Militar Standard 414

Tema 2: Muestreo para aceptacin
Curso 2004-2005 Leccin 2: Muestreo por variables

59
2 Ingeniero Tecnico Industrial Mecanica y Electricidad
Asignatura: Tcnicas estadsticas de control de la produccin
ProIesora: Miren Portilla Curso 2004-2005
Leccin 2: MUESTREO POR VARIABLES

CONTROL DE ACEPTACION POR VARIABLES

En los planes de variables se coge una muestra y se hace una medida de. una
caracteristica especiIica de cada unidad. Estas medidas se resumen en estadisticos
simples (por ejemplo, la media aritmetica), y el valor observado se compara con los
valores permitidos deIinidos en el plan. Entonces se toma la decision de aceptar o
rechazar el lote. Cuando son aplicables, los planes de variables suministran el mismo
grado de proteccion al consumidor que los planes de atributos, si bien utilizan
muestras considerablemente mas pequeas.
Los planes de atributos se aplican, generalmente, sobre la base de un porcentaje de
deIectos. Es decir, el plan se establece para controlar la proporcion de producto que
es deIectuoso o esta Iuera de especiIicacion. Los planes de variables para tanto por
ciento de deIectos tambien se utilizan de esta Iorma. Los planes proporcionan una
sensibilidad mayor que los de atributos, pero requieren que la Iorma de la
distribucion de los valores individuales sea conocida y estable. La Iorma de la
distribucion se utiliza para transIormar la proporcion de deIectos en valores
especiIicos de los parametros del proceso (media, desviacion tipica) que deben ser
controlados. La tabla de la pagina siguiente compara los planes de muestreo para
atributos y para variables.
60
Tabla comparativa de caracteristicas de planes de muestreo de atributos y variables

Caracterstica Atributos Variables
Inspeccion Cada articulo se clasiIica
como deIectuoso o no
deIectuoso. Se utilizan
calibres de pasa o no
pasa.
Se mide cada articulo. La
inspeccion es mas soIisticada.
Mayor costo de inspeccion y
de oIicina.
Distribucion de
medidas
individuales
No es necesario que sea
conocida.
Debe ser conocida (se asume
que la distribucion es normal).
Tipo de deIecto Cualquier numero de
tipos de deIectos puede
ser evaluado con un plan.
Se requiere un plan separado
para cada tipo de deIecto.
Tamao de la
muestra
Depende de la proteccion
requerida.
Menor tamao de muestra para
la misma proteccion que en los
planes de atributos (al menos
un 30 por ciento menor*).
InIormacion del
proceso
Tanto por ciento de
deIectos.
Tanto por ciento de deIectos
mas inIormacion valiosa sobre
la media y variabilidad del
proceso para la accion
correctiva.
Gravedad Igual para todos los
deIectos de una clase
dada.
Se pondera cada unidad
inspeccionada por su
proximidad a las
especiIicaciones.
Evidencia al
proveedor
Los deIectos disponibles
como evidencia.
Es posible que se rechace un
lote , aunque la muestra no
contenga unidades
deIectuosas.
* Bowkery Goode (1952), pp. 32-33. Asume muestras simples de una caracteristica.

61

Obtencin del porcentaje de unidades no conformes.

Cuando el interes esta centrado en la proporcion de producto Iuera de las
especiIicaciones, y cuando la distribucion subyacente de unidades individuales es
conocida, se pueden utilizar los planes de porcentajes de no conIormidades. Estos
planes relacionan la proporcion de unidades individuales Iuera de los limites de
especiIicacion con el porcentaje de poblacion Iuera de dichos limites, mediante la
apropiada teoria de la probabilidad. La media de la muestra, normalmente utilizada
como un test estadistico, se utiliza como un test para estimar la media de la
poblacion.
Supongamos que se sabe que la distribucion de las medidas individuales es normal y
que se desea un plan tal que su curva OC pase por los puntos (p
1
, 1- ) y (p
2
, ),
donde:
p
1
nivel de calidad aceptable.
1- probabilidad de aceptacion al nivel p
1
.
p
2

nivel de calidad limite.
probabilidad de aceptacion al nivel p
2
.
La curva OC es analoga a la analizada en muestreo de atributos. Veamos la
aplicacion en un plan sencillo de muestreo, descrito a continuacion.

62
El procedimiento consiste en buscar una region critica que permita tomar la decision
de aceptar o rechazar el lote.
Los limites especiIicados L
s
U, L
i
L pueden ser bilaterales o unilaterales.
Admitiendo que la caracteristica tiene una distribucion normal de media y de
desviacion tipica , el calculo de unidades deIectuosas (Iuera de limites
especiIicados) es inmediato. El problema es que se desconoce estos parametros y de
ahi el control de aceptacion.
La hipotesis nula sera que la proporcion de deIectuosas sea menor que p
0
(Nivel de
calidad aceptable, NCA)
H p p
0 0
:
contra la alternativa de que es mayor que p
1
(Calidad Limite, CL)
H p p
1 1
:

Contrastar que p p
0
es lo mismo que
0
y la Iorma de hacerlo es a
traves de la media muestral, ya que la region critica viene determinada mediante un
valor 'c tal que:
Si c x se acepta el lote (se acepta H p p
0 0
: )
Si c x < se rechaza el lote (se rechaza H p p
0 0
: )
63

Muestreo sencillo.
Los planes de muestro racionales para variables para tanto por ciento de
disconIormidades se ilustran en la Iigura siguiente, que asume que la distribucion
que siguen las mediciones es normal, con desviacion tipica conocida o:

PROBABILIDAD DE DISTRIBUCION DE LAS
ACEPTACION MEDIAS MUESTRALES

DISTRIBUCION DE LAS
MEDIDAS INDIVIDUALES
p

n (U-ko) U

Supongamos que el siguiente plan de muestreo se utiliza para chequear respecto al
limite de especiIicacion superior U.
1. Obtener una muestra de n piezas del lote y determinar la media muestral X .
2. Chequear la media respecto al limite de aceptacion (U-ko), k desviaciones tipicas
dentro de la especiIicacion.
3. Si X _(U-ko), aceptar el producto; en otro caso, rechazar el producto.

La situacion es analoga, pero a la inversa, con el limite de especiIicacion inIerior. Si
la distribucion de medidas individuales es normal, como se ha supuesto, una
proporcion p de producto por encima del limite superior de especiIicacion U implica
que la media de la distribucion debe estar en la posicion indicada por n. Las medias
de las muestras de tamao n se distribuyen alrededor de n como se indica en la
Iigura; por tanto, la probabilidad de obtener un X no mayor que (U-ko) esta indicada
por el area sombreada de la distribucion de medias muestrales.
64
Esta area sombreada es la probabilidad de aceptacion cuando la proporcion de no
conIormes en el proceso es p . Notese que la distribucion normal suministra la
conexion necesaria entre la distribucion de las medias muestrales y la proporcion de
producto no conIorme. Mientras que para tamaos de muestra razonables la
distribucion de las medias muestrales es normal, con independencia de la Iorma de la
distribucion de valores individuales, es la distribucion de valores individuales quien
determina la relacion entre n y p. Por tanto, el plan sera muy sensible a alejamientos
de la normalidad.
Puesto que X _(U-ko) es equivalente a k / ) X U ( , el plan de muestreo
precedente se puede expresar como sigue:
1. . Sacar n articulos del lote y determinar la media muestral X .
2. Si k / ) X U ( , aceptar el producto; en caso contrario, rechazar el producto.
Observese que para el limite de especiIicacion inIerior L la desigualdad se convierte
en k / ) L X ( .

Este es el metodo de muestreo utilizado para planes de muestreo con variables en
MIL-STD-414 (1957) y sus versiones civiles, ANSI/ASQC Z1.9 (1993) e ISO 3951
(1989).
Utilizando la Iigura de la pagina anterior y la teoria de la distribucion normal de
probabilidad, es posible calcular la probabilidad de aceptacion Pa para varios
valores posibles de p, la proporcion deIectuosa. Por ejemplo, se ve que utilizando un
corte superior en el valor :, n ) k : ( :
p Pa
=
1
. Por lo que la probabilidad de exceder
es
Pa
:
1
es 1-Pa, lo que permite obtener Pa. Por simetria, esta relacion tambien se
puede utilizar con un limite inIerior de especiIicacion.
Hay otros tipos de planes de variables (por ejemplo, desviacion tipica
desconocida, dos limites de especiIicacion) a los que la teoria de la probabilidad
proporciona metodos para obtener la curva OC y otras propiedades de estos
procedimientos.
65
Tablas y procedimientos publicados.
Hay mucho mas contenido en los muestreos de aceptacion que en los simples tests de hipotesis. El
muestreo simple aplicado individualmente para prevenimos contra un lote ocasionalmente
discrepante puede reducirse a un test de hipotesis. Los planes de muestreo, sin embargo, se pueden
combinar en esquemas de muestreo, con la intencion de alcanzar un determinado objetivo. Los
esquemas de muestreo, como todas las estrategias que utilizan uno o mas planes de muestreo, tienen
sus propias medidas, como el AOQ (calidad media de salida) o el ATI (media total de inspeccion),
que no se encuentran en los tests de hipotesis. Por tanto, MIL-STD-105E (1989) y sus versiones
civiles ANSI/ASQC Z1.4 (1993) e ISO 2859-1 (1989), junto con la correspondiente de variables
MIL-STD-414 (1957) y sus modiIicadas versiones civiles ANSI/ASQC Z1.9 (1993) e ISO 3951
(1989}son esquemas de muestreo que especiIicamente utilizan varios planes de muestreo bajo
reglas bien deIinidas. El ultimo asume que las medidas individuales a las que se aplica estan
normalmente distribuidas.
Los modelos de variables nos permiten utilizar tres medidas alternativas de variabilidad: la
desviacion tipica conocida o, la desviacion: estandar estimada s, o el recorrido medio R. Si la
variabilidad del proceso que nos da el producto es conocida, por ejemplo, a traves de un graIico de
control, es aconsejable utilizar o. La eleccion entre s y R, cuando o es desconocida, depende de
consideraciones economicas. El recorrido requiere tamaos de muestra grandes, pero es mas Iacil
de comprender y de calcular. Las curvas operativas dadas en las normas estan basadas en la
utilizacion de s, habiendo sido ajustados los planes que utilizan o y R, tanto como ha sido posible, a
los que utilizan MIL-STD-414 y ANSI/ASQC Z1.9 oIrecen dos procedimientos alternativos.
Ademas del metodo que utiliza una constante de aceptacion k, cada modelo presenta un
procedimiento de estimacion de la proporcion de deIectos en el lote con los datos de las variables.
El primer metodo se llama Formato 1; el ultimo se llama Formato 2 y es el preIerido en la MIL-
STD-414, ya que las reglas de cambio de inspeccion severa a reducida no pueden ser aplicadas a
menos que la proporcion de deIecto en cada lote se haya estimado a partir de la muestra. Las reglas
de cambio de ANSI/ASQC Z1.9 siguen el esquema de las de MIL-STD-105D (1964) y se pueden
utilizar en Formato 1 o Formato 2. ISO 3951 presenta una alternativa graIica al procedimiento del
Formato 2, que se utiliza con reglas cambiantes, siguiendo tambien el modelo de las MIL-STD-
105D.

66

Aplicacin secuencial de las tablas MIL-STD-414, ANSI/ASQC Z1.9 e ISO 3951

67

68
Veamos un ejemplo de aplicacion del Iormato 1 de MIL-STD-414 con variabilidad
desconocida:
La especificacion de la resistencia electrica para cierto componente es entre 620
v 680 ohmios. Se somete un lote de 100 componentes a inspeccion normal, con
AQL2,5. Debe aceptarse el lote si X 647 v s17,22?

a) Comprobaciones preliminares: que la distribucion de la variable sea normal y la
produccion continua y bajo control.
b) Seleccion del plan: Determinar la letra codigo en Iuncion del tamao del lote
(N100) y el nivel de inspeccion (normal: IV) en tabla 46.19. CodigoF
A partir de la letra codigo y el NCA (AQL2,5) obtener de la tabla 46.20 el
tamao de la muestra n y el valor de k: n10 k1,41
c) Calculos con los valores muestrales:
92 1
22 17
647 680
,
, s
x U
T
U
=
=

57 1
22 17
620 647
,
, s
L x
T
L
=
=

d) Criterio de decision: especiIicacion superior T
U
1,92 _ k1,41
especiIicacion inIerior T
L
1,57 _ k1,41
Conclusion: Aceptar el lote

Nota: para doble especiIicacion se deben cumplir los dos criterios del apartado d) y
ademas s17,22 _ DTMMSDI(U-L)0,298(680-620)17,88
69
Veamos el mismo ejemplo aplicando el Iormato 2 de MIL-STD-414 con variabilidad
desconocida:
La especificacion de la resistencia electrica para cierto componente es entre 620
v 680 ohmios. Se somete un lote de 100 componentes a inspeccion normal, con
AQL2,5. Debe aceptarse el lote si X 647 v s17,22?

a) Comprobaciones preliminares: que la distribucion de la variable sea normal y la
produccion continua y bajo control.
b) Seleccion del plan: Determinar la letra codigo en Iuncion del tamao del lote
(N100) y el nivel de inspeccion (normal: IV) en tabla 46.19. CodigoF
A partir de la letra codigo y el NCA (AQL2,5) obtener de la tabla 46.22 el
tamao de la muestra n y el valor de M: n10 M7,29
c) Calculos con los valores muestrales:
92 1
22 17
647 680
,
, s
x U
Q
U
=
=

57 1
22 17
620 647
,
, s
L x
Q
L
=
=

d) Porcentaje estimado de deIectuosos, tabla 46.23, a partir de los valores anteriores
de Q
U
y Q
L
y del tamao muestral n10, mediante interpolacion:
p
U
(Q
U
1,9)1,8 p
U
(Q
U
2,0)1,2 p
U
(Q
U
1,92)1,68
p
L
(Q
L
1,5)5,9 p
L
(Q
L
1,6) 4,5 p
L
(Q
L
1,57)4,92 p()6,60
e) Criterio de decision: especiIicacion superior p
U
()1,68M7,29
especiIicacion inIerior p
L
()4,92M7,29
especiIicacion bilateral p()6,60M7,29
Conclusion: Aceptar el lote

70

71

72

73

PLANES DE ACEPTACIN POR VARIABLES:

El ~LOT PLOT (REPRESENTACIN GRFICA DEL LOTE)

Probablemente, ningun plan de muestreo de aceptacion por variables se ajusta a la
inclinacion natural del inspector mejor que el metodo Lot Plot, desarrollado por
Dorian Shainin (1950) en la Hamilton Standard Division de la United AircraIt
Company. El procedimiento emplea un histograma y calcula aproximadamente los
extremos de la distribucion del producto para determinar la aceptacion o el rechazo
del lote. Siempre se utiliza una muestra patron de 50 observaciones.

El metodo es util como una herramienta de aceptacion por muestreo cuando
metodos mas soIisticados pueden ser inapropiados o no bien recibidos por las partes
involucradas. El plan Lot Plot es especialmente util en la introduccion a los metodos
estadisticos. Los aspectos subjetivos del plan (clasiIicacion de la distribucion de
Irecuencias, su construccion, etc.) y su tamao Iijo muestral sugiere la utilizacion de
procedimientos mas objetivos en aplicaciones criticas. La amplia aceptacion inicial
de la obra de Shainin (1952) es consecuencia de su validez, en la inspeccion personal
por muestreo.

74

INTRODUCCIN AL MTODO DEL "LOT PLOT"

Es un procedimiento graIico que emplea un histograma de Irecuencias para estimar
la media y la desviacion tipica de una caracteristica de calidad del lote, a traves
de la media de la muestra y del recorrido medio o la desviacion tipica de la muestra,
respectivamente, mediante una muestra de tamao constante e igual a 50 unidades,
independiente del tamao del lote. Se requiere, por tanto, un graIico 'lot plot por
cada caracteristica del producto que queramos controlar.

A partir de este graIico se pueden calcular de Iorma aproximada los extremos de la
distribucion de la caracteristica de calidad del producto en lote ( 3 ) y compararlos
con los limites especiIicados (aqui denominados tolerancias), para estimar el
porcentaje de piezas Iuera de especiIicaciones y poder asi determinar la aceptacion o
rechazo del lote.

El 'Lot Plot es especialmente adecuado para la introduccion de los metodos
estadisticos, por su caracter graIico y visual. Su principal aplicacion es la aceptacion
de lotes procedentes de proveedores, aunque tambien se puede utilizar en la
aceptacion de lotes durante el proceso de Iabricacion y en estudios de capacidad de
maquinas o procesos.

Shainin clasiIico las posibles distribuciones de Irecuencia que podian presentarse en
el 'lot plot en once tipos, como se muestra a continuacion:

75

76
donde se ha utilizado la notacion siguiente:
S Limites de especiIicacion (tolerancias).
LL Limites del lote.
D Distancia desde el limite especiIicado o punto de corte hasta el limite del lote.
W Ancho de la base, es decir, distancia entre limites del lote.
M Moda.
A Distancia entre la moda y el limite del lote.
O 'Cero, lectura completa del indicador.

El articulo de Shainin (1950) daba instrucciones detalladas para manejar distintos
tipos de 'lot plot no normales. Para algunos tipos se requieren reglas especiales
para estimar los limites del lote, por ejemplo para los asimetricos (Iigura 5), los de
puntos truncados o cortes (Iigura 6) y los bimodales (Iigura 7).

Ademas, cuando los limites del lote caen Iuera de los limites de especiIicacion, las
reglas de actuacion se ven inIluenciadas por el tipo del 'lot plot, llegando incluso,
en ciertos casos, a la utilizacion de inspeccion por atributos para 'lot plot dudosos.

En las paginas siguientes se presenta la descripcion y un ejemplo de uno de los casos
posibles del metodo 'lot plot, el caso de Lot Plot para Distribuciones Normales, con
el Iin de ilustrar la dinamica de este tipo de estudios.
77
DESCRIPCION DEL MTODO "LOT PLOT" PARA
DISTRIBUCIONES NORMALES Y E1EMPLO

La Iigura de la pagina siguiente muestra el impreso completo del graIico 'lot plot
correspondiente con el siguiente ejemplo:
Efemplo. Un graIico Lot Plot se utiliza para inspeccionar el ancho de casquillos. Se
coge una muestra de 50 piezas en 10 subgrupos de 5 elementos cada uno con los
siguientes resultados
1 2 3 4 5 6 7 8 9 10
0,2538 0,2581 0,2556 0,2531 0,2501 0,2521 0,2541 0,2555 0,2489 0,2529
0,2519 0,2571 0,2542 0,2566 0,2506 0,2557 0,2499 0,2569 0,2557 0,2579
0,2508 0,2521 0,2521 0,2534 0,2534 0,2569 0,2514 0,2553 0,2542 0,2565
0,2537 0,2545 0,2521 0,2557 0,2516 0,2541 0,2536 0,2496 0,2529 0,2577
0,2529 0,2563 0,2518 0,2519 0,2559 0,2524 0,2492 0,2512 0,2546 0,2541
A partir de estos datos debe aceptarse el lote?
La parte superior del Iormato es para identiIicar producto, cantidad en el lote,
proveedor, limites especiIicados (tolerancias), etc.
En la columna "VALOR" de la izquierda, se escriben los distintos valores que
puede tomar la variable que estamos estudiando. La escala a utilizar se hara de
Iorma que la tolerancia ocupe de 10 a 16 casillas (el graIico tiene 20 casillas).
La muestra de 50 unidades se divide, arbitrariamente, en 10 grupos de 5 unidades
cada uno con objeto de indicar los valores en el Lot Plot, dando un numero a cada
grupo, permitiendo calcular los recorridos de cada grupo. El valor del recorrido se
anota en la columna RECORRIDO, en el lado derecho el graIico.
Cuando se han registrado los 50 valores, se rellenan las columnas 'I, 'd y 'Id,
que signiIican: 'I Irecuencia
'd Numero de casillas por encima o debajo del cero.
El cero se asigna a la casilla que coincide con la mediana o la moda. En nuestro
ejemplo se ha asignado a la corresponde a los valores de entre 0,253 y 0,254, que
coincide aproximadamente con la mediana (Nota: al ser una distribucion normal,
es simetrica, y moda, mediana y media coinciden).

78

Militar Standard 414

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Militar Standard 414

Încărcat de

Drepturi de autor:

Formate disponibile

Tema 2: Muestreo para aceptacin

Curso 2004-2005 Leccin 2: Muestreo por variables

S-ar putea să vă placă și