Documente Academic
Documente Profesional
Documente Cultură
CAPITULO 6
MUESTREO DE ACEPTACION POR ATRIBUTOS LOTE POR LOTE
En este capitulo se hace una descripción de los conceptos en que descansan los
planes de muestreo y del procedimiento de diseño de estos. Se explica el
procedimiento de diseño y evaluación con detalle para un plan de muestreo
sencillo. Se continua con menos detalle para el plan de muestreo doble y
secuencial. Se termina explicando el uso de las tablas ANSI/ASQC Z1.4-1993.
CT(n=0) = (NP)Cd
172
Control de calidad 173
Un resumen de las ecuaciones usadas junto con los resultados del ejemplo
1 se presenta en la tabla 1
Considerando los descrito en los puntos 1.1 y 1.3 las ventajas principales del
muestreo de aceptación con respecto a la inspección 100% son 1 se reduce el
error de inspección, 2 se puede entrenar mejor a los inspectores y 3 darle mejor
seguimiento a los resultados de la inspección. Todo esto se resume en una sola
cosa: reducción en los costos administrativos del trabajo de inspección.
Tipo de inspección
Considerando la forma en que se hace la inspección, los planes de muestreo se
clasifican por variables y atributos. La inspección es por variables cuando el tema
de control es medido en una escala continua como un peso, una dimensión,
alguna densidad, resistencia eléctrica, etc. La inspección es por atributos cuando
el tema de control inspeccionado arroja resultados discretos como 1 conforme o
no a especificaciones o 2 requiere contar el número de disconformidades en la
unidad.
Cantidad de muestras
Dependiendo de la cantidad de muestras usadas los planes de muestreo se
clasifican como: Sencillo, doble, múltiple y secuencial.
174
Control de calidad 175
forma en que estén acomodadas las unidades en el lote. Por ejemplo si en un lote
las unidades están acomodadas en capas (por ejemplo una caja con focos)
extraería algunos focos de la parte superior, otros de la parte intermedia y otros de
la parte más baja. Para reducir el riesgo de la inconsistencia en la selección, es
recomendable usar números aleatorios (o equivalentes) . Esta técnica tiene el
procedimiento siguiente
Ejercicio de práctica 1
1. Un inspector de la Secretaría de Agricultura quiere revisar un trailer (o
contenedor ) con cajas de tomate, extrayendo una muestra de 30 cajas las cuales
deben tener un peso neto de 12 kilogramos, ¿Cómo extraería la muestra
representativa?
2. Una planta empacadora de azúcar maneja una bolsa con un contenido neto de
2 kilogramos y especificaciones de 2.000 ± 0.002. Se quiere verificar si se
cumple con esto pesando 25bolsa s. ¿Cómo extraería la muestra?, ¿Cómo
formaría el lote?
El cliente puede estar interesado tanto en el nivel de calidad del proceso como en
la calidad individual de un lote del proveedor. En estos casos establece el peor
nivel de calidad que se esta dispuesto a aceptar en un lote individual para fines de
muestreo. Esto es una medida de un mal nivel de calidad se identifica con los
símbolos p2, LQL (limiting quality level) o LTFD (lot tolerante fraction defective). La
probabilidad de cometer el error tipo dos está asociado a esta calidad.
176
Control de calidad 177
Recuérdese que para usar la distribución binomial se requiere que se cumplan las
3 condiciones siguientes 1 se inspeccionan n unidades, 2 la inspección consiste en
clasificar la pieza como conforme o no conforme y 3 la proporción no conforme P,
es constante o aproximadamente constante. Si no se cumple la condición 3, la
distribución hipergeométrica es la opción para el cálculo de la Pa.
n
P (d ) = P d (1 − p )
n−d
EC1
d
n n!
donde =
d d!(n − d )!
0 1 C
n d
( )
n−d
∑
C
P(d≤ C )=
d =0
P 1 − p EC2
X
X
67 67 67
= 0.010 (1 − 0.01) + 0.011 (1 − 0.01) + 0.012 (1 − 0.01)
67 − 0 67 −1 67 − 2
0 1 2
178
Control de calidad 179
Interpretación de Pa = 0.9702:
Si se inspeccionaran lotes conteniendo siempre el 1% de piezas no
conformes (=100*P= 100*0.01) con el plan de muestreo n= 67 C= 2, se
aceptará a la larga el 97.02% de ellos.
1.00
0.80
0.60
Pa
0.40
0.20
0.00
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14
180
Control de calidad 181
n= 75 C= 1
n= 150 C=
n= 750
C= 10
Tipos de curva OC
Dependiendo del comportamiento de la fracción no conforme, p, se calcula la Pa
de la curva OC. Desde este punto de vista se identifica la curva OC tipo A y curva
OC tipo B.
estadísticamente. Con frecuenta ese no es el caso. De ahí que se debe ver los
resultados de la curva OC como una aproximación o como que proporciona una
idea de lo que se espera. Particularizando, en el ejemplo 3 si el proceso estuviera
generando un 2% de piezas no conformes es de esperarse tener un 85% de lotes
aceptados o entre un 82 y un 87%. Si el plan de muestreo esta aceptando un 20%
de los lotes la curva OC refleja que es típico de una calidad aproximada de un 6%.
Puede ser un poco más o un poco menos. La curva OC refleja una idea de lo que
se espera aceptar dependiendo de la calidad del proceso. En el mejor de los
casos cuando se usa un plan de muestreo y se observa un porcentaje de lotes
aceptados, se puede usar la curva OC de dicho plan de muestreo para estimar la
fracción no conforme. El valor obtenido es una aproximación de p, su valor real
puede ser un poco mayor o menor.
a. n= 50, C=1
b. n= 100, C=2
c. n= 150, C=3
d. n= 150, C=4
2. Una compañía usa el plan de muestreo siguiente. Toma una muestra aleatoria del
10% del lote a inspeccionar (n≡ 0.10N). Si el 2% o menos de la muestra es no
conforme a especificaciones, el lote se acepta (Ac: C ≡ 0.02n). Si más del 2% de
la muestra es no conforme a especificaciones el lote se rechaza (Re>0.02n).
182
Control de calidad 183
Pap( N − n)
AOQ = EC 3
N
AOQ ≈ Pap EC 4
Pap( N − n) (0.9702)(0.01)(10,000 − 67 )
AOQ = = = 0.0097
N 10,000
Interpretación
Si los lotes recibidos tienen siempre el 1% de piezas no conformes a
especificaciones, a la larga se espera que los lotes inspeccionados tengan
aproximadamente el 0.97% de piezas no conformes a especificaciones
4) Repita el paso 1,2 y 3 tantas veces como sea necesario. Esto se presenta
en la tabla 6
184
Control de calidad 185
p AOQ
0.000 0.0000
0.005 0.0049
Interpretación
El plan de muestreo de aceptación n= 67 y C=2 cuando tendrá lotes
inspeccionados con una calidad de 2.047% de bolsas o mejor.
AOQL = máximo{AOQ] EC 5
ATI = n + (1 – Pa)(N-n) EC 7
Interpretación
Si los lotes siempre tuvieran el 1% de bolsas no conforme a
especificaciones, se espera inspeccionar en promedio 363 bolsas por lote
de 10,000 bolsas
186
Control de calidad 187
p ATI
0.000 67.00
0.005 113.86
0.010 363.25
0.015 859.90
0.020 1563.01
0.020 1638.37
0.025 2402.13
0.030 3305.66
0.040 5081.99
0.050 6596.30
0.060 7753.43
0.070 8573.63
0.080 9123.50
Figura 6 Curva ATI para n= 65 C=2,
0.090 9476.37 N= 10000
0.100 9694.86
0.120 9902.92
Tabla 8 Valores de ATI para la
Ejercicios de practica 2. Cálculo de curva OC, ATI, AOQ y valor del AOQL
n ≈ Max (Pa*p*n) EC 8
AOQL
188
Control de calidad 189
Solución
1) Suponiendo el valor deseado de C= 0
2) De la tabla 7, se tiene que con C=0, el valor máximo de Pa*p*n = 0.3679,
3) Usando la ecuación 8, se tiene que n es
1) Suponga C= 0
2) La distribución binomial resultante es
n X n
P (1 − p ) = 0.010 (1 − 0.01) = 0.95
n−d n −0
∑ ∑
C 0
P(d≤ C )= d =0 d =0
d 0
Como :
n
= 1 , 0.010 = 1,
0
se tiene
P(d≤ 0 )= 0.95 = 0.99n = 0.95
n = log(0.95)/log(0.99 ≈ 5.1
n≈5
Observe que si hubiera supuesto un valor de C distinto de cero, el despeje de n se
complicaría a medida que el valor de C aumenta. Esto lo puede verificar
suponiendo por ejemplo una C=2 y tratando de resolver (o encontrar las raíces
para) el polinomio resultante. Una alternativa del paso 2 es emplear un
nomograma de la distribución binomial o la tabla 9 que es útil para valores de Pa =
0.01, 0.05, 0.10, 0.50, 0.90, 0.95 o 0.99.
n p 0.10
R=
n p 0.95
C np0.99 np0.95 np0.90 np0.50 np0.10 np0.05 np0.01
0 0.010 0.051 0.105 0.693 2.303 2.996 4.605 45.157
190
Control de calidad 191
n d
∑ ( )
C n−d
Condición 1: Pa1 =P(d≤ C|P = p1 )=
d =0
p1 1 − p1 EC 9
d
n d
∑ p 2 (1 − p 2 )
C n−d
Condición 2: Pa2 =P(d≤ C|P = p2 )= d =0
EC 10
d
3) Resolver las ecuaciones 9 y 10 para n y c. Para la solución de dichas
ecuaciones se puede utilizar a un método de análisis numérico, b la tabla 9
o c un nomograma de la distribución binomial acumulada.
Se fabrican palos de escoba a los cuales se les hace una inspección al tacto
consistente en que deben estar completamente pulidos y del tamaño dado en las
especificaciones. Cualquier palo que no cumpla con las especificaciones se
clasifica como no conforme. Un cliente le ha pedido a la fábrica que le envíe lotes
con 10,000 piezas, las cuales deben cumplir con las especificaciones contratadas.
Cliente y proveedor han acordado que el cliente revisará el lote al recibirlo usando
una inspección por muestreo con las condicione siguientes. Si la calidad del lote
es de una fracción no conforme de 0.01 o menos el plan de muestreo aceptará
cuando menos el 95% de los lotes. Sin embargo si la fracción no conforme de
palos de escoba es de 0.08 o peor se aceptará cuando mucho el 10% de los lotes.
El muestreo se implementará haciendo inspección con rectificación.
Procedimiento de solución
1) Establecimiento de dos niveles de calidad
De acuerdo a lo pactado las condiciones establecidas son:
Condición 1 (p1, Pa1) = (0.01, 0.95)
Condición 2 (p2, Pa2) = (0.08, 0.10)
192
Control de calidad 193
n
∑
n−d
0.01d (1 − 0.01) = 0.95
C
Condición 1: Pa1 =P(d≤ C|P = 0.01 )= d =0
d
n
∑
n−d
0.08d (1 − 0.08) = 0.10
C
Condición 2: Pa2 =P(d≤ C|P = 0.08 )= d =0
d
a) Calcule la R = p2 = 0.08 = 8
p1 0.01
b) Encuentre los valores de np10 y np95 que tengan como razón =np10/
np95 un valor cercano al obtenido en el paso anterior.
Para este ejemplo, el valor calculado de R= 8, cae entre C= 1 y C=2,
por lo que se debe considerar las dos opciones para el diseño del
plan de muestreo de aceptación, es decir
Opción 1: C= 1
n = np10 = 3.89 = 49, plan A: n = 49, C= 1
p2 0.08
Opción 2: C= 2
n = np10 = 5.322 = 67, plan C: n= 67, C=2
p2 0.08
C =1 49
Pa1 = P(d≤1|p1= 0.01) = ∑d =0 0.01d (1 − 0.01) = 0.9136
49 − d
d
C =1 36
Pa2 = P(d≤1|p2= 0.08) = ∑d =0 0.08d (1 − 0.08) = 0.21
36 − d
d
Comentarios
Para el plan de muestreo sencillo por atributos diseñado ( n= 67, C= 2), se evaluó
previamente sus características de operación con la curva OC (figura 1), se
detectó cual es el peor nivel de calidad que en promedio se puede tener (AOQL,
tabla 6 y figura 5) y se complementó con la cantidad de inspección promedio por
194
Control de calidad 195
lote (ATI, figura 8). Si después de hacer esto, no está de acuerdo con el plan de
muestreo diseñado, es necesario cambiar las condiciones iniciales para llegar al
plan de muestreo que más se acerque a los deseos del cliente. Una vez aceptado
el plan de muestreo, el paso siguiente es su implementación (es decir su
documentación, el entrenamiento del personal que lo usará, el desarrollo de las
formas de papelería requeridas, establecer el procedimiento de flujo de
información para que las personas y departamentos involucrados tengan acceso,
etc.).
Un plan de muestreo doble ofrece la opción de utilizar hasta dos muestras para
llegar a la decisión final de aceptar o rechazar el lote.
d1≥ Re1
Si d1 ≤Ac1
Rechace el lote
Acepte el lote Ac1<d1< Re1
Si No
d1+d2 ≤A c2
Acepte el Rechace
lote el lote
196
Control de calidad 197
Para diseñar un plan de muestreo doble se requiere definir los parámetros n1, n2,
Ac1, Re1, Ac2, Re2. Como seis parámetros definen al plan, teóricamente se
requiere plantear 6 ecuaciones binomiales para encontrar la solución única. Esto
es muy laborioso por lo que lo más usado para el diseño es partir de tablas de
muestreo que faciliten este trabajo como la tabla 11, que tiene como
características de uso 1) n1= n2 y 2) las probabilidades de aceptación
consideradas para el diseño son: 0.05, 0.10, 0.25, 0.50, 0.75, 0.90 y 0.95. Otro tipo
de tablas útiles son las ANSI/ASQC Z1.4-1993 o las Dodge Roming para
inspección con rectificación.
2) Calcule R= P2/P1
El ejemplo 8 ilustra el diseño del plan de muestreo doble usando la tabla 11.
Probabilidad de aceptación
Plan Ac Re R 0.95 0.90 0.75 0.50 0.25 0.10 0.05
1 # 1 32.655 np 0.0501 0.101 0.259 0.573 1.053 1.636 2.057
1 2 ASN/n1 1.951 1.904 1.772 1.564 1.349 1.195 1.128
2 0 2 12.029 np 0.207 0.301 0.566 1.006 1.661 2.490 3.124
1 2 ASN/n1 1.168 1.228 1.321 1.368 1.316 1.206 1.137
3 0 3 5.357 np 0.635 0.827 1.231 1.816 2.566 3.402 3.986
3 4 ASN/n1 1.443 1.511 1.581 1.564 1.450 1.306 1.222
4 1 4 4.398 np 1.000 1.246 1.750 2.465 3.373 4.398 5.130
4 5 ASN/n1 1.245 1.316 1.421 1.470 1.414 1.293 1.211
5 2 5 3.547 np 1.630 1.959 2.607 3.490 4.579 5.781 6.627
6 7 ASN/n1 1.199 1.263 1.360 1.405 1.352 1.243 1.171
6 3 7 2.951 np 2.427 2.822 3.584 4.599 5.826 7.162 8.093
8 9 ASN/n1 1.215 1.288 1.409 1.492 1.467 1.352 1.262
7 3 7 2.668 np 3.092 3.583 4.489 5.628 6.925 8.248 9.121
11 12 ASN/n1 1.335 1.409 1.488 1.478 1.375 1.248 1.176
8 5 9 2.486 np 3.914 4.433 5.406 6.663 8.147 9.732 10.822
12 13 ASN/n1 1.183 1.248 1.357 1.426 1.394 1.286 1.206
9 6 10 2.289 np 4.907 5.507 6.606 7.990 9.580 11.233 12.351
15 16 ASN/n1 1.196 1.261 1.358 1.403 1.353 1.246 1.175
10 7 11 2.176 np 5.847 6.534 7.769 9.286 10.989 12.722 13.876
18 19 ASN/n1 1.199 1.263 1.352 1.380 1.317 1.214 1.150
Tabla 11 Valores útiles para construir y evaluar un plan de muestreo doble cuando n1= n2
Para los datos del ejemplo 7 diseñe el plan de muestreo doble equivalente a las
condiciones definida:
198
Control de calidad 199
Pa = Pa1 + Pa2 EC 11
Donde
Pa1 = P(d1≤ Ac1|n1,p) EC 12
n1 = 63 Ac1= 0 Re1= 3
n2 = 63 Ac2= 3 Re2= 4
200
Control de calidad 201
P Pa P Pa
0.00 1.00 0.04 0.256
0.005 0.994 0.05 0.126
0.01 0.952 0.06 0.058
0.02 0.738 0.07 0.026
0.03 0.468 0.08 0.011
Para los planes de muestreo dobles desarrollados que usen los criterios de la
tabla 11, se puede obtener algunos puntos de la curva OC, dividiendo los valores
de np entre n1. Así para el plan de muestreo doble desarrollado correspondiente a
n= 63, se tiene los valores de la tabla 13.
Pa np p= np/n
0.95 0.207 0.0033
0.90 0.301 0.0048
0.75 0.566 0.0090
0.50 1.006 0.0160
0.25 1.661 0.0264
0.10 2.49 0.0395
0.05 3.124 0.0496
Tabla 13 Valores de la curva OC usando
los resultados de la tabla 11
202
Control de calidad 203
Interpretación:
De estarse inspeccionando lotes que siempre tengan como fracción no
conforme 0.01, la cantidad promedio de unidades por lote que se
inspeccionaría es de 90.95.
El cálculo del ASN para distintos niveles de calidad indicará que el valor mínimo de
ASN es de 63 y el máximo de 100.04. (compruébelo)
▀
Comentarios
El calculo del ASN tiene gran utilidad para labores administrativas como la
estimación del tiempo o costo de inspección por lote. Por ejemplo si el tempo
estándar de inspección se expresa en T horas/pieza y el costo de inspección por
unidad es CI, El tiempo estimado de inspección por muestra sería T*ASN y el
costo de inspección por muestra equivaldría a CI*ASN.
Algunos valores de la curva ASN pueden también ser obtenidos partiendo de los
datos de la tabla 11. Observe que en esa tabla, para cada plan de muestreo se
tiene una fila ASN/n1, por lo que se puede encontrar el valor de ASN asociados a
los puntos de la curva OC (p, Pa) multiplicando el valor de la celda por n1. Para
nuestro ejemplo se tiene los resultados resumidos en la tabla 14.
2. Calcule dos puntos de la curva ASN para los planes de muestreo dobles
siguientes:
a) n1 = 40 Ac1= 1 , Re1= 3; n2 = 60 Ac2= 3 Re2= 4
b) n1 = 50 Ac1= 1 , Re1= 4; n2 = 50 Ac2= 4 Re2= 5
AOQ =
[Pa1 (N − n1) + Pa2 (N − n1 − n2 )] EC 15
N
204
Control de calidad 205
Aceptar: d ≤ -h1 + Sn EC 17
Rechazar: d ≥ h2 + Sn EC 18
Donde:
1− α Pa
log log 1
β Pa 2
h1 = p (1 − p ) =
p (1 − p1)
EC 19
log 2 1
log 2
p
1 (1 − p 2)
p1 (1 − p 2 )
1− β
log log Pr 2
α Pr1
h2 = p (1 − p ) = p (1 − p1)
EC 20
log 2 1
log 2
p
1 (1 − p )
2
p1 (1 − p 2 )
1 − p1
log
1 − p 2
S = EC 21
p (1 − p1)
log 2
p1 (1 − p 2 )
1− α 1 − 0.05
log log
β 0.10
h1 = = = 1.0458
p 2 (1 − p1) 0.08(1 − 0.01)
log log
p
1 (1 − p )
2
0 . 01(1 − 0 . 08 )
1− β 1 − 0.10
log log
α 0.05
h2 = = = 1.3426
p 2 (1 − p1) 0.08(1 − 0.01)
log log
p1 (1 − p 2 )
0.01(1 − 0.08)
1 − p1 1 − 0.01
log
log
1 − p 2 1 − 0.08
S= = = 0.0341
p 2 (1 − p1) 0.08(1 − 0.01)
log log
p
1 (1 − p )
2
0.01 (1 − 0.08 )
206
Control de calidad 207
d= -1.0458 + 0.0341n Ec 22
d= 0 Ec 23
Substituyendo la Ec 23 en la EC 22 se tiene:
0 = -1.0458 + 0.0341 n
Despejando para n
n = 1.0458/0.0341 = 30.668
Interpretación:
No se tiene criterio de aceptación hasta que la cantidad de piezas
conformes sea mayor o igual a 30.668, es decir, se requiere al menos 31
piezas conformes para aceptar.
d= -1.0458 + 0.0341n Ec 24
d= 1 Ec 25
Substituyendo la Ec 25 en la EC 24 se tiene:
1 = -1.0458 + 0.0341 n
Despejando para n
n = 2.0458/0.0341 = 59.99
Interpretación:
En el caso de presentarse una pieza no conforme, se requiere haber
inspeccionado al menos 60 unidades para poder aceptar
d = 1.3426 + 0.0341n
d= n
Interpretación:
De estar apareciendo puras piezas no conformes, se requiere inspeccionar
dos piezas para a rechazar. (d=2 y n=2)
d = 1.3426 + 0.0341n
d= 3
208
Control de calidad 209
Rechazar
Continuar
Aceptar
β 1− β
Pa * log + (1 − Pa ) * log
1−α α
ASN = EC 26
p 1 − p2
p * log 2 + (1 − p ) * log
p1 1 − p1
P ASN OC
0.0 h1/s 1
p1 (1 − α ) h1 − α h2 1-α
s − p1
p= s h1 * h2 h2
s(1 − s ) h1 + h2
p2 (1 − β ) h2 − β h1 β
p2 − s
1.0 h2 0
1− s
Tabla 16 Calculo de ASN y Pa, para valores selectos de p
La curva OC de un plan de muestreo secuencial siempre pasa por los dos puntos
generados por las condiciones establecidas para su desarrollo (p1,Pa1), (p2, Pa2).
El cálculo de cualquier punto de la curva OC requiere seguir el procedimiento
siguiente 1. suponer un valor w, 2. calcular p con la ecuación 27 y 3. calcular Pa
con la ecuación 28. Para valores selectos de p, el calculo de la Pa se facilita
usando las ecuaciones de la tabla 16.
210
Control de calidad 211
p=
1−
1 − p2
1 − p1
( ) w
EC 27
( )
w
p 1 − p2
w
2
−
1 − p2
p 1
( ) 1− β
α
w
−1
( )( )
Pa = EC 28
1− β β
w w
−
α 1−α
5.1 GENERALIDADES
El índice AQL
Según el manual de la norma el AQL es el máximo porcentaje no conforme (o el
máximo número de no conformidades en cien unidades) que para propósitos de
inspección por muestreo puede ser satisfactorio como promedio del proceso. Los
valores del AQL se pactan entre cliente y proveedor. Los valores del AQL hasta el
10% representan la proporción no conforme. Un valor del AQL mayor a 10 indica
la cantidad de no conformidades por cien piezas. Los diseños de esquemas de
212
Control de calidad 213
muestreo se hace solo para los valores del AQL mostrados en las tablas. El
desarrollo de un esquema de muestreo para un AQL que no esté contemplado es
a cuenta y riesgo de las partes involucradas y no se asocia como desarrollado con
las tablas.
NIVELES DE INSPECCION
NIVELES DE INSPECCION ESPECIAL
GENERAL
TAMAÑO DE LOTE
S-1 S-2 S-3 S-4 I II III
2 a 8 A A A A A A B
9 a 15 A A A A A B C
16 a 25 A A B B B C D
26 a 50 A B B C C D E
51 a 90 B B C C C E F
91 a 150 B B C D D F G
151 a 280 B C D E E G H
281 a 500 B C D E F H J
501 a 1200 C C E F G J K
1201 a 3200 C D E G H K L
3201 a 10000 C D F G J L M
10001 a 35000 C D F H K M N
35001 a 150000 D E G J L N P
150001 a 500000 D E G J M P Q
500001 en adelante D E H K N Q R
Tabla 17 LETRAS CODIGO DEL TAMAÑO DE MUESTRA ( Tabla Maestra I
Esquemas de muestreo
La norma permite el diseño de tres tipos de esquemas: Sencillo, doble y múltiple.
Cada esquema tiene 3 planes de muestreo considerando el tipo de inspección a
usar: Normal, apretada (tightened) y reducida (reduced), con reglas para pasar de
un tipo de inspección a otro. Sin importar el esquema de muestreo seleccionado,
siempre se inicia con inspección normal.
c1. Se han aceptado los últimos diez lotes usando inspección normal.
c2. El número total de unidades no conformes en las muestras de los
últimos diez lotes es menor o igual al que se aplique al número dado
en la tabla VIII. (Este punto puede ser omitido si se acuerda entre
cliente y proveedor. Esta decisión tiene poco efecto en las
propiedades del esquema).
c3. La producción está estable.
214
Control de calidad 215
d. De reducida a normal:
INICIAR
El AQL es peor al
acordado. No utilice el
esquema de muestreo
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 3 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
C 5 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
D 8 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
E 13 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
F 20 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
G 32 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
H 50 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
J 80 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
K 125 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
L 200 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
M 315 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
N 500 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
P 800 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
Q 1250 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
R 2000 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
´= use el primer plan de muestreo debajo de la flecha, si la muestra es igual o exede el tamaño del lote haga el 100% de inspeccion
A 2 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28
B 3 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
C 5 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
D 8 0 1 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
E 13 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
F 20 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
G 32 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
H 50 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
J 80 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
K 125 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
L 200 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
M 315 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
N 500 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
P 800 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
Q 1250 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
R 2000 0 1 1 2 3 4 5 6 7 8 10 11 12 13 18 19
S 3150 1 2
´= use el primer plan de muestreo debajo de la flecha, si la muestra es igual o exede el tamaño del lote haga el 100% de inspeccion
216
Control de calidad 217
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 2 0 1 0 2 1 3 2 4 3 5 5 6 7 8 10 11 14 15 21 22 30 31
C 2 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
D 3 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
E 5 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
F 8 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
G 13 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
H 20 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
J 32 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
K 50 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
L 80 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
M 125 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
N 200 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
P 315 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
Q 500 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
R 800 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
´= use el primer plan de muestreo debajo de la flecha, si la muestra es igual o exede el tamaño del lote haga el 100% de inspeccion
AOQL= factor*(1-n/N) EC 23
Interpretación.
Usando de manera constante el plan de muestreo sencillo con
inspección normal n= 80, Ac=2, a la larga, los lotes revisados bajo
esa forma de inspección, tendrán cuando mucho el 1.564% de focos
no conformes.
4. De reducida a normal:
a) Se rechaza un lote.
b) Se termina sin decisión. Se acepta el lote y se regresa a inspección
normal.
c) Producción irregular o no estable.
218
Control de calidad 219
Los cálculos de los puntos de la curva OC se hace igual que en muestreo sencillo,
es decir se supone un nivel de calidad p, y se calcula la probabilidad de
aceptación, usando la distribución binomial. Para nuestro ejemplo equivale a
n d C = 2 80
P (1 − p ) = ∑d =0 p d (1 − 0.01)
n−d 80 − d
∑
C
P(d≤ C=2 )= d =0
d d
El cálculo para algunos valores de p se presenta en la tabla 22
p 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
Pa 0.953 0.784 0.5681 0.374 0.230 0.134 0.075 0.040 0.021 0.0107
4 4 8 6 4 0 4 1
Tabla 22 Valores de la curva OC para = 80 Ac= 2
Las tablas del ANSI/ASQC Z.14:1993, tiene la tabla X-letra código, para ver la
curva OC u obtener valores específicos de p. Tanto p como Pa estan expresados
en porcentajes. Para este ejemplo la tabla a usar es la X-J. y tiene como valores
los presentados en la tabla 23
100P 0.55 1.03 1.39 2.16 3.33 4.84 6.52 7.66 10.1
100Pa 99.0 95.0 90.0 75.0 50.0 25.0 10.0 5.0 1.0
Tabla 23 Valores de la curva OC tomados de la tabla X-J
▀
Por muchos años las tablas militar estándar 105 ¿? Y las ANSI/ASQC Z1.4 fueron
usadas como equivalentes pero a partir del 27 de febrero de 1995, las tablas
220
Control de calidad 221
En esencia las dos normas (las tablas militar estándar 105E y ANSI/ASQC
Z1.4:1993) son muy similares. Las diferencias entre una y otra son mínimos y en
términos generales se limita a terminología, la inclusión de tablas adicionales de
apoyo y el manejo de los criterios de las reglas para cambiar de inspección normal
a reducida.
Muestra
No. 1 2 3 4 5 6 7 8 9 10
Decisión Ac Ac Ac Re Ac Ac Ac Ac Ac Re
Tipo de
inspección
Muestra
No. 11 12 13 14 15 16 17 18 19 20
Decisión Ac Ac Re Ac Ac Ac Ac Ac Ac AC
Tipo de
inspección
Muestra
No. 21 22 23 24 25 26 27 28 29 30
Decisión Ac Ac Ac Ac Re Ac Ac Ac Re Ac
Tipo de
inspección
Para cada muestra (de la uno a la treinta) diga que tipo de inspección se usó
(Normal = N, apretada = A , reducida = R).
10) Desarrolle el esquema de muestreo doble para los datos del ejercicio 8.
222