Universidad San Pedro

Escuela de Ingeniería Industrial

Control de Calidad

Docente:
Ing. Francisco Rodríguez
 CONTROL DE CALIDAD

Tema 7: Muestreo de Aceptación (parte 1)

Docente: ing. Francisco Rodríguez Novoa

2
 Tamaño y selección de la muestra

 Elemento: objeto o individuo al cual se toman las

mediciones o la información.
 Población: una colección de elementos acerca de los cuales
se desea tener cierta información o tomar alguna decisión.
 Unidades de muestreo: colecciones no traslapadas de
elementos de la población que cubren la población
completa.
 Marco: lista de unidades de muestreo

3
 Tipos de muestreo aleatorio

Muestreo aleatorio simple

El muestreo al azar simple o muestreo irrestricto aleatorio

consiste en seleccionar un grupo de n elementos de la población,
de tal forma que cada muestra de tamaño n tenga la misma
probabilidad de ser seleccionada.
El muestreo aleatorio simple se recomienda cuando los
elementos de la población pueden numerarse fácilmente, están
bien mezclados y no forman grupos internos bien definidos de
acuerdo con la variable de interés

4
 Tipos de muestreo aleatorio

Muestreo aleatorio simple. Ejemplo

Una empresa desea conocer la opinión de sus empleados sobre una
posible medida administrativa a tomar. En la compañía hay
aproximadamente 400 trabajadores, por lo que es impráctico
pretender conocer la opinión de los 400, por ello se decide
seleccionar una muestra de 50 y a ellos aplicarles una encuesta y
entrevistarlos. La nómina con-tiene a todos los empleados ordenados
alfabéticamente, por lo que es fácil asignar un número entre 1 y 400 a
cada uno. Al hacer esto, se logra que los elementos de la población a
muestrear estén distribuidos al azar, y con esto se concluye que el
método de muestreo apropiado es el de al azar simple

5
 Tipos de muestreo aleatorio

Muestreo aleatorio estratificado

Frecuentemente, los elementos de la población u objeto de estudio se
dividen en grupos o estratos de acuerdo con las características de
interés en el estudio. Por ejemplo, una empresa comercializadora
quiere investigar el nivel de ingreso de las familias de una cierta
ciudad. Es probable que para realizar tal investigación se considere que
la ciudad está dividida geográficamente en estratos socioeconómicos,
y que ello influye en la distribución del ingreso.
En estos casos se recomienda aplicar el muestreo aleatorio
estratificado, que consiste en identificar y delimitar los diferentes
estratos en los que se divide la población y seleccionar una muestra
aleatoria de cada estrato. El tamaño de muestra para cada estrato
puede asignarse en función del tamaño relativo del estrato.

6
 Tipos de muestreo aleatorio

Muestreo aleatorio estratificado. Ejemplo

En el caso del ejemplo en el que se quiere conocer la opinión de los

empleados sobre cierta medida administrativa, si se presupone que
tal opinión está relacionada con el departamento en el que labora
cada trabajador, entonces es mejor obtener información sobre cuál es
la opinión en cada departamento. Para ello se aplica el muestreo por
estratos (departamentos).
Suponga que se tienen tres departamentos, denominados A, B y C,
con 100, 100 y 200 empleados, respectivamente.

7
 Tipos de muestreo aleatorio

Muestreo aleatorio estratificado. Ejemplo

Entonces, en lugar de elegir a 50 personas, conviene incrementar un
poco el tamaño de muestra para captar mejor la información a nivel
estrato, por ello se decide que la muestra total tenga 60 empleados,
seleccionados de forma proporcional al tamaño del departamento. Por
tanto, de los departamentos A y B se seleccionan 15 individuos de cada
uno y del C un total de 30.
Para hacer la selección dentro de cada departamento se aplica el
muestreo aleatorio simple. El análisis de la opinión que se tiene sobre
la medida administrativa se debe hacer por departamento, y hay forma
apropiadas de combinar la formación por estrato para hacer una
inferencia sobre algún parámetro para toda la población

8
 Tipos de muestreo aleatorio

Muestreo aleatorio sistemático

La filosofía del muestreo aleatorio sistemático es la siguiente:

supongamos que se va a seleccionar una muestra de tamaño n de
una lista de N elementos (con N probablemente grande). Una manera
sencilla de hacer esta selección es elegir un intervalo apropiado y
escoger los elementos a intervalos iguales a lo largo de la lista. El
punto de arranque para este proceso debe elegirse aleatoriamente;
en otras palabras, en el muestreo sistemático se toman los
elementos de la muestra en intervalos fijos y el punto de partida se
selecciona aleatoriamente. Tales intervalos pueden ser cada
determinada cantidad de: artículos, tiempo, longitud o área

9
 Tipos de muestreo aleatorio

Muestreo aleatorio sistemático. ejemplo

Suponga que al final del proceso de llenado de bolsas de harina se
requiere evaluar el funcionamiento del proceso de envasado para
asegurar que las bolsas contengan una cierta cantidad de harina.
Como resulta costoso y tardado pesar cada una de las bolsas de
harina, es necesario evaluar el funcionamiento del proceso de
envasado sólo con base en una cierta muestra (parte) del total de
bolsas. Obviamente, el peso de las bolsas de harina es variable, a
pesar de que se usa el mismo método de llenado. La variabilidad se
debe a que las 6M del proceso son variables (la materia prima es
variable, el medio ambiente, las personas, las mediciones, los
métodos, y los equipos tienen variaciones).

10
 Tipos de muestreo aleatorio

Muestreo aleatorio sistemático. ejemplo

Cada máquina envasa 5000 bolsas aproximadamente por turno de

ocho horas. Y se encuentra razonable inspeccionar sólo 40 bolsas
por turno para estar monitoreando que el peso sea el correcto. De
esta manera se tiene la necesidad de seleccionar las 40 bolsas de tal
forma que sean representativas del peso de las bolsas envasadas por
una máquina en un turno. Lo adecuado aquí es aplicar el muestreo
sistemático, en el que la lista de artículos está dada por la secuencia
natural en la que son llenadas las bolsas.

11
 Tipos de muestreo aleatorio

Muestreo aleatorio sistemático. ejemplo

Un modo de tener las 40 bolsas en ocho horas sería obtener una

cada 12.5 minutos. Sin embargo, esta estrategia de selección tiene el
inconveniente de que, aunque el proceso de llenado esté
funcionando mal cuando se toma una bolsa, es probable que no lo
detecte con una sola. Por ello es preferible que se tomen más bolsas
en cada ocasión, aunque la selección sea más espaciada.
Concretamente, aquí tal vez la mejor solución sea tomar cinco bolsas
consecutivas cada hora y estar analizando los pesos en una carta de
control X -R

12
 Tipos de muestreo aleatorio

Muestreo aleatorio sistemático

El muestreo sistemático se aplica frecuentemente cuando se desea
obtener información para evaluar la calidad de la producción en
cadena, ya que la muestra se puede obtener conforme se van
fabricando los artículos y no es necesario esperar a tener la
producción total. El muestreo sistemático es útil porque:
a). Es más fácil de llevarse a cabo en el campo y, por lo tanto, está
menos expuesto a los errores de selección.
b). Logra mayor representatividad cuando los elementos de la
población no están ordenados en forma aleatoria, sino que están
ordenados de acuerdo con alguna característica relacionada con las
variables de interés; por ejemplo, la calidad de un artículo esté
relacionada con el orden en el que éste se produce.

13
 Tipos de muestreo aleatorio

Muestreo aleatorio por conglomerados

Cuando los elementos de una población se dividen en forma natural en
subgrupos o conglomerados, que son similares entre sí y cuyos
elementos tienen una variabilidad similar a los elementos de toda la
población, es recomendable tomar una muestra de conglomerados.
Para realizar un muestreo aleatorio por conglomerados, primero se
determinan claramente los subgrupos en los que se divide la población,
enseguida se selecciona aleatoriamente k de ellos, donde k es una
constante, y después se analizan todos o una parte de los elementos de
los conglomerados seleccionados. Así, en un muestreo de este tipo, al
inicio cada unidad de muestreo es una colección de elementos.

14
 Tipos de muestreo aleatorio

Muestreo aleatorio por conglomerados. ejemplo

Se desea evaluar el peso de cien mil paquetes de cereal de un
embarque mediante algún muestreo aleatorio. Aplicando el Mil Std
414, se decide sacar una muestra de n = 40 paquetes. Sin embargo,
éstos vienen en cajas que contienen 24 cada una. Si suponemos que
las cajas son similares entre sí, entonces cada caja es un
conglomerado, por lo que se decide aplicar primeramente un
muestreo por conglomerados para seleccionar cajas. Se seleccionan
aleatoriamente 20 cajas del embarque, y después, mediante muestreo
aleatorio simple, se eligen dos paquetes de cada caja. También se
pueden escoger 10 cajas y después cuatro paquetes de cada una. En
cualquier caso, con los n = 40 paquetes se debe hacer el análisis para
aceptar o rechazar el lote de acuerdo con los criterios del Mil Std 414

15
 Cuándo aplicar el muestreo de aceptación

 El muestreo de aceptación se puede aplicar en cualquier relación

cliente-proveedor
 Una situación típica del muestreo de aceptación es la siguiente: una
compañía recibe un lote de materiales o componentes de cierto
proveedor, se selecciona una muestra de artículos del lote y se
inspeccionan de acuerdo con ciertos criterios de calidad.
 Con base en la información obtenida con la inspección se tomará una
decisión: aceptar o rechazar todo el lote. Si los lotes son aceptados
pasan directamente a ser utilizados, pero si el lote es rechazado,
entonces es devuelto al proveedor o podría estar sujeto a alguna otra
disposición.

16
 Cuándo aplicar el muestreo de aceptación

Si los criterios de calidad con los que se inspecciona son variables de

atributos del tipo pasa no pasa, entonces un plan simple de muestreo
de aceptación está definido por un tamaño de lote, N, un tamaño de
muestra, n, y el número de aceptación, c. Por ejemplo el plan: N =
6,000, n = 200 y c = 2 significa que de un lote de 6000 unidades se
seleccionan e inspeccionan 200; y si entre éstas se encuentran dos o
menos piezas defectuosas, entonces el lote completo es aceptado.
Pero si aparecen tres o más piezas defectuosas el lote es rechazado

17
Cuándo aplicar el muestreo de aceptación

18
 Alternativas de evaluar un lote

1. Cero inspección (aceptar o mandar el lote sin inspección). Esta

alternativa es adecuada cuando se ha demostrado que el proceso que
fabricó el lote cumple de manera holgada los niveles de calidad acordados
entre el cliente y el proveedor. También se aplica cero inspección cuando
la pérdida global causada por las unidades defectuosas es pequeña en
comparación con el costo del muestreo

2. Inspección al 100%. Consiste en revisar todos los artículos del lote y

quitar los que no cumplan con las características de calidad establecidas.
Los que no cumplen podrían ser devueltos al proveedor, reprocesados o
desechados. La inspección al 100% se utiliza en aquellos casos en que los
productos son de alto riesgo y si pasan defectuosos se puede generar una
gran pérdida económica. También es útil cuando la capacidad del proceso
de fabricación del lote es inadecuada para cumplir las especificaciones.

19
 Alternativas de evaluar un lote

3. Muestreo de aceptación (inspección por muestras). Esta opción es útil

cuando se tienen una o varias de las siguientes situaciones:
 Cuando la inspección se realiza con pruebas destructivas (como pruebas de
tensión y resistencia) es indispensable la inspección por muestras, de lo
contrario todos los productos serían destruidos por las pruebas.
 Cuando el costo de inspección al 100% es demasiado alto en comparación con
el costo de pasar unidades defectuosas.
 En los casos en que la inspección al 100% es imposible en términos técnicos o
económicos.
 Cuando el lote está formado por la gran cantidad de artículos que se debe
inspeccionar y la probabilidad de error en la inspección es suficientemente
alta, de manera que la inspección al 100% podría dejar pasar más unidades
defectuosas que un plan de muestreo.
 En situaciones donde, históricamente, el vendedor ha tenido excelentes niveles
de calidad y se desea una reducción en la cantidad de inspección, pero la
capacidad del proceso no es suficientemente buena como para no inspeccionar

20
 Ventajas del muestreo de aceptación

El muestreo de aceptación con respecto a la inspección al 100% tiene

las siguientes ventajas:
1) Tiene menor costo porque se inspecciona menos, a pesar de algunos
costos adicionales generados por la planificación y administración
de los planes de muestreo
2) Requiere de menos personal en las actividades de inspección, con lo
cual se simplifica el trabajo de coordinación y se reducen costos.
3) El producto sufre menos daño porque hay menos manipulación.
4) Es aplicable en pruebas destructivas.
5) A menudo reduce el error de inspección y la monotonía.
6) El rechazo de lotes completos por la existencia de artículos
defectuosos proporciona una motivación al fabricante del lote para
que mejore su calidad.

21
 Desventajas del muestreo de aceptación

1) Existe cierto riesgo de aceptar lotes malos y rechazar los buenos,

aunque en un plan de muestreo de aceptación estos riesgos están
previstos y cuantificados.
2) Proporciona menos información acerca del nivel de calidad del
producto o de su proceso de fabricación; aunque bien utilizada, la
información obtenida es suficiente.
3) Se requiere más tiempo y conocimiento para planificar y
documentar el muestreo, comparado con la inspección al 100 por
ciento.

22
 Tipos de planes de muestreo

1) Planes por variables: se toma una muestra aleatoria del lote y a cada
unidad se le mide una característica de calidad de tipo continuo
(longitud, peso, etc.). Con las mediciones se calcula un estadístico
que por lo general está en función de la media, la desviación estándar
muestral y las especificaciones, y al comparar el valor de tal
estadístico frente a un valor de tablas, se aceptará o rechazará todo el
lote.
2) Planes por atributos: se extrae de manera aleatoria una o más
muestras de un lote y cada pieza de la muestra es clasificada de
acuerdo con ciertos atributos como aceptable o defectuosa; la
cantidad de piezas defectuosas es usada para decidir si el lote es
aceptado o no.

23
 Muestreo por atributos: simple, doble y múltiple

Plan de muestreo simple

Plan por atributos en el que se toma una muestra de n artículos y si el
número de artículos defectuosos es menor o igual que cierto número c el
lote se acepta; de lo contrario se rechaza

Plan de muestreo doble

Plan por atributos en el que se pueden tomar hasta dos muestras para
decidir si un lote se acepta o se rechaza. La idea es tomar una primera
muestra de tamaño más pequeño que el plan simple para detectar los lotes
que son muy buenos o los que son muy malos. En los casos que con la
primera muestra no se puede decidir, entonces se toma la segunda muestra
para llegar a una conclusión definitiva.

24
 Muestreo por atributos: simple, doble y múltiple

Plan de muestreo múltiple

es una extensión del concepto del muestreo doble, donde se toma una
muestra inicial considerablemente más pequeña que el plan simple, y si
con ella ya se tiene evidencia suficiente para sentenciar el lote la decisión
que proceda se toma en consecuencia, de lo contrario se toma una
segunda muestra y se intenta decidir; pero si esto todavía no es posible se
continúa con el proceso hasta tomar la decisión de aceptar o rechazar el
lote en la última muestra considerando todos los defectuosos encontrados.

25
 Formación del lote y selección de la muestra

1. Los lotes deben ser homogéneos. Las unidades que forman un lote
en particular deben haber sido fabricadas en condiciones similares
en cuanto a máquinas, operadores, materia prima, tiempo (fechas),
etc. Cuando el lote se forma mezclando unidades de diferentes
fuentes, la variación dentro del lote aumenta y el muestreo de
aceptación pierde efectividad.

2. Los lotes deben ser formados de manera que no compliquen su

manejo durante la inspección. Todos los artículos de los lotes deben
ser empaquetados y embarcados con un mínimo de riesgo y de
manera que la selección de las unidades de la muestra sea
relativamente fácil.

26
 Selección de la muestra

Todos los planes de muestreo de aceptación basan su funcionamiento

en que las unidades seleccionadas para la inspección son
representativas de todo el lote. De aquí que la selección de las unidades
que forman la muestra debe hacerse aplicando un método de muestreo
aleatorio.

Muestreo aleatorio simple

Es cuando los artículos se escogen al azar de manera que cada posible
muestra tiene igual oportunidad de resultar seleccionada.

27
 Curva característica de operación (CO)

Muestra el desempeño de un plan de muestreo al dar la probabilidad de

aceptar lotes con niveles de calidad dados.

Suponga que en una fábrica se producen lotes de tamaño grande y que

antes de enviarlos al cliente se les aplica el plan de muestreo simple por
atributos definido por n = 60, c = 1. Con ello, si en una muestra aleatoria
de n = 60 se encuentra cero o a lo más un defectuoso, entonces el lote es
aceptado y se envía al cliente. Pero si se encuentran dos artículos o más
que son defectuosos, entonces el lote es rechazado y se debe realizar
inspección al 100%. Sin duda, es natural preguntarse qué tipo de calidad
garantiza este plan y cuál es el nivel de calidad que no tolera. La respuesta
a estas preguntas se obtiene a partir de la curva característica de operación
(curva CO) para el citado plan

28
 Curva característica de operación (CO)

 La curva CO de un plan proporciona una caracterización del

desempeño potencial del mismo, mediante el cálculo de la
probabilidad de aceptar o rechazar un lote que tiene determinada
calidad.
 Por ejemplo, continuando con el caso comentado antes, en la tabla
12.2 se muestra la probabilidad de aceptación del plan n = 60, c = 1,
para diferentes valores de p (suponiendo un tamaño de lote grande).
Con base en esta tabla se obtiene la correspondiente curva CO de la
figura 12.3. Por lo tanto, si este plan se aplica a un lote que tenga 2%
de artículos defectuosos, entonces la probabilidad de aceptarlo es de
0.6619.

29
 Curva característica de operación (CO)

 En cambio, si el lote tiene 10% de defectuosos (p = 0.1), la

probabilidad de aceptarlo será muy baja (de 0.0137), por lo que con
este plan, un lote así casi siempre será rechazado. En general, en la
curva CO se tiene un amplio rango de valores de p porque en la
práctica no se sabe exactamente la proporción de defectuosos de un
lote.

30
Curva característica de operación (CO)

31
Curva característica de operación (CO)

32
 Curva CO ideal

 Supongamos que se quiere diseñar un plan de muestreo para

rechazar todos los lotes que no tengan un nivel de calidad
determinado.
 Por ejemplo, supongamos que se quiere rechazar los lotes que
tengan una proporción de artículos defectuosos mayor que 1%, y
aceptar los que tengan 1% de defectuosos o menos.
 La curva CO ideal para esta situación se muestra en la figura 12.4,
en donde si el porcentaje de defectuosos de un lote es menor a 1%,
se está satisfecho con tal calidad y ese lote se acepta con
probabilidad 1
 Mientras que si la proporción de defectivos de un lote es mayor a
1%, la probabilidad de aceptar es cero, es decir, un lote así se
rechaza siempre (con probabilidad 1).

33
Curva CO ideal

34
 Propiedades de las curvas CO
1. No existe un plan de muestreo que tenga una curva CO ideal, capaz de
distinguir perfectamente los lotes buenos de los malos. De esta manera,
todo plan de muestreo tiene riesgos de rechazar la buena calidad y aceptar
la mala. Lo que sí existe son planes que tienen mayor probabilidad de
aceptar la buena calidad y de rechazar la mala.
2. Al aumentar el tamaño de muestra y el numero de aceptación se
obtienen planes que tienen mayor potencia para distinguir la buena
calidad de la mala. Esta propiedad queda en evidencia en la figura 12.5,
en donde se muestran las curvas CO de tres planes de muestreo; nótese
que entre mayor es n más rápido cae la curva, no obstante que el número
de aceptación c se mantiene proporcional al tamaño de muestra. Entre
más rápido caiga la curva, menos probabilidad se tiene de aceptar lotes de
mala calidad.

35
Propiedades de las curvas CO

36
 Propiedades de las curvas CO

Por ejemplo, suponga que un lote con 4% de defectivo se considera de

mala calidad, entonces con las tres curvas de la figura 12.5 se tiene que:
Plan n = 60, c = 1; probabilidad de aceptación 0.302
Plan n = 120, c = 2; probabilidad de aceptación 0.137
Plan n = 240, c = 4; probabilidad de aceptación 0.035
De esta manera, el último plan sólo dejará pasar 3.5% de los lotes de
referencia.

37
 Propiedades de las curvas CO
3. El criterio de tamaño de muestra igual a un porcentaje del tamaño de
lote es un mal criterio. Es frecuente encontrar casos en los que el tamaño
de muestra se toma igual a cierto porcentaje del tamaño del lote y el
número de aceptación se establece como c = 0. Pero esto no es adecuado,
ya que si por ejemplo se tienen lotes de tamaño, N, igual a 300, 500 y
800, el tamaño de muestra se toma igual a cierto porcentaje del tamaño
del lote, 10% por ejemplo, entonces los planes de muestreo resultantes
son:
N = 300 n = 30 c=0
N = 500 n = 50 c=0
N = 800 n = 80 c=0

38
 Propiedades de las curvas CO

En la figura 12.6 se muestran las curvas CO para estos tres planes. De

allí se observa que estos tres planes, obtenidos con el mismo criterio (no
estadístico), proporcionan distintos niveles de protección para un mismo
nivel de calidad en los lotes. Por ejemplo, si los lotes tienen una
proporción de defectivo de 0.05 (5%), entonces la probabilidad de
aceptarlo, Pa, en cada caso es la siguiente: N = 300, Pa = 0.214; N =
500, Pa = 0.0769 N = 800, Pa = 0. 0165 Así, en el primer caso se
aceptará 21.4% de los lotes, en el segundo 7.69% y en el último 1.65%.
Por lo anterior, obtener el tamaño de muestra igual a un porcentaje del
tamaño del lote no tiene el mismo efecto y, por lo tanto, es una forma
inadecuada de proceder.

39
Propiedades de las curvas CO

40
 Propiedades de las curvas CO

4. Al disminuir el numero de aceptación, la curva CO cae mas rápido y

con ello los planes se vuelven más estrictos. Esto se aprecia en las curvas
CO para los planes n = 80, c = 0, n = 80, c = 1 y n = 80, c = 2, que se
muestran en la figura 12.7.

41
 Propiedades de las curvas CO

5. La influencia del tamaño de lote en diseñar de manera adecuada

planes de muestreo es menor de lo que comúnmente se cree. Curvas CO
tipo A y tipo B. Para obtener todas las curvas CO que hemos visto hasta
aquí se ha supuesto que las muestras se extraen de un lote grande o que el
lote proviene de un flujo continuo de productos. A este tipo de curvas CO
se les conoce como curvas CO tipo B, y la distribución apropiada para
calcular las probabilidades de aceptación es la binomial.
La curva CO de tipo A se utiliza para calcular las probabilidades de
aceptación de un lote aislado y de tamaño pequeño. En este caso, si el
tamaño del lote es N, el de la muestra es n y el número de aceptación es c,
entonces la distribución exacta del número de artículos defectuosos en la
muestra es la distribución hipergeométrica.

42
 Propiedades de las curvas CO

En la figura 12.8 se muestran las curvas CO exactas tipo A para tres

planes de muestreo con el mismo tamaño de muestra y número de
aceptación (n = 80, c = 1), pero con diferente tamaño de lote: N = 200,
N = 800 y N = muy grande (infinito). De ahí se observa que la
discrepancia entre las tres curvas es relativamente escasa; por ejemplo,
para p = 0.04 se tienen las siguientes probabilidades de aceptación, Pa:
0.1016, 0.1508 y 0.1653, respectivamente, que son más o menos similares
y que confirman que el tamaño de lote no importa demasiado. En
particular, si el tamaño de muestra es menor que 10% del lote, la
diferencia entre las curvas tipo A y tipo B es considerablemente pequeña,
lo cual indica que en esos casos el efecto del tamaño de lote se considera
despreciable.

43
Propiedades de las curvas CO

44
 Índices para los planes de muestreo de aceptación

 En una relación cliente-proveedor en la que existe un plan de muestreo

de aceptación de por medio hay dos intereses: por un lado, el proveedor
quiere que todos los lotes que cumplen con un nivel de calidad
aceptable sean aprobados; y por el otro, el cliente desea que todos los
lotes que no tienen un nivel de calidad aceptable sean rechazados.
 Por desgracia, no es posible satisfacer de manera simultánea ambos
intereses mediante un plan de muestreo de aceptación y la razón de ello
se explicó cuando vimos la curva CO ideal.
 Ante esta situación, lo que se hace para atender de manera parcial
ambos intereses es diseñar planes de muestreo que tengan una alta
probabilidad de aceptar lotes “buenos” y una baja probabilidad de
aceptar lotes “malos”.

45
 Índices para los planes de muestreo de aceptación

1) Nivel de calidad aceptable, NCA o AQL (Aceptancing Quality Level).

El NCA se define como el porcentaje máximo de unidades que no
cumplen con la calidad especificada, que para propósitos de inspección
por muestreo se considera como satisfactorio o aceptable como un
promedio para el proceso (al NCA también se le conoce como nivel de
calidad del productor). De acuerdo con lo anterior, si un lote tiene un
nivel de calidad igual al NCA, entonces la probabilidad de aceptarlo
debe ser alta (0.90, 0.95) (véase figura 12.9), y a esa probabilidad se le
designa con 1 − α. Nótese que la probabilidad de aceptar lotes con un
NCA no es igual a 1 y por lo tanto hay un riesgo de no aceptar lo que se
considera un nivel de calidad satisfactorio. A este riesgo que tiene una
probabilidad igual a α, por lo general pequeña (0.05, 0.10), se le conoce
como riesgo del productor.
46
Índices para los planes de muestreo de aceptación

47
 Índices para los planes de muestreo de aceptación

2) Nivel de calidad limite, NCL o LQL (Limiting Quality Level). Es el

nivel de calidad que se considera como no satisfactorio y que los lotes
que tengan este tipo de calidad casi siempre deben ser rechazados. El
NCL en algunos planes específicos se conoce como porcentaje defectivo
tolerado del lote, PDTL o LTPD (Lot Tolerante Percent Defective). Por
lo antes dicho, si un lote tiene calidad igual al NCL entonces la
probabilidad de aceptarlo debe ser muy baja (por lo general de 0.05,
0.10), y a esta probabilidad se le designa con la letra β (véase figura
12.9). Nótese que la probabilidad de aceptar lotes de calidad no
satisfactoria (NCL) no es cero y, por lo tanto, hay un riesgo de no
rechazar este tipo de lotes. A este riesgo, que tiene probabilidad igual a
β, se le conoce como riesgo del consumidor.

48
 Índices para los planes de muestreo de aceptación

3) Calidad promedio de salida, CPS o AOQ (Average Outgoing

Quality). Es la calidad promedio que se alcanza después de aplicar el
proceso de inspección. Este concepto es una forma de medir el
efecto de un plan de muestreo sobre la calidad que se tendrá después
de aplicarlo. Cuando un programa de muestreo de aceptación aplica
muestreo de 100% a los lotes rechazados, entonces la calidad de
salida de esos lotes es perfecta (si no hay error de inspección), ya
que todas las unidades defectuosas de éstos son sustituidas por
artículos buenos. Mientras tanto, en los lotes aceptados es probable
que su calidad de salida después de la inspección mejore un poco,
porque las unidades defectuosas encontradas en la muestra son
reemplazadas por unidades buenas.

49
 Índices para los planes de muestreo de aceptación

Por lo anterior, una forma de caracterizar la bondad de un plan de

muestreo de aceptación es calcular la calidad promedio de salida que
genera. Este cálculo se realiza en forma similar a como se obtiene la
curva característica de operación, ya que para cada proporción de
defectuosos que contiene el lote en la entrada se espera una proporción
promedio de defectuosos de salida (CPS o AOQ). Al graficar la
proporción de entrada, p, frente a la proporción promedio de
defectuosos después de la inspección, CPS, se obtiene una curva para la
calidad promedio de salida (curva CPS). En la figura 12.10 se muestra
tal curva para el plan n = 60, c = 1.

50
Índices para los planes de muestreo de aceptación

51
Índices para los planes de muestreo de aceptación

52
 Índices para los planes de muestreo de aceptación

4) Limite de la calidad promedio de salida, LCPS o AOQL (Average

Outgoing Quality Limit). Es el valor máximo de la curva CPS y
representa la peor calidad promedio que puede obtenerse del
programa de inspección. Por ejemplo, para el plan n = 60, c = 1, y
examinando la figura 12.10 y la tabla 12.3, se observa que el LCPS
es de aproximadamente 0.014; es decir, no importa qué tan mala sea
la proporción de defectuosos en los lotes que entran, la calidad
promedio de salida nunca será peor que 1.4% de defectuosos en
promedio. Desde luego que esto no significa que el programa de
inspección no deje pasar lotes con calidad peor que 1.4%, más bien,
se está hablando de un límite promedio que es válido después de
aplicar el programa de referencia a muchos lotes de un flujo continuo
de producción.
53
 Ejemplo

Un cliente plantea a su proveedor que sólo le envíe aquellos lotes que

tengan un buen nivel de calidad, y deciden establecer un plan de
muestreo de aceptación simple por atributos. El tamaño del lote es
grande. Se acuerda un NCA = 0.4% y que un lote con calidad igual a
NCA tendrá probabilidad de aceptación de 1 − α = 0.95. El riesgo del
proveedor (productor) es α = 0.05, ya que los lotes con 0.4% de
defectuosos, a pesar de tener calidad aceptable, tendrán una
probabilidad de no aceptación de 0.05. También acuerdan un NCL =
2.55%, y que los lotes con este nivel de calidad tendrán una
probabilidad de aceptación de β = 0.10. Con ello, el cliente
(consumidor) está asumiendo un riesgo de β = 0.10 de aceptar lotes de
calidad pobre (2.55% de defectuosos).

54
Ejemplo

55
 Solución Ejemplo

Un plan de muestreo que cumple moderadamente bien los acuerdos

anteriores es n = 205, c = 2, como queda claro con la curva CO de
dicho plan (véase figura 12.9). Es importante entender bien el
funcionamiento de este plan: garantiza que los lotes que tengan un
porcentaje de unidades defectuosas menor o igual al NCA = 0.4% serán
aceptados con facilidad. A medida que este porcentaje sea mayor, cada
vez será menos probable que los lotes correspondientes sean aceptados.
En particular, si un lote tiene un porcentaje de 2.55%, entonces tendrá
apenas 0.10 de probabilidades de ser aceptado

56
 Diseño de un plan de muestreo simple con NCA y NCL específicos
(método de Cameron)

Aquí veremos el método de Cameron, el cual se basa en la distribución de

Poisson y da una buena aproximación a la distribución binomial.
Este método se aplica con los siguientes pasos:
1) Especificar los valores porcentuales deseados para NCA y NCL, con
su correspondiente probabilidad de aceptación, 1 − α y β,
respectivamente.
2) Convertir estos porcentajes a proporciones, sea p1 = NCA/100 y p2 =
NCL/100.
3) Calcular la razón de operación, Rc = p2/p1.
4) De acuerdo con los valores de α y β, buscar en la columna apropiada
de la tabla 12.4 el valor R más cercano a Rc. Si en la tabla hay dos
números R aproximadamente igual de cercanos a Rc se debe elegir el
menor.

57
 Diseño de un plan de muestreo simple con NCA y NCL específicos
(método de Cameron)

5) Ubicado el valor R en la tabla 12.4, el número de aceptación, c, se

encuentra en el mismo renglón que R en la columna c hacia la
izquierda.
6) En el mismo renglón donde se localizó a R, pero en la columna np1 a
la derecha de R, localizar el valor de np1. El tamaño de muestra se
encontrará al dividir ese valor entre p1. Estos pasos se ilustran en el
ejemplo 12.2.

58
 Ejemplo

Un cliente plantea a su proveedor que sólo le envíe aquellos lotes que

tengan un buen nivel de calidad, y deciden establecer un plan de
muestreo de aceptación simple por atributos. El tamaño del lote es
grande. Se acuerda un NCA = 0.4% y que un lote con calidad igual a
NCA tendrá probabilidad de aceptación de 1 − α = 0.95. El riesgo del
proveedor (productor) es α = 0.05, ya que los lotes con 0.4% de
defectuosos, a pesar de tener calidad aceptable, tendrán una
probabilidad de no aceptación de 0.05. También acuerdan un NCL =
2.5%, y que los lotes con este nivel de calidad tendrán una probabilidad
de aceptación de β = 0.10. Con ello, el cliente (consumidor) está
asumiendo un riesgo de β = 0.10 de aceptar lotes de calidad pobre
(2.55% de defectuosos).

59
 Ejemplo

1. NCA = 0.4%, α = 0.05, NCL = 2.5% y β = 0.10.

2. p1 = 0.4/100 = 0.004; p2 = 2.5/100 = 0.025.
3. Rc = p2 /p1 = 0.025/ 0.004 = 6.25.
4. En la columna de α = 0.05 y β = 0.10 de la tabla 12.4, el valor de R
más cercano a 6.25 es 6.51.
5. A la izquierda de R = 6.51, en la columna de c, se observa que c = 2.
6. A la derecha de R = 6.51, en la columna de np1 se encuentra que np1
= 0.82, así que n = 0.82/0.004 = 205.

Por lo tanto, el plan simple por atributos que ayuda a garantizar los
niveles de calidad acordados, es n = 205 y c = 2

60
Tabla de Cameron

61
FIN TEMA 7

62