Upload
jorge-ortiz-ordinola
View
31
Download
4
Embed Size (px)
Citation preview
Herramientas de Calidad
Ciclo 2013 0
Unidad 2Muestreo de Aceptación
Evolución, Principios yDefiniciones
Muestreo de Aceptación
Calidad de Producto y de
proceso
Diagrama de Afinidad
Diagrama de árbol y
priorización
Diagrama del proceso
decisorio y de flechas
Causas de Variabilidad
Capacidad de Procesos
Ciclo PHVAPasos para solución de problemas
Conceptos Fundamentales
Herramientas estadísticas
Variabilidad de Procesos
Herramientas de Administración y
Planeación
Herramientas para la
Innovación
TQM – Factor Humano
Círculos de Calidad
EstratificaciónDiagrama de
Pareto
Diagrama de Ishikawa
Dispersión y Graficas de
control
Sistema de Ideas y
sugerencias – Grupos de
Mejora
Hojas de Verificación
Diagrama de relaciones
Mapa Conceptual del Curso
Herramientas Participativas
Metodología Six Sigma
QFD
Análisis Modal de Fallas y Errores
Función de Taguchi
Pruebas de Confiabilidad
Objetivos
Al finalizar esta sesión, el alumno aprenderá la teoría del muestreo y su aplicación.
Obtendrá los conocimientos básicos para el control de la longitud promedio de corrida, tamaño de muestra,
utilizando el programa Minitab que ayudará a una rápida solución.
Los resultados deberán ser analizados e interpretados de manera que permitan tomar las decisiones adecuadas.
17/04/2023 3
4
Elementos de la inferencia Estadística
17/04/2023
Técnica de Muestreo
Es la actividad por la cual se toman ciertas muestras de una población de elementos
de los cuales vamos a tomar ciertos criterios de decisión, el muestreo es
importante porque a través de él podemos hacer análisis de situaciones de una
empresa o de algún campo de la sociedad.
517/04/2023
Conceptos Estadísticos Básicos
Error muestral o error de muestreo es: La diferencia entre el resultado obtenido de una muestra (un estadístico) y el resultado el cual deberíamos
haber obtenido de la población (el parámetro correspondiente)
Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la población, sino que se toma una muestra para estimar las
características de la población.
El error muestral es medido por el error estadístico, en términos de probabilidad, bajo la curva normal. El resultado de la media indica la precisión
de la estimación de la población basada en el estudio de la muestra.
Mientras más pequeño el error muestras, mayor es la precisión de la estimación.
617/04/2023
Tipos de Datos
• Datos Discretos. Son los que resultan de hacer conteos y por lo general son números enteros.
• Datos Continuos. Son los que resultan de hacer mediciones y pueden asumir cualquier valor de la recta real.
Datos Cuantitativos:
Son aquellos que resultan de hacer
mediciones o conteos. Se
clasifican a su vez en dos subtipos:
717/04/2023
Técnicas de Muestreo
• Muestreo probabilístico: conocemos la probabilidad de que un individuo sea elegido para la muestra; se usa la estadística matemática con ellos.
• Muestreo no probabilístico: no se conoce la probabilidad; no se puede extrapolar etc.
Cuando se elige individuos de una
población para formar muestras se puede encontrar en
las siguientes situaciones:
817/04/2023
Muestreo Probabilístico
Aleatorio simple(m.a.s)
Muestreo sistemático.
Muestreo estratificado.
Muestreo por conglomerados o clusters.
17/04/2023 9
Aleatorio simple (m.a.s):
Se usa cuando a cada elemento de la población se le quiere dar la misma
oportunidad de ser elegido en la muestra.
Se puede realizar partiendo de listas de individuos de la población y
eligiendo individuos aleatoriamente con un ordenador.
Normalmente tiene un elevado costo su aplicación.
En general, las técnicas de inferencia estadística suponen que la muestra ha sido elegida usando m.a.s.; aunque en realidad se use otro tipo de muestreo.
Fuente: Casal J.; Mateu E.
17/04/2023 10
volver
Muestreo Sistemático:
Es un tipo de muestreo aleatorio que se usa cuando los datos de la
población de estudio están ordenados en forma numérica.
La primera observación es elegida al azar de entre los primeros elementos de la población y las siguientes
observaciones son elegidas guardando la misma distancia
entre si.
Tener el cuidado de las muestras donde existen periodicidades,
porque se puede tener muestras sesgadas.
Fuente: Casal J.; Mateu E.
17/04/2023 11
volver
Muestreo Estratificado:
Es un tipo de muestreo aleatorio que se usa cuando se conoce de antemano que la
población está dividida en estratos (variable, sub-poblaciones, etc) , que son
equivalentes a categorías y los cuales por lo general no son de igual tamaño. Luego, de cada estrato se saca una muestra aleatoria,
usualmente proporcional al tamaño del estrato.
Se realiza un m.a.s de los individuos de cada uno de los estratos.
Al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo del
estrato con respecto al total de la población.
12
Fuente: Casal J.; Mateu E.
17/04/2023
volver
Muestreo por grupos o conglomerados (“Clusters”):
Es un tipo de muestreo aleatorio
Se aplica cuando es difícil tener una lista de todos los individuos que forman parte de la población de
estudio, pero sin embargo se sabe que se encuentran agrupados naturalmente en grupos.
Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos, se puede estudiar a todos los
individuos de los grupos elegidos o bien seguir aplicando dentro de ellos más muestreos por
grupos, por estratos, aleatorios simples.
Al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo de unos grupos
con respecto a otros.
13
Fuente: Casal J.; Mateu E.
17/04/2023
Es la inspección por muestras en la que se toma la decisión de aceptar o no un producto o servicio.
También la metodología que trata de los procedimientos por los que las decisiones de aceptar o no; se basan sobre los resultados de la inspección por muestras.
EL PLAN DE MUESTREO DE ACEPTACIÓN DETERMINA EL TAMAÑO DE MUESTRA A SER UTILIZADO Y EL CRITERIO
ASOCIADO DE ACEPTACIÓN O RECHAZO.
17/04/2023 14
EL MUESTREO DE ACEPTACIÓN:
PROTECCIÓN QUE PROPORCIONAN
17/04/2023 15
Riesgo del ProductorQue le rechacen un lote bueno, como si fuera insatisfactorio (peor nivel de calidad que el consumidor considera aceptablecomo una media del proceso del vendedor):
RIESGO DEL PRODUCTOR ( ) calculado con; el Nivel de calidad aceptable (NCA). Índice de Buena CalidadRiesgo del consumidor:Dejar pasar un lote que no satisfaga, como si fuera bueno ( peor nivel de calidad que el consumidor desearía aceptar en un lote individual):
RIESGO DEL CONSUMIDOR ( ); calculado con: la fracción defectuosa tolerable del lote (PDTL ). Índice de mala Calidad
17/04/2023 16
Calidad Media de Salida (AOQ)
Siendo:• N : tamaño de lote.• Pa: probabilidad de
aceptación del lote.• p: fracción defectuosa.
n = artículos en la muestra que, después de la inspección, no contienen unidades defectuosas.
• si lote es rechazado, tampoco contienen unidades defectuosas.
• si el lote es aceptado, contienen p(N-n) unidades defectuosas.
N – n = artículos
que:
Pa*p*(N-n): número esperado de unidades defectuosas
Calidad en el lote que resulta de la aplicación de la inspección con rectificación.Valor promedio de la calidad del lote que se obtendría en una secuencia larga de lotes de un proceso con fracción defectuosa p.
17/04/2023 17
Calidad Media Límite de Salida
Peor calidad promedio posible del programa de inspección con rectificación.
Máximo nivel de calidad promedio del lote que se obtendría a través de un flujo grande de lotes.
Sinónimo: Límite de la Calidad de Salida promedio.
En Inglés: Average Outgoing Quality Limit (AOQL).
AOQL
17/04/2023 18
Inspección promedio total
Cantidad promedio de inspección requerida por el programa de muestreo.
Cuando la calidad del lote es p.
En Inglés: Average Total Inspection (ATI).
17/04/2023 19
17/04/2023 20
Ejemplo: Se necesita un plan de muestreo donde NCA = 0.02 con a = 0.05 y PDTL = 0.08 con b = 0.1. Solución: Utilizando el nomograma se trazan las líneas de 0.02 a 0.95 y de 0.08 a 0.1. Se obtiene aproximadamente n = 100 y c = 4.
2117/04/2023
17/04/2023 22
AOQL; sin importar lo mala que sea la fracción defectuosa de los lotes de entrada, los lotes de salida nunca tendrán un nivel de calidad peor en promedio que 2.59% de artículos defectuosos.
Tabla de cálculo para Curva Operativa
AOQL
β
α
• N = 1000• NCA = 1, PDTL = 5
Plan de muestreo: n= 132 y c=3
17/04/2023 23
Curvas: OC, AOQ y ATI
17/04/2023 24
MILITARY STANDAR 105E (MIL STD 105E)
• En 1973 fue adoptado por la Organización Internacional de Estándares ISO.
• El índice de calidad que usa de manera principal el MIL STD 105E, es el nivel de calidad aceptable, NCA o AQL.
• La NTP-ISO 2859-0, 1999 es la Norma técnica peruana para procedimiento de muestreo para Inspección por atributo.
17/04/2023 25
2617/04/2023
2717/04/2023
Tabla de NCA para inspección normal2817/04/2023
SQC online
2917/04/2023
3017/04/2023
NORMA MIL STD. 414
La Norma del Departamento de la Defensa de Estados Unidos para inspección de muestreo de aceptación por variables es llamada Military
Standard 414 (ISO Std. 3951), Sampling Procedures and Tables for inspection by Variables for Percent Defective.
Emitida en 1957 para ser utilizada como alternativa a la norma de atributos Mil Std. 105A expedida en 1950.
Existen tablas que trabajan con el sigma conocido y otras tablas donde el sigma es desconocido.
3117/04/2023
NORMA MIL STD. 414
Las tablas MIL STD 414 que trabajan con el sigma conocido o desconocido constan de :– El tamaño del lote. – Procedimiento de muestreo sencillo.– El tamaño de la muestra.– El nivel de calidad aceptable. (Inspección Normal ó Severa).– La constante de aceptabilidad (k)– En el caso de sigma desconocido se calculará el sigma con los valores de la muestra:
el tamaño de muestra con la letra de código de la tabla A-414.– es el promedio de los datos; LIE ( límite inferior de la especificación):
Z = ( - LIE)/ σˆ Sí Z < k Se rechaza el lote. Sí Z > k Se acepta el lote.
3217/04/2023
3317/04/2023
3417/04/2023
3517/04/2023
3617/04/2023
3717/04/2023
a. Selección de tamaño de muestra (MIL STD 414 con conocida) para 1000 la zona está (801 – 1300). : muestra N = 11
b. Se toma la muestra (0.502; 0.501; 0.502; 0.504; 0.5; 0.502; 0.503;0.502; 0.503; 0.501; 0.502), y se calcula la media = xi/n =5.5211/11 = 0.502pul. ; Q = 6 ; = 0.006/6 = 0.001
c. Se calcula Z = ( – LIE) / = (0.502-0.500) / 0.001 = 2; sí usa SQConline se ajusta multiplicando z (n/(n-1))½ = 2 x 1.048 = 2.09.
d. Se determina la constante de aceptabilidad en tabla k = 1.51e. Se compara k = 1.51 < z = 2 , se acepta el lote.f. De otra forma: para k=1.51 en la tabla Z es 6.5% de defectuosos y para
Z= 2 de la muestra es 2.28% de defectuosos. g. Es decir el % de defectuosos encontrados en la muestra es menor al valor
de aceptación. Por lo que se acepta el lote.
Ejemplo: Un lote de 1000 unidades donde se evalúa el diámetro interior de rodajes que se ha considerado como característica crítica de calidad. Este diámetro se debe inspeccionar al recibir el material procedente de la planta vendedora. Se considera únicamente el límite inferior de la especificación (0.5 pul.) y se ha establecido un NCA de 2.5 %. Se conoce que la capacidad de proceso (Q) por experiencia anterior es de 0.006 pulgadas. ¿Cuál es el destino del lote inspeccionado?
a. Selección de tamaño de muestra (MIL STD 414 con desconocida) para 1000 la zona está (801 – 1300). : (Nivel IV) el código es K; en la tabla de sigma desconocido la muestra N = 35
b. Se toma la muestra de 35 y se calcula la media = 0.502pul. ; s = 0.001c. Se calcula Z = ( – LIE) / s = (0.502-0.500) / 0.001 = 2 d. Este valor se puede ajustar Q = k (n/(n-1))½ así 2 x 1.014 = 2.03e. Se determina la constante de aceptabilidad en tabla k = 1.57f. Así el k corregido es = 1.57 x 1.014 = 1.59g. Se compara k = 1.59 < z = 2.03, se acepta el lote.h. De otra forma: para k=1.59 en la tabla Z es 5.5% y para Z= 2.03de la
muestra es 2.1% de defectuosos. i. Es decir el % de defectuosos encontrados en la muestra es menor al valor
de aceptación. Por lo que se acepta el lote.
Ejemplo: Un lote de 1000 unidades donde se evalúa el diámetro interior de rodajes que se ha considerado como característica crítica de calidad. Este diámetro se debe
inspeccionar al recibir el material procedente de la planta vendedora. Se considera únicamente el límite inferior de la especificación (0.5 pul.) y se ha establecido un NCA
de 2.5 %. ¿Cuál es el destino del lote inspeccionado?
4017/04/2023
4117/04/2023
4217/04/2023
4317/04/2023
4417/04/2023
Minitab-Muestreo de datos variables
• Acceptance Sampling by Variables - Create/Compare
• Lot quality in percent defective
• Lower Specification Limit (LSL) 0.5• Historical Standard Deviation 0.001• Lot Size 1000
• Acceptable Quality Level (AQL) 2.5• Producer's Risk (Alpha) 0.05
• Rejectable Quality Level (RQL or LTPD) 5• Consumer's Risk (Beta) 0.1
• Generated Plan(s)
• Sample Size 87• Critical Distance (k Value) 1.78293
• Z.LSL = (mean - lower spec)/historical standard deviation• Accept lot if Z.LSL >= k; otherwise reject.
• Percent Probability Probability• Defective Accepting Rejecting AOQ ATI• 2.5 0.951 0.049 2.170 132.1• 5.0 0.099 0.901 0.451 909.7
• Average outgoing quality limit (AOQL) = 2.262 at 2.852 percent defective.
4517/04/2023
Minitab-Muestreo de datos variables
46
• Acceptance Sampling by Variables - Accept/Reject Lot
• Make Accept or Reject Decision Using C3• Sample Size 87• Mean 0.502• Historical Standard Deviation 0.001• Lower Specification Limit (LSL) 0.5• Z.LSL 2• Critical Distance (k Value) 1.78285• Decision: Accept lot.
17/04/2023
17/04/2023 47
Cumulative Distribution Function : Para K
Normal with mean = 0 and standard deviation = 1
x P( X <= x )1.7829 0.962699 así : (1- 0.96267) = 0.0373% de defectuosos= 3,73%
Cumulative Distribution Function : Para Z
Normal with mean = 0 and standard deviation = 1
x P( X <= x )2.0 0.97725 así : (1- 0.97725) = 0.02275% de defectuosos = 2.27%
2.27% < 3.73 SE ACEPTA EL LOTE
17/04/2023 48