Академический Документы
Профессиональный Документы
Культура Документы
Foad Muhammad
UNIVERSIDAD DE CARTAGENA
En general, para decidir un tamaño de muestra y el método para elegirla, deben tener
en cuenta aspectos como la cantidad y el patrón de variabilidad entre los individuos de
la población, así como el objetivo que se persigue.
Tipos de muestreo
Anteriormente, se dijo que por lo general se emplea el muestreo al azar o aleatorio para
que de esa forma las características de la población estén comprendidas en la muestra
que se ha seleccionado, a continuación, se verán cuatro principales tipos de muestreo
aleatorio que se utilizan para calcularla.
También llamado irrestricto aleatorio, una forma sencilla de entenderlo es que este tipo
de muestreo es el equivalente a la extracción de papelitos de una bolsa o caja y que
estos hayan sido mezclados en su totalidad. En palabras técnicas, Gutiérrez lo define
como “la elección de un grupo de n elementos de la población, de tal forma que cada
muestra de tamaño n tenga la misma probabilidad de ser seleccionada”.
Para entender mejor este tipo de muestreo, mire este ejemplo: un inspector desea
conocer la calidad del producto que se está fabricando, cada ocho horas salen 500
unidades del mismo y requiere 90 individuos de dicha población, entonces escoge un
número de partida: 8, y se tendrá un intervalo de 14. De esta forma, cada 14 veces que
salga un producto terminado será inspeccionado, empezando por el producto N° 8.
Según Gutiérrez (2010), 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. Difiere del muestreo estratificado, en cuanto a que
los subgrupos de éste, tenían características homogéneas con el grupo al que
pertenecen, pero ajenas a los demás subgrupos que componen la población.
Antes de pasar a explicar la curva OC, es necesario hablar un poco sobre muestreo de
aceptación
Muestreo de aceptación
Para Gutiérrez (2010) “es el proceso de inspección de una muestra de unidades extraídas
de un lote con el propósito de aceptar o rechazar todo el lote”, teniendo en cuenta la
calidad exigida por las empresas actualmente para que sus productos tengan la calidad
requerida y que mantengan dichos niveles de calidad en los productos que fabrican. Se
considera como una estrategia defensiva ante el deterioro de la calidad.
En una empresa, cuando se quiere someter a juicio la aceptación de un lote, existen tres
alternativas para ello:
En ese orden de ideas, se debe tener en cuenta que lo observado en una muestra no es
idéntico a la población o lote, por lo que para tomar una decisión con base en una muestra
se debe recurrir a métodos estadísticos con soporte en algún modelo de probabilidad. En
el muestreo de aceptación, tal modelo probabilístico es la curva característica de
operación (Curva CO).
Curva CO Ideal
Supongamos que se quiere diseñar un plan de muestreo para que rechace todos los lotes
que no tengan un nivel de calidad dado. Por ejemplo, se pretenden rechazar los lotes con
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, en la que, si el porcentaje
de defectuosos de un lote es menor que 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 que 1%, no se está satisfecho con esa calidad y la probabilidad de aceptar es cero,
es decir, un lote así se rechaza siempre (con probabilidad 1).
Sin embargo, no existe ningún plan de muestreo que tenga esta curva ideal, que sea
capaz de hacer una discriminación perfecta entre lotes “buenos” y “malos”. En teoría, la
curva CO ideal se puede alcanzar con inspección a 100%, siempre y cuando esta
inspección estuviera libre de errores, lo que difícilmente ocurre.
Características de la cuerva OC:
1. No existe un plan de muestreo que tenga una curva CO ideal, que pueda 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 con mayor probabilidad de aceptar la buena calidad y rechazar
la mala.
2. Al aumentar el tamaño de muestra y el número de aceptación, se obtienen planes
con mayor potencia para distinguir la buena calidad de la mala.
3. El criterio de tamaño de muestra igual a un porcentaje del tamaño de lote es un
mal criterio. Es decir, que a medida que aumentemos el tamaño del lote, y la
muestra sea un porcentaje de este, a medida que aumenta el tamaño del lote, el
porcentaje de aceptación va disminuyendo, a pesar de mantener constante la
proporción de productos defectuosos.
4. Al disminuir el número de aceptación (c), la curva CO cae más rápido y con ello
los planes se vuelven más estrictos.
5. Los planes con c = 0 no siempre son los más apropiados. Cuando se propone un
número de aceptación igual a 0, el producto está bajo una especificación rígida,
por lo cual probabilidad de aceptar un lote con esa especificación, no tiende a ser
tan alta, aun cuando en la muestra puede haber un solo producto defectuoso, lo
cual estaría dentro de calidad aceptable para el proceso.
6. La influencia del tamaño de lote al diseñar adecuadamente planes de muestreo es
menor de lo que comúnmente se cree. Para obtener todas las curvas CO, 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 conocen como
curvas CO tipo B y la distribución apropiada para calcular las probabilidades de
aceptación es la binomial. La curva CO tipo A se utiliza en el cálculo de 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.
3. Índices para los planes de muestreo de aceptación
Para este mismo autor, el NCA se define como el porcentaje máximo de unidades que
no cumplen con la calidad especificada y que, para propósitos de inspección por
muestreo, se puede considerar como satisfactorio o aceptable como un promedio para el
proceso (al NCA también se le conoce como nivel de calidad del productor).
Para obtener los planes de muestreo aplicando el MIL STD 105E, se procede de acuerdo
con los siguientes pasos:
1. Determinar el tamaño de lote.
2. Especificar el NCA (o AQL).
3. Escoger el nivel de inspección (usualmente el nivel II, que puede cambiarse si la
situación lo justifica).
4. Dada la información anterior, en la tabla 18.6 se encuentra la letra código
correspondiente para el tamaño de muestra.
5. Determinar el tipo de plan de muestreo a usar (simple, doble o múltiple).
6. De acuerdo con la letra código y el NCA, se especifican los planes simples
para inspección normal, para severa, y plan de inspección reducida. El lector interesado
en inspección doble y/o múltiple puede consultar el estándar de manera directa.
1-α
NCA
Riesgo del consumidor: nivel de calidad límite (NCL)
Gutiérrez (1996) afirma que el NCL “es el nivel de calidad que se considera no
satisfactorio y los lotes con este tipo de calidad deben ser rechazados casi siempre”.
En la producción cuando un lote está representado por un nivel de calidad NCL, entonces
la probabilidad de aceptarlo es muy baja por lo general está entre 0.05, 0.10, y a esta
probabilidad se le designa con la letra β como se muestra en la siguiente gráfica.
β NCL
Ahora bien, el NCL se pueden presentar en planes de muestra específicos y en este caso
de riesgo para el consumidor encontramos “planes de muestreo Dodge-Roming” que se
conoce como el porcentaje defectivo tolerado del lote (PDLT) (o LTPD, del lot tolerant
percent defective). Donde la probabilidad de aceptar lotes de calidad no satisfactoria
(NCL) no es cero y, por 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.
Los planes de muestreo Dodge-Roming:
Hay dos juegos de tablas NCL uno para el muestreo sencillo y otro para el muestreo
doble. Cada juego tiene tablas para valores de NCL de 0.5, 1.0, 2.0, 3.0, 4.0, 5.0, 7.0 Y
10.0%, con un total de 16 tablas. Para propósitos de explicación, se muestra la tabla 9-6
para muestreo sencillo, empleando NCL = 1.0%.
Los planes NCL están diseñados para que los lotes que tengan un porcentaje de
defectuosos igual al NCL tengan una probabilidad baja de aceptarse de 0.10, de aquí que
el riesgo del consumidor de que se acepte la mala calidad (calidad NCL) es de 0.9. Los
porcentajes de defectivos (piezas defectuosas) considerados por las tablas son 0.5, 1.0,
2.0, 3.0, 4.0, 5.0, 5.0, 7.0 y 10%.
4. Con los datos anteriores y apoyándose en tablas, obtener los componentes básicos
del plan de muestreo: tamaño de muestra, n; número de aceptación, c, y límite de la
calidad promedio de salida (LCPS) (o AOQL) que tendrá el plan.
REFERENCIAS BIBLIOGRÁFICAS
Gutiérrez Pulido, H. (2010). Calidad total y productividad (3a. ed.). Mexico City: McGraw-
Hill Interamericana. pp. 297-298, 303-304, 315-316