4.

PROCESOS DE MUESTREO POR VARIABLES

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.