muestreo estadistico. cec 2015

38
MUESTREO ESTADÍSTICO Prof. Silvia Gareca Oblitas CEC. Ing. Agroindustrial. UCLA 2015

Upload: jose-morales

Post on 16-Jan-2016

44 views

Category:

Documents


0 download

DESCRIPTION

trabajo de muestreo

TRANSCRIPT

Page 1: Muestreo Estadistico. Cec 2015

MUESTREO ESTADÍSTICO

Prof. Silvia Gareca Oblitas CEC. Ing. Agroindustrial. UCLA 2015

Page 2: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

CONTENIDO

Conceptos básicos

Consideraciones preliminares

Clasificación

Planes de muestreo

Ventajas – desventajas

Aplicaciones

Page 3: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

CONCEPTOS BASICOS….

POBLACION

POBLACION DE ESTUDIO

MUESTRA

CRITERIOS DE

SELECCCION

PLAN DE MUESTRE

O

Page 4: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

COMO REALIZAR INSPECCION DE LA PRODUCCION….

Page 5: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

DECISIONES PREVIAS….

1.- Cuándo dejar de hacer inspección?

Cp del proveedor es aceptable (≥ 2)No existe justificación económica

2.- Cuándo aplicar Inspección al 100%?

Depende de lo critico del defecto/ costo asociadoCp ≤ 1

Page 6: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

DECISIONES PREVIAS….

3.- Cuándo aplicar Muestreo de aceptación?

Cuando las pruebas son destructivasEl costo de la inspección al 100% es muy altoCuando la inspección al 100% no es tecnológicamente factible y

requiere mucho tiempo y afecta la programación de la producciónElevado numero de artículos y se incrementan los errores de inspección Cuando el historial del proveedor es excelente pero Cp es inadecuadaCuando existen riesgos de responsabilidad legal serios y se requiere

monitoreo

Page 7: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

MUESTREO PARA ACEPTACION

Componente importante de CEC

Inspección de materias primas, productos en proceso o productos terminado

El propósito de la inspección es la aceptación o el rechazo de un producto, con base en la

conformidad respecto a un estándar.

Page 8: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

El propósito del muestreo de aceptación es dictaminar los lotes, no estimar su calidad. Los planes de muestreo de aceptación no proporcionan ninguna forma directa de control de calidad.

El muestreo de aceptación se limita a aceptar algunos lotes y a rechazar otros

El uso efectivo de un muestreo de aceptación es como una herramienta de auditoria para asegurar que la salida de un proceso cumple con unos requerimientos o especificaciones

ALCANCES DEL MUESTREO

Page 9: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

QUÉ ES UN DEFECTO?

Es cualquier discrepancia o inconformidad del producto con respecto a requisitos especificados

Unidad defectuosa o defectivo Es una unidad con uno o más defectos

Page 10: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

IMPORTANTE….

a) El porcentaje de defectuosos supone que si un artículo es totalmente defectuoso, el número de defectos no tiene importancia.

b) Se considera que los defectos son independientes pero puede suceder que estén correlacionados positiva o negativamente entre dos defectos cualquiera.

c) Es preferible mantener registros de todos los defectos posibles

Page 11: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

EL PROCEDIMIENTO DEL MUESTREO DE ACEPTACION

Criterios satisfechos Criterios no satisfechos

Lote recibido para su inspección

Selección de la muestra

Elementos inspeccionados y

analizados

Resultados comparados con criterios de

aceptación

Aceptación de lote Rechazo de lote

Enviar a producción o al cliente

Decidir la manera de disponer de lote

Page 12: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Bajo costo Reducen daños Pruebas destructivas Reduce errores de inspección

Riesgo de aceptar lotes “malos” y rechazar lotes “buenos”Obtiene menos información del proceso/productoRequiere planeación y documentación

VENTAJAS ……….

DESVENTAJAS………..

EN RELACION A LA INSPECCION 100%

Page 13: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Muestreo de aceptación

Muestreo por variable

Mil.Stad. 414

Muestreo por atributos

Simple

Doble

Múltiple

Planes por atributos

Mil.Stad. 105D

Dodge-Roming

Cameron

CLASIFICACION

Page 14: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

ATRIBUTOS Y VARIABLES…..

GolpesAbolladuras

pH% sacarosaAcidez°Brix

Page 15: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLAN DE MUESTREO POR ATRIBUTOS

Consiste en inspeccionar muestras aleatorias de n unidades tomadas de lotes de tamaño N, y observar el número de artículos disconformes o defectuosos D en las muestras.

No. Def ≤ C No. Def > C

Tipos

1 •Simple

2 •Doble

3 •Múltiple

4 •Secuencial

Page 16: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLAN DE MUESTREO SIMPLE

Es un procedimiento en el cual se toma una muestra de n unidades y se inspecciona para tomar decisión :

Ejemplo

Para un lote de N=10.000 artículos un plan de muestreo es

n = 80 y c = 3

“Si en la muestra de 80 artículos hay más de 3 defectuosos se rechaza el lote”.

Page 17: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLAN DE MUESTREO DOBLE

Es un procedimiento en el que, bajo determinadas circunstancias se necesita una segunda muestra antes de poder dictaminar el lote. Se define por cuatro parámetros:

n1 = tamaño de la primera muestra.

c1 = número de aceptación en la primera muestra.

n2 = tamaño de la segunda muestra.

c1 = número de aceptación para ambas muestras.

Page 18: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLANES DE MUESTREO MÚLTIPLE

Es una extensión del muestreo doble por cuanto puede requerir más de dos muestras para dictaminar un lote.

EjemploTamaño de la muestra

acumulado

Número de Aceptación Número de Rechazo

20 0 3

40 1 4

60 3 5

80 5 7

100 8 9

Page 19: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

El plan opera de la siguiente manera:

Def ≤ C Def > C

Este procedimiento debe ser aplicado para cada una de las cinco muestras, momento en el que debe tomarse la decisión en cuanto al destino del lote.

Ventajas/desventajas

Page 20: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

MUESTREO DE ACEPTACIÓN POR VARIABLES

El incremento en el uso de las técnicas de control estadístico y los adelantos en instrumentos y sensores para el control de procesos ha conducido a la utilización del muestreo de aceptación por variables empleando métodos para cuantificar determinadas características de un producto.

¿Cuándo se aplica?

La inspección por atributos es muy costosa.

La inspección por atributos no brinda suficiente información sobre la calidad del producto.

Page 21: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Ventajas

Se puede valorar el grado de cumplimiento o de no conformidad con una especificación dada, lo que es importante cuando hay un margen de seguridad en las especificaciones de diseño.

Se pueden detectar mejor los errores de medición.

Desventajas

Implica mayores costos, hay que emplear personal más calificado y equipos de medición muchas veces costosos.

Se debe de usar un plan para cada característica de calidad que hay que inspeccionar.

Se debe de conocer la distribución de la característica de calidad.

MUESTREO DE ACEPTACIÓN POR VARIABLES

Page 22: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

EL CONTROL DE LA CALIDAD POR VARIABLES

Requiere de la especificación de un valor promedio de la variable o característica, y de una medida del grado de variabilidad de la variable.

Debe especificar el tamaño de la muestra “n”, y el rango de aceptación para el promedio de la muestra.

Page 23: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Pasos necesarios para la determinación de un plan de muestreo de aceptación por variables

Determinar la media y la desviación estándar S en un lote aceptable.

Fijar la probabilidad de cometer el error tipo I deseada (P< 0.10) y un tamaño de muestra “n” que se considere adecuado desde el punto de vista del costo.

Con base en los valores de n, μ, S y la probabilidad de cometer el error tipo I, se determina el rango de aceptación haciendo uso de las tablas de la distribución normal estándar.

En función de una media de la característica que no es deseable, y de una probabilidad de cometer el error tipo II con esa media, determinar si el tamaño de muestra n satisface las expectativas de costo y precisión.

Page 24: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Militar Standard 414 (MIL STD 414)

Es un plan para muestreo de aceptación por variables lote por lote.

El punto principal de este estándar es el nivel de calidad aceptable NCA (niveles de calidad que son aceptables) o AQL (nivel aceptable de calidad), y comprende porcentajes que van de 0.04 al 15%.

Los tamaños muestrales están en función del tamaño del lote y del nivel de inspección.

Page 25: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Pasos para diseñar un plan MIL STD 414

Determinar el tamaño de lote.

Especificar el NCA ó AQL.

Escoger el nivel de inspección.

Encontrar la letra código correspondiente para el tamaño de la muestra.

Seleccionar la sección de la estándar a utilizar.

Se busca el plan simple para inspección normal.

Se encuentra el plan que se emplearía bajo inspección severa.

Page 26: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Ejemplo

Un grupo de investigadores decidió evaluar la calidad de un lote de pimentones Makro, de tamaño 40. Basándose en el análisis de una variable: peso de los mismos, suponiendo una inspección normal (IV), MIL. STD 414, el método de la desviación estándar y la variabilidad desconocida, el nivel aceptable de calidad (AQL) = 2.5% y una especificación inferior de 200 g.

Encontrar el plan adecuado para esta investigación. Determinar si el lote es aceptado o rechazado.

Page 27: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

o Determinar el tamaño del lote

 o Establecer el nivel

de inspección o Identificar la letra o

código

Page 28: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

MIL-STD-105D

Sistema de muestreo de aceptación por atributos, basado en el NCA,

su objetivo es inducir al proveedor a mantener un promedio del proceso

al menos igual que el NCA de aceptación, manteniendo al mismo

tiempo un límite para el riesgo del cliente de aceptar ocasionalmente

un lote de poca calidad. Se aplica a productos finales, materias

primas, operaciones, mantenimiento y procedimientos administrativos.

Page 29: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

MIL-STD-105D

Tamaño de la muestra usado se determina por:

Tamaño del lote.

Nivel de inspección requerido.

El NCA acordado.

Page 30: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

El estándar proporciona tres niveles generales de inspección:

Nivel I: Requiere cerca de la mitad de inspección que el nivel II y podría ser usado cuando muy pocos productos son rechazados.

Nivel II: Es usual. MILITARY STANDARD 105D.

Nivel III: Requiere de aproximadamente el doble de inspección que el nivel II, y podría ser usado cuando los lotes son de muy mala calidad y muchos productos son rechazados.

Page 31: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Ejemplo

Supongamos que un cliente plantea la necesidad de que un proveedor

le envíe sólo aquellos lotes que tengan un buen nivel de calidad. Para

ello se decide a establecer un plan de muestreo simple de aceptación.

El tamaño de los lotes es grande y se establece que el porcentaje de

unidades defectuosas que se considera aceptables o satisfactorio (NCA)

es del 0,4%. Si el tamaño del lote es de 6000 unidades y se emplea un nivel

de inspección II.

Page 32: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Page 33: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLANES DE MUESTREO DODGE-ROMING

Procedimiento para muestreo por atributos que incluye considerar los efectos de la inspección detallada del producto rechazado. Sólo se aplican a programas de muestreo de aceptación en los que los lotes rechazados se inspeccionan al 100% y los artículos defectuosos encontrados en ellos son sustituidos por unidades buenas.

Debe tomar en cuenta: El “Sampling Inspection Tables” por Dodge y Romig, y “Sampling Inspection” por el SRG de Columbia University.

Page 34: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Dodge-Roming contiene cuatro grupos de Tablas

Tablas de tolerancias de lotes para planes de muestreo sencillo.

Tablas de tolerancias de lotes para planes de muestreo doble.

Tablas de AOQL para muestreo sencillo.

Tablas de AOQL para muestreo doble.

Page 35: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

GUÍA PARA LA ASIGNACIÓN DE AQL

AQL Clasificación Número de características

0 Crítico Cualquier número 1.0% Mayor 1-5 2.5% Mayor 6-10 4.0% Mayor 11-15 6.5% Mayor 16-20 10.0 defectos/100 unidades Mayor Más de 20 2.5% Menor 1-5 4.0% Menor 6-10 6.5% Menor 11-15 10.0 defectos/100 Menor 16-20 15.0 defectos/100 Menor Más de 20 6.5% Incidental 1-5 10.0 defectos/100 Incidental 6-10 15.0 defectos/100 Incidental 11-15 25.0 defectos/100 Incidental 16-20 65.0 defectos/100 Incidental Más de 20

Page 36: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

PLANES AOQL

Con cualquiera de los planes, es posible calcular el valor máximo posible del porcentaje de defectivos en el producto salido de producción. Este valor máximo se denomina Límite de la Calidad Promedio de Salida (AOQL).

SISTEMA AQL

AQL son las iniciales que utilizamos a nivel de calidad aceptable, que es el nivel de calidad que el consumidor considera aceptable. Cuando un procedimiento de aceptación se basa en AQL, su resultado es una clara decisión de aceptación o rechazo del lote. Cuando el AQL es pequeño, la calidad es alta y hay muchas menos unidades defectuosas.

Page 37: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

REVISAR VIDEOS TUTORIALES:

PLANES DE MUESTREO. PROF. HUGO BIANCO No.1 AL No. 5.

www.youtube.com. 2010. (Puede complementar información)

Elaborar un resumen del tema con la información consultada, prepararla en un documento de cinco (5) paginas.

Incluir ejemplos de aplicación en la agroindustria para cada caso.

Taller evaluado individual

Lunes 6/4/2015

Valor: 30 % (III lapso)

Page 38: Muestreo Estadistico. Cec 2015

Prof. Silvia Gareca Oblitas. Ing. Agroindustrial UCLA. 2015

Referencias consultadas

Agradecimiento especial al equipo de: Aponte, Richard. Camacho, Alessandra. Gil, José. Guanipa, César. Martín, Marcos. Piña, Neldyl. Rodríguez, Diego. Torres, Noel.

Muestreo de Aceptación. CEC. Ing. Agroindustrial UCLA. 2013.

Bianco, H. Muestreo 2010. CEC. Ing. Agroindustrial. UCLA.

KENATURAL, S.A. 2013. Muestreo por Aceptación. Aplicaciones. Pereira – Colombia.

NAVARRO F. Conceptos. Militar estándar 105E. http://www.utim.edu.mx/~navarrof/Docencia/Calidad/calidadcentral.htm, (6 Enero, 2014).

MONTGOMERY, Douglas C 2001 Introduction to statistical quality control. 4th Edition. USA:. John Wiley & Sons, Inc., Arizona State University.