SlideShare a Scribd company logo
1 of 45
MUESTREO DE ACEPTACIÓN 
Control estadístico de calidad
CONTENIDO 
1. Concepto de muestreo de aceptación. Ventajas y 
desventajas. 
2. Errores muestrales 
3. Tipos de planes de muestreo 
4. Planes de muestreo por atributos 
5. Generalidades de Muestreo de aceptación por 
variables
CUANDO SE RECIBE UN LOTE DE MATERIA PRIMA O 
CUALQUIER OTRO COMPONENTE, HAY TRES OPCIONES: 
 Aceptarlo sin inspección. 
 Inspección al 100%. 
Muestreo de aceptación 
Propósito: no es estimar la calidad sino juzgar 
los lotes.
1. MUESTREO DE ACEPTACIÓN. 
CONCEPTO. 
Procedimiento mediante el cual se puede decidir si 
aceptar o rechazar un lote de productos, de 
acuerdo a ciertas especificaciones de calidad. 
Aplicación: inspección de materias primas, 
productos semi-elaborados y otros componentes; 
para determinar si éstos cumplen con el nivel 
mínimo exigido.
Procedimiento 
General del 
Muestreo por 
Aceptación
EL MUESTREO DE ACEPTACIÓN ES ÚTIL 
CUANDO: 
 La prueba es destructiva 
 Es muy alto el costo de inspección o consume 
mucho tiempo 
 El no. de artículos a inspeccionar es muy elevado. 
El error cometido en una inspección 100% puede 
ser mayor que el cometido en un muestreo de 
aceptación. 
 El historial de calidad del proveedor es bueno.
MUESTREO DE ACEPTACIÓN. 
VENTAJAS Y DESVENTAJAS. 
Ventajas 
 Menos costoso 
 Menor manejo del 
producto, se reducen 
daños 
 Puede aplicarse cuando 
las pruebas son 
destructivas 
 Menos personal implicado 
en la inspección 
Desventajas 
 Se pueden rechazar lotes 
buenos y aceptar lotes 
malos, aún con 
proporciones de 
defectuosos, p, bajos. 
 Se requiere una serie de 
cálculos y documentación 
que no son necesarios en 
una inspección al 100%
TIPOS DE PLANES DE MUESTREO DE ACEPTACIÓN: 
Muestreo de 
Aceptación 
Por 
variables 
Por 
atributos 
Tipos de 
muestreo por 
atributos 
Simple 
Doble 
Múltiple 
Secuencial
2. ERRORES MUESTRALES 
No hay error Error tipo II. 
Riesgo del 
consumidor 
Error tipo I, 
Riesgo del 
productor 
No hay error 
Bueno 
Malo 
El lote realmente es: 
Bueno Malo 
La muestra dice 
que el lote es: 
 

3. PLANES DE MUESTREO. TIPOS 
Plan de muestreo: planteamiento que indica 
el tamaño muestral que hay que utilizar y los 
criterios de aceptación o rechazo 
correspondientes para juzgar el lote. 
Tipos: 
1) Simple 
2) Doble 
Por atributos 
3) Múltiple por Lotes 
4) Múltiple Secuencial
Muestreo de Aceptación 
por Atributos
Plan de muestreo simple 
Se toma una muestra de n unidades y se 
determina el destino del lote en base a la 
información contenida en la muestra. 
Ejemplo: tomar una muestra de tamaño 80, n, y si 
hay más de 6 artículos defectuosos, c, se rechaza 
el lote.
PLAN DE MUESTREO DOBLE. 
Inspeccionar una muestra aleatoria de 
tamaño n1 y contar el no. de 
defectuosos d1 
Inspeccionar una muestra aleatoria de 
tamaño n2 y contar el no. de 
defectuosos d2 
Rechazar 
el lote 
Aceptar 
el lote 
Rechazar 
el lote 
Aceptar 
el lote 
d1 <= c1 d1 > c2 
c1< d1 <= c2 
d1+d2 <= c2 d1+d2> c2
EJERCICIOS: ¿ACEPTO O RECHAZO LA MUESTRA? 
Casi1 Muestreo Simple 
 Si n= 50, d= 5, c = 4 
Caso 2 Muestreo Doble 
 Si c1 = 2, c2= 4 
 Si d1= 3, y d2=1 
Caso3 Muestreo Doble 
 Si c1 = 5, c2= 9 
 Si d1= 4, y d2= 6
PLAN DE MUESTREO MÚLTIPLE POR LOTES 
Es una extensión del concepto de muestreo doble, en 
el que pueden necesitarse más de dos muestras para 
llegar a una decisión acerca del lote. 
Los tamaños muestrales suelen ser menores que en 
un muestreo simple o doble, pero es más complicado 
de llevar a cabo.
PLAN DE MUESTREO MÚLTIPLE 
SECUENCIAL 
Se selecciona un artículo a la vez y si el número de 
defectuosos es mayor que cierto límite LS se 
rechaza, si es menor que cierto límite inferior LI se 
acepta, y si está entre ambos límites se toma otra 
unidad.
Plan de muestreo secuencial 
10 20 30 40 
3 
2 
1 
-1 
-2 
-3 
No. de artículos 
inspeccionados 
No. de artículos 
defectuosos 
ZONA DE 
RECHAZO 
ZONA DE 
ACEPTACIÓN 
Si d=3 y n=10 
¿qué sucede?
4. PLANES DE MUESTREO POR ATRIBUTOS. 
PLAN DE MUESTREO SIMPLE 
Se toma una muestra aleatoria de tamaño 
“n” y si ésta contiene más de “c” unidades 
defectuosas se rechaza el lote. 
Parámetros: 
n: tamaño de la muestra 
c: no. máximo de defectuosos que se 
aceptan en una muestra.
Para establecer un plan de muestreo simple 
es necesario definir: 
NCA (AQL): Nivel de calidad aceptable, 
porcentaje o proporción de defectuosos que den 
un nivel de calidad aceptable. 
PDTL (RQL, NCL, LTPD, LQL,): porcentaje o 
proporción de defectuosos tolerable por lotes. 
Debe tener baja probabilidad de aceptación.
NCA (AQL): NIVEL DE CALIDAD ACEPTABLE. 
 Es el máximo porcentaje de defectuosos que un 
productor acepta en su proceso. Si p (proporción 
de defectuosos )<NCA el proceso se considera de 
buena calidad. Es un valor Asociado a 
 
 Es el % máximo de artículos defectuosos en un lote 
que pueden ser considerados aceptables en 
promedio. 
 Sería deseable que los lotes tuvieran, en promedio, 
esta calidad o mejor. 
 Si el proceso tuviera esta calidad, la inmensa 
mayoría de los lotes deberían ser aceptados. 
 Es la definición numérica de un buen lote
PDTL (RQL, LQL, NCL, LTPD): 
 Porcentaje defectuoso tolerable por lotes, Nivel de 
calidad Límite. Es el máximo porcentaje de 
defectuosos que un consumidor acepta.  
Está 
Asociado a 
 El % de artículos defectuosos en un lote que el 
consumidor quiere que tenga una baja 
probabilidad de aceptación. 
 Un lote que tenga calidad cercana al PDTL, no 
debiese ser admitido, sino por accidente. 
 Si la fracción de defectuosos del proceso estuviera 
cerca del PDTL, la mayoría de los lotes serían 
rechazados.
PARA FIJAR NCA Y PDTL 
Un lote bueno rechazado es un 
problema 
 tanto para el productor 
 como para el consumidor. 
 Un lote ‘malo’ aceptado es 
también un problema para ambos.
DISEÑO DE UN PLAN DE MUESTREO SIMPLE: 
CÁLCULO DE N Y C. 
Dependen de 4 factores: 
NCA, PDTL, y . 
  
Se utilizan valores tabulados o programas como WIN QSB 
o Minitab
CURVA DE OPERACIÓN IDEAL 
Probabilidad De Aceptación
CURVA DE OPERACIÓN, CO, MODELO REAL 
PARA CUALQUIER PROPORCIÓN DE DEFECTOS , “P D”, EN UN 
LOTE RECIBIDO DE TAMAÑO “N” Y CON “C” DE PERMITIDOS, LA 
CURVA CO MUESTRA LA PROBABILIDAD DE QUE SE ACEPTARÁ 
ESE LOTE, PΑ, (PROBABILIDAD DE ACEPTACIÓN POR 
BINOMIAL) 
probabilidad de aceptación 
1 
0.9 
0.8 
0.7 
0.6 
0.5 
0.4 
0.3 
0.2 
0.1 
0 
Ej. Si s 
n=100 y c=2 
0 0.02 0.04 0.06 0.08 0.1 0.12 
proporción de defectos 
 

PROBABILIDAD DE ACEPTACIÓN DEL PLAN N = 
60, C =1, PARA DIFERENTES VALORES DE P Y 
SUPONIENDO TAMAÑO DE LOTE GRANDE 
Proporción de defectuosos (p) Probabilidad de aceptación (Pa) 
0.001 0.9982 
0.005 0.9634 
0.01 0.8787 
0.015 0.7727 
0.02 0.6619 
0.03 0.4592 
0.04 0.3022 
0.05 0.1915 
0.06 0.1179 
0.07 0.0709 
0.08 0.0417 
0.1 0.0137 
0.15 0.0006
 

VARIANDO MUESTRA Y C
VARIANDO “C” PARA IGUAL MUESTRA
VARIANDO EL TAMAÑO DE POBLACIÓN
IGUAL PROPORCIÓN DE MUESTREO
OTROS INDICADORES 
 CPS= AOQ= p * Pa, Calidad promedio de salida, 
es la calidad que se obtiene luego de un proceso 
de inspección con mejora, retirando las piezas 
defectuosas de los lotes rechazados. Ej. Si rechazo 
el 100 de los lotes y de ellos retiro todos los 
defectuosos por piezas buenas, el CPS=0. Con 
diferentes valores de “P” genera una curva. 
 AOQL= peor valor de AOQ, el valor límite. 
 ASN= número promedio de objetos muestreados 
en un plan. 
 ITP=ATI= Inspección total promedio, cantidad de 
objetos muestreados por lote para un muestreo 
simple con mejora ITP= n+(1-Pa) (N-n).
CPS= AOQ
ITP=ATI
Se quiere definir un plan de muestreo simple de 
aceptación para inspeccionar lotes de 1000 
unidades, que garantice un riesgo de 1% para el 
fabricante y un riesgo del 5% para el consumidor 
del lote. El NCA y el PDTL son del 1% y el 5% 
respectivamente. = 5 % y = 10 % 
  
Buscar “n” y “c” recomendados con winqsb
WINQSB MÓDULO: ACCEPTANCE SAMPLE 
ANALYSIS, SINGLE SAMPLING.
SEARCH SINGLE SAMPLING PLAN
PLAN
CURVA DE OPERACIÓN: 
n=100, c=2 
Porcentaje defectuosos 
Porcentaje de aceptación
P PORCENTAJE DEFECTUOSOS, PA PORCENTAJE ACEPTACIÓN 
AOQ CALIDAD PROMEDIO OBTENIDA EN LOTES DE SALIDA
AOQ: CALIDAD PROMEDIO OBTENIDA EN LOS LOTES A LA 
SALIDA DE LA ACTIVIDAD DE INSPECCIÓN CON RECTIFICACIÓN. 
EN %. 
Porcentaje defectuosos
AOQ 
 Compara la calidad de salida promedio de los lotes 
con la calidad de llegada de los mismos
CURVA ITP=ATI= INSPECCIÓN TOTAL 
PROMEDIO
5. MUESTREO DE ACEPTACIÓN POR 
VARIABLES 
Ventajas 
 Requiere un tamaño 
muestral más pequeño 
que un muestreo por 
atributos 
 Las mediciones de una 
característica de calidad 
proporcionan más 
información sobre un lote 
que el número de 
defectuosos 
Desventajas 
 Se asume una 
distribución normal para 
la característica de 
calidad. 
 Se debe usar un plan de 
muestreo para cada 
característica de calidad
MUESTREO DE ACEPTACIÓN. 
FIN 
Control estadístico de calidad

More Related Content

What's hot

Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Juan Negrete
 
Diferencias y semejanzas de los tipos de sistemas de producción
Diferencias y semejanzas de los tipos de sistemas de producciónDiferencias y semejanzas de los tipos de sistemas de producción
Diferencias y semejanzas de los tipos de sistemas de producciónJose Rafael Estrada
 
Diagrama Matricial
Diagrama MatricialDiagrama Matricial
Diagrama MatricialViviana3011
 
Taller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoTaller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoSandra Liliana
 
Diseño y selección de herramientas
Diseño y selección de herramientasDiseño y selección de herramientas
Diseño y selección de herramientasRafael Vera
 
1. hojas de verificación.
1. hojas de verificación.1. hojas de verificación.
1. hojas de verificación.cadillacsaab
 
Diagrama Recorrido y Diagrama de Relaciones
Diagrama Recorrido y Diagrama de RelacionesDiagrama Recorrido y Diagrama de Relaciones
Diagrama Recorrido y Diagrama de RelacionesJoseangelOdor
 
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTROEmma Maria Jose
 
AP - TEMA 09: DISTRIBUCION DE PROCESOS
AP - TEMA 09: DISTRIBUCION DE PROCESOSAP - TEMA 09: DISTRIBUCION DE PROCESOS
AP - TEMA 09: DISTRIBUCION DE PROCESOSMANUEL GARCIA
 
Análisis de la operación (los diez enfoques primarios) 2
Análisis de la operación (los diez enfoques primarios)  2Análisis de la operación (los diez enfoques primarios)  2
Análisis de la operación (los diez enfoques primarios) 2Juan Manuel Carrión Delgado
 

What's hot (20)

Diseño factorial 2k...
Diseño factorial 2k...Diseño factorial 2k...
Diseño factorial 2k...
 
7. ejemplos de amfe
7.  ejemplos de amfe7.  ejemplos de amfe
7. ejemplos de amfe
 
Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2
 
Balanceo de líneas
Balanceo de líneasBalanceo de líneas
Balanceo de líneas
 
Diferencias y semejanzas de los tipos de sistemas de producción
Diferencias y semejanzas de los tipos de sistemas de producciónDiferencias y semejanzas de los tipos de sistemas de producción
Diferencias y semejanzas de los tipos de sistemas de producción
 
Diagrama Matricial
Diagrama MatricialDiagrama Matricial
Diagrama Matricial
 
3.1 sistemas de tiempos predeterminados
3.1 sistemas de tiempos predeterminados3.1 sistemas de tiempos predeterminados
3.1 sistemas de tiempos predeterminados
 
Taller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoTaller p y np sandra liliana patiño
Taller p y np sandra liliana patiño
 
Unidad 5-analisis-de-sensibilidad
Unidad 5-analisis-de-sensibilidadUnidad 5-analisis-de-sensibilidad
Unidad 5-analisis-de-sensibilidad
 
Diseño y selección de herramientas
Diseño y selección de herramientasDiseño y selección de herramientas
Diseño y selección de herramientas
 
Análisis de la capacidad de un proceso
Análisis de la capacidad de un procesoAnálisis de la capacidad de un proceso
Análisis de la capacidad de un proceso
 
1. hojas de verificación.
1. hojas de verificación.1. hojas de verificación.
1. hojas de verificación.
 
Simulacion discreta
Simulacion discretaSimulacion discreta
Simulacion discreta
 
Diagrama Recorrido y Diagrama de Relaciones
Diagrama Recorrido y Diagrama de RelacionesDiagrama Recorrido y Diagrama de Relaciones
Diagrama Recorrido y Diagrama de Relaciones
 
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
 
AP - TEMA 09: DISTRIBUCION DE PROCESOS
AP - TEMA 09: DISTRIBUCION DE PROCESOSAP - TEMA 09: DISTRIBUCION DE PROCESOS
AP - TEMA 09: DISTRIBUCION DE PROCESOS
 
Análisis de la operación (los diez enfoques primarios) 2
Análisis de la operación (los diez enfoques primarios)  2Análisis de la operación (los diez enfoques primarios)  2
Análisis de la operación (los diez enfoques primarios) 2
 
Grafica de control
Grafica de controlGrafica de control
Grafica de control
 
planeación agregada
 planeación agregada planeación agregada
planeación agregada
 
Programacion de metas y objetivos
Programacion de metas y objetivosProgramacion de metas y objetivos
Programacion de metas y objetivos
 

Similar to Muestreo Aceptacion

Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473ivan_antrax
 
Muestreo en control de calidad
Muestreo en control de calidadMuestreo en control de calidad
Muestreo en control de calidadsorayac
 
Muestreo en control de calidad
Muestreo en control de calidadMuestreo en control de calidad
Muestreo en control de calidadsorayac
 
Tema6 muestreo-aceptacion-atributos
Tema6 muestreo-aceptacion-atributosTema6 muestreo-aceptacion-atributos
Tema6 muestreo-aceptacion-atributosMoissGuerreroEsperan
 
República bolivariana de venezuela 2.1
República bolivariana de venezuela 2.1República bolivariana de venezuela 2.1
República bolivariana de venezuela 2.1LUISRICHE
 
Control de calidad(veronica ochoa)
Control de calidad(veronica ochoa)Control de calidad(veronica ochoa)
Control de calidad(veronica ochoa)vcaroloh
 
Unidad7_muestreo_aceptacion.pdf
Unidad7_muestreo_aceptacion.pdfUnidad7_muestreo_aceptacion.pdf
Unidad7_muestreo_aceptacion.pdfLuisaRamos624199
 
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...Roberto Lugo
 
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....CarlosQuindeBajaa
 
Aceptacion por muestreo. Control de Calidad
Aceptacion por muestreo. Control de CalidadAceptacion por muestreo. Control de Calidad
Aceptacion por muestreo. Control de CalidadAndres Guaca
 
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptx
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptxPLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptx
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptxJGenaroCk
 
Muestreo por aceptación "Por Miguel vargas"
Muestreo por aceptación "Por Miguel vargas"Muestreo por aceptación "Por Miguel vargas"
Muestreo por aceptación "Por Miguel vargas"franciscoe71
 
Exposición Grupo 1 sobre la calidad.pptx
Exposición Grupo 1 sobre la calidad.pptxExposición Grupo 1 sobre la calidad.pptx
Exposición Grupo 1 sobre la calidad.pptxRickSnchez12
 
Muestreo Patricia Vargas y Henry Cortez
Muestreo Patricia Vargas y Henry CortezMuestreo Patricia Vargas y Henry Cortez
Muestreo Patricia Vargas y Henry CortezPatriciaVargas126
 

Similar to Muestreo Aceptacion (20)

Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473
 
02. muestreo aceptacion-cec
02. muestreo aceptacion-cec02. muestreo aceptacion-cec
02. muestreo aceptacion-cec
 
Muestreo en control de calidad
Muestreo en control de calidadMuestreo en control de calidad
Muestreo en control de calidad
 
Muestreo en control de calidad
Muestreo en control de calidadMuestreo en control de calidad
Muestreo en control de calidad
 
Tema6 muestreo-aceptacion-atributos
Tema6 muestreo-aceptacion-atributosTema6 muestreo-aceptacion-atributos
Tema6 muestreo-aceptacion-atributos
 
República bolivariana de venezuela 2.1
República bolivariana de venezuela 2.1República bolivariana de venezuela 2.1
República bolivariana de venezuela 2.1
 
Control de calidad(veronica ochoa)
Control de calidad(veronica ochoa)Control de calidad(veronica ochoa)
Control de calidad(veronica ochoa)
 
8 planes de muestreo
8 planes de muestreo8 planes de muestreo
8 planes de muestreo
 
Unidad7_muestreo_aceptacion.pdf
Unidad7_muestreo_aceptacion.pdfUnidad7_muestreo_aceptacion.pdf
Unidad7_muestreo_aceptacion.pdf
 
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...
Teoría de muestreo de aceptación,tablas de distribución Binomial y de Poisson...
 
05. aceptación tema5
05. aceptación tema505. aceptación tema5
05. aceptación tema5
 
Clase ues bromato muestreo
Clase ues bromato muestreoClase ues bromato muestreo
Clase ues bromato muestreo
 
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....
MUESTREO DE ACEPTACIÓN DE PRODUCTOS (MATERIAS PRIMAS Y PRODUTOS TERMINADOS).....
 
Aceptacion por muestreo. Control de Calidad
Aceptacion por muestreo. Control de CalidadAceptacion por muestreo. Control de Calidad
Aceptacion por muestreo. Control de Calidad
 
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptx
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptxPLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptx
PLAN DE ACEPTACIÓN POR ATRIBUTOS 23.pptx
 
Muestreo por aceptación "Por Miguel vargas"
Muestreo por aceptación "Por Miguel vargas"Muestreo por aceptación "Por Miguel vargas"
Muestreo por aceptación "Por Miguel vargas"
 
muestreo de aceptacion
muestreo de aceptacionmuestreo de aceptacion
muestreo de aceptacion
 
Exposición Grupo 1 sobre la calidad.pptx
Exposición Grupo 1 sobre la calidad.pptxExposición Grupo 1 sobre la calidad.pptx
Exposición Grupo 1 sobre la calidad.pptx
 
Muestreo de productos alimentarios abr116
Muestreo de productos alimentarios abr116Muestreo de productos alimentarios abr116
Muestreo de productos alimentarios abr116
 
Muestreo Patricia Vargas y Henry Cortez
Muestreo Patricia Vargas y Henry CortezMuestreo Patricia Vargas y Henry Cortez
Muestreo Patricia Vargas y Henry Cortez
 

More from Luis Dicovskiy

Tendencias de las tic en la educación
Tendencias de las tic en la educación Tendencias de las tic en la educación
Tendencias de las tic en la educación Luis Dicovskiy
 
El costo de la calidad
El costo de la calidad El costo de la calidad
El costo de la calidad Luis Dicovskiy
 
Muestreo generalidades
Muestreo generalidadesMuestreo generalidades
Muestreo generalidadesLuis Dicovskiy
 
Rúbrica Estadística Ejercicios
Rúbrica Estadística EjerciciosRúbrica Estadística Ejercicios
Rúbrica Estadística EjerciciosLuis Dicovskiy
 
Rubrica Estadística Inverencial
Rubrica Estadística InverencialRubrica Estadística Inverencial
Rubrica Estadística InverencialLuis Dicovskiy
 
Rúbrica de ejercicios de Estadística
Rúbrica de ejercicios de EstadísticaRúbrica de ejercicios de Estadística
Rúbrica de ejercicios de EstadísticaLuis Dicovskiy
 
Rúbrica del informe final
Rúbrica del informe finalRúbrica del informe final
Rúbrica del informe finalLuis Dicovskiy
 
Diseño de experimentos
Diseño de experimentosDiseño de experimentos
Diseño de experimentosLuis Dicovskiy
 
Diagrama de afinidad, Clase Práctica
Diagrama de afinidad, Clase PrácticaDiagrama de afinidad, Clase Práctica
Diagrama de afinidad, Clase PrácticaLuis Dicovskiy
 
Ejemplo de lluvias de ideas
Ejemplo de lluvias de ideasEjemplo de lluvias de ideas
Ejemplo de lluvias de ideasLuis Dicovskiy
 
Unidad I Humedad Granos
Unidad I Humedad GranosUnidad I Humedad Granos
Unidad I Humedad GranosLuis Dicovskiy
 
Estadistica Básica para Docentes de Secundaria
Estadistica Básica para Docentes de SecundariaEstadistica Básica para Docentes de Secundaria
Estadistica Básica para Docentes de SecundariaLuis Dicovskiy
 
Producción De Plántulas De Hortalizas
Producción De Plántulas De HortalizasProducción De Plántulas De Hortalizas
Producción De Plántulas De HortalizasLuis Dicovskiy
 
Semillas de Hortalizas
Semillas de HortalizasSemillas de Hortalizas
Semillas de HortalizasLuis Dicovskiy
 
Preparacion Suelos en Hortalizas
Preparacion Suelos en HortalizasPreparacion Suelos en Hortalizas
Preparacion Suelos en HortalizasLuis Dicovskiy
 

More from Luis Dicovskiy (20)

Tendencias de las tic en la educación
Tendencias de las tic en la educación Tendencias de las tic en la educación
Tendencias de las tic en la educación
 
El costo de la calidad
El costo de la calidad El costo de la calidad
El costo de la calidad
 
Diagramas de control
Diagramas de controlDiagramas de control
Diagramas de control
 
Muestreo generalidades
Muestreo generalidadesMuestreo generalidades
Muestreo generalidades
 
Rúbrica Estadística Ejercicios
Rúbrica Estadística EjerciciosRúbrica Estadística Ejercicios
Rúbrica Estadística Ejercicios
 
Rubrica Estadística Inverencial
Rubrica Estadística InverencialRubrica Estadística Inverencial
Rubrica Estadística Inverencial
 
Rúbrica de ejercicios de Estadística
Rúbrica de ejercicios de EstadísticaRúbrica de ejercicios de Estadística
Rúbrica de ejercicios de Estadística
 
Rúbrica del informe final
Rúbrica del informe finalRúbrica del informe final
Rúbrica del informe final
 
Diseño de experimentos
Diseño de experimentosDiseño de experimentos
Diseño de experimentos
 
Diagrama de afinidad, Clase Práctica
Diagrama de afinidad, Clase PrácticaDiagrama de afinidad, Clase Práctica
Diagrama de afinidad, Clase Práctica
 
Ejemplo de lluvias de ideas
Ejemplo de lluvias de ideasEjemplo de lluvias de ideas
Ejemplo de lluvias de ideas
 
Unidad I Humedad Granos
Unidad I Humedad GranosUnidad I Humedad Granos
Unidad I Humedad Granos
 
Estadistica Básica para Docentes de Secundaria
Estadistica Básica para Docentes de SecundariaEstadistica Básica para Docentes de Secundaria
Estadistica Básica para Docentes de Secundaria
 
Producción De Plántulas De Hortalizas
Producción De Plántulas De HortalizasProducción De Plántulas De Hortalizas
Producción De Plántulas De Hortalizas
 
Plagas de hortalizas
Plagas de hortalizasPlagas de hortalizas
Plagas de hortalizas
 
Injertos
InjertosInjertos
Injertos
 
Semillas de Hortalizas
Semillas de HortalizasSemillas de Hortalizas
Semillas de Hortalizas
 
Preparacion Suelos en Hortalizas
Preparacion Suelos en HortalizasPreparacion Suelos en Hortalizas
Preparacion Suelos en Hortalizas
 
Informe Final
Informe FinalInforme Final
Informe Final
 
Foda
FodaFoda
Foda
 

Recently uploaded

Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxlclcarmen
 
Registro Auxiliar - Primaria 2024 (1).pptx
Registro Auxiliar - Primaria  2024 (1).pptxRegistro Auxiliar - Primaria  2024 (1).pptx
Registro Auxiliar - Primaria 2024 (1).pptxFelicitasAsuncionDia
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxYadi Campos
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosJonathanCovena1
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfpatriciaines1993
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSYadi Campos
 
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...JAVIER SOLIS NOYOLA
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICAÁngel Encinas
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesYanirisBarcelDelaHoz
 

Recently uploaded (20)

Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptxTIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
TIPOLOGÍA TEXTUAL- EXPOSICIÓN Y ARGUMENTACIÓN.pptx
 
Registro Auxiliar - Primaria 2024 (1).pptx
Registro Auxiliar - Primaria  2024 (1).pptxRegistro Auxiliar - Primaria  2024 (1).pptx
Registro Auxiliar - Primaria 2024 (1).pptx
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
Criterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficiosCriterios ESG: fundamentos, aplicaciones y beneficios
Criterios ESG: fundamentos, aplicaciones y beneficios
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonables
 

Muestreo Aceptacion

  • 1. MUESTREO DE ACEPTACIÓN Control estadístico de calidad
  • 2. CONTENIDO 1. Concepto de muestreo de aceptación. Ventajas y desventajas. 2. Errores muestrales 3. Tipos de planes de muestreo 4. Planes de muestreo por atributos 5. Generalidades de Muestreo de aceptación por variables
  • 3. CUANDO SE RECIBE UN LOTE DE MATERIA PRIMA O CUALQUIER OTRO COMPONENTE, HAY TRES OPCIONES:  Aceptarlo sin inspección.  Inspección al 100%. Muestreo de aceptación Propósito: no es estimar la calidad sino juzgar los lotes.
  • 4. 1. MUESTREO DE ACEPTACIÓN. CONCEPTO. Procedimiento mediante el cual se puede decidir si aceptar o rechazar un lote de productos, de acuerdo a ciertas especificaciones de calidad. Aplicación: inspección de materias primas, productos semi-elaborados y otros componentes; para determinar si éstos cumplen con el nivel mínimo exigido.
  • 5. Procedimiento General del Muestreo por Aceptación
  • 6. EL MUESTREO DE ACEPTACIÓN ES ÚTIL CUANDO:  La prueba es destructiva  Es muy alto el costo de inspección o consume mucho tiempo  El no. de artículos a inspeccionar es muy elevado. El error cometido en una inspección 100% puede ser mayor que el cometido en un muestreo de aceptación.  El historial de calidad del proveedor es bueno.
  • 7. MUESTREO DE ACEPTACIÓN. VENTAJAS Y DESVENTAJAS. Ventajas  Menos costoso  Menor manejo del producto, se reducen daños  Puede aplicarse cuando las pruebas son destructivas  Menos personal implicado en la inspección Desventajas  Se pueden rechazar lotes buenos y aceptar lotes malos, aún con proporciones de defectuosos, p, bajos.  Se requiere una serie de cálculos y documentación que no son necesarios en una inspección al 100%
  • 8. TIPOS DE PLANES DE MUESTREO DE ACEPTACIÓN: Muestreo de Aceptación Por variables Por atributos Tipos de muestreo por atributos Simple Doble Múltiple Secuencial
  • 9. 2. ERRORES MUESTRALES No hay error Error tipo II. Riesgo del consumidor Error tipo I, Riesgo del productor No hay error Bueno Malo El lote realmente es: Bueno Malo La muestra dice que el lote es:  
  • 10. 3. PLANES DE MUESTREO. TIPOS Plan de muestreo: planteamiento que indica el tamaño muestral que hay que utilizar y los criterios de aceptación o rechazo correspondientes para juzgar el lote. Tipos: 1) Simple 2) Doble Por atributos 3) Múltiple por Lotes 4) Múltiple Secuencial
  • 11. Muestreo de Aceptación por Atributos
  • 12. Plan de muestreo simple Se toma una muestra de n unidades y se determina el destino del lote en base a la información contenida en la muestra. Ejemplo: tomar una muestra de tamaño 80, n, y si hay más de 6 artículos defectuosos, c, se rechaza el lote.
  • 13. PLAN DE MUESTREO DOBLE. Inspeccionar una muestra aleatoria de tamaño n1 y contar el no. de defectuosos d1 Inspeccionar una muestra aleatoria de tamaño n2 y contar el no. de defectuosos d2 Rechazar el lote Aceptar el lote Rechazar el lote Aceptar el lote d1 <= c1 d1 > c2 c1< d1 <= c2 d1+d2 <= c2 d1+d2> c2
  • 14. EJERCICIOS: ¿ACEPTO O RECHAZO LA MUESTRA? Casi1 Muestreo Simple  Si n= 50, d= 5, c = 4 Caso 2 Muestreo Doble  Si c1 = 2, c2= 4  Si d1= 3, y d2=1 Caso3 Muestreo Doble  Si c1 = 5, c2= 9  Si d1= 4, y d2= 6
  • 15. PLAN DE MUESTREO MÚLTIPLE POR LOTES Es una extensión del concepto de muestreo doble, en el que pueden necesitarse más de dos muestras para llegar a una decisión acerca del lote. Los tamaños muestrales suelen ser menores que en un muestreo simple o doble, pero es más complicado de llevar a cabo.
  • 16. PLAN DE MUESTREO MÚLTIPLE SECUENCIAL Se selecciona un artículo a la vez y si el número de defectuosos es mayor que cierto límite LS se rechaza, si es menor que cierto límite inferior LI se acepta, y si está entre ambos límites se toma otra unidad.
  • 17. Plan de muestreo secuencial 10 20 30 40 3 2 1 -1 -2 -3 No. de artículos inspeccionados No. de artículos defectuosos ZONA DE RECHAZO ZONA DE ACEPTACIÓN Si d=3 y n=10 ¿qué sucede?
  • 18. 4. PLANES DE MUESTREO POR ATRIBUTOS. PLAN DE MUESTREO SIMPLE Se toma una muestra aleatoria de tamaño “n” y si ésta contiene más de “c” unidades defectuosas se rechaza el lote. Parámetros: n: tamaño de la muestra c: no. máximo de defectuosos que se aceptan en una muestra.
  • 19. Para establecer un plan de muestreo simple es necesario definir: NCA (AQL): Nivel de calidad aceptable, porcentaje o proporción de defectuosos que den un nivel de calidad aceptable. PDTL (RQL, NCL, LTPD, LQL,): porcentaje o proporción de defectuosos tolerable por lotes. Debe tener baja probabilidad de aceptación.
  • 20. NCA (AQL): NIVEL DE CALIDAD ACEPTABLE.  Es el máximo porcentaje de defectuosos que un productor acepta en su proceso. Si p (proporción de defectuosos )<NCA el proceso se considera de buena calidad. Es un valor Asociado a   Es el % máximo de artículos defectuosos en un lote que pueden ser considerados aceptables en promedio.  Sería deseable que los lotes tuvieran, en promedio, esta calidad o mejor.  Si el proceso tuviera esta calidad, la inmensa mayoría de los lotes deberían ser aceptados.  Es la definición numérica de un buen lote
  • 21. PDTL (RQL, LQL, NCL, LTPD):  Porcentaje defectuoso tolerable por lotes, Nivel de calidad Límite. Es el máximo porcentaje de defectuosos que un consumidor acepta.  Está Asociado a  El % de artículos defectuosos en un lote que el consumidor quiere que tenga una baja probabilidad de aceptación.  Un lote que tenga calidad cercana al PDTL, no debiese ser admitido, sino por accidente.  Si la fracción de defectuosos del proceso estuviera cerca del PDTL, la mayoría de los lotes serían rechazados.
  • 22. PARA FIJAR NCA Y PDTL Un lote bueno rechazado es un problema  tanto para el productor  como para el consumidor.  Un lote ‘malo’ aceptado es también un problema para ambos.
  • 23. DISEÑO DE UN PLAN DE MUESTREO SIMPLE: CÁLCULO DE N Y C. Dependen de 4 factores: NCA, PDTL, y .   Se utilizan valores tabulados o programas como WIN QSB o Minitab
  • 24. CURVA DE OPERACIÓN IDEAL Probabilidad De Aceptación
  • 25. CURVA DE OPERACIÓN, CO, MODELO REAL PARA CUALQUIER PROPORCIÓN DE DEFECTOS , “P D”, EN UN LOTE RECIBIDO DE TAMAÑO “N” Y CON “C” DE PERMITIDOS, LA CURVA CO MUESTRA LA PROBABILIDAD DE QUE SE ACEPTARÁ ESE LOTE, PΑ, (PROBABILIDAD DE ACEPTACIÓN POR BINOMIAL) probabilidad de aceptación 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 Ej. Si s n=100 y c=2 0 0.02 0.04 0.06 0.08 0.1 0.12 proporción de defectos  
  • 26. PROBABILIDAD DE ACEPTACIÓN DEL PLAN N = 60, C =1, PARA DIFERENTES VALORES DE P Y SUPONIENDO TAMAÑO DE LOTE GRANDE Proporción de defectuosos (p) Probabilidad de aceptación (Pa) 0.001 0.9982 0.005 0.9634 0.01 0.8787 0.015 0.7727 0.02 0.6619 0.03 0.4592 0.04 0.3022 0.05 0.1915 0.06 0.1179 0.07 0.0709 0.08 0.0417 0.1 0.0137 0.15 0.0006
  • 29. VARIANDO “C” PARA IGUAL MUESTRA
  • 30. VARIANDO EL TAMAÑO DE POBLACIÓN
  • 32. OTROS INDICADORES  CPS= AOQ= p * Pa, Calidad promedio de salida, es la calidad que se obtiene luego de un proceso de inspección con mejora, retirando las piezas defectuosas de los lotes rechazados. Ej. Si rechazo el 100 de los lotes y de ellos retiro todos los defectuosos por piezas buenas, el CPS=0. Con diferentes valores de “P” genera una curva.  AOQL= peor valor de AOQ, el valor límite.  ASN= número promedio de objetos muestreados en un plan.  ITP=ATI= Inspección total promedio, cantidad de objetos muestreados por lote para un muestreo simple con mejora ITP= n+(1-Pa) (N-n).
  • 35. Se quiere definir un plan de muestreo simple de aceptación para inspeccionar lotes de 1000 unidades, que garantice un riesgo de 1% para el fabricante y un riesgo del 5% para el consumidor del lote. El NCA y el PDTL son del 1% y el 5% respectivamente. = 5 % y = 10 %   Buscar “n” y “c” recomendados con winqsb
  • 36. WINQSB MÓDULO: ACCEPTANCE SAMPLE ANALYSIS, SINGLE SAMPLING.
  • 38. PLAN
  • 39. CURVA DE OPERACIÓN: n=100, c=2 Porcentaje defectuosos Porcentaje de aceptación
  • 40. P PORCENTAJE DEFECTUOSOS, PA PORCENTAJE ACEPTACIÓN AOQ CALIDAD PROMEDIO OBTENIDA EN LOTES DE SALIDA
  • 41. AOQ: CALIDAD PROMEDIO OBTENIDA EN LOS LOTES A LA SALIDA DE LA ACTIVIDAD DE INSPECCIÓN CON RECTIFICACIÓN. EN %. Porcentaje defectuosos
  • 42. AOQ  Compara la calidad de salida promedio de los lotes con la calidad de llegada de los mismos
  • 43. CURVA ITP=ATI= INSPECCIÓN TOTAL PROMEDIO
  • 44. 5. MUESTREO DE ACEPTACIÓN POR VARIABLES Ventajas  Requiere un tamaño muestral más pequeño que un muestreo por atributos  Las mediciones de una característica de calidad proporcionan más información sobre un lote que el número de defectuosos Desventajas  Se asume una distribución normal para la característica de calidad.  Se debe usar un plan de muestreo para cada característica de calidad
  • 45. MUESTREO DE ACEPTACIÓN. FIN Control estadístico de calidad