL est justamente por encima del 1,5%, lo que significa que el 94,8% de las bateras son buenas, cuando la calidad de entrada est entre el dos y el 3%. El muestreo de aceptacin es til para tener una percepcin inmediata de los lotes que se reciben. Cuando las partes defectuosas se reemplazan con partes buenas, el muestreo de aceptacin ayuda a incrementar la calidad de los lotes, reduciendo el porcentaje de defectos de salida.

RESUMEN
El muestreo de aceptacin es la herramienta estadstica ms importante del control de calidad. Los planes de muestreo y las curvas de caracterstica operativa (OC) posibilitan el muestreo de aceptacin y proporcionan a los directivos herramientas para evaluar la calidad de una tanda de produccin o de un pedido.

TRMINOS CLAVE
Muestreo de aceptacin (p.T2-2) Muestreo simple (p.T2-2) Muestreo doble (p. T2-.2) Muestreo secuencial (p.T2-2) Curva de caracterstica operativa (OC) (p.T2-2) Calidad media de salida (AOQ) (p.T2-6)

PROBLEMAS RESUELTOS
Problema resuelto T2.1
En un plan de muestreo de aceptacin desarrollado para lotes que contienen 1.000 unidades, el tamao de la muestra, n, es de 85 y c es 3. El porcentaje de defectos de los lotes de entrada es del 2% y la probabilidad de aceptacin, obtenida de una curva OC, es 0,64. Cul es la calidad media de salida?

Solucin

CUESTIONES PARA DESARROLLAR

1. 2. 3. 4. Explique la diferencia entre muestreo simple, doble y secuencial. Defina AQL y LTPD. Qu es la calidad media de salida? Qu es AOQL?

PROBLEMAS
T2.1 De un lote de 6.000 peluches que hablan se escogen aleatoriamente 80, siendo aceptado todo el lote si hay c = 2 defectos. Construya una curva OC para este plan de muestreo. T2.2 Un lote de 200 lmparas de mesa acaba de llegar al almacn de Lighting,Inc. Se inspeccionan muestras aleatorias de n = 5 lmparas. Si ms de una lmpara es

Nota:

significa que el problema se puede resolver con el programa POM para Windows;

significa

que el problema se puede resolver con el programa Excel OM; y resolver con el programa POM para Windows y/o con Excel OM.

significa que el problema se puede

defectuosa, se rechaza todo el lote. Haga una curva OC para este plan de muestreo. T2.3 Construya una curva AOQ para el problema T2.2. T2.4 Cada semana, Melissa Bryant Ltd. recibe un lote de 1.000 relojes Swiss para su cadena de tiendas de la Costa Este. Bryant y el fabricante Swiss han acordado el siguiente plan de muestreo: = 5%, = 10%, AQL= 1%, LTPD= 5%. Construya una curva OC para el plan de muestreo con n= 100 y c = 2. Satisface este plan los requisitos del fabricante y del consumidor? T2.5 La empresa de Kristi Conlin en Waco (Texas) ha diseado una curva OC que muestra una probabilidad de 2/3 de aceptar lotes con un porcentaje real de defectos del 2%. Se producen lotes de 1.000 unidades cada vez y se extraen al azar 100 unidades como muestra. Cul es el nivel medio de calidad de salida?