Captulo 2

Control de recepcin

1. Introduccin 2. Curva caracterstica 3. Plan de muestreo simple 4. Plan de muestreo doble 5. Plan de muestreo secuencial 6. Plan de muestreo recticativo 7. Plan Military Standard 105E ANEXO El Proceso de Bernoulli

0 Apuntes realzados por el Profesor Ismael Snchez para la asignatura: Mtodos Estadsticos para la Mejora de la Calidad, de la titulacin de Ingeniera de Telecomunicaciones. Universidad Carlos III de Madrid

Control de recepcin

2.1.

Introduccin

Llamaremos lote a un conjunto elevado de artculos del que tenemos que decidir si adquirimos o rechazamos en funcin de la proporcin de artculos defectuosos que tenga. Normalmente, un lote tiene un nmero de artculos demasiado elevado para poder inspeccionar todos ellos, por lo que slo ser factible el anlisis de un conjunto de esos artculos extrados del lote. Llamaremos muestra al conjunto de artculos que extraemos del lote y que sern los nicos que examinaremos para ver si son defectuosos o aceptables. Esta es con frecuencia la situacin en el suministro de artculos manufacturados. Los artculo son suministrados en lotes, los cuales pueden ser examinados bien por el fabricante antes de su envo, o bien por el comprador antes de aceptarlos. Esta inspeccin consiste en examinar una muestra o conjunto de muestras de los lotes y tomar una decisin en funcin de la evidencia observada en la muestra. En este tema estudiaremos la seleccin de este tamao muestral de manera que las conclusiones que se obtengan del anlisis de la muestra puedan ser extendidas al lote completo con cierta abilidad. Por tanto, tomaremos una decisin sobre el lote completo en funcin de lo que observemos en la muestra. En la mayora de los procedimientos supondremos que el lote es muy grande comparado con el tamao de la muestra y, por tanto, a efectos prcticos podra considerarse que el lote es una poblacin de tamao innito. Existe una gran variedad de procedimientos estadsticos para la realizacin de este muestreo de aceptacin. Aqu se describirn slo los ms importantes. Por ejemplo, un procedimiento sencillo para realizar el muestreo consistira en la extraccin de una nica muestra de cada lote y aceptar el lote entero si en la muestra hay menos de cierto nmero de artculos defectuosos. Ejemplos ms sosticados podran ser tomar muestras sucesivas de pequeo tamao y en cada muestra tomamos la decisin de aceptar el lote, rechazar el lote o seguir muestreando. El muestreo de aceptacin se realiza cuando no es factible, o es antieconmico, la inspeccin del 100 % de los artculos. Por ejemplo, los ensayos requeridos pueden ser muy caros o incluso pueden requerir la destruccin del artculo. En otras ocasiones, la inspeccin puede necesitar mucho tiempo. En productos de alta precisin suele ser habitual la inspeccin de todos los artculos. Existe todo un sector de la industria dedicado al diseo de instrumentos de medida que permitan una inspeccin rpida o incluso automatica. El muestreo de aceptacin puede dividirse en dos tipos fundamentales: Muestreo por atributos : cuando en la inspeccin los artculos se dividen en defectuosos y en no defectuosos, segn cumplan con un conjunto de requerimientos establecidos. Muestreo por variables: en la inspeccin se mide una variable cuantitativa: longitudes, pesos, etc, y se evala la distancia entre dicha cantidad y la requerida en las especicaciones. En este tema centraremos nuestra atencin en el muestreo por atributos por ser el ms frecuente, aunque muchos de los principios de este tipo de muestreo tambin son aplicables al muestreo por variables.

2.2.

Curva caracterstica

Un muestreo de aceptacin ser ecaz si las conclusiones que se extraen de la muestra son muy similares a las que se extraeran si se examinase todo el lote. Es decir, que si el lote tiene

2.2 Curva caracterstica

un nmero reducido de artculos defectuosos, la muuestra tambin los tenga; o si el lote tiene una proporcin elevada de artculos defectuosos, la muestra tambin los tenga. La ecacia de un procedimiento de muestreo de aceptacin se resume en la llamada curva caracterstica, curva OC o curva caracterstica de operaciones (en ingls Operating Characteristic curve o ms conocida por OC curve). La curva caracterstica es un grco que expresa, para un plan de muestreo concreto, la probabilidad de aceptar un lote en funcin del procentaje p de artculos defectuosos existentes en el lote. Llamemos OC(p) a esta probabilidad. Ntese que p es una propiedad del lote: es la probabilidad de que un artculo extrado al azar del lote sea defectuoso. . Si p = 0 aceptaremos siempre ese lote, pues cualquier muestra que extraigamos estar libre de artculos defectuosos. Por tanto, OC(0) = 1. Asmismo, si todos los artculos son defectuosos (p = 1) rechazaremos siempre ese lote, pues cualquier muestra que se extraiga tendr todos los artculos defectuosos. Por tanto, la probabilidad de aceptar el lote ser cero: OC(1) = 0. Si un lote se acepta en funcin del resultado de la observacin de una muestra y 0 < p < 1, est claro que se ha de estar siempre dispuesto a aceptar artculos defectuosos, pues incluso si en la muestra no hay artculos defectuosos, el lote s podra tenerlos si p > 0. Supongamos que la proporcin de artculos defectuosos que se est dispuesto a admitir para un lote es pA . En ese caso, aceptamos un lote si su proporcin de artculos defectuosos es p pA y rechazamos el lote si p > pA . Un plan de muestreo ideal debera llevar siempre a aceptar un lote que tenga una proporcin de defectuosos p pA , es decir OC(p pA ) = 1. Por el contrario, si p > pA dicho plan ideal debera siempre llevar a rechazar el lote, por tanto OC(p > pA ) = 0. La curva caracterstica de este plan ideal sera la expresada en la gura 2.1
Curva caracterstica de operacin 1.2

0.8

OC(p)

0.6

0.4

0.2

0.2

0.4 0.6 Proporcin de defectuosos

0.8

Prop. de defectuosos admisible

Figura 2.1: Curva OC de un plan de muestreo ideal Un plan ideal no podr establecerse nunca. La razn est en que la proporcin de artculos defectuosos del lote, p, es un dato desconocido, puesto que no examinamos el lote sino slo una muestra. Una vez extrada una muestra de tamao n de un lote de tamao N >> n, la proporcin de artculos defectuosos que se encuentren en la muestra puede no coincidir con la proporcin que se encuentre en el lote. Supongamos que se tiene un lote no admisible por tener una proporcin de defectuosos alta, p > pA . El comprador de ese lote puede tener mala suerte

Control de recepcin

y seleccionar una muestra con muy pocos artculos defectuosos, llevndole a adquirir un lote no admisible. Anlogamente, un lote con muy pocos artculos defectuosos, p pA puede ser rechazado si se selecciona una muestra donde, por azar, haya muchos artculos defectuosos. Por tanto, en un muestreo de aceptacin siempre existe el riesgo de tomar una decisin equivocada. Vemos, adems, que las equivocaciones son en dos sentidos: rechazar lotes buenos (riesgo para el vendedor) y aceptar lotes malos (riesgo para el comprador). La efectividad de un plan de muestreo se determinar por la capacidad de minimizar estos dos riesgos. Grcamente, equivale a disear un plan de muestreo cuya curva OC no se aleje mucho de la curva ideal mostrada en la gura 2.1 anterior. El objetivo de un diseo de un plan de muestreo es, pues, doble: 1. Garantizar que, aplicando dicho plan, lotes con un porcentaje de defectuosos bajo se acepten con una probabilidad muy alta. Esto es equivalente a decir, que a la izquierda de pA la curva OC(p) se aproxime a la unidad. 2. Garantizar que lotes con un porcentaje de defectuosos alto sean aceptados con una probabilidad muy baja. Por tanto, a la derecha de pA la curva OC(p) correspondiente se aproxime a cero. Veamos esta idea con un ejemplo. Supongamos que un comprador est dispuesto a aceptar aquellos lotes que tengan un porcentaje de defectuosos menor o igual al 6 % (pA = 0,06). Supongamos que dicho comprador aplica el siguiente plan: se toma una muestra de n =50 artculos de un lote y se acepta el lote entero si se encuentran 3 menos artculos defectuosos en dicha muestra. Si llamamos p al porcentaje de artculos defectuosos del lote (nmero desconocido) y p al porcentaje de artculos defectuosos observados en la muestra, el plan descrito anteriormente equivale a aceptar lotes cuya muestra tenga un porcentaje de defectuosos p menor o igual a pA = 0,06. Vamos a obtener la curva OC de este plan, y as poder juzgar si ese plan es adecuado o no. Llamaremos d al nmero de artculos defectuosos encontrados en la muestra. Entonces, p = d /n = d /50. El nmero de artcuos defectuosos de la muestra, d es una variable aleatoria, pues variar de unas muestras a otras. Dependiendo de la muestra podremos encontrar cero, uno, dos y hasta un mximo de d = n =50 artculos defectuosos. Por el mismo motivo, p ser tambin una variable aleatoria. Su valor variar de unas muestras a otras. Si suponemos que el tamao del lote, N, es muy grande comparado con el tamao de la muestra, n, podemos aplicar el modelo de distribucin binomial para determinar la probabilidad de cada uno de dichos valores de d . Estrictamente, el nmero de artculos defectuosos en una muestra de tamao n extrada de un lote de tamao N, en el que hay una proporcin de artculos defectuosos p, sigue un modelo de distribucin llamada distribucin hipergeomtrica. Si N es muy grande comparado con el tamao de la muestra n, puede utilizarse como aproximacin el modelo de distribucin binomial, en la que se supone que la muestra es extrada de una poblacin de dimensin innita. En esta seccin supondremos que N es sucientemente grande y utilizaremos la distribucin binomial como modelo de probabilidad de d . Tendremos, por tanto, que el nmero de artculos defectuosos d en una muestra de tamao n procedente de una poblacin donde la probabilidad de que un artculo sea defectuoso es de p es d B (n, p).

2.2 Curva caracterstica

A partir de este modelo de probabilidad podemos ya obtener la curva OC. Veamos primeramente el caso en que la proporcin de artculos defectuosos del lote es precisamente p = pA = 0,06. En este caso, aceptaramos el lote si lo exminsemos entero. Sin embargo, la decisin se tomar en base al resultado de la muestra de tamao n = 50. El nmero de artculos defectuosos en una muestra de tamao 50 ser d B (50, 0,06). La probabilidad de obtener 0, 1, 2 3 artculos defectuosos (que ser cuando se acepte el lote) se puede evaluar con la funcin de probabilidad de la binomial. En el modelo binomial, la probabilidad de que la variable aleatoria d B (n, p) tome el valor r es r nr ; r = 0, 1, ..., n. P (d = r) = n r p (1 p) Estas probabilidades se resumen en la tabla 2.1: r =nmero de

art. defectuosos 0 1 2 3

P (d = r) P (d r) P (d > r)
0.045 0.145 0.226 0.231

0.647

0.045 0.190 0.416

0.955 0.810 0.584 0.353

Cuadro 2.1: Nmero de artculos defectuosos en una binomial B(50,0.06)

En la primera columna de esta tabla estn distintos valores de artculos defectuosos, desde r = 0 hasta r = 3. En la segunda columna se encuentra la probablidad de encontrar dichos artculos defectuosos. Por ejemplo, la probabilidad de que en la muestra haya exactamente d = 3 artculos defectuosos (p = d /50 = 0,06 = pA ) es muy baja, tan solo del 23,1 %. La segunda columna muestra la probabilidad acumulada de obtener valores menores o iguales a los sealados. Esta columna se ha construido sumando los valores de la columna de la izquierda hasta el valor r considerado. Por ejemplo, la probabilidad de obtener 3 artculos defectuosos o menos (3,2,1, ninguno) es del 64,7 %. La ltima columna es la complementaria de la anterior (P (d > r) = 1 P (d r)) y reeja la probabilidad de obtener un nmero de artculos defectuosos superior al indicado. Por ejemplo, la probabilidad de obtener ms de tres artculos defectuosos es del 35,3 %. Si el plan de muestreo determina que se acepta el lote si en la muestra hay tres artculos defectuosos o menos, se aceptar este lote con una probabilidad del 64,7 %. Por tanto, en este plan de muestreo OC(p = pA = 0,06) = 0,647. Por tanto, con este plan, un lote aceptable se acepta slo el 64,7 % de las veces, pues el resto de las veces las muestras extradas darn una visin pesimista del lote (ms de tres artculos defectuosos de cincuenta). El grco 2.2 extiende los valores de la tabla anterior a ms valores de r. En este grco puede verse que, aunque este lote sea aceptable (p = pA ) la probabilidad de obtener muestras donde p > pA no es baja. Por ejemplo, la probabilidad de encontrar una muestra con un 8 % de artculos defectuosos (lo que equivale a d = 4) es superior al 16 %. En este ejemplo, el lote contena una porporcin de artculos defectuosos que estaba justo en el lmite de lo admisible (p = pA = 0,06). En el caso en que el lote contenga un 10 % de artculos defectuosos (p = 0,10 > pA ) el lote sera claramente rechazable. Sin embargo, es posibe que con el presente plan se acepte. Para verlo basta con usar la distribucin binomial para evaluar la probabilidad de obtener tres o menos artculos defectuosos en una muestra de tamao 50 de dicho lote. Los resultados se recogen en la tabla 2.2:

Control de recepcin

Distribucin binomial
0,24

Probabilidad

0,2 0,16 0,12 0,08 0,04 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Muestra: n=50 p=0.06

Nmero de defectuosos

Figura 2.2: Funcin de probabilidad de una distribucin B (50, 0,06). r =nmero de

art. defectuosos 0 1 2 3

P (d = r) P (d r) P (d > r)
0.005 0.029 0.078 0.139

0.251

0.005 0.034 0.112

0.995 0.966 0.888 0.749

Cuadro 2.2: Nmero de artculos defectuosos en una binomial B(50,0.10) Vemos en esta tabla que la probabilidad de aceptar este lote no admisible con el presente plan es del 25,1 %, que es la probabilidad de encontrar una muestra con tres o menos artculos defectuosos. Este ser otro punto ms de la curva caracterstica de este plan: OC(p = 0,10) = 0,251. Este lote se rechazar, por tanto, el 74,9 % de las veces. La gura 2.3 muestra ms valores correspondientes a la binomial B(50,0.10). Hasta ahora hemos visto el caso de un lote con una proporcin de artculos defectuosos igual a la mxima admisible, donde hemos visto que se aceptaba slo el 64,7 % de las veces con el plan propuesto. Hemos visto tambin el caso de un lote cuya poporcin de artculos defectuosos era superior al lmite admisible y que, por azar de la muestra, poda aceptarse el 25,1 % de las veces. Por ltimo, vamos a ver el caso en que el lote tiene una proporcin de artculos defectuosos menor a la mxima admisible. Supongamos ahora que la proporcin de artculos defectuosos es de slo p = 0,03, la mitad de la proporcin mxima admisible pA . En este caso, la probabilidad de obtener hasta tres artculos defectuosos en una muestra de tamao 50 viene recogida en la tabla 2.3

Vemos en esta tabla que la probabilidad de aceptar el lote es del 93,7 %. Por tanto, OC(p = 0,03) = 0,937. Con este dato ya seran cinco los puntos que se han obtenido para el plan de muestreo. Estos cinco puntos se recogen en la tabla 2.4.

2.2 Curva caracterstica

Distribucin binomial
0,2

Probabilidad

0,16 0,12 0,08 0,04 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Muestra: n=50 p=0.10

Nmero de defectuosos
Figura 2.3: Funcin de probabilidad de la distribucin B (50, 0,10). r =nmero de
art. defectuosos 0 1 2 3

P (d = r) P (d r) P (d > r)
0.218 0.337 0.256 0.126

0.937

0.218 0.555 0.811

0.782 0.445 0.189 0.063

Cuadro 2.3: Nmero de artculos defectuosos en una binomial B(50,0.03) De esta forma se podran obtener ms puntos de la curva OC. Para ello, basta con calcular, para distintos valores de p, la probabilidad de obtener tres defectuosos o menos con ayuda de la binomial B (50, p). La gura 2.4 muestra la representacin grca de esta curva utilizando los cinco datos anteriores as como los correspondientes a los puntos p = 0,15, 0,20 y 0,30, los cuales se han obtenido siguiendo el mismo procedimiento anterior. En esta gura, la curva OC se muestra superpuesta a la correspondiente a la del hipottico plan ideal. De esta curva OC puede deducirse que, dado un plan de muestreo, tanto el comprador como el vendedor corren sus riesgos. El comprador corre el riego de adquirir un lote que sea peor de lo que mostraba la muestra y por tanto quedarse con un lote con un porcentaje de defectuosos superior al que estara dispuesto a admitir. Por otra parte, el vendedor corre el riesgo de que un lote bueno parezca malo porque en la muestra aparecieron una proporcin de defectuosos muy superior a la del lote.

p OC(p) = P (d 3) 0,00 1,000 0,937 0,03 0,647 0,06 0,251 0,10 0,000 1,00 Cuadro 2.4: Probabilidad de aceptar un lote con una proporcin de artculos defectuosos p. Plan de muestreo: se
extrae una muestra de tamao 50 y se acepta el lote si hay tres o menos artculos defectuosos en la muestra.

Control de recepcin

Curva caracterstica de operacin 1.2

plan ideal ejemplo

0.8

OC(p)

0.6

0.4

0.2

0 p=0.06

0.2

0.4 0.6 Proporcin de defectuosos

0.8

Figura 2.4: Por esta razn, para determinar un plan de muestreo, el comprador y el vendedor deben acordar un plan que sea justo para ambos. Es decir, deben negociar un plan de muestreo con una curva OC que les interese a ambos. Negociar una curva OC puede ser complicado, por lo que el acuerdo entre comprador y vendedor se suele limitar a jar unos pocos puntos de ella. En primer lugar, el comprador debe especicar el nivel de calidad que le gustara que le suministrase el vendedor. La proporcin de artculos defectuosos de un lote que es aceptable para el comprador se le denomina nivel de calidad aceptable (NCA, y en ingls AQL, acceptable quality level ) y corresponde al valor pA mencionado anteriormente. La probabilidad de que un lote de calidad aceptable sea rechazado por azar de la muestra se denomina riesgo del vendedor y la denotaremos por . Este riesgo coincide con la probabilidad de rechazar el lote cuando p = pA y es igual a = 1OC(pA ). Por tanto: = riesgo del vendedor=probabilidad de rechazar un lote con p = pA . Usualmente, un plan de muestreo se disea de forma tal que este riesgo est cercano al 5 %. En el caso del plan de muestro del ejemplo anterior, este riesgo coincide con la probabilidad de rechazar el lote cuando p = pA = 0,06 y es igual a = 1OC(pA ) = 0,353 (ver tabla 2.1), por lo que dicho plan sera difcilmente aceptado por un vendedor. Por otra parte, para determinar la probabilidad de aceptar un lote de mala calidad, el comprador debe tambin decidir qu nivel de calidad es absolutamente inaceptable. A la proporcin de artculos defectuosos en un lote que es inaceptable para el comprador se le denomina nivel de calidad rechazable (NCR, en ingls se suele denominar limiting quality level -LQL- o lot tolerance percentage defective -LTPD). A esta proporcin de defectuosos inaceptable la denotaremos por pR . Normalmente pR /pA est entre 4 y 10. La probabilidad de que un lote de nivel de calidad rechazable sea aceptado por azar de la muestra se denomina riesgo del comprador y se le denota por . Usualmente, los planes de muestreo se disean de forma tal que este riesgo sea alrededor del 10 %. Por tanto:

2.3 Plan de muestreo simple

= riesgo del comprador=prob. de aceptar un lote con p = pR =OC(pR ). En el ejemplo anterior, si tomamos pR = 4pA = 0,24, se obtiene que el riesgo del comprador es =OC(0,24) 0, por lo que dicho plan es muy ventajoso para el comprador mientras que no lo es para el vendedor. En la prctica, los planes de muestreo se determinan jando a priori los valores , pA , y pR . Habitualmente, los valores de estn alrededor del 5 % y alrededor del 10 %. A continuacin se describirn diferentes alternativas para disear un plan de muestreo. Estos planes son los siguientes: Plan de muestreo simple: se toma una muestra y se rechaza el lote si en la muestra hay ms de cierto nmero de artculos defectuosos Plan de muestreo doble: similar al simple. Si el nmero de artculos defectuosos deja duda sobre la aceptacin del lote se toma una segunda muestra Plan de muestreo secuencial: se ampla la muestra artculo a artculo y se decide si se acepta el lote, se rechaza o se sigue muestreando. Plan de muestreo recticativo: los lotes rechazados se revisan al 100 % y los artculos defectuosos se sustituyen por artculos aceptable. Plan Military Standard 105E: conjunto de tablas que determina el plan de muestreo segn diferentes caractersticas de los lotes.

2.3.

Plan de muestreo simple

El muestreo simple es el tipo de plan ms sencillo. Consiste en tomar una muestra de tamao n de cada lote y aceptar dicho lote si el nmero de artculos defectuosos no supera cierto nmero predeterminado c. A dicha cantidad c se le denomina nmero de aceptacin. El plan utilizado como ejemplo en la seccin anterior, consistente en extraer 50 artculos y rechazar si hay ms de 3 defectuosos, es un ejemplo de este tipo de plan. Prejados uno valores de pA , pR , y puede ser imposible encontrar un plan que se ajuste a nuestros requerimientos. Sin embargo, se puede encontrar alguna aproximacin razonable. Un programa estadstico puede ayudarnos a encontrar una solucin a un determinado plan de muestreo. Una forma fcil de disear el plan es utilizando las propiedades de la distribucin binomial, como se expuso en la seccin anterior. Tambin puede utilizarse la aproximacin a la normal si el tamao muestral es sucientemente grande. Veamos a continuacin un ejemplo.

Ejemplo 1: Se desea disear un plan de muestreo simple con los siguientes parmetros: pA = 0,02; = 0,05; pR = 0,04; = 0,05. El resultado del plan ser la determinacin del tamao muestral n y del nmero de aceptacin c. Vamos a suponer que el tamao muestral n que hay que calcular

10

Control de recepcin

ser lo sucientemente grande como para poder utilizar la aproximacin a la normal (y tal que np(1 p) > 5). Sea d el nmero de artculos defectuosos de la muestra. Entonces d B (n, p) N (np, np(1 p)) . Los valores pA = 0,02 y = 0,05 signican que la probabilidad de rechazar un lote con una proporcin de defectuosos igual a pA = 0,02 es = 0,05. Es decir: P (d > c | p = pA = 0,02) = 0,05. Estandarizando: P (d > c) = P

Consultando las tablas de la N (0, 1) vemos que el valor que deja a la derecha un rea igual a 0.05 es z = 1,64. Por tanto: c npA = 1,64. (2.1) z = p npA (1 pA ) Despejando c y aplicando que pA = 0,02 se obtiene: p c = npA + z npA (1 pA ) 0,02n + 0,23 n. (2.2) (2.3)

c npA d npA p >p npA (1 pA ) npA (1 pA )

= 0,05

Anlogamente, de las especicaciones de pR = 0,04 y = 0,05 se obtiene que la probabilidad de aceptar un lote con un porcentaje de defectuosos del 4 % ser de = 0,05. Por tanto P (d c | p = pR = 0,04) = 0,05. Estandarizando: P (d c) = P

De las tablas de la normal N (0, 1) se obtiene que el valor que deja a la izquierda un rea igual a 0.05 es z = 1,64. Entonces: z = p c npR = 1,64. npR (1 pR ) (2.4)

c npR d npR p p npR (1 pR ) npR (1 pR )

= 0,05.

Despejando c se obtiene:

c = npR + z

p npR (1 pR ) 0,04n 0,32 n

(2.5) (2.6)

Igualando (2.2) y (2.5) se obtiene que p p npA + z npA (1 pA ) = npR + z npR (1 pR ) p p n (pA pR ) = n z pR (1 pR ) z pA (1 pA ) p !2 p z pR (1 pR ) z pA (1 pA ) n= pA pR

(2.7)

2.4 Plan de muestreo doble

11

n 759. Sustituyendo en (2.5) se tiene que c 22. Por tanto, el plan que se busca es el siguiente: se toma una muestra de tamao n = 759 elementos. Se rechaza el lote si se encuentran ms de c = 22 artculos defectuosos en dicha muestra.

Para el diseo de planes de muestreo simple con = 0,05 y = 0,10 puede aplicarse tambin el plan JIS Z 9002. Esta norma consiste en la aplicacin de una tabla que proporciona, para unos valores de pA y pR , unos valores de n y c que satisfacen, aproximadamente, las condiciones requeridas.

Ejemplo 2: Se desea disear un plan de muestreo simple utilizando la norma JIS Z 9002 (plan japons) con los siguientes parmetros: nivel de calidad aceptable=0.4 % de artculos defectuosos; nivel de calidad rechazable=2 % nivel de calidad aceptable=0.32 % de artculos defectuosos; nivel de calidad rechazable=4.6 % En el primer caso, la Tabla determina que n = 300 y c = 3. Se inspeccionan 300 artculos y se rechaza el lote si hay ms de 3 artculos defectuosos. En el segundo caso, nos encontramos con una echa en la celda correspondiente. Siguiendo la direccin de la echa encontramos que n = 100 y c = 1. Inspeccionamos 100 artculos y rechazamos si hay ms de un artculo defectuoso. Estos resultados se pueden comparar con los que se obtendran con la aproximacin normal del ejemplo 1. Utilizando las expresiones (2.7) y (2.5) se tiene que (clculos hechos con Matlab) para pA = 0,004, = 0,05; pR = 0,02; = 0,10 n 313, c 3, para pA = 0,0032, = 0,05; pR = 0,046; = 0,10 n 71, c 1. En el primer caso es aproximadamente el mismo plan. En el segundo caso hay una diferencia en n, debido a que el tamao muestral no es lo sucientemente grande para usra la aproximacin a la normal.

2.4.

Plan de muestreo doble

El plan de muestreo doble es una extensin del simple. Se extrae primeramente una muestra de tamao n1 y se cuenta el nmero de artculos defectuosos d1 . Si este nmero es muy elevado, digamos superior a cierto valor c2 , el lote se rechaza. Por el contrario, si el nmero d1 es muy bajo, menor o igual que cierto valor c1 (< c2 ), el lote se acepta. Sin embargo, si el nmero de defectuosos

12

Control de recepcin

d1 se encuentra entre estos valores extremos: c1 < d1 c2 se concluir que la muestra no arroja evidencia suciente para tomar la decisin. En ese caso, se toma una segunda muestra de tamao n2 y se evala el nmero de defectuosos de dicha muestra. Si d1 + d2 es mayor que cierta cantidad c3 el lote se rechaza denitivamente. En caso contrario se acepta. La gura ?? muestra un esquema de este plan de muestreo. Para la seleccin de los valores n1 , n2 , c1 , c2 y c3 existen tablas. Vase, por ejemplo Duncan (1971) captulo 8. El primer tamao muestral n1 suele ser mucho menor que el que se requiere en el muestreo simple. Por esta razn, aunque este plan es de aplicacin algo ms compleja que el anterior, es ms econmico, pues permite reconocer en la primera muestra a los lotes muy malos o muy buenos.

Figura 2.5: El diseo de planes de muestreo dobles es, en general, complejo. Este diseo se puede simplicar con la ayuda de tablas publicadas. Para ver su utilizacin usaremos un ejemplo.

Ejemplo 3: Vamos a disear un plan de muestreo doble con n1 = n2 para lotes de tamao 5000 con un pA =0.01; = 0,05; pR = 0,045; = 0,10. En las tablas, la notacin empleada es p1 pA y p2 pR . En nuestro caso se tiene que R= 0,045 p2 = = 4,5. p1 0,01

Buscando este valor en la columna correspondiente a R vemos que el plan ms cercano es el PLAN 5: c1 = 2, c2 = c3 = 4. Tenemos as, por tanto, los nmeros de aceptacin de cada muestra. Para obtener el tamao muestral n1 se han de mirar las columnas correspondientes a Approximate values of n1 p, donde Pa es la probabilidad de aceptar un lote con una proporcin de defectuosos p. Si utilizamos la informacin del vendedor, aceptaremos con probabilidad 1 un lote con

2.5 Plan de muestreo secuencial

13

proporcin de defectuosos p = pA = 0,01. Por tanto tendremos que Pa = 1 = 0,95 Utilizaramos, entonces, la columna correspondiente a Pa = 0,95. Para el plan 5 se tiene que n1 p = 1,16. Por tanto: n1 p = n1 pA = 1,16 n1 = El plan de muestreo es, entonces: Se extrae una muestra de tamao n1 =116 y se cuenta el nmero de artculos defectuosos d1 . Si d1 2 se acepta el lote. Si d1 > 4 se rechaza el lote. Si 2 < d1 4 se extrae una segunda muestra de tamao n2 =116 y se cuenta el nmero de artculos defectuosos d2 . Si d1 + d2 > 4 se rechaza el lote, en caso contrario se acepta. Una segunda opcin es haber utilizado, en las columnas de Approximate values of n1 p la informacin del comprador, es decir, se acepta con probabilidad un lote de p = pR . En este caso tendramos: Pa = = 0,10, y para el plan 5 tendramos n1 p = 5,39. Por tanto, n1 p = n1 pR = 5,39 n1 = 5,39 5,39 = 120. pR 0,045 1,16 1,16 = = 116. pA 0,01

Han de ser las partes implicadas quienes decidan cul de las dos opciones usar. Una tercera alternativa es utilizar un punto intermedio, es decir, decidir cmo ha de ser el lote (valor de p) que se acepta con probabilidad 50 %.

2.5.

Plan de muestreo secuencial

La idea del muestreo doble puede extenderse al muestreo secuencial. En este caso el tamao muestral se va aumentando unidad a unidad. Despus de cada observacin se decide si el lote se acepta, se rechaza o se contina muestreando. Primero, y al igual que en los planes anteriores, se han de jar las cantidades , pA , y pR . El plan viene caracterizado por tres constantes que

14

Control de recepcin

dependen de los anteriores parmetros. Estas constantes h1 , h2 y s se obtienen de la siguiente forma: 1 ln , h1 = pR (1 pA ) ln pA (1 pR ) 1 ln , h2 = pR (1 pA ) ln pA (1 pR ) 1 pA ln 1 pR . s= pR (1 pA ) ln pA (1 pR ) Despus de inspeccionar cada artculo se tendr un tamao muestral acumulado n y un nmero de artculos defectuosos acumulado d. Entonces, si d > sn + h2 se rechaza el lote y si d sn h1 se acepta el lote. En caso contrario se inspecciona un artculo ms y se repite el proceso. Esta regla de decisin puede verse grcamente en la siguiente gura. En esta gura, (sn + h2 ) y (sn h1 ) constituyen dos rectas paralelas de manera que al cruzarlas se toma la decisin de rechazar o aceptar el lote.

Plan de muestreo secuencial 7

6 d=sn+h2 5
Nmero de defectuosos acumulado

Rechazar lote

Continuar inspeccionando
2 d=sn-h1 1

Aceptar lote
0

-1

-2

20

40

60

80 100 120 Tamao muestral acumulado

140

160

180

200

2.6.

Plan de muestreo recticativo

En este tipo de plan, cualquier lote que sea rechazado es sometido a una inspeccin al 100 % y se sustituyen todos los artculos defectuosos por artculos buenos (lote recticado). De esta manera, el comprador recibe dos tipos de lotes. El primer tipo de lote corresponde a aquellos que han superado la etapa de muestreo, por lo que contendrn una pequea proporcin de artculos

2.6 Plan de muestreo recticativo

15

defectuosos. El segundo tipo de lotes sern aquellos que han sido revisados al 100 % y recticados. De estos dos tipos de lotes puede calcularse la calidad media de salida ( en ingls average outgoing quality AOQ), que es la proporcin media de atculos defectuosos que recibe el comprador. Supongamos que un lote tiene una proporcin p de artculos defectuosos antes de ser inspeccionado. Si p = 0 est claro que AOQ=0. Si, por el contrario, p = 1, todos los lotes sern sometidos a inspeccin al 100 % y recticacin por lo que de nuevo AOQ=0. Entre medias de estos dos valores el AOQ tendr un mximo, que llamaremos AOQL (average outgoing quality limit). Si p es baja la AOQ ser baja y prxima a p, pues casi todos los lotes se aceptarn. A medida que p aumenta tambin aumentar AOQ, aunque en menor proporcin, pues los lotes rechazados se revisan y rectican. A partir de cierto valor de p el nmero de lotes rechazados comenzar a ser ya una proporcin importante de los lotes. Puesto que todos estos lotes rechazados se rectican, la AOQ bajar de nuevo. La AOQ ser por tanto una curva semejante a la que se muestra en la gura 2.6.
Curva de calidad media de salida (AOQ) 0.3

0.25

0.2

AOQ

AOQL 0.15

0.1

0.05

Proporcin de defectuosos

Figura 2.6: Plan de muestreo recticativo. Calidad media de salida Existen tablas para disear un plan de muestreo recticativo. Las ms conocidas se deben a Dodge y Roming. Por esta razn, a este tipo de plan se le conoce tambin como plan DodgeRomig. Estas tablas pueden usarse de varias maneras, dependiendo de la informacin que se utilice. Puede jarse un tamao del lote N, la calidad promedio que se desea -AQL- (en porcentaje de defectuosos), el nivel de calidad rechazable y el riesgo del comprador. Entonces se obtiene el tamao de la muestra n, el nmero de aceptacin c y el nivel de calidad rpomedio mxima que se obtiene AOQL-. Tambin puede entrarse con el AOQL y el tamao del lote y se obtiene la calidad promedio, n y c.

Ejemplo 4: Para un lote de tamao 5000, disear un plan de muestreo recticativo con pR = 0,04, = 0,10 que permita aceptar lotes que tengan, como mximo un porcentaje de defectos del 1 %. Cul ser la calidad promedio?

16

Control de recepcin

Consultando la Tabla se obtiene que n = 130 y c = 2. Unos lotes se aceptarn como resultado de la inspeccin, y por tanto tendrn cierto porcentaje de artculos defectuosos. Otros lotes se revisarn al 100 % y se sustituirn los artculos defectuosos por otros aceptables. Esos lotes no tendrn, entonces, artculos defectuosos. En promedio, el porcentaje medio de defectuosos ser inferior al 0.41 %.

2.7.

Plan Military Standard 105E

La estandarizacin de los procedimientos de muestreo de aceptacin comenz a producirse durante la II gerra mundial por el ejercito en EEUU. Dicho estndar se denomin Mlitary Standard (MIL STD). Desde entonces, el plan Military Standard se ha convertido en el estandar ms popular. El plan original, el Miltary Standard 105A fue diseado en 1950. La ltima revisin, el plan Military Standard 105E data de 1989. Existe una versin civil de este plan militar, el plan ANSI/ASQC Z1.4, pero supone slo pequeas modicaciones de ste. Este estndar ha sido tambin adoptado por la International Organization for Standarization bajo la denominacin ISO 2859. Este estndar cubre tres tipos de muestreo: simple, doble y mltiple. Para cada tipo de muestreo existen planes especcos dependiendo del nivel de calidad que el comprador espera del vendedor. En este tema nos ocuparemos slo de los planes simples. Para un mismo tamao de lote y un mismo nivel de calidad aceptable (NCA o AQL o valor pA ) se especican tres planes de inspeccin: 1. Normal: para aquellos casos en los que la calidad que se espera del proveedor es similar al NCA 2. Reducido: para aquellos casos en los que la calidad esperada sea muy alta (p < pA ). En este tipo de muestreo, el tamao muestral es inferior al plan normal. 3. Riguroso: implica un elevado tamao muestral. Se utiliza cuando se espera una calidad inferior a la AQL (p > pA ). Existen una serie de reglas que determinan el plan de muestreo anterior. Estas reglas pueden resumirse en los siguientes puntos: El plan de inspeccin normal se realizar al comienzo de la tarea de inspeccin. Cambio de plan normal a riguroso : se pasar de inspeccin normal a rigurosa si dos de cinco lotes consecutivos han sido rechazados. Cambio de plan riguroso a normal : se pasar de control riguroso a normal cuando se acepten cinco lotes consecutivos Cambio de plan normal a reducido: se pasar de muestreo normal a reducido si no se rechaza ningn lote durante diez lotes seguidos.

2.7 Plan Military Standard 105E

17

Cambio de plan reducido a normal: se pasar de muestreo reducido a normal si un lote es rechazado. Tambin puede volverse al plan normal cuando el nmero de defectuosos no lleva ni a aceptar ni a rechazar el lote. Si se est en el plan de inspeccin riguroso durante ms de diez lotes, la inspeccin debe concluir y se debe proponer el vendedor que aumente los niveles de calidad de su produccin. Este conjunto de reglas se resumen en la gura 2.7 El plan MIL STD 105E vara tambin en funcin del coste del muestreo, existiendo varios niveles segn el coste de inspeccin. Estos niveles son: Coste de inspeccin alto: Nivel I. Coste de inspeccin estndar: Nivel II. Coste de inspeccin bajo: Nivel III. Niveles especiales (por ejemplo, en ensayos destructivos): Niveles S-1 a S-4 Los planes estn diseados teniendo en cuenta el riesgo del vendedor, AQL o pA . El riesgo del comprador y pR no se tienen en cuenta explicitamente al utilizar las tablas, pero los valores de son muy pequeos si pR > 5pA . Para aplicar el plan hay que seguir los siguientes pasos (consideramos muestreo simple): 1. Decidir el AQL o pA . 2. Determinar el nivel de inspeccin en funcin de su coste (nivel I, II, III, o niveles especiales). 3. Con el tamao del lote y el nivel de inspeccin anterior ir a la tabla de cdigos y encontrar el cdigo de inspeccin. 4. Determinar el plan de inspeccin (normal, riguroso (o estricto) y reducido). 5. Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla correspondiente: Tabla de inspeccin normal, reducida o estricta, y encontar el plan de muestreo. 6. Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un posible cambio de plan. Veamos algunos ejemplos:

Ejemplo 5: Se desea disear un plan de muestreo con el plan japones JIS Z 9002 y con MIL STD 105E con las siguientes caractersticas: pA = 0,004; = 0,05; = 0,10; pR = 0,05. Lotes de 1000 unidades. Para elaborar el plan japons acudimos a la Tabla. Con los valores pA = 0,4 % y pR = 5 % encontramos que se han de tomar muestras de tamao 80 y rechazamos el lote si encontramos ms de un artculo defectuoso (c > 1) (la tabla muestra el mximo nmero de defectuosos admisibles).

18

Control de recepcin

Para disear el plan MIL STD supondremos un nivel II (coste estndar). En la Tabla leemos el cdigo de inspeccin, que es J. Si utilizamos el plan de muestreo normal acudiremos a la tabla. En esa tabla, con el cdigo J y un valor de pA = 0,4 % nos encontramos con una echa. Por tanto utilizaremos el primer plan en la direccin de la echa. En este caso el plan pasar de cdigo J a cdigo K; se inspeccionan 125 artculos y se rechaza el lote si se encuentran c 2 artculos defectuosos. Se acepta si se encuentra un defectuoso o ninguno. Ejemplo 6: Un producto se recibe en lotes de 2000 unidades. El AQL es 0.65 %. Se desea disear un plan de muestreo de nivel II para inspeccin normal, reducida y rigurosa (o estricta). De la Tabla deducimos que el cdigo de inspeccin es K. Inspeccin normal: En ella se obtiene n = 125. Se rechaza si hay 3 ms defectuosos. Se acepta en caso contrario Inspeccin rigurosa: Se obtiene n = 125, igual que antes, pero se rechaza con 2 ms defectuosos Inspeccin reducida: Ahora n = 50. Se rechaza con 3 ms artculos defectuosos. En ese caso el siguiente lote seguira inspeccin normal. Se acepta con 1 ningn artculo defectuosos. Si se observan 2 artculos defectuosos podramos aceptar o no, segn lo aconsejasen las circunstancias. En cualquier caso, si se observan 2 artculos defectuosos habra que pasar plan normal para inspeccionar el siguiente lote.

2.7 Plan Military Standard 105E

19

Figura 2.7: Plan MIL STD 105E. Reglas para el cambio de nivel de muestreo

20

Control de recepcin

APNDICE: El proceso de Bernoulli

Supongamos un experimento cuyo resultado puede resumirse en la presencia o ausencia de cierto atributo. El experimento tendr, por tanto, dos nicos resultados, que sern complementarios. Por ejemplo: analizar si una pieza es defectuosa o aceptable, averiguar si una persona simpatiza con el candidato A o no, descubrir si una persona ha desarrollado cierta enfermedad o no, conseguir terminar cierto procedimiento con xito o no conseguirlo, etc. Muchos experimentos de inters en ingeniera pueden ser descritos en trminos de observar cierto atributo o no observarlo. Este tipo de experimento recibe el nombre de experimento de Bernoulli. Llamemos x al resultado de un experimento de Bernoulli. Entonces x tendr dos valores, que denotaremos por x = 0 si no se observa el atributo de inters, y x = 1 si observamos el atributo de inters. Antes de realizar el experimento no sabremos qu valor tendr x, por lo que x es una variable aleatoria. Esta variable aleatoria recibe el nombre de variable aleatoria de Bernoulli. Vamos a describir esta variable aleatoria de Bernoulli. Si llamamos p a la probabilidad de que al realizar un experimento de Bernoulli observemos el valor x = 1, y llamamos q = 1 p, la funcin de probabilidad de esta variable de Bernoulli es n si x = 1; p(x) = p q si x = 0. Es fcil deducir que si x es una variable de Bernoulli E (x) = 1 p + 0 q = p Var(x) = (1 p)2 p + (0 p)2 q = p(1 p) = pq Si deseamos repetir un experimento de Bernoulli tendremos una sucesin de variables aleatorias de Bernoulli x1 , x2 , ... todas ellas con la misma funcin de probabilidad. En estadstica, a una sucesin de variables aleatorias se le denomina proceso (o proceso estocstico) independientemente de cmo sean esas variables aleatorias. A una sucesin de variables aleatorias de Bernoulli procedentes de repetir un mismo experimento de Bernoulli, se le denomina proceso de Bernoulli. Puesto que en un proceso de Bernoulli se tiene una sucesin de variable de Bernoulli idnticas, procedentes de repetir un mismo experimento, un proceso de Bernoulli, debe tener las siguientes caractersticas: 1. El experimento slo tiene dos resultados posibles, que pueden interpretarse como ausencia o presencia de cierto atributo de inters. 2. El resultado de cada experimento es independiente del resultado obtenido en repeticiones anteriores. Esta hiptesis de independencia tambin uede interpretarse como ausencia de memoria: el proceso no recuerda los resultados de los anteriores experimentos. 3. El proceso es estable, en el sentido de que en cada repeticin P (x = 1) = p. Cuando se posee una sucesin de variables aleatorias independientes e idnticas se les suele denotar por iid (independientes e idnticamente distribuidas ).

Variables aleatorias asociadas al proceso de Bernoulli

La sucesin de variables que se obtienen al repetir un experimento de Bernoulli puede analizarse desde varios puntos de vista, obtenindose diferentes variables aleatorias. Si analizamos una sola

2.7 Plan Military Standard 105E

21

de las variables del proceso de Bernoulli, tenemos la ya conocida variable de Bernoulli. Por el contrario, si sumamos los valores de n variables de Bernoulli tendremos una variable aleatoria llamada binomial. Si contamos el nmero de repeticiones de un experimento de Bernoulli que realizamos hasta que obtenemos una repeticin en la que se observa el atributo por primera vez, tendremos la llamada variable aleatoria geomtrica. A continuacin veremos estas dos distribuciones con ms detalle. Variable aleatoria binomial Supongamos, por ejemplo, un proceso productivo que produce artculos con un porcentaje de defectuosos p. Supongamos que el proceso es estable (el porcentaje de artculos defectuosos no aumenta ni disminuye a lo largo del tiempo; lo que ocurrira, por ejemplo, si la maquinaria se fuese deteriorando o el proceso productivo fuese mejorando por cambios tecnolgicos). Supongamos asmismo que la aparicin de un artculo defectuoso es impredecible, y por tanto independiente de la produccin anterior. Si asignamos a cada artculo con una variable de Bernoulli xi que toma el valor 1 si el artculo i-simo es defectuoso y 0 en caso contrario tendremos que la sucesin x1 , x2 , ..., xi , ..., ser un proceso de Bernoulli. Supongamos ahora que deseamos extraer n artculos de la produccin. Queremos saber cuntos artculos defectuosos tendremos en esos n artculos seleccionados. A priori, no sabremos cuntos artculos sern defectuosos hasta que no les hagamos las pruebas pertinentes. Aunque el proceso produzca una proporcin de defectuosos p, en una muestra concreta puede haber ms o menos artculos defectuosos de dicha proporcin, dependiendo del azar en la seleccin de los n artculos. Sea x= nmero de artculos defectuosos en una muestra de tamao n. La variable x ser una variable aleatoria que puede tomar valores entre 0 y n. Esta variable x recibe el nombre de variable aleatoria binomial (o que sigue una distribucin binomial) y se simboliza como x B (n, p).

En un contexto ms general, una variable aleatoria binomial x B (n, p) se dene como el nmero de sucesos observados en n realizaciones de un experimento de Bernoulli (estable e independiente). La funcin de probabilidad de una variable binomial es: r nr p(r) = P (x = r) = n ; r = 0, 1, ..., n; (2.8a) r p (1 p) n! . r!(n r)! El clculo de la media y la varianza de una variable binomial se puede obtener aplicando la denicin de estas medidas caractersticas en (2.8a). Otra forma ms sencilla es escribiendo la variable binomial como la suma de las n variables de Bernoulli x1 , x2 , ..., xn : n r = x = x1 + x2 + + xn . Como E (xi ) = p, Var(xi ) = pq, i = 1, .., n y por la independencia de estas variables de Bernoulli xi es fcil deducir que E (x) = E (x1 + x2 + + xn ) =
n X

donde

E (xi ) = np, Var(xi ) = npq.

Var(x) = Var (x1 + x2 + + xn ) =

i=1 n X i=1

22

Control de recepcin

Variable aleatoria geomtrica Supongamos, por ejemplo, que tenemos un conjunto muy elevado de artculos. Supongamos tambin que nuestro objetivo es detectar si existen artculos defectuosos. Si existe un porcentaje de artculos defectuosos de p 100 %, cuntos artculos tendremos que analizar para que encontremos un primer artculo defectuosos? Llamaremos x = nmero de artculos analizados hasta encontrar el primer artculo defectuosos. La variable x ser una variable aleatoria, pues depender de la suerte que se tenga al seleccionar los artculos. La variable x se denomina variable aleatoria geomtrica (o distribucin geomtrica) y puede tomar los valores x = 1, 2, ... hasta, idealmente, innito (x = 1 representa que el primer artculo ya es defectuosos). Ms genricamente x es el nmero de repeticiones de un experimentos de Bernoulli que hay que ejecutar para observar el atributo de inters por primera vez. La funcin de probabilidad de una variable geomtrica es P (x = r) = q r1 p; r = 1, 2, ... la variable aleatoria geomtrica tiene las siguietes propiedades E (x) = Var(x) = 1 , p q . p2

Ejemplo: supongamos que una mquina produce un 1 % de artculos defectuosos. Cuntos artculos se producirn por trmino medio hasta que se produzca un artculo defectuoso? El nmero de artcuos hasta el primer defectuosos es una variable geomtrica con p = 0,01. Por tanto, por trmino medio se producirn 1/p = 100 artculos (99 aceptables y el ltimo defectuoso). El nmero medio de repeticiones del experimento ANTES de encontrar el primer atributo ser E (x) 1 = 1/p 1 = q/p.