Академический Документы
Профессиональный Документы
Культура Документы
Gestión de la producción
01-industrial 27-Kleeberg:REVISTA INGENIERIA 27/01/2011 11:38 PÆgina 10
01-industrial 27-Kleeberg:REVISTA INGENIERIA 27/01/2011 11:38 PÆgina 11
RESUMEN: Este trabajo resume los aspectos relevantes del muestreo como
disciplina que trata con el conjunto de técnicas para obtener una muestra,
y busca orientar las actividades de los investigadores que requieren
recolectar datos por muestreo. Se organizó a partir de la definición de
términos técnicos y se continuó con la clasificación de las técnicas del mues-
treo según su selección y complejidad. Sobre este último punto se destacan
las técnicas del muestreo complejo para el diseño de encuestas, que se ha
convertido en la herramienta más común y poderosa para obtener in-
formación de poblaciones muy grandes a un costo relativamente bajo. Por
consiguiente, la utilidad del muestreo se da en toda organización que
necesite información oportuna, confiable y con el costo más bajo posible. El
artículo concluye con una revisión de los aspectos más relevantes del
muestreo de aceptación utilizado en los procesos de control de calidad.
[11]
01-industrial 27-Kleeberg:REVISTA INGENIERIA 27/01/2011 11:38 PÆgina 12
1. INTRODUCCIÓN
David Ruiz nos explica que la estadística es mucho más que solo
números apilados y gráficas bonitas.1 Es una ciencia tan antigua como
la escritura, y es por sí misma auxiliar de todas las demás ciencias.
Los mercados, la medicina, la ingeniería, los gobiernos, etcétera, se
cuentan entre sus más destacados clientes.
El objetivo de la estadística es hacer inferencias acerca de una
población con base en la información contenida en una muestra. Este
mismo objetivo motiva el estudio del problema de muestreo. Por con-
siguiente, el muestreo se define como la disciplina que trata con el con-
junto de técnicas para tomar u obtener una muestra. Si las técnicas se
basan en las leyes de la probabilidad se denomina “muestreo proba-
bilístico”, pero si las técnicas no consideran los principios de probabi-
lidad se le llama “muestreo no probabilístico”.
Los estudios por muestreo son empleados por el ingeniero indus-
trial que desea obtener información para controlar la calidad de la
producción de una fábrica; los ecólogos, para construir mapas de
comunidades de plantas; el silvicultor, que requiere conocer el ren-
dimiento de madera de un bosque, y el gerente de un servicio de eva-
luación (rating), que desea determinar la popularidad de programas
de televisión entre los espectadores. Asimismo, se usan para pronosti-
car la recolección de la cosecha, identificar las condiciones sociales y
económicas prevalecientes, como desempleo, cuidado de la salud,
inflación, y para examinar las actitudes de los ciudadanos hacia una
legislación propuesta. Un barómetro de opiniones públicas, tan impor-
tante para una democracia, se proporciona prontamente por los esti-
mativos basados en una muestra de la reacción pública a los efectos de
tales eventos como una nueva regulación salarial, un cambio mayor en
políticas de comercio o las acciones de líderes mundiales.
Usualmente, estas investigaciones utilizan técnicas cuantitativas
de recopilación de información, que permiten su extrapolación (es
posible la inferencia), pues procede de muestras obtenidas por proce-
dimientos estadísticos. Es frecuente que las investigaciones se desa-
rrollen con fines de cuantificación. Antes de las elecciones, las empre-
3. L A S TÉCNICA S DE MUESTREO
Cuadro 1
Clasificación de las técnicas de muestreo
Cuadro 2
Técnicas de muestreo probabilístico
Fortalezas Debilidades
Fortalezas Debilidades
Gráfico 1
Muestreo aleatorio simple
Gráfico 2
Muestreo sistemático
Fuente: Ibídem.
Gráfico 3
Muestreo estratificado.
Fuente: Ibídem.
Gráfico 4
Muestreo por grupos o conglomerados
Donde:
t : Valor t de Student con (n-1) grados de libertad y probabilidad
(1-α) si es 95% se puede aproximar a 2.
e = Margen de error permisible para la estimación de la media.
σ = Desviación estándar poblacional.
N = Número de elementos de la población.
Gráfico 5
Ventana para cálculo de tamaño de muestra en estudios de mercado
Fuente: <http://es.gmi-mr.com/resources/sample-size-calculator.php>.
Donde:
t : Valor t de Student con (n-1) grados de libertad y probabilidad
(1–α) si es 95% se puede aproximar a 2.
e = Margen de error permisible para la estimación de la media.
σ = Desviación estándar poblacional de unidades finales.
N = Número de unidades finales de muestreo de la población.
5. EL MUESTREO DE ACEPTACIÓN
Gráfico 6
Ventana para los muestreos de aceptación
Gráfico 7
Ventana para los muestreos de aceptación por atributo
Gráfico 8
Ventana de las gráficas de curva operativa
• Nivel de inspección
– Determina la relación entre el tamaño del lote o conjunto y el
tamaño de la muestra.
– El nivel de inspección que deba utilizarse en un caso particular
debe ser establecido por la autoridad responsable.
– En la tabla A aparecen tres niveles de inspección —I, II, III—
para uso general.
– A menos que se especifique otra cosa, se utilizará el nivel II. Sin
embargo, el nivel I puede utilizarse cuando se necesite menos
distinción, o bien el II para un discernimiento más elevado.
– Los niveles: S-1, S-2, S-3 y S-4 pueden utilizarse donde los
tamaños de las muestras necesarias sean relativamente
pequeños y los grandes riesgos de muestreo pueden o deben ser
tolerados.
• Tipos de muestreo
– Sencillos (único), dobles o múltiples.
Cuadro 3
Tabla A de letras código para tamaño de muestra Mil. Std 105E
Letras código para el tamaño de las muestras (Mil. Std 105D, tabla I)
2 a 8 A A A A A A B
9 a 15 A A A A A B C
16 a 25 A A B B B C D
26 a 50 A B B C C D E
51 a 90 B B C C C E F
91 a 150 B B C D D F G
151 a 280 B C D E E G H
281 a 500 B C D E F H J
501 a 1200 C C E F G J K
1201 a 3200 C D E G H K L
3201 a 10000 C D F G J L M
10001 a 35000 C D F H K M N
35001 a 150000 D E G J L N P
150001 a 500000 D E G J M P Q
500001 y más D E H K N Q R
Fuente: <http://www.sqconline.com/>.
C 5 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
44
D 8 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 45
E 13 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
F 20 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
G 32 0 1
1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
01-industrial 27-Kleeberg:REVISTA INGENIERIA
0 1
L 200 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
0 1 1 2
27/01/2011
0 1 1 2 2 3 3 4 7 8
Q 1250
5 6 10 11 14 15 21 22
1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
R 2000
: Useelprimerprocedimientodeinspeccióndebajodelaflecha.Sieltamañodelamuestraesigualomayorqueelloteoconjunto,hágaseinspecciónal100porciento Ac:Númerodeaceptación
PÆgina 33
: Úseseelprimerprocedimientodemuestreoarribadelaflecha. Re:Númeroderechazo
Fuente: <http://www.sqconline.com/>.
33
01-industrial 27-Kleeberg:REVISTA INGENIERIA 27/01/2011 11:38 PÆgina 34
Cuadro 4
Ventana de tabla a utilizar
Fuente: <http://www.sqconline.com/>.
Cuadro 5
Ventana del muestreo por atributo del software SQC online
Fuente: <http://www.sqconline.com/>.
Cuadro 6
Ventana del muestreo por atributo del software SQC online
Fuente: http://www.sqconline.com/.
Cuadro 7
Tabla A para definir la letra código del tamaño de muestra
Niveles de inspección
Tamaño del lote I II III IV V
3a8 B B B B C
9 a 15 B B B B D
15 a 25 B B B C E
26 a 40 B B B D F
41 a 65 B B C E G
66 a 110 B B D F H
111 a 180 B C E G I
181 a 300 B D F H J
301 a 500 C E G I K
501 a 800 D F H J L
801 a 1,300 E G I K L
1,301 a 3,200 F H J L M
3,201 a 8,000 G I L M N
8,001 a 22,000 H J M N O
22,001 a 110,000 I K N O P
110,000 a 550,000 I K O P Q
550,000 y mayor I K P Q Q
Fuente: http://www.sqconline.com/.
Tablamaestraparainspecciónnormalyseveraparaprocesosbasadosenvariabilidaddesconocida(métododeladesviaciónestandar)
(Unsololímitedeespecificación,forma1)tablaBͲ1,Mil.Std.414
Nivelesaceptablesdecalidad(inspecciónnormal)
Letracódigo
Tamañodela
deltamaño 0.04 0.065 0.10 0.15 0.25 0.40 0.65 1.00 1.50 2.50 4.00 6.50 10.00 15.00
muestra
delamuestra
k k k k K k k k k k k k k k
B 3
1.12 0.958 0.765 0.566 0.341
C 4 1.45 1.34 1.17 1.01 0.814 0.617 0.393
01-industrial 27-Kleeberg:REVISTA INGENIERIA
I 25 2.72 2.61 2.50 2.40 2.26 2.14 1.98 1.85 1.72 1.53 1.35 1.14 0.936 0.712
J 30 2.73 2.61 2.51 2.41 2.28 2.15 2.00 1.86 1.73 1.55 1.36 1.15 0.946 0.723
K 35 2.77 2.65 2.54 2.45 2.31 2.18 2.03 1.89 1.76 1.57 1.39 1.18 0.969 0.745
11:38
L 40 2.77 2.66 2.55 2.44 2.31 2.18 2.03 1.89 1.76 1.58 1.39 1.18 0.971 0.746
M 50 2.83 2.71 2.60 2.50 2.35 2.22 2.08 1.93 1.80 1.61 1.42 1.21 1.00 0.774
N 75 2.90 2.77 2.66 2.55 2.41 2.27 2.12 1.98 1.84 1.65 1.46 1.24 1.03 0.804
O 100 2.92 2.80 2.69 2.58 2.43 2.29 2.14 2.00 1.86 1.67 1.48 1.26 1.05 0.819
PÆgina 38
P 150 2.96 2.84 2.73 2.61 2.47 2.33 2.18 2.03 1.89 1.70 1.51 1.29 1.07 0.841
Q 200 2.97 2.85 2.73 2.62 2.47 2.33 2.18 2.04 1.89 1.70 1.51 1.29 1.07 0.845
0.065 0.10 0.15 0.25 0.40 0.65 1.00 1.50 2.50 4.00 6.50 10.00 15.00
Nivelesaceptablesdecalidad(inspecciónsevera)
Fuente: <http://www.sqconline.com>
01-industrial 27-Kleeberg:REVISTA INGENIERIA 27/01/2011 11:38 PÆgina 39
Cuadro 9
Ventana de ingreso de parámetros y ventana para estimar
el porcentaje de defectuosos
Fuente: <http://www.sqconline.com>.
BIBLIOGRAFÍA