CAPITULO IV

EL MUESTREO POR ATRIBUTOS

4.1.- Definiciones básicas

Montgomery, D.(1996), indica que la estadística esta directamente relacionada con la

recopilación, presentación, análisis y utilización de los datos para tomar decisiones y
resolver problemas, y que su importancia en el campo de la ingeniería, la ciencia y la
administración ha sido enfatizada por la participación de la industria en el aumento de
la calidad, pues las técnicas estadísticas pueden emplearse para describir y
comprender la variabilidad.

La estadística inferencial busca la toma de una decisión acerca de una población en

particular, de allí la importancia de conocer algunas definiciones básicas. Así,
Montgomery, D.(1996), indica que el término población se refiere a la recolección de
mediciones de todos los elementos del universo con respecto al cual se quieren
obtener conclusiones o tomar decisiones. Una población, es el número total de
unidades que tienen una característica común respecto a los que están fuera de ella.
Ejemplo, supóngase como la población de una empresa que elabora harina a un lote
de 1,000 sacos de harina de 50 kg. cada uno, si se evalúa la humedad, o el peso de
los sacos, el valor obtenido al evaluar cada unidad se denomina variable o dato
numérico.

Normalmente al evaluar una población muy numerosa, los datos disponibles

obtenidos corresponden a los de una muestra de la población bajo estudio, de allí que
la muestra representa a un subconjunto de observaciones seleccionadas de una
población; es decir, la muestra es una porción de la población que ha sido extraída de
acuerdo a una regla o plan con el propósito de estudiarla. Ejemplo, si la muestra de la
población arriba indicada es de 8 sacos y al avaluarlos, en su contenido de humedad,
obtenemos que corresponden a: 3,25; 3,52; 3,60; 3,45; 3,61; 3,40; 3,45 y 3,62.
Realizando un análisis de dicha información se podría realizar algunas interrogantes:
¿La humedad de la harina se encuentra en el intervalo de 3,25 y 3,62? Para dar
respuesta a esta y otras interrogantes, se emplean los métodos de la estadística
inferencial.

La estadística inferencial es el resultado de métodos utilizados para resumir y

organizar datos que se denominan estadística descriptiva. El mayor uso que se da a la
estadística, especialmente en la ciencia e ingeniería, se orienta hacia la inferencia que

Ing° José Cáceres Paredes 1

hacia la descripción. En la figura Nº 4.1, se muestra los dos tipos de inferencia que se
realizan en un análisis estadístico: La inferencia inductiva y la deductiva.

Figura Nº 4.1: Esquema de análisis estadístico

Análisis Estadístico
•a.- Inferencia Inductiva:

Muestra Población

Estudio Resultado
USO : PARA ESTUDIO DEL PROCESO
•b.- Inferencia Deductiva:
Población Muestra

Estudio Resultado

USO : PARA EVALUACION DE PROVEEDORES

La inferencia inductiva se explica de la siguiente manera: Si a partir de una

población se toma una muestra aleatoriamente, al azar, y sin ningún sesgo, con los
resultados obtenidos del estudio de dicha muestra se puede concluir que la población
tendrá el mismo comportamiento que la muestra evaluada. Este tipo de análisis se
utiliza cuando se realiza el estudio de un proceso. Ejemplo: Si a partir de un lote de “N”
frascos de mermelada se toma una muestra de “n” frascos, y si luego de evaluar el
peso y los ºBx de dicha muestra se obtiene que en promedio el peso de cada frasco y
la concentración de sólidos solubles es de 250 gramos y 64.80 ºB, respectivamente,
entonces se infiere que el peso y los ºBx de las mermeladas que pertenecen al lote de
donde se extrajo la muestra es el de ella.

La inferencia deductiva, se explica de la siguiente manera: Si se sabe cual es

comportamiento de una población determinada, luego de un estudio de la misma, con
los resultado obtenidos se concluye que cualquier muestra que se obtenga de dicha
población tendrá el mismo comportamiento. Este tipo de análisis se utiliza cuando se
realiza una evaluación de proveedores. Ejemplo: Si se sabe que todos los proveedores
de azúcar que existen en una determinada región “A” tienen un producto con una
granulometría “x”, y los de la región “B” tienen una granulometría “z”, entonces ello
significará que cualquier empresa de la región “A” solo proveerá la azúcar “x”.
En la figura Nº 4.2 se presenta el esquema de una muestra, observándose que esta
proviene de un lote o universo a estudiar, las unidades de producto de la muestra son
estudiadas y la evaluación realizada es como:

Ing° José Cáceres Paredes 2

  Atributo, ejemplo: apto para el consumo o no apto, producto conforme o
producto no conforme.
 Variable, ejemplo: Humedad, acidez, ºBx. etc.

Figura Nº 4.2: Esquema de una muestra

Conceptualización de muestra

Lote ( N) Muestra (n)

Evaluación del Producto

Atributo Variable

Sin embargo, es necesario indicar que un atributo puede ser el resultado de la

evaluación de mas de una variable, así la aptitud de un yogurt para el consumo
humano es por que tiene la cantidad de lactosa, acidez, proteínas, grasas etc, de
acuerdo a las especificaciones; sin embargo, la no aptitud para su consumo puede
deberse a que cumple con todas la especificaciones físicas y químicas pero presenta
la presencia de salmonella, que la hace no apta para su consumo.

Cuando se realiza el estudio de una determinada población se debe de realizar la

toma de datos o colecta de información, para lo cual se debe de tomar una muestra de
un determinado número de unidades, este muestreo puede ser:
 a.- Aleatorio: Cuando las unidades que conforman la muestra son
tomados totalmente al azar. Ejemplo cuando estamos en una empresa cuyo
proceso productivo no lo conocemos, entonces para determinar el nivel de
desempeño las diferentes unidades o etapas que intervienen en el se
toman “n” muestras de “m” unidades cada una de diferentes áreas, etapas,
secciones etc. Este tipo de muestreo se utiliza cuando no se conoce el
proceso.
 b.- Sistemático: Cuando las unidades que conforman la muestra se toman
a intervalos de tiempo y en secuencia coincidente con el proceso
productivo. Este tipo de muestreo se utiliza cuando se desea conocer el

Ing° José Cáceres Paredes 3

 proceso. Ejemplo: Estando en una planta de procesamiento de conservas
de frutas y queremos conocer con que nivel de calidad trabaja la zona de
cocción, de envasado y esterilizado, entonces se toman “n” muestras de
“m” unidades en dichas zonas cada determinado tiempo, el mismo que
dependerá del tiempo de duración del proceso, pudiendo ser cada 10 o 15
minutos, la información se procesa y los resultados clasificados, codificados
y almacenados.
 c.- Estratificado: Cuando las unidades que conforman la muestra se
toman previa clasificación proporcional de la población en estratos o lotes.
Este tipo de muestreo se recomienda para poblaciones no homogéneas o
cuyo producto es elaborado con insumos diferentes. El muestreo
estratificado se utiliza es cuando se conoce bien el proceso a evaluar.
Ejemplo: Si el proceso de elaboración de panetones ha sido diseñado para
trabajar con grasa vegetal que tiene un determinado punto de fusión que va
a afectar el tiempo de cremado en la amasadora; sin embargo, en un
determinado momento la planta recepciona grasa animal cuyo punto de
fusión es mayor al de la grasa vegetal y por ende el tiempo de cremado
será mayor y este influirá en la temperatura de la masa por efecto de la
fricción, entonces es recomendable separar el producto final obtenido con
la grasa animal en un lote diferente al fabricado con grasa vegetal. La
lotización o estratificación del panetón y/o de cualquier producto se
realizará cuando se utiliza un insumo, o técnica o materia diferente a la
normalmente empleada.

Las Ventajas del Muestreo.- Las principales ventajas de trabajar con una muestra
son:
 a.- Mayor economía, pues los gastos que ocasiona trabajar con parte de la
población es mucho menor que toda ella, lo que se refleja en utilizar menos
personal, menos recursos materiales y por ende menos dinero.
 b.- Mayor velocidad, tanto para la toma de datos como para la toma de una
decisión.
 c.- Menos manipuleo del alimento y por ende se ocasiona menor daño a las
unidades que están siendo evaluadas.
 d.- Elimina los errores que se pueden incurrir para tomar una decisión
evaluando unidad por unidad.
 e.- Los muestreos se aplican a ensayos que ocasionan la destrucción de la
unidad evaluada.

Ing° José Cáceres Paredes 4

  f.- Requiere de personal especializado, es decir que se tiene que capacitar
permanentemente a los recursos humanos que intervienen en el proceso lo
cual es beneficioso para el proceso de mejora continua de la calidad.
 g.- El muestreo genera mayor compromiso con los objetivos que se
pretenden alcanzar, por lo tanto constituye una motivación a ser cada vez
mejor.

Las Desventajas del Muestreo.- Las principales desventajas de trabajar con una
muestra son:
 a.- Existe mayor probabilidad de error, especialmente cuando no toma
adecuadamente una muestra. A menor tamaño de muestra mayor
probabilidad de error.
 b.- Los autores indican que un proceso de muestreo requiere mas
planificación y mayor documentación. Si bien esto se puede considerar
como desventaja, creo que a mayor planificación de una actividad los
resultados alcanzados serán mayores. No olvidar que la planificación es la
primera etapa del Círculo de Calidad de Deming.
 c.- El trabajar con una muestra ocasiona que obtendremos menos
información de la población estudiada.

4.2.- El nivel de calidad y el porcentaje de defectuosos tolerado en el lote

Los planes de muestreo no son otra cosa que un contrato o convenio mediante el cual
se amalgaman las exigencias o características que espera encontrar el cliente en un
determinado alimento u otro producto para consumirlo o utilizarlo, respectivamente, y
lo que es capaz de hacer una empresa para satisfacer dicha exigencia. Por lo tanto,
como ingenieros de alimentos es nuestra responsabilidad conocer el nivel con el que
nuestra empresa u organización trabaja de otra manera nunca podremos conocer si
podremos satisfacer las exigencias que los clientes nos exigirán.
Cuando una empresa desea elaborar un alimento lo que debe de realizar es consultar
con el cliente, mediante un estudio de mercado, que producto desearía consumir y
cuales son las características que éste debe de tener para que lo adquiera. Con dicha
información la empresa, con sus ingenieros, debe de diseñar el alimento requerido y
posteriormente diseñar el proceso que sea capaz de elaborarlo. El dicho proceso se
debe de indicar cuales serán los pasos o etapas a seguir, los materiales e insumos
requeridos con sus correspondientes especificaciones técnicas para cada uno de ellos,
las variables de control en cada etapa, los equipos e instrumentos a emplear, la mano

Ing° José Cáceres Paredes 5

de obra necesaria etc, de manera que al elaborar el alimento, éste cumpla con la
totalidad de requerimientos del cliente.

Paralelamente, a las características del alimento, el cliente indicará el número de

unidades, en un lote, que no cumpliendo con los requisitos que el desea pueden estar
presentes y el lote será aceptado. Este número de unidades defectuosas toleradas por
el cliente se conoce con el nombre de Porcentaje de Defectuoso Tolerado en un
Lote (LTPD). . Supongamos que el mercado tolera el 6% de defectuoso, esto quiere
decir que al evaluar un lote de 100 unidades, lo aceptará si en él existen como máximo
6 unidades que no cumplan con las especificaciones. Como el LTPD se presenta en
función de porcentajes, se utilizará como nomenclatura el factor : p2, que representará
el porcentaje de producto que el mercado tolera en un determinado lote.

Como Ingenieros de Alimentos, al sumir la producción en una planta de procesamiento

podemos estar en alguna de las alternativas siguientes:
 a.- Que la planta tenga todos los reportes históricos de los controles de la
calidad que practica en el alimento que elabora; por lo tanto, conoce el nivel de
desempeño que tiene. En ese caso lo que tendremos que hacer es comprobar
dicha información y realizar los ajustes necesarios para mejorar dicho nivel, de
es forma estaremos involucrados en el proceso de mejora continua de la
calidad.
 b.- Si la planta de producción no dispone de información, ni reportes que
nos permitan conocer o estimar su nivel de desempeño, entonces lo que
debemos de realizar es generar toda la información necesaria para estimar
nuestro nivel de calidad. Para ello tendremos que tomar “m” muestras de “n”
unidades cada una. El número de muestras a evaluar estará en función del tipo
de producto, del volumen de producción, de la capacidad de planta, de la
frecuencia de producción; de los costos del producto. Así no será igual tomar
las muestras para una empresa de caramelos cuya producción diaria es de 5
millones de unidades, que para una planta de panetones cuya producción es
de 500 unidades diarias.
Supongamos que tomamos 20 muestras diarias de 80 unidades cada una, las
evaluamos para determinar cuantas unidades de cada grupo no cumplen con la
exigencia del mercado en el porcentaje de sólidos solubles cuya especificación
es de 65  1 ºBx . En la primera muestra encontramos que de las 80 unidades
3 de ellas no cumplen con la especificación, de la segunda muestra no
cumplen 2, de la tercera 1, de la cuarta 2 y así sucesivamente hasta la muestra

Ing° José Cáceres Paredes 6

 veinte. En un segundo día podemos realizar el mismo proceso y así repetir
varios días hasta tener la seguridad que el número de unidades defectuosas no
se incrementa, tal como se indica en la tabla Nº 4.1.

Tabla Nº 4.1 Evaluación de defectos

Número de unidades defectuosas (d)
Muestra 1er. Día 2do. Día 3er. Día 4to. Día 5to. Día
1 3 1 0 0 1
2 2 0 1 1 1
3 1 1 1 2 2
4 2 1 1 0 1
5 3 3 1 1 0
6 1 0 1 0 0
7 2 1 2 2 1
8 3 2 0 2 2
9 0 1 1 4 2
10 1 1 0 1 1
11 2 0 0 0 1
12 3 2 0 0 2
13 3 2 1 1 2
14 2 1 1 1 1
15 2 0 2 1 3
16 0 0 0 2 2
17 0 2 1 2 2
18 1 3 3 2 4
19 1 1 2 2 1
20 1 2 3 2 0

Culminada la evaluación, se observa que en el cuarto día de la novena muestra

y en el quinto día de la 18ava muestran que el número máximo de defectuosos,
que nuestro proceso elabora, es igual a cuatro (04) de 80 unidades, lo que
representa el 5%. Como este alimento es dirigido al mercado cuyo LTPD es el
6%; entonces, no obstante tener un porcentaje de defectuosos es aceptado por
cliente indicado. Para este caso, el 5% representa el Nivel de Calidad
Aceptable (AQL) o (NCA). Por lo tanto definiremos el AQL como el peor nivel
de calidad que un fabricante o empresa es capaz de tener pero aún así el
producto es aceptado por el mercado.
De igual manera, como el AQL se indica como porcentaje, utilizaremos como
nomenclatura el factor: p1.

4.3.- El riesgo del fabricante y del consumidor

Ing° José Cáceres Paredes 7

 El riesgo es la probabilidad de ocurrencia de un determinado evento. El
fabricante al elaborar un alimento lo hace con la seguridad que será aceptado
por un determinado consumidor; sin embargo, no obstante trabajar con un buen
AQL existe la probabilidad que el alimento sea rechazado. Lo mismo sucede
con el cliente que espera adquirir y consumir un alimento de buena calidad, que
cumpla con las especificaciones o exigencias que el ha dado; sin embargo,
también puede sufrir la contingencia de adquirir un alimento de mala calidad.

Consideremos que somos fabricantes de yogurt y el producto es destinado a un

cliente con el que tenemos el siguiente convenio: Para adquirir el yogurt, el
cliente evaluará un (01) frasco del producto de cada 50, si éste cumple con las
especificaciones que él exige compra todo el lote, en caso contrario lo rechaza.
Nuestra empresa trabaja con un AQL del 2%, es decir de cada 100 unidades el
número de unidades defectuosas (d) es menor o igual a 2; por lo tanto
cumplimos la exigencia del cliente y al tomar la muestra de 50 unidades
sabemos que en el peor de los casos allí existirá un solo frasco defectuoso; sin
embargo, no somos muy afortunados y el cliente al tomar el frasco que
evaluará, selecciona el único frasco defectuosos existente y por ende nuestro
lote es rechazado. Esta probabilidad de ocurrencia se denomina Riesgo del
Fabricante que se representa como:  y se define como la probabilidad del
fabricante, que su producto aún cumpliendo con las especificaciones del
cliente es rechazado. En otras palabras es la probabilidad de rechazar un
producto bueno con la creencia que es malo.

Si nos ponemos en el otro extremo y ahora somos un fabricante que

elaboramos un producto de muy mala calidad, pero somos afortunados. El
convenio que tenemos con nuestro cliente es el mismo que el visto en el caso
anterior, la diferencia radica en que ahora de los 50 frascos de yogurt solo
tenemos uno de ellos que cumple con las especificaciones del mercado y los
restantes 49 no. El cliente antes de adquirir el producto toma la muestra de 50
frascos y selecciona uno de ellos, el único bueno, lo evalúa y pensando que
todos los demás frascos tienen la misma calidad, los acepta. Esta probabilidad
de ocurrencia se denomina Riesgo del Consumidor o del Cliente que se
representa como  y se define como la Probabilidad que tiene el consumidor
de aceptar un producto que no cumple con las especificaciones que el
mismo exige. En otras palabras es la probabilidad de aceptar un producto
malo con la creencia que es bueno.

Ing° José Cáceres Paredes 8

 Cuando se realiza el diseño de un plan de muestreo se tiene que compatibilizar
las exigencias del mercado con lo que es capaz de elaborar el fabricante, en
otras palabras se tiene que armonizar las condiciones del fabricantes con las
del cliente; por lo tanto se tiene que conocer los siguientes factores:
 El riesgo del fabricante, (  ), y su AQL (p1), y
 El riesgo del consumidor ( ) y su LTPD (p2).

Figura N° 4.3: Esquema de un Plan de Muestreo Simple

Plan de Muestreo Simple

Lote (N) Muestra (n)

y “c”
n: Tamaño de muestra.
c: Número de aceptabilidad, o
máximo numero de defectuosos.

Se evalúa ( se determina “d”: número

de unidades defectuosas.

Si d < c El lote se acepta.

Si d > c El lote se rechaza.

4.4.- Diseño de un plan de muestreo simple

El diseño de un plan de muestreo, para cualquier AQL y LTPD, requiere tener que
conocer el riesgo del fabricante y del cliente o consumidor con sus correspondientes
nivel de calidad aceptable del fabricante y el porcentaje de defectuoso tolerado en un
lote por el cliente, con dicha información y utilizando la distribución de Poisson se
calcula el tamaño de la muestra (n) y el máximo número de unidades defectuosos
tolerado (C). El procedimiento a seguir, se indica en la figura N° 4.3, y es el siguiente:
 a.- Habiéndose calculado “n” y “c”, se procede a tomar la muestra con “n”
unidades, del lote seleccionado.
 b.- La muestra es evaluada para determinar el número de unidades
defectuosas “d” existentes en ella.
 c.- Se realiza la comparación entre los valor teórico calculado y práctico
hallado en la muestra, con el siguiente análisis:
 Si d  c, entonces se acepta el lote,

Ing° José Cáceres Paredes 9

  Pero si d  c, el lote se rechaza.

4.4.1.- Procedimiento para calcular “n” y “c”

El cálculo del tamaño de una muestra (n) y el máximo número de unidades

defectuosas toleradas ( c ) se puede realizar utilizando el método de la curva
característica de operación (CCO) y por el método gráfico del nomograma.

a.- Método de la Curva Característica de Operación

Los cálculos se realizan utilizando la tabla de probabilidades de Poisson. Para
explicarlo de manera práctica propondremos el siguiente caso:
La empresa “ALPERU” ha diseñado su línea de producción de productos extruidos y
esta trabaja con un nivel de calidad aceptable del 2,0 % con lo que su producto tendrá
una probabilidad de rechazo del 3,0%, pues el alimento se destina a un cliente que
tolera hasta el 7,0 % de producto defectuoso y lo aceptará con una probabilidad del
10,0 %.
Con la información dada, se identifican los valores de p 1, p2, , y , los mismos que
son:
 p1 = AQL = 2,0% = 0,02
 p2 = LTPD = 7,0 % = 0,07
  = Riesgo del Fabricante = 3,0% = 0,03
  = Riesgo del Consumidor = 10,0% = 0,10
Se construye un cuadro tal como se indica en la tabla N° 4.2 en su primera columna se
coloca el máximo número de unidades defectuosas toleradas “c” representado por “x”.
En la segunda columna la probabilidad que tiene el fabricante para que su producto
sea aceptado (1 -  = 0,97 ), en la tercera columna se coloca la probabilidad que tiene
el consumidor de aceptar un producto (  = 0,10 ), en la cuarta y quinta columnas se
indican los tamaños de muestra que el fabricante (n  ) desearía le tomen y el tamaño
de la muestra que el cliente o consumidor (n  ) espera tomar, y finalmente en una
sexta columna se coloca el valor R = Razón de proporcionalidad = p2 / p1.
Los valores al interior de las columnas (1 -  = 0,97 ) y (  = 0,10 ) representan los
valores de  = np de la tabla de Poisson, específicamente para la segunda columna
como corresponden al fabricante es: = n p1, y la tercera columna como corresponde
al cliente será:  = n p2 .

Se calcula el valor R = p2 / p1 = 0,07 / 0,02 = 3.5; este valor es referencial para poder
posicionar el mejor plan de muestreo que corresponderá al “R” de la tabla N° 4.2 que

Ing° José Cáceres Paredes 10

se obtiene dividiendo  /  = n p2 / n p1 ; pero como los valores de n y n son el
mismo es decir “n” entonces: R =  /  = p2 / p1 .

Utilizando la Tabla de Poisson (anexo Nº 2) se calcula el  y  que corresponde a un

valor de “x” determinado tomado como referencia. Así, el valor de  que tiene una
probabilidad de aceptación del 0,97 para x  1 es igual a 0,263; el valor de  se
puede obtener por lectura directa en la tabla o realizando una interpolación; no se
debe de extrapolar. Igual procedimiento se utiliza para calcular el valor  que tiene
una probabilidad de aceptación del 0,10 para x  1, cuyo valor es 3,90; con dichos
valores se halla el valor de R = 3,90 / 0,263 = 14,83; este valor se compara con el R
inicial igual a 3,5; por lo tanto, nuestro plan se encuentra mas abajo, pues el objetivo
es hallar un plan, en la tabla, cuyo R sea igual o el mas próximo a 3,5.
Los valores de n = 0,263 / 0,02 = 13,15 = 14; y n = 3,90 / 0,07 = 55,71 = 56

Se repite la operación para otros valores de “x”; así:

Para x  4 :  = 1,70 ;  = 7,99 ; n = 85; n = 115; R = 4,70
Para x  5 :  = 2,30 ;  = 9,28 ; n = 115; n = 133; R = 4,04
Para x  7 :  = 3,56 ;  = 12,97 ; n = 178; n = 186; R = 3,64
Para x  8 :  = 4,21 ;  = 13,93 ; n = 211; n = 199; R = 3,31
Para x  9 :  = 4,93 ;  = 14,60 ; n = 247; n = 209; R = 2,96

En la tabla N° 4.2 es importante observar lo siguiente:

 A medida que el número de defectuosos tolerado (x) aumenta, el valor de R
disminuye.
 Los valores de  y  siempre están aumentando a medida que “x”
aumenta.
 Los valores de n y n aumentan a medida que “x” aumenta y
normalmente n tiende a ser menor que n . Este comportamiento se
verifica hasta el valor hallado de R, en la tabla, es mas cercano al “R”
referencial, que para nuestro caso es igual a 3,50; a partir de ese momento
se produce una inflexión en donde el valor de n se torna mayor que el n .
 Como el muestreo finalmente resulta un convenio entre el fabricante y el
cliente, se debe de buscar tamaños de muestras: n  y n cuyos valores
coincidan o se encuentren lo mas cercano uno del otro.
Tabla N° 4,2: Cálculos para diseño de plan de muestreo simple
X 1 -  =  = n =   / N =   / R =   /
0,97 0,10 p1 p1 

Ing° José Cáceres Paredes 11

 1 0,263 3,90 14 56 14,83
2
3
4 1,70 7,99 85 115 4,70
5 2,30 9,28 115 133 4,04
6
7 3,56 12,97 178 186 3,64
8 4,21 13,93 211 199 3,31
9 4,93 14,60 247 209 2,96
10

Como el valor R = 3,64 de la tabla se encuentra es el que se encuentra mas cerca del
valor referencial R = 3,50 y por otro lado los valores de n  y n que se encuentran mas
cercanos el uno del otro corresponden al plan x = 7, entonces dicho plan de muestreo
es el mejor y corresponde a: n = n  + n / 2 = 182; por lo tanto se concluye que el plan
de muestreo para las condiciones del ejercicio es n = 182, y c = 7.

b.- Método Gráfico o del Nomograma

En los anexos N° 3 y 4 se presenta el nomograma para obtener un plan de muestreo

simple para atributos presentado por Banks, J (1989), obtenido de Harry R. Larson, A
Nomograph of the Cumulative Binomial Distribution. Para obtener “n” y “c” utilizando el
nomograma, es necesario conocer: El AQL o p1, LTPD o p2, , y . El procedimiento
consiste en trazar dos líneas rectas: Una que conecte los puntos (1 - ) con p1 y la
segunda recta que una  con p2 , ambas rectas se interceptan en un determinado
punto de la gráfica, a partir del cual se proyectan dos líneas para obtener el tamaño de
la muestra “n” en el eje superior derecho y el valor “c” en el eje lateral izquierdo de la
gráfica.
Como caso práctico determinaremos el “n” y “c” de un plan de muestreo para una
empresa de alimentos que trabaja con un riesgo del 5,0% y AQL del 2,0%, cuyo
producto es destinado a un mercado que tolera como máximo 8,0% de defectuosos
con probabilidad de aceptar producto malo del 10,0%.

Con las condiciones dadas se observa que: p1 = 0,02 ; p1 = 0,08;  = 0,05; y  = 0,10.
Uniendo los puntos (1 - ) = 0,95 con p1 = 0,02 ; y  = 0,10 y p2 = 0,08 en el
nomograma se obtiene que n = 100 y c = 4.

Ing° José Cáceres Paredes 12