CUANDO LOS PROCESOS O LOTES ESTAN NORMALMENTE DRISTRIBUIDOS Y SE CONOCE LA DESVIACION ESTANDAR.
Se obtiene gran economía especial, mediante el uso de procesos
por variables cuando un proceso o lote está normalmente distribuido y se conoce su desviación estándar. Esta situación se presenta frecuentemente, en forma razonable, en la industria. La variabilidad de las máquinas, por ejemplo, levemente de una maquina a otra y de tiempo en tiempo, pero su ajuste puede en ocasiones variar de manera considerable. Por consiguiente, se puede querer muestrear la producción de una máquina para ver si la media es tal que nos proporciones una fracción defectuosa aceptable, suponiendo que la desviación estándar permanece en un valor conocido previamente. En estas condiciones, se puede proceder de distintas maneras. Si solo hay un límite inferior, podemos utilizar la media de la muestra para calcular y a partir de la selección 3, calcular la fracción defectuosa del lote o proceso como área bajo la curva normal mas allá de ZL. Si deseamos un cálculo ligeramente mejor, podemos tratar la cantidad (designada en lo sucesivo como QL ) como desviación normal, ya que nos dará la estimación sin riesgo de la varianza mínima de la fracción defectuosa p’. Sin embargo, cualquier forma que usemos para calcular p’, podemos trabajar con un proceso de muestreo como sigue. A partir de una muestra
sencilla de tamaño n, se calcula Z L o QL y se estima p’. Si esta
estimación de p’ excede un valor máximo determinado de M, se rechaza el lote; de otra manera se acepta. Podemos, sin embargo, proceder de otra manera. Se puede cambiar el M crítico a un valor crítico de ZL. Entonces si se presenta este valor crítico de ZL para el cual la proporción de casos que superan este valor de ZL , o si se prefiere en exceso de la variable normal.
(en una dirección) es igual a M. Podemos entonces
trabajar con un proceso de muestreo en la siguiente forma. De una muestra a azar de tamaño n calculamos.
Si ZL k se acepta; de otra manera se rechaza. Para mantener nuestro
análisis dentro de las normas del Departamento de Defensa para la inspección de muestreo por variables, llamaremos el método k procedimiento 1 y al método M procedimiento 2, que es lo opuesto al orden en que los hemos discutido. En éste procedimiento 2 usaremos la cantidad QL para estimar p’ en este capítulo. 4.1. DEDUCCION DE UN PROCESO DE VARIABLES CON P1’ , P2’ , y ESPECIFICADOS: UN SOLO LIMITE DE ESPECIFICACION.
Supongamos: 1) que la característica de calidad en cuestión es
susceptible de ser medida en escala continua, y que se encuentra distribuida normalmente, 2) que se conoce la desviación estándar, y 3) que no hay más que un solo límite de especificación. Consideremos inicialmente que éste límite especificado es el límite inferior L.
El problema básico al diseñar un proceso, consiste en encontrar
el tamaño de muestra n y el criterio de aceptación -- k o M -- que nos de las características especificadas por el proceso. Supongamos por ejemplo, que el límite inferior especificado de la resistencia a la tensión de cierto producto es de 17 000 psi, y que se desea hacer un proceso de muestreo basado en variables que en función de la fracción defectuosa tiene una p1’ = 0.01, un p2’ = 0.08, = 0.05 y = 0.10. Supongamos que la resistencia de tensión del producto es normal en su forma, y que su desviación estándar es de 800 psi. Tal distribución tendrá una fracción defectuosa de 0.01 si su media es tal que 2.3236. Para la probabilidad de que una variable normalmente distribuida no llegue a su medida por 2.3263 ’, es justo 0.01. Análogamente, la distribución tendrá una fracción defectuosa de 0.8 si su media es tal que 1.4053.
La primera de estas ecuaciones nos da = 18 861 psi, y la segunda
= 18 124 psi. Llamemos a estos valores de X’ que nos dan la cantidad P1’ y P2’ , las del proceso, y designemos . De ahí, que el proceso deseado se obtendrá si: Z1 = 2.3263, Z2 = 1.4043, = 0.05 y = 0.10. Siguiendo el procedimiento 1, se aceptara el lote si Por lo tanto, si se nota que , criterio del proceso se cumplió, si n y k son tales que
y Comparemos con la figura
11.5. Debido a que está distribuido normalmente con una media igual a cero y desviación estándar unitaria, se concluye de lo anterior que se debe tener el cual será el valor a utilizar si deseamos tener el de nuestro proceso tal y como se especificó. Para nuestro ejemplo, sin embargo tomaremos k igual al promedio de los dos valores deducidos antes o sea: k = 1.806 + 1.811 / 2 = 1.809 El procedimiento 1 para nuestro ejemplo funcionará como sigue. Si se toma una muestra al azar de 10 unidades de un lote y se calcula ZL = , si ZL 1.809 se acepta el lote, de otra manera se rechaza. De acuerdo con el procedimiento 2, se efectúa el paso extra de traducir los valores de Z en cálculos de fracción defectuosa. Esto se hará tratando la cantidad QL = como una variable normal. El valor de M, será por tanto la proporción del área bajo la curva normal mas allá de Para nuestro ejemplo, 4.2. CURVA TIPO CO PARA UN PROCESO CON SOLO UN LIMITE ESPECIFICADO La curva CO para el proceso de variables deducido anteriormente, bien sea para un límite superior o inferior, aparee en la figura 11.6. La curva CO es la misma para los dos procedimientos 1 y 2 Se calcula, sin embargo, mas fácilmente en relación al procedimiento 1.
Si p’ es la fracción defectuosa, y ZP’ es la desviación normal
(positiva )correspondiente a ese valor de p’ , el que dará la fracción defectuosa será:
y como se indico en la sección 4.1, la probabilidad
de aceptación será: Como estará normalmente distribuida con una media igual a cero y variancia unitaria , esta será la misma que la probabilidad de que una desviación estándar normal exceda a
Por ejemplo, si p’ = 0.03, entonces Z0.03 = 1.881, =
y la probabilidad de que una desviación
estándar normal exceda de – 0.227 es de 0.59 ( comparece con la figura 11.6). Otros puntos de la curva CO pueden calcularse de la misma manera.