Control Estadístico de Calidad 2013
Cargado por
David AlejandroControl Estadístico de Calidad 2013
Cargado por
David AlejandroCONTROL ESTADSTICO DE CALIDAD
Hernn Daro Rendn C.
FACULTAD DE MINAS
CONTROL ESTADSTICO DE CALIDAD
CONTROL ESTADSTICO DE CALIDAD
Hernn Daro Rendn C.
658.562
R35 Rendn Castao, Hernn Daro
Control estadstico de calidad / Hernn Daro Rendn C. -- Medelln :
Universidad Nacional de Colombia. Facultad de Minas, 2013.
208 p.
ISBN :
1. CONTROL DE CALIDAD. 2. MUESTREO (ESTADISTICA).
3. ANLISIS DE VARIANZA. 4. ASEGURAMIENTO DE LA CALIDAD.
I. Tt.
Catalogacin en la publicacin Universidad Nacional de Colombia
Control Estadstico de Calidad
Hernn Daro Rendn C.
Universidad Nacional de Colombia, Sede Medelln, Facultad de Minas
Coleccin Facultad de Minas
Primera edicin: Medelln, octubre de 2013
ISBN: 978-958-761-629-3
Caratula: Imgenes diseadas por Laura Rendn G.
Prohibida la reproduccin total o parcial por cualquier medio sin la autorizacin escrita del titular de los derechos
patrimoniales
Coordinacin editorial
Centro Editorial de la Facultad de Minas
Universidad Nacional de Colombia, Sede Medelln
Carrera 80 No. 65 223, Bloque M9-103
Telfono: (57-4) 425 53 43 ceditorial_med@[Link]
Impreso y hecho en Medelln, Colombia
CONTENIDO:
DEDICATORIA
INTRODUCCIN
AL ESTUDIANTE
MODULO 1 Conceptos Bsicos de Calidad
1 Naturaleza de la Calidad 1
2 Definicin 2
3 Ciclo de Calidad. 4
4 Costos de Calidad 7
5 Administracin de la Calidad 8
6 Normas 10
7 Taller 11
8 Bibliografa 14
MODULO 2 El Control de Calidad
1 Naturaleza del control de calidad 16
2 Clasificacin de las especificaciones 17
3 Conceptos estadsticos del control de calidad 18
4 Causas de desviacin 18
5 Modalidades del control de calidad 19
6 Taller 19
7 Bibliografa 20
MODULO 3 Control de Procesos para Atributos
1 Introduccin 21
2 Grficos de control de proceso 23
3 Grficos de control de proceso para atributos 23
3.1. Grficos de fraccin defectuosa 23
3.2. Grficos p para muestras de tamao variable 29
3.3. Grficos de nmero de defectuosos 31
3.4. Grficos de nmero de defectos por unidad 33
4 Anlisis e interpretacin de los grficos de control 37
5 Taller 39
6 Bibliografa 42
MODULO 4 Control de Proceso para Variables
1 Grficos de control para variables 44
2 Grficos X 44
3 Grficos R 49
4 Tabla de factores para grficos de control 51
5 Otros tipos de grficos de control para variables 52
6 Lmites de control para valores individuales 54
7 Capacidad del proceso 57
8 Taller 59
9 Bibliografa 63
MODULO 5 Herramientas para el Anlisis de Procesos
1. Introduccin 65
2. Definicin de proceso 66
3. Herramientas para el anlisis de procesos 67
4. Diagramas de flujo de proceso 67
4.1. Diagrama de flujo de bloques 67
4.2. Diagrama de flujo estndar 69
5. Diagramas causa efecto 71
6. Diagramas de Pareto 73
7. Taller 75
8. Bibliografa 76
MODULO 6 Control de Calidad de Aceptacin
1 Introduccin 78
2 Planes de aceptacin 78
3 Planes de muestreo simple de aceptacin 79
4 Curva caracterstica de operacin 80
5 Riesgos del productor y el consumidor 82
6 Nivel de calidad aceptable y porcentaje defectivo de tolerancia 83
7 Curva de calidad de salida promedio 86
8 Lmite de calidad de salida promedio 87
9 Nmero promedio de artculos inspeccionados 88
10 Curva de inspeccin total media 89
11 Planes dobles de aceptacin 91
12 Taller 95
13 Bibliografa 99
MODULO 7 Planes de aceptacin con riesgos especificados
1 Planes de aceptacin con riesgos especificados 101
2 Procedimiento para hallar planes con riesgos especificados 105
3 Planes que cumplen los riesgos de productor y consumidor 107
4 Taller 109
5 Bibliografa 110
MODULO 8 Planes de Aceptacin para Variables 1 parte
1 Introduccin 112
2 Repaso fundamentos estadsticos 112
3 Planes de muestreo Bowker y Goode para variables 116
4 Tabla de factores para muestreo de aceptacin por variables 118
5 Taller 121
6 Bibliografa 122
MODULO 9 Fabricacin con arreglo a una especificacin
1. Introduccin 123
2. Capacidad del proceso y especificacin 124
3. Indice de capacidad del proceso 129
4. Taller 130
5. Bibliografa 132
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig
1. Tablas para la determinacin de planes de aceptacin 134
2. Tablas de muestreo de aceptacin Dodge Romig 134
3. Tabla muestreo sencillo Dodge Romig AOQL = 2% 135
4. Tabla muestreo sencillo Dodge Romig LTPD = 5% 136
5. Tabla muestreo doble Dodge Romig AOQL = 2% 137
6. Tabla muestreo doble Dodge Romig LTPD = 5% 139
7. Taller 144
8. Bibliografa 145
MODULO 11 Tablas MIL STD 105 D para Planes de Aceptacin
por Atributos
1. Tablas militares (MIL STD 105 D) 147
Tabla MIL STD 105 D muestreo sencillo e inspeccin normal 149
Tabla MIL STD 105 D muestreo sencillo e inspeccin rigurosa 150
Tabla MIL STD 105 D muestreo sencillo e inspeccin reducida 151
2. Uso de las tablas MIL STD 105 D 152
3. Niveles de inspeccin 153
4. El AQL en las tablas MIL STD 105 D 153
5. Nmeros de aceptacin y rechazo 154
6. Tablas MIL STD 105 D para muestreo doble 155
Tabla MIL STD 105 D muestreo doble e inspeccin normal 156
Tabla MIL STD 105 D muestreo doble e inspeccin rigurosa 157
Tabla MIL STD 105 D muestreo doble e inspeccin reducida 158
7. Taller 161
8. Bibliografa 162
MODULO 12 Planes de Aceptacin para Variables MIL STD 414
1. Planes de Aceptacin para Variables MILSTD 414 164
2. Clasificacin y caractersticas de las tablas del estndar MIL-STD 414 167
Tablas MIL-STD 414 169
3. Procedimiento para el uso de las tablas. Variabilidad desconocida 193
3.1. Mtodo de la desviacin. Forma M. Un lmite especificacin 193
3.2. Mtodo de la desviacin. Forma M. Dos lmites especificacin 194
3.3. Mtodo de la desviacin. Forma M. Dos lmites. AQL 195
3.4. Mtodo de la desviacin. Forma K. Un lmite especificacin 196
3.5. Mtodo del recorrido. Forma M. Un lmite especificacin 197
3.6. Mtodo del recorrido. Forma M. Dos lmites especificacin 199
3.7. Mtodo del recorrido. Forma K. Un lmite especificacin 200
4. Procedimiento para el uso de las tablas. Variabilidad conocida 201
4.1. Mtodo de la desviacin. Forma M. Un lmite especificacin 201
4.2. Mtodo de la desviacin. Forma M. Dos lmites especificacin 203
4.3. Mtodo de la desviacin. Forma M. Dos lmites. AQL 204
4.4. Mtodo de la desviacin. Forma K. Un lmite especificacin 205
5. Taller 206
6. Bibliografa 208
DEDICATORIA:
A mi hija Laura, infatigable maestra.
Hernn Daro
INTRODUCCIN
La experiencia docente vivida en la coordinacin del curso de Control Estadstico
de Calidad durante varios semestres en la Escuela de Ingeniera de la
Organizacin de la Facultad de Minas de la Universidad Nacional de Colombia,
me llevaron a presentar este material, como soporte acadmico en el desarrollo de
la asignatura Control Estadstico de Calidad.
Como caractersticas difernciales de este material acadmico, pueden citarse:
Sirve como soporte del curso de Control Estadstico de Calidad,
consultando las realidades productivas del pas.
Su diseo contiene mdulos que incluyen objetivos especficos de
aprendizaje y orientados a promover el trabajo autnomo del estudiante.
Para el logro de los objetivos de aprendizaje de cada uno de los mdulos,
se incluyen contenidos tericos, presentacin de numerosos ejemplos con
objetivos especficos y adecuados a nuestra realidad, talleres de aplicacin
y auto-evaluaciones que le permitan al estudiante determinar los niveles de
comprensin y aprendizaje obtenidos.
Se incluyen referencias bibliogrficas selectas de los conceptos tratados,
as como, de los fundamentos estadsticos que soportan los contenidos de
cada uno de los mdulos.
El primer mdulo se ocupa del tema de los conceptos bsicos del rea de la
calidad, as como, los factores que la afectan y los agentes involucrados en el
contexto de la actividad de las unidades productivas.
Los fundamentos de la teora del control y sus aplicaciones en el campo de la
calidad son el tema del modulo 2.
Los mdulos 3 y 4 abordan los conceptos, herramientas y aplicaciones del control
de calidad a los procesos productivos para atributos y variables.
El mdulo 5, trata elementos de la teora de procesos y el uso de algunas
herramientas aplicables al control de la calidad de procesos productivos.
El control de calidad aplicado al producto final o al aprovisionamiento de
materiales y suministros, adems de los planes de aceptacin para atributos son
el tema de los mdulos 6 y 7.
El mdulo 8 introduce los planes de aceptacin para variables y detalla la
aplicacin de los planes de muestreo Bowker y Good.
La fabricacin con arreglo a especificaciones y la capacidad del proceso se
presentan en el mdulo 9.
Los mdulos 10 y 11 tratan sobre el muestreo de aceptacin por atributos y el uso
de las tablas para el diseo de planes Dodge Romig y MIL STD 105 D,
respectivamente.
El mdulo 12 aborda los conceptos, usos y aplicaciones de las tablas
MIL STD 414 para el diseo de planes de muestreo de aceptacin por variables.
Anexo, se presentan, la solucin de los problemas de los talleres planteados en
cada uno de los mdulos y exmenes de auto evaluacin.
Se incluye, adems, una invitacin al estudiante para que comparta este material,
y una serie de recomendaciones para lograr que su uso fortalezca el proceso de
enseanza aprendizaje en el campo que nos ocupa.
Finalmente, deseo agradecer las enseanzas recibidas de mis colegas,
y en especial, de los estudiantes, sin sus aportes este material no
hubiese sido posible.
El Autor
Diciembre de 2003
AL ESTUDIANTE
El presente documento est dirigido a los estudiantes del curso de Control
Estadstico de Calidad, asignatura del ncleo profesional del programa curricular
de Ingeniera Industrial y ofrecida por la Escuela de Ingeniera de la Organizacin
de la Facultad de Minas de la Universidad Nacional de Colombia
Sede de Medelln.
Los objetivos de este material se pueden resumir en los siguientes puntos:
Presentar los conceptos y las aplicaciones prcticas del Control Estadstico de
Calidad en la actividad productiva de bienes y servicios.
Poner en contexto estos conocimientos y desarrollar habilidades para el uso
inteligente de estas herramientas en el desempeo profesional del futuro
ingeniero en esta rea.
Propiciar un mayor protagonismo y autonoma del estudiante en el proceso
enseanza aprendizaje
El logro de los citados objetivos, depender en gran medida del trabajo acadmico
autnomo del estudiante y el correcto uso de este material.
Se sugiere abordar los mdulos del texto de manera secuencial hasta lograr su
total comprensin e idoneidad en la solucin de los problemas planteados en los
talleres. Evite consultar el anexo de respuestas antes de intentar la solucin e
interpretacin de los problemas.
Auto evale continuamente los niveles de comprensin y las capacidades de
aplicacin de estas herramientas mediante la solucin de las evaluaciones
presentadas en cada uno de los mdulos.
Mdulo 1 - Conceptos Bsicos de la Calidad 1
MODULO 1 - CONCEPTOS BSICOS DE LA CALIDAD
En una feria de pueblo un vendedor encaramado en
su tarima, pregonaba ante un corrillo de parroquianos,
las bondades de sus mercancas. Mientras exhiba
unas camisas, deca: Lleve esta finsima prenda por
unos pocos pesos, mire su diseo, su tela aguanta el
uso y el abuso por cinco aos, y como si fuera poco,
sus botones de alta calidad estn garantizados por
veinticinco aos o ms. Llvela, no por cinco mil
pesos, ni por cuatro mil.....
Un parroquiano del corrillo le manifest a su vecino:
Esa prenda sera de mejor calidad si sus botones
fueran de ms mala calidad
OBJETIVOS:
Conocer y comprender la terminologa bsica de la calidad.
Comprender la naturaleza de la calidad, los agentes involucrados y los
factores que la afectan.
Identificar la naturaleza y los elementos bsicos para la adecuada gestin
de la calidad en el contexto de las organizaciones productivas.
CONTENIDO:
1. Naturaleza de la Calidad 1
2. Definicin 2
3. Ciclo de Calidad. 4
4. Costos de Calidad 7
5. Administracin de la Calidad 8
6. Normas 10
7. Taller 11
8. Bibliografa 14
Control Estadstico de Calidad Hernn Daro Rendn C
2 Mdulo 1 - Conceptos Bsicos de la Calidad
1. NATURALEZA DE LA CALIDAD
No existe un acuerdo sobre el concepto de calidad debido entre
otras razones:
La calidad no es un concepto absoluto, ni constituye un fin en si misma.
Es necesario relacionarla, no slo, con el producto o servicio, sino, con
los usos y patrones de consumo que se den a ste.
Involucra juicios de valor de carcter subjetivo.
La concepcin de la calidad puede apreciarse desde muy diversos
puntos de vista.
La dinmica socio cultural ha generado cambios importantes en los
patrones de consumo y en las formas de relacin entre productores y
consumidores.
Alrededor de la calidad se asocian mltiples conceptos, tales como: Perfeccin,
consistencia, oportunidad, satisfaccin, confiabilidad, servicio, atencin,
disponibilidad, seguridad, comodidad, entre otros.
Se reconocen diversos criterios o puntos de vista en relacin con la calidad,
tales como, criterios: basados en el producto, basados en el usuario, basados
en el valor y basados en la manufactura.
Desde el punto de vista de la produccin pueden mencionarse, aspectos como:
Disminucin y eliminacin de desperdicios, eliminacin de reclamos,
eliminacin de operaciones de re proceso, cumplimiento de garantas y
plazos de entrega, cero defectos, hacerlo bien a la primera, entre otras.
2. DEFINICION: La norma ISO 8402 define la calidad como: Conjunto de
propiedades o caractersticas de un producto o servicio, que le confieren su
aptitud para satisfacer unas necesidades expresadas o implcitas .
Esta definicin involucra diversos elementos, as:
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 3
Un cliente, usuario o beneficiario con necesidades.
Un producto o servicio con una serie de caractersticas o propiedades.
La satisfaccin de estas necesidades a partir del uso o disfrute del
producto por parte del cliente.
La identificacin precisa de estos elementos no es evidente en muchas
situaciones y las interrelaciones entre ellos son bastante complejas y
dinmicas.
Cliente, usuario o beneficiario: Debe entenderse en sentido amplio,
pueden darse diferentes tipos, que en ocasiones, no es fcil identificar.
o Quien compra, usa o disfruta el producto final o el servicio,
denominado genricamente, cliente externo. Su identificacin en
muchos casos no es evidente. Considere, por ejemplo, una ama
de casa que compra paales para el uso o disfrute de su beb.
En otro caso, la determinacin de quin es el cliente de un
hospital privado de especialidades mdicas, no es evidente,
generalmente se piensa que es el paciente, cuando en realidad
es el cuerpo mdicos especialistas.
o Se identifica tambin, el cliente interno, quien recibe un producto
resultante de una actividad de un proceso para realizar una
actividad subsiguiente.
Producto o servicio: El producto o servicio constituye el elemento que
posibilita la satisfaccin de las necesidades del cliente.
Las propiedades o caractersticas son de muy diversa ndole, relevancia
y pertinencia, e incluyen aspectos tales como: desempeo, confiabilidad,
apariencia, seguridad, durabilidad, facilidad de reparacin y
mantenimiento, facilidad de uso, servicio al cliente, disponibilidad,
cumplimiento, garantas, disponibilidad de instructivos y documentacin,
relacin beneficio costo, compatibilidad, amabilidad, comodidad,
textura, sabor, olor, precisin, tamao, peso, volumen, fidelidad,
eficiencia, dureza, pureza, exclusividad, elegancia, resistencia,
flexibilidad, entre muchos otros.
Control Estadstico de Calidad Hernn Daro Rendn C
4 Mdulo 1 - Conceptos Bsicos de la Calidad
Satisfaccin de necesidades: En cualquier caso el cliente busca la
satisfaccin de necesidades expresadas o implcitas, difciles de
reconocer en muchos casos, y adems, sujetas a expectativas y
valoraciones con altos contenidos subjetivos.
El cliente de un club puede buscar la satisfaccin de necesidades
relacionadas con actividades fsico atlticas, o bien necesidades de
afiliacin, e incluso necesidades de prestigio. Como ilustracin adicional
cuestinese Qu tipo de necesidad satisface un cliente al adquirir
productos del tipo Hello Kitty?
Mltiples variables afectan el equilibrio necesidad satisfaccin, tales
como: factores sicolgicos, socio culturales, econmicos, tecnolgicos,
entre muchos otros.
De la relacin entre estos elementos se deriva un elemento adicional, esto es,
las unidades productivas capaces de proveer el producto o servicio.
Productor: Es quien genera el producto o servicio. Observe que el
productor no es quien determina los bienes o servicios que produce,
esto en ltima instancia lo determina el cliente.
A partir de las consideraciones anteriores la razn de ser o misin fundamental
de la calidad consiste en el establecimiento de relaciones entre el productor y
el cliente para que el primero produzca lo que el segundo requiere para la
satisfaccin de sus necesidades.
Esta relacin permite al productor la identificacin de las necesidades del
cliente y en consecuencia disear, producir y suministrar un producto que
satisfaga estas necesidades (aptitud de uso).
3. CICLO DE CALIDAD: Este proceso se conoce como el Ciclo de Calidad y
puede definirse como la secuencia de actividades a travs de las cuales el
productor logra la aptitud de uso de un producto o servicio.
El ciclo de calidad de las unidades productivas, est integrado por los
siguientes elementos:
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 5
Identificacin de las necesidades del cliente o usuario (Estudio de
mercados)
Diseo del producto o servicio capaz de satisfacer estas necesidades
(Desarrollo del producto)
Diseo de los procesos de produccin (Ingeniera de Procesos)
Adquisicin de: Talento, tecnologa, equipos, materias primas e
insumos (Compras)
Produccin
Inspeccin de entradas y salidas del proceso productivo, esto es,
materias primas, producto en proceso y producto terminado (Control
de Calidad)
Mercadeo (Ventas)
Servicios post venta
La siguiente figura muestra las actividades bsicas del ciclo de calidad:
PRODUCTOR
ESTUDIO MERCADOS CLIENTE
DESARROLLO
PRODUCTO
INGENIERA
PROCESOS
PROVEEDOR COMPRAS
P I
R N
O S
D P
U E
C C
C C
I I
O O
N N
MERCADEO
SERVICIO CLIENTE
Figura1.1. El Ciclo de la Calidad
En relacin con el ciclo de calidad se definen los siguientes conceptos:
Control Estadstico de Calidad Hernn Daro Rendn C
6 Mdulo 1 - Conceptos Bsicos de la Calidad
CALIDAD DE DISEO: La identificacin del cliente y sus necesidades
permiten disear los productos o servicios con los atributos requeridos
para lograr el cumplimiento de las expectativas del cliente.
CALIDAD DE PROCESOS: El diseo e implementacin de los
procesos productivos deben garantizar la salida de productos con los
atributos requeridos.
CALIDAD DE CONFORMIDAD: Garantizar la continuidad del
cumplimiento de las especificaciones y caractersticas requeridas por el
producto.
CALIDAD DEL SERVICIO AL CLIENTE: Diseo e implementacin de
sistemas de informacin y procesos de comunicacin que permitan el
acompaamiento, atencin, solucin de problemas y asesora oportuna
al cliente desde la pre-venta hasta la pos-venta.
CALIDAD DEL APROVISIONAMIENTO: Implementacin de procesos
de comunicacin efectiva con los proveedores y establecimiento de
procedimientos que garanticen el cumplimiento de las especificaciones
de materias primas e insumos requeridos en la produccin.
CULTURA DE CALIDAD EN LA ORGANIZACIN: Diseo y ejecucin
de acciones orientadas a la formacin de la cultura de la calidad y el
mejoramiento continuo en todos los niveles y reas de la organizacin.
La integracin de los elementos del ciclo de calidad en una organizacin da
origen al siguiente concepto:
SISTEMA DE CALIDAD: Definido por la norma ISO 8402 como:
Conjunto de la estructura de organizacin de responsabilidades, de
procedimientos, de procesos y de recursos que se establecen para
llevar a cabo la gestin de calidad.
La implantacin de un sistema de calidad en la organizacin requiere de
una estructura de organizacin especfica que debe contener como mnimo
con los siguientes componentes:
ESTRATEGIA, OBJETIVOS Y POLTICAS DE CALIDAD: La
organizacin deber definir claramente la Misin, la Visin, los Objetivos
y las Polticas en relacin con la calidad. La concepcin de la calidad
adoptada por la organizacin deber ser compartida por la totalidad de
sus miembros.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 7
ESTRUCTURA DE LA ORGANIZACIN: El sistema de calidad requiere
el diseo de una estructura de organizacin que defina claramente la
responsabilidades, niveles de autoridad y formas de relacin con las
dems unidades y reas de la empresa.
PROCEDIMIENTOS: Comprende la determinacin de los
procedimientos requeridos por las diversas actividades de los procesos
que hacen posible la gestin de calidad. Los procedimientos tienen una
jerarqua dependiendo del nivel en la estructura, as:
NIVEL GERENCIAL: Manual del sistema de calidad que incluye
directrices en relacin con: la planeacin, la fijacin de objetivos, la
determinacin de polticas y el control.
NIVEL UNIDAD DE CALIDAD: Incluye los procedimientos en relacin
con el establecimiento de objetivos derivados, determinacin de
responsables, asignacin de recursos y sistemas de control.
NIVEL OPERATIVO: Procedimientos relacionados con la realizacin de
actividades en los procesos de produccin, compras, ventas. Incluyen
los estndares de aceptabilidad.
REGISTROS DE CALIDAD: Define los procedimiento, formatos y
almacenamiento de los registros relacionados con la calidad.
El sistema de calidad, adems, deber garantizar la continuidad
permanente de la satisfaccin del cliente dando origen al siguiente
concepto:
ASEGURAMIENTO DE CALIDAD: La norma ISO 8402 la define como:
Conjunto de acciones planificadas y sistemticas para proporcionar la
confianza adecuada de que un producto o servicio cumple con los
requisitos de calidad establecidos
Control Estadstico de Calidad Hernn Daro Rendn C
8 Mdulo 1 - Conceptos Bsicos de la Calidad
4. COSTOS DE CALIDAD
Los costos asociados con la calidad de los productos y servicios en las
organizaciones pueden clasificarse en dos grupos, as: Costos asociados a la
prevencin de la mala calidad y los costos generados luego de que esta se
presenta.
COSTOS ASOCIADOS CON LA PREVENCIN DE LA MALA
CALIDAD: Estos costos se generan a partir de los recursos necesarios
para el funcionamiento y operacin del sistema de calidad de la
organizacin.
COSTOS ASOCIADOS CON LA MALA CALIDAD: Los costos que
genera la produccin de artculos de mala calidad son de diversos tipos,
tal como se muestra a continuacin:
o DESPERDICIOS: Los artculos no conformes que sea necesario
desechar generan los costos de su produccin (materias primas,
insumos, horas- hombre, horas mquina, gastos generales).
Adicionalmente, los costos de desechar el producto pueden ser
significativos.
o REPROCESO: Si los artculos no conformes pueden repararse
o arreglarse, esta categora incluye los costos generados por el
reproceso.
o DETECCIN DE DEFECTUOSOS: Representados por los costos
de las actividades dirigidas a la deteccin de productos o
servicios no conformes antes del despacho al cliente.
o PRODUCTO DEFECTUOSO QUE LLEGA AL CLIENTE: Una
vez que el producto defectuoso llega al cliente puede generar
costos, tales como: devoluciones, cumplimiento de garantas,
indemnizaciones, juicios de responsabilidad por daos y
perjuicios, prdida del cliente, prdida de imagen, entre otros.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 9
5. ADMINISTRACIN DE LA CALIDAD
Pueden identificarse dos enfoques de la administracin de la calidad, as:
ENFOQUE CLSICO: Bajo este enfoque las organizaciones buscaban
la satisfaccin del cliente a partir de rigurosos sistemas de inspeccin
para identificar y descartar los productos defectuosos y en consecuencia
despachar slo los productos buenos. En este enfoque, basado en la
inspeccin, la decisin fundamental consiste en determinar cuantos
artculos deben inspeccionarse.
Observe que esta decisin es de carcter econmico. Los costos de
deteccin, reproceso y desecho, as como los costos de productos
defectuosos enviados al cliente, tienen un comportamiento, en funcin
del porcentaje de artculos inspeccionados, como el mostrado en la
siguiente figura:
Costo $
Costo defectuosos enviados
Costos deteccin
% inspeccin
Figura1.2. Costos defectuosos enviados y costos deteccin defectuosos
Este enfoque falla al centrar la gestin calidad en la inspeccin de los artculos
producidos, aceptando que el proceso produce artculos defectuosos, sin
hacer cuestionamiento alguno sobre la posibilidad de que el proceso produzca
artculos conformes.
Control Estadstico de Calidad Hernn Daro Rendn C
10 Mdulo 1 - Conceptos Bsicos de la Calidad
ENFOQUE MODERNO: El enfoque moderno de la administracin de la
calidad, a diferencia del clsico, consiste en hacer bien las cosas desde el
principio. La aplicacin de este enfoque en todas las etapas del ciclo
(Investigacin de mercados, diseo del producto, diseo del proceso,
aprovisionamiento de materias primas e insumos, fabricacin y
comercializacin), deber garantizar artculos de calidad.
El enfoque moderno de administracin de la calidad se fundamenta en el
siguiente principio: La calidad genera incrementos en la productividad y
fortalece la posicin competitiva de la organizacin.
La evolucin y desarrollo de este enfoque ha sido influido por mltiples
teoras y mtodos, tales como: Manufactura Justo a Tiempo,
Estandarizacin de producto, Automatizacin de procesos, Robtica y
Mantenimiento preventivo, entre otros.
Los programas de Calidad Total y Mejoramiento Continuo son el resultado
de la aplicacin del enfoque moderno de la administracin de la calidad.
6. NORMAS:
La International Organization for Standarization, fundada en 1946 e integrada
por representantes de organismos nacionales de normas de cerca de 100
pases, emiti en 1987, una serie de normas de calidad, aceptadas
universalmente y conocidas como las normas ISO 9000.
Estas normas fueron revisadas en 1994 y 2000. Su propsito fundamental
consiste en servir de guas generales para la adopcin e implementacin de
sistemas de calidad. Se basan en la premisa de que las prcticas
administrativas relacionadas con los sistemas de calidad pueden ser motivo de
normalizacin y que su correcta aplicacin en las organizaciones productivas
garantizarn resultados que conduzcan a la satisfaccin de las necesidades y
expectativas de los clientes.
La familia de normas ISO 9000, est integrada por:
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 11
ISO 9000: Contienen un panorama general de los estndares de la serie,
as como la definicin de los conceptos bsicas y la terminologa.
ISO 9001: Normas generales para el aseguramiento de la calidad en el
diseo, desarrollo, manufactura, instalacin y servicio de productos.
ISO 9002: Estndares detallados relacionados con la manufactura e
instalacin de productos.
ISO 9003: Estndares sobre la inspeccin y las pruebas de calidad de
producto terminado.
ISO 9004: Guas para la administracin del sistema de calidad.
Cada una de estas clases se subdividen en subclases que detallan sus
elementos componentes.
La International Organization for Standarization adicionalmente es el organismo
de acreditacin y certificacin de calidad. El logro de estas certificaciones de
calidad son requisito fundamental para tener competitividad y acceso a muchos
mercados internacionales.
En Colombia el Instituto Colombiano de Normas Tcnicas, ICONTEC, es la
entidad encargada de normalizar y certificar la calidad en el pas, de acuerdo
a los criterios de la International Organization for Standarization.
7. TALLER:
1. Discuta la aptitud de uso de un pimentn
Para un productor de condimentos en polvo.
Para un creador de bodegones decorativos para banquetes
2. Haga una lista de caractersticas y atributos de calidad del servicio de un
restaurante de comida rpida.
Control Estadstico de Calidad Hernn Daro Rendn C
12 Mdulo 1 - Conceptos Bsicos de la Calidad
3. Haga una lista de caractersticas y atributos de calidad del servicio de renta de
autos en un centro vacacional para turistas.
4. Consulte y revise de manera global las normas ISO 9000 versin 2000.
5. Analice y discuta el siguiente texto:
El Rector General de la Universidad, profesor Vctor Manuel Moncayo Cruz,
present en noviembre de 2002, una ponencia en el Seminario Taller de
Planeacin Estratgica: Claustros y Colegiaturas, en relacin con la calidad
de la educacin en la Universidad Nacional de Colombia (ver bibliografa).
Algunos apartes de esta ponencia se transcriben a continuacin:
La calidad es un concepto complejo y amplio que alude al modo como:
Se cumplen los fines (y la misin) de la Universidad,
Se llevan a cabo las funciones de docencia, investigacin y extensin o
proyeccin social,
Se realizan las tareas de administracin y gestin,
Se construye y mantiene un ambiente de trabajo favorable a la
formacin ciudadana y a la cultura acadmica,
Se asegura tanto el conocimiento de las teoras, los conceptos, los
mtodos de trabajo y las tcnicas y procedimientos especficos de la
corriente principal de la disciplina o profesin (mediante el trabajo
riguroso de los contenidos del ncleo bsico de la formacin), como a la
adquisicin y el ejercicio de competencias que permitan en la vida
profesional y disciplinaria la apropiacin de los conocimientos ms
elaborados de un sector del campo de trabajo correspondiente
(mediante el trabajo riguroso en una de las lneas de profundizacin),
Se crea la capacidad para generar potenciales argumentativos y
discernimiento crtico frente a la informacin de un contexto global,
Se consolidan comunidades acadmicas estables
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 1 - Conceptos Bsicos de la Calidad 13
Ms adelante agrega:
CRITERIOS QUE PERMITEN EVALUAR LA CALIDAD DE LA EDUCACIN
Integralidad y Visin Holstica: La evaluacin de la calidad como se
mencion antes debe ser integral; es decir, en instituciones complejas
no se pueden hacer juicios que no tomen en cuenta las tres
dimensiones de la misin, docencia, investigacin y extensin, dado que
desde las tres dimensiones se construye calidad. La calidad se genera
tambin en las relaciones entre las tres funciones; desde la
investigacin se mejora la docencia y la extensin; desde la extensin
se mejora la formacin y la investigacin; la docencia nutre a las dos, las
conserva y socializa.
Formas de medir: a) Indice de complejidad. b) Tasas de participacin
de los grupos de investigacin clasificados por Colciencias.
c) Porcentaje de Doctores y Magsteres en la planta docente. d) Indice
de multidisciplinariedad. e) Indice de tradicin. f) Tiempo de los
docentes dedicado a cada una de las funciones misionales. g) Peso
relativo de cada una de las funciones en el presupuesto ejecutado.
h) Dedicacin de los profesores.
Universalidad: Aqu aplicaran los referentes y criterios universales
establecidos para la auto evaluacin institucional y la de programas
curriculares; estos referentes en la Universidad se agrupan en Calidad,
pertinencia, formacin integral, flexibilidad y participacin.
Formas de medir: a) Redes internacionales. b) Convenios con
entidades del exterior; c) Pasantas; d) Programas o proyectos
conjuntos de investigacin; e) Participacin de pares intenacionales en
los procesos de heteroevaluacin acreditacin.
Contextualizacin: a) Las dimensiones incluidas en los procesos de
autoevaluacin; b) Clasificacin de los proyectos de investigacin y
extensin por reas temticas, por poblaciones objeto y por regiones;
c) Prioridades estratgicas establecidas por la institucin;
d) Participacin de entidades externas en la financiacin de la
investigacin
Control Estadstico de Calidad Hernn Daro Rendn C
14 Mdulo 1 - Conceptos Bsicos de la Calidad
Conocimiento y Competencias: Dimensiones incluidas en los procesos
de autoevaluacin y en los exmenes de estado.
Sostenibilidad y tradicin de las cominidades acadmicas: a) Aplican
todos los criterios de Colciencias para la clasificacin de los grupos;
b) Indice de tradicin.
Calidad y dinmica en la produccin de resultados: Aplica lo incluido en
el decreto 1279. a) Puntajes de los docentes; b) Publicaciones; c)
Premios y distinciones; d) Desempeo de los exmenes de estado
ECAES, mediante muestras representativas, etc.
Exigencia y selectividad: a) Indice de selectividad de profesores;
b) Requisitos mnimos para los concursos; c) Indice de selectividad o
tasa de absorcin de los estudiantes; d) Condiciones crticas para
avanzar en los planes de estudio; e) Modalidades y requisitos de grado.
f) Tasas de repitencia; g) Tasa de retencin o permanencia despus del
segundo ao; h) Transparencia de los procesos de seleccin
8. BIBLIOGRAFA:
Juran, J. Quality Control Handbook. Mc Graw Hill, Nueva York. 1974.
Gaither, N. y G. Frazier. Administracin de Produccin y Operaciones.
Thompson Editores, Mxico. 1999.
Blanquizett, M. y E. Zapata. Aseguramiento de la Calidad en una
Empresa Manufacturera del Sector Plstico. Tesis de Grado.
Universidad Nacional de Colombia Sede de Medelln.
Medelln 2000.
Evans, J. y William Lindsay. Administracin y Control de Calidad.
Thomoson Editores. Mxico. 1999
Claustros y Colegiaturas 5. Documento presentado por el Rector
General en el Seminario Taller de Planeacin Estratgica del Ministerio
de Educacin Nacional. Universidad Nacional de Colombia.
Bogot 2003.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 2 - El Control de Calidad 15
MODULO 2 - EL CONTROL DE CALIDAD
El supervisor de una congestionada estacin
ferroviaria se acerco a un hombre que deambulaba
nerviosamente por el andn y en tono amable le dijo:
He notado que ha permanecido varias horas en la
estacin, con toda seguridad yo puedo indicarle el
andn en que debe ubicarse para que aborde el tren
que lo lleve a su destino
El hombre, esbozando una leve sonrisa, le contest:
Muchas gracias, pero con toda seguridad, usted no
puede ayudarme.... An no se donde quiero ir
OBJETIVOS:
Comprender la naturaleza de los procesos de control en el contexto de
calidad
Reconocer la variabilidad inherente a los procesos productivos e identificar
el tipo de causas que la generan
Conocer las modalidades, las herramientas y la terminologa bsica, del
control de calidad
CONTENIDO:
1 Naturaleza del control de calidad 16
2 Clasificacin de las especificaciones 17
3 Conceptos estadsticos del control de calidad 18
4 Causas de desviacin 18
5 Modalidades del control de calidad 19
6 Taller 19
7 Bibliografa 20
Control Estadstico de Calidad Hernn Daro Rendn C.
16 Mdulo 2 El Control de Calidad
1. NATURALEZA DEL CONTROL DE CALIDAD
En trminos generales el concepto de Control, aplicado a un proceso, incluye
cuatro elementos bsicos, que se describen a continuacin:
Establecer un estndar, condicin, atributo o caracterstica deseada del
resultado (output) del proceso. El estndar debe ser mensurable.
Medir el resultado obtenido al aplicar el proceso.
Determinar y analizar las desviaciones entre el estndar y el resultado
obtenido, as como las causas que las generan.
Tomar acciones correctivas.
El control, entendido en estos trminos, se constituye en una herramienta
fundamental para garantizar que los resultados obtenidos coincidan con los
resultados planeados y deseados.
En el campo de la calidad el control se aplica a todas aquellas actividades
orientadas a garantizar que el producto o servicio cumpla con las
caractersticas, especificaciones o atributos esperados por el cliente (mercado)
El proceso productivo de un producto o servicio se inicia con las entradas
(inputs), tales como: Talento, materias primas, partes, suministros e insumos.
La conversin o proceso de fabricacin incluye la secuencia de operaciones
necesarias para obtener el producto o servicio. Este producto o servicio es el
resultado (output) del proceso.
El control de calidad deber aplicarse a las entradas (materias primas, partes,
suministros) , al proceso de fabricacin (producto en proceso) y a las salidas
(producto terminado). Tal como se muestra en la siguiente figura:
Control de Control de Control de
Entradas Proceso Salidas
Proceso de
Entradas Fabricacin Salidas
Materiales, insumos (conversin) Producto terminado
Figura 2.1. - El Control de Calidad en la Cadena Productiva
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 2 - El Control de Calidad 17
Asumiendo la aplicacin del ciclo de control, visto en el mdulo 1,
la organizacin deber conocer con precisin:
Las especificaciones requeridas de las materias primas, partes y
suministros.
Las especificaciones del producto en proceso luego de cada una de las
operaciones del proceso de fabricacin.
Las especificaciones del producto terminado.
Estas especificaciones se constituyen en los estndares del proceso de
control de calidad en cada una de las etapas anteriores; y que mediante
diversas tcnicas de inspeccin sobre los resultados obtenidos, permitan
identificar las desviaciones y sus causas, adems de la puesta en marcha de
las consecuentes acciones correctivas.
2. CLASIFICACION DE LAS ESPECIFICACIONES: Las especificaciones o
estndares de calidad se subdividen en dos categoras generales, a saber:
ATRIBUTOS: Son caractersticas clasificables en dos estados:
Defectuoso o no defectuoso y en trminos generales pueden apreciarse
a partir de la simple observacin. Como ilustraciones considere los
siguientes casos:
o En una lnea de embotellado, la botella est despicada o no.
o La camisa tiene sus cinco botones o no.
o Un bombillo enciende o no.
o Un cilindro patrn pasa o no pasa por el agujero de una pieza.
o Un eje pasa o no pasa por un agujero patrn.
VARIABLES: Son caractersticas cuya determinacin est basada en
una escala continua de medicin, tales como, longitud, peso, tiempo,
temperatura, resistencia, entre muchos otros. Y en consecuencia se
requiere el uso de instrumentos o aparatos de medida, por ejemplo:
o El dimetro de un eje en milmetros.
o El peso de un cojinete en gramos.
o El contenido de grasa de una bebida lctea (% por volumen)
Control Estadstico de Calidad Hernn Daro Rendn C.
18 Mdulo 2 El Control de Calidad
3. CONCEPTOS ESTADSTICOS DEL CONTROL DE CALIDAD
MUESTRAS Y LOTES: La medicin de los estndares de calidad de un
producto se hace generalmente a muestras extradas de un lote. Mediante el
uso de tcnicas de la estadstica inductiva se infiere la calidad del lote a partir
de los resultados obtenidos en la muestra.
La validez de esta inferencia est sujeta a diversas condiciones, tales como:
El lote debe provenir de un proceso bajo las mismas condiciones de
operacin.
La muestra extrada del lote debe ser representativa del lote. Esta
representatividad depende de:
o Que las muestras sean aleatorias.
o El tamao de las muestras.
o La frecuencia de las muestras.
En este punto, es importante resaltar que la adecuada aplicacin de conceptos
estadsticos, como: Distribuciones de probabilidad, estimacin de parmetros
y la teora del muestreo, entre otros, permiten inferir el estado de control de un
proceso o la calidad de los lotes de materiales o producto terminado a partir de
la calidad observada en muestras representativas, con ciertos niveles de
confianza.
4. CAUSAS DE DESVIACIN
Una vez determinadas las desviaciones entre el estndar y el resultado
obtenido es necesario identificar las causas que las generan. Las causas de
desviacin se clasifican en dos categoras:
CAUSAS ASIGNABLES: Estas incluyen todos los factores identificables
que afectan negativamente el resultado del proceso. Tales como:
o Uso de materias primas de mala calidad.
o Realizacin inadecuada de las operaciones.
o Errores o descuidos de los operarios.
o Equipos mal calibrados o en mal estado.
Las causas asignables pueden controlarse o corregirse mediante la
aplicacin de acciones correctivas.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 2 - El Control de Calidad 19
CAUSAS NO ASIGNABLES O NO CONTROLABLES: Estas incluyen
mltiples factores incontrolables que generan variaciones en el producto.
Estas variaciones o desviaciones se consideran como variables
aleatorias y en consecuencia son efecto del azar y por lo tanto
inevitables.
5. MODALIDADES DEL CONTROL ESTADSTICO DE CALIDAD
El control estadstico de calidad se aplica en dos modalidades, as:
CONTROL DE PROCESO: Para comprobar si la calidad del producto
que sale de algunas de las operaciones del proceso est bajo control,
esto es, si no existen causas de variacin asignables que requieran la
aplicacin de acciones correctivas. Para esto se usan herramientas
grficas, llamadas comnmente grficos de control de proceso.
CONTROL DE ENTRADAS Y SALIDAS: Para comprobar si las
materias primas, partes o suministros, as como el producto terminado
cumple los estndares o especificaciones de calidad. Esto se logra a
partir de pruebas de aceptacin, llamados, planes de muestreo de
aceptacin.
Ambas modalidades se aplican tanto para el control de atributos como de
variables. Sus usos y beneficios son aceptacin universal y se constituyen en
herramientas fundamentales para garantizar niveles de productividad y
competitividad de toda clase de organizaciones productivas.
6. TALLER
1. Para los productores de huevos de gallina, una caractersticas de calidad es
el tamao. Cmo podra determinarse? Es un atributo o una variable?
2. La produccin de cierto linimento requiere que su composicin est libre de
alcohol. La determinacin de esta caracterstica del producto se realiza
mediante una cinta reactiva que cambia de color si hay presencia de
alcohol. Cmo clasificara esta caracterstica?
3. Si en el problema anterior se acepta que el contenido de alcohol sea como
mximo del 0.03% por volumen, discuta la diferencia con el problema
anterior.
Control Estadstico de Calidad Hernn Daro Rendn C.
20 Mdulo 2 El Control de Calidad
4. Se sabe que un departamento de facturacin liquida incorrectamente el
2.3% de las facturas. Esta caracterstica es un atributo o una variable?
5. Discuta y clasifique las siguientes causas entre asignables y no asignables,
de la variacin del dimetro en el maquinado de un tipo de eje de acero.
Velocidad de corte de la mquina.
Temperatura ambiental del taller.
Cambio de turno.
Desgaste del til de corte.
Fluctuaciones en el fluido elctrico de alimentacin de la
mquina.
Estado de salud del operario
Uso de un fluido de corte defectuoso
6. Considere el proceso de produccin de tinto en una cafetera.
Determine algunas caractersticas de calidad de las entradas del
proceso y cmo controlarlas.
Determine las principales operaciones del proceso de produccin
y cmo controlarlas
Determine algunas caractersticas de calidad de la salida del
proceso y cmo controlarlas.
7. BIBLIOGRAFA
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974
Evans J. y W. Lindsay. Administracin y Control de la Calidad.
Thompon Editores. Mxico 2000.
Rendn H.D. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln 2003
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 21
MODULO 3 - CONTROL DE PROCESOS PARA ATRIBUTOS
La seora Montserrat espera diariamente a su pequea hija
Laura de regreso del colegio con gran ilusin.
Ella sabe que en circunstancias normales Laura llega entre
las 2 y las 2:30.
El da que pasadas las 2:30 no ha llegado su hija, inquieta a
Montserrat y piensa que algo anormal est ocurriendo.
As mismo, cuando Laura llega antes de las 2, sin ocultar su
alegra por su pronto regreso, Montserrat le pregunta a su
hija: y hoy qu pas?
OBJETIVOS:
Conocer los fundamentos y la terminologa propia del control de procesos
Conocer las herramientas usadas en el control de calidad para atributos
Aprender a interpretar la informacin dada por los grficos de control de
procesos por atributos
CONTENIDO:
1. Introduccin 21
2. Grficos de control de proceso 23
3. Grficos de control de proceso para atributos 23
3.1. Grficos de fraccin defectuosa 23
3.2. Grficos p para muestras de tamao variable 29
3.3. Grficos de nmero de defectuosos 31
3.4. Grficos de nmero de defectos por unidad 33
4. Anlisis e interpretacin de los grficos de control 37
5. Taller 39
6. Bibliografa 42
1. INTRODUCCIN
El control de proceso se realiza a partir de los grficos de control de proceso.
Estos grficos indican si el proceso est sufriendo alteraciones que puedan
afectar la calidad del producto. La identificacin y el estudio de las causas de
estas alteraciones permitirn la ejecucin de acciones correctivas.
Control Estadstico de Calidad Hernn Daro Rendn C.
22 Mdulo 3 - Control de Procesos para Atributos
Las alteraciones excepcionales del proceso que muestran los grficos de
control se deben a causas asignables. Las causas no asignables, como se
mencion antes, son inevitables y sobre ellas no es posible intervenir, pese a
que producen variaciones pero de carcter aleatorio.
A manera de ilustracin, suponga que la seora Montserrat registr la hora de
llegada de su hija en la ltima semana, as:
Lunes: 2:17 Sin novedades
Martes: 2:12 Sin novedades
Mircoles: 2:55 La buseta sufri un desperfecto mecnico
Jueves: 2:15 Sin novedades
Viernes: 1:00 Los nios salieron 1 hora antes a causa de la
ausencia del profesor
En otro caso, suponga que en un proceso productivo, se toman muestras a
intervalos regulares y se calcula un estadstico X, digamos la media del
dimetro de unas piezas. Como se mencion antes, X, es una variable
aleatoria distribuida normalmente, con media x y desviacin estndar x .
Tal como se muestra en las siguiente figura:
L.I LS
Figura 3.1. - Area bajo la curva normal entre los limites superior e inferior de X
Por la teora estadstica, sabemos que si se establecen lmites superior e
inferior = x 3.5x , La totalidad (el 99.99%) de las medias de las muestras
estarn en el intervalo LI - LS, a menos que el proceso est sometido a
causas de variacin asignables.
Se dice que el proceso est bajo control 3.5 sigma, cuando la totalidad de las
medias de las muestras estn es el intervalo LI - LS. As mismo para 3
sigma el proceso est bajo control, es decir sometido slo a causas de
variacin aleatorias, cuando el 99.74% de las medias de las muestras caen en
el intervalo entre los lmites superior e inferior.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 23
2. GRAFICOS DE CONTROL DE PROCESO
Existen dos tipos de grficos de control de proceso: para variables y para
atributos. En ambos tipos, para su construccin, es necesario determinar:
Lnea Central
Lmite superior de control para k (Generalmente k = 3)
Lmite inferior de control para k (Generalmente k = 3)
3. GRAFICOS DE CONTROL POR ATRIBUTOS
Los grficos de control por atributos, tienen tres modalidades: Grficos de
control para fraccin defectuosa, o grficos p. Grficos de control del nmero
de defectuosos, o grficos np. Y grficos de control de nmero de defectos por
unidad, o grficos u y c.
3.1. - Grficos de Fraccin Defectuosa:
Lnea Central (LC): Fraccin defectuosa del lote p. En caso de que p
no se conozca puede estimarse a partir del clculo del promedio de la
fraccin defectuosa de k muestras de tamao n, as:
p
k
p
k
1
Lmite Superior de Control (LSC): Para 3 sigma, sera:
p + 3 p = p + 3
pq
n
Lmite Inferior de Control (LIC): Para 3 sigma, sera:
p - 3 p = p - 3
pq
n
Control Estadstico de Calidad Hernn Daro Rendn C.
24 Mdulo 3 - Control de Procesos para Atributos
Una vez trazados los limites superior, inferior y la lnea central, se procede a
graficar la fraccin defectuosa de las sucesivas muestras. Observe que si el
proceso est sometido slo a las variacin aleatorias el 99.74% de las
observaciones debern estar entre los lmites superior e inferior de control y
adems de manera equitativa alrededor de la lnea central.
Cuando esto ocurre se dice que el proceso est bajo control estadstico.
La aparicin de puntos por fuera de los lmites de control es indicativo de
posibles alteraciones en el proceso debidas a causas asignables, se dice que
el proceso est fuera de control y ser necesario investigar las causas y tomar
las respectivas acciones correctivas. La presencia de tendencias y rachas de
los puntos del grfico, an estando dentro de los lmites de control, es seal de
que el proceso est siendo afectado por causas diferentes a las aleatorias y
ser preciso investigar la situacin.
El numeral 8 presenta de manera detallada el anlisis e interpretacin de las
grficas de control.
Ejemplo 1: Se estima que la operacin de fresado de un proceso arroja un 2%
de piezas defectuosas. Se desea controlar la operacin mediante un grfico de
fraccin defectuosa 3, mediante la extraccin de muestras de 50 piezas cada
dos horas.
La siguiente tabla contiene el nmero de piezas defectuosas en las ltimas 12
muestras.
Muestra Nmero Nmero defectuosos Fraccin defectuosa
1 3 0.06
2 2 0.04
3 0 0.00
4 3 0.06
5 1 0.02
6 2 0.04
7 1 0.02
8 1 0.02
9 1 0.02
10 0 0.00
11 2 0.04
12 2 0.04
Tabla 3.1. Datos del ejemplo 1
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 25
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de un
grfico de control p, conocida la fraccin defectuosa del proceso.
Solucin:
Clculo de los lmites de control 3 :
Lneas Central: 0.02.
0.02 x0.98
LSC = 0.02 + 3 = 0.02 + 3 x 0.0197 = 0.079
50
0.02 x0.98
LIC = 0.02 - 3 = 0.02 - 3 x 0.0197 = - 0.039
50
El LIC se asume igual a 0.
0,08 LSC
0,07
0,06
Fraccin Defectuosa
0,05
0,04
0,03
0,02 LC
0,01
0,00 LIC
1 2 3 4 5 6 7 8 9 10 11 12
Muestra
Figura 3.2. Grafico de control p, del ejemplo 1
Observe que la fraccin defectuosa de las 12 muestras estn entre los lmites
de control, lo cual indica que el proceso est bajo control y por lo tanto no hay
razones para pensar que hay causas de variaciones diferentes a las aleatorias.
Control Estadstico de Calidad Hernn Daro Rendn C.
26 Mdulo 3 - Control de Procesos para Atributos
Ejemplo 2: Un proceso produce un promedio de 1% defectuoso. Se toman
muestras de 100 artculos cada da, registrando el nmero de defectuosos,
durante doce das, tal como se muestra en la siguiente tabla:
Muestra Nmero Nmero defectuosos Fraccin defectuosa
4 0.04
2 0 0.00
3 1 0.01
4 2 0.02
5 8 0.08
6 5 0.05
7 1 0.01
8 0 0.00
9 4 0.04
10 8 0.08
11 5 0.05
12 2 0.02
Tabla 3.2. Datos del ejemplo 2
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de un
grfico de control p, conocida la fraccin defectuosa del proceso y la
interpretacin de los resultados
Solucin:
Clculo de los lmites de control 3 :
Lneas Central: 0.01.
0.01x0.99
LSC = 0.01 + 3 = 0.01 + 3 x 0.0099 = 0.0398
100
0.01x0.99
LIC = 0.01 - 3 = 0.01 - 3 x 0.0099 = - 0.0197
100
El LIC se asume igual a 0.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 27
0,08
0,07
Fraccin Defectuosa 0,06
0,05
0,04 LSC
0,03
0,02 LC
0,01
LIC
0,00
1 2 3 4 5 6 7 8 9 10 11 12
Muestra
Figura 3.3. - Grfico de control p del ejemplo 2
Observe que las muestras tomadas los das 5, 6, 10 y 11, tienen fracciones
defectuosas por fuera de los lmites de control, indicando que hay razones para
pensar que estos das hubo alteraciones en el proceso asignables. Deber,
por lo tanto, investigarse la situacin a fin de identificar las causas que
perturbaron el proceso y lo sacaron de control, a fin de tomar las acciones
correctivas que eliminen los factores que las generaron para lograr que el
proceso est bajo control.
Ejemplo 3: Como interpretar puntos por debajo del Lmite
Inferior de Control?
Objetivo del ejemplo: Mostrar la interpretacin de puntos por debajo del LIC
en un grfico de control p.
Solucin:
Pese a que estas muestras tienen una fraccin defectuosa menor, o sea, que
son de mejor calidad, el proceso est fuera de control. En consecuencia ser
necesario investigar estas causas y eventualmente involucrar los factores que
las generan en el proceso y as elevar la calidad hacia el futuro.
Control Estadstico de Calidad Hernn Daro Rendn C.
28 Mdulo 3 - Control de Procesos para Atributos
Usos de otros intervalos de confianza: Los lmites Superior e Inferior
de los grficos de control de proceso p pueden construirse para
diferentes intervalos de confianza. Como se mencion antes lmites 3
sigma garantizan que el 99.74% de las muestras se ubiquen entre los
lmites superior e inferior de control. En el caso de usar lmites de
control 2 sigma el 95.44% de las muestras caern entre los lmites de
control superior e inferior. El nivel de confianza para grficos 1 sigma es
del 68.26%. Para intervalos confianza del 95% y 90% los grficos de
control son de 1.96 sigma y 1.68 sigma, respectivamente.
Ejemplo 4: Considere el siguiente grfico de control p, para 3 sigma.
0,08 LSC
0,07
0,06
Fraccin Defectuosa
0,05 LC
0,04
0,03
0,02 LIC
0,01
0,00
1 2 3 4 5 6 7 8 9 10 11 12
Muestra
Figura 3 .4. - Grfico de control p ejemplo 4
Objetivo del ejemplo: Mostrar la interpretacin del estado de control de un
proceso mediante el uso de grficos p.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 29
Solucin:
A pesar de que todos los puntos estn entre los lmites de control, el hecho de
que stos se concentren entre la lnea central y el LSC, da razones para
pensar que hay causas diferentes a las no asignables que estn afectando el
proceso (Las variaciones aleatorias debern arrojar puntos a ambos lados de
la lnea central).
Adicionalmente, la tendencia ascendente de los puntos, puede interpretarse
como una seal de causas asignables crecientes que finalmente podrn
arrojar puntos por fuera del lmite superior. En consecuencia ser necesario
investigar la situacin.
3.2. - Grficos de control de fraccin defectuosa con muestras de
tamao variable
En muchas situaciones el tamao de las muestras para establecer los lmites
de control puede ser variable, en estos casos se toman independientemente
cada una de las i muestras y se calculan los lmites superior e inferior para cada
muestra, as:
d
k
p
n
k
1
k
di = defectuosos en la muestra i.
i
1
Lmite Superior de Control (LSC): 3 sigma, para la muestra i sera:
pq
p +3
ni
Lmite Inferior de Control (LIC): 3 sigma, para la muestra i sera:
pq
p -3
ni
Observe que la lnea central se calcula para la fraccin defectuosa promedio y
los lmites superior e inferior de control se calculan para cada muestra pero
usando la fraccin defectuosa promedio.
Control Estadstico de Calidad Hernn Daro Rendn C.
30 Mdulo 3 - Control de Procesos para Atributos
Ejemplo 5: La tabla muestra el nmero de defectuosos de 20 muestras de
tamao variable.
MUESTRA n DEFECT TAMAO FRAC DEF L. CENTRAL L.S.C. L.I.C
1 16 222 0,0721 0,0847 0,14072 0,02862
2 13 115 0,1130 0,0847 0,16255 0,00679
3 14 184 0,0761 0,0847 0,14624 0,02310
4 13 190 0,0684 0,0847 0,14526 0,02408
5 14 197 0,0711 0,0847 0,14417 0,02516
6 15 185 0,0811 0,0847 0,14607 0,02327
7 17 122 0,1393 0,0847 0,16028 0,00906
8 12 103 0,1165 0,0847 0,16696 0,00238
9 14 190 0,0737 0,0847 0,14526 0,02408
10 15 196 0,0765 0,0847 0,14432 0,02501
11 14 108 0,1296 0,0847 0,16503 0,00430
12 18 105 0,1714 0,0847 0,16617 0,00316
13 13 196 0,0663 0,0847 0,14432 0,02501
14 17 105 0,1619 0,0847 0,16617 0,00316
15 18 195 0,0923 0,0847 0,14447 0,02486
16 12 180 0,0667 0,0847 0,14692 0,02242
17 15 200 0,0750 0,0847 0,14372 0,02561
18 5 107 0,0467 0,0847 0,16541 0,00393
19 11 150 0,0733 0,0847 0,15286 0,01648
20 9 198 0,0455 0,0847 0,14402 0,02532
TOTALES 275 3248 0,0847
Tabla 3.3. Datos del ejemplo 5
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de grficos
de control p, con muestras de tamao variable.
Solucin:
Se calculan los lmites superior e inferior de control para cada una de las muestras
usando la fraccin defectuosa promedio como lnea central. Observe que estos
casos los lmites de control son lneas quebradas. Como ilustracin se muestra el
calculo del LSC correspondiente a la muestra 1, en la tabla 3.3 estn calculados
los lmites superior e inferior para la totalidad de las muestras.
p
275 0.0847 x0.9153
= 0.0847 LSC (muestra 1) = 0.0847 + 3 = 0.14
3248 222
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 31
La siguiente figura muestra el grfico de control p
0,18
0,16 LSC
0,14
0,12
LC
0,10
0,08
0,06
LIC
0,04
0,02
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 3 .5. - Grfico de control p ejemplo 5
Para obviar el que los lmites superior e inferior de control sean lneas quebradas
pueden calcularse usando el tamao promedio de muestra.
Para el caso se tiene: n = 3248 / 20 = 162.4
0.08470.9153
Superior: 0.0847 + 3x = 0.15
162.4
0.08470.9153
Lmites de control:
Inferior: 0.0847 - 3x = 0.019
162.4
- Grficos de control de nmero de defectuosos o grficos np
Estos grficos en vez de usar la fraccin defectuosa se basan en el nmero de
unidades defectuosas. Esta caracterstica los hace ms comprensibles para el
operario y adems los clculos para su construccin son ms sencillos. Slo
pueden usarse para tamaos de muestra constantes.
Control Estadstico de Calidad Hernn Daro Rendn C.
32 Mdulo 3 - Control de Procesos para Atributos
Para el clculo de los lmites de control se procede as:
Sea: k nmero de muestras.
n Tamao de las muestras
dK Nmero de defectuosos de la muestra k
d
K
np
K
Lnea central: 1
LSC: n p 3 n p (1 p )
LIC: n p 3 n p (1 p )
Ejemplo 6: La siguiente tabla muestra el nmero de unidades defectuosas
de 20 muestras de tamao 100.
MUESTRA n DEFECT L.C. L.S.C. L.I.C.
1 1 2,20 6,60 0,00
2 0 2,20 6,60 0,00
3 1 2,20 6,60 0,00
4 4 2,20 6,60 0,00
5 3 2,20 6,60 0,00
6 2 2,20 6,60 0,00
7 4 2,20 6,60 0,00
8 2 2,20 6,60 0,00
9 1 2,20 6,60 0,00
10 1 2,20 6,60 0.00
11 4 2,20 6,60 0,00
12 3 2,20 6,60 0,00
13 1 2,20 6,60 0,00
14 2 2,20 6,60 0,00
15 0 2,20 6,60 0,00
16 4 2,20 6,60 0,00
17 1 2,20 6,60 0,00
18 4 2,20 6,60 0,00
19 3 2,20 6,60 0,00
20 3 2,20 6,60 0,00
TOTALES 44
Tabla 3.4. Datos del ejemplo 5
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 33
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de grficos
de control nmero de defectos o np.
Solucin:
np
44
L.C. = 2.2
20
LSC: 2.2 3 2.2 (0.978) = 6.60
LIC: 0.00
LSC
LC
LIC
Figura 3 .6. - Grfico de control n p ejemplo 6
Grficos de nmero de defectos por unidad (c y u)
Es frecuente interesarse no slo si el producto es defectuoso, sino, en saber
cuantos defectos tiene. Los grficos c se usan para el caso de que las
muestras sean de tamao constante, mientras que los grficos u se aplican a
tamaos de muestras variables.
GRAFICOS c: Estn basados en la distribucin Poisson, estimando el nmero
el nmero promedio de defectos por unidad, c , tomando 30 o ms muestras de
igual tamao y calculando el promedio del nmero de defectos encontrados en
las muestras.
Control Estadstico de Calidad Hernn Daro Rendn C.
34 Mdulo 3 - Control de Procesos para Atributos
Sabiendo que la desviacin estndar de la distribucin Poisson es la raz
cuadrada de la media, el clculo de los lmites de control 3 sigma es:
Lnea central c
LSC c +3 c
LIC c -3 c
Ejemplo 7: Una empresa produce una variedad de cinta decorativa auto
adhesiva en rollos 10 metros, que puede inspeccionarse por atributos. Se
toman muestras durante 30 das, inspeccionando cada da 10 rollos,
encontrndose 190 defectos en la totalidad de las muestras inspeccionadas en
los 30 das.
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de
grficos de control nmero de defectos o grficos c.
Solucin:
El nmero promedio de defectos por rollo, c = 190/(30x10) = 0.633, por lo tanto
la lnea central es 0.633.
LSC = 0.633 + 3 0.633 = 3.02
LIC = 0.633 - 3 0.633 = -1.75 igual a cero.
Ejemplo 8: En un saln de telares se registraron el nmero de paros de los
telares ocurridos en un periodo de 30 das.
Los datos se muestran en la siguiente tabla.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 35
NUMERO NUMERO NUMERO
DIA DIA DIA
PAROS PAROS PAROS
1 17 11 21 21 23
2 20 12 18 22 18
3 15 13 12 23 14
4 19 14 16 24 18
5 16 15 17 25 16
6 22 16 13 26 20
7 17 17 14 27 17
8 15 18 14 28 15
9 14 19 19 29 17
10 18 20 21 30 21
Tabla 3.5. Datos del ejemplo 8
Objetivo del ejemplo: Mostrar el procedimiento para la construccin de
grficos de control de nmero de defectos o grfico c.
Solucin:
Para la elaboracin de un grafico de control, c, para el nmero de paros,
se tiene: c = Total de paros / 30 = 517/30 = 17.23 paros por da.
Los lmites de control del grafico de control, son:
LSC = 17.23 + 3 17.23 = 29.68
LC = 17.23
LIC = 17.23 - 3 17.23 = 4.78
GRAFICOS u: Cuando el tamao de las muestras no es constante se usa la
grfica de control u, observe que en sta los lmites superior e inferior son
lneas quebradas.
La lnea central y los lmites de control 3 sigma se calculan as:
Lnea central: u =Total de defectos / Total de elementos inspeccionados.
(en las k muestras de tamao nK)
u u
LSC = u + 3 LIC = u - 3
nK nK
Ejemplo 9: La siguiente tabla muestra el nmero de paginas escritas por una
digitadora y el nmero de errores cometidos durante los ltimos 30 das. Se
quiere elaborar un grfico de control u.
Control Estadstico de Calidad Hernn Daro Rendn C.
36 Mdulo 3 - Control de Procesos para Atributos
Da Errores N pginas Errores/pag L. CENTRAL L.S.C. L.I.C. L.I.C>0
1 8 92 0,0870 0,077 0,164 -0,010 0,000
2 10 110 0,0909 0,077 0,157 -0,002 0,000
3 5 105 0,0476 0,077 0,159 -0,004 0,000
4 4 85 0,0471 0,077 0,168 -0,013 0,000
5 3 89 0,0337 0,077 0,166 -0,011 0,000
6 12 120 0,1000 0,077 0,154 0,001 0,001
7 8 100 0,0800 0,077 0,161 -0,006 0,000
8 9 105 0,0857 0,077 0,159 -0,004 0,000
9 10 111 0,0901 0,077 0,157 -0,002 0,000
10 5 95 0,0526 0,077 0,163 -0,008 0,000
11 7 100 0,0700 0,077 0,161 -0,006 0,000
12 13 105 0,1238 0,077 0,159 -0,004 0,000
13 10 125 0,0800 0,077 0,152 0,003 0,003
14 12 130 0,0923 0,077 0,151 0,004 0,004
15 10 124 0,0806 0,077 0,152 0,002 0,002
16 4 97 0,0412 0,077 0,162 -0,007 0,000
17 5 100 0,0500 0,077 0,161 -0,006 0,000
18 8 96 0,0833 0,077 0,163 -0,008 0,000
19 6 87 0,0690 0,077 0,167 -0,012 0,000
20 13 105 0,1238 0,077 0,159 -0,004 0,000
21 14 125 0,1120 0,077 0,152 0,003 0,003
22 10 128 0,0781 0,077 0,151 0,004 0,004
23 6 96 0,0625 0,077 0,163 -0,008 0,000
24 8 100 0,0800 0,077 0,161 -0,006 0,000
25 7 104 0,0673 0,077 0,159 -0,004 0,000
26 10 120 0,0833 0,077 0,154 0,001 0,001
27 6 125 0,0480 0,077 0,152 0,003 0,003
28 7 100 0,0700 0,077 0,161 -0,006 0,000
29 9 109 0,0826 0,077 0,157 -0,003 0,000
30 9 115 0,0783 0,077 0,155 0,000 0,000
TOTALES 248 3203
u= 248/3203 = 0,077
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 37
4. ANLISIS E INTERPRETACIN DE LOS GRAFICOS DE CONTROL PARA
ATRIBUTOS
Un proceso estar bajo control estadstico (utilizando grficos de control
(3 sigma), si se cumplen simultneamente las siguientes condiciones:
No hay puntos por fuera de los lmites superior e inferior de control.
La proporcin de puntos por encima y por debajo de la lnea central es
aproximadamente igual.
La mayora de los puntos debern estar cercanos a lnea central (por
encima y por debajo). El trminos mayora y cercano pueden
interpretarse as: si la zona superior del grfico, es decir la comprendida
entre la lnea central y el lmite superior de control, se divide en 3 partes
iguales y se hace lo mismo con la zona inferior, aproximadamente 7 de
cada 10 puntos debern estar en la zona contenida entre los dos tercios
a partir de la lnea central (Zona sombreada de la figura).
LSC
LC
LIC
Algunas situaciones relacionadas con procesos fuera de control, sus
posibles interpretaciones y causas de variacin, se describen a
continuacin:
Un punto fuera de los lmites de control: Esta situacin puede
deberse a una causa de variacin especial, por ejemplo, una variacin
sbita de la energa elctrica o un error en la medicin.
Adicionalmente puede deberse a causas aleatorias aunque la
probabilidad de este evento sea muy baja ( 0.24%)
Control Estadstico de Calidad Hernn Daro Rendn C.
38 Mdulo 3 - Control de Procesos para Atributos
Observe que en los grficos de fraccin defectuosa un punto por debajo
del lmite inferior aunque indica una mejora en la calidad (menor
fraccin defectuosa), deber ser objeto de anlisis.
Rachas de puntos a un lado de la lnea central: Esta situacin es
indicativa de cambios en el promedio de la fraccin defectuosa del
proceso y generalmente se debe a causas asignables de variacin.
De manera anloga al punto anterior, si la racha de puntos est por
debajo de la lnea central, aunque es indicativo de que el proceso ha
mejorado, es necesario determinar las causas de la variacin y de ser
posible implementarla en el proceso.
Patrones cclicos: Esta situacin indica que el proceso est sometido
a causas asignables que varan peridicamente, tales como: cambios
en los turnos, fatiga del operario al final del turno, cambios de
dispositivos o herramientas, entre otras.
Tendencias: Las tendencias son indicativas de causas que estn
afectando de manera gradual el proceso, produciendo tendencias
ascendentes (empeoramiento de la calidad) o descendentes
(mejoramiento de la calidad).
Tales causas de variacin pueden deberse a mejoras continuas en la
destreza del operario (curva de aprendizaje); desgaste de
herramientas, acumulacin de suciedad, rebabas en los dispositivos,
fatiga progresiva del operario, cambios progresivos en las condiciones
ambientales (temperatura o humedad), entre otras.
El anlisis de la situacin y la correcta identificacin de las causas de variacin
dependen del grado de conocimiento y experiencia del analista sobre el
proceso en cuestin
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 39
5. TALLER:
1. En un proceso de impresin de tarjetas se toman 20 muestras (una por da)
de tamao n =100, anotando la fraccin defectuosa , como se muestra en
la siguiente tabla:
Da 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
P% 4 6 5 5 5 4 7 4 9 5 4 8 5 7 6 4 5 4 6 4
Elabore un grfico de fraccin defectuosa e interprete los resultados.
2. En el proceso de sellado de bolsas de suero se toman 20 muestras de 60
bolsas. La siguiente tabla muestra el nmero de unidades defectuosas
para cada una de las muestras:
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
N Def 1 0 0 2 0 3 1 2 0 3 4 2 2 1 1 2 3 2 3 0
Elabore un grfico de control de fraccin defectuosa e interprete los
resultados
Elabore un grfico de control de nmero de defectuosos e interprete los
resultados.
3. Una central telefnica de informacin registra el nmero de llamadas
hechas por los usuarios diariamente y adems el nmero de estas que no
pueden ser atendidas, dada la capacidad del sistema. La siguiente tabla
muestra los datos del ltimo mes.
Da 1 2 3 4 5 6 7 8 9 10
Llamadas 154 173 125 151 187 201 175 190 141 160
No atendidas 23 19 21 25 28 33 30 28 21 25
Da 11 12 13 14 15 16 17 18 19 20
Llamadas 179 163 119 135 168 181 157 119 159 174
No atendidas 28 17 22 20 18 32 28 21 19 21
Da 21 22 23 24 25 26 27 28 29 30
Llamadas 170 138 152 193 148 111 195 109 149 136
No atendidas 27 21 19 20 21 19 23 29 12 26
Elabore un grfico de fraccin defectuosa para este servicio e interprete
los resultados
Control Estadstico de Calidad Hernn Daro Rendn C.
40 Mdulo 3 - Control de Procesos para Atributos
4. En la produccin de cierto tipo de rejas se requieren puntos de soldadura.
Se toman 25 rejas encontrndose 19 puntos defectuosos en las 25
unidades.
Calcule la lnea central y los lmites de control para el grfico c
Interprete estos lmites de control.
5. Considere otro tipo de reja de tamao variable (en metros). Se tomaron 25
rejas, registrando el nmero de puntos de soldadura defectuosos en cada
una de ellas y su longitud. La siguiente tabla muestra los resultados
obtenidos:
Reja N N de puntos N defectos Defectos/punto
1 12 1 0.083
2 18 0 0.000
3 15 0 0.000
4 15 1 0.067
5 15 1 0.067
6 18 2 0.111
7 20 2 0.100
8 20 1 0.050
9 25 2 0.080
10 20 2 0.100
11 18 1 0.055
12 15 1 0.067
13 15 1 0.067
14 20 0 0.000
15 20 2 0.100
16 18 1 0.055
17 20 2 0.100
18 18 1 0.055
19 20 2 0.100
20 15 0 0.000
21 20 1 0.050
22 20 1 0.050
23 18 2 0.111
24 20 2 0.100
25 18 1 0.055
Elabore el grfico de control u e interprete los resultados.
6. En una planta textil se registr el nmero de paros de los telares en los
pasados 30 das. La siguiente tabla muestra estos datos.
Da 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Paros 15 17 12 11 9 12 11 18 12 10 9 10 12 18 20
Da 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Paros 17 15 8 10 14 10 9 16 18 12 6 10 9 16 15
Elabore el grfico de control c e interprete los resultados
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 3 - Control de Procesos para Atributos 41
7. Analice el estado de control de los procesos representados en los
siguientes grficos de control de fraccin defectuosa:
4,5
3,5
2,5
1,5
0,5
0 2 4 6 8 10 12 14 16 18 20
Control Estadstico de Calidad Hernn Daro Rendn C.
42 Mdulo 3 - Control de Procesos para Atributos
LSC
LC
LIC
4,5
3,5
2,5
1,5
0,5
0 2 4 6 8 10 12 14 16 18 20
6. BIBLIOGRAFA
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Evans, James y William Lindsay. Administracin y Control de la
Calidad. Thompson. Mxico. 2000.
Duncan, Acheson. Quality Control and Industrial Statistics. Irwin Inc.
Illinois. 1965.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 43
MODULO 4 - CONTROL DE PROCESO PARA VARIABLES
Al Parador de La Pea, ubicado en la cima de un escarpado risco,
se llega por telefrico. Las cabinas tienen veinte asientos y una
capacidad mxima de 2000 kilogramos.
En la cafetera de la estacin, un operario del telefrico, con aire de
satisfaccin, le deca a un turista: Mire, en cinco aos de operacin
del sistema jams se han presentado accidentes, las normas de
seguridad son muy estrictas y su cumplimiento son nuestra primera
prioridad. Por ejemplo, si se excede el peso mximo suena una
alarma y se bloquea la partida de la cabina. A propsito, que yo
sepa esto nunca ha ocurrido, pues 2000 kilogramos son muchos
kilogramos....
En estas, el ruido estridente de un timbre interrumpi la
conversacin, y el operario apresuradamente abandon la cafetera,
minutos ms tarde regres y dirigindose a su contertulio, dijo:
No me lo va a creer, hoy se inicia en el parador la convencin de la
Asociacin Nacional de Gordos....
OBJETIVOS:
Conocer las herramientas usadas en el control de calidad para variables
Aprender la construccin de los diferentes tipos de grficos de control de
procesos para variables e interpretar los resultados
Evaluar la capacidad de los procesos productivos
CONTENIDO:
1. Grficos de control para variables 44
2. Grficos X 44
3. Grficos R 49
4. Tabla de factores para grficos de control 51
5. Otros tipos de grficos de control para variables 52
6. Lmites de control para valores individuales 54
7. Capacidad del proceso 57
8. Taller 59
9. Bibliografa 63
Control Estadstico de Calidad Hernn Daro Rendn C.
44 Mdulo 4 - Control de Proceso para Variables
1. GRAFICOS DE CONTROL PARA VARIABLES
Los grficos de control de proceso para variables se basan en la medicin de
los valores de caractersticas de calidad en una escala continua, tales como:
longitud, peso, resistencia, densidad, temperatura, etc.
Existen dos tipos bsicos de grficos de control para variables, as:
GRAFICOS DE CONTROL PARA EL PROMEDIO: Estos grficos
controlan el valor promedio de la caracterstica de calidad en las
muestras. Se conocen como grficos X .
GRAFICOS DE CONTROL PARA LA AMPLITUD: Estos grficos
controlan la amplitud o rango de variacin de la caracterstica de
calidad en las muestras. El rango, R, se define como la diferencia
entre el mximo y el mnimo valor de la caracterstica, X, obtenido en
una muestra, as: R = Max X - Min X. Estos grficos se conocen
como grficos R.
2. GRAFICOS X
Los grficos X controlan el valor promedio de la caracterstica de calidad
arrojada por el proceso a partir de los valores promedios de la caracterstica
obtenidos en las muestras y se basan en la distribucin muestral de la media
de la teora de muestreo.
Para la construccin de los grficos X , se requiere la determinacin de:
LINEA CENTRAL: La lnea central se sita en el valor de la media del
proceso, en el caso de que sta no se conozca puede estimarse
aplicando la teora del muestreo. LC = = X = X .
LIMITE SUPERIOR DE CONTROL: Para grficos 3 sigma, el LSC se
ubica en + 3, donde y son la media y la desviacin estndar
del proceso. En el caso de que sea desconocido, se estima su
valor a partir de datos histricos o extraccin de muestras.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 45
LIMITE INFERIOR DE CONTROL: Para grficos 3 sigma, el LIC se
ubica en - 3, donde y son la media y la desviacin estndar
del proceso.
Ejemplo 1: Una troqueladora produce tapas metlicas con un dimetro
promedio de 1.75 centmetros y desviacin estndar de 0.2. Determinar la
LC y los LSC y LIC de control para un grfico X , 3 sigma, tomando
muestras de 50 tapas.
Objetivo: Mostrar el procedimiento para la construccin de un grfico de
control X , conocidas la media y la desviacin estndar del proceso.
Solucin:
LC = 1.75
LSC = 1.75 + 3/ n = 1.75 + 0.0848 = 1.835
LIC = 1.75 - 3/ n = 1.75 - 0.0848 = 1.665
El clculo de los limites de control para grficos X , para procesos con media y
desviacin estndar desconocida, requiere la estimacin de estos parmetros
a partir de la informacin suministrada por muestras representativas tomadas
del proceso.
Por la teora estadstica, se sabe que la distribucin muestral de la media tiene
un valor promedio igual a la media de la poblacin (media del proceso).
R
Y una desviacin estndar igual a , donde:
d2 n
d2 = Valor tabulado para diferentes valores del tamao de la muestra n.
R = Rango promedio de k muestras de tamao n.
3
El valor = A2 est tabulado para diferentes valores de n
d2 n
Por lo tanto los lmites superior e inferior de control estn dados por:
Control Estadstico de Calidad Hernn Daro Rendn C.
46 Mdulo 4 - Control de Proceso para Variables
R
LSC = X + 3 = X + A2 R
d2 n
R
LIC = X - 3 = X - A2 R
d2 n
Donde: X = Valor promedio de la media de k muestras de tamao n
En el numeral 4 se reproduce la tabla de factores para grficos de control 3
sigma donde pueden hallarse los valores d 2 y A2.
Ejemplo 2: Realice un grfico X , para el proceso de llenado de vasos de
helado, en el cual se desconocen el promedio y la desviacin estndar del
peso en gramos.
Se toman muestras de 25 unidades durante 20 das y se registran el peso
promedio y el rango en gramos, los resultados se pueden ver en la
siguiente tabla:
Da X R
1 253.4 5.4
2 256.4 3.2
3 249.1 4.8
4 259.0 3.7
5 261.2 4.2
6 251.5 3.0
7 255.0 3.2
8 254.5 2.9
9 260.7 2.5
10 265.2 6.1
11 258.0 5.2
12 254.2 3.4
13 243.8 4.0
14 248.0 2.9
15 254.3 3.8
16 260.4 5.1
17 247.1 4.5
18 253.7 2.5
19 247.2 4.3
20 249.0 5.2
Totales 5081.7 79.9
Promedio X =254.085 R =3.996
Tabla 4.1. - Datos del ejemplo 2
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 47
Objetivo: Mostrar el procedimiento para la construccin de un grfico de
control X , desconocidas la media y la desviacin estndar del proceso.
Solucin:
Basados en la informacin proporcionada por estas 20 muestras se
calculan:
LC = X = 254.085
R 3.996
LSC = X + 3 = 254.085 + 3 = 254.69
d2 n 3.931x5
R 3.996
LIC = X - 3 = 254.085 - 3 = 253.47
d2 n 3.931x5
El valor de d2 = 3.931 se toma de la tabla para n = 25.
Con estos resultados se construye el grfico y se registran los resultados
del peso promedio de las muestras subsiguientes.
De manera alternativa, pueden calcularse los limites de control usando las
siguientes formulas:
LSC = X + A2 R = 254.085 + 0.153x3.996 = 254.69
LIC = X - A2 R = 254.085 - 0.153x3.996 = 253.47
El valor A2 = 0.153 se obtiene de la tabla para n = 25.
Observe que los resultados obtenidos por ambas formulas son iguales.
Control Estadstico de Calidad Hernn Daro Rendn C.
48 Mdulo 4 - Control de Proceso para Variables
Ejemplo 3: Qu podr decirse del estado de control del promedio del
proceso del ejemplo 2, si en los siguientes 8 das el peso promedio de las
muestras fue:
Da X
21 253.8
22 254.2
23 252.0
24 253.7
25 255.2
26 254.5
27 253.0
28 255.0
Tabla 4.2. - Datos para el ejemplo 3
Objetivo: Mostrar la aplicacin de el grfico de control X , para establecer el
estado de control del proceso.
Solucin:
Graficando los puntos se tiene:
256
LSC
255
Peso promedio
254
LIC
253
252
251
21 22 23 24 25 26 27 28
Muestra
Figura 4.1. Grafico de control para la media del ejemplo 3
Observe que el proceso est fuera de control puesto que los pesos promedios
de las muestras de los das 23, 25, 27 y 28 caen por fuera de los lmites de
control. Ser necesario, por lo tanto, investigar las posibles causas asignables
que generaron tales variaciones.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 49
3. GRAFICOS R
Los grficos de amplitud o grficos R estn diseados para detectar cambios
en la variabilidad del proceso a partir del clculo de los rangos de las muestras.
Los valores promedio y desviacin estndar del rango de la poblacin se
estiman a partir datos histricos o tomando muestras. La distribucin muestral
del rango para muestras de tamao n es aproximadamente normal con
R = d3 R / d2 , donde d3 y d2 estn tabulados para diferentes valores de n, en
la citada tabla de factores (Numeral 4).
Por lo tanto, los lmites superior e inferior del grfico R para 3 sigma, estn
dados, por:
LSC = R + 3 (d3 R / d2 ) = R 1+(3 d3 / d2)
LIC = R - 3 (d3 R / d2 ) = R 1- (3 d3 / d2)
Los factores 1+(3 d3 / d2) y 1- (3 d3 / d2) se conocen como D4 y D3 ,
respectivamente, y estn tabulados para diferentes valores de n,
en la citada tabla.
En consecuencia, los lmites superior e inferior de control estn dados, por:
LSC = R * D4
LIC = R * D3
Ejemplo 4: Tomando los datos de las veinte muestras del ejemplo 2
(Tabla 4.1). Calcule los limites superior e inferior del grfico R.
Objetivo: Mostrar el procedimiento para el clculo de la lnea central y los
lmites superior e inferior de control del grfico R.
Solucin:
Los valores para D4 y D3 cuando n = 25, son: 1.541 y 0.459,
respectivamente. Y R = 3.996. Por lo tanto:
LC = 3.996
LSC = 3.996x1.541 = 6.15
LIC = 3.996x0.459 = 1.83
Control Estadstico de Calidad Hernn Daro Rendn C.
50 Mdulo 4 - Control de Proceso para Variables
Ejemplo 5: Establezca el estado de control de la variabilidad del proceso del
ejemplo 4, si en los siguientes ocho das el rango del peso de muestras de 25
vasos, es:
Da Rango
21 5.8
22 7.2
23 4.3
24 2.8
25 5.1
26 4.5
27 9.0
28 7.2
Tabla 4.3. - Datos para el ejemplo 5
Objetivo: Mostrar la aplicacin de los grficos de control R para establecer el
estado de control de la variabilidad del proceso.
Solucin:
Usando los lmites de control encontrados en el problema 3 y graficando los
datos, se tiene:
10
9
8
7
LSC
6
Rango
5
4
LC
3
2
LIC
1
0
21 22 23 24 25 26 27 28
Muestra
Figura 4.2. Grafico de control R del ejemplo 5
Observe que los das 22, 27 y 28 el rango de las muestras est por fuera de
los lmites de control y por lo tanto el proceso est fuera de control y
debern investigarse las causas asignables que generaron estas
variaciones del rango.
En la prctica, los procesos se controlan usando simultneamente
grficos X y R.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 51
4. TABLA DE FACTORES PARA GRAFICOS DE CONTROL 3 SIGMA
MUESTRA A1 A2 c2 B1 B2 B3 B4 d2 D1 D2 D3 D4
2 3,760 1,880 0,5642 0 1,843 0 3,267 1,128 0 3,686 0 3,267
3 2,394 1,023 0,7236 0 1,858 0 2,568 1,693 0 4,358 0 2,575
4 1,880 0,729 0,7979 0 1,808 0 2,266 2,059 0 4,698 0 2,282
5 1,596 0,577 0,8407 0 1,756 0 2,089 2,326 0 4,918 0 2,115
6 1,410 0,483 0,8686 0,026 1,711 0,030 1,970 2,534 0 5,078 0 2,004
7 1,277 0,419 0,8882 0,105 1,672 0,118 1,882 2,704 0,205 5,203 0,076 1,924
8 1,175 0,373 0,9027 0,167 1,638 0,185 1,815 2,847 0,387 5,307 0,136 1,864
9 1,094 0,337 0,9139 0,219 1,609 0,239 1,761 2,970 0,546 5,394 0,184 1,816
10 1,028 0,308 0,9227 0,262 1,584 0,284 1,716 3,078 0,687 5,469 0,223 1,777
11 0,973 0,285 0,9300 0,299 1,561 0,321 1,679 3,173 0,812 5,534 0,256 1,744
12 0,925 0,266 0,9359 0,331 1,541 0,354 1,646 3,258 0,924 5,592 0,284 1,716
13 0,884 0,249 0,9410 0,359 1,523 0,382 1,618 3,336 1,026 5,646 0,308 1,692
14 0,848 0,235 0,9453 0,384 1,507 0,406 1,594 3,407 1,121 5,693 0,329 1,671
15 0,816 0,223 0,9490 0,406 1,492 0,428 1,572 3,472 1,207 5,737 0,348 1,652
16 0,788 0,212 0,9523 0,427 1,478 0,448 1,552 3,532 1,286 5,779 0,364 1,636
17 0,762 0,203 0,9551 0,445 1,465 0,466 1,534 3,588 1,359 5,817 0,379 1,621
18 0,738 0,194 0,9576 0,461 1,454 0,482 1,518 3,640 1,420 5,854 0,392 1,608
19 0,717 0,187 0,9599 0,477 1,443 0,497 1,503 3,689 1,490 5,888 0,404 1,596
20 0,697 0,180 0,9619 0,491 1,433 0,510 1,490 3,735 1,548 5,922 0,414 1,586
21 0,679 0,173 0,9638 0,504 1,424 0,523 1,477 3,778 1,606 5,95 0,425 1,575
22 0,662 0,167 0,9655 0,516 1,415 0,534 1,466 3,819 1,659 5,979 0,434 1,566
23 0,647 0,162 0,9670 0,527 1,407 0,545 1,455 3,858 1,710 6,006 0,443 1,557
24 0,632 0,157 0,9684 0,538 1,399 0,555 1,445 3,895 1,759 6,031 0,452 1,548
25 0,619 0,153 0,9696 0,548 1,392 0,565 1,435 3,931 1,804 6,058 0,459 1,541
ESTIMANDO: = =
R
X R / d2
n K K
Xi X R
Xi XK
i 1 k 1 K 1
K
Donde: (media de la muestra i) ; (media de las k medias) ;
n K K
Grfico X
3R 3R
LSC = X X 2 R LIC = X X 2 R
d2 n d2 n
Grfico R:
LSCR = D4 R LCR = R LICR = D3 R
K 1
K
ESTIMANDO: = X = / c2 Donde:
K
3 3
Grfico X
LSC = X X 1 LIC = X X 1
c2 n c2 n
Grfico
LSC = B4 LC = LIC = B3
Control Estadstico de Calidad Hernn Daro Rendn C.
52 Mdulo 4 - Control de Proceso para Variables
5. OTROS TIPOS DE GRAFICOS DE CONTROL PARA VARIABLES
GRAFICOS X , s: Este tipo de grficas de control, a diferencia de las grficas
R, no se estima la variabilidad del proceso a partir del rango de las muestras,
sino usando la desviacin estndar de las muestras, s. Igualmente que para
los grficos R se acompaa del grfico X , pero ahora los lmites superior e
inferior de ste se calculan con base en las desviaciones estndar de las
muestras.
Para el grfico s, se calcula la desviacin de cada una de las muestras, as:
x x
n
2
s
i
n 1
i 01
Para el clculo de los lmites de control para la grfica s, se calcula s , como el
promedio de las desviaciones de las k muestras tomadas de tamao n.
La lnea central y los lmites superior e inferior estn dados por:
Lnea central: s
Lmite superior B4 s (B4 valor tabulado)
Lmite inferior B3 s (B3 valor tabulado)
Ver tabla numeral 4.
Para el grfico X , calculado a partir de s, los lmites de control son:
Lnea central: X
Lmite superior X + A2 s (A2 valor tabulado)
Lmite inferior X - A2 s (A2 valor tabulado)
Ver tabla numeral 4
Ejemplo 6: La siguiente tabla muestra las medias y las desviaciones estndar
de 25 muestras de tamao n = 10, adems del calculo de los lmites de control
para los grficos X y s.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 53
OBS. OBS. OBS. OBS. OBS. OBS. OBS. OBS.
N OBS. 2 OBS. 3 MEDIA DES. EST.
1 4 5 6 7 8 9 10
1 2,0 2,5 2,1 1,9 1,1 1,8 1,4 1,3 1,2 2,3 1,76 0,486
2 1,0 2,0 2,4 1,3 1,2 1,4 1,2 1,1 1,6 2,3 1,55 0,508
3 1,4 1,7 1,1 2,0 1,9 2,4 2,1 1,4 1,8 2,1 1,79 0,396
4 1,6 1,0 2,0 1,1 1,2 2,3 1,0 2,5 2,5 2,1 1,73 0,622
5 2,1 1,3 1,5 1,2 2,5 2,1 1,8 1,2 1,4 2,3 1,74 0,484
6 1,1 1,8 1,5 1,2 1,5 2,3 1,9 1,8 1,6 2,1 1,68 0,377
7 1,4 1,5 1,0 2,5 1,3 1,7 2,0 2,2 2,4 2,4 1,84 0,532
8 1,7 2,2 1,6 2,2 1,4 2,2 1,8 1,1 2,3 2,3 1,88 0,424
9 1,9 1,0 1,6 2,4 1,2 1,4 2,4 2,1 2,5 1,8 1,83 0,527
10 2,3 1,9 1,4 1,9 2,1 2,5 1,4 2,3 1,7 1,4 1,89 0,409
11 1,9 1,6 2,4 1,3 2,5 1,9 1,7 1,3 1,8 1,2 1,76 0,443
12 1,6 1,3 2,1 1,9 1,1 1,9 1,9 2,5 1,5 1,8 1,76 0,403
13 2,4 1,1 2,0 1,3 1,2 2,4 2,1 2,4 1,2 2,4 1,85 0,578
14 1,4 2,0 1,6 1,4 1,0 1,4 1,7 1,0 2,3 1,3 1,51 0,409
15 2,4 2,0 2,5 2,1 2,4 1,6 2,5 1,2 1,9 2,2 2,08 0,424
16 1,9 2,4 1,8 1,4 2,2 1,2 1,4 2,4 2,4 1,4 1,85 0,479
17 1,0 1,9 1,5 2,1 1,8 1,8 1,5 2,3 2,0 1,0 1,69 0,438
18 2,3 2,2 1,3 2,1 2,2 1,5 2,5 1,7 1,9 1,3 1,90 0,429
19 2,1 2,4 2,4 2,4 1,1 1,7 2,0 1,4 1,4 1,5 1,84 0,484
20 1,7 1,9 1,1 2,4 1,1 1,3 1,4 2,1 1,4 1,8 1,62 0,434
B3 = 0,284
B4 = 1,716
A3 = 0,975
LC(MEDIA) 1,78
LSC(MED) 2,23
LIC(MED) 1,32
LC(s) 0,46
LSC(s) 0,80
LIC(s) 0,13
Control Estadstico de Calidad Hernn Daro Rendn C.
54 Mdulo 4 - Control de Proceso para Variables
6. LIMITES DE CONTROL PARA VALORES INDIVIDUALES
Una vez se logre que el proceso est bajo control, es decir, tanto la media
como el rango muestral, obtenido a partir de muestras de tamao n, estn
entre los lmites de control de los grficos X y R, es posible el clculo de
lmites de control para valores individuales.
Estos lmites permiten apreciar si el valor de la caracterstica de calidad de un
artculo est respondiendo al estado de control del proceso que lo produce.
Adicionalmente, son de mucha utilidad para evaluar si un proceso es capaz
de producir artculos que requieran una especificacin dada. La especificacin
se define como los valores mximo y mnimo soportables de una
caracterstica de calidad del producto, estos valores se conocen como los
lmites superior e inferior de la especificacin o lmites mximo y mnimo de
tolerancia. En la produccin de muchos artculos es corriente que el cliente le
exija al fabricante un valor nominal y lmites superior o inferior o ambos de la
caracterstica de calidad. El hecho de que un producto no cumpla la
especificacin lo hace no conforme o defectuoso.
Como ilustracin considere un comprador de un pasador de acero que exige
un dimetro promedio de 25 mm 0.5 mm, esto es, pasadores de ms de 25.5
o menos de 24.5 mm de dimetro son inaceptables o defectuosos. Las
especificaciones mxima y mnima se denotan como: LS ESP y LIEESP,
respectivamente.
El clculo de los lmites de control superior e inferior para valores individuales
(denotadas con subndice x), se obtienen as:
LSCx = X + n A2 R
LICx = X - n A2 R
La comparacin de los lmites superior e inferior para valores individuales y los
lmites superior e inferior de especificacin permitir evaluar si el proceso
soporta la especificacin. Esto es, si los lmites de la especificacin estn
contenidos dentro de los lmites para valores individuales significa que el
proceso producir artculos defectuosos (fuera de especificacin). Por el
contrario, s los lmites para valores individuales estn contenidos dentro los
lmites de la especificacin significa que el proceso soporta la especificacin y
no habr defectuosos si el proceso se mantiene bajo control.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 55
LSCx
LSESP
LIESP
LICx
Observe que los puntos negros pese a estar dentro de lmites de control del
proceso para individuos estn por fuera de los lmites de especificacin y en
consecuencia el proceso no soporta la especificacin.
LSESP
LSCx
LICx
LIESP
Por el contrario en la figura anterior los lmites de control para individuos
estn contenidos entre los lmites superior e inferior de la especificacin y
en consecuencia mientras el proceso permanezca bajo control no se
producirn unidades defectuosas (por fuera de la especificacin)
Ejemplo 7: En un proceso de llenado de bolsas de nueces se tomaron 25
muestras de 7 bolsas, para determinar el peso en gramos, arrojando los
siguientes resultados:
X = 349.97
R = 22.66
Los grficos de control X y R se muestran en las siguiente figura:
Control Estadstico de Calidad Hernn Daro Rendn C.
56 Mdulo 4 - Control de Proceso para Variables
Grafico X
365
360
355
350
345
340
335
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Grafico R
45
40
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Asumiendo que el proceso est bajo control, Calcule los lmites de control para
individuos de la media.
Objetivo: Mostrar el clculo de los lmites de control de la media para
individuos.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 57
Solucin:
LSCx = X + n A2 R = 349.97 + (2.646 x 0.419 x 22.66) = 375.09
LICx = X - n A2 R = 349.97 - (2.646 x 0.419 x 22.66) = 324.84
Ejemplo 8: En relacin con el problema anterior, suponga que un comprador
del producto exige que las bolsas pesen 350 gr. 10. Puede est proceso
satisfacer la exigencia del cliente?
Objetivo: Mostrar la relacin entre los lmites de control para individuos del
promedio del proceso y los lmites de especificacin del producto.
Solucin:
Se tiene que: LSESP = 360 y LIESP = 340. Dado que estos lmites estn
contenidos entre los lmites de control para individuos puede concluirse que el
proceso no soporta esta especificacin, puesto que an sin salirse de control,
llenar bolsas por fuera de la especificacin.
Observe que si la especificacin se ampla a 350 gr. 25, los lmites seran :
LSESP = 375 y LIESP = 325, caso en el cual los lmites de control para
individuos y los lmites de especificacin tienen aproximadamente los mismos
valores y en consecuencia el proceso soporta la especificacin.
7. CAPACIDAD DEL PROCESO
La capacidad del proceso en relacin a si un proceso es capaz de producir
artculos individuales con unas especificaciones dadas, puede medirse.
Partiendo de un proceso bajo control y asumiendo que la variable objeto de
control es aproximadamente normal, la desviacin estndar del proceso puede
estimarse a partir de: = R /d2 .
Para lmites 3 sigma, se dice que la capacidad del proceso, C = 6, observe
que este valor es la diferencia entre los lmites superior e inferior de control
para individuos. Asumiendo que los valores individuales se distribuyen
normalmente, es posible calcular la probabilidad de que un artculo est por
fuera de las especificaciones.
Control Estadstico de Calidad Hernn Daro Rendn C.
58 Mdulo 4 - Control de Proceso para Variables
Ejemplo 9: En relacin con los ejemplos 7 y 8, si se definen los lmites de
especificacin superior e inferior de: LSESP = 360 y LIESP = 340. Calcule la
probabilidad de que una bolsa cumpla con la especificacin.
Objetivo: Mostrar el procedimiento para determinar la probabilidad de que un
proceso produzca artculos con unas especificaciones dadas.
Solucin:
De los resultados obtenidos en el ejemplo 7, se tiene:
= X = 349.97.
= R /d2 = 22.66 / 2.704 = 8.38
P(340 X 360) = P(X 360) P(X 340) = P(Z 1.20) P(Z -1.19) =
0.8849 - 0.1170 = 76.79%, y por lo tanto, el 23.21% de la produccin de este
proceso estar por fuera de la especificacin.
Si los lmites superior e inferior de la especificacin son: LSESP = 375 y
LIESP = 325, la probabilidad de que una bolsa cumpla la especificacin es:
P(325 X 375) = P(X 375) P(X 325) = P(Z 2.99) P(Z -2.98) =
0.9986 - 0.0014 = 99.72%, y por lo tanto, el 0.28% de la produccin estar por
fuera de la especificacin.
INDICE DE CAPACIDAD: El ndice de capacidad del proceso en relacin con
una especificacin, se define como:
CP = ( LSESP LIESP ) / C = ( LSESP LIESP ) / 6 ( = R /d2 )
Valores del ndice menores que 1 indican que el proceso no soporta la
especificacin; valores de 1 indican que los lmites del proceso para individuos
y los lmites de especificacin coinciden y valores mayores que 1 indican que el
proceso soporta la especificacin.
Ejemplo 10: En relacin con los ejemplos 7 y 8, calcule el ndice de capacidad
del proceso para las especificaciones dadas.
Objetivo: Mostrar el calculo e interpretacin del ndice de capacidad de un
proceso en relacin a unas especificaciones dadas.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 59
Solucin:
LSESP = 360 y LIESP = 340, es: CP = 20 / (6 x 8.38) = 0.398
El valor del ndice de capacidad es menor que 1, y por lo tanto, el proceso est
lejos de satisfacer las especificaciones.
Si las especificaciones se amplan a: LSESP = 375 y LIESP = 325, el ndice es:
CP = 50 / (6 x 8.38) = 0.994, valor muy cercano a 1, y por lo tanto, puede
decirse que el proceso soporta las especificacines de manera ajustada.
Si la especificacin fuera: LSESP = 380 y LIESP = 320, el ndice
CP = 60 / (6 x 8.38) = 1.20, y en consecuencia, puede decirse que el proceso
satisface sobradamente las especificaciones.
8. TALLER
1. La siguiente tabla muestra la media y el rango en centmetros de 12
muestras de tamao 30, tomadas para establecer lmites de control de
prueba.
Muestra 1 2 3 4 5 6 7 8 9 10 11 12
Media 9.2 8.7 8.8 9.1 8.3 9.1 8.6 8.7 9.2 8.4 8.2 8.0
Rango 0.4 0.5 0.4 0.2 0.7 0.3 0.4 0.2 0.5 0.6 0.4 0.4
Calcule la lnea central y los lmites de control para los grficos
X y R 3 sigma
2. Usando los lmites de control del problema anterior, establezca el estado
del proceso, si las ltimas 10 muestras de tamao 30, arrojaron los
siguientes resultados:
Muestra 1 2 3 4 5 6 7 8 9 10
Media 8.9 9.2 9.2 9.5 9.3 9.2 9.7 9.4 9.2 9.4
Rango. 0.1 0.5 0.4 0.3 0.6 0.2 0.4 0.2 0.5 0.4
Control Estadstico de Calidad Hernn Daro Rendn C.
60 Mdulo 4 - Control de Proceso para Variables
3. La siguiente tabla muestra la media y la desviacin estndar (en segundos)
de 36 muestras de tamao 30, tomadas para establecer lmites de control
de prueba.
Muestra 13 14 15 16 17 18 19 20 21 22 23 24
Media 9.1 8.7 8.8 9.1 9.3 9.1 9.6 8.7 9.2 9.4 9.2 8.8
D. Est. 0.8 0.5 1.4 1.2 0.7 1.3 0.7 1.2 0.5 0.6 0.4 1.4
Muestra 25 26 27 28 29 30 31 32 33 34 35 36
Media 9.2 8.7 7.8 9.4 9.5 9.1 8.6 8.9 9.0 8.9 7.9 8.2
D. Est. 1.1 0.3 0.9 0.8 1.4 1.0 0.5 1.2 0.7 0.9 0.7 0.9
Calcule los lmites de control y la lnea central para los grficos de
control 3 sigma, X y s
4. Usando los lmites de control del problema anterior, establezca el estado
de control del proceso, si las ltimas 10 muestras de tamao 30, arrojaron
los siguientes resultados:
Muestra 1 2 3 4 5 6 7 8 9 10
Media 9.8 9.7 10.2 9.9 8.3 9.2 9.7 9.9 9.2 10.4
D. Est. 1.1 0.5 0.4 0.6 0.6 1.0 0.4 1.2 0.5 0.9
5. Los lmites de control para individuos de un proceso bajo control son:
LSCx = 78.25 LICx = 70.75 LCx = 74.50
Si se establece como defectuosas las unidades con valor mayor de
77 y menor de 70, Calcule la probabilidad de que una unidad
producida por este proceso sea defectuosa.
Cul es el ndice de capacidad del proceso en relacin con la
especificacin?
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 61
6. La siguiente tabla muestra los resultados de una variable a partir de 20
muestras de tamao 10.
Da Obs Obs Obs Obs Obs Obs Obs Obs Obs Obs
1 1,12 1,00 1,18 1,03 1,05 1,18 1,12 1,15 1,08 1,04
2 1,11 1,07 1,20 1,17 1,06 1,18 1,02 1,15 1,09 1,08
3 1,00 1,13 1,14 1,13 1,20 1,07 1,20 1,10 1,12 1,16
4 1,15 1,00 1,03 1,11 1,13 1,10 1,07 1,14 1,11 1,12
5 1,04 1,04 1,03 1,00 1,10 1,09 1,02 1,09 1,15 1,02
6 1,00 1,13 1,16 1,08 1,14 1,16 1,01 1,20 1,18 1,02
7 1,00 1,13 1,05 1,08 1,02 1,04 1,01 1,03 1,18 1,18
8 1,14 1,17 1,00 1,06 1,00 1,03 1,07 1,19 1,16 1,11
9 1,10 1,00 1,17 1,08 1,10 1,12 1,09 1,02 1,12 1,00
10 1,08 1,08 1,11 1,08 1,13 1,18 1,12 1,09 1,10 1,03
11 1,05 1,17 1,09 1,17 1,13 1,05 1,14 1,03 1,02 1,05
12 1,18 1,02 1,04 1,02 1,12 1,05 1,02 1,19 1,12 1,03
13 1,01 1,19 1,08 1,04 1,08 1,15 1,08 1,04 1,15 1,03
14 1,09 1,17 1,16 1,07 1,07 1,20 1,09 1,02 1,02 1,13
15 1,02 1,20 1,15 1,09 1,10 1,02 1,12 1,17 1,02 1,08
16 1,04 1,03 1,03 1,14 1,15 1,00 1,06 1,07 1,02 1,02
17 1,15 1,12 1,13 1,05 1,10 1,00 1,17 1,00 1,03 1,06
18 1,17 1,16 1,01 1,17 1,06 1,18 1,05 1,08 1,14 1,11
19 1,02 1,19 1,15 1,08 1,17 1,15 1,13 1,08 1,06 1,20
20 1,17 1,06 1,01 1,06 1,17 1,18 1,17 1,16 1,14 1,19
Calcule los lmites de control (3 sigma) para los grficos X , R
Calcule los lmites de control (3 sigma) para los grficos X , s
Compare y analice los resultados obtenidos en los dos puntos
anteriores
Trace los puntos en los grficos y analice el estado de control del
proceso
7. Las dos tablas siguientes muestran los resultados obtenidos de las medias
y los rangos de 25 muestras de tamao cinco (n = 5) de dos procesos.
Control Estadstico de Calidad Hernn Daro Rendn C.
62 Mdulo 4 - Control de Proceso para Variables
Calcule para cada uno de los procesos los lmites de control de los
grficos X y R
Grafique los valores y analice el estado de control de la media y el
rango de ambos procesos.
En caso de que los procesos estn bajo control calcule los lmites de
control para individuos.
Calcule los ndices de capacidad de cada proceso, s se establecen
las siguientes especificaciones, as:
Especificacin: 45 7 Especificacin 85 15
MUESTRA MEDIA RANGO MUESTRA MEDIA RANGO
1 44,01 5,08 1 84,95 13,07
2 45,69 5,54 2 86,36 13,02
3 43,69 5,60 3 81,61 13,14
4 43,79 5,46 4 83,89 11,41
5 45,56 6,10 5 84,23 9,18
6 45,64 6,08 6 82,46 9,66
7 45,62 5,27 7 89,44 11,89
8 43,80 5,07 8 88,70 10,78
9 45,18 5,71 9 81,54 9,66
10 44,96 4,85 10 85,12 9,39
11 43,83 6,34 11 88,47 11,83
12 44,02 5,23 12 84,62 12,71
13 44,17 4,93 13 80,47 13,08
14 43,71 6,71 14 85,17 9,55
15 43,87 6,23 15 80,06 9,97
16 43,70 6,15 16 84,15 13,07
17 45,12 5,06 17 86,20 12,94
18 44,18 5,02 18 81,50 11,07
19 45,22 5,76 19 81,64 11,38
20 45,04 6,37 20 83,98 13,01
21 44,66 5,48 21 80,41 12,90
22 44,36 5,05 22 84,75 10,68
23 44,45 5,87 23 82,48 10,94
24 45,52 6,72 24 87,23 11,20
25 45,10 5,11 25 84,54 9,57
n=5 MEDIA-MEDIA R - MEDIA n=5 MEDIA-MEDIA R - MEDIA
44,60 5,63 84,16 11,40
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 4 - Control de Proceso para Variables 63
9. BIBLIOGRAFIA
Duncan, A. Control de Calidad y Produccin Industrial. Alfaomega,
Bogot 1990.
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Gaither, N. y G. Frazier. Administracin de Produccin y
Operaciones. Thomas Editores. Mxico 2000.
Buffa, E. Operation Management: Problems and Models. Wiley.
New York 1972.
Rendn H.D. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln. 2003
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 65
MODULO 5 - HERRAMIENTAS PARA ANLISIS DE PROCESOS
No existe producto o servicio sin un proceso.
De la misma manera, no existe proceso sin un
producto o servicio
Harrington
OBJETIVOS:
Conocer las herramientas y tcnicas ms usadas en el anlisis de procesos
Conocer la aplicacin de estas herramientas en el contexto del control de
calidad de los procesos productivos
CONTENIDO:
1. Introduccin 65
2. Definicin de proceso 66
3. Herramientas para el anlisis de procesos 67
4. Diagramas de flujo de proceso 67
4.1. Diagrama de flujo de bloques 67
4.2. Diagrama de flujo estndar 69
5. Diagramas causa efecto 71
6. Diagramas de Pareto 73
7. Taller 75
8. Bibliografa 76
1. INTRODUCCIN: La informacin suministrada por los grficos de control de
un proceso permiten identificar su estado, esto es, si est bajo control o fuera
de control.
En este ltimo caso ser necesario identificar las causas asignables que lo
estn afectando para tomar las acciones correctivas pertinentes y lograr el
estado de control.
Control Estadstico de Calidad Hernn Daro Rendn C.
66 Mdulo 5 - Herramientas para Anlisis de Procesos
Para facilitar la comprensin del proceso, su posterior anlisis y la deteccin de
las causas asignables que lo afectan, la teora de procesos proporciona
herramientas de amplio uso y probada efectividad.
2. DEFINICIN DE PROCESO: Harrington en su texto Mejoramiento de los
Procesos de la Empresa (ver bibliografa), define un proceso como:
Cualquier actividad o grupo de actividades que emplee un insumo, le agregue
valor a ste y suministre un producto a un cliente externo o interno.
Los procesos utilizan los recursos de una organizacin para suministrar
resultados definitivos
Esta definicin involucra tres elementos:
Insumos: Constituyen las entradas del proceso. En los procesos
productivos hacen relacin a las materias primas, suministros, partes,
equipos y herramientas.
Grupo de actividades: La ejecucin de estas actividades constituyen el
proceso de conversin o transformacin que agregan valor a los
insumos. En los procesos de produccin hacen relacin a:
Las operaciones, mtodos, tecnologas, entre otras.
Producto: Constituye el resultado o salida del proceso. En los procesos
productivos hace relacin a un producto o servicio destinado a la
satisfaccin de un cliente (mercado).
La siguiente figura muestra estos elementos y sus relaciones:
INSUMOS TRANSFORMACIN PRODUCTO CLIENTE
(CONVERSIN)
Figura 5.1. - Elementos de un proceso
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 67
3. HERRAMIENTAS PARA EL ANLISIS DE PROCESOS: Existen tres
herramientas bsicas de aplicacin en el control de calidad, as:
Diagramas de Flujo de Proceso
Diagramas Causa Efecto (Espina de pescado)
Diagramas de Pareto.
A continuacin se presentan las caractersticas de cada diagrama, tcnicas
para su construccin, usos y aplicaciones.
4. DIAGRAMAS DE FLUJO DE PROCESO:
La representacin grfica de los procesos es una herramienta muy adecuada
para visualizar y comprender fcilmente un proceso. Para ello se usan los
diagramas de flujo de proceso, los cuales se subdividen en dos tipos:
4.1. - Diagramas de flujo de bloque: Proporcionan una visin rpida y
poco detallada del proceso, incluyendo bloques de actividades,
representadas con rectngulos enlazados con flechas que determinan la
secuencia de los bloques de actividad.
Ejemplo 1: Considere el proceso de cambiar un cheque en un banco y
realice un diagrama de bloques.
Objetivo: Mostrar la construccin de un diagrama de bloques de un
proceso
Control Estadstico de Calidad Hernn Daro Rendn C.
68 Mdulo 5 - Herramientas para Anlisis de Procesos
INICIO
1.- Dirigirse al banco
2.- Tomar la fila
3.- Presentar al
cajero el cheque y
documento de
identidad
4.- Verificacin de
saldo e identidad
5.- Registro de la
operacin
6.- Conteo del
efectivo
7.- Entrega del
dinero y devolucin
del documento de
identidad
FIN
Observe que en cada bloque se incluye una actividad o grupo de actividades
sin mucho detalle, adems de una breve descripcin de la actividad,
proporcionando una vista general del proceso
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 69
4.2. - Diagramas de Flujo Estndar ANSI (American National
Standars Institute):
Estos diagramas muestran de manera detallada las actividades y sus
interrelaciones. Para su construccin se usan una serie de smbolos
estandarizados los cuales se detallan a continuacin:
Rectngulo: Operacin
Flecha de bloque: Transporte
Rombo: Decisin
Circulo: Inspeccin
Rectngulo base ondeada: Documento
Rectngulo obtuso: Demora, espera
Triangulo: Almacenamiento
Flecha: Direccin del flujo
Rectngulo redondeado: Lmites del proceso
Circulo pequeo: Conector
Control Estadstico de Calidad Hernn Daro Rendn C.
70 Mdulo 5 - Herramientas para Anlisis de Procesos
Ejemplo 2: Retomando el ejemplo anterior, el diagrama de flujo estndar, es:
INICIO
Dirigirse
al banco
Si
Hay fila
Tomar la fila
No
Espera
Dirigirse
a la
taquilla
Entregar cheque
y documento
identidad
Cajero
Verifica
identidad y
fondos
No Si
Correcto Registro de la
operacin
Conteo del
dinero
Notificacin de
la irregularidad
Entrega del
efectivo y
documento
Salir del
banco
FIN
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 71
5. DIAGRAMA CAUSA EFECTO:
Los diagramas causa efecto, conocidos tambin como diagramas espina de
pescado, permiten identificar las causas que estn generando efectos
perturbadores del proceso.
El procedimiento para su construccin y uso se detalla a continuacin:
Determinar la caracterstica de calidad que est fuera de
especificacin, es decir el efecto indeseable que est generando
el proceso (problema).
Especificar las causas principales y genricas, llamadas
Factores, que estn afectando el proceso productivo, en otras
palabras las causas principales del problema.
Evaluar el peso relativo de los factores del problema
Desagregar cada una de los factores o causas principales,
especificando para cada factor las causas secundarias que lo
integran y evaluando el peso relativo de stas sobre el factor.
Esta desagregacin puede aplicarse sucesivamente hasta el nivel
de detalle requerido.
La estructura del diagrama se muestra a continuacin
Causa Causa
Principal Principal
Espina
Secundaria Causa
Secundaria
Causa
Secundaria
Efecto
Columna Vertebral
Problema
Causa
Secundaria
Espina primaria
Causa
Principal
Control Estadstico de Calidad Hernn Daro Rendn C.
72 Mdulo 5 - Herramientas para Anlisis de Procesos
La jerarqua de los factores o causas primarias y las causas
secundarias en cada factor , indican al analista hacia que factores
dirigir la atencin y profundizar en su estudio y anlisis.
El anlisis de los pesos y las relaciones entre factores y causas
secundarias permite identificar puntos y factores crticos del
proceso.
La construccin y el uso eficiente de los diagramas causa efecto
requieren el pleno conocimiento del proceso y mucha profundidad
y rigor analtico.
EJEMPLO 3: Una empresa presta servicio de ambulancias para la
atencin y traslado de pacientes crticos a las salas de urgencias de los
hospitales.
El output o salida del proceso productivo de este servicio exige como
caracterstica fundamental la disponibilidad de ambulancias y personal
mdico y paramdico que permitan atender la urgencia de manera
inmediata.
El proceso no logra el output o salida deseada cuando no hay unidades
disponibles para la atencin del servicio.
Un diagrama causa efecto de este proceso se muestra a continuacin:
Efecto: No hay ambulancias disponibles.
Ambulancia (vehculo)
Personal
Factores: Dotacin de insumos y materiales
Equipos
Causas Secundarias:
Factor ambulancia: Ambulancias ocupadas
Ambulancias fuera de servicio
Factor Personal: No hay personal mdico
No hay personal auxiliar
No hay personal de atencin de llamadas
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 73
Factor Equipos: Maquinas y equipos mdicos fuera de servicio
Factor Insumos y Materiales: Disponibilidad de instrumental mdico
Medicamentos
Materiales
Diagrama causa - efecto:
Vehculo Personal
Ausencia de
Auxiliares
Ambulancias
fuera de servicio
Ausencia de Ausencia de
atencin mdicos
Ambulancias llamadas
ocupadas
Efecto
NO HAY
DISPONIBILIDAD
Instrumental
Materiales
Fuera de
servicio
Medicamentos
Equipos Insumos
El anlisis del peso de los factores y las causas secundarias permitir la
Identificacin de factores y puntos crticos del proceso.
6. DIAGRAMAS DE PARETO:
Los diagramas de Pareto estn basados en el principio de que la mayora de
los efectos de un proceso son el resultado de slo unas cuantas causas. El
diagrama identifica las pocas causas crticas que estn generando la mayora
de efectos en el proceso, a fin de dirigir la atencin y el anlisis a stos.
El diagrama lo constituyen histogramas de frecuencias absolutas y relativas de
la ocurrencia del efecto en funcin de los factores y causas que lo generan.
As como, el grfico de frecuencias acumuladas.
Control Estadstico de Calidad Hernn Daro Rendn C.
74 Mdulo 5 - Herramientas para Anlisis de Procesos
Ejemplo 4: El anlisis de registros histricos del proceso en los pasados 12
meses permitieron establecer los datos consignados en la siguiente tabla, en
relacin con el efecto: No hay disponibilidad:
FACTOR CANTIDAD % DEL TOTAL % ACUMULADO
Vehiculo 20 62.5 62.5
Personal 7 21.8 84.3
Equipos 3 9.4 93.7
Insumos 2 6.3 100.0
DIAGRAMAS DE PARETO:
FRECUNCIA RELATIVA
INSUMOS
FACTORES
EQUIPOS
PERSONAL
VEHICULO
0% 10% 20% 30% 40% 50% 60% 70%
% DEL TOTAL
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 5 - Herramientas para Anlisis de Procesos 75
FRECUENCIA ACUMULADA
100%
% ACUMULADO
80%
60%
40%
20%
0%
VEHICULO PERSONAL EQUIPOS INSUMOS
FACTORES
7. TALLER:
En equipos de dos estudiantes, seleccione un proceso sencillo relacionado
con la vida acadmica, tal como: El prstamo de un libro en la biblioteca, La
expedicin de un certificado, La cancelacin de una asignatura, La
asignacin de una cita mdica, etc.
Identifique las entradas, las actividades y las salidas del proceso.
Realice los diagramas de bloque y flujo estndar del proceso
Diagnostique el proceso e identifique efectos indeseables del proceso
Identifique las causas que generan los efectos indeseables del proceso
y realice el diagrama causa efecto correspondiente.
Realice un diagrama de Pareto para uno de los efectos que identifico.
Control Estadstico de Calidad Hernn Daro Rendn C.
76 Mdulo 5 - Herramientas para Anlisis de Procesos
8. BIBLIOGRAFA
Harrington, H.J. Mejoramiento de los Procesos de la Empresa.
Mc Graw Hill. Bogot. 1997
Evans, J. y W. Lindsay. Administracin y Control de la Calidad.
Thomson. Mxico. 1999.
Gaither, N. y G. Frazier. Administracin de Produccin y Operaciones.
Thompson. Mxico, 1999
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 77
MODULO 6 - CONTROL DE CALIDAD DE ACEPTACION
Para saber si la sopa qued buena,
no hay que tomrsela toda, basta
probar una cucharada.
OBJETIVOS:
Conocer la naturaleza, las herramientas y la terminologa del control de
calidad de aceptacin
Comprender los fundamentos, tipos y caractersticas de los planes de
aceptacin
Identificar y evaluar los riesgos asociados con el uso de los planes de
aceptacin
CONTENIDO:
1. Introduccin 78
2. Planes de aceptacin 78
3. Planes de muestreo simple de aceptacin 79
4. Curva caracterstica de operacin 80
5. Riesgos del productor y el consumidor 82
6. Nivel de calidad aceptable y porcentaje defectivo de tolerancia 83
7. Curva de calidad de salida promedio 86
8. Lmite de calidad de salida promedio 87
9. Nmero promedio de artculos inspeccionados 88
10. Curva de inspeccin total media 89
11. Planes dobles de aceptacin 91
12. Taller 95
13. Bibliografa 99
Control Estadstico de Calidad Hernn Daro Rendn C.
78 Mdulo 6 - Control de Calidad de Aceptacin
1. INTRODUCCION:
El trmino control de calidad de aceptacin se aplica en general a los
procedimientos orientados a garantizar un determinado nivel de calidad de los
inputs o outputs del proceso productivo, esto es, materias primas, partes,
componentes y producto terminado.
El objetivo bsico consiste en determinar la calidad de lotes de partes,
componentes o productos, mediante el diseo e implementacin de planes de
aceptacin.
2. PLAN DE ACEPTACIN:
Un plan de aceptacin se define como el procedimiento para inferir la calidad
de un lote a partir de la inspeccin de muestras y los criterios para aceptarlo o
rechazarlo.
El plan de aceptacin incluye:
Determinar la (s) caracterstica (s) de calidad del artculo, de manera que
pueda clasificarse como bueno o defectuoso.
Conocer el tamao de los lotes.
Determinar el tipo y tamao de la (s) muestra (s).
Establecer el nmero de artculos defectuosos obtenidos en la muestra a
partir del cual se rechaza el lote, o en otras palabras, el mximo nmero
permisible de defectuosos de la muestra para aceptar el lote. Este se
conoce como el nmero de aceptacin, c.
Observe que la calidad del lote puede determinarse mediante la inspeccin de
la totalidad de los elementos que lo componen, esto es inspeccin 100%. Sin
embargo la inspeccin 100% en muchos casos es imposible de practicar, tal es
el caso de pruebas destructivas, como medir la resistencia de una pieza
metlica o determinar el tiempo de operacin de un bombillo hasta que se
funda. En el caso de pruebas no destructivas el costo de inspeccin puede ser
un limitante para hacer inspeccin 100%.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 79
En consecuencia, la calidad del lote se determina a partir de la informacin
obtenida en la (s) muestra (s) y por lo tanto el procedimiento est basado en la
teora del muestreo.
Si la inferencia de la calidad del lote se hace a partir de una nica muestra se
dice que el plan de aceptacin es simple. Ms adelante se examinarn otros
tipos de planes de aceptacin, tales como, el doble (basado en la informacin
obtenida en dos muestras) y el secuencial.
3. PLAN DE MUESTREO SIMPLE DE ACEPTACIN:
Considere la siguiente situacin:
Tamao del lote: N
Tamao de la muestra: n
Nmero de aceptacin: c (hasta c defectuosos en la muestra)
Observe que la decisin de aceptar o rechazar el lote no slo depende de
n y c, sino, tambin del nmero de defectuosos del lote (calidad del lote),
sean:
Evento A: aceptar el lote.
M. Nmero de defectuosos en el lote.
x: nmero de defectuosos en la muestra.
Por lo tanto, la probabilidad de aceptar el lote (muestra sin reemplazo), puede
calcularse mediante la distribucin hipergeomtrica, as:
N M
P ( A) P ( X c ) nx
c M
x
x0
N
n
Ejemplo 1: Cul es la probabilidad de aceptar un lote de 30 ejes, de los cuales
4 son defectuosos. Si se toma una muestra de 10 ejes y se acepta el lote si
resultan 0 o 1 defectuosos?
Objetivo: Mostrar la aplicacin de un plan de muestreo y el clculo de la
probabilidad de aceptacin del lote.
Control Estadstico de Calidad Hernn Daro Rendn C.
80 Mdulo 6 - Control de Calidad de Aceptacin
Solucin:
En este caso se tiene: N = 30 M =4 n = 10 c=1
La probabilidad de aceptar el lote, est dada por:
+ =
30 4 30 4
P(A) = P(c 1) = 10 0 101
4 4
0
30
1
30
0.416 + 0.177 = 0.593
10 10
El clculo de esta probabilidad, cuando N es grande con relacin a n, puede
hallarse usando la distribucin binomial con p = M / N.
Adicionalmente, si np es menor que 20, puede usarse la distribucin Poisson,
con = np.
Ejemplo 2: Un lote de 1000 elementos tiene 80 defectuosos. Se elige un plan
de muestreo de aceptacin n = 30 y c = 2. Cul es la probabilidad de aceptar
el lote usando las distribuciones: hipergeometrica, binomial y poisson?
Objetivo: Mostrar la aplicacin de un plan de muestreo y el clculo de la
probabilidad de aceptacin del lote usando la aproximacin entre las
distribuciones.
Solucin:
Usando la distribucin hipergeometrica: P(A) = P(c 2) = 56.4%
Usando la distribucin binomial ( p = 0.08): P(A) = P(c 2) = 56.5%
Usando la distribucin poisson ( = 2.4): P(A) = P(c 2) = 56.9%
4. CURVA CARACTERSTICA DE OPERACIN
Para un plan de muestreo simple de aceptacin (n, c), la probabilidad de
aceptacin del lote depende de la fraccin defectuosa del lote, como se vio en
el apartado anterior.
Es posible calcular y graficar las probabilidades de aceptacin del plan de
muestreo para diferentes valores de la fraccin defectuosa del lote, obteniendo
la curva caracterstica de operacin del plan de muestreo.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 81
La curva caracterstica de operacin de un plan de aceptacin muestra la
capacidad del plan para discriminar entre lotes buenos y malos.
Ejemplo 3: Como ilustracin considere el plan de aceptacin del ejemplo 2,
(n = 30; c = 2), con valores de la fraccin del lote, p = 0.01, 0.02, 0.03, .......,
0.19 y 0.20, y realice la curva caracterstica del plan.
Objetivo: Mostrar el procedimiento para la construccin de la curva
caracterstica de operacin de un plan de aceptacin.
Solucin:
El clculo de las probabilidades de aceptacin usando la distribucin binomial,
se muestran en la siguiente tabla:
FRACCION DEFECTUOSA p PROBABILIDAD DE ACEPTACION
0.00 1.0000
0.01 0.9967
0.02 0.9783
0.03 0.9399
0.04 0.8831
0.05 0.8122
0.06 0.7324
0.07 0.6487
0.08 0.5654
0.09 0.4855
0.10 0.4113
0.11 0.3442
0.12 0.2847
0.13 0.2329
0.14 0.1887
0.15 0.1514
0.16 0.1203
0.17 0.0948
0.18 0.0741
0.19 0.0574
0.20 0.0442
Tabla 6.1. - Probabilidades de aceptacin del ejemplo 3 usando la distribucin binomial.
Observe que las probabilidades de aceptacin de los lotes decrece a
medida que crece la fraccin defectuosa del lote (lotes ms malos).
Control Estadstico de Calidad Hernn Daro Rendn C.
82 Mdulo 6 - Control de Calidad de Aceptacin
La curva caracterstica del plan de aceptacin (n = 30; c = 2), se muestra a
continuacin:
1
0,9
0,8
Probabilidad aceptacin
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2
Fraccin defectuosa p
Figura 6.1. - Curva caracterstica de operacin del plan (n=30; c=2) del ejemplo3
Observe que bajo el plan de aceptacin del ejemplo un lote bueno, digamos,
3% defectuoso, tiene una probabilidad de aceptacin del 94%, y por lo tanto
del 6% de ser rechazado. Anlogamente, un lote malo, digamos, 20%
defectuoso, tiene una probabilidad de aceptacin del 4.4%.
5. RIESGOS DEL PRODUCTOR Y DEL CONSUMIDOR
Se define el riesgo del productor, , como la probabilidad de que el consumidor
le rechace un lote con fraccin defectuosa p. En otras palabras, para un lote
p% defectuoso, el riesgo del productor, = 1 P(A).
Se define el riesgo del consumidor como la probabilidad de que ste acepte
un lote con fraccin defectuosa p%. Por lo tanto, para un lote p% defectuoso,
el riesgo del consumidor, = P(A).
Ejemplo 4: Retomando la curva caracterstica del ejemplo 3 (Figura 6.1),
del plan de aceptacin (n = 30; c = 2). Calcule el riesgo del productor, , para
lotes 4% defectuosos y el riesgo del consumidor, , para lotes
16% defectuosos.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 83
Objetivo: Mostrar el procedimiento para el clculo de los riesgos del productor
y el consumidor asociados con un plan de aceptacin.
Solucin:
La siguiente figura muestra los riesgos del productor y del consumidor para
lotes 4% y 16% defectuosos, respectivamente
1
0,9 P(R) = 1 P(A) = = 11.7%
0,8
Probabilidad aceptacin
0,7
0,6
0,5
P(A)
0,4 88.3%
0,3
0,2
0,1
P(A) = = 12%
0
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2
Fraccin defectuosa p
Figura 6.2. - Riesgos del productor y del consumidor del ejemplo 4
Observe en la curva caracterstica que lotes 4% defectuosos tienen una
probabilidad de aceptacin del 88.3%, y una probabilidad de rechazo de
11.7% (100 88.3). En consecuencia, el productor tiene un riesgo del
11.7% de que lotes 4% defectuosos le sean devueltos (rechazados) y por lo
tanto = 11.7%.
Anlogamente, lotes 16% defectuosos tienen una probabilidad de
aceptacin del 12% y en consecuencia el comprador tiene un riesgo del
12% de aceptar estos lotes 16% defectuosos, por lo tanto = 12%.
6. NIVEL ACEPTABLE DE CALIDAD Y PORCENTAJE DEFECTUOSO DE
TOLERANCIA
La calidad o fraccin defectuosa de los lotes correspondientes a los valores de
y , se conocen como: Nivel de calidad aceptable (Acceptable Quality Level),
denotado como AQL y Porcentaje defectuoso tolerable del lote (Lot tolerance
per cent defective), denotado como LTPD.
Control Estadstico de Calidad Hernn Daro Rendn C.
84 Mdulo 6 - Control de Calidad de Aceptacin
En otras palabras el AQL de un lote es la fraccin defectuosa del lote para la
cual el riesgo del productor es igual a . Y el LTPD es la fraccin defectuosa
de un lote correspondiente a un riesgo del consumidor igual a .
La calidad o fraccin defectuosa de un lote cuya probabilidad de aceptacin es
del 50% se denomina Calidad de Indiferencia. En otras palabras es el AQL
correspondiente a = 0.5 o el LTPD correspondiente a = 0.5.
Tomando los valores de y del ejemplo 4, esto es: = 11.7% y = 12%,
para el plan de aceptacin (n = 30; c = 2), El AQL = 4%, el LTPD = 16% y la
calidad de indiferencia 9%
Ejemplo 5: Las empresas A y B compran a un mismo proveedor una pieza
servida en lotes de 1000 unidades. Las empresas usan los planes de
aceptacin (nA = 50; cA = 2) y (nB = 20; cB = 1), respectivamente.
Realice las curvas caractersticas de los planes de aceptacin para ambas
empresas (en un mismo grfico). Interprete los resultados.
Objetivo: Mostrar el uso de la curva caracterstica para el anlisis comparativo
de planes de aceptacin.
Solucin:
0,9
0,8
0,7
0,6
EMPRESA B
P(A)
0,5
0,4
0,3
0,2 EMPRESA A
0,1
0
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2 0,22 0,24 0,26 0,28
p
Figura 6.3. - Curvas caractersticas del ejemplo 5
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 85
El plan de muestreo de la empresa A es mucho ms selectivo que el de la
empresa B, puesto que para lotes con fraccin defectuosa p, las
probabilidades de aceptacin de estos lotes es menor para la empresa A
que para la empresa B.
Por ejemplo, para lotes 6% defectuosos, la empresa A acepta el 41.6% de
los lotes, mientras que la empresa B acepta el 66% de estos. De igual
manera para lotes 12% defectuosos, la empresa A slo acepta el 5%,
mientras que la empresa B acepta cerca del 30% de los lotes.
Si en el ejemplo el proveedor fija un riesgo, = 20%, determine cul sera
el nivel de calidad aceptable o AQL de los lotes que se despachan a ambas
empresas.
Para la empresa A, el proveedor deber enviarle lotes con un AQL
cercano al 3%.
Para la empresa B, el proveedor deber enviarle lotes con un AQL
cercano al 4%.
Este resultado confirma que el plan de aceptacin de la empresa A es ms
exigente que el usado por la empresa B, tal como se mencion en el
punto anterior del ejemplo.
Observe que los intereses del proveedor y del comprador son diferentes,
esto es, el productor querr que su riesgo sea mnimo, es decir que para
una determinada calidad del producto, digamos adecuada le devuelvan el
menor nmero de lotes despachados, mientras que el comprador querr
maximizar las devoluciones de los lotes comprados de calidad
inadecuada.
Esta situacin indica la necesidad de que haya una estrecha comunicacin
entre proveedor y comprador que les permita llegar a acuerdos
relacionados con la calidad del producto y los planes de aceptacin usados
por ambos.
Control Estadstico de Calidad Hernn Daro Rendn C.
86 Mdulo 6 - Control de Calidad de Aceptacin
7. CURVA DE CALIDAD DE SALIDA PROMEDIO
En la aplicacin prctica de planes de aceptacin el proveedor inspecciona al
100% los lotes devueltos (rechazados) por el comprador remplazando los
defectuosos por artculos buenos antes de reenviar el lote al comprador.
Suponga que un comprador usa un plan de aceptacin (n, c) y que la
probabilidad de aceptar lotes con una fraccin defectuosa p%, es P(A).
El porcentaje promedio de defectuosos que recibe finalmente el comprador
estar dado por: (P(A) x p) + ((1 P(A)) x 0), esto es debido a que el comprador
est recibiendo p% defectuosos en aquellos lotes que acepte y 0%
defectuosos en los lotes que rechace y sean sometidos a rectificacin por el
productor.
Este porcentaje promedio calculado para diferentes fracciones defectuosas de
los lotes permite construir la curva de calidad de salida promedio denotada
como AOQ (Average Output Quality), por lo tanto:
AOQ = P(A) x p
El AOQ puede interpretarse como la calidad obtenida finalmente por el
comprador de lotes p% defectuosos luego del proceso de rectificacin
realizado por el productor sobre los lotes rechazados.
Ejemplo 6: Considere el plan de aceptacin de la empresa A del ejemplo
anterior (n = 50; c = 2). Construya la curva de calidad de salida promedio e
interprete los resultados.
Objetivo: Mostrar el procedimiento para calcular la curva de calidad de salida
promedio y la interpretacin de los resultados.
Solucin:
Las probabilidades de aceptacin para diferentes valores de p (fraccin
defectuosa del lote) y el clculo del correspondiente AOQ en porcentaje, se
muestran en la siguiente tabla:
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 87
p P(A) AOQ = P(A) x p x 100
0.00 1.0000 0.0000
0.01 0.9861 0.9861
0.02 0.9216 1.9722
0.03 0.8108 2.4324
0.04 0.6767 2.7068
0.05 0.5405 2.7025
0.06 0.4162 2.4972
0.07 0.3108 2.1756
0.08 0.2259 1.8072
0.09 0.1605 1.4445
0.10 0.1117 1.1170
0.11 0.0763 0.8393
0.12 0.0512 0.6144
0.13 0.0339 0.4407
0.14 0.0221 0.3094
0.15 0.0142 0.2130
0.16 0.0090 0.1440
0.17 0.0056 0.0952
0.18 0.0035 0.0630
Tabla 6.2. Calculo del AOQ para el ejemplo 6.
La curva AOQ correspondiente es:
2,5
2
AOQ%
1,5
0,5
0
0 0,03 0,06 0,09 0,12 0,15 0,18
p
Figura 6.3. - Curvas AOQ del ejemplo 6
Esta curva muestra la calidad final obtenida por el comprador luego del
proceso inspeccin rectificacin. Observe que la forma de la curva indica que
la calidad final o AOQ es buena para lotes muy buenos y muy malos. En
el limite se tiene que para lotes perfectos (0% defectuosos) el AOQ es 0%. Y
en el caso de que todos los lotes sean rechazados la calidad final o AOQ
tambin es 0% por el proceso de rectificacin.
Control Estadstico de Calidad Hernn Daro Rendn C.
88 Mdulo 6 - Control de Calidad de Aceptacin
8. LIMITE DE CALIDAD DE SALIDA PROMEDIO
El limite de calidad de salida promedio, denotado como AOQL, es el valor
mximo de la curva AOQ, y por lo tanto, representa la peor calidad obtenida
por el comprador luego del proceso inspeccin rectificacin, sobre lotes
despachados con calidad p% defectuoso.
Para el ejemplo 6 el AOQL corresponde al 2.7%, como puede observarse en la
siguiente figura:
3
AOQL = 2.7%
2,5
2
AOQ%
1,5
0,5
0
0 0,03 0,06 0,09 0,12 0,15 0,18
p
Figura 6.4. - AOQL del ejemplo 6
El comprador al aplicar el plan de aceptacin (n = 50; c = 2), obtendr lotes con
fraccin defectuosa mximo del 2.7% defectuoso.
9. NUMERO PROMEDIO DE ARTICULOS INSPECCIONADOS
En el proceso de inspeccin rectificacin, es decir, inspeccionar 100% los
lotes rechazados, es una prctica corriente que el mismo comprador realice la
rectificacin de los lotes no conformes previo acuerdo con el proveedor,
evitando as el transporte de los lotes rechazados.
Por lo tanto, es posible conocer el nmero promedio de unidades
inspeccionadas rectificadas, para un plan de aceptacin (n; c) y una calidad
de los lotes de tamao N, con fraccin defectuosa p% . Este valor se conoce
como inspeccin total media por lote (ITM)
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 89
Observe que el nmero medio de artculos inspeccionados rectificados, esta
dado por:
El nmero de artculos inspeccionados en las muestras de tamao n
para aquellos lotes aceptados.
El nmero de artculos rectificados para aquellos lotes rechazados de
tamao N, equivalente a N
Esto es: ITM = n x P(A) + ((N ) x (1 P(A)))
EJEMPLO 7: Un producto se sirve en lotes de 2000 unidades, con fraccin
defectuosa 2%. Determinar la inspeccin total media por lote para un plan de
aceptacin (n = 90; c = 3)
Objetivo: Mostrar el procedimiento para calcular el nmero promedio de
artculos inspeccionados en lotes p% defectuosos bajo un plan de aceptacin
rectificacin.
Solucin:
El clculo de la probabilidad de aceptacin, mediante el uso de la distribucin
poisson, con = n x p = 90 x 0.02 = 1.8, est dado por:
1.8 = 0.8913
3 1.8 x
P(A) =
x0 x|
ITM = 90 x 0.8913 +( (2000 ) x 0.1087) = 297.6
10. CURVA DE INSPECCION TOTAL MEDIA
El clculo de la ITM para diferentes fracciones defectuosas de los lotes
inspeccionados rectificados bajo un plan de aceptacin (n; c), puede
graficarse, obtenindose la curva de inspeccin total media.
La curva, por lo tanto, muestra las variaciones en el nmero total de artculos
inspeccionados rectificados para diferentes calidades de los lotes
despachados.
Control Estadstico de Calidad Hernn Daro Rendn C.
90 Mdulo 6 - Control de Calidad de Aceptacin
EJEMPLO 8: Construya la curva de inspeccin total media para el plan de
aceptacin (n = 40; c = 1) y lotes N = 500.
Objetivo: Mostrar el procedimiento para construir la curva de inspeccin total
media bajo un plan de aceptacin rectificacin.
Solucin:
Inspeccin Total Media
490,00
440,00
390,00
340,00
290,00
ITM
240,00
190,00
140,00
90,00
40,00
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,10 0,11 0,12 0,13 0,14 0,15
p%
Figura 6.5. - Curva de inspeccin total media del ejemplo 8
La informacin suministrada por la curva es fundamental para evaluar el costo
de inspeccin rectificacin de planes de aceptacin.
EJEMPLO 9: Evaluar y comparar el ITM para los planes de aceptacin
A: (nA = 50; cA = 4) y B: (nB = 20; cB = 1), si el tamao de los lotes es N = 500.
Objetivo: Mostrar el uso de la curva de inspeccin total media para el anlisis
comparativo del nmero promedio de artculos inspeccionados bajo diferentes
planes de aceptacin rectificacin.
Solucin:
La siguiente figura muestra las curvas de inspeccin total media para ambos
planes de aceptacin - rectificacin
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 91
550
500
450
400
350
300
ITM
250
Plan A
200 Plan B
150
100
50
0
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2
Fraccin defectuosa
Figura 6.6. - Curvas de inspeccin total media del ejemplo 9
Observe que para lotes con 2.0% o menos defectuosos el plan de aceptacin A
tiene un ITM menor que el plan B. Mientras que para lotes con fraccin
defectuosa 2.0% p 10.0% el plan B muestra menores valores del ITM que
el plan A. As mismo, para lotes con p 10% el plan A muestra valores del
ITM menores que el plan B.
11. PLANES DOBLES DE ACEPTACIN
Los planes dobles de aceptacin consideran la extraccin de dos muestras del
lote de tamaos n1 y n2 con sus correspondientes nmeros de aceptacin c 1 y
c2 . Los criterios para aceptar un lote se basan en:
Se acepta el lote si en la primera muestra resultan hasta c 1 defectuosos.
Se rechaza el lote si en la primera muestra resultan ms de c 2 defectuosos.
Se toma la segunda muestra si en la primera el nmero de defectuosos d
es mayor de c1 o menor o igual que c2 (c1 d c2 )
o Se acepta el lote si en la muestra conjunta (n 1 + n2 ) resultan hasta c2
defectuosos.
o Se rechaza el lote si en la muestra conjunta resultan ms de c2
defectuosos.
Control Estadstico de Calidad Hernn Daro Rendn C.
92 Mdulo 6 - Control de Calidad de Aceptacin
EJEMPLO 10: Un producto se fabrica en lotes de 1400 unidades y se tiene el
siguiente plan doble de aceptacin:
Primera muestra: n1 = 50; c1 = 1
Segunda muestra: n2 = 30; c2 = 2
Determinar la probabilidad de aceptar un lote 1.2% defectuoso.
Objetivo: Mostrar la aplicacin de planes dobles de aceptacin y el clculo de
las probabilidades de aceptacin de lotes p% defectuosos.
Solucin:
En este caso, se definen los siguientes eventos:
J: En la primera muestra resultan 0 o 1 defectuosos.
K: En la primera muestra resultan ms de 2 defectuosos
L: En la primera muestra resultan exactamente 2 defectuosos.
S: En la segunda muestra resultan 0 defectuosos.
T: En la segunda muestra resulten 1 o ms defectuosos.
Por lo tanto, la probabilidad de aceptar el lote P(A) = P(J) (P(L)P(S))
P(J) = b(0; 50; 0.012) + b(1; 50; 0.012) = 0.879
P(L) = b(2; 50; 0.012) = 0.099
P(S) = b(0; 30; 0.012) = 0.696
La probabilidad pedida, P(A) = 0.879 + (0.099 x 0.696) = 94.76%
EJEMPLO 11: Determinar P(A), para el plan de aceptacin doble
(n1 = 100; c1 = 0) y (n2 = 80; c2 = 2), si la fraccin defectuosa del lote es 1.5%.
Objetivo: Mostrar la aplicacin de planes dobles de aceptacin y el clculo de
las probabilidades de aceptacin de lotes p% defectuosos.
Solucin:
Las probabilidades de aceptacin del lote de este problema pueden
representarse mediante el siguiente rbol:
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 93
P( 0 defectuosos) = 22.06%
P( 1 defectuoso) = 33.59% 2 P(0 o 1 defectuosos)=66.21%
1 muestra
muestra
P(2 defectuosos)=25.32% P(0 defectuosos) = 29.85%
2
muestra
Figura 6.7. - Arbol correspondiente a las probabilidades de aceptacin del ejemplo 11
En consecuencia la probabilidad pedida es:
P(A) = 0.2206 + (0.3359 x 0.6621) + (0.2532 x 0.2985) = 51.85%
La curva caracterstica operativa de los planes dobles puede obtenerse
calculando las probabilidades de aceptacin para diferentes valores de la
fraccin defectuosa p del lote.
EJEMPLO 12: Construya la curva caracterstica operativa del plan doble de
aceptacin del ejemplo 11.
Objetivo: Mostrar el procedimiento para la construccin de la curva
caracterstica operativa de planes dobles de aceptacin.
Solucin:
Control Estadstico de Calidad Hernn Daro Rendn C.
94 Mdulo 6 - Control de Calidad de Aceptacin
1
0,9
0,8
0,7
Calidad de
0,6 indiferencia
P(A)
0,5
0,4
AQL
0,3 =10% LTPD
=20%
0,2
0,1
0
0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04
Fraccin defectuosa p
Figura 6.8. - Curva caracterstica del ejemplo 12
El AQL para un riesgo del productor del 10% ( = 10%) es del 0.7%; el LTPD
para un riesgo del consumidor del 20% ( = 20%) es del 2.45% y la calidad de
indiferencia es del 1.52%, como puede observarse en la figura anterior.
De igual manera que para los planes simples de aceptacin pueden calcularse
el AOQ, AOQL e ITM, para los planes de aceptacin dobles.
EJEMPLO 13: Calcule la curva AOQ y el AOQL del plan doble de aceptacin
(n1 = 60; c1 = 2) y (n2 = 30; c2 = 4), para lotes de tamao N = 500.
Objetivo: Mostrar el procedimiento para la construccin de la curva AOQ y el
clculo del AOQL para planes dobles de aceptacin.
Solucin:
La siguiente tabla muestra las probabilidades de aceptacin y el AOQ para los
valores p (fraccin defectuosa de los lotes)
p 0.000 0.005 0.010 0.015 0.020 0.025 0.030 0.035 0.040 0.045 0.050 0.055
P(A) 1.000 0.999 0.998 0.990 .0.971 0.937 0.886 0.821 0.746 0.665 0.582 0.500
AOQ 0.000 0.500 0.998 1.486 1.942 2.341 2.658 2.875 2.985 2.992 2.908 2.752
p 0.060 0.065 0.070 0.075 0.080 0.085 0.090 0.095 0.100 0.105 0.110 0.115
P(A) 0.424 0.354 0.292 0.238 0.192 0.153 0.121 0.095 0.074 0.057 0.044 0.034
AOQ 2.543 2.301 2.043 1.748 1.534 1.302 1.091 0.904 0.742 0.603 0.487 0.389
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 95
Graficando los valores de p y AOQ se obtiene la curva de calidad de salida
promedio o curva AOQ. El AOQL es el mximo valor de la curva, correspondiente
al 2.992% 3%, como puede observarse en la siguiente figura
3,5
3 AOQL = 3%
2,5
A 2
O
Q 1,5
0,5
0
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12
Fraccin defectuosa
Figura 6.9. - Curva AOQ del ejemplo 13
12. TALLER:
1. Un trabajador indeseable introduce 4 condensadores defectuosos en un
lote de 25 unidades antes de su despacho a un cliente, quien usa un plan
de aceptacin (n = 4; c = 0). Cul es la probabilidad de que el cliente
acepte este lote?
2. Construya la curva caracterstica operativa del plan de aceptacin del
problema 1.
3. Determine el AQL y el LTPD del plan de aceptacin del problema 1. Qu
debe conocer para solucionar el problema? Asuma valores adecuados
para su solucin.
4. Una empresa productora de resistencias tiene un contrato de suministro
con la firma X. El producto se despacha en lotes de 700 unidades. Y el
cliente usa un plan de aceptacin (n = 45; c = 1).
Construya la curva caracterstica de este plan de aceptacin.
Si el fabricante de resistencias quiere que de 100 lotes le rechacen 5
o menos, con qu calidad deber despacharle los lotes al cliente.
Control Estadstico de Calidad Hernn Daro Rendn C.
96 Mdulo 6 - Control de Calidad de Aceptacin
Si Usted fuera el gerente de la empresa productora le sugerira al
cliente que cambiara su plan de aceptacin por (n = 90; c = 2).
Analice esta situacin.
Cul de los dos planes le proporciona una mayor proteccin al
cliente de aceptar lotes malos?
5. Analice comparativamente las curvas operativas de los siguientes planes de
aceptacin, para un elemento servido en lotes de 1000 unidades:
Plan A: n = 125, c = 4
Plan B: n = 70; c = 3
Plan C: Inspeccin 100% y aceptar si p 2.5%
Cul de los tres planes discrimina mejor entre lotes buenos y malos?
Construya la curva AOQ para los tres planes.
Con cul de los tres planes obtendr mejor calidad de salida (luego de
la inspeccin rectificacin)?
6. Un fabricante somete el producto terminado, en lotes de 500 unidades, a un
plan de aceptacin n = 22; c = 1. Si el costo de inspeccin es $ 48 / unidad,
cul es el costo promedio de inspeccin rectificacin por lote?
Si los lotes producidos son 2% defectuosos.
Si los lotes producidos son 8% defectuosos.
7. Construya la curva de operacin del siguiente plan doble de aceptacin,
para lotes de 2000 unidades:
Primera muestra: n = 160; c = 2
Segunda muestra: n = 100; c = 5
Calcule el AQL y el LTPD de los lotes para riesgos del productor y del
consumidor del 5% y 10% respectivamente.
Construya la curva AOQ y determine el AOQL.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 97
8. Una empresa produce un artculo con fraccin defectuosa promedio del 2%
y que se inspecciona por atributos, usando un plan de aceptacin
rectificacin (n = 200; c = 7) antes de despacharle el producto a un cliente.
Se tiene un contrato con el cliente para suministrar 1 lote por mes. Si por
un error se aplic un plan de aceptacin rectificacin (n = 20; c = 1) a los
lotes en tres de los doce despachos de un ao.
Qu calidad promedio recibi el cliente en ese ao?
9. Un centro de investigacin est seleccionando candidatos para la
realizacin de un proyecto. Para ello aplica un test de seleccin mltiple de
25 preguntas, al cual se presentaron 75 aspirantes. El comit evaluador del
test decidi escoger al azar 10 de las preguntas del test de cada aspirante y
admitir aquellos que contestaron correctamente 9 o 10.
Realice la curva caracterstica de este plan.
Para un valor de del 15% determine el AQL. Qu sentido tienen en
este caso el y el AQL?
Si por una filtracin de informacin el aspirante Plinio Roa se enter de
que haba contestado correctamente 22 preguntas, cul es la
probabilidad de que el Seor Roa sea aceptado?
10. La empresa X produce un elemento que puede inspeccionarse por
atributos. La empresa usa el plan de aceptacin - rectificacin
(n = 70; c = 2), antes del despacho a los clientes.
Si la empresa Y compradora del producto, a su vez, usa el plan de
aceptacin (n = 45; c = 1).
Cul es la probabilidad de que un lote producido con fraccin
defectuosa del 2% y despachado a la empresa Y sea
aceptado por sta?
Control Estadstico de Calidad Hernn Daro Rendn C.
98 Mdulo 6 - Control de Calidad de Aceptacin
11. La empresa X produce un pasador en lotes de 2000 unidades. El gerente
quiere implantar un plan de aceptacin para el producto y solicita al
departamento de calidad que estudie tres alternativas.
El departamento de calidad present los siguientes planes:
Plan A: (n = 70; c = 0)
Plan B: (n = 100; c = 1)
Plan C: (n = 180; c = 2)
Si los lotes son en promedio 0.5% defectuosos, cul de los tres planes de
aceptacin deber implantarse a fin de minimizar el nmero de pasadores
sometidos a inspeccin rectificacin.
12. Realice e interprete la curva caracterstica de operacin del plan de
aceptacin (n = 60; c = 3) para un producto que se sirve en lotes de 1000
unidades.
13. Una empresa compra cremalleras a un proveedor en lotes de 250 unidades.
El comprador usa el plan de aceptacin (n = 15; c = 1). Calcule para lotes
1% defectuosos y para lotes 8% defectuosos. Interprete los resultados.
14. Calcule el AQL, el LTPD y la calidad de indiferencia del plan de aceptacin
correspondiente a la siguiente curva caracterstica operativa, para
= 10% y = 10%:
1
0,9
0,8
0,7
0,6
0,5
P(A )
0,4
0,3
0,2
0,1
0
0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2 0,22 0,24 0,26 0,28 0,3
Fraccin defectuosa p
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 6 Control de Calidad de Aceptacin 99
15. La siguiente tabla muestra los valores de p y las probabilidades de
aceptacin de un plan de aceptacin.
p P(A)
0.00 1.000
0.01 0.804
0.02 0.631
0.03 0.479
0.04 0.348
0.05 0.236
0.06 0.147
0.07 0.079
0.08 0.031
0.09 0.005
Realice la curva AOQ de este plan de aceptacin.
13. BIBLIOGRAFA
Duncan, A. Control de Calidad y Produccin Industrial. Alfaomega,
Bogot 1990.
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Gaither, N. y G. Frazier. Administracin de Produccin y
Operaciones. Thomas Editores. Mxico 2000.
Buffa, E. Operation Management: Problems and Models. Wiley.
New York 1972.
Rendn HD. Fundamentos Estadsticos para el Copntrol
Estadstico de Calidad. Universidad Nacional de Colombia.
Medelln 2003
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 7 - Planes de Aceptacin con Riesgos Especificados 101
MODULO 7 - PLANES DE ACEPTACIN CON RIESGOS
ESPECIFICADOS
Ni tanto que queme al
santo, ni tan poco que
no lo alumbre
Refranero popular
OBJETIVOS:
Conocer y comprender mtodos para el diseo de planes de aceptacin
con riesgos especificados del productor y el consumidor
CONTENIDO:
1. Planes de aceptacin con riesgos especificados 101
2. Procedimiento para hallar planes con riesgos especificados 104
3. Planes que cumplen riesgos de productor y consumidor 105
4. Taller 108
5. Bibliografa 109
1. PLANES DE ACEPTACIN CON RIESGOS ESPECIFICADOS:
La comparacin de planes de aceptacin mediante sus curvas
caractersticas permite observar que existen muchos planes para los cuales
las probabilidades de aceptacin tienen igual valor para una calidad
dada de los lotes.
Control Estadstico de Calidad Hernn Daro Rendn C.
102 Mdulo 7 - Planes de Aceptacin con Riesgos Especificados
Este conjunto de planes configuran una familia de planes de aceptacin
para riesgos especificados bien sea del productor o del consumidor.
Como ilustracin considere los tres casos siguientes:
CASO 1: Considere los siguientes planes de aceptacin (n 1 = 20; c1 = 0),
(n2 = 48; c2 = 1) y (n3 = 76; c3 = 2).
Se presentan a continuacin las respectivas curvas caractersticas de estos
tres planes:
1
0,9
0,8
0,7
P(Aceptacin)
0,6
0,5
0,4
0,3
0,2
0,1
0
0,0% 0,5% 1,0% 1,5% 2,0% 2,5% 3,0% 3,5% 4,0% 4,5% 5,0% 5,5% 6,0% 6,5% 7,0% 7,5% 8,0% 8,5% 9,0% 9,5% 10,0
%
Fraccin defectuosa p
Figura 7.1. - Familia de planes de aceptacin con riesgos del 50%
Observe que los tres planes de aceptacin pasan por el punto (3.5%; 0.50).
Por lo tanto, para lotes con calidad de 3.5% defectuoso, los riesgos del
productor y el consumidor son del 50%, y en consecuencia, estos planes de
aceptacin son equivalentes para lotes con calidad de indiferencia.
CASO 2: Considere los siguientes planes de aceptacin: (n1 = 82; c1 = 2),
(n2 = 137; c2 = 3) y (n3 = 197; c3 = 4).
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 7 - Planes de Aceptacin con Riesgos Especificados 103
Las curvas caractersticas de los planes se muestran en la siguiente figura:
1,00
0,95
0,90
0,85
0,80
0,75
0,70
0,65
0,60
P(Aceptacin)
0,55
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5 10,
% % % % % % % % % % % % % % % % % % % % 0%
Fraccin defectuosa p
Figura 7.2. - Familia de planes de aceptacin con igual riesgo del productor
En este caso los tres planes pasan por el punto (1%; 0.95), esto significa
que para un riesgo del productor = 5%, los tres planes son equivalentes
para lotes 1% defectuosos.(es decir con AQL = 1%), y en consecuencia
estos planes le proporcionan igual proteccin al productor con lotes de esta
calidad.
Control Estadstico de Calidad Hernn Daro Rendn C.
104 Mdulo 7 - Planes de Aceptacin con Riesgos Especificados
CASO 3: Considere los siguientes planes de aceptacin: (n 1 = 38; c1 = 0),
(n2 = 89; c2 = 2) y (n3 = 134; c3 = 4).
En la siguiente figura se presentan las curvas caractersticas:
0,9
0,8
0,7
0,6
P(Aceptacin)
0,5
0,4
0,3
0,2
0,1
0
0,0% 1,0% 2,0% 3,0% 4,0% 5,0% 6,0% 7,0% 8,0% 9,0% 10,0%
Fraccin defectuosa p
Figura 7.3. - Familia de planes de aceptacin con igual riesgo del consumidor
En este caso los tres planes pasan por el punto (6%; 0.10), lo que significa
que lotes 6% tienen probabilidad de aceptacin del 10%, es decir los planes
protegen de igual manera al consumidor ( = 10%) de lotes con calidad
LTPD = 6%.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 7 - Planes de Aceptacin con Riesgos Especificados 105
2. PROCEDIMIENTO PARA HALLAR PLANES DE ACEPTACIN CON
RIESGOS ESPECIFICADOS PARA DIFERENTES VALORES DE c
El uso de la siguiente tabla permite hallar familias de planes con riesgos
especificados para el productor y el consumidor, as:
Riesgos del productor para: = 99%, 95%, 90% y 50%
Riesgos del consumidor para: = 50%, 10%, 5% y 1%
c n x p0.99 n x p0.95 n x p0.90 n x p0.50 n x p0.10 n x p0.05 n x p0.01 p0.10/p0.95
0 0.010 0.051 0.105 0.693 2.303 2.996 4.605 44.89
1 0.149 0.355 0.532 1.678 3.890 4.741 6.638 10.946
2 0.436 0.818 1.102 2.674 5.322 6.296 8.406 6.509
3 0.823 1.366 1.745 3.672 6.681 7.754 10.015 4.800
4 1.279 1.970 2.433 4.671 7.994 9.154 11.605 4.057
5 1.785 2.613 3.152 5.670 9.275 10.513 13.108 3.549
6 2.330 3.286 3.895 6.670 10.532 11.842 14.571 2.206
7 2.906 3.981 4.656 7.669 11.771 13.148 16.000 2.957
8 3.507 4.695 5.432 8.669 12.995 14.434 17.403 2.768
9 4.130 5.420 6.221 9.669 14.206 15.705 18.783 2.618
10 4.771 6.169 7.021 10.668 15.407 16.962 20.145 2.497
11 5.428 6.924 7.829 11.668 16.598 18.208 21.490 2.397
12 6.099 7.690 8.646 12.668 17.782 19.442 22.821 2.312
13 6.782 8.464 9.470 13.668 18.958 20.668 24.139 2.239
14 7.477 9.246 10.300 14.668 20.128 21.886 25.446 2.177
15 8.181 10.035 11.135 15.668 21.292 23.098 26.743 2.122
16 8.895 10.831 11.976 16.668 22.452 24.302 28.031 2.073
17 9.616 11.633 12.822 17.668 23.606 25.500 29.310 2.029
18 10.346 12.442 13.672 18.668 24.756 26.692 30.581 1.990
19 11.082 13.254 14.525 19.668 25.902 27.879 31.815 1.954
20 11.825 14.072 15.383 20.668 27.045 29.062 33.103 1.922
Tabla 7.1. - Tabla para el diseo de planes con riesgos especificados
Los valores de n x p0.99 , n x p0.95 y n x p0.90 , corresponden a la calidad del lote
para la cual el riesgo del productor es del 1%, 5% y 10%, es decir, el AQL
correspondiente a estos riesgos, respectivamente.
As mismo, los valores de n x p 0.10 , n x p 0.05 y n x p0.01 , corresponden a la
calidad del lote para la cual el riesgo del consumidor es del 10%, 5% y 1%, es
decir, el LTPD correspondiente a estos riesgos, respectivamente.
Control Estadstico de Calidad Hernn Daro Rendn C.
106 Mdulo 7 - Planes de Aceptacin con Riesgos Especificados
Adicionalmente, el valor n x p0.50 , es la calidad del lote para el cul el riesgo
del productor o del consumidor es del 50%, esto es, la calidad de
indiferencia.
Los valores del cuerpo de la tabla son el producto del tamao de la muestra
y las calidades pk para los diferentes nmeros de aceptacin c, por lo tanto
n = valor de la tabla / la calidad del lote, (es decir el AQL, LTPD o Calidad
de indiferencia).
EJEMPLO 1: Determine un plan con nmero de aceptacin, c = 0 y un
riesgo del productor del 5%, y un AQL = 0.5%.
Objetivo: Ilustrar el uso de la tabla para la determinacin de planes de
aceptacin con riesgos especificados
Solucin:
Para c = 0, y dado que el riesgo del productor es del 5%, se busca en la
columna n x p0.95 de la tabla, en este caso igual a 0.051, por lo tanto,
el tamao de la muestra, n, ser: n = 0.051 / 0.005 = 10.2, donde el
denominador, 0.005 corresponde a la calidad del lote o AQL especificado,
El valor obtenido se redondea al entero ms prximo, o sea, n = 10,
por lo tanto, el plan es: ( n = 10; c = 0).
Para comprobarlo, se tiene, P(A) = b(0; 10; 0.005) = 95.11%.
Para otros valores de c, se tiene:
Nmero
P(A) = b(c; n; 0.005)
aceptacin n x p0.95 n x p0.95 / 0.005 Redondeo: n
(comprobacin)
c
1 0.355 71 71 95.05%
2 0.818 163.6 164 95.00%
3 1.366 273.2 273 95.05%
4 1.970 394 394 95.04%
5 2.613 522.6 523 95.03%
En consecuencia, para lotes con calidad 0.5%, los planes: (n = 10; c = 0);
(n = 71; c = 1); (n = 164; c = 2); (n = 273; c = 3); (n = 394; c = 4) y
(n = 523; c = 5); tienen probabilidades de aceptacin del 95%, es decir, iguales
riesgos del productor de = 5%.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 7 - Planes de Aceptacin con Riesgos Especificados 107
3. PLANES QUE CUMPLAN SIMULTNEAMENTE RIESGOS DEL
PRODUCTOR Y DEL CONSUMIDOR
Observe que en los apartados anteriores se ha considerado slo planes que
cumplan bien la especificacin del productor, o bien la del consumidor.
Ahora se examinar la posibilidad de hallar planes de aceptacin que cumplan
simultneamente las especificaciones de ambos agentes. Suponga que se
desea determinar un plan que simultneamente cumpla las siguientes
especificaciones:
Para el productor: AQL = 1% = 95%
Para el consumidor LTPD = 5% = 10%
Los planes de muestreo considerando independientemente los riesgos, serian:
Para el productor: n = 0.051 / 0.01 = 5. Plan (n = 5; c = 0)
c=0
Para el consumidor: n = 2.303 / 0.05 = 46. Plan (n = 46; c = 0)
Para el productor: n = 0.355 / 0.01 = 35. Plan (n = 35; c = 1)
c=1
Para el consumidor: n = 3.890 / 0.05 = 78. Plan (n = 78; c = 1)
Para el productor: n = 0.818 / 0.01 = 82. Plan (n = 82; c = 2)
c=2
Para el consumidor: n = 5.322 / 0.05 = 106. Plan (n =106; c = 2)
Para el productor: n = 1.366 / 0.01 = 82. Plan (n =137; c = 3)
c=3
Para el consumidor: n = 6.681 / 0.05 = 106. Plan (n =134; c = 3)
Como puede verse en los clculos anteriores no existe un plan que satisfaga
simultneamente ambos requerimientos, sin embargo con c = 3,
los planes son muy similares.
Control Estadstico de Calidad Hernn Daro Rendn C.
108 Mdulo 7 - Planes de Aceptacin con Riesgos Especificados
Calculando la relacin entre el LTPD y el AQL, 0.05 / 0.01 = 5 y usando la
ltima columna de la tabla p0.10 / p0.95 se observa que para c = 2 el valor es
6.509 y para c = 3 es 4.890 y dado que ninguno de estos valores es igual
5, se concluye que no existe un plan que cumpla de manera estricta ambas
especificaciones. Sin embargo, dado que el valor 4.890 est cercano a 5
puede concluirse que en los planes con c = 3, los tamaos de muestra son
igualmente cercanos como se vio antes.
Si se modifica ligeramente el AQL o el LTPD de manera que LTPD / AQL =
4.890, puede obtenerse un plan que cumpla estrictamente ambas
especificaciones.
Por ejemplo, si el LTPD = 0.0489, y el AQL = 0.01, la relacin toma el valor
de 4.89, correspondiente a la ltima columna de la tabla para c = 3 y en
consecuencia existe un plan que cumpla ambas especificaciones. Este
plan es:
Para el productor: n = 1.366 / 0.01 = 137. Plan (n = 137; c = 3)
Para el consumidor: n = 6.681 / 0.0489 = 137. Plan (n = 137; c = 3)
Calculando las probabilidades de aceptacin del plan para lotes AQL = 5%
y LTPD = 4.89%, se tiene: b(3; 137; AQL) 95% y b(3; 137; LTPD)
10%, comprobndose lo anterior.
EJEMPLO 2: Determine un plan de aceptacin que satisfaga
simultneamente al productor y al consumidor con riesgos de = 5%,
= 10%, para lotes AQL = 1% y LTPD = 2.24%.
Objetivo: Ilustrar el uso de la tabla para la determinacin de planes de
aceptacin con riesgos especificados
Solucin:
La relacin LTPD / AQL = 0.0224 / 0.01 = 2.24. En la ltima columna de la
tabla este valor corresponde a c = 13, por lo tanto, n = 8.464 / 0.01 = 846 y
el plan que cumple ambas especificaciones es: (n = 846; c = 13), tal como
puede verse en la curva caracterstica.
Control Estadstico de Calidad Hernn Daro Rendn C.
Mdulo 7 - Planes de Aceptacin con Riesgos Especificados 109
1
0,95
0,9
0,85
0,8
0,75
0,7
0,65
0,6
0,55
P(A)
0,5
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0,00% 0,25% 0,50% 0,75% 1,00% 1,25% 1,50% 1,75% 2,00% 2,25% 2,50% 2,75% 3,00%
p%
4. TALLER:
1. Determine tres planes de muestreo de aceptacin, para los cuales el AQL
sea del 1.2% con un riesgo del productor del 1%.
2. Determine tres planes de muestreo de aceptacin, para los cuales el LTPD
sea del 4.2% con un riesgo del consumidor del 5%.
3. Determine tres planes de aceptacin para una calidad de indiferencia del
2.2% y muestras mayores de 300.
4. Determine un plan de aceptacin cuya curva caracterstica pase por los
puntos (0.0115; 0.95) y (0.034; 0.10). Qu sentido tienen estos puntos?
Control Estadstico de Calidad Hernn Daro Rendn C.
110 Mdulo 7 - Planes de Aceptacin con Riesgos Especificados
5. Determine los planes de muestreo de aceptacin para c = 0, 1,... , 6,
y que cumplan las siguientes especificaciones:
AQL = 1.5% = 99%
LTPD = 5% = 5%
Calidad de indiferencia = 4%
AQL = 0.7% = 95%
5. BIBLIOGRAFA
Duncan, A. Control de Calidad y Produccin Industrial. Alfaomega,
Bogot 1990.
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Gaither, N. y G. Frazier. Administracin de Produccin y
Operaciones. Thomas Editores. Mxico 2000.
Buffa, E. Operation Management: Problems and Models. Wiley.
New York 1972.
Rendn HD. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln 2003
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 111
MODULO 8 PLANES DE ACEPTACIN PARA VARIABLES
(1 parte)
Si las distancias son infinitamente divisibles,
entonces el movimiento es imposible, ya que
para atravesar una distancia AB primero hay
que llegar a C, el punto medio entre A y B. De
igual modo, para llegar a C, se debe llegar
primero a D, el punto medio entre A y C, y as
sucesivamente. Ya que existe un nmero
infinito de distancias por cubrir, el movimiento
debe ser imposible
Paradoja de la Dicotoma
Zenn
OBJETIVOS:
Comprender la naturaleza y los fundamentos de los planes de aceptacin
para variables
Comprender el uso de la tabla de factores para el muestreo por variables
para el diseo de planes de aceptacin (Bowker y Good)
CONTENIDO:
1 Introduccin 111
2 Repaso fundamentos estadsticos 112
3 Planes de muestreo Bowker y Good para variables 116
4 Tabla de factores para muestreo de aceptacin por variables 118
5 Taller 121
6 Bibliografa 122
Control Estadstico de Calidad Hernn Daro Rendn C.
112 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
1. INTRODUCCION
Los planes de muestreo de aceptacin por variables estn basados en las
siguientes premisas:
Se aplican a una sola caracterstica de calidad que pueda ser medida en
una escala cuantitativa continua.
Los valores de la caracterstica de calidad son una variable aleatoria
cuyas observaciones son independientes y siguen una distribucin
normal.
Se establecen lmites de especificacin superior, inferior o ambos.
La calidad se expresa en trminos de porcentaje defectuoso.
La variabilidad del proceso puede conocerse o no.
La variabilidad del proceso permanece constante
La media del proceso puede variar
2. REPASO FUNDAMENTOS ESTADISTICOS
Antes de abordar los planes de aceptacin por variables, se presenta un breve
repaso de los conceptos estadsticos en los que estn basados estos planes
de muestreo, mediante ejemplos ilustrativos.
EJEMPLO 1: Considere una poblacin (lote) de pernos cuya longitud se
distribuye normalmente con media 30 cm y desviacin estndar 3.685 cm
Suponga que se consideran defectuosos aquellos pernos que midan 23 cm o
menos o aquellos que midan ms de 38 cm.
Calcule la fraccin defectuosa del lote.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 113
El siguiente grfico muestra la situacin:
% por debajo del
lmite inferior % por encima del
lmite superior
-4 -3 -2 -1 0 1 2 3 4
23 cm 30 cm 38 cm
Figura 8.1. - Areas bajo la curva normal del ejemplo 1
El clculo de la fraccin defectuosa de esta poblacin (lote), aceptando las
condiciones dadas, es decir un lmite inferior, LI = 23 cm y un lmite
superior, LS = 38 cm, estara dado por:
P(X 23) + P(X 38) = P(Z -1.9) + P(Z2.17) = 0.287+ (1 0.985) =
2.87% + 1.5% = 4.37%
Por lo tanto, el 4.37% de los pernos del lote son defectuosos, es decir la
calidad del lote es 4.37% defectuoso.
EJEMPLO 2: Suponga ahora que se toma una muestra del lote del
ejemplo 1, de 8 pernos y se adopta el siguiente criterio de aceptacin:
Aceptar el lote si el promedio de la muestra est entre 29 y 32 cm y
rechazar el lote de otra manera.
Cul es la probabilidad de aceptar el lote?
Usando la distribucin muestral de la media (con media igual a la de la
poblacin y desviacin estndar igual a la de la poblacin dividida por la
raz cuadrada de n) puede calcularse la probabilidad de aceptar el lote, as:
P(29 X 32) = P((29-30)/(3.685/80.5) Z (32-30)/(3.685/80.5)) = 71.6%
En consecuencia el plan adoptado acepta el 71.6% de los lotes con calidad
4.37% defectuoso.
Control Estadstico de Calidad Hernn Daro Rendn C.
114 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
EJEMPLO 3: Considere una poblacin distribuida normalmente con
desviacin estndar conocida, por ejemplo con = 1.1 y media . Si se
establece un lmite inferior para la variable aleatoria X (LI), digamos de 16.5
y se sabe que el lote es 5%, es decir que el 5% de los elementos del lote
son menores que 16.5.
Cul es la media del lote?
La siguiente figura muestra la situacin planteada
Por debajo del lmite
inferior: 5%
-4 -3 -2 -1 0 1 2 3 4
16.5
Figura 8.2. - Areas bajo la curva normal del ejemplo 3
Aceptando que P(X 16.5) = 0.05 y que = 1.1, puede hallarse el valor
de la poblacin, as:
P(Z (16.5 - ) / 1.1) = 0.05; Z = -1.64 = (16.5 - ) / 1.1;
de donde = 18.304
Si en esta poblacin consideramos que los valores que estn por debajo de
16.5 son inaceptables o en otras palabras que son defectuosos, estaramos
diciendo que la poblacin con = 18.304 y = 1.1 es 5% defectuosa.
EJEMPLO 4: Suponga ahora que de la poblacin del ejemplo 3, se extrae
una muestra n de 16 elementos y se calcula su media X , aceptando el lote
si X 18.5.
Cul es la probabilidad de aceptar el lote?
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 115
Sabemos que la distribucin muestral de la media es normal con X = y
X = / n0.5 , por lo tanto, la probabilidad pedida, es :
P(Z (18.5 18.304) / (1.1 / 4)) = P(Z 0.71) = 1 0.7611 = 24%
Es decir, para este plan de aceptacin lotes 5%, tienen una probabilidad de
aceptacin del 24%
Es posible construir la curva caracterstica operativa de este plan,
calculando las probabilidades de aceptacin para diversas
calidades del lote.
La siguiente tabla muestra estos clculos:
p Z P(aceptar)
0.00 -- -- 1
0,01 -2,32634193 19,0589761 0,97895564
0,02 -2,05374818 18,759123 0,82697164
0,03 -1,88078957 18,5688685 0,59887292
0,04 -1,75068635 18,425755 0,39358716
0,05 -1,644853 18,3093383 0,24405579
0,06 -1,5547721 18,2102493 0,14602417
0,07 -1,47579158 18,1233707 0,08541205
0,08 -1,40507382 18,0455812 0,04922324
0,09 -1,34075435 17,9748298 0,02808522
0,10 -1,28155079 17,9097059 0,01591554
0,11 -1,22652864 17,8491815 0,00897584
0,12 -1,17498757 17,7924863 0,00504434
La correspondiente curva caracterstica se muestra en la siguiente figura:
1
0,9
0,8
0,7
P(aceptar)
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12
p
Control Estadstico de Calidad Hernn Daro Rendn C.
116 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
EJEMPLO 5: Si en el problema del ejemplo 1 no se conoce la variabilidad
del proceso y se toman 50 muestras de tamao n = 8, y calculando la
desviacin estndar de las 50 muestras, se obtiene s = 3.41
Estime la desviacin estndar del proceso (lote)
Cul es la probabilidad de una de estas muestras tenga una media
menor o igual a 27 cm?
Recuerde que la variabilidad del proceso puede estimarse a partir de la
variabilidad de muestras.
El clculo de la desviacin estndar promedio de k muestras de tamao n,
denotada como s , permite estimar = s / c2 , el valor de c2 se halla en la
tabla de factores para grficos de control para diferentes tamaos de
muestra, n. (Ver tabla pgina 51)
Para el problema se tiene que la desviacin estndar de la media muestral
de las 50 muestras de tamao n = 8, es: s = 3.41 y el factor c2 = 0.9027
(en tabla pgina 51), por lo tanto, = 3.41 / 0.9027 = 3.78.
Ahora, el clculo de la probabilidad pedida, sabiendo que la media del
proceso es de 30 cm, y de la poblacin igual a 3.78, est dado por:
P(x 20) = P(z (27 30) / (3.78 / 80.5)) = P(z - 2.24) = 1.25%
3. PLANES DE MUESTREO BOWKER Y GOOD PARA VARIABLES
Estos planes estn basados para especificaciones de un solo lado y dos
lados, tanto para sigma conocida como desconocida.
Usando la tabla de factores para el muestreo por variables, que se transcribe a
continuacin, se pretende determinar el tamao de la muestra y el valor crtico
de la media muestral para aceptar o rechazar el lote con una proteccin
equivalente de un plan por atributos dado (que d la misma proteccin al
comprador)
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 117
La tabla consta de cuatro columnas principales, a saber:
Planes de sigma conocido para especificaciones de un solo lado
Planes de sigma desconocido para especificaciones de un solo lado
Planes de sigma conocido para especificaciones de dos lados
Planes de muestreo sencillo por atributos equivalente (con igual riesgo
del consumidor)
En cada una de estas columnas se hallan el tamao de la muestra n, y los
factores k, k y k*.
Estos factores permiten determinar los criterios de aceptacin del lote, as:
Inferior (LI) Aceptar si: X LI + k
1 solo lado
Superior (LS) Aceptar si: X LS - k
Sigma conocido
2 lados Aceptar si: LI + k* X LS - k*
Inferior (LI) Aceptar si: X LI + ks
Sigma desconocido
(s = desviacin
de la muestra)
Superior (LS) Aceptar si: X LS - ks
A continuacin se presenta la tabla de factores para muestreo de
aceptacin por variables.
Control Estadstico de Calidad Hernn Daro Rendn C.
118 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
4. TABLA DE FACTORES PARA MUESTREO DE ACEPTACIN POR
VARIABLES
Sigma Sigma Plan sencillo
Planes sigma conocido y un
desconocido. conocido. por atributos
solo limite de especificacin
Un solo limite Dos limites equivalente
N k| 100p0.95 100p0.1 n k n k|* n c
5 1.748 0.05 12.00 7 1.636 3 1.587 10 0
5 1.522 1.20 17.15 7 1.449 4 1.404 30 1
5 1.278 2.20 24.03 7 1.212 4 1.201 20 1
5 1.117 3.20 20.34 7 1.107 5 1.070 15 1
5 1.027 3.00 32.50 7 1.053 5 1.017 10 1
5 1.015 4.00 32.03 7 0.969 5 0.935 10 1
6 1.812 0.65 9.87 10 1.757 4 1.720 15 0
6 1.580 1.20 14.40 10 1.562 5 1.529 30 1
6 1.343 2.20 20.63 10 1.400 5 1.303 20 1
6 1.272 2.00 22.71 10 1.287 6 1.102 15 1
6 1.181 3.20 25.54 10 1.186 6 1.119 15 1
6 0.973 5.00 32.63 10 0.994 7 1.060 15 2
7 2.105 0.32 5.26 13 1.957 5 1.027 20 0
7 1.862 0.65 8.41 13 1.764 5 1.736 55 1
7 1.635 1.20 12.49 13 1.583 6 1.557 30 1
7 1.432 2.00 17.16 13 1.472 6 1.418 20 1
7 1.392 2.20 18.19 13 1.371 7 1.348 20 1
7 1.177 3.00 24.41 13 1.189 8 1.169 20 2
7 1.084 4.40 27.43 13 1.132 8 1.113 20 2
9 2.300 0.22 3.00 16 2.116 5 2.090 30 0
9 2.178 0.32 4.00 16 2.018 6 1.994 150 1
9 1.035 0.65 6.57 16 1.822 6 1.799 55 1
9 1.709 1.20 10.00 16 1.694 7 1.672 30 1
9 1.466 2.20 14.95 16 1.437 8 1.418 30 2
9 1.363 2.80 17.47 16 1.378 8 1.360 30 2
9 1.226 3.80 21.22 16 1.217 9 1.201 30 3
9 1.158 4.40 23.25 16 1.180 10 1.164 30 3
11 2.433 0.17 2.03 20 2.246 6 2.225 40 0
11 2.352 0.22 2.47 20 2.180 6 2.159 225 1
11 2.231 0.32 3.26 20 2.080 7 2.060 150 1
11 1.988 0.65 5.46 20 1.880 7 1.861 55 1
11 1.761 1.20 8.46 20 1.749 8 1.732 40 1
11 1.518 2.20 12.80 20 1.504 10 1.489 40 2
11 1.400 2.90 15.54 20 1.388 10 1.374 40 3
11 1.356 3.20 16.61 20 1.351 11 1.337 40 3
11 1.210 4.40 20.51 20 1.218 12 1.205 40 4
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 119
EJEMPLO 6: Una empresa contrata el llenado de potes de champ y
estableci un lmite inferior de 200 cc., el proceso de envasado tiene un
= 10 cc. Se desea un plan de aceptacin para variables cuya proteccin
sea equivalente a un plan por atributos (n = 40; c = 4)
Objetivo: Ilustrar el uso de la tabla de factores para muestreo de
aceptacin por variables para determinar un plan por variables que d la
misma proteccin al consumidor que un plan por atributos dado.
Solucin:
Entrando a la tabla por el plan por atributos (n = 40; c = 4), se halla en la
columna planes de sigma conocido para especificaciones de un solo lado,
los valores: n = 11; k = 1.210.
Por lo tanto, se toma una muestra de 16 potes y se calcula X ; se acepta el
lote si:
X LI + k X 200 + 1.210 x 10 = 218.46
Adicionalmente, la tabla proporciona el AQL y el LTPD para = 95%
y = 10%, en las columnas 100p0.95 y 100p0.10 , as:
AQL = 4.40% y LTPD = 20.51%.
EJEMPLO 7: Una empresa lctea estableci que el lmite superior del
contenido de grasa de una bebida es del 5%. Si el proceso tiene una
= 0.4%. Determine un plan muestreo para variables que proporcione una
proteccin equivalente a un plan para atributos (n = 40; c = 3).
Objetivo: Ilustrar el uso de la tabla de factores para muestreo de
aceptacin por variables para determinar un plan por variables que d la
misma proteccin al consumidor que un plan por atributos dado.
Solucin:
Se hallan en la tabla: n = 11 y k = 1.4. Se acepta el lote si: X LS - k,
es decir si la muestra de 11 bebidas tiene un valor promedio de
X 5 1.4 x 0.4 = 4.44% de grasa.
El AQL = 2.9% y el LTPD = 15.54%.
Control Estadstico de Calidad Hernn Daro Rendn C.
120 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
EJEMPLO 8: Calcule la probabilidad de aceptar un lote 2.9% con el plan
de muestreo del ejemplo 7.
Objetivo: Comprobar los valores dados por la tabla del AQL y el LTPD de
un plan de aceptacin dado.
Solucin:
Para un lote 2.9% defectuoso, la P(X 5) = 2.9%, que equivale al valor
normalizado Z = (5 - ) / 0.4 = 1.9, por lo tanto, = 4.24
La probabilidad de aceptar el lote es:
P( X 4.44) = P(Z (4.44 4.24) / (0.4 / 110.5)) = 95.15%
Observe que este resultado coincide con el valor del AQL obtenido en el
ejemplo anterior, es decir que lotes con calidad 2.9% defectuoso tienen
probabilidad de aceptacin igual a 1 - .
En el caso de no conocer la variabilidad del proceso, se usa el factor k. Los
criterios de aceptacin son:
Para lmite inferior: Aceptar el lote si: X LI + ks
Para lmite superior: Aceptar el lote si: X LS ks
EJEMPLO 9: Si en el ejemplo 6 no se conoce , determine el plan de
muestreo para variables, si: s = 9.6 cc.
Objetivo: Ilustrar el uso de la tabla de factores para muestreo de
aceptacin por variables para determinar un plan por variables que d la
misma proteccin al consumidor que un plan por atributos dado y con
desconocido.
Solucin:
Se hallan en la tabla: n = 20 y k = 1.218.
Se acepta el lote si: X 200 + 1.218 x 9.6, o sea, si X 211.69 cc
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 8 - Planes de Aceptacin para Variables (1 parte) 121
5. TALLER:
1. Halle dos planes de aceptacin para variables que proporcionen a un
comprador una proteccin equivalente a un plan por atributos (n = 55; c = 1),
para un producto con lmite superior de especificacin y variabilidad conocida.
Establezca el criterio de aceptacin de ambos planes
2. Halle dos planes de aceptacin para variables que proporcionen a un
comprador una proteccin equivalente a un plan por atributos (n = 55; c = 1),
para un producto con lmite inferior de especificacin y variabilidad
desconocida.
Establezca el criterio de aceptacin de ambos planes
3. En relacin con el problema 1, suponga que la desviacin estndar del
proceso es 8.75, y el lmite de especificacin es: LS = 120. Tome de la
siguiente tabla, en orden, los valores de la caracterstica de calidad que
requiera para determinar si deben aceptarse o rechazarse los lotes.
N Obs 1 2 3 4 5 6 7 8 9 10 11 12 13
Valor 119 121 97 102 105 107 95 117 111 119 115 122 99
4. En relacin con el problema 2, suponga que la desviacin estndar del
proceso es desconocida y LI = 95. Tome de la siguiente tabla, en orden, los
valores de la caracterstica de calidad que requiera para determinar si deben
aceptarse o rechazarse los lotes.
N Obs 1 2 3 4 5 6 7 8 9 10 11 12 13
Valor 109 112 97 102 105 107 95 114 118 119 115 102 96
N Obs 14 15 16 17 18 19 20 21 22 23 24 25 26
Valor 99 122 92 102 109 107 95 117 121 119 114 120 98
Control Estadstico de Calidad Hernn Daro Rendn C.
122 Mdulo 8 - Planes de aceptacin para Variables (1 parte)
5. En relacin con el problema 1 determine el AQL y el LTPD de los dos planes
hallados para = 5% y = 10%. Interprete los resultados.
6. Compruebe los valores del AQL y el LTPD hallados en el problema 5,
sabiendo que los parmetros del proceso son: = 108 y = 8.75.
7. El comprador de un tipo de eje inspecciona el peso del producto, en
kilogramos, mediante un plan Bowker y Good; y ha fijado un limite superior de
especificacin. Si el proceso de produccin del proveedor de los ejes tiene
variabilidad conocida y la probabilidad de que acepte lotes 10% defectuosos
es del 10%.
Determine el plan de aceptacin usado por el comprador y el criterio de
aceptacin de los lotes.
Cul es el Nivel aceptable de calidad de los lotes si el productor ha fijado
su riesgo = 5%, bajo este plan?
6. BIBLIOGRAFIA
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Rendn, H.D. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln. 2003
Acua, Jorge. Control de Calidad. Editorial Tecnolgica de
Costa Rica. Cartago. 1998
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 9 Fabricacin con Arreglo a una Especificacin 123
MODULO 9 - FABRICACION CON ARREGLO A ESPECIFICACION
Un reconocido barman le comentaba a un cliente:
Mire, hablando del martini, recuerde que tomar
uno es insuficiente y tres ya son demasiados
OBJETIVOS:
Comprender las relaciones entre los procesos y la fabricacin con arreglo a
una especificacin
Evaluar la capacidad de los procesos en relacin a la fabricacin con arreglo a
una especificacin
CONTENIDO:
1. Introduccin 123
2. Capacidad del proceso y especificacin 124
3. Indice de capacidad del proceso 129
4. Taller 130
5. Bibliografa 132
1. INTRODUCCIN
En el control de calidad por variables, la fabricacin de un elemento puede
hacerse con arreglo a una especificacin, esto es, determinar la dimensin
mxima y mnima que debe tener el elemento fabricado. Se definen los
siguientes conceptos:
VALOR NOMINAL: Dimensin nominal del elemento. Por ejemplo, se requiere
la fabricacin de dados de acero con peso nominal de 70 gramos.
ESPECIFICACIN: Dimensiones mxima y mnima aceptables.
Dimensin mxima: 72 gramos.
Especificacin:
Dimensin mnima: 68 gramos.
TOLERANCIA: La tolerancia est definida como: Dimensin mxima - Valor
nominal y Dimensin mnima Valor nominal. En este caso, 72 70 = 2 gr.
y 68 70 = - 2 gr., Esto es, Tolerancia = 2 gramos.
En consecuencia, la fabricacin del dado est especificada en 70 2 gramos.
Control Estadstico de Calidad Hernn Daro Rendn C.
124 Mdulo 9 Fabricacin con Arreglo a una Especificacin
2. CAPACIDAD DEL PROCESO Y ESPECIFICACIN
Mediante la aplicacin del grfico de control puede establecerse si las
especificaciones de fabricacin son adecuadas para el producto. En otras
palabras se trata de evaluar si la capacidad del proceso de produccin puede
soportar la fabricacin del producto con la especificacin dada.
En el mdulo 4, numerales 6 y 7, paginas 54 a 57, se trat este tema, enfocado
desde los grficos de control de proceso para valores individuales, en este
mdulo se enfocar el tema desde el punto de vista del control de calidad de
aceptacin.
EJEMPLO 1: Un proceso de fabricacin de balines, proporciona balines
con un dimetro promedio de 16 milmetros y desviacin estndar de 0.45
milmetros. El productor desea fabricar balines de 16 1 milmetros. Qu
proporcin de los balines producidos por este proceso cumplen la
especificacin?
Objetivo: Ilustrar los clculos para determinar la capacidad de un proceso
en relacin con la produccin de artculos con especificaciones dadas.
Solucin:
Observe que los lmites de control del proceso 3, para balines individuales
(n = 1), son:
LSC = 16 + 3 x 0.45 = 17.35
LC = 16
LIC = 16 - 3 x 0.45 =14.65
Si el proceso est bajo control, puede decirse que el 99.74% de los balines
producidos estar entre 17.35 y 14.65 milmetros.
Dado que la tolerancia es de 1 milmetro, se trata de hallar, que
proporcin de balines fabricados por este proceso, estarn entre: 15 y 17
milmetros. Esto es:
PZ (17 - 16) / 0.45 - PZ (15 - 16) / 0.45 = 0.9868 0.0132 = 97.36%.
As, el 97.36% de los balines producidos, estarn dentro de la
especificacin 16 1, y, por lo tanto, el 2.64% de los balines producidos
por este proceso no cumplen la especificacin.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 9 Fabricacin con Arreglo a una Especificacin 125
La siguiente figura muestra esta situacin.
% por debajo de
la especificacin % por encima de
la especificacin
-4 -3 -2 -1 0 1 2 3 4
14.65 16-3 16 16+3 17.35
15 16 -1 16 +1 17
Figura 9.1. - Areas bajo la curva normal del ejemplo 1.
EJEMPLO 2: En relacin con el ejemplo 1, Cul sera la tolerancia lmite
que soporta el proceso para 3 sigma?
Objetivo: Ilustrar los clculos para determinar que valor de las
especificaciones le permitiran al proceso producir artculos conformes.
Solucin:
Se trata de hallar el valor t, tal que: t / = 3, es decir, t / 0.45 = 3.
El valor de t sera 1.35. Lo que significa que el productor podra aceptar
la produccin de balines con arreglo a una especificacin ms laxa, es decir
16 1.35, y as el 99.74% de las unidades estaran dentro la especificacin.
EJEMPLO 3: Como tendra que ajustarse la variabilidad del proceso de
produccin de balines para aceptar un pedido con especificacin 16 0.8
milmetros.
Objetivo: Ilustrar los clculos para determinar el cambio en la variabilidad
del proceso para soportar la produccin de artculos con especificaciones
dadas.
Control Estadstico de Calidad Hernn Daro Rendn C.
126 Mdulo 9 Fabricacin con Arreglo a una Especificacin
Solucin:
Z = 0.8 / = 3, por lo tanto, = 0.26. Es decir el productor tendra que
disminuir la desviacin estndar del proceso de 0.45 a 0.26 para poder
producir con la especificacin pedida por el comprador: 16 0.8 milmetros.
EJEMPLO 4: En un proceso de llenado de ampolletas no se conocen la
media ni la desviacin estndar. Durante 20 das se tomaron muestras de
25 ampolletas y se midi la cantidad de centmetros cbicos del
medicamento envasado. La siguiente tabla muestra los resultados del
contenido promedio y el rango de cada muestra.
Muestra Media Rango Muestra Media Rango
N muestra N muestra
1 10.14 0.11 11 10.00 0.15
2 10.08 0.18 12 10.08 0.13
3 9.73 0.25 13 9.97 0.20
4 9.83 0.19 14 9.83 0.24
5 10.05 0.17 15 10.14 0.14
6 10.00 0.25 16 9.95 0.09
7 9.91 0.22 17 9.89 0.12
8 10.21 0.15 18 10.12 0.18
9 10.04 0.17 19 10.07 0.11
10 10.11 0.21 20 9.85 0.14
Tabla 9.1. - Datos del ejemplo 4
Objetivo: Ilustrar los clculos para determinar la capacidad de un proceso
en relacin con la produccin de artculos con especificaciones dadas.
Solucin:
De los datos de la tabla se calcula: X = 10 y R = 0.17.
La estimacin de la desviacin estndar del proceso puede hallarse
mediante la relacin R / d2 , para n = 25, d2 = 3.931 (valor tabulado,
pgina 51). Luego, = 0.17 / 3.931 = 0.0432. En consecuencia, para 3
el 99.74% de las ampolletas estarn entre 10 (3 x 0.0432), es decir, entre
10.13 y 9.87 cc,
Si un laboratorio farmacutico encarga el llenado de ampolletas con
especificacin de 10 0.1 cc. Puede este proceso satisfacer dicha
especificacin?
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 9 Fabricacin con Arreglo a una Especificacin 127
El proceso obtendra ampolletas por encima de la especificacin, con
P(X 10.1) = 1 - P(Z (10.1 10)/ 0.0432) = 1 - P(Z 2.31) =
1 0.9896 = 1.04%. Anlogamente el 1.04% de las ampolletas estar por
debajo de 9.9 cc. As, el proceso obtiene el 97.92% de las ampolletas
dentro de la especificacin, porcentaje menor al 99.74 para control 3.
Y por lo tanto el proceso no soporta la especificacin.
Si la especificacin fuera 10 0.15 cc, se tiene: que el 99.92% de las
ampolletas caen dentro de la especificacin, que es mayor al 99.74%
(para control 3). Y por lo tanto, el proceso soporta esta especificacin.
El valor lmite de la especificacin estara dado por Z = t / 0.0432 = 3, es
decir, t = 0.1296.
EJEMPLO 5: Si en el ejemplo 4, la media del proceso es de 10.05 cc., y las
dems condiciones no varan. Cmo cambia la solucin?
Objetivo: Ilustrar los clculos para determinar la capacidad de un proceso
en relacin con la produccin de artculos con especificaciones dadas.
Solucin:
El proceso produce ampolletas de ms de 10.1 cc, con
Z = (10.1 10.05) / 0.0432 = 1.16, por lo tanto, 1 - 0.877 = 12.3%, es decir
el 12.3% de las unidades estarn por encima de la especificacin superior.
As mismo, para la especificacin inferior, Z = (9.9 10.05) / 0.0432 =
- 3.47, as, el 0.03% de la produccin estar por debajo de 9.9 cc.
En consecuencia, la tolerancia superior que soporta el proceso, sera:
t = 1.16 x 0.0432 = 0.05. La inferior, es: t = -3.47 x 0.0432 = - 0.15. As el
proceso soporta, producir con la especificacin: 10 + 0.05 y 10 0.15.
Esto significa que el proceso soporta la especificacin superior original ,
pero no la especificacin inferior original.
EJEMPLO 6: Un fabricante de resistencias produce la referencia AA-125,
bajo dos procesos de produccin. El proceso 1 produce resistencias con
media de 100 ohmios y desviacin estndar de 1 ohmio. El proceso 2
produce resistencias con media de 102 ohmios y desviacin estndar de
0.8 ohmios.
Control Estadstico de Calidad Hernn Daro Rendn C.
128 Mdulo 9 Fabricacin con Arreglo a una Especificacin
Un cliente ordena un pedido de resistencias exigiendo una especificacin
de 1003 ohmios. Cul de los dos procesos deber usarse para producir
las resistencias solicitadas?
Objetivo: Ilustrar la evaluacin de la capacidad de procesos en relacin
con la produccin de artculos con especificaciones dadas.
Solucin:
Lmites de control para resistencias individuales (n = 1):
Proceso 1: Proceso 2:
LSC = 100 + (3 x 1) = 103 LSC = 102 + (3 x 0.8) = 104.2
LIC = 100 - (3 x 1) = 97 LIC = 102 - (3 x 0.8) = 99.6
Superior: 100 + 3 = 103
Especificacin:
Inferior: 100 3 = 97
Porcentaje de resistencias dentro de la especificacin en cada proceso:
Proceso 1:
P(Z (103 100) / 1.0) - P(Z (97 100) / 1.0) = 0.9987 0.0013 =
99.74%
Proceso 2:
P(Z (103 102) / 0.8) - P(Z (97 102) / 0.8) = 0.8944 0.0000 =
89.44%
En consecuencia, deber usarse el proceso 1, puesto que soporta mejor
la especificacin, es decir, para lmites 3, el proceso produce el 99.74%
de las resistencias dentro de los lmites especificados.
EJEMPLO 7: Si en el problema anterior la desviacin estndar del proceso
2 se reduce hasta 0.3 ohmios. Cmo cambia la solucin?
Objetivo: Ilustrar la evaluacin de la capacidad de procesos en relacin
con la produccin de artculos con especificaciones dadas.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 9 Fabricacin con Arreglo a una Especificacin 129
Solucin:
Ahora el porcentaje de resistencias producidas por el proceso 2 que
cumplen la especificacin, sera:
P(Z (103 102) / 0.3) - P(Z (97 102) / 0.3) = 0.9996 0.0000 =
99.96%
Observe que este porcentaje es mayor que el 99.74% para lmites de
control 3 del proceso 1, por lo tanto, el proceso 2 ahora soporta
sobradamente la especificacin pedida por el cliente.
3. INDICE DE CAPACIDAD DEL PROCESO:
El concepto de Indice de capacidad, tratado en el mdulo 4, pgina 58, tienen
plena validez en este enfoque, as el ndice de capacidad de un proceso en
relacin con una especificacin dada, est dado, por:
CP = (Especificacin Sup Especificacin Inf) / 6
Observe que esta definicin no depende de la media del proceso,
asumindose que el proceso est centrado. Para obtener informacin acerca
del centrado del proceso, se definen los ndices de capacidad de un
solo lado, as:
Indice de capacidad superior = CPS = (Esp Sup - ) / 3
Indice de capacidad inferior = CPI = ( - Esp Inf) / 3
Y se redefine el ndice de capacidad del proceso C P = Mnimo [CPS , CPI}
Los ndices de un solo lado indican la capacidad del proceso en relacin con la
produccin de artculos con especificaciones superior e inferior.
EJEMPLO 8: Calcule los ndices de capacidad de los procesos 1 y 2, del
ejemplo 6.
Objetivo: Ilustrar la evaluacin de los ndices de capacidad de un solo lado
de procesos en relacin con la produccin de artculos con especificaciones
dadas.
Control Estadstico de Calidad Hernn Daro Rendn C.
130 Mdulo 9 Fabricacin con Arreglo a una Especificacin
Solucin:
La desviacin estndar del proceso 1, = 1.0
La desviacin estndar del proceso 2, = 0.8
Especificacin superior del producto: 103
Especificacin inferior del producto: 97
Para el proceso 1:
CPS = 103 - 100 / 3 = 1
CPI = 100 - 97 / 3 = 1
CP = 1
Para el proceso 2:
CPS = 103 - 102 / 2.4 = 0.417
CPI = 102 - 97 / 2.4 = 2.083
CP = 0.417
El proceso 1 con un ndice igual a 1 soporta la especificacin, mientras que
el ndice del proceso 2 menor que 1, indica que no soporta la especificacin
Observe que el resultado es equivalente al encontrado en el problema 6.
4. TALLER
1. Un proceso produce pernos cuyo peso se distribuye normal con
media igual a 12.5 gramos y desviacin estndar igual 0.18 gramos.
Que porcentaje de la produccin cumplir la especificacin
12.5 0.1
Calcule el ndice de capacidad del proceso
2. Un proceso produce ejes cuya longitud se distribuye normal con
media igual a 35 cm y desviacin estndar igual 1.1 cm.
Que porcentaje de los ejes tendr longitudes mayores de 36
o menores de 34 cm
Calcule el ndice de capacidad del proceso para producir
ejes de 35 1 cm
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 9 Fabricacin con Arreglo a una Especificacin 131
3. En relacin con el problema 2
Qu porcentaje de los ejes tendr longitudes entre
34.5 y 37 cm
Calcule los ndices de capacidad superior e inferior del
proceso
4. No se conocen la media ni la desviacin estndar del peso en
gramos de las bolsas de una mquina empacadora de man. Se
toman muestras durante un mes de tamao n = 10, obtenindose
los siguientes valores: X = 100 y R = 1.9.
Qu porcentaje de las bolsas pesarn menos de 95 gramos?
Qu porcentaje de las bolsas cumplirn la especificacin
100 3 gramos?
Calcule el ndice de capacidad del proceso
Interprete los resultados obtenidos en los dos puntos
anteriores
5. Se dispone de dos procesos para la produccin de la lminas de
acero con la siguiente especificacin del espesor 15 0.5 mm. Se
sabe que el proceso A produce lminas con media 14.8 y desviacin
estndar 0.64 mm. El proceso B con media 15.1 y desviacin
estndar 0.56 mm.
Cul de los dos procesos tiene mayor capacidad para
cumplir la especificacin?
6. La media de una poblacin es 125. Si la probabilidad de que un
elemento est entre 124 y 126 es prcticamente 1.
Cul es la variabilidad de la poblacin?
Control Estadstico de Calidad Hernn Daro Rendn C.
132 Mdulo 9 Fabricacin con Arreglo a una Especificacin
7. La duracin promedio y la desviacin estndar de una marca de
bateras, son: 40 y 6 meses, respectivamente. Si las
especificaciones de la batera son: 40 5.
Cul es la probabilidad de que la duracin de una batera
cumpla la especificacin?
Cul deber ser la tolerancia lmite de la duracin de las
bateras para garantizar el cumplimiento de la
especificacin?
5. BIBLIOGRAFA
Duncan, A. Control de Calidad y Produccin Industrial. Alfaomega,
Bogot 1990.
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Gaither, N. y G. Frazier. Administracin de Produccin y
Operaciones. Thomas Editores. Mxico 2000.
Buffa, E. Operation Management: Problems and Models. Wiley.
New York 1972.
Rendn, H.D. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln. 2003
Acua, Jorge. Control de Calidad. Editorial Tecnolgica de Casta
Rica. Cartago. 1996
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 133
MODULO 10 - PLANES DE ACEPTACIN POR ATRIBUTOS
TABLAS DODGE - ROMIG
Prefiero ser el primero en este pueblo
que el segundo en Roma
Julio Cesar
OBJETIVOS:
Comprender las caractersticas de las tablas para la determinacin de
planes de muestreo de aceptacin para atributos.
Aprender los usos y aplicaciones de las tablas de muestro de aceptacin
para atributos Dodge Romig
CONTENIDO:
1. Tablas para la determinacin de planes de aceptacin 134
2. Tablas de muestreo de aceptacin Dodge Romig 134
3. Tabla muestreo sencillo Dodge Romig AOQL = 2% 135
4. Tabla muestreo sencillo Dodge Romig LTPD = 5% 136
5. Tabla muestreo doble Dodge Romig AOQL = 2% 137
6. Tabla muestreo doble Dodge Romig LTPD = 5% 139
7. Taller 144
8. Bibliografa 145
Control Estadstico de Calidad Hernn Daro Rendn C.
134 Planes de Aceptacin por Atributos Tablas Dodge - Romig
1. TABLAS PARA LA DETERMINACIN DE PLANES DE ACEPTACIN
Existen variedad de tablas para determinar planes de aceptacin de
muestreo por atributos, tanto simples como dobles y basadas en diversos
criterios, tales como: El LTPD para riesgos especificados del consumidor,
El lmite de calidad de salida promedio (AOQL), El AQL para riesgos
especificados del productor, El tamao del lote y la calidad promedio del
proceso productivo.
2. TABLAS DE MUESTREO DE ACEPTACIN DODGE ROMIG
Las tablas de muestreo de aceptacin por atributos Dodge Romig, para
muestreo simple y doble se dividen en: Tablas de tolerancias de lotes
(LTPD) y Tablas de lmite de calidad de salida promedio (AOQL).
Tamao del lote
Entradas
% promedio del proceso
Tablas LTPD
Muestra: n
Salidas Nmero aceptacin: c
AOQL %
Tablas Dodge-Romig
Tamao del lote
Entradas
% promedio del proceso
Tablas AOQL
Muestra: n
Salidas Nmero aceptacin: c
LTPD( = 0.10)
A continuacin se presentan tablas Dodge-Romig LTPD y AOQL para
planes sencillos (simples) y dobles, as:
Tabla Dodge Romig para muestreo sencillo. Limite de calidad
de salida promedio (AOQL) = 2%
Tabla Dodge Romig de tolerancia del lote (LTPD) = 5%. Riesgo
del consumidor = 10%, para muestreo sencillo.
Tabla Dodge Romig para muestreo doble. Limite de calidad de
salida promedio (AOQL) = 2%
Tabla Dodge Romig de tolerancia del lote (LTPD) = 5%. Riesgo
del consumidor = 10%, para muestreo doble.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 135
3. - TABLA DODGE ROMIG PARA MUESTREO SENCILLO.
LIMITE DE CALIDAD DE SALIDA PROMEDIO (AOQL) = 2%
promedio
proceso %
0.00 0.04 0.05 0.40 0.41 0.80 0.81 1.20 1.21 1.60 1.61 2.00
Tamao
lote n c pt % n c pt % n c pt % n c pt % n c pt % n c pt %
1 15 All 0 --- All 0 --- All 0 --- All 0 --- All 0 --- All 0 ---
16 50 14 0 13.6 14 0 13.6 14 0 13.6 14 0 13.6 14 0 13.6 14 0 13.6
51 100 16 0 12.4 16 0 12.4 16 0 12.4 16 0 12.4 16 0 12.4 16 0 12.4
101 200 17 0 12.2 17 0 12.2 17 0 12.2 17 0 12.2 35 1 10.5 35 1 10.5
201 300 17 0 12.3 17 0 12.3 17 0 12.3 37 1 10.2 37 1 10.2 37 1 10.2
301 400 18 0 11.8 18 0 11.8 38 1 10.0 38 1 10.0 38 1 10.0 60 2 8.5
401 500 18 0 11.9 18 0 11.9 39 1 9.8 39 1 9.8 60 2 8.6 60 2 8.6
501 600 18 0 11.9 18 0 11.9 39 1 9.8 39 1 9.8 60 2 8.6 60 2 8.6
601 800 18 0 11.9 40 1 9.6 40 1 9.6 65 2 8.0 65 2 8.0 85 3 7.5
801 1000 18 0 12.0 40 1 9.6 40 1 9.6 65 2 8.1 65 2 8.1 90 3 7.4
1001 2000 18 0 12.0 41 1 9.4 65 2 8.2 65 2 8.2 95 3 7.0 120 4 6.5
2001 3000 18 0 12.0 41 1 9.4 65 2 8.2 95 3 7.0 120 4 6.5 180 6 5.8
3001 4000 18 0 12.0 42 1 9.3 65 2 8.2 95 3 7.0 155 5 6.0 210 7 5.5
4001 5000 18 0 12.0 42 1 9.3 70 2 7.5 125 4 6.4 155 5 6.0 245 8 5.3
5001 7000 18 0 12.0 42 1 9.3 95 3 7.0 125 4 6.4 185 6 5.6 280 9 5.1
7001-10000 42 1 9.3 70 2 7.5 95 3 7.0 155 5 6.0 220 7 5.4 350 11 4.8
10001-20000 42 1 9.3 70 2 7.6 95 3 7.0 190 6 5.6 290 9 4.9 460 14 4.4
20001-50000 42 1 9.3 70 2 7.6 125 4 6.4 220 7 5.4 395 12 4.5 720 21 3.9
Control Estadstico de Calidad Hernn Daro Rendn C.
136 Planes de Aceptacin por Atributos Tablas Dodge - Romig
4. - TABLA DODGE ROMIG PARA MUESTREO SENCILLO.
LIMITE DE TOLERANCIA DEL LOTE (LTPD) = 5%
RIESGO DEL CONSUMIDOR = 10%
% promedio
del proceso
0.00 0.05 0.06 0.50 0.51 1.00 1.01 1.50 1.51 2.00 2.01 2.50
Tamao lote n c AOQL n c AOQL n c AOQL n c AOQL n c AOQL n c AOQL
1 30 All 0 0 All 0 0 All 0 0 All 0 0 All 0 0 All 0 0
31 50 30 0 0.49 30 0 0.49 30 0 0.49 30 0 0.49 30 0 0.49 30 0 0.49
51 100 37 0 0.63 37 0 0.63 37 0 0.63 37 0 0.63 37 0 0.63 37 0 0.63
101 200 40 0 0.74 40 0 0.74 40 0 0.74 40 0 0.74 40 0 0.74 40 0 0.74
201 300 43 0 0.74 43 0 0.74 70 1 0.92 70 1 0.92 95 2 0.99 95 2 0.99
301 400 44 0 0.74 44 0 0.74 70 1 0.99 100 1 1.00 120 3 1.10 145 4 1.10
401 500 45 0 0.75 75 1 0.95 100 2 1.10 100 1 1.10 125 3 1.20 150 4 1.20
501 600 45 0 0.76 75 1 0.98 100 2 1.10 125 1 1.20 150 4 1.30 175 5 1.30
601 800 45 0 0.77 75 1 1.00 100 2 1.20 130 2 1.20 175 5 1.40 200 6 1.40
801 1000 45 0 0.78 75 1 1.00 105 2 1.20 155 2 1.40 180 5 1.40 225 7 1.50
1001 2000 45 0 0.80 75 1 1.00 130 3 1.40 180 2 1.60 230 7 1.70 280 9 1.80
2001 3000 75 1 1.10 105 2 1.30 135 3 1.40 210 3 1.70 280 9 1.90 370 13 2.10
3001 4000 75 1 1.10 105 2 1.30 160 4 1.50 210 3 1.70 305 10 2.00 420 15 2.20
4001 5000 75 1 1.10 105 2 1.30 160 4 1.50 235 4 1.80 330 11 2.00 440 16 2.20
5001 7000 75 1 1.10 105 2 1.30 185 5 1.70 260 4 1.90 350 12 2.20 490 18 2.40
7001-10000 75 1 1.10 105 2 1.30 185 5 1.70 260 5 1.90 380 13 2.20 535 20 2.50
10001-20000 75 1 1.10 135 3 1.40 210 6 1.80 285 6 2.00 425 15 2.30 610 23 2.60
20001-50000 75 1 1.10 135 3 1.40 235 7 1.90 305 7 2.10 470 17 2.40 700 27 2.70
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 137
5. - TABLA DODGE ROMIG PARA MUESTREO DOBLE.
LIMITE DE CALIDAD DE SALIDA PROMEDIO AOQL = 2%
% promedio
del proceso 0.00 - 0.04 0.05 - 0.40 0.41 - 0.80
Muestra Primera Segunda Primera Segunda Primera Segunda
Tamao lote n1 c1 n2 n1 +n2 c2 pt % n1 c1 n2 n1 +n2 c2 pt % n1 c1 n2 n1 +n2 c2 pt %
1 15 All 0 -- --- -- --- All 0 -- --- -- --- All 0 -- --- -- ---
16 50 14 0 -- --- -- 13.6 14 0 -- --- -- 13.6 14 0 -- --- -- 13.6
51 100 21 0 12 33 1 11.7 21 0 12 33 1 11.7 21 0 12 33 1 11.7
101 200 24 0 13 37 1 11.0 24 0 13 37 1 11.0 24 0 13 37 1 11.0
201 300 26 0 15 41 1 10.4 26 0 15 41 1 10.4 29 0 31 60 2 9.1
301 400 26 0 16 42 1 10.3 26 0 16 42 1 10.3 30 0 35 65 2 9.0
401 500 27 0 16 43 1 10.3 30 0 35 65 2 9.0 30 0 35 65 2 9.0
501 600 27 0 16 43 1 10.3 31 0 34 65 2 8.9 35 0 55 90 3 7.9
601 800 27 0 17 44 1 10.2 31 0 39 70 2 8.8 35 0 60 95 3 7.7
801 1000 27 0 17 44 1 10.2 32 0 38 70 2 8.7 36 0 59 95 3 7.6
1001 2000 33 0 37 70 2 8.5 33 0 37 70 2 8.5 37 0 63 100 3 7.5
2001 3000 34 0 41 75 2 8.2 34 0 41 75 2 8.2 41 0 84 125 4 7.0
3001 4000 34 0 41 75 2 8.2 38 0 62 100 3 7.3 41 0 89 130 4 6.9
4001 5000 34 0 41 75 2 8.2 38 0 62 100 3 7.3 42 0 88 130 4 6.9
5001 7000 35 0 40 75 2 8.1 38 0 62 100 3 7.3 44 0 116 160 5 6.4
7001 10000 35 0 40 75 2 8.1 38 0 62 100 3 7.3 45 0 115 160 5 6.3
10001-20000 35 0 40 75 2 8.1 39 0 66 105 3 7.2 45 0 115 160 5 6.3
20001-50000 35 0 40 75 2 8.1 43 0 92 135 4 6.6 47 0 148 195 6 6.0
Control Estadstico de Calidad Hernn Daro Rendn C.
138 Planes de Aceptacin por Atributos Tablas Dodge - Romig
TABLA DODGE ROMIG PARA MUESTREO DOBLE.
LIMITE DE CALIDAD DE SALIDA PROMEDIO AOQL = 2%
(Continuacin)
% promedio
del proceso 0.81 - 1.20 1.21 - 1.60 1.61 - 2.00
Muestra Primera Segunda Primera Segunda Primera Segunda
Tamao lote n1 C1 n2 n1 +n2 c2 pt % n1 c1 n2 n1 +n2 c2 pt % n1 c1 n2 n1 +n2 c2 pt %
1 15 All 0 -- --- -- --- All 0 -- --- -- --- All 0 -- --- -- ---
16 50 14 0 -- --- -- 13.6 14 0 -- --- -- 13.6 14 0 -- --- -- 13.6
51 100 21 0 12 33 1 11.7 21 0 12 33 1 11.7 23 0 23 46 2 10.9
101 200 27 0 28 55 2 9.6 27 0 28 55 2 9.6 27 0 28 55 2 9.6
201 300 29 0 31 60 2 9.1 32 0 48 80 3 8.4 32 0 48 80 3 8.4
301 400 33 0 52 85 3 8.2 33 0 52 85 3 8.2 36 0 69 105 4 7.6
401 500 34 0 56 90 3 7.9 36 0 74 110 4 7.5 60 1 90 150 6 7.0
501 600 35 0 55 90 3 7.9 37 0 78 115 4 7.4 65 1 95 160 6 6.8
601 800 38 0 82 120 4 7.3 38 0 82 120 4 7.3 70 1 120 190 7 6.4
801 1000 38 0 87 125 4 7.2 70 1 100 170 6 6.5 70 1 145 215 8 6.2
1001 2000 43 0 112 155 5 6.5 80 1 160 240 8 5.8 110 2 205 315 11 5.5
2001 3000 75 1 115 190 6 6.1 115 2 195 310 10 5.3 160 3 310 470 15 4.7
3001 4000 80 1 140 220 7 5.8 120 2 255 375 12 5.0 235 5 415 650 20 4.3
4001 5000 80 1 175 255 8 5.5 125 2 285 410 13 4.9 275 6 475 750 23 4.2
5001 7000 85 1 205 290 9 5.3 125 2 320 445 14 4.8 280 6 575 855 26 4.1
7001 10000 85 1 210 295 9 5.2 165 3 335 500 15 4.5 320 7 645 965 29 4.0
10001-20000 90 1 260 350 11 5.1 170 3 425 595 18 4.4 395 9 835 1230 37 3.9
20001-50000 130 2 300 430 13 4.7 205 4 515 720 22 4.3 480 11 1090 1570 46 3.7
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 139
6. - TABLA DODGE ROMIG PARA MUESTREO DOBLE.
LIMITE DE TOLERANCIA DEL LOTE (LTPD) = 5%
RIESGO DEL CONSUMIDOR = 10%
% promedio
del proceso
0.00 - 0.05 0.06 - 0.50 0.51 - 1.00
Muestra Primera Segunda Primera Segunda Primera Segunda
Tamao lote n1 c1 n2 n1 +n2 c2 AOQL n1 c1 n2 n1 +n2 c2 AOQL n1 c1 n2 n1 +n2 c2 AOQL
1 30 All 0 -- --- -- 0.00 All 0 -- --- -- 0.00 All 0 -- --- -- 0.00
31 50 30 0 -- --- -- 0.49 30 0 -- --- -- 0.49 30 0 -- --- -- 0.49
51 75 38 0 -- --- -- 0.59 38 0 -- --- -- 0.59 38 0 -- --- -- 0.59
76 100 44 0 21 65 1 0.64 44 0 21 65 1 0.64 44 0 21 65 1 0.64
101 200 49 0 26 75 1 0.84 49 0 26 75 1 0.84 49 0 26 75 1 0.84
201 300 50 0 30 80 1 0.91 50 0 30 80 1 0.91 50 0 55 105 2 1.00
301 400 55 0 30 85 1 0.92 55 0 55 110 2 1.10 55 0 55 110 2 1.10
401 500 55 0 30 85 1 0.93 55 0 55 110 2 1.10 55 0 80 135 3 1.20
501 600 55 0 30 85 1 0.94 55 0 60 115 2 1.10 55 0 85 140 3 1.20
601 800 55 0 35 90 1 0.95 55 0 65 120 2 1.10 55 0 85 140 3 1.30
801 1000 55 0 35 90 1 0.96 55 0 65 120 2 1.10 55 0 115 170 4 1.40
1001 2000 55 0 35 90 1 0.98 55 0 95 150 3 1.30 55 0 120 175 4 1.40
2001 3000 55 0 65 120 2 1.20 55 0 95 150 3 1.30 55 0 150 205 5 1.50
3001 4000 55 0 65 120 2 1.20 55 0 95 150 3 1.30 90 1 140 230 6 1.60
4001 5000 55 0 65 120 2 1.20 55 0 95 150 3 1.40 90 1 165 255 7 1.80
5001 7000 55 0 65 120 2 1.20 55 0 95 150 3 1.40 90 1 165 255 7 1.80
7001-10000 55 0 65 120 2 1.20 55 0 120 175 4 1.50 90 1 190 280 8 1.90
10001-20000 55 0 65 120 2 1.20 55 0 120 175 4 1.50 90 1 190 280 8 1.90
20001-50000 55 0 65 120 2 1.20 55 0 150 205 5 1.70 90 1 215 305 9 2.00
Control Estadstico de Calidad Hernn Daro Rendn C.
140 Planes de Aceptacin por Atributos Tablas Dodge - Romig
TABLA DODGE ROMIG PARA MUESTREO DOBLE.
LIMITE DE TOLERANCIA DEL LOTE (LTPD) = 5%
RIESGO DEL CONSUMIDOR = 10%
(Continuacin)
% promedio
del proceso
1.01 - 1.50 1.51 - 2.00 2.01 - 2.50
Muestra Primera Segunda Primera Segunda Primera Segunda
Tamao lote n1 c1 n2 n1 +n2 c2 AOQL n1 c1 n2 n1 +n2 c2 AOQL n1 c1 n2 n1 +n2 c2 AOQL
1 30 All 0 -- --- -- 0.00 All 0 -- --- -- 0.00 All 0 -- --- -- 0.00
31 50 30 0 -- --- -- 0.49 30 0 -- --- -- 0.49 30 0 -- --- -- 0.49
51 75 38 0 -- --- -- 0.59 38 0 -- --- -- 0.59 38 0 -- --- -- 0.59
76 100 44 0 21 65 1 0.64 44 0 21 65 1 0.64 44 0 21 65 1 0.64
101 200 49 0 51 100 2 0.91 49 0 51 100 2 0.91 49 0 51 100 2 0.91
201 300 50 0 55 105 2 1.00 50 0 80 130 3 1.10 50 0 100 150 4 1.10
301 400 55 0 80 135 3 1.10 55 0 100 155 4 1.20 85 1 105 190 6 1.30
401 500 55 0 105 160 4 1.30 85 1 120 205 6 1.40 85 1 140 225 7 1.40
501 600 55 0 110 165 4 1.30 85 1 145 230 7 1.40 85 1 165 250 8 1.50
601 800 90 1 125 215 6 1.50 90 1 170 260 8 1.50 120 2 185 305 10 1.60
801 1000 90 1 150 240 7 1.50 90 1 200 290 9 1.60 120 2 210 330 11 1.70
1001 2000 90 1 185 275 8 1.70 120 2 225 345 11 1.90 175 4 260 435 15 2.00
2001 3000 120 2 180 300 9 1.90 150 3 270 420 14 2.10 205 5 375 580 21 2.30
3001 4000 120 2 210 330 10 2.00 150 3 295 445 15 2.30 230 6 420 650 24 2.40
4001 5000 120 2 255 375 12 2.10 150 3 345 495 17 2.30 255 7 445 700 26 2.50
5001 7000 120 2 260 380 12 2.10 150 3 370 520 18 2.30 255 7 495 750 28 2.60
7001-10000 120 2 285 405 13 2.10 175 4 370 545 19 2.40 280 8 540 820 31 2.70
10001-20000 120 2 310 430 14 2.20 175 4 420 595 21 2.40 280 8 560 940 36 2.80
20001-50000 120 2 335 455 15 2.20 205 5 485 690 25 2.50 305 9 745 1050 41 2.90
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 141
EJEMPLO 1: Se compra un elemento que puede inspeccionarse por atributos, en
lotes de 3500 unidades y con calidad promedio del 1.8%.
Disee un plan sencillo de aceptacin, si lotes 5% defectuosos tienen una
probabilidad de aceptacin del 10%.
Objetivo: Ilustrar el uso de las tablas Dodge Romig para el diseo de planes
sencillos de aceptacin.
Solucin:
En este caso se tiene: LTPD = 5% para = 10%. Se entra a la tabla por la fila
correspondiente a tamao de lote: 3001 4000 y por la columna % promedio del
proceso: 1.51 2.00, Hallando: el plan (n = 305; c = 10) y un AOQL = 2%
EJEMPLO 2: Bajo las mismas condiciones del ejemplo 1.
Disee un plan sencillo de aceptacin si se desea obtener luego de la
rectificacin lotes cuya fraccin defectuosa sea como mximo del 2%.
Qu fraccin defectuosa del lote tiene una probabilidad de aceptacin del
10%?
Objetivo: Ilustrar el uso de las tablas Dodge Romig para el diseo de planes
sencillos de aceptacin.
Solucin:
En este caso se tiene AOQL = 2%. Se entra a la tabla AOQL por la fila
correspondiente a tamao de lote: 3001 4000 y por la columna % promedio del
proceso: 1.61 2.00, Hallando: El plan ( n = 210; c = 7). La fraccin defectuosa
del lote correspondiente a una probabilidad de aceptacin del 10%, se halla en la
columna pt % y es igual a 5.5%.
EJEMPLO 3: Disee un plan de muestreo doble de aceptacin para un elemento
que se inspecciona por atributos y se produce en lotes de 700 unidades, con
fraccin defectuosa promedio del 1.1%. El comprador del producto desea aceptar
slo 1 de cada 10 lotes con calidad 5% defectuoso.
Objetivo: Ilustrar el uso de las tablas Dodge Romig para el diseo de planes
dobles de aceptacin.
Control Estadstico de Calidad Hernn Daro Rendn C.
142 Planes de Aceptacin por Atributos Tablas Dodge - Romig
Solucin:
Se entra a la tabla LTPD, por la fila correspondiente al tamao del lote: 601 800;
y por la columna % promedio del proceso: 1.01% - 1.50%, Se halla el plan doble:
Primera muestra: n1 = 90; c1 = 1
Segunda muestra: n2 = 125; n1 + n2 = 215; c2 = 6
AOQL = 1.5%
Este plan le garantiza al comprador el recibir lotes con calidad mejor o igual al
1.5 % defectuoso luego del proceso inspeccin rectificacin.
El plan doble opera de la siguiente manera:
Aceptar el lote si hay: 0 o 1 defectuosos
1 muestra de 90 u. Rechazar el lote si hay 7 o ms defectuosos
Tomar la 2 muestra si hay entre 2 y 6 defectuosos
Aceptar el lote si en la muestra conjunta (215 unidades)
hay 6 o menos unidades defectuosas.
2 muestra de 125 u.
Rechazar el lote si en la muestra conjunta hay 7 o mas
unidades defectuosas
EJEMPLO 4: En relacin con el problema 3, disee un plan doble de aceptacin,
si el comprador desea recibir una calidad igual o mejor del 2% luego del proceso
inspeccin rectificacin.
Objetivo: Ilustrar el uso de las tablas Dodge Romig para el diseo de planes
dobles de aceptacin.
Solucin:
En este caso se entra a la tabla AOQL, se halla el plan doble:
Primera muestra: n1 = 38; c1 = 0
Segunda muestra: n2 = 82; n1 + n2 = 120; c2 = 4
Tolerancia del lote: 7.3%
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 143
EJEMPLO 5: El plan de muestreo de aceptacin (n = 280; c = 9), es un plan
Dodge Romig LTPD 5% para un producto con calidad promedio de 1.8% y
producido en lotes de 2500 unidades.
Verifique que lotes 5% defectuosos tienen una probabilidad de
aceptacin del 10%.
Verifique que el valor dado por la tabla del AOQL = 1.9%
Objetivo: Ilustrar el uso de las tablas Dodge Romig para el diseo de planes
sencillos de aceptacin.
Solucin:
Dado que corresponde a un plan LTPD = 5%, se calcula la probabilidad de
aceptar un lote 5%, as:
P(X 9) = b(0, 280, 0.05) + b(1, 210, 0.05) + ....... + b(9, 280, 0.05) = 10.3%
Observe que el valor hallado es similar al riesgo del consumidor, = 10% del
plan Dodge Romig.
En la siguiente tabla se muestra el calculo del AOQL del plan:
p% P(aceptar) AOQ
0,0% 1 0
1,0% 1,00 1,00
2,0% 0,94 1,89
3,0% 0,67 2,00 AOQL
4,0% 0,31 1,26
5,0% 0,10 0,52
6,0% 0,03 0,15
Observe que el resultado es similar al AOQL dado por la tabla.
Control Estadstico de Calidad Hernn Daro Rendn C.
144 Planes de Aceptacin por Atributos Tablas Dodge - Romig
7. TALLER:
1. Determine planes sencillos de aceptacin Dodge Romig para las
siguientes situaciones:
Lote = 6000. % promedio del proceso = 0.8%. LTPD = 5%
Lote = 4000. % promedio del proceso = 1.2%. LTPD = 5%
Lote = 700. % promedio del proceso = 0.25%. LTPD = 5%
Lote = 6000. % promedio del proceso = 1.0%. AOQL = 2%
Lote = 500. % promedio del proceso = 0.25%. AOQL = 2%
2. Determine planes dobles de aceptacin Dodge Romig para las
siguientes situaciones:
Lote = 6000. % promedio del proceso = 0.8%. LTPD = 5%
Lote = 4000. % promedio del proceso = 1.2%. LTPD = 5%
Lote = 700. % promedio del proceso = 0.25%. LTPD = 5%
Lote = 6000. % promedio del proceso = 1.0%. AOQL = 2%
Lote = 500. % promedio del proceso = 0.25%. AOQL = 2%
3. Segn datos histricos de la oficina de liquidacin de impuestos de una
ciudad, el 1.5% de las liquidaciones tiene errores. Se desea establecer
un plan sencillo de aceptacin sobre las liquidaciones que se tramitan
cada da, aproximadamente 350, a fin de garantizarle a la comunidad
que en el peor de los casos recibirn 2 liquidaciones errneas
de cada 100.
Cul es el plan?
Si un da cualquiera se tramitaron errneamente 35
liquidaciones. Cul es la probabilidad de que al aplicar el plan
un supervisor no se percate de la situacin?
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 10 Planes de Aceptacin por Atributos Tablas Dodge Romig 145
4. Una mquina produce cremalleras en lotes de 6000 unidades, de las
cuales, el 2.2% en promedio son defectuosas. El productor desea
implantar un plan de aceptacin, bien sea, sencillo o doble
Dodge Romig LTPD = 5%, buscando maximizar la calidad que
reciban sus clientes luego de la inspeccin rectificacin. Cul de las
dos alternativas deber elegir?
5. Un productor usa un plan de aceptacin Dodge Romig LTPD, para
controlar un producto final. El promedio del proceso es del 1.8%
defectuoso y los lotes son de 700 unidades.
Encuentre un plan alternativo que tenga el mismo nmero de
aceptacin, c, usando la tabla para el diseo de planes con
riesgos especificados (Mdulo 7, pagina 105)
Cul de los dos planes tiene menores costos de inspeccin
rectificacin en lotes con calidad igual al promedio del proceso.
8. BIBLIOGRAFA:
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Rendn, H.D. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln. 2003
Acua, Jorge. Control de Calidad. Editorial Tecnolgica de
Costa Rica. Cartago. 1998
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos 147
MODULO 11 TABLAS MIL STD 105 D PARA MUESTREO DE
. ACEPTACIN POR ATRIBUTOS
OBJETIVOS:
Comprender los tipos y las caractersticas de las tablas MIL STD 105 D
para la determinacin de planes de muestreo de aceptacin
Aprender los usos y aplicaciones de las tablas MIL STD 105 D
CONTENIDO:
1. Tablas militares (MIL STD 105 D) 147
Tabla MIL STD 105 D muestreo sencillo e inspeccin normal 149
Tabla MIL STD 105 D muestreo sencillo e inspeccin rigurosa 150
Tabla MIL STD 105 D muestreo sencillo e inspeccin reducida 151
2. Uso de las tablas MIL STD 105 D 152
3. Niveles de inspeccin 153
4. El AQL en las tablas MIL STD 105 D 153
5. Nmeros de aceptacin y rechazo 154
6. Tablas MIL STD 105 D para muestreo doble 155
Tabla MIL STD 105 D muestreo doble e inspeccin normal 156
Tabla MIL STD 105 D muestreo doble e inspeccin rigurosa 157
Tabla MIL STD 105 D muestreo doble e inspeccin reducida 158
7. Taller 161
8. Bibliografa 162
1. TABLAS MILITARES (MIL STD 105D)
Estas tablas fueron desarrolladas por el Departamento de Defensa de los
Estados Unidos durante la segunda guerra mundial para planes de aceptacin
por atributos.
Control Estadstico de Calidad Hernn Daro Rendn C.
148 Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
Se conocen con el nombre genrico de tablas militares y proporcionan el
tamao de la muestra y el nmero de aceptacin para diferentes tamaos y
niveles de calidad aceptable (AQL) de los lotes, as mismo, ofrecen planes de
aceptacin para tres niveles de inspeccin: Reducida, normal y rigurosa.
Para la aplicacin de las tablas militares inicialmente se determina la Letra
Clave correspondiente al tamao del lote y el nivel de inspeccin a utilizar,
consultando la siguiente tabla:
NIVELES GENERALES DE INSPECCION
Tamao del lote
Reducida (Nivel I) Normal (Nivel II) Rigurosa (Nivel III)
28 A A B
9 15 A B C
16 25 B C D
26 50 C D E
51 90 C E F
91 150 D F G
151 280 E G H
281 500 F H J
501 1200 G J K
1201 3200 H K L
3201 10000 J L M
10001 35000 K M N
35001 150000 L N P
150001 500000 M P Q
Ms de 500001 N Q R
Tabla 11. 1. - Letra Clave para tamao de lote y nivel general de inspeccin
Las tablas MIL STD 105 D, para muestreo sencillo, se presentan a continuacin,
as:
Tabla MIL STD 105 D para planes de muestreo sencillo e
Inspeccin normal.
Tabla MIL STD 105 D para planes de muestreo sencillo e
Inspeccin rigurosa.
Tabla MIL STD 105 D para planes de muestreo sencillo e
Inspeccin reducida.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos
TABLA MIL-STD 105 D. MUESTREO SENCILLO. INSPECCION NORMAL
NIVELES DE CALIDAD ACEPTABLE (AQL%) INSPECCION NORMAL
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
LETRA n Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 3 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
C 5 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
D 8 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 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
H 50 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
J 80 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
K 125 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
L 200 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
M 315 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
N 500 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
P 800 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
Q 1250 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
R 2000 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
Use el primer plan de muestreo indicado sobre o debajo de la flecha, segn su direccin. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
149
150
TABLA MIL-STD 105 D. MUESTREO SENCILLO. INSPECCION RIGUROSA
Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
NIVELES DE CALIDAD ACEPTABLE (AQL%) INSPECCION RIGUROSA
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,4 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
LETRA n Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28
B 3 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
C 5 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
D 8 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
E 13 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
F 20 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
G 32 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
H 50 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
J 80 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
K 125 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
L 200 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
M 315 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
N 500 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
P 800 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
Q 1250 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
R 2000 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
S 3150 1 2
Use el primer plan de muestreo indicado sobre o debajo de la flecha, segn su direccin. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos
TABLA MIL-STD 105 D. MUESTREO SENCILLO. INSPECCION REDUCIDA
NIVELES DE C AL I D AD AC EPT ABL E (AQL%) INSPECCION REDUCIDA
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
LETRA n Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 2 0 1 0 2 1 3 2 4 3 5 5 6 7 8 10 11 14 15 21 22 30 31
C 2 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
D 3 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
E 5 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13 14 17 21 24
F 8 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
G 13 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
H 20 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
J 32 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
K 50 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
L 80 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
M 125 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
N 200 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
P 315 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
Q 500 0 1 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
R 800 0 2 1 3 1 4 2 5 3 6 5 8 7 10 10 13
Use el primer plan de muestreo indicado sobre o debajo de la flecha, segn su direccion. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
Si el nmero de aceptacin ha sido excedido, pero el nmero de rechazo no se ha alcanzado, acepte el lote y continue inspeccionando los lotes siguientes bajo inspeccin normal
151
152 Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
2. USO DE LAS TABLAS MIL STD 105 D
Se entra a la tabla correspondiente al nivel de inspeccin (Reducida, normal o
rigurosa) en la fila correspondiente a la letra clave y en la columna
correspondiente al AQL del lote. Se ubica el correspondiente tamao de la
muestra n y los nmeros de aceptacin y rechazo A y R, de acuerdo a la
siguiente convencin:
Usar el plan ubicado debajo de flecha. En caso de que n sea
mayor que el tamao del lote, se realiza inspeccin 100%.
Usar el plan ubicado arriba de la flecha.
EJEMPLO 1: Determine un plan de muestreo de aceptacin simple por
atributos usando inspeccin normal, para un elemento producido en lotes
de 1500 unidades y un AQL = 1.5%.
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin sencillos mediante el uso de las tablas militares.
Solucin:
Inicialmente se busca la letra clave correspondiente al tamao del lote, para
este caso letra: K; correspondiente a tamao de lote 1201 3200 y nivel de
inspeccin II (normal).
Luego se pasa a la tabla de nivel de inspeccin normal y se entra por la fila
correspondiente a la letra K y a la columna correspondiente al AQL = 1.5%,
hallando el plan (n = 125; A = 5; R = 6).
Por lo tanto, se acepta el lote si en la muestra de 125 unidades se
encuentran 5 o menos defectuosas.
EJEMPLO 2: Si en el problema del ejemplo 1, el AQL = 0.04% y las
dems condiciones no cambian, cul es el plan de aceptacin?
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin sencillos mediante el uso de las tablas militares.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos 153
Solucin:
En la tabla de nivel de inspeccin normal se entra por la fila
correspondiente a la letra: K y a la columna correspondiente al
AQL = 0.04%, se encuentra: , por lo tanto, se usa el plan ubicado debajo
de la flecha, esto es: (n = 315; A = 0; R = 1).
Por lo tanto, se acepta el lote si en la muestra de 315 unidades se
encuentran 0 defectuosas.
3. NIVELES DE INSPECCION
Las tablas militares contemplan tres niveles de inspeccin, as:
Nivel I: Inspeccin reducida.
Nivel II: Inspeccin normal.
Nivel III: Inspeccin rigurosa.
En la prctica se inicia con el nivel II o Inspeccin normal y se utilizan los
criterios presentados en la siguiente tabla para cambiar el nivel de inspeccin:
Pasar de: A: CRITERIO
Normal Rigurosa Si 2 de 5 lotes han sido rechazados
Si 10 lotes consecutivos han sido
Normal Reducida
aceptados
Si 5 lotes consecutivos han sido
Rigurosa Normal
aceptados
Reducida Normal Si 1 lote es rechazado
Tabla 11.2. - Criterios para el cambio de niveles de inspeccin
4. EL AQL EN LAS TABLAS MIL STD 105D
En las tablas militares los valores del AQL oscilan entre 0.010 y 400, el
sentido de los valores de: 100, 150, 250 y 400, se refiere al nmero de
defectos por 100 unidades, permitiendo que en el muestreo puedan
identificarse varios atributos simultneamente. Para el caso de un nico
atributo los valores del AQL desde: 0.01% a 65% se interpretan como el
porcentaje defectuoso de los lotes correspondientes a un riesgo del productor
del 5%, tal como se defini antes.
Control Estadstico de Calidad Hernn Daro Rendn C.
154 Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
5. NUMEROS DE ACEPTACIN Y RECHAZO (A y R)
En las tablas de inspeccin reducida el nmero de rechazo, R,
no necesariamente es igual a: 1 + A; en tales casos, si el nmero de
aceptacin se ha sido excedido pero sin superar el nmero de rechazo, se
acepta el lote y se contina el muestreo para estos lotes con nivel de
inspeccin normal.
EJEMPLO 3: Determine un plan simple bajo inspeccin normal, para un
artculo producido en lotes de 5000 unidades y con AQL = 1%.
Objetivo: Ilustrar el procedimiento para el cambio de niveles de inspeccin en
el muestreo de aceptacin.
Solucin:
Letra clave: L.
AQL = 1%
En la tabla de inspeccin normal se halla el plan de aceptacin
(n = 200; A = 5; R = 6)
Si los ltimos 10 lotes han sido aceptados, qu plan deber usarse para el
prximo lote?
En este caso se pasa al nivel de inspeccin I o inspeccin reducida, para el
cual la letra clave es J y en la tabla de inspeccin reducida se halla el plan
(n = 32; A = 1; R = 3)
Si en el anterior lote se encuentran 2 defectuosos, qu debe hacerse?
Dado que no se alcanz el nmero de rechazo, se acepta el lote, pero
deber adoptarse la inspeccin normal para los siguientes lotes.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos 155
EJEMPLO 4: Una empresa compra un producto a dos proveedores que se
inspecciona por atributos. Los proveedores 1 y 2 producen el articulo en lotes
de 1000 y 1500 unidades, respectivamente y con AQL = 2.5%.
Qu planes de aceptacin debe adoptar el comprador para cada proveedor
con inspeccin normal?
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin sencillos mediante el uso de las tablas militares.
Solucin:
Para lotes del proveedor 1 Para lotes del proveedor 2
Letra clave: J Letra clave: K
Plan: n = 80; A = 5; R = 6 Plan: n = 125; A = 7; R = 8
6. TABLAS MIL STD 105D PARA MUESTREO DOBLE
A continuacin se reproducen las tablas para muestreo doble con niveles de
inspeccin normal, rigurosa y reducida.
De igual manera que para las tablas de muestreo sencillo, es necesario
determinar la letra clave correspondiente al tamao del lote y al nivel de
inspeccin. Posteriormente se entra a la tabla con la letra clave y el
valor del AQL.
Las tablas proporcionan: los tamaos de la primera y segunda muestra, el
tamao acumulativo de ambas muestras y los nmeros de aceptacin y
rechazo.
Las convenciones de operan igual que para los planes sencillos.
Adicionalmente, si se halla el smbolo $, puede usarse el plan de muestreo
sencillo correspondiente o el plan de muestreo doble hacia abajo cuando est
disponible.
En la tabla de inspeccin reducida, si se excede el nmero de aceptacin de la
segunda muestra pero sin alcanzar el nmero de rechazo el lote deber ser
aceptado y para los siguientes lotes usar inspeccin normal.
Control Estadstico de Calidad Hernn Daro Rendn C.
156
TABLA MIL-STD 105 D. MUESTREO DOBLE. INSPECCION NORMAL
NIVELES DE C AL I D AD AC EPT ABL E (AQL %) Inspeccin Normal
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,4 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
n Acum Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
LETRA MUESTRA
Primera $ $ $ $ $ $ $ $ $ $
A Segunda $ $ $ $ $ $ $ $ $ $
Primera 2 2 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16 17 22 25 31
B Segunda 2 4 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27 37 38 56 57
Primera 3 3 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16 17 22 25 31
C Segunda 3 6 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27 37 38 56 57
Primera 5 5 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16 17 22 25 31
D Segunda 5 10 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27 37 38 56 57
Primera 8 8 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16 17 22 25 31
E Segunda 8 16 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27 37 38 56 57
Primera 13 13 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
F Segunda 13 26 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 20 20 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
G Segunda 20 40 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 32 32 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
H Segunda 32 64 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 50 50 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
J Segunda 50 100 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 80 80 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
K Segunda 80 160 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 125 125 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
L Segunda 125 250 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 200 200 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
M Segunda 200 400 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 315 315 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
N Segunda 315 630 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 500 500 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
P Segunda 500 1000 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 800 800 $ 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
Q Segunda 800 1600 $ 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Primera 1250 1250 0 2 0 3 1 4 2 5 3 7 5 9 7 11 11 16
R
Segunda 1250 2500 1 2 3 4 4 5 6 7 8 9 12 13 18 19 26 27
Use el primer plan de muestreo indicado arriba o debajo de la flecha, segn su direccin. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
$: Use el plan de muestreo sencillo correspondiente, o alternativamente, el plan doble hacia abajo, cuando est disponible
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos
TABLA MIL-STD 105 D. MUESTREO DOBLE. INSPECCIN RIGUROSA
NIVELES DE CALIDAD ACEPTABLE (AQL %) Inspeccin Rigurosa
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,4 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
LETRA MUESTRA n Acum Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
Primera $ $ $ $ $ $ $ $
A
Segunda $ $ $ $ $ $ $ $
Primera 2 2 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14 15 20 23 29
B
Segunda 2 4 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24 34 35 52 53
Primera 3 3 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14 15 20 23 29
C
Segunda 3 6 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24 34 35 52 53
Primera 5 5 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14 15 20 23 29
D
Segunda 5 10 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24 34 35 52 53
Primera 8 8 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14 15 20 23 29
E Segunda 8 16 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24 34 35 52 53
Primera 13 13 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
F Segunda 13 26 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 20 20 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
G
Segunda 20 40 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 32 32 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
H
Segunda 32 64 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 50 50 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
J
Segunda 50 100 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 80 80 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
K
Segunda 80 160 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 125 125 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
L Segunda 125 250 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 200 200 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
M Segunda 200 400 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 315 315 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
N
Segunda 315 630 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 500 500 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
P
Segunda 500 1000 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 800 800 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
Q
Segunda 800 1600 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 1250 1250 $ 0 2 0 3 1 4 2 5 3 7 6 10 9 14
R
Segunda 1250 2500 $ 1 2 3 4 4 5 6 7 11 12 15 16 23 24
Primera 2000 2000 0 2
S Segunda 2000 4000 1 2
Use el plan de muestreo indicado sobre o debajo de la flecha, segn su direccin. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
$: Use el plan sencillo correspondiente o alternativamente el plan doble hacia abajo cuando est disponible aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa
157
158
TABLA MIL-STD 105 D. MUESTREO DOBLE. INSPECCION REDUCIDA
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos
NIVELES DE C AL I D AD AC EPT ABL E (AQL %) Inspeccin Reducida
0,01 0,015 0,025 0,04 0,065 0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1000
LETRA MUESTRA n Acum Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
Primera $ $ $ $ $ $ $ $ $ $
A Segunda $ $ $ $ $ $ $ $ $ $
Primera $ $ $ $ $ $ $ $ $ $ $
B
Segunda $ $ $ $ $ $ $ $ $ $ $
Primera $ $ $ $ $ $ $ $ $ $ $
C
Segunda $ $ $ $ $ $ $ $ $ $ $
Primera 2 2 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10 7 12 11 17
D Segunda 2 4 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16 18 21 26 30
Primera 3 3 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10 7 12 11 17
E Segunda 3 6 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16 18 21 26 30
Primera 5 5 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
F Segunda 5 10 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 8 8 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
G Segunda 8 16 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 13 13 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
H Segunda 13 26 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 20 20 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
J Segunda 20 40 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 32 32 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
K Segunda 32 64 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 50 50 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
L Segunda 50 100 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 80 80 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
M
Segunda 80 160 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 125 125 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
N Segunda 125 250 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 200 200 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
P Segunda 200 400 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 315 315 $ 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
Q Segunda 315 630 $ 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Primera 500 500 0 2 0 3 0 4 0 4 1 5 2 7 3 8 5 10
R Segunda 500 1000 0 2 0 4 1 5 3 6 4 7 6 9 8 12 12 16
Use el primer plan sobre o debajo de la flecha, segn su direccin. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
$: Use el plan de muestreo sencillo correspondiente o alternativamente, el plan doble hacia abajo, cuando est disponible.
Si despus de la segunda muestra el nmero de aceptacin ha sido excedido, pero no se ha alcanzado el nmero de rechazo, acepte el lote, pero reinstale la inspeccin normal.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos 159
EJEMPLO 5: Determine un plan de muestreo doble, con inspeccin normal,
para un artculo que se produce en lotes de 15000 unidades
con AQL =2.5%.
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin dobles mediante el uso de las tablas militares.
Solucin:
Letra clave: M
Primera muestra: (n = 200; Ac = 7; Re = 11)
Segunda muestra: (n = 200; Ac = 18; Re = 19)
Por lo tanto: Se inspecciona la primera muestra de 200 unidades: Si se
obtienen 7 defectuosos o menos se acepta el lote; si se obtienen 11 o ms
defectuosos se rechaza el lote; si se obtienen 8, 9 o 10 defectuosos, se
inspecciona la segunda muestra de 200 unidades: Si se obtienen 18 o
menos defectuosos en ambas muestras se acepta el lote; si se obtienen 19
o ms defectuosos se rechaza el lote.
EJEMPLO 6: Determine un plan de muestreo doble, con inspeccin
normal, para un artculo que se produce en lotes de 120 unidades
con AQL = 0.15%.
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin dobles mediante el uso de las tablas militares.
Solucin:
Letra clave: F
Entrando a la tabla se hallan: primera muestra = 13 y segunda
muestra = 13; sin embargo para el AQL correspondiente se halla y debajo
de la flecha est el smbolo $, por lo tanto, pueden usarse alternativamente:
Alternativa 1: Plan de muestreo sencillo. Letra clave: F.
Plan: (n = 80; Ac = 0; Re = 1), ubicado debajo de la flecha.
Alternativa 2: Plan doble (debajo de las flechas), no est disponible y
no es posible usar el plan doble.
Por lo tanto, slo es vlida la alternativa 1.
Control Estadstico de Calidad Hernn Daro Rendn C.
160 Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
EJEMPLO 7: Determine un plan de muestreo doble, con inspeccin
reducida, para un artculo que se produce en lotes de 1500 unidades con
calidad AQL = 4%.
Objetivo: Ilustrar el procedimiento para la determinacin de planes de
muestreo de aceptacin dobles mediante el uso de las tablas militares.
Solucin:
Letra clave: H
Primera muestra: (n = 13; Ac = 0; Re = 4)
Segunda muestra: (n = 13; Ac = 3; Re = 6)
EJEMPLO 8: Para el plan del problema anterior, cul es la probabilidad de
inspeccionar slo la primera muestra?
Objetivo: Ilustrar el procedimiento para analizar comparativamente planes
de muestreo de aceptacin sencillos y dobles mediante el uso de las tablas
militares.
Solucin:
La probabilidad pedida es:
P(aceptar el lote 1 muestra) + P(rechazar el lote 1 muestra)
P(aceptar) = b(0; 13; 0.04) = 58.82%
P(rechazar) = b(4;13; 0.04) + b(5; 13; 0.04) + ........ = 0.14%
-----------
58.96%
Observe que el plan de muestreo sencillo correspondiente es
(n = 20; Ac = 2; Re = 5).
El anlisis comparativo del plan doble y el plan sencillo en relacin con el
nmero de artculos inspeccionados (sin considerar la rectificacin), indica,
que en el plan doble se inspeccionan 13 artculos con probabilidad del
58.96% o 26 con probabilidad del 41.04%, lo que da un valor esperado de
13 * 0.5896 + 26 * 0.4102 = 18.33, que comparado con los 20 del plan
sencillo es significativamente menor.
El anterior resultado puede generalizarse, indicando que los planes dobles
de muestreo en promedio tienen ventajas en relacin con el nmero de
elementos inspeccionados respecto a los planes sencillos.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 11 Tablas MIL STD 105 D Planes de Muestreo para Atributos 161
7. TALLER
1. Determine los siguientes planes de aceptacin simples MIL STD 105 D
Lote = 2500; AQL = 1%; Inspeccin normal
Lote = 200; AQL = 0.4%; Inspeccin normal
Lote = 200; AQL = 0.4%; Inspeccin rigurosa
Lote = 500; AQL = 0.65%; Inspeccin reducida
2. Determine los siguientes planes de aceptacin dobles MIL STD 105 D
Lote = 2500; AQL = 1%; Inspeccin normal
Lote = 2000; AQL = 0.4%; Inspeccin normal
Lote = 1000; AQL = 2.5%; Inspeccin rigurosa
Lote = 500; AQL = 0.65%; Inspeccin reducida
3. Un comprador usa un plan de muestreo simple MIL STD 105 D, para un
artculo, producido en lotes de 2500 unidades. Si lotes con calidad 2.5%
defectuoso tienen una probabilidad de rechazo del 95%.
Cul es el plan si se usa inspeccin reducida?
Bajo el plan del punto anterior, un da se encontraron 3 unidades
defectuosas. Qu deber hacerse con el lote? Qu plan deber usarse
para inspeccionar el prximo lote?
Bajo el plan del punto anterior, se han rechazado 3 de los ltimos 5
lotes recibidos. Qu plan deber usarse en adelante?
Bajo el plan del punto anterior los siguientes 5 lotes han sido aceptados.
Qu plan deber usarse en adelante?
Control Estadstico de Calidad Hernn Daro Rendn C.
162 Mdulo 11 - Tablas MIL-STD 105 D Planes de Muestreo para Atributos
4. Bajo el plan MIL STD 105 D de aceptacin sencillo con inspeccin
normal, (n = 50; Ac = 3; Re = 4)
Cul es la calidad de los lotes cuya probabilidad de ser rechazados
equivale al 5%? (Use slo la informacin de la tabla)
Verifique analticamente la solucin hallada en la tabla del punto anterior
e interprete el resultado.
5. Un elemento producido en lotes de 20 unidades, con AQL = 0.25%,
se inspecciona por atributos bajo un plan MIL STD 105 D con nivel de
inspeccin normal. Qu porcentaje del lote debe inspeccionarse?
8. BIBLIOGRAFIA
Duncan, A. Control de Calidad y Produccin Industrial. Alfaomega,
Bogot 1990.
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Acua, Jorge. Control de Calidad. Editorial Tecnolgica de
Costa Rica. Cartago 1998.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 163
MODULO 12 PLANES DE ACEPTACIN PARA
VARIABLES MIL STD 414
Y vamos a estrenar tablas
OBJETIVOS:
Comprender los tipos y caractersticas de los planes de muestreo de
aceptacin para variables MIL STD 414
Aprender el uso y las aplicaciones de las tablas para planes de muestreo de
aceptacin MIL STD 414
CONTENIDO:
1. Planes de Aceptacin para Variables MILSTD 414 164
2. Clasificacin y caractersticas de las tablas del estndar MIL-STD 414 167
Tablas MIL STD 414 169
3. Procedimiento para el uso de las tablas. Variabilidad desconocida 193
3.1. Mtodo de la desviacin. Forma M. Un lmite especificacin 193
3.2. Mtodo de la desviacin. Forma M. Dos lmites especificacin 194
3.3. Mtodo de la desviacin. Forma M. Dos lmites. AQL 195
3.4. Mtodo de la desviacin. Forma K. Un lmite especificacin 196
3.5. Mtodo del recorrido. Forma M. Un lmite especificacin 197
3.6. Mtodo del recorrido. Forma M. Dos lmites especificacin 199
3.7. Mtodo del recorrido. Forma K. Un lmite especificacin 200
4. Procedimiento para el uso de las tablas. Variabilidad conocida 201
4.1. Mtodo de la desviacin. Forma M. Un lmite especificacin 201
4.2. Mtodo de la desviacin. Forma M. Dos lmites especificacin 203
4.3. Mtodo de la desviacin. Forma M. Dos lmites. AQL 204
4.4. Mtodo de la desviacin. Forma K. Un lmite especificacin 205
5. Taller 206
6. Bibliografa 208
Control Estadstico de Calidad Hernn Daro Rendn C.
164 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
1. PLANES DE ACEPTACIN PARA VARIABLES MIL - STD 414
Los planes de muestreo de aceptacin por variables MIL STD 414
desarrollados por el ejercito norteamericano durante la segunda guerra
mundial, proporcionan planes de muestreo de aceptacin para variables, estos
planes se generalizaron ampliamente en la actividad productiva de paz, luego
de la terminacin del conflicto blico y su uso se ha extendido universalmente
hasta nuestros das.
Las tablas MIL STD 414 proporcionan el tamao de la muestra y el valor
crtico de aceptacin, para el muestreo de aceptacin de productos con
especificaciones superior, inferior o ambas, tanto para procesos con
variabilidad conocida como desconocida. As mismo, utilizan el mtodo de la
desviacin y el mtodo del rango o recorrido, bajo dos modalidades,
denominadas: forma M y forma K. Adicionalmente, contemplan el diseo de
planes para cinco niveles de inspeccin.
En la siguiente figura se muestran sintticamente las diversas modalidades de
los planes MIL STD 414.
Forma M
Un lmite
Mtodo Forma K
Desviacin = AQL
Dos lmites
Variabilidad AQL
desconocida
Forma M
Un lmite
Mtodo Forma K
MIL-STD-414 del Rango = AQL
Dos lmites
AQL
Forma M
Un lmite
Variabilidad Mtodo Forma K
conocida Desviacin = AQL
Dos lmites
AQL
Figura 12.1. - Modalidades del estndar 414
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 165
Para la aplicacin del estndar MIL - STD 414 se requiere conocer:
Nivel de inspeccin requerido, as: Niveles I, II, III, IV y V. El nivel de
inspeccin IV corresponde a inspeccin normal.
El tamao del lote. El cual determina la Letra clave para los diferentes niveles
de inspeccin, mediante el uso de la tabla A -1.
El AQL del lote correspondiente, para riesgos del productor: 1% 10%
Las especificaciones requeridas del producto, tanto, de un solo lado (superior o
inferior), como de dos lados (superior e inferior)
El Mtodo a utilizar, as: Mtodo de la desviacin estndar o el mtodo
del recorrido.
La Forma a utilizar, as: Forma M o forma K, conocidas tambin como:
formas 1 y 2, respectivamente.
La siguiente tabla muestra las letras clave para diferentes tamaos de lote:
TABLA A-1 - Letras clave
NIVELES DE INSPECCION
TAMAO DEL LOTE
I II III IV V
28 B B B B C
9 15 B B B B D
16 25 B B B C E
26 40 B B B D F
41 65 B B C E G
66 110 B B D F H
111 180 B C E G I
181 300 B D F H J
301 500 C E G I K
501 800 D F H J L
801 1300 E G I K L
1301 3200 F H J L M
3201 8000 G I L M N
8001 22000 H J M N O
22001 110000 I K N O P
110001 550000 I K O P Q
Ms de 550001 I K P Q Q
Tabla 12.1. - Letra clave para tamao de muestra MIL STD 414
Control Estadstico de Calidad Hernn Daro Rendn C.
166 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
Como se mencion antes, el nivel de inspeccin IV corresponde a
inspeccin normal.
Mientras que los niveles de inspeccin III y V se refieren a la inspeccin
reducida y rigurosa, respectivamente.
Los niveles I y II, constituyen niveles especiales de inspeccin que no se tratan
en este texto.
Los AQL en las tablas MIL STD 414, estn expresados en porcentaje
defectuoso y toman los siguientes valores: 0.04, 0.065, 0.10, 0.15, 0.25, 0.40,
0.65, 1.00, 1.50, 2.50, 4.00, 6.50, 10.0 y 15.0.
Se recomienda usar valores del AQL, para la aplicacin del estndar, cuando
stos estn en los intervalos, que se muestran en la tabla 12.2.
Intervalos del AQL% Usar el AQL%
------- a 0.049 0.04
0.050 a 0.069 0.065
0.070 a 0.109 0.10
0.110 a 0.164 0.15
0.165 a 0.279 0.25
0.280 a 0.439 0.40
0.440 a 0.699 0.65
0.70 a 1.09 1.00
1.10 a 1.64 1.50
1.65 a 2.79 2.50
2.80 a 4.39 4.00
4.40 a 6.99 6.50
7.00 a 10.9 10.0
11.00 a 16.4 15.0
Tabla 12.2. - Valores a usar del AQL%
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 167
2. CLASIFICACION Y CARACTERSTICAS DE LAS TABLAS DEL
ESTANDAR MIL STD 414
La siguiente tabla muestra informacin sobre las tablas MIL - STD 414, as:
TABLA CARACTERISTICAS ENTRADAS SALIDAS
A1
Pgina Letra clave Tamao lote Letra clave
165
Plan de muestreo
Inspeccin normal y rigurosa
B1 Letra clave Tamao
Variabilidad desconocida
Pgina Nivel inspeccin muestra: n
Mtodo desviacin
169 AQL Valor k
Un lmite
Forma K
Plan de muestreo
Inspeccin reducida
B2 Tamao
Variabilidad desconocida Letra clave
Pgina muestra: n
Mtodo desviacin AQL
170 Valor k
Un lmite
Forma K
Plan de muestreo
Inspeccin normal y rigurosa
B3 Letra clave Tamao
Variabilidad desconocida
Pgina Nivel inspeccin muestra: n
Mtodo desviacin
171 AQL Valor M
Un lmite o dos lmites
Forma M
Plan de muestreo
Inspeccin reducida
B4 Tamao
Variabilidad desconocida Letra clave
Pgina muestra: n
Mtodo desviacin AQL
172 Valor M
Un lmite o dos lmites
Forma M
B5 Estimacin p% defectuoso QS QI o ambos
del lote pS%,..pI%
Pginas Tamao
181-186
o ambos
Mtodo de la desviacin muestra
Plan de muestreo
Inspeccin normal y rigurosa
C1 Letra clave Tamao
Variabilidad desconocida
Pgina Nivel inspeccin muestra: n
Mtodo del recorrido
173 AQL Valor k
Un lmite
Forma K
Control Estadstico de Calidad Hernn Daro Rendn C.
168 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
Plan de muestreo
Inspeccin reducida
C2 Tamao
Variabilidad desconocida Letra clave
Pgina muestra: n
Mtodo del recorrido AQL
174 Valor k
Un lmite
Forma K
Plan de muestreo
Inspeccin normal y rigorosa Tamao
C3 Letra clave
Variabilidad desconocida muestra: n
Pgina Nivel inspeccin
Mtodo del recorrido Valor M
175 AQL
Uno lmite o dos lmites Factor c
Forma M
Plan de muestreo
Inspeccin reducida Tamao
C4
Variabilidad desconocida Letra clave muestra: n
Pgina
Mtodo del recorrido AQL Valor M
176
Uno lmite o dos lmites Factor c
Forma M
C5 Estimacin p% defectuoso QS , QI o ambos
del lote pS% , pI%
Pginas Tamao
187-192 Mtodo del recorrido muestra
o ambos
Plan de muestreo
D1 Inspeccin normal y rigurosa Letra clave Tamao
Pgina Variabilidad conocida Nivel inspeccin muestra: n
177 Un lmite AQL Valor k
Forma K
Plan de muestreo
D2
Inspeccin reducida Tamao
Pgina
Letra clave
Variabilidad conocida muestra: n
178 AQL
Un lmite Valor k
Forma K
Plan de muestreo
D3
Tamao
Inspeccin normal y rigurosa Letra clave
Pgina
muestra: n
Variabilidad conocida Nivel inspeccin
Valor M
179 Un lmite o dos lmites AQL
Factor v
Forma M
Plan de muestreo
D4
Tamao
Inspeccin reducida
Pgina
Letra clave muestra: n
Variabilidad conocida
AQL Valor M
180 Un lmite o dos lmites
Factor v
Forma M
Control Estadstico de Calidad Hernn Daro Rendn C.
TABLA B-1 MIL-STD 414 METODO DE LA DESVIACION ESTANDAR.
VARIABILIDAD DESCONOCIDA. INSPECCION NORMAL Y RIGUROSA.
UN LIMITE DE ESPECIFICACION. FORMA K
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Normal
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
Letra n 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
D 5 1,65 1,53 1,40 1,24 1,07 0,874 0,675 0,455
E 7 2,00 1,88 1,75 1,62 1,50 1,33 1,15 0,955 0,755 0,536
F 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,838 0,611
G 15 2,64 2,53 2,42 2,32 2,20 2,06 1,91 1,79 1,65 1,47 1,30 1,09 0,886 0,664
H 20 2,69 2,58 2,47 2,36 2,24 2,11 1,96 1,82 1,69 1,51 1,33 1,12 0,917 0,695
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
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
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 15
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Rigurosa
Use el plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
TABLA B-2 MIL-STD 414 METODO DE LA DESVIACION ESTANDAR.
VARIABILIDAD DESCONOCIDA. INSPECCION REDUCIDA.
UN LIMITE DE ESPECIFICACION. FORMA K
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Reducida
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10
Letra n 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 3 1,12 0,958 0,765 0,566 0,341
D 3 1,12 0,958 0,765 0,566 0,341
E 3 1,12 0,958 0,765 0,566 0,341
F 4 1,45 1,34 1,17 1,01 0,814 0,617 0,393
G 5 1,65 1,53 1,40 1,24 1,07 0,740 0,675 0,455
H 7 2,00 1,88 1,75 1,62 1,50 1,33 1,15 0,955 0,755 0,536
I 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,828 0,611
J 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,828 0,611
K 15 2,53 2,42 2,32 2,20 2,05 1,91 1,79 1,65 1,47 1,30 1,09 0,886 0,664
L 20 2,58 2,47 2,36 2,24 2,11 1,96 1,82 1,69 1,51 1,33 1,12 0,917 0,695
M 20 2,58 2,47 2,36 2,24 2,11 1,96 1,82 1,69 1,51 1,33 1,12 0,917 0,695
N 25 2,61 2,50 2,40 2,25 2,14 1,98 1,85 1,72 1,53 1,35 1,14 0,936 0,712
O 30 2,61 2,51 2,41 2,28 2,15 2,00 1,85 1,73 1,55 1,36 1,15 0,946 0,723
P 50 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
Q 75 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
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
TABLA B-3 MIL-STD 414 METODO DE LA DESVIACION ESTANDAR.
VARIABILIDAD DESCONOCIDA INSPECCION NORMAL Y RIGUROSA
UNO O DOS LIMITES DE ESPECIFICACION FORMA M
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Normal
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
Letra n M M M M M M M M M M M M M M
B 3 7,59 18,86 26,94 33,69 40,47
C 4 1,53 5,50 10,92 16,45 22,86 29,45 36,90
D 5 1,33 3,32 5,83 9,80 14,39 20,19 26,56 33,99
E 7 0,422 1,06 2,14 3,55 5,35 8,40 12,20 17,35 23,29 30,50
F 10 0,349 0,716 1,30 2,17 3,26 4,77 7,29 10,54 15,17 20,74 27,57
G 15 0,099 0,186 0,312 0,503 0,818 1,31 2,11 3,05 4,31 6,56 9,46 13,71 18,94 25,61
H 20 0,135 0,228 0,365 0,544 0,846 1,29 2,05 2,95 4,09 6,17 8,92 12,99 18,03 24,53
I 25 0,155 0,250 0,380 0,551 0,877 1,29 2,00 2,86 3,97 5,97 8,63 12,57 17,51 23,97
J 30 0,179 0,280 0,413 0,581 0,879 1,29 1,98 2,83 3,91 5,86 8,47 12,36 17,24 23,58
K 35 0,170 0,264 0,388 0,535 0,847 1,23 1,87 2,68 3,70 5,57 8,10 11,87 16,65 22,91
L 40 0,179 0,275 0,401 0,566 0,873 1,26 1,88 2,71 3,72 5,58 8,09 11,85 16,61 22,86
M 50 0,163 0,250 0,363 0,503 0,789 1,17 1,71 2,49 3,45 5,20 7,61 11,23 15,87 22,00
N 75 0,147 0,228 0,330 0,467 0,720 1,07 1,60 2,29 3,20 4,87 7,15 10,63 15,13 21,11
O 100 0,145 0,220 0,317 0,447 0,689 1,02 1,53 2,20 3,07 4,69 6,91 10,32 14,75 20,66
P 150 0,134 0,203 0,293 0,413 0,638 0,949 1,43 2,05 2,89 4,43 6,57 9,88 14,20 20,02
Q 200 0,135 0,204 0,294 0,414 0,637 0,945 1,42 2,04 2,87 4,40 6,53 9,81 14,12 19,92
0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Rigurosa
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
TABLA B-4 MIL-STD 414. METODO DE LA DESVIACION ESTANDAR. VARIABILIDAD
DESCONOCIDA. INSPECCION REDUCIDA.
UNO O DOS LIMITES DE ESPECIFICACION. FORMA M
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Reducida
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10
Letra n M M M M M M M M M M M M M
B 3 7,59 18,86 26,94 33,69 40,47
C 3 7,59 18,86 26,94 33,69 40,47
D 3 7,59 18,86 26,94 33,69 40,47
E 3 7,59 18,86 26,94 33,69 40,47
F 4 1,53 5,50 10,92 16,45 22,86 29,45 36,90
G 5 1,33 3,32 5,83 9,80 14,39 20,19 26,56 33,99
H 7 0,422 1,06 2,14 3,55 5,35 8,40 12,20 17,35 23,29 30,50
I 10 0,349 0,716 1,30 2,17 3,26 4,77 7,29 10,54 15,17 20,74 27,57
J 10 0,349 0,716 1,30 2,17 3,26 4,77 7,29 10,54 15,17 20,74 27,57
K 15 0,186 0,312 0,503 0,818 1,31 2,11 3,05 4,31 6,56 9,46 13,71 18,94 25,61
L 20 0,228 0,365 0,544 0,846 1,29 2,05 2,95 4,09 6,17 8,92 12,99 18,03 24,53
M 20 0,228 0,365 0,544 0,846 1,29 2,05 2,95 4,09 6,17 8,92 12,99 18,03 24,53
N 25 0,250 0,380 0,551 0,877 1,29 2,00 2,86 3,97 5,97 8,63 12,57 17,51 23,97
O 30 0,280 0,413 0,581 0,879 1,29 1,98 2,83 3,91 5,86 8,47 12,36 17,24 23,58
P 50 0,250 0,363 0,503 0,789 1,17 1,71 2,49 3,45 5,20 7,61 11,23 15,87 23,00
Q 75 0,228 0,330 0,467 0,720 1,07 1,60 2,29 3,20 4,87 7,15 10,63 15,13 21,11
Use el primer plan de muestreo bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Normal
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
Letra n k k k k k k k k k k k k k k
B 3 0,857 0,502 0,401 0,296 0,178
C 4 0,651 0,598 0,525 0,450 0,364 0,276 0,175
D 5 0,663 0,614 0,565 0,498 0,431 0,352 0,272 0,184
E 7 0,702 0,659 0,613 0,569 0,525 0,465 0,405 0,336 0,266 0,189
F 10 0,916 0,863 0,811 0,755 0,703 0,650 0,579 0,507 0,424 0,341 0,252
G 15 1,09 1,04 0,999 0,958 0,903 0,850 0,792 0,738 0,684 0,610 0,536 0,452 0,368 0,276
H 25 1,14 1,10 1,05 0,96 0,951 0,896 0,835 0,779 0,723 0,647 0,571 0,484 0,398 0,305
I 30 1,15 1,10 1,06 1,02 0,959 0,904 0,843 0,787 0,730 0,654 0,577 0,490 0,403 0,310
J 35 1,16 1,11 1,07 1,02 0,964 0,903 0,848 0,791 0,734 0,658 0,581 0,494 0,406 0,313
K 40 1,18 1,13 1,08 1,04 0,978 0,921 0,860 0,803 0,746 0,668 0,591 0,503 0,415 0,321
L 50 1,19 1,14 1,09 1,05 0,988 0,931 0,893 0,812 0,754 0,676 0,598 0,510 0,421 0,327
M 60 1,21 1,16 1,11 1,06 1,00 0,948 0,885 0,826 0,768 0,689 0,610 0,521 0,432 0,336
N 85 1,23 1,17 1,13 1,08 1,02 0,962 0,899 0,839 0,780 0,701 0,621 0,530 0,441 0,345
O 115 1,24 1,19 1,14 1,09 1,03 0,975 0,911 0,851 0,791 0,711 0,631 0,539 0,449 0,353
P 175 1,26 1,21 1,16 1,11 1,05 0,994 0,929 0,868 0,807 0,726 0,644 0,552 0,460 0,263
Q 230 1,27 1,21 1,16 1,12 1,06 0,996 0,931 0,870 0,809 0,728 0,646 0,553 0,462 0,364
0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Rigurosa
Use el primer plan de muestreo bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Reducida
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10
Letra n k k k k k k k k k k k k k
B 3 0,587 0,502 0,401 0,296 0,178
C 3 0,587 0,502 0,401 0,296 0,178
D 3 0,587 0,502 0,401 0,296 0,178
E 3 0,587 0,502 0,401 0,296 0,178
F 4 0,651 0,598 0,525 0,451 0,364 0,276 0,176
G 5 0,666 0,617 0,567 0,500 0,432 0,353 0,273 0,184
H 7 0,702 0,659 0,613 0,569 0,525 0,465 0,405 0,336 0,266 0,189
I 10 0,916 0,863 0,811 0,755 0,703 0,650 0,579 0,507 0,424 0,341 0,252
J 10 0,916 0,863 0,811 0,755 0,703 0,650 0,579 0,507 0,424 0,341 0,252
K 15 1,04 0,999 0,958 0,903 0,850 0,792 0,738 0,684 0,610 0,536 0,452 0,368 0,276
L 25 1,10 1,05 1,01 0,951 0,896 0,835 0,779 0,723 0,647 0,571 0,484 0,398 0,305
M 25 1,10 1,05 1,01 0,951 0,896 0,835 0,779 0,723 0,647 0,571 0,484 0,398 0,305
N 30 1,10 1,05 1,02 0,959 0,904 0,843 0,787 0,730 0,654 0,577 0,490 0,403 0,310
O 35 1,11 1,07 1,02 0,964 0,908 0,848 0,791 0,734 0,658 0,581 0,494 0,406 0,313
P 60 1,16 1,11 1,06 1,00 0,948 0,885 0,826 0,768 0,689 0,610 0,521 0,432 0,336
Q 85 1,17 1,13 1,08 1,02 0,962 0,899 0,839 0,780 0,701 0,621 0,530 0,441 0,345
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Normal
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
Letra n Factor C M M M M M M M M M M M M M M
B 3 1,910 7,59 18,86 26,94 33,69 40,47
C 4 2,234 1,53 5,50 10,92 16,45 22,86 29,45 35,90
D 5 2,474 1,42 3,44 5,93 9,90 14,47 20,27 26,59 33,95
E 7 2,830 0,280 0,89 1,99 3,46 5,32 8,47 12,35 17,54 23,50 30,66
F 10 2,405 0,230 0,580 1,14 2,05 3,23 4,77 7,42 10,79 15,49 21,06 27,90
G 15 2,379 0,061 0,136 0,253 0,430 0,786 1,30 2,10 3,11 4,44 6,76 9,76 14,09 19,30 25,92
H 25 2,358 0,125 0,214 0,336 0,506 0,827 1,27 1,95 2,82 3,96 5,98 8,65 12,59 17,48 23,79
I 30 2,353 0,147 0,240 0,366 0,537 0,856 1,29 1,96 2,81 3,92 5,88 8,50 12,36 17,19 23,42
J 35 2,349 0,165 0,261 0,391 0,564 0,883 1,33 1,98 2,82 3,90 5,85 8,42 12,24 17,03 23,21
K 40 2,346 0,160 0,252 0,375 0,539 0,842 1,25 1,83 2,69 3,73 5,61 8,11 11,84 16,55 22,38
L 50 2,342 0,169 0,261 0,381 0,542 0,838 1,25 1,60 2,63 3,64 5,47 7,91 11,57 16,20 22,26
M 60 2,339 0,158 0,244 0,356 0,504 0,781 1,16 1,74 2,47 3,44 5,17 7,54 11,10 15,64 21,63
N 85 2,335 0,156 0,242 0,350 0,493 0,755 1,12 1,67 2,37 3,30 4,97 7,27 10,73 15,17 21,05
O 115 2,333 0,153 0,230 0,333 0,468 0,718 1,06 1,58 2,25 3,14 4,76 6,99 10,37 14,74 20,57
P 175 2,333 0,139 0,210 0,303 0,427 0,655 0,972 1,46 2,08 2,93 4,47 6,60 9,89 14,15 19,88
Q 230 2,333 0,142 0,215 0,308 0,432 0,661 0,976 1,47 2,08 2,92 4,46 6,57 9,84 14,10 19,82
0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10 15
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Rigurosa
Use el primer plan de muestreo bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE (AQL%) Inspeccin Reducida
0,04 0,07 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10
Letra n Factor C M M M M M M M M M M M M M
B 3 1,910 7,59 18,86 26,94 33,69 40,47
C 3 1,910 7,59 18,86 26,94 33,69 40,47
D 3 1,910 7,59 18,86 26,94 33,69 40,47
E 3 1,910 7,59 18,86 26,94 33,69 40,47
F 4 2,234 1,53 5,50 10,92 16,45 22,86 29,45 36,90
G 5 2,474 1,42 3,44 5,93 9,90 14,47 20,27 26,59 33,95
H 7 2,830 0,280 0,890 1,99 3,46 5,32 8,47 12,35 17,54 23,50 20,66
I 10 2,405 0,230 0,580 1,14 2,05 3,23 4,77 7,42 10,79 15,49 21,06 27,90
J 10 2,405 0,230 0,580 1,14 2,05 3,23 4,77 7,42 10,79 15,49 21,06 20,66
K 15 2,379 0,136 0,253 0,430 0,786 1,30 2,10 3,11 4,44 6,76 9,76 14,09 19,30 25,92
L 25 2,358 0,214 0,336 0,506 0,827 1,27 1,95 2,82 3,96 5,98 8,65 12,59 17,48 23,79
M 25 2,358 0,214 0,336 0,506 0,827 1,27 1,95 2,82 3,96 5,98 8,65 12,59 17,48 23,79
N 30 2,353 0,240 0,366 0,537 0,856 1,29 1,96 2,81 3,92 5,88 8,50 12,36 17,19 23,42
O 35 2,349 0,261 0,381 0,542 0,838 1,25 1,60 2,63 3,64 5,47 7,91 11,57 16,20 22,26
P 60 2,339 0,244 0,356 0,504 0,781 1,16 1,74 2,47 3,44 5,17 7,54 11,10 15,64 21,63
Q 85 2,335 0,242 0,350 0,493 0,755 1,12 1,67 2,37 3,30 4,97 7,27 10,73 15,17 21,05
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
N I V E L E S D E C A L I D A D A C E P T A B L E % Inspeccin Normal
0,04 0,065 0,10 0,15 0,25 0,40 0,65
LETRA n k n k n k n k n k n k n k
B
C
D 2 1,58
E 2 1,94 2 1,81 3 1,69
F 3 2,19 3 2,07 3 1,91 4 1,80
G 3 2,58 3 2,49 4 2,39 4 2,30 4 2,14 5 2,05 5 1,83
H 4 2,65 4 2,55 5 2,46 5 2,34 6 2,23 6 2,08 7 1,95
I 5 2,69 6 2,59 6 2,49 6 2,37 7 2,25 8 2,13 8 1,96
J 6 2,72 6 2,53 7 2,50 7 2,38 8 2,26 9 2,13 10 1,99
K 7 2,77 7 2,63 8 2,64 9 2,45 9 2,29 10 2,16 11 2,01
L 8 2,77 8 2,64 9 2,54 10 2,45 11 2,31 12 2,18 13 2,03
M 10 2,83 11 2,72 11 2,59 12 2,49 13 2,35 14 2,21 16 2,07
N 14 2,83 15 2,77 16 2,65 17 2,54 19 2,41 21 2,27 23 2,12
O 19 2,92 20 2,84 22 2,69 23 2,57 25 2,43 27 2,29 30 2,14
P 27 2,96 30 2,84 31 2,72 34 2,62 37 2,47 40 2,33 44 2,17
Q 37 2,97 40 2,85 42 2,73 45 2,62 49 2,48 54 2,34 59 2,18
0,065 0,10 0,15 0,25 0,40 0,65 1,00
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Rigurosa
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
N I V E L E S D E C A L I D A D A C E P T A B L E % Inspeccin Normal
1,00 1,50 2,50 4,00 6,50 10,00 15,00
LETRA n k n k n k n k n k n k n k
B
C 2 1,36 2 1,25 2 1,09 2 0,936 3 0,755 3 0,573 4 0,344
D 2 1,42 2 1,33 3 1,17 3 1,01 3 0,825 4 0,641 4 0,429
E 3 1,56 3 1,44 4 1,28 4 1,11 5 0,919 5 0,728 6 0,515
F 4 1,69 4 1,53 5 1,39 5 1,20 6 0,991 7 0,797 8 0,584
G 6 1,78 6 1,62 7 1,45 8 1,28 9 1,07 11 0,877 12 0,649
H 7 1,80 8 1,68 9 1,49 10 1,31 12 1,11 14 0,906 16 0,685
I 9 1,83 10 1,70 11 1,51 13 1,34 15 1,13 17 0,924 20 0,706
J 11 1,86 12 1,72 13 1,53 15 1,35 18 1,15 21 0,942 24 0,719
K 12 1,88 14 1,75 15 1,56 18 1,38 20 1,17 24 0,964 27 0,737
L 14 1,89 15 1,75 18 1,57 20 1,38 23 1,17 27 0,965 31 0,741
M 17 1,93 19 1,79 22 1,61 25 1,42 29 1,21 33 0,995 38 0,770
N 25 1,97 28 1,84 32 1,65 36 1,46 42 1,24 49 1,03 56 0,803
O 33 2,00 36 1,86 42 1,67 48 1,48 55 1,26 64 1,05 75 0,819
P 49 2,03 54 1,89 61 1,69 70 1,51 82 1,29 95 1,07 111 0,841
Q 65 2,04 71 1,89 81 1,70 93 1,51 109 1,29 127 1,07 147 0,845
1,50 2,50 4,00 6,50 10,00 15,00
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Rigurosa
N I V E L E S D E C A L I D A D A C E P T A B L E % Inspeccin Reducida
0,04 0,065 0,10 0,15 0,25 0,40 0,65
LETRA n k n k n k n k n k n k n k
B
C
D
E
F 2 1,36
G 2 1,58 2 1,42
H 2 1,94 2 1,81 3 1,69 3 1,56
I 3 2,19 3 2,07 3 1,91 4 1,80 4 1,69
J 3 2,19 3 2,07 3 1,91 4 1,80 4 1,69
K 3 2,49 4 2,39 4 2,30 4 2,14 5 2,05 5 1,88 6 1,78
L 4 2,55 5 2,46 5 2,34 6 2,23 6 2,08 7 1,95 7 1,80
M 4 2,55 5 2,46 5 2,34 6 2,23 6 2,08 7 1,95 7 1,80
N 6 2,59 6 2,49 6 2,37 7 2,25 8 2,13 8 1,96 9 1,83
O 6 2,58 7 2,50 7 2,38 8 2,26 9 2,13 10 1,99 10 1,86
P 11 2,72 11 2,59 12 2,49 13 2,35 14 2,21 16 2,07 17 1,93
Q 15 2,77 16 2,65 17 2,54 19 2,41 21 2,27 23 2,12 25 1,97
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
N I V E L E S D E C A L I D A D A C E P T A B L E % Inspeccin Reducida
0,65 1,00 1,50 2,50 4,00 6,50 10,00
LETRA n k n k n k n k n k n k n k
B
C
D
E
F 2 1,36 2 1,25 2 1,09 2 0,936 3 0,755 3 0,573 4 0,344
G 2 1,42 2 1,33 3 1,17 3 1,01 3 0,825 4 0,641 4 0,429
H 3 1,56 3 1,44 4 1,28 4 1,11 5 0,919 5 0,728 6 0,515
I 4 1,69 4 1,53 5 1,39 5 1,20 6 0,991 7 0,797 8 0,584
J 4 1,69 4 1,53 5 1,39 5 1,20 6 0,991 7 0,797 8 0,584
K 6 1,78 6 1,62 7 1,45 8 1,28 9 1,07 11 0,877 12 0,649
L 7 1,80 8 1,68 9 1,49 10 1,31 12 1,11 14 0,906 16 0,685
M 7 1,80 8 1,68 9 1,49 10 1,31 12 1,11 14 0,906 16 0,685
N 9 1,83 10 1,70 11 1,51 13 1,34 15 1,13 17 0,924 20 0,705
O 10 1,86 12 1,72 13 1,53 15 1,35 18 1,15 21 0,942 24 0,719
P 17 1,93 19 1,79 22 1,61 25 1,42 29 1,21 33 0,995 38 0,770
Q 25 1,97 28 1,84 32 1,65 36 1,46 42 1,24 49 1,030 56 0,803
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 179
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Normal
0,04 0,065 0,10 0,15 0,25 0,40 0,65
LETRA n M v n M v n M v n M v n M v n M v n M v
B
C
D 2 1,28 1,414
E 2 0,310 1,414 2 0,510 1,414 3 1,94 1,225
F 3 0,369 1,225 3 0,568 1,225 3 0,959 1,225 4 1,88 1,155
G 3 0,079 1,225 3 0,114 1,225 4 0,290 1,155 4 0,399 1,155 4 0,681 1,155 5 1,09 1,118 5 1,76 1,118
H 4 0,111 1,155 4 0,161 1,155 5 0,296 1,118 5 0,445 1,118 6 0,721 1,095 6 1,14 1,095 7 1,75 1,080
I 5 0,130 1,118 6 0,230 1,095 6 0,321 1,095 6 0,478 1,095 7 0,756 1,080 8 1,14 1,069 8 1,80 1,069
J 6 0,145 1,095 6 0,234 1,095 7 0,343 1,080 7 0,507 1,080 8 0,791 1,069 9 1,18 1,061 10 1,79 1,054
K 7 0,141 1,080 7 0,226 1,080 8 0,330 1,069 9 0,469 1,061 9 0,760 1,061 10 1,14 1,054 11 1,73 1,049
L 8 0,153 1,069 8 0,243 1,069 9 0,351 1,061 10 0,494 1,054 11 0,768 1,049 12 1,15 1,045 13 1,74 1,041
M 10 0,141 1,054 11 0,217 1,049 11 0,326 1,049 12 0,461 1,045 13 0,721 1,041 14 1,08 1,035 16 1,62 1,033
N 14 0,138 1,038 15 0,211 1,035 16 0,308 1,033 17 0,438 1,031 19 0,673 1,027 21 1,00 1,025 23 1,51 1,023
O 19 0,134 1,027 20 0,207 1,026 22 0,296 1,024 23 0,423 1,023 25 0,655 1,021 27 0,980 1,019 30 1,47 1,017
P 27 0,129 1,019 30 0,193 1,017 31 0,283 1,017 34 0,397 1,015 37 0,615 1,014 40 0,921 1,013 44 1,39 1,012
Q 37 0,130 1,014 40 0,196 1,013 42 0,285 1,012 45 0,402 1,011 49 0,620 1,010 54 0,920 1,009 59 1,39 1,009
0,065 0,10 0,15 0,25 0,40 0,65 1,00
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Rigurosa
Use el primer plan bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Normal
1,00 1,50 2,50 4,00 6,50 10,00 15,00
LETRA n M v n M v n M v n M v n M v n M v n M v
B
C 2 2,73 1,414 2 3,90 1,414 2 6,11 1,414 2 9,27 1,414 3 17,74 1,225 3 24,22 1,225 4 33,67 1,155
D 2 2,23 1,414 2 3,00 1,414 3 7,56 1,225 3 10,79 1,225 3 15,60 1,225 4 22,97 1,155 4 31,01 1,155
E 3 2,76 1,225 3 3,85 1,225 4 6,99 1,155 4 9,97 1,155 5 15,21 1,118 5 20,80 1,118 6 28,64 1,095
F 4 2,58 1,155 4 3,87 1,155 5 6,05 1,118 5 8,92 1,118 6 13,89 1,095 7 19,46 1,080 8 26,64 1,069
G 6 2,57 1,095 6 3,77 1,095 7 5,83 1,080 8 8,62 1,069 9 12,88 1,061 11 17,88 1,049 12 24,88 1,045
H 7 2,62 1,080 8 3,68 1,059 9 5,68 1,061 10 8,43 1,054 12 12,35 1,045 14 17,36 1,038 16 23,96 1,033
I 9 2,59 1,061 10 3,63 1,054 11 5,60 1,049 13 8,13 1,041 15 12,04 1,035 17 17,05 1,031 20 23,43 1,026
J 11 2,57 1,049 12 3,61 1,045 13 5,58 1,041 15 8,13 1,035 18 11,88 1,029 21 16,71 1,025 24 23,13 1,022
K 12 2,49 1,045 14 3,43 1,038 15 5,34 1,035 18 7,72 1,029 20 11,57 1,026 24 16,23 1,022 27 22,63 1,019
L 14 2,51 1,038 15 3,54 1,035 18 5,29 1,029 20 7,80 1,026 23 11,56 1,023 27 16,27 1,019 31 22,57 1,017
M 17 2,35 1,031 19 3,28 1,027 22 4,98 1,024 25 7,34 1,021 29 10,93 1,018 33 15,61 1,016 38 21,77 1,013
N 25 2,19 1,021 28 3,05 1,018 32 4,68 1,016 36 6,95 1,014 42 10,40 1,012 49 14,87 1,010 56 20,90 1,009
O 33 2,12 1,016 36 2,99 1,014 42 4,55 1,012 48 6,75 1,011 55 10,17 1,009 64 14,58 1,008 75 20,48 1,007
P 49 2,00 1,010 54 2,82 1,009 61 4,35 1,008 70 6,48 1,007 82 9,76 1,006 95 14,09 1,005 111 19,90 1,005
Q 65 2,00 1,008 71 2,82 1,007 81 4,34 1,006 93 6,46 1,005 109 9,73 1,005 127 14,02 1,004 147 19,84 1,003
1,50 2,50 4,00 6,50 10,00 15,00
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Rigurosa
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Reducida
0,04 0,065 0,10 0,15 0,25 0,40 0,65
LETRA n M v n M v n M v n M v n M v n M v n M v
B
C
D
E
F 2 2,73 1,414
G 2 1,28 1,414 2 2,23 1,414
H 2 0,310 1,414 2 0,510 1,414 3 1,94 1,225 3 2,76 1,225
I 3 0,369 1,225 3 0,568 1,225 3 0,959 1,225 4 1,88 1,155 4 2,58 1,155
J 3 0,369 1,225 3 0,568 1,225 3 0,959 1,225 4 1,88 1,155 4 2,58 1,155
K 3 0,110 1,225 4 0,290 1,155 4 0,399 1,155 4 0,681 1,155 5 1,09 1,118 5 1,76 1,118 6 2,57 1,095
L 4 0,160 1,155 5 0,296 1,118 5 0,445 1,118 6 0,721 1,095 6 1,14 1,095 7 1,75 1,080 7 2,62 1,080
M 4 0,160 1,155 5 0,296 1,118 5 0,445 1,118 6 0,721 1,095 6 1,14 1,095 7 1,75 1,080 7 2,62 1,080
N 6 0,230 1,095 6 0,321 1,095 6 0,478 1,095 7 0,756 1,080 8 1,14 1,069 8 1,80 1,069 9 2,59 1,061
O 6 0,234 1,095 7 0,343 1,080 7 0,507 1,080 8 0,791 1,069 9 1,18 1,061 10 1,79 1,054 11 2,57 1,049
P 11 0,217 1,049 11 0,326 1,049 12 0,461 1,045 13 0,721 1,041 14 1,08 1,038 16 1,62 1,033 17 2,35 1,031
Q 15 0,211 1,035 16 0,308 1,033 17 0,438 1,031 19 0,673 1,027 21 1,00 1,025 23 1,51 1,023 25 2,19 1,021
Use el primer plan de inspeccin bajo la flecha. Si el tamao de la muestra iguala o excede el tamao del lote, haga inspeccin 100%
NIVELES DE CALIDAD ACEPTABLE % Inspeccin Reducida
0,65 1,00 1,50 2,50 4,00 6,50 10,00
LETRA n M v n M v n M v n M v n M v n M v n M v
B
C
D
E
F 2 2,73 1,414 2 3,90 1,414 2 6,11 1,414 2 9,27 1,414 3 17,74 1,225 3 24,22 1,225 4 33,67 1,155
G 2 2,23 1,414 2 3,00 1,414 3 7,56 1,225 3 10,79 1,225 3 15,60 1,225 4 22,97 1,155 4 31,01 1,155
H 3 2,76 1,225 3 3,85 1,225 4 6,99 1,155 4 9,97 1,155 5 15,21 1,118 5 20,80 1,118 6 28,64 1,095
I 4 2,58 1,155 4 3,87 1,155 5 6,05 1,118 5 8,92 1,118 6 13,89 1,095 7 19,46 1,080 8 26,64 1,069
J 4 2,58 1,155 4 3,87 1,155 5 6,05 1,118 5 8,92 1,118 6 13,89 1,095 7 19,46 1,080 8 26,64 1,069
K 6 2,57 1,095 6 3,77 1,095 7 5,83 1,080 8 8,62 1,069 9 12,88 1,061 11 17,88 1,049 12 24,88 1,045
L 7 2,62 1,080 8 3,68 1,069 9 5,68 1,061 10 8,43 1,054 12 12,35 1,045 14 17,36 1,038 16 23,96 1,033
M 7 2,62 1,080 8 3,68 1,069 9 5,68 1,061 10 8,43 1,045 12 12,35 1,045 14 17,36 1,038 16 23,96 1,033
N 9 2,59 1,061 10 3,63 1,054 11 5,60 1,049 13 8,13 1,041 15 12,04 1,035 17 17,05 1,031 20 23,43 1,026
O 11 2,57 1,049 12 3,61 1,045 13 5,58 1,041 15 8,13 1,035 18 11,88 1,029 21 16,71 1,025 24 23,13 1,022
P 17 2,35 1,031 19 3,28 1,027 22 4,98 1,024 25 7,34 1,021 29 10,93 1,018 33 15,61 1,016 38 21,77 1,013
Q 25 2,19 1,021 28 3,05 1,018 32 4,68 1,016 36 6,95 1,014 42 10,40 1,012 49 14,87 1,010 56 20,90 1,009
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
0,0 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00
0,1 47,24 46,67 46,44 46,26 46,16 46,10 46,08 46,06 46,05 46,05 46,04 46,04 46,03 46,03 46,02 46,02
0,2 44,46 43,33 42,90 42,54 42,35 42,24 42,19 42,16 42,15 42,13 42,13 42,11 42,10 42,09 42,08 42,08
0,3 41,63 40,00 39,37 38,87 38,60 38,44 38,37 38,33 38,31 38,29 38,28 38,27 38,25 38,24 38,22 38,22
0,31 41,35 39,67 39,02 38,50 38,23 38,06 37,99 37,95 37,93 37,91 37,90 37,89 37,87 37,86 37,84 37,84
0,32 41,06 39,33 38,67 38,14 37,86 37,69 37,62 37,58 37,55 37,54 37,52 37,51 37,49 37,48 37,46 37,46
0,33 40,77 39,00 38,32 37,78 37,49 37,31 37,24 37,20 37,18 37,16 37,15 37,13 37,11 37,10 37,08 37,08
0,34 40,49 38,67 37,97 37,42 37,12 36,91 36,87 36,83 36,80 36,78 36,77 36,75 36,73 36,72 36,71 36,71
0,35 40,20 38,33 37,62 37,06 36,75 36,57 36,49 36,45 36,43 36,41 36,40 36,38 36,36 36,35 36,33 36,33
0,36 39,91 38,00 37,28 36,69 36,38 36,20 36,12 36,08 36,05 36,04 36,02 36,01 35,98 35,97 35,96 35,96
0,37 39,62 37,67 36,93 36,33 36,02 35,83 35,75 35,71 35,68 35,66 35,65 35,63 35,61 35,60 35,59 35,58
0,38 39,33 37,33 36,58 35,98 35,65 35,46 35,38 35,34 35,31 35,29 35,28 35,26 35,24 35,23 35,22 35,21
0,39 39,03 37,00 36,23 35,62 35,29 35,10 35,01 34,97 34,94 34,93 34,91 34,89 34,87 34,86 34,85 34,84
0,40 38,74 36,67 35,88 35,26 34,93 34,73 34,65 34,60 34,58 34,56 34,54 34,53 34,50 34,49 34,48 34,47
0,41 38,45 36,33 35,54 34,90 34,57 34,37 34,28 34,24 34,21 34,19 34,18 34,16 34,13 34,12 34,11 34,10
0,42 38,15 36,00 35,19 34,55 34,21 34,00 33,92 33,87 33,85 33,83 33,81 33,79 33,77 33,76 33,74 33,74
0,43 37,85 35,67 34,85 34,19 33,85 33,64 33,56 33,51 33,48 33,46 33,45 33,43 33,40 33,39 33,38 33,37
0,44 37,56 35,33 34,50 33,84 33,49 33,28 33,20 33,15 33,12 33,10 33,09 33,07 33,04 33,03 33,02 33,01
0,45 37,26 35,00 34,16 33,49 33,13 32,92 32,84 32,79 32,76 32,74 32,73 32,71 32,68 32,67 32,65 32,65
0,46 36,96 34,67 33,81 33,13 32,78 32,57 32,48 32,43 32,40 32,38 32,37 32,35 32,32 32,31 32,30 32,29
0,47 36,66 34,33 33,47 32,78 32,42 32,21 32,12 32,07 32,04 32,02 32,01 31,99 31,96 31,95 31,94 31,93
0,48 36,35 34,00 33,12 32,43 32,07 31,85 31,77 31,72 31,69 31,66 31,65 31,63 31,61 31,60 31,58 31,58
0,49 36,05 33,67 32,78 32,08 31,72 31,50 31,41 31,36 31,33 31,31 31,30 31,28 31,25 31,24 31,23 31,22
0,50 35,75 33,33 32,44 31,74 31,37 31,15 31,06 31,01 30,98 30,96 30,95 30,93 30,90 30,89 30,87 30,87
0,51 35,44 33,00 32,10 31,39 31,02 30,80 30,71 30,66 30,63 30,61 30,60 30,57 30,55 30,54 30,52 30,52
0,52 35,13 32,67 31,76 31,04 30,67 30,45 30,36 30,31 30,28 30,26 30,25 30,23 30,20 30,19 30,17 30,17
0,53 34,82 32,33 31,42 30,70 30,32 30,10 30,01 29,96 29,93 29,91 29,90 29,88 29,85 29,84 29,83 29,82
0,54 34,51 32,00 31,08 30,36 29,98 29,76 29,67 29,62 29,59 29,57 29,55 29,53 29,51 29,49 29,48 29,48
0,55 34,20 31,67 30,74 30,01 29,64 29,41 29,32 29,27 29,24 29,22 29,21 29,19 29,16 29,15 29,14 29,13
0,56 33,88 31,33 30,40 29,67 29,29 29,07 28,98 28,93 28,90 28,88 28,87 28,85 28,82 28,81 28,79 28,79
0,57 33,57 31,00 30,06 29,33 28,95 28,73 28,64 28,59 28,56 28,54 28,53 28,51 28,48 28,47 28,45 28,45
0,58 33,25 30,67 29,73 28,99 28,61 28,39 28,30 28,25 28,22 28,20 28,19 28,17 28,14 28,13 28,12 28,11
0,59 32,93 30,33 29,39 28,66 28,28 28,05 27,96 27,92 27,89 27,87 27,85 27,83 27,81 27,79 27,78 27,77
0,60 32,61 30,00 29,05 28,32 27,94 27,72 27,63 27,58 27,55 27,53 27,52 27,50 27,47 27,46 27,45 27,44
0,61 32,28 29,67 28,72 27,98 27,60 27,39 27,30 27,25 27,22 27,20 27,18 27,16 27,14 27,13 27,11 27,11
0,62 31,96 29,33 28,39 27,65 27,27 27,05 26,96 26,92 26,89 26,87 26,85 26,83 26,81 26,80 26,78 26,78
0,63 31,63 29,00 28,05 27,32 26,94 26,72 26,63 26,59 26,56 26,54 26,52 26,50 26,48 26,47 26,45 26,45
0,64 31,30 28,67 27,72 26,99 26,61 26,39 26,31 26,26 26,23 26,21 26,20 26,18 26,15 26,14 26,13 26,12
0,65 30,97 28,33 27,39 26,66 26,28 26,07 25,98 25,93 25,90 25,88 25,87 25,85 25,83 25,82 25,80 25,80
0,66 30,63 28,00 27,06 26,33 25,96 25,74 25,66 25,61 25,58 25,56 25,55 25,53 25,51 25,49 25,48 25,48
0,67 30,30 27,67 26,73 26,00 25,63 25,42 25,33 25,29 25,26 25,24 25,23 25,21 25,19 25,17 25,16 25,16
0,68 29,96 27,33 26,40 25,68 25,31 25,10 25,01 24,97 24,94 24,92 24,91 24,89 24,87 24,86 24,84 24,84
0,69 29,61 27,00 26,07 25,35 24,99 24,78 24,70 24,65 24,62 24,60 24,59 24,57 24,55 24,54 24,53 24,52
0,70 29,27 26.67 25,74 25,03 24,67 24,46 24,38 24,33 24,31 24,29 24,28 24,26 24,24 24,23 24,21 24,21
0,71 28,92 26.33 25,41 24,71 24,35 24,15 24,06 24,02 23,99 23,98 23,96 23,95 23,92 23,91 23,90 23,90
0,72 28,57 26,00 25,09 24,39 24,03 23,83 23,75 23,71 23,68 23,67 23,65 23,64 23,61 23,60 23,59 23,59
0,73 28,22 25.67 24,76 24,07 23,72 23,52 23,44 23,40 23,37 23,36 23,34 23,33 23,31 23,30 23,29 23,28
0,74 27,86 25.33 24,44 23,75 23,41 23,21 23,13 23,09 23,07 23,05 23,04 23,02 23,00 22,99 22,98 22,98
0,75 27,50 25.00 24,11 23,44 23,10 22,90 22,83 22,79 22,76 22,75 22,73 22,72 22,70 22,69 22,68 22,67
0,76 27,13 24.67 23,79 23,12 22,79 22,60 22,52 22,48 22,46 22,44 22,43 22,42 22,40 22,39 22,38 22,37
0,77 26,77 24.33 23,47 22,81 22,48 22,30 22,22 22,18 22,16 22,14 22,13 22,12 22,10 22,09 22,08 22,08
0,78 26,39 24,00 23,15 22,50 22,18 21,99 21,92 21,89 21,86 21,85 21,84 21,82 21,80 21,79 21,78 21,78
0,79 26,02 23,67 22,83 22,19 21,87 21,70 21,63 21,59 21,57 21,55 21,54 21,53 21,51 21,50 21,49 21,49
0,80 25,64 23,33 22,51 21,88 21,57 21,40 21,33 21,29 21,27 21,26 21,25 21,23 21,22 21,21 21,20 21,20
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
0,81 25,25 23,00 22,19 21,58 21,27 21,10 21,04 21,00 20,98 20,97 20,96 20,94 20,93 20,92 20,91 20,91
0,82 24,86 22,67 21,87 21,27 20,98 20,81 20,75 20,71 20,69 20,68 20,67 20,65 20,64 20,63 20,62 20,62
0,83 24,47 22,33 21,56 20,97 20,68 20,52 20,46 20,42 20,40 20,39 20,38 20,37 20,35 20,35 20,34 20,34
0,84 24,07 22,00 21,24 20,67 20,39 20,23 20,17 20,14 20,12 20,11 20,10 20,09 20,07 20,06 20,05 20,05
0,85 23,67 21,67 20,93 20,37 20,10 19,94 19,89 19,86 19,84 19,82 19,82 19,80 19,79 19,78 19,78 19,77
0,86 23,26 21,33 20,62 20,07 19,81 19,66 19,60 19,57 19,56 19,54 19,54 19,53 19,51 19,51 19,50 19,50
0,87 22,84 21,00 20,31 19,78 19,52 19,38 19,32 19,30 19,28 19,27 19,26 19,25 19,24 19,23 19,22 19,22
0,88 22,62 20,67 20,00 19,48 19,23 19,10 19,04 19,02 19,00 18,99 18,98 18,98 18,96 18,96 18,95 18,65
0,89 21,99 20,33 19,69 19,19 18,95 18,82 18,77 18,74 18,73 18,72 18,71 18,70 18,69 18,69 18,68 18,68
0,90 21,55 20,00 19,38 18,90 18,67 18,54 18,50 18,47 18,46 18,45 18,44 18,43 18,42 18,42 18,41 18,41
0,91 21,11 19,67 19,07 18,61 18,39 18,27 18,22 18,20 18,19 18,18 18,17 18,17 18,16 18,15 18,15 18,15
0,92 20,66 19,33 18,77 18,33 18,11 18,00 17,96 17,94 17,92 17,92 17,91 17,90 17,89 17,89 17,88 17,88
0,93 20,20 19,00 18,46 18,04 17,84 17,73 17,69 17,67 17,66 17,65 17,65 17,64 17,63 17,63 17,62 17,62
0,94 19,74 18,67 18,16 17,76 17,57 17,46 17,43 17,41 17,40 17,39 17,39 17,38 17,37 17,37 17,36 17,36
0,95 19,25 18,33 17,86 17,48 17,29 17,20 17,17 17,15 17,14 17,13 17,13 17,12 17,12 17,11 17,11 17,11
0,96 18,76 18,00 17,56 17,20 17,03 16,94 16,91 16,89 16,88 16,88 16,87 16,87 16,86 16,86 16,86 16,85
0,97 18,25 16,67 17,25 16,92 16,76 16,68 16,65 16,63 16,63 16,62 16,62 16,61 16,61 16,61 16,60 16,60
0,98 17,74 17,33 16,96 16,65 16,49 16,42 16,39 16,38 16,37 16,37 16,37 16,36 16,36 16,36 16,36 16,36
0,99 17,21 17,00 16,66 16,37 16,23 16,16 16,14 16,13 16,12 16,12 16,12 16,12 16,11 16,11 16,11 16,11
1,00 16,67 16,67 16,36 16,10 15,97 15,91 15,89 15,88 15,88 15,87 15,87 15,87 15,87 15,87 15,87 15,87
1,01 16,11 16,33 16,07 15,83 15,72 15,66 15,64 15,63 15,63 16,63 15,63 15,63 15,62 15,62 15,62 15,62
1,02 15,53 16,00 15,78 15,56 15,46 15,41 15,40 15,39 15,39 15,39 15,39 15,38 15,38 15,38 15,38 15,38
1,03 14,93 15,67 15,48 15,30 15,21 15,17 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15
1,04 14,31 15,33 15,19 15,03 14,96 14,92 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91
1,05 13,66 15,00 14,91 14,77 14,71 14,66 14,67 14,67 14,67 14,67 14,68 14,68 14,68 14,68 14,68 14,68
1,06 12,98 14,67 14,62 14,51 14,46 14,44 14,44 14,44 14,44 14,44 14,45 14,45 14,45 14,45 14,45 14,45
1,07 12,27 14,33 14,33 14,26 14,22 14,20 14,20 14,21 14,21 14,21 14,21 14,22 14,22 14,22 14,22 14,23
1,08 11,51 14,00 14,05 14,00 13,97 13,97 13,97 13,98 13,91 13,98 13,99 13,99 13,99 14,00 14,00 14,00
1,09 10,71 13,67 13,76 13,75 13,73 13,74 13,74 13,75 13,75 13,76 13,76 13,77 13,77 13,77 13,78 13,78
1,10 9,84 13,33 13,48 13,49 13,50 13,51 13,52 13,52 13,53 13,54 13,54 13,54 13,55 13,55 13,56 13,56
1,11 8,89 13,00 13,20 13,25 13,26 13,28 13,29 13,30 13,31 13,31 13,32 13,32 13,33 13,34 13,34 13,34
1,12 7,82 12,67 12,93 13,00 13,03 13,05 13,07 13,08 13,09 13,10 13,10 13,11 13,12 13,12 13,12 13,13
1,13 6,60 12,33 12,65 12,75 12,80 12,83 12,85 12,86 12,87 12,88 12,89 12,89 12,90 12,91 12,91 12,92
1,14 5,08 12,00 12,37 12,51 12,57 12,61 12,63 12,65 12,66 12,67 12,67 12,68 12,69 12,70 12,70 12,70
1,15 0,29 11,67 12,10 12,27 12,34 12,39 12,42 12,44 12,45 12,46 12,46 12,47 12,48 12,49 12,49 12,50
1,16 0,00 11,33 11,83 12,03 12,12 12,18 12,21 12,22 12,24 12,25 12,25 12,26 12,28 12,28 12,29 12,29
1,17 0,00 11,00 11,56 11,79 11,90 11,96 12,00 12,02 12,03 12,04 12,05 12,06 12,07 12,08 12,08 12,09
1,18 0,00 10,67 11,29 11,56 11,68 11,75 11,79 11,81 11,82 11,84 11,84 11,85 11,87 11,88 11,88 11,89
1,19 0,00 10,33 11,02 11,33 11,46 11,54 11,58 11,61 11,62 11,63 11,64 11,65 11,67 11,68 11,69 11,69
1,20 0,00 10,00 10,76 11,10 11,24 11,34 11,38 11,41 11,42 11,43 11,44 11,46 11,47 11,48 11,49 11,49
1,21 0,00 9,67 10,50 10,87 11,03 11,13 11,18 11,21 11,22 11,24 11,25 11,26 11,28 11,29 11,30 11,30
1,22 0,00 9,33 10,23 10,65 10,82 10,93 10,98 11,01 11,03 11,04 11,05 11,07 11,09 11,09 11,10 11,11
1,23 0,00 9,00 9,97 10,42 10,61 10,73 10,78 10,81 10,84 10,85 10,86 10,88 10,90 10,91 10,91 10,92
1,24 0,00 8,67 9,72 10,20 10,41 10,53 10,59 10,62 10,64 10,66 10,67 10,69 10,71 10,72 10,73 10,73
1,25 0,00 8,33 9,46 9,98 10,21 10,34 10,40 10,43 10,46 10,47 10,48 10,50 10,52 10,53 10,54 10,55
1,26 0,00 8,00 9,21 9,77 10,00 10,15 10,21 10,25 10,27 10,28 10,30 10,32 10,34 10,35 10,36 10,37
1,27 0,00 7,67 8,96 9,55 9,81 9,96 10,02 10,06 10,09 10,10 10,12 10,13 10,16 10,17 10,18 10,19
1,28 0,00 7,33 8,71 9,34 9,61 9,77 9,84 9,88 9,90 9,92 9,94 9,95 9,98 9,99 10,00 10,01
1,29 0,00 7,00 8,46 9,13 9,42 9,58 9,65 9,70 9,72 9,74 9,76 9,78 9,80 9,82 9,83 9,83
1,30 0,00 6,67 8,21 8,93 9,22 9,40 9,48 9,52 9,55 9,57 9,58 9,60 9,63 9,64 9,65 9,66
1,31 0,00 6,33 7,97 8,72 9,03 9,22 9,30 9,34 9,37 9,39 9,41 9,43 9,46 9,47 9,48 9,49
1,32 0,00 6,00 7,73 8,52 8,85 9,04 9,12 9,17 9,20 9,22 9,24 9,26 9,29 9,30 9,31 9,32
1,33 0,00 5,67 7,49 8,32 8,66 8,86 8,95 9,00 9,03 9,05 9,07 9,09 9,12 9,13 9,15 9,15
1,34 0,00 5,33 7,25 8,12 8,48 8,69 8,78 8,83 8,86 8,88 8,90 8,92 8,95 8,97 8,98 8,99
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
1,35 0,00 5,00 7,02 7,92 8,30 8,52 8,61 8,66 8,69 8,72 8,74 8,76 8,79 8,81 8,82 8,83
1,36 0,00 4,67 6,79 7,73 8,12 8,35 8,44 8,50 8,53 8,55 8,57 8,60 8,63 8,65 8,66 8,67
1,37 0,00 4,33 6,56 7,54 7,95 8,18 8,29 8,33 8,37 8,39 8,41 8,44 8,47 8,49 8,50 8,51
1,38 0,00 4,00 6,33 7,35 7,77 8,01 8,12 8,17 8,21 8,24 8,25 8,28 8,31 8,33 8,35 8,35
1,39 0,00 3,67 6,10 7,17 7,60 7,85 7,96 8,01 8,05 8,08 8,10 8,12 8,16 8,18 8,19 8,20
1,40 0,00 3,33 5,88 6,98 7,44 7,69 7,80 7,86 7,90 7,92 7,04 7,97 8,01 8,02 8,04 8,05
1,41 0,00 3,00 5,66 6,80 7,27 7,53 7,64 7,70 7,74 7,77 7,70 7,82 7,86 7,87 7,89 7,90
1,42 0,00 2,67 5,44 6,62 7,10 7,37 7,49 7,55 7,59 7,62 7,64 7,67 7,71 7,73 7,74 7,75
1,43 0,00 2,33 5,23 6,45 6,94 7,22 7,34 7,40 7,44 7,47 7,50 7,52 7,56 7,58 7,60 7,61
1,44 0,00 2,00 5,01 6,27 6,78 7,07 7,19 7,26 7,30 7,33 7,35 7,38 7,42 7,44 7,46 7,47
1,45 0,00 1,67 4,81 6,10 6,63 6,92 7,04 7,11 7,15 7,18 7,21 7,24 7,28 7,30 7,31 7,33
1,46 0,00 1,33 4,60 5,93 6,47 6,77 6,90 6,97 7,01 7,04 7,07 7,10 7,14 7,16 7,18 7,19
1,47 0,00 1,00 4,39 5,77 6,32 6,63 6,75 6,83 6,87 6,90 6,93 6,96 7,00 7,02 7,04 7,05
1,48 0,00 0,67 4,19 5,60 6,17 6,48 6,61 6,69 6,73 6,77 6,79 6,82 6,86 6,88 6,90 6,91
1,49 0,00 0,33 3,99 5,44 6,02 6,34 6,48 6,55 6,60 6,63 6,65 6,69 6,73 6,75 6,77 6,78
1,50 0,00 0,00 3,80 5,28 5,87 6,20 6,34 6,41 6,46 6,50 6,52 6,55 6,60 6,62 6,64 6,65
1,51 0,00 0,00 3,61 5,13 5,23 6,06 6,20 6,28 6,33 6,36 6,39 6,42 6,47 6,49 6,51 6,52
1,52 0,00 0,00 3,42 4,97 5,59 5,93 6,07 6,15 6,20 6,23 6,26 6,29 6,34 6,36 6,38 6,39
1,53 0,00 0,00 3,23 4,82 5,45 5,80 5,94 6,02 6,07 6,11 6,13 6,17 6,21 6,24 6,26 6,27
1,54 0,00 0,00 3,05 4,67 5,31 5,67 5,81 5,89 5,95 5,98 6,01 6,04 6,09 6,11 6,13 6,15
1,55 0,00 0,00 2,87 4,52 5,18 5,54 5,69 5,77 5,82 5,86 5,88 5,92 5,97 5,99 6,01 6,02
1,56 0,00 0,00 2,69 4,38 5,05 5,41 5,56 5,65 5,70 5,74 5,76 5,80 5,85 5,87 5,89 5,90
1,57 0,00 0,00 2,52 4,24 4,92 5,29 5,44 5,53 5,58 5,62 5,64 5,68 5,73 5,75 5,78 5,79
1,58 0,00 0,00 2,35 4,10 4,79 5,16 5,32 5,41 5,46 5,50 5,53 5,56 5,61 5,64 5,66 5,67
1,59 0,00 0,00 2,19 3,96 4,66 5,04 5,20 5,29 5,34 5,36 5,41 5,45 5,50 5,52 5,54 5,56
1,60 0,00 0,00 2,03 3,83 4,54 4,92 5,09 5,17 5,23 5,27 5,30 5,33 5,38 5,41 5,43 5,44
1,61 0,00 0,00 1,87 3,69 4,41 4,81 4,97 5,06 5,12 5,16 5,78 5,22 5,27 5,30 5,32 5,33
1,62 0,00 0,00 1,72 3,57 4,30 4,69 4,86 4,95 5,01 5,04 5,07 5,11 5,16 5,19 5,21 5,23
1,63 0,00 0,00 1,57 3,44 4,18 4,58 4,75 4,84 4,90 4,94 4,97 5,01 5,06 5,08 5,11 5,12
1,64 0,00 0,00 1,42 3,31 4,06 4,47 4,64 4,73 4,79 4,83 4,86 4,90 4,95 4,98 5,00 5,01
1,65 0,00 0,00 1,28 3,19 3,95 4,36 4,53 4,62 4,68 4,72 4,75 4,79 4,85 4,87 4,90 4,91
1,66 0,00 0,00 1,15 3,07 3,84 4,25 4,43 4,52 4,58 4,62 4,65 4,69 4,74 4,77 4,80 4,81
1,67 0,00 0,00 1,02 2,95 3,73 4,15 4,32 4,42 4,48 4,52 4,55 4,59 4,64 4,67 4,70 4,71
1,68 0,00 0,00 0,89 2,84 3,62 4,05 4,22 4,32 4,38 4,42 4,45 4,49 4,55 4,57 4,60 4,61
1,69 0,00 0,00 0,77 2,73 3,52 3,94 4,12 4,22 4,28 4,32 4,35 4,39 4,45 4,47 4,50 4,51
1,70 0,00 0,00 0,66 2,62 3,41 3,84 4,02 4,12 4,18 4,22 4,25 4,30 4,35 4,38 4,41 4,42
1,71 0,00 0,00 0,55 2,51 3,31 3,75 3,93 4,02 4,09 4,13 4,16 4,20 4,26 4,29 4,31 4,32
1,72 0,00 0,00 0,45 2,41 3,21 3,65 3,83 3,93 3,99 4,04 4,07 4,11 4,17 4,19 4,22 4,23
1,73 0,00 0,00 0,36 2,30 3,11 3,56 3,74 3,84 3,90 3,94 3,98 4,02 4,08 4,10 4,13 4,14
1,74 0,00 0,00 0,27 2,20 3,02 3,46 3,65 3,75 3,81 3,85 3,89 3,93 3,99 4,01 4,04 4,05
1,75 0,00 0,00 0,19 2,11 2,93 3,37 3,56 3,66 3,72 3,77 3,80 3,84 3,90 3,93 3,95 3,97
1,76 0,00 0,00 0,12 2,01 2,83 3,28 3,47 3,57 3,63 3,68 3,71 3,76 3,81 3,84 3,87 3,88
1,77 0,00 0,00 0,06 1,92 2,74 3,20 3,38 3,48 3,55 3,59 3,63 3,67 3,73 3,76 3,78 3,80
1,78 0,00 0,00 0,02 1,83 2,66 3,11 3,30 3,40 3,47 3,51 3,54 3,59 3,64 3,67 3,70 3,71
1,79 0,00 0,00 0,00 1,74 2,57 3,03 3,21 3,32 3,38 3,43 3,46 3,51 3,56 3,59 3,62 3,63
1,80 0,00 0,00 0,00 1,65 2,49 2,94 3,13 3,24 3,30 3,35 3,38 3,43 3,48 3,51 3,54 3,55
1,81 0,00 0,00 0,00 1,57 2,40 2,86 3,05 3,16 3,22 3,27 3,30 3,35 3,40 3,43 3,46 3,47
1,82 0,00 0,00 0,00 1,49 2,32 2,79 2,98 3,08 3,15 3,19 3,22 3,27 3,33 3,36 3,38 3,40
1,83 0,00 0,00 0,00 1,41 2,25 2,71 2,90 3,00 3,07 3,11 3,15 3,19 3,25 3,28 3,31 3,32
1,84 0,00 0,00 0,00 1,34 2,17 2,63 2,82 2,93 2,99 3,04 3,07 3,12 3,18 3,21 3,23 3,25
1,85 0,00 0,00 0,00 1,26 2,09 2,56 2,75 2,85 2,92 2,97 3,00 3,05 3,10 3,13 3,16 3,17
1,86 0,00 0,00 0,00 1,19 2,02 2,48 2,68 2,78 2,85 2,89 2,93 2,97 3,03 3,06 3,09 3,10
1,87 0,00 0,00 0,00 1,12 1,95 2,41 2,61 2,71 2,78 2,82 2,86 2,90 2,96 2,99 3,02 3,03
1,88 0,00 0,00 0,00 1,06 1,88 2,34 2,54 2,64 2,71 2,75 2,79 2,83 2,89 2,92 2,95 2,96
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
1.89 0.00 0.00 0.00 0.99 1.81 2.28 2.47 2.57 2.64 2.69 2.72 2.77 2.83 2.85 2.88 2.90
1.90 0.00 0.00 0.00 0.93 1.75 2.21 2.40 2.51 2.57 2.62 2.65 2.70 2.76 2.79 2.82 2.83
1.91 0.00 0.00 0.00 0.87 1.68 2.14 2.34 2.44 2.51 2.56 2.59 2.63 2.69 2.72 2.75 2.77
1.92 0.00 0.00 0.00 0.81 1.62 2.08 2.27 2.38 2.45 2.49 2.52 2.57 2.63 2.66 2.69 2.70
1.93 0.00 0.00 0.00 0.76 1.56 2.02 2.21 2.32 2.38 2.43 2.46 2.51 2.57 2.60 2.62 2.64
1.94 0.00 0.00 0.00 0.70 1.50 1.96 2.15 2.25 2.32 2.37 2.40 2.45 2.51 2.54 2.56 2.58
1.95 0.00 0.00 0.00 0.65 1.44 1.90 2.09 2.19 2.26 2.31 2.34 2.39 2.45 2.48 2.50 2.52
1.96 0.00 0.00 0.00 0.60 1.38 1.84 2.03 2.14 2.20 2.25 2.28 2.33 2.39 2.42 2.44 2.46
1.97 0.00 0.00 0.00 0.56 1.33 1.78 1.97 2.08 2.14 2.19 2.22 2.27 2.33 2.36 2.39 2.40
1.98 0.00 0.00 0.00 0.51 1.27 1.73 1.92 2.02 2.09 2.13 2.17 2.21 2.27 2.30 2.33 2.34
1.99 0.00 0.00 0.00 0.47 1.22 1.67 1.86 1.97 2.03 2.08 2.11 2.16 2.22 2.25 2.27 2.29
2.00 0.00 0.00 0.00 0.43 1.17 1.62 1.81 1.91 1.98 2.03 20.6 2.10 2.16 2.19 2.22 2.23
2.01 0.00 0.00 0.00 0.39 1.12 1.57 1.76 1.86 1.93 1.97 2.01 20.5 2.11 2.14 2.17 2.18
2.02 0.00 0.00 0.00 0.36 1.07 1.52 1.71 1.81 1.87 1.92 1.95 2.00 2.06 2.09 2.11 2.13
2.03 0.00 0.00 0.00 0.32 1.03 1.47 1.66 1.76 1.82 1.87 1.90 1.95 2.01 2.04 2.06 2.08
2.04 0.00 0.00 0.00 0.29 0.98 1.42 1.61 1.71 1.77 1.82 1.85 1.90 1.96 1.99 2.01 2.03
2.05 0.00 0.00 0.00 0.26 0.94 1.37 1.56 1.66 1.73 1.77 1.80 1.85 1.91 1.94 1.96 1.98
2.06 0.00 0.00 0.00 0.23 0.90 1.33 1.51 1.61 1.68 1.72 1.76 1.80 1.86 1.89 1.92 1.93
2.07 0.00 0.00 0.00 0.21 0.86 1.28 1.47 1.52 1.63 1.68 1.71 1.76 1.81 1.84 1.87 1.88
2.08 0.00 0.00 0.00 0.18 0.82 1.24 1.42 1.52 1.59 1.63 1.66 1.71 1.77 1.79 1.82 1.84
2.09 0.00 0.00 0.00 0.16 0.78 1.20 1.38 1.48 1.54 1.59 1.62 1.66 1.72 1.75 1.78 1.79
2.10 0.00 0.00 0.00 0.14 0.74 1.16 1.34 1.44 1.50 1.54 1.58 1.62 1.68 1.71 1.73 1.75
2.11 0.00 0.00 0.00 0.12 0.71 1.12 1.30 1.39 1.46 1.59 1.53 1.58 1.63 1.66 1.69 1.70
2.12 0.00 0.00 0.00 0.10 0.67 1.08 1.26 1.55 1.42 1.46 1.49 1.54 1.59 1.62 1.65 1.66
2.13 0.00 0.00 0.00 0.08 0.64 1.04 1.22 1.31 1.38 1.42 1.45 1.50 1.55 1.58 1.61 1.62
2.14 0.00 0.00 0.00 0.07 0.61 1.00 1.18 1.28 1.34 1.38 1.41 1.46 1.51 1.54 1.57 1.58
1.15 0.00 0.00 0.00 0.06 0.58 0.97 1.14 1.24 1.30 1.34 1.37 1.42 1.47 1.50 1.53 1.54
2.16 0.00 0.00 0.00 0.05 0.55 0.93 1.10 1.20 1.26 1.30 1.34 1.38 1.43 1.46 1.49 1.50
2.17 0.00 0.00 0.00 0.04 0.52 0.90 1.07 1.16 1.22 1.27 1.30 1.34 1.40 1.42 1.45 1.46
2.18 0.00 0.00 0.00 0.03 0.49 0.87 1.03 1.13 1.19 1.23 1.26 1.30 1.36 1.39 1.41 1.42
2.19 0.00 0.00 0.00 0.02 0.46 0.83 1.00 1.09 1.15 1.20 1.23 1.27 1.32 1.35 1.33 1.39
2.20 0.00 0.00 0.00 0.015 0.437 0.803 0.968 1.061 1.120 1.161 1.192 1.233 1.287 1.314 1.340 1.352
2.21 0.00 0.00 0.00 0.010 0.413 0.772 0.936 1.028 1.087 1.128 1.158 1.199 1.253 1.279 1.305 1.318
2.22 0.00 0.00 0.00 0.006 0.389 0.743 0.905 0.996 1.054 1.095 1.125 1.166 1.219 1.245 1.271 1.283
2.23 0.00 0.00 0.00 0.003 0.366 0.715 0.875 0.965 1.023 1.063 1.093 1.134 1.186 1.212 1.238 1.250
2.24 0.00 0.00 0.00 0.002 0.345 0.687 0.845 0.935 0.992 1.032 1.061 1.102 1.154 1.180 1.205 1.218
2.25 0.00 0.00 0.00 0.001 0.324 0.660 0.816 0.905 0.962 1.002 1.031 1.071 1.123 1.148 1.173 1.186
2.26 0.00 0.00 0.00 0.00 0.304 0.634 0.789 0.876 0.933 0.972 1.001 1.041 1.092 1.117 1.142 1.155
2.27 0.00 0.00 0.00 0.00 0.285 0.609 0.762 0.848 0.904 0.943 0.972 1.011 1.062 1.087 1.112 1.124
2.28 0.00 0.00 0.00 0.00 0.267 0.585 0.735 0.821 0.876 0.915 0.943 0.982 1.033 1.058 1082 1.091
2.29 0.00 0.00 0.00 0.00 0.250 0.561 0.710 0.794 0.849 0.887 0.915 0.954 1.004 1.029 1.053 1.065
2.30 0.00 0.00 0.00 0.00 0.233 0.538 0.685 0.769 0.823 0.861 0.888 0.972 0.977 1.001 1.025 1.037
2.31 0.00 0.00 0.00 0.00 0.218 0.516 0.661 0.743 0.797 0.834 0.862 0.900 0.949 0.974 0.997 1.009
2.32 0.00 0.00 0.00 0.00 0.203 0.495 0.637 0.719 0.772 0.809 0.836 0.874 0.923 0.947 0.971 0.982
2.33 0.00 0.00 0.00 0.00 0.189 0.474 0.614 0.695 0.748 0.784 0.811 0.848 0.897 0.921 0.944 0.956
2.34 0.00 0.00 0.00 0.00 0.175 0.454 0.592 0.672 0.724 0.760 0.787 0.824 0.872 0.895 0.915 0.930
2.35 0.00 0.00 0.00 0.00 0.163 0.435 0.571 0.650 0.701 0.736 0.763 0.799 0.874 0.870 0.893 0.905
2.36 0.00 0.00 0.00 0.00 0.151 0.416 0.550 0.628 658 0.714 0.740 0.776 0.823 0.846 0.869 0.880
2.37 0.00 0.00 0.00 0.00 0.139 0.398 0.530 0.606 0.656 0.691 0.717 0.753 0.799 0.822 0.845 0.856
2.38 0.00 0.00 0.00 0.00 0.128 0.381 0.510 0.586 0.635 0.670 0.695 0.730 0.777 0.799 0.822 0.833
2.39 0.00 0.00 0.00 0.00 0.118 0.364 0.491 0.566 0.614 0.648 0.674 0.709 0.754 0.777 0.799 0.810
2.40 0.00 0.00 0.00 0.00 0.109 0.348 0.473 0.546 0.594 0.628 0.653 0.687 0.732 0.755 0.777 0.787
2.41 0.00 0.00 0.00 0.00 0.100 0.332 0.455 0.527 0.575 0.608 0.633 0.667 0.711 0.733 0.755 0.766
2.42 0.00 0.00 0.00 0.00 0.091 0.317 0.437 0.509 0.555 0.588 0.613 0.646 0.691 0.712 0.734 0.744
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
2.43 0.00 0.00 0.00 0.00 0.083 0.302 0.421 0.491 0.537 0.569 0.593 0.627 0.670 0.692 0.713 0.724
2.44 0.00 0.00 0.00 0.00 0.076 0.288 0.404 0.474 0.519 0.551 0.575 0.608 0.651 0.672 0.693 0.703
2.45 0.00 0.00 0.00 0.00 0.069 0.275 0.389 0.457 0.501 0.533 0.556 0.589 0.632 0.653 0.673 0.684
2.46 0.00 0.00 0.00 0.00 0.063 0.262 0.373 0.440 0.484 0.516 0.539 0.571 0.613 0.634 0.654 0.664
2.47 0.00 0.00 0.00 0.00 0.057 0.249 0.339 0.425 0.468 0.499 0.521 0.553 0.595 0.615 0.635 0.646
2.48 0.00 0.00 0.00 0.00 0.051 0.237 0.344 0.409 0.452 0.482 0.505 0.536 0.577 0.597 0.617 0.627
2.49 0.00 0.00 0.00 0.00 0.046 0.226 0.331 0.394 0.436 0.466 0.488 0.519 0.560 0.580 0.600 0.609
2.50 0.00 0.00 0.00 0.00 0.041 0.214 0.317 0.380 0.421 0.451 0.473 0.503 0.543 0.563 0.582 0.592
2.51 0.00 0.00 0.00 0.00 0.037 0.204 0.304 0.366 0.407 0.436 0.457 0.487 0.527 0.546 0.565 0.575
2.52 0.00 0.00 0.00 0.00 0.033 0.193 0.292 0.352 0.392 0.421 0.442 0.472 0.511 0.530 0.549 0.558
2.53 0.00 0.00 0.00 0.00 0.029 0.184 0.280 0.339 0.379 0.407 0.428 0.457 0.495 0.541 0.533 0.542
2.54 0.00 0.00 0.00 0.00 0.026 0.174 0.268 0.326 0.365 0.393 0.413 0.442 0.480 0.499 0.517 0.527
2.55 0.00 0.00 0.00 0.00 0.023 0.165 0.257 0.314 0.352 0.379 0.400 0.428 0.465 0.481 0.502 0.511
2.56 0.00 0.00 0.00 0.00 0.020 0.156 0.246 0.302 310 0.366 0.386 0.414 0.451 0.469 0.487 0.496
2.57 0.00 0.00 0.00 0.00 0.017 0.148 0.236 0.291 0.327 0.354 0.373 0.401 0.437 0.455 0.473 0.482
2.58 0.00 0.00 0.00 0.00 0.015 0.140 0.226 0.279 0.316 0.341 0.361 0.388 0.424 0.441 0.459 0.468
2.59 0.00 0.00 0.00 0.00 0.013 0.133 0.216 0.269 0.304 0.330 0.349 0.375 0.410 0.428 0.445 0.454
2.60 0.00 0.00 0.00 0.00 0.011 0.125 0.207 0.258 0.293 0.318 0.337 0.363 0.398 0.415 0.432 0.441
2.61 0.00 0.00 0.00 0.00 0.009 0.118 0.198 0.248 0.282 0.307 0.325 0.351 0.385 0.402 0.419 0.428
2.62 0.00 0.00 0.00 0.00 0.008 0.112 0.189 0.235 0.272 0.296 0.314 0.339 0.373 0.390 0.406 0.415
2.63 0.00 0.00 0.00 0.00 0.007 0.105 0.181 0.229 0.262 0.285 0.303 0.328 361 0.378 0.394 0.402
2.64 0.00 0.00 0.00 0.00 0.005 0.099 0.172 0.220 0.252 0.275 0.293 0.317 0.350 0.366 0.382 0.390
2.65 0.00 0.00 0.00 0.00 0.005 0.094 0.165 0.211 0.243 0.256 0.282 0.307 0.339 0.355 0.371 0.379
2.66 0.00 0.00 0.00 0.00 0.004 0.088 0.157 0.202 0.233 0.256 0.273 0.296 0.328 0.344 0.359 0.367
2.67 0.00 0.00 0.00 0.00 0.003 0.083 0.150 0.194 0.224 0.246 0.263 0.286 0.317 0.333 0.348 0.356
2.68 0.00 0.00 0.00 0.00 0.002 0.078 0.143 0.186 0.216 0.237 0.254 0.277 0.307 0.322 0.338 0.345
2.69 0.00 0.00 0.00 0.00 0.002 0.073 0.136 0.179 0.208 0.229 0.245 0.267 0.297 0.312 0.327 0.335
2.70 0.00 0.00 0.00 0.00 0.001 0.069 0.130 0.171 0.200 0.220 0.236 0.258 0.288 0.302 0.317 0.325
2.71 0.00 0.00 0.00 0.00 0.001 0.064 0.124 0.164 0.192 0.212 0.227 0.249 0.278 0.293 0.307 0.315
2.72 0.00 0.00 0.00 0.00 0.00 0.060 0.118 0.157 0.184 0.204 0.219 0.241 2.69 0.283 0.298 0.305
2.73 0.00 0.00 0.00 0.00 0.00 0.057 0.112 0.151 0.177 0.197 0.211 0.232 0.260 0.274 0.288 0.296
2.74 0.00 0.00 0.00 0.00 0.00 0.053 0.107 0.144 0.170 0.189 0.204 0.224 0.252 0.266 0.279 0.286
2.75 0.00 0.00 0.00 0.00 0.00 0.049 0.102 0.138 0.163 0.182 0.196 0.216 0.243 0.257 0.271 0.277
2.76 0.00 0.00 0.00 0.00 0.00 0.046 0.087 0.132 0.157 0.175 0.189 0.209 0.235 0.249 0.262 0.269
2.77 0.00 0.00 0.00 0.00 0.00 0.043 0.092 0.126 0.151 0.168 0.182 0.201 0.227 0.241 0.254 0.260
2.78 0.00 0.00 0.00 0.00 0.00 0.040 0.087 0.121 0.145 0.162 0.175 0.194 0.220 0.233 246 0.252
2.79 0.00 0.00 0.00 0.00 0.00 0.037 0.083 0.115 0.139 0.156 0.169 0.187 0.212 0.225 0.238 0.244
2.80 0.00 0.00 0.00 0.00 0.00 0.035 0.079 0.110 0.133 0.150 0.162 0.181 0.205 0.218 0.230 0.237
2.81 0.00 0.00 0.00 0.00 0.00 0.032 0.075 0.105 0.128 0.144 0.156 0.174 0.198 0.211 0.223 0.229
2.82 0.00 0.00 0.00 0.00 0.00 0.030 0.071 0.101 0.122 0.138 0.150 0.168 0.192 0.204 0.216 0.222
2.83 0.00 0.00 0.00 0.00 0.00 0.028 0.067 0.096 0.117 0.133 0.145 0.162 0.185 0.197 0.209 0.215
2.84 0.00 0.00 0.00 0.00 0.00 0.026 0.064 0.092 0.112 0.128 0.139 0.156 0.179 0.190 0.202 0.208
2.85 0.00 0.00 0.00 0.00 0.00 0.024 0.060 0.088 0.108 0.122 0.134 0.150 0.173 0.184 0.195 0.201
2.86 0.00 0.00 0.00 0.00 0.00 0.022 0.057 0.084 0.103 0.118 0.129 0.145 0.167 0.178 0.189 0.195
2.87 0.00 0.00 0.00 0.00 0.00 0.020 0.054 0.080 0.099 0.113 0.124 0.139 0.161 0.172 0.183 0.188
2.88 0.00 0.00 0.00 0.00 0.00 0.019 0.051 0.076 0.094 0.108 0.119 0.134 0.155 0.166 0.177 0.182
2.89 0.00 0.00 0.00 0.00 0.00 0.017 0.048 0.073 0.090 0.104 0.114 0.129 0.150 0.160 0.171 0.176
2.90 0.00 0.00 0.00 0.00 0.00 0.016 0.046 0.069 0.087 0.100 0.110 0.125 0.145 0.155 0.165 0.171
2.91 0.00 0.00 0.00 0.00 0.00 0.015 0.043 0.066 0.083 0.096 0.106 0.120 0.140 0.150 0.160 0.165
2.92 0.00 0.00 0.00 0.00 0.00 0.013 0.041 0.063 0.079 0.092 0.101 0.115 0.135 0.145 0.155 0.160
2.93 0.00 0.00 0.00 0.00 0.00 0.012 0.038 0.060 0.076 0.088 0.097 0.111 0.130 0.140 0.149 0.154
2.94 0.00 0.00 0.00 0.00 0.00 0.011 0.036 0.057 0.072 0.084 0.093 0.107 0.125 0.135 0.144 0.149
2.95 0.00 0.00 0.00 0.00 0.00 0.010 0.034 0.054 0.069 0.081 0.090 0.103 0.121 0.130 0.140 0.144
2.96 0.00 0.00 0.00 0.00 0.00 0.009 0.032 0.051 0.066 0.077 0.086 0.099 0.117 0.126 0.135 0.140
TABLA B-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DE LA DESVIACION ESTANDAR (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 20 25 30 35 40 50 75 100 150 200
2,97 0,00 0,00 0,00 0,00 0,00 0,009 0,030 0,049 0,063 0,074 0,083 0,095 0,112 0,121 0,130 0,135
2,98 0,00 0,00 0,00 0,00 0,00 0,008 0,028 0,046 0,060 0,071 0,079 0,091 0,108 0,117 0,126 0,130
2,99 0,00 0,00 0,00 0,00 0,00 0,007 0,027 0,044 0,057 0,068 0,076 0,088 0,104 0,113 0,122 0,126
3,00 0,00 0,00 0,00 0,00 0,00 0,006 0,025 0,042 0,055 0,065 0,073 0,084 0,101 0,109 0,118 0,122
3,01 0,00 0,00 0,00 0,00 0,00 0,006 0,024 0,040 0,052 0,062 0,070 0,081 0,097 0,105 0,114 0,118
3,02 0,00 0,00 0,00 0,00 0,00 0,005 0,022 0,038 0,050 0,059 0,067 0,078 0,093 0,101 0,110 0,114
3,03 0,00 0,00 0,00 0,00 0,00 0,005 0,021 0,036 0,048 0,057 0,064 0,075 0,090 0,098 0,106 0,110
3,04 0,00 0,00 0,00 0,00 0,00 0,004 0,019 0,034 0,045 0,054 0,061 0,072 0,087 0,094 0,102 0,106
3,05 0,00 0,00 0,00 0,00 0,00 0,004 0,018 0,032 0,043 0,052 0,059 0,069 0,083 0,091 0,099 0,103
3,06 0,00 0,00 0,00 0,00 0,00 0,003 0,017 0,030 0,041 0,050 0,056 0,066 0,080 0,088 0,095 0,099
3,07 0,00 0,00 0,00 0,00 0,00 0,003 0,016 0,029 0,039 0,047 0,054 0,064 0,077 0,085 0,092 0,096
3,08 0,00 0,00 0,00 0,00 0,00 0,003 0,015 0,027 0,037 0,045 0,052 0,061 0,074 0,081 0,089 0,092
3,09 0,00 0,00 0,00 0,00 0,00 0,002 0,014 0,026 0,036 0,043 0,049 0,059 0,072 0,079 0,086 0,089
3,10 0,00 0,00 0,00 0,00 0,00 0,002 0,013 0,024 0,034 0,041 0,047 0,056 0,069 0,076 0,083 0,086
3,11 0,00 0,00 0,00 0,00 0,00 0,002 0,012 0,023 0,032 0,039 0,045 0,054 0,066 0,073 0,080 0,083
3,12 0,00 0,00 0,00 0,00 0,00 0,002 0,011 0,022 0,031 0,038 0,043 0,052 0,064 0,070 0,077 0,080
3,13 0,00 0,00 0,00 0,00 0,00 0,002 0,011 0,021 0,029 0,036 0,041 0,050 0,061 0,068 0,074 0,077
3,14 0,00 0,00 0,00 0,00 0,00 0,001 0,010 0,019 0,028 0,034 0,040 0,048 0,059 0,065 0,071 0,075
3,15 0,00 0,00 0,00 0,00 0,00 0,001 0,009 0,018 0,026 0,033 0,038 0,046 0,057 0,063 0,069 0,072
3,16 0,00 0,00 0,00 0,00 0,00 0,001 0,009 0,017 0,025 0,031 0,036 0,044 0,055 0,060 0,066 0,069
3,17 0,00 0,00 0,00 0,00 0,00 0,001 0,008 0,016 0,024 0,030 0,035 0,042 0,053 0,058 0,064 0,067
3,18 0,00 0,00 0,00 0,00 0,00 0,001 0,007 0,015 0,022 0,028 0,033 0,040 0,050 0,056 0,062 0,065
3,19 0,00 0,00 0,00 0,00 0,00 0,001 0,007 0,015 0,021 0,027 0,032 0,038 0,049 0,054 0,059 0,062
3,20 0,00 0,00 0,00 0,00 0,00 0,001 0,006 0,014 0,020 0,026 0,030 0,037 0,047 0,052 0,057 0,060
3,21 0,00 0,00 0,00 0,00 0,00 0,00 0,006 0,013 0,019 0,024 0,029 0,035 0,045 0,050 0,055 0,058
3,22 0,00 0,00 0,00 0,00 0,00 0,00 0,005 0,012 0,018 0,023 0,027 0,034 0,043 0,048 0,053 0,056
3,23 0,00 0,00 0,00 0,00 0,00 0,00 0,005 0,011 0,017 0,022 0,026 0,032 0,041 0,046 0,051 0,054
3,24 0,00 0,00 0,00 0,00 0,00 0,00 0,005 0,011 0,016 0,021 0,025 0,031 0,040 0,044 0,049 0,052
3,25 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,010 0,015 0,020 0,024 0,030 0,038 0,043 0,048 0,050
3,26 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,009 0,015 0,019 0,023 0,028 0,037 0,041 0,046 0,048
3,27 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,009 0,014 0,019 0,022 0,027 0,035 0,040 0,044 0,046
3,28 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,008 0,013 0,017 0,021 0,026 0,034 0,038 0,042 0,045
3,29 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,008 0,012 0,016 0,020 0,025 0,032 0,037 0,041 0,043
3,30 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,007 0,012 0,015 0,019 0,024 0,031 0,035 0,039 0,042
3,31 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,007 0,011 0,015 0,018 0,023 0,030 0,034 0,038 0,040
3,32 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,006 0,010 0,014 0,017 0,022 0,029 0,032 0,036 0,039
3,33 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,006 0,010 0,013 0,016 0,021 0,027 0,031 0,035 0,037
3,34 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,006 0,009 0,013 0,015 0,020 0,026 0,030 0,034 0,036
3,35 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,005 0,009 0,012 0,015 0,019 0,025 0,029 0,032 0,034
3,36 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,005 0,008 0,011 0,014 0,018 0,024 0,028 0,031 0,033
3,37 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,005 0,008 0,011 0,013 0,017 0,023 0,026 0,030 0,032
3,38 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,004 0,007 0,010 0,013 0,016 0,022 0,025 0,029 0,031
3,39 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,004 0,007 0,010 0,012 0,016 0,021 0,024 0,028 0,029
3,40 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,004 0,007 0,009 0,011 0,015 0,020 0,023 0,027 0,028
3,41 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,006 0,009 0,011 0,014 0,020 0,022 0,026 0,027
3,42 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,006 0,009 0,011 0,014 0,019 0,022 0,025 0,026
3,43 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,008 0,010 0,013 0,018 0,021 0,024 0,025
3,44 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,007 0,009 0,012 0,017 0,020 0,023 0,024
3,45 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,007 0,009 0,012 0,016 0,019 0,022 0,023
3,46 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,005 0,007 0,008 0,011 0,016 0,018 0,021 0,022
3,47 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,006 0,008 0,011 0,015 0,017 0,020 0,022
3,48 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,006 0,007 0,010 0,014 0,017 0,019 0,021
3,49 0,00 0,00 0,00 0,00 0,00 0,00 0,000 0,002 0,004 0,005 0,007 0,010 0,014 0,016 0,019 0,020
3,50 0,00 0,00 0,00 0,00 0,00 0,00 0,000 0,002 0,003 0,005 0,007 0,009 0,013 0,015 0,018 0,019
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
0,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00 50,00
0,10 47,24 46,67 46,44 46,29 46,20 46,13 46,08 46,07 46,06 46,05 46,05 46,04 46,03 46,03 46,02 46,02
0,20 44,46 43,33 42,90 42,60 42,42 42,29 42,19 42,17 42,16 42,15 42,13 42,12 42,10 42,10 42,08 42,08
0,30 41,63 40,00 39,37 38,95 38,70 38,51 38,38 38,34 38,32 38,31 38,28 38,27 38,26 38,24 38,23 38,22
0,31 41,35 39,67 39,02 38,59 38,33 38,14 38,00 37,96 37,94 37,93 37,90 37,89 37,88 37,86 37,85 37,84
0,32 41,06 39,33 38,67 38,23 37,96 37,77 37,63 37,59 37,57 37,55 37,53 37,51 37,50 37,48 37,47 37,46
0,33 40,77 39,00 38,32 37,87 37,60 37,39 37,25 37,21 37,19 37,18 37,15 37,14 37,12 37,11 37,09 37,09
0,34 40,49 38,67 37,97 37,51 37,23 37,02 36,88 36,84 36,82 36,80 36,77 36,76 36,74 36,73 36,71 36,71
0,35 40,20 38,33 37,62 37,15 36,87 36,65 36,50 36,46 36,44 36,43 36,40 36,39 36,37 36,36 36,34 36,33
0,36 39,91 38,00 37,28 36,79 36,50 36,29 36,13 36,09 36,07 36,05 36,03 36,01 35,99 35,97 35,96 35,96
0,37 39,62 37,67 36,93 36,43 36,14 35,92 35,76 35,72 35,70 35,68 35,65 35,64 35,62 35,61 35,59 35,59
0,38 39,33 37,33 36,58 36,07 35,78 35,55 35,39 35,35 35,33 35,31 35,28 35,27 35,25 35,24 35,22 35,22
0,39 39,03 37,00 36,23 35,72 35,41 35,19 35,02 34,98 34,96 34,94 34,92 34,90 34,88 34,87 34,85 34,85
0,40 38,74 36,67 35,88 35,36 35,05 34,82 34,66 34,62 34,59 34,58 34,55 34,53 34,51 34,49 34,48 34,48
0,41 38,45 36,33 35,54 35,01 34,69 34,46 34,29 34,25 34,23 34,21 34,18 34,17 34,14 34,12 34,11 34,11
0,42 38,15 36,00 35,19 34,65 34,33 34,10 33,93 33,89 33,86 33,85 33,82 33,80 33,78 33,77 33,75 33,74
0,43 37,85 35,67 34,85 34,30 33,98 33,74 33,57 33,53 33,50 33,48 33,45 33,44 33,41 33,39 33,38 33,38
0,44 37,56 35,33 34,50 33,95 33,62 33,38 33,21 33,17 33,14 33,12 33,09 33,08 33,05 33,03 33,02 33,02
0,45 37,26 35,00 34,16 33,60 33,27 33,02 32,85 32,81 32,78 32,76 32,73 32,72 32,69 32,67 32,66 32,66
0,46 36,96 34,67 33,81 33,24 32,91 32,66 32,49 32,45 32,42 32,40 32,37 32,36 32,33 32,31 32,30 32,30
0,47 36,66 34,33 33,47 32,89 32,56 32,31 32,13 32,09 32,06 32,04 32,01 32,00 31,97 31,95 31,94 31,94
0,48 36,35 34,00 33,12 32,55 32,21 31,96 31,78 31,74 31,71 31,69 31,66 31,64 31,62 31,61 31,59 31,58
0,49 36,05 33,67 32,78 32,20 31,86 31,60 31,42 31,38 31,35 31,33 31,30 31,29 31,26 31,24 31,23 31,23
0,50 35,75 33,33 32,44 31,85 31,51 31,25 31,07 31,03 31,00 30,98 30,95 30,94 30,91 30,89 30,88 30,87
0,51 35,44 33,00 32,10 31,51 31,16 30,90 30,72 30,68 30,65 30,63 30,60 30,59 30,55 30,55 30,53 30,52
0,52 35,13 32,67 31,76 31,16 30,81 30,55 30,37 30,33 30,30 30,28 30,25 30,24 30,21 30,19 30,18 30,17
0,53 34,82 32,33 31,42 30,82 30,46 30,21 30,02 29,98 29,95 29,93 29,90 29,89 29,86 29,84 29,83 29,83
0,54 34,51 32,00 31,08 30,47 30,12 29,86 29,68 29,64 29,61 29,59 29,56 29,54 29,52 29,50 29,48 29,48
0,55 34,20 31,67 30,74 30,13 29,78 29,52 29,33 29,29 29,26 29,24 29,21 29,20 29,17 29,15 29,14 29,14
0,56 33,88 31,33 30,40 29,79 29,44 29,18 28,99 28,95 28,92 28,90 28,87 28,86 28,83 28,81 28,80 28,79
0,57 33,57 31,00 30,06 29,45 29,09 28,83 28,65 28,61 28,58 28,56 28,53 28,52 28,49 28,47 28,46 28,45
0,58 33,25 30,67 29,73 29,11 28,76 28,50 28,31 28,27 28,24 28,22 28,19 28,18 28,15 28,13 28,12 28,12
0,59 32,93 30,33 29,39 28,77 28,42 28,16 27,97 27,93 27,91 27,89 27,86 27,84 27,82 27,80 27,78 27,78
0,60 32,61 30,00 29,05 28,44 28,08 27,82 27,64 27,60 27,57 27,55 27,52 27,51 27,48 27,46 27,45 27,45
0,61 32,28 29,67 28,72 28,10 27,75 27,49 27,31 27,27 27,24 27,22 27,19 27,17 27,15 27,14 27,12 27,11
0,62 31,96 29,33 28,39 27,77 27,41 27,16 26,97 26,93 26,91 26,89 26,86 26,84 26,82 26,81 26,79 26,78
0,63 31,63 29,00 28,05 27,44 27,08 26,82 26,64 26,60 26,58 26,56 26,53 26,51 26,49 26,48 26,46 26,45
0,64 31,30 28,67 27,72 27,11 26,75 26,50 26,32 26,28 26,25 26,23 26,20 26,19 26,16 26,14 26,13 26,13
0,65 30,97 28,33 27,39 26,78 26,42 26,17 25,99 25,95 25,92 25,90 25,87 25,86 25,84 25,83 25,81 25,80
0,66 30,63 28,00 27,06 26,45 26,10 25,84 25,67 25,63 25,60 25,58 25,55 25,54 25,52 25,50 25,48 25,48
0,67 30,30 27,67 26,73 26,12 25,77 25,52 25,34 25,30 25,28 25,26 25,23 25,22 25,20 25,18 25,16 25,16
0,68 29,96 27,33 26,40 25,79 25,45 25,20 25,02 24,98 24,96 24,94 24,91 24,90 24,88 24,87 24,85 24,84
0,69 29,61 27,00 26,07 25,47 25,12 24,88 24,71 24,67 24,64 24,62 24,59 24,58 24,56 24,55 24,53 24,53
0,70 29,27 26,67 25,74 25,14 24,80 24,56 24,39 24,35 24,32 24,31 24,28 24,27 24,25 24,24 24,22 24,21
0,71 28,92 26,33 25,41 24,82 24,48 24,24 24,07 24,03 24,01 23,99 23,97 23,95 23,93 23,91 23,90 23,90
0,72 28,57 26,00 25,09 24,50 24,17 23,93 23,76 23,72 23,70 23,68 23,66 23,64 23,62 23,60 23,59 23,59
0,73 28,22 25,67 24,76 24,18 23,85 23,61 23,45 23,41 23,39 23,37 23,35 23,33 23,32 23,30 23,29 23,29
0,74 27,86 25,33 24,44 23,86 23,54 23,30 23,14 23,10 23,08 23,07 23,04 23,03 23,01 23,00 22,98 22,98
0,75 27,50 25,00 24,11 23,59 23,22 22,99 22,84 22,80 22,78 22,76 22,74 22,72 22,71 22,69 22,68 22,68
0,76 27,13 24,67 23,79 23,23 22,91 22,69 22,53 22,49 22,47 22,46 22,43 22,42 22,41 22,39 22,38 22,38
0,77 26,77 24,33 23,47 22,92 22,60 22,38 22,23 22,19 22,17 22,16 22,13 22,12 22,11 22,09 22,08 22,08
0,78 26,39 24,00 23,15 22,60 22,30 22,08 21,93 21,90 21,88 21,86 21,85 21,83 21,81 21,80 21,78 21,78
0,79 26,02 23,67 22,83 22,29 21,99 21,78 21,64 21,60 21,58 21,57 21,54 21,53 21,52 21,50 21,49 21,49
0,80 25,64 23,33 22,51 21,98 21,69 21,48 21,34 21,30 21,28 21,27 21,26 21,24 21,22 21,22 21,20 21,20
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
0,81 25,25 23,00 22,19 21,68 21,39 21,18 21,04 21,01 20,99 20,98 20,97 20,95 20,93 20,93 20,91 20,91
0,82 24,86 22,67 21,87 21,37 21,09 20,89 20,75 20,72 20,70 20,69 20,68 20,66 20,64 20,64 20,62 20,62
0,83 24,47 22,33 21,56 21,06 20,79 20,59 20,46 20,43 20,42 20,40 20,38 20,37 20,36 20,35 20,34 20,34
0,84 24,07 22,00 21,24 20,76 20,49 20,30 20,17 20,15 20,13 20,12 20,10 20,09 20,08 20,06 20,06 20,06
0,85 23,67 21,67 20,93 20,46 20,20 20,01 19,89 19,87 19,85 19,84 19,82 19,81 19,79 19,79 19,78 19,78
0,86 23,26 21,33 20,62 20,16 19,90 19,73 19,60 19,58 19,57 19,56 19,54 19,54 19,52 19,51 19,50 19,50
0,87 22,84 21,00 20,31 19,86 19,61 19,44 19,32 19,31 19,29 19,28 19,26 19,25 19,24 19,24 19,22 19,22
0,88 22,42 20,67 20,00 19,57 19,33 19,16 19,04 19,03 19,01 19,00 19,98 19,98 19,97 19,96 19,95 19,95
0,89 21,99 20,33 19,69 19,27 19,04 18,88 18,77 18,75 18,74 18,73 18,71 18,70 18,69 18,69 18,68 18,68
0,90 21,55 20,00 19,38 18,98 18,75 18,60 18,50 18,48 18,47 18,46 18,44 18,43 18,42 18,42 18,41 18,41
0,91 21,11 19,67 19,07 18,69 18,47 18,32 18,22 18,21 18,20 18,19 18,17 18,17 18,17 18,16 18,15 18,15
0,92 20,66 19,33 18,77 18,40 18,19 18,05 17,96 17,95 17,93 17,92 19,92 17,90 17,89 17,89 17,88 17,88
0,93 20,20 19,00 18,46 18,11 17,91 17,78 17,69 17,68 17,67 17,66 17,65 17,65 17,63 17,63 17,62 17,62
0,94 19,74 18,67 18,16 17,82 17,64 17,51 17,43 17,42 17,41 17,40 17,39 17,39 17,37 17,37 17,36 17,36
0,95 19,25 18,33 17,86 17,54 17,36 17,24 17,17 17,16 17,15 17,17 17,13 17,13 17,12 17,12 17,11 17,11
0,96 18,76 18,00 17,56 17,26 17,09 16,98 16,91 16,90 16,89 16,88 16,88 16,87 16,86 16,86 16,86 16,86
0,97 18,25 17,67 17,25 16,97 16,82 16,71 16,65 16,64 16,63 16,63 16,62 16,62 16,61 16,61 16,60 16,60
0,98 17,74 17,33 16,96 16,70 16,55 16,45 16,39 16,38 16,38 16,37 16,37 16,37 16,36 16,36 16,36 16,36
0,99 17,21 17,00 16,66 16,42 16,28 16,19 16,14 16,13 16,13 16,12 16,12 16,12 16,11 16,11 16,11 16,11
1,00 16,67 16,67 16,36 16,14 16,02 15,94 15,89 15,88 15,88 15,88 15,87 15,87 15,87 15,87 15,87 15,87
1,01 16,11 16,33 16,07 15,87 15,76 15,68 15,64 15,63 15,63 15,63 15,63 15,63 15,62 15,62 15,62 15,62
1,02 15,53 16,00 15,78 15,60 15,50 15,43 15,40 15,39 15,39 15,39 15,39 15,39 15,38 15,38 15,38 15,38
1,03 14,93 15,67 15,48 15,33 15,24 15,18 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15 15,15
1,04 14,31 15,33 15,19 15,06 14,98 14,94 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91 14,91
1,05 13,66 15,00 14,91 14,79 14,73 14,69 14,67 14,67 14,67 14,67 14,67 14,68 14,68 14,68 14,68 14,68
1,06 12,98 14,67 14,62 14,53 14,48 14,45 14,44 14,44 14,44 14,44 14,44 14,44 14,45 14,45 14,45 14,45
1,07 12,27 14,33 14,33 14,27 14,23 14,21 14,20 14,21 14,21 14,21 14,21 14,21 14,22 14,22 14,22 14,22
1,08 11,51 14,00 14,05 14,01 13,98 13,97 13,97 13,98 13,98 13,98 13,98 13,99 13,99 13,99 14,00 14,00
1,09 10,71 13,67 13,76 13,75 13,74 13,73 13,74 13,75 13,75 13,75 13,76 13,76 13,77 13,77 13,78 13,78
1,10 9,84 13,33 13,48 13,50 13,49 13,50 13,52 13,52 13,52 13,53 13,54 13,54 13,55 13,55 13,56 13,56
1,11 8,89 13,00 13,20 13,24 13,25 13,27 13,29 13,30 13,30 13,31 13,31 13,32 13,32 13,33 13,34 13,34
1,12 7,82 12,67 12,93 12,99 13,02 13,04 13,07 13,08 13,08 13,09 13,10 13,10 13,12 13,12 13,12 13,12
1,13 6,60 12,33 12,65 12,74 12,78 12,81 12,85 12,86 12,86 12,87 12,89 12,89 12,89 12,90 12,91 12,91
1,14 5,00 12,00 12,37 12,49 12,55 12,59 12,63 12,64 12,65 12,66 12,67 12,67 12,69 12,69 12,70 12,70
1,15 0,29 11,67 12,10 12,25 12,31 12,37 12,42 12,43 12,44 12,45 12,46 12,46 12,48 12,48 12,48 12,49
1,16 0,00 11,33 11,83 12,00 12,08 12,15 12,21 12,22 12,23 12,24 12,25 12,25 12,27 12,28 12,29 12,29
1,17 0,00 11,00 11,56 11,76 11,86 11,93 12,00 12,01 21,02 12,03 12,05 12,06 12,07 12,07 12,08 12,08
1,18 0,00 10,67 11,29 11,52 11,63 11,71 11,79 11,80 11,81 11,82 11,84 11,84 11,86 11,88 11,88 11,88
1,19 0,00 10,33 11,02 11,29 11,41 11,50 11,58 11,60 11,61 11,62 11,64 11,65 11,66 11,68 11,69 11,69
1,20 0,00 10,00 10,76 11,05 11,19 11,29 11,38 11,40 11,41 11,42 11,43 11,45 11,47 11,47 11,49 11,49
1,21 0,00 9,67 10,50 10,82 10,97 11,08 11,18 11,20 11,21 11,22 11,25 11,26 11,27 11,29 11,30 11,30
1,22 0,00 9,33 10,23 10,59 10,76 10,88 10,98 11,00 11,02 11,03 11,04 11,06 11,08 11,09 11,10 11,10
1,23 0,00 9,00 9,97 10,36 10,54 10,67 10,78 10,80 10,82 10,84 10,85 10,87 10,89 10,90 10,91 10,91
1,24 0,00 8,67 9,72 10,13 10,33 10,47 10,58 10,61 10,63 10,64 10,67 10,68 10,70 10,71 10,73 10,73
1,25 0,00 8,33 9,46 9,21 10,12 10,27 10,39 10,42 10,44 10,46 10,47 10,41 10,51 10,52 10,54 10,54
1,26 0,00 8,00 9,21 9,69 9,92 10,08 10,20 10,24 10,26 10,27 10,30 10,31 10,33 10,34 10,36 10,36
1,27 0,00 7,67 8,96 9,47 9,71 9,88 10,01 10,05 10,07 10,09 10,11 10,13 10,15 10,17 10,18 10,18
1,28 0,00 7,33 8,71 9,25 9,51 9,69 9,83 9,87 9,89 9,90 9,93 9,95 9,97 9,99 10,00 10,00
1,29 0,00 7,00 8,46 9,04 9,31 9,50 9,64 9,68 9,71 9,72 9,75 9,77 9,79 9,81 9,83 9,83
1,30 0,00 6,67 8,21 8,86 9,11 9,32 9,47 9,51 9,53 9,55 9,58 9,59 9,62 9,64 9,65 9,65
1,31 0,00 6,33 7,97 8,62 8,92 9,13 9,29 9,33 9,35 9,37 9,40 9,42 9,45 9,47 9,48 9,48
1,32 0,00 6,00 7,73 8,41 8,73 8,95 9,11 9,15 9,18 9,20 9,23 9,25 9,28 9,30 9,31 9,31
1,33 0,00 5,67 7,49 8,20 8,54 8,77 8,94 8,98 9,01 9,03 9,06 9,08 9,11 9,13 9,14 9,15
1,34 0,00 5,33 7,25 8,00 8,35 8,59 8,77 8,81 8,84 8,86 8,89 8,91 8,94 8,96 8,98 8,98
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
1,35 0,00 5,00 7,02 7,80 8,16 8,41 8,60 8,64 8,67 8,69 8,73 8,75 8,78 8,80 8,82 8,82
1,36 0,00 4,67 6,79 7,60 7,98 8,24 8,43 8,48 8,51 8,53 8,56 8,59 8,62 8,64 8,66 8,66
1,37 0,00 4,33 6,56 7,40 7,80 8,07 8,27 8,31 8,34 8,37 8,40 8,43 8,46 8,48 8,50 8,50
1,38 0,00 4,00 6,33 7,21 7,62 7,90 8,11 8,15 8,18 8,21 8,25 8,26 8,30 8,32 8,34 8,35
1,39 0,00 3,67 6,10 7,02 7,45 7,73 7,95 7,99 8,02 8,05 8,09 8,11 8,14 8,17 8,19 8,19
1,40 0,00 3,33 5,88 6,83 7,27 7,57 7,79 7,84 7,88 7,90 7,93 7,96 8,00 8,02 8,03 8,04
1,41 0,00 3,00 5,66 6,65 7,10 7,41 7,63 7,68 7,71 7,74 7,78 8,81 7,85 7,87 7,88 7,89
1,42 0,00 2,67 5,44 6,46 6,93 7,25 7,48 7,53 7,56 7,59 7,63 7,66 7,70 7,72 7,74 7,74
1,43 0,00 2,33 5,23 6,28 6,76 7,09 7,33 7,36 7,41 7,44 7,49 7,51 7,54 7,57 7,59 7,60
1,44 0,00 2,00 5,01 6,10 6,60 6,93 7,18 7,24 7,28 7,30 7,34 7,37 7,41 7,43 7,45 7,46
1,45 0,00 1,67 4,81 5,93 6,44 6,78 7,03 7,00 7,13 7,15 7,20 7,23 7,27 7,29 7,30 7,32
1,46 0,00 1,33 4,60 5,75 6,28 6,63 6,89 6,95 6,99 7,01 7,06 7,09 7,13 7,15 7,17 7,18
1,47 0,00 1,00 4,39 5,58 6,12 6,48 6,74 6,80 6,85 6,87 6,92 6,95 6,99 7,01 7,03 7,04
1,48 0,00 0,67 4,19 5,41 5,96 6,34 6,60 6,66 6,71 6,73 6,78 6,81 6,85 6,87 6,89 6,90
1,49 0,00 0,33 3,99 5,24 5,81 6,19 6,47 6,53 6,57 6,60 6,64 6,67 6,72 6,74 6,76 6,77
1,50 0,00 0,00 3,80 5,08 5,66 6,05 6,33 6,39 6,43 6,46 6,51 6,54 6,58 6,61 6,63 6,64
1,51 0,00 0,00 3,61 4,92 5,51 5,91 6,19 6,25 6,30 6,33 6,38 6,41 6,45 6,48 6,50 6,51
1,52 0,00 0,00 3,42 4,76 5,37 5,77 6,06 6,12 6,17 6,20 6,25 6,28 6,32 6,35 6,37 6,38
1,53 0,00 0,00 3,23 4,60 5,22 5,64 5,93 5,99 6,04 6,07 6,12 6,15 6,20 6,22 6,25 6,26
1,54 0,00 0,00 3,05 4,45 5,08 5,50 5,80 5,86 5,91 5,95 6,00 6,03 6,07 6,10 6,12 6,14
1,55 0,00 0,00 2,87 4,30 4,94 5,37 5,68 5,74 5,79 5,82 5,87 5,90 5,95 5,98 6,00 6,01
1,56 0,00 0,00 2,69 4,15 4,81 5,24 5,55 5,62 5,67 5,70 5,75 5,78 5,83 5,86 5,88 5,89
1,57 0,00 0,00 2,52 4,01 4,67 5,11 5,43 5,50 5,55 5,58 5,63 5,66 5,71 5,74 5,77 5,79
1,58 0,00 0,00 2,35 3,86 4,54 4,99 5,31 5,38 5,43 5,46 5,52 5,55 5,59 5,62 5,65 5,66
1,59 0,00 0,00 2,19 3,72 4,41 4,86 5,19 5,26 5,31 5,34 5,40 5,43 5,48 5,51 5,53 5,55
1,60 0,00 0,00 2,03 3,58 4,28 4,74 5,08 5,14 5,19 5,23 5,29 5,32 5,36 5,39 5,42 5,43
1,61 0,00 0,00 1,87 3,45 4,16 4,62 4,96 5,03 5,08 5,12 5,17 5,20 5,25 5,28 5,31 5,32
1,62 0,00 0,00 1,72 3,31 4,03 4,51 4,85 4,92 4,97 5,01 5,06 5,09 5,14 5,17 5,20 5,22
1,63 0,00 0,00 1,57 3,18 3,91 4,39 4,74 4,81 4,86 4,90 4,96 4,99 5,04 5,07 5,10 5,12
1,64 0,00 0,00 1,42 3,06 3,79 4,28 4,63 4,70 4,75 4,79 4,85 4,88 4,93 4,96 4,99 5,00
1,65 0,00 0,00 1,28 2,92 3,58 4,17 4,52 4,59 4,61 4,68 4,74 4,77 4,83 4,86 4,89 4,91
1,66 0,00 0,00 1,15 2,81 3,56 4,06 4,41 4,49 4,54 4,58 4,64 4,67 4,72 4,75 4,79 4,81
1,67 0,00 0,00 1,02 2,69 3,45 3,95 4,31 4,39 4,44 4,48 4,54 4,57 4,62 4,65 4,69 4,71
1,68 0,00 0,00 0,89 2,57 3,34 3,85 4,21 4,29 4,34 4,38 4,44 4,47 4,53 4,56 4,59 4,61
1,69 0,00 0,00 0,77 2,46 3,23 3,74 4,10 4,19 4,24 4,28 4,34 4,37 4,43 4,46 4,49 4,51
1,70 0,00 0,00 0,66 2,35 3,13 3,64 4,00 4,09 4,14 4,18 4,24 4,28 4,33 4,36 4,40 4,42
1,71 0,00 0,00 0,55 2,24 3,02 3,54 3,92 3,99 4,05 4,09 4,15 4,18 4,24 4,27 4,30 4,31
1,72 0,00 0,00 0,45 2,13 2,92 3,45 3,82 3,90 3,95 3,99 4,06 4,09 4,15 4,18 4,21 4,23
1,73 0,00 0,00 0,36 2,03 2,82 3,35 3,73 3,81 3,86 3,90 3,96 4,00 4,06 4,09 4,12 4,14
1,74 0,00 0,00 0,27 1,93 2,73 3,26 3,63 3,72 3,77 3,81 3,87 3,91 3,97 4,00 4,03 4,05
1,75 0,00 0,00 0,19 1,83 2,63 3,16 3,54 3,63 3,68 3,72 3,79 3,82 3,88 3,91 3,94 3,96
1,76 0,00 0,00 0,12 1,73 2,54 3,07 3,45 3,54 3,59 3,63 3,70 3,74 3,79 3,82 3,86 3,88
1,77 0,00 0,00 0,06 1,64 2,45 2,99 3,37 3,45 3,51 3,55 3,61 3,65 3,71 3,74 3,77 3,79
1,78 0,00 0,00 0,02 1,55 2,36 2,90 3,28 3,37 5,43 3,47 3,53 3,57 3,62 3,65 3,69 3,71
1,79 0,00 0,00 0,00 1,46 2,27 2,81 3,20 3,28 3,34 3,38 3,45 3,49 3,54 3,57 3,61 3,63
1,80 0,00 0,00 0,00 1,38 2,19 2,73 3,11 3,20 3,26 3,30 3,37 3,41 3,46 3,49 3,53 3,55
1,81 0,00 0,00 0,00 1,29 2,10 2,65 3,03 3,12 3,18 3,22 3,29 3,33 3,38 3,41 3,45 3,47
1,82 0,00 0,00 0,00 1,21 2,02 2,57 2,96 3,05 3,11 3,15 3,21 3,25 3,31 3,34 3,37 3,39
1,83 0,00 0,00 0,00 1,14 1,94 2,49 2,88 2,97 3,03 3,07 3,13 3,17 3,23 3,26 3,30 3,32
1,84 0,00 0,00 0,00 1,06 1,87 2,42 2,80 2,89 2,95 2,99 3,06 3,10 3,16 3,19 3,22 3,24
1,85 0,00 0,00 0,00 0,99 1,79 2,34 2,73 2,82 2,88 2,92 2,99 3,03 3,08 3,11 3,15 3,17
1,86 0,00 0,00 0,00 0,92 1,72 2,27 2,66 2,75 2,81 2,85 2,91 2,95 3,01 3,04 3,08 3,10
1,87 0,00 0,00 0,00 0,86 1,65 2,20 2,59 2,68 2,74 2,78 2,84 2,88 2,94 2,97 3,01 3,03
1,88 0,00 0,00 0,00 0,79 1,58 2,13 2,52 2,61 2,67 2,71 2,77 2,81 2,87 2,90 2,94 2,96
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
1,89 0,00 0,00 0,00 0,73 1,51 2,06 2,45 2,56 2,60 2,64 2,71 2,75 2,81 2,84 2,87 2,89
1,90 0,00 0,00 0,00 0,67 1,45 1,99 2,38 2,47 2,53 2,57 2,64 2,68 2,74 2,77 2,81 2,83
1,91 0,00 0,00 0,00 0,62 1,38 1,93 2,32 2,41 2,47 2,51 2,58 2,61 2,67 2,70 2,74 2,76
1,92 0,00 0,00 0,00 0,56 1,32 1,86 2,25 2,34 2,41 2,45 2,51 2,55 2,61 2,64 2,68 2,70
1,93 0,00 0,00 0,00 0,51 1,26 1,80 2,19 2,28 2,34 2,38 2,45 2,49 2,55 2,58 2,61 2,63
1,94 0,00 0,00 0,00 0,46 1,20 1,74 2,13 2,22 2,28 2,32 2,39 2,43 2,49 2,52 2,55 2,57
1,95 0,00 0,00 0,00 0,42 1,15 1,68 2,07 2,16 2,22 2,26 2,33 2,37 2,43 2,46 2,49 2,51
1,96 0,00 0,00 0,00 0,37 1,09 1,62 2,01 2,10 2,16 2,20 2,27 2,31 2,37 2,40 2,43 2,45
1,97 0,00 0,00 0,00 0,33 1,04 1,57 1,95 2,04 2,10 2,14 2,21 2,25 2,31 2,34 2,38 2,40
1,98 0,00 0,00 0,00 0,30 0,99 1,51 1,90 1,99 2,05 2,09 2,15 2,19 2,25 2,28 2,32 2,34
1,99 0,00 0,00 0,00 0,26 0,94 1,46 1,84 1,93 1,99 2,03 2,10 2,14 2,20 2,23 2,26 2,28
2,00 0,00 0,00 0,00 0,23 0,89 1,41 1,79 1,88 1,94 1,98 2,05 2,08 2,14 2,17 2,21 2,23
2,01 0,00 0,00 0,00 0,20 0,84 1,36 1,74 1,83 1,89 1,93 1,99 2,03 2,09 2,12 2,16 2,18
2,02 0,00 0,00 0,00 0,17 0,80 1,31 1,69 1,78 1,83 1,87 1,94 1,98 2,04 2,07 2,10 2,12
2,03 0,00 0,00 0,00 0,14 0,75 1,26 1,64 1,73 1,78 1,82 1,89 1,93 1,99 2,02 2,05 2,07
2,04 0,00 0,00 0,00 0,12 0,71 1,21 1,59 1,68 1,73 1,77 1,84 1,88 1,94 1,97 2,00 2,02
2,05 0,00 0,00 0,00 0,10 0,67 1,17 1,54 1,63 1,69 1,73 1,79 1,83 1,89 1,92 1,95 1,97
2,06 0,00 0,00 0,00 0,08 0,63 1,12 1,49 1,58 1,64 1,68 1,74 1,78 1,84 1,87 1,91 1,93
2,07 0,00 0,00 0,00 0,06 0,60 1,08 1,45 1,54 1,59 1,63 1,70 1,74 1,79 1,82 1,86 1,88
2,08 0,00 0,00 0,00 0,05 0,56 1,04 1,40 1,49 1,55 1,59 1,65 1,69 1,75 1,78 1,81 1,83
2,09 0,00 0,00 0,00 0,03 0,53 1,00 1,36 1,45 1,50 1,54 1,61 1,64 1,70 1,73 1,77 1,79
2,10 0,00 0,00 0,00 0,02 0,49 0,96 1,32 1,41 1,46 1,50 1,56 1,60 1,66 1,69 1,72 1,74
2,11 0,00 0,00 0,00 0,01 0,46 0,92 1,28 1,36 1,42 1,46 1,52 1,56 1,61 1,64 1,68 1,70
2,12 0,00 0,00 0,00 0,00 0,43 0,88 1,24 1,32 1,38 1,42 1,48 1,52 1,57 1,60 1,64 1,66
2,13 0,00 0,00 0,00 0,00 0,40 0,85 1,20 1,28 1,34 1,38 1,44 1,48 1,53 1,56 1,60 1,62
2,14 0,00 0,00 0,00 0,00 0,38 0,81 1,16 1,25 1,30 1,34 1,40 1,44 1,49 1,52 1,56 1,58
2,15 0,00 0,00 0,00 0,00 0,35 0,78 1,13 1,21 1,26 1,30 1,36 1,40 1,45 1,48 1,52 1,54
2,16 0,00 0,00 0,00 0,00 0,32 0,75 1,09 1,17 1,22 1,26 1,32 1,36 1,41 1,44 1,48 1,50
2,17 0,00 0,00 0,00 0,00 0,30 0,71 1,06 1,13 1,18 1,22 1,29 1,32 1,38 1,41 1,44 1,46
2,18 0,00 0,00 0,00 0,00 0,28 0,68 1,02 1,10 1,15 1,19 1,25 1,28 1,34 1,37 1,40 1,41
2,19 0,00 0,00 0,00 0,00 0,26 0,65 0,99 1,06 1,11 1,15 1,22 1,25 1,30 1,33 1,37 1,39
2,20 0,00 0,00 0,00 0,00 0,236 0,625 0,954 1,030 1,083 1,122 1,178 1,214 1,267 1,299 1,330 1,346
2,21 0,00 0,00 0,00 0,00 0,217 0,597 0,922 0,997 1,050 1,089 1,144 1,180 1,233 1,265 1,295 1,311
2,22 0,00 0,00 0,00 0,00 0,199 0,570 0,891 0,966 1,018 1,056 1,111 1,147 1,199 1,231 1,261 1,277
2,23 0,00 0,00 0,00 0,00 0,182 0,544 0,861 0,935 0,986 1,025 1,079 1,115 1,167 1,197 1,228 1,244
2,24 0,00 0,00 0,00 0,00 0,166 0,519 0,831 0,905 0,956 0,994 1,048 1,083 1,135 1,165 1,195 1,211
2,25 0,00 0,00 0,00 0,00 0,150 0,495 0,802 0,875 0,926 0,964 1,018 1,052 1,104 1,134 1,163 1,179
2,26 0,00 0,00 0,00 0,00 0,136 0,471 0,775 0,847 0,897 0,935 0,987 1,022 1,073 1,103 1,132 1,148
2,27 0,00 0,00 0,00 0,00 0,123 0,449 0,748 0,819 0,869 0,906 0,958 0,993 1,043 1,073 1,103 1,118
2,28 0,00 0,00 0,00 0,00 0,111 0,427 0,722 0,792 0,841 0,878 0,930 0,964 1,014 1,044 1,073 1,088
2,29 0,00 0,00 0,00 0,00 0,099 0,406 0,697 0,766 0,814 0,851 0,902 0,936 0,986 1,015 1,044 1,059
2,30 0,00 0,00 0,00 0,00 0,089 0,386 0,672 0,741 0,789 0,825 0,875 0,909 0,959 0,988 1,016 1,031
2,31 0,00 0,00 0,00 0,00 0,079 0,367 0,648 0,716 0,763 0,799 0,849 0,882 0,931 0,960 0,988 1,003
2,32 0,00 0,00 0,00 0,00 0,070 0,348 0,624 0,691 0,739 0,774 0,823 0,856 0,905 0,934 0,962 0,976
2,33 0,00 0,00 0,00 0,00 0,061 0,330 0,601 0,668 0,715 0,750 0,798 0,831 0,879 0,908 0,935 0,959
2,34 0,00 0,00 0,00 0,00 0,054 0,313 0,579 0,645 0,691 0,726 0,774 0,807 0,854 0,882 0,909 0,924
2,35 0,00 0,00 0,00 0,00 0,047 0,296 0,553 0,623 0,669 0,703 0,750 0,782 0,829 0,857 0,884 0,899
2,36 0,00 0,00 0,00 0,00 0,040 0,280 0,538 0,602 0,646 0,680 0,728 0,759 0,806 0,833 0,860 0,874
2,37 0,00 0,00 0,00 0,00 0,035 0,265 0,518 0,580 0,624 0,658 0,705 0,736 0,782 0,809 0,836 0,850
2,38 0,00 0,00 0,00 0,00 0,029 0,250 0,498 0,560 0,604 0,637 0,683 0,714 0,759 0,787 0,813 0,827
2,39 0,00 0,00 0,00 0,00 0,025 0,236 0,479 0,541 0,584 0,616 0,662 0,693 0,737 0,764 0,791 0,804
2,40 0,00 0,00 0,00 0,00 0,021 0,223 0,461 0,521 0,564 0,596 0,641 0,671 0,715 0,742 0,769 0,782
2,41 0,00 0,00 0,00 0,00 0,017 0,210 0,443 0,503 0,545 0,577 0,621 0,651 0,695 0,721 0,747 0,760
2,42 0,00 0,00 0,00 0,00 0,014 0,198 0,426 0,485 0,526 0,552 0,601 0,631 0,674 0,701 0,726 0,739
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
2,43 0,00 0,00 0,00 0,00 0,011 0,186 0,410 0,467 0,508 0,539 0,582 0,611 0,654 0,679 0,705 0,718
2,44 0,00 0,00 0,00 0,00 0,009 0,175 0,393 0,450 0,491 0,521 0,564 0,593 0,635 0,660 0,685 0,698
2,45 0,00 0,00 0,00 0,00 0,007 0,165 0,378 0,434 0,473 0,503 0,545 0,573 0,616 0,641 0,665 0,678
2,46 0,00 0,00 0,00 0,00 0,005 0,154 0,362 0,417 0,456 0,486 0,528 0,556 0,597 0,622 0,646 0,659
2,47 0,00 0,00 0,00 0,00 0,004 0,145 0,348 0,403 0,441 0,470 0,511 0,538 0,579 0,604 0,627 0,640
2,48 0,00 0,00 0,00 0,00 0,003 0,136 0,333 0,387 0,425 0,454 0,494 0,522 0,532 0,586 0,609 0,622
2,49 0,00 0,00 0,00 0,00 0,002 0,127 0,321 0,372 0,409 0,438 0,478 0,504 0,545 0,569 0,593 0,605
2,50 0,00 0,00 0,00 0,00 0,001 0,118 0,307 0,353 0,395 0,423 0,463 0,489 0,528 0,552 0,575 0,587
2,51 0,00 0,00 0,00 0,00 0,001 0,111 0,294 0,345 0,381 0,409 0,447 0,473 0,512 0,536 0,558 0,570
2,52 0,00 0,00 0,00 0,00 0,00 0,103 0,282 0,331 0,367 0,394 0,432 0,458 0,497 0,519 0,542 0,553
2,53 0,00 0,00 0,00 0,00 0,00 0,096 0,270 0,319 0,354 0,381 0,418 0,444 0,481 0,503 0,526 0,537
2,54 0,00 0,00 0,00 0,00 0,00 0,089 0,258 0,306 0,340 0,367 0,404 0,428 0,466 0,488 0,510 0,522
2,55 0,00 0,00 0,00 0,00 0,00 0,083 0,247 0,294 0,328 0,354 0,390 0,415 0,451 0,473 0,495 0,506
2,56 0,00 0,00 0,00 0,00 0,00 0,077 0,237 0,283 0,316 0,341 0,377 0,401 0,437 0,459 0,480 0,491
2,57 0,00 0,00 0,00 0,00 0,00 0,071 0,227 0,272 0,304 0,328 0,364 0,388 0,424 0,445 0,466 0,477
2,58 0,00 0,00 0,00 0,00 0,00 0,066 0,217 0,261 0,292 0,317 0,352 0,376 0,411 0,432 0,452 0,463
2,59 0,00 0,00 0,00 0,00 0,00 0,061 0,207 0,251 0,282 0,305 0,340 0,363 0,397 0,418 0,439 0,445
2,60 0,00 0,00 0,00 0,00 0,00 0,056 0,198 0,240 0,271 0,294 0,328 0,351 0,385 0,406 0,426 0,436
2,61 0,00 0,00 0,00 0,00 0,00 0,052 0,189 0,231 0,260 0,283 0,317 0,339 0,372 0,393 0,413 0,423
2,62 0,00 0,00 0,00 0,00 0,00 0,048 0,181 0,224 0,250 0,273 0,306 0,327 0,360 0,381 0,400 0,410
2,63 0,00 0,00 0,00 0,00 0,00 0,044 0,173 0,212 0,241 0,263 0,295 0,316 0,349 0,368 0,388 0,398
2,64 0,00 0,00 0,00 0,00 0,00 0,040 0,164 0,203 0,232 0,253 0,285 0,306 0,338 0,357 0,376 0,386
2,65 0,00 0,00 0,00 0,00 0,00 0,037 0,157 0,195 0,223 0,244 0,274 0,295 0,327 0,346 0,365 0,375
2,66 0,00 0,00 0,00 0,00 0,00 0,034 0,149 0,186 0,213 0,234 0,265 0,285 0,316 0,335 0,353 0,363
2,67 0,00 0,00 0,00 0,00 0,00 0,031 0,143 0,179 0,205 0,225 0,255 0,275 0,305 0,324 0,342 0,352
2,68 0,00 0,00 0,00 0,00 0,00 0,028 0,136 0,171 0,197 0,217 0,246 0,266 0,296 0,314 0,332 0,342
2,69 0,00 0,00 0,00 0,00 0,00 0,025 0,129 0,164 0,190 0,209 0,238 0,257 0,286 0,304 0,321 0,331
2,70 0,00 0,00 0,00 0,00 0,00 0,023 0,123 0,156 0,182 0,201 0,228 0,248 0,277 0,295 0,311 0,321
2,71 0,00 0,00 0,00 0,00 0,00 0,021 0,117 0,150 0,174 0,193 0,220 0,239 0,267 0,285 0,302 0,311
2,72 0,00 0,00 0,00 0,00 0,00 0,019 0,111 0,145 0,167 0,185 0,212 0,231 0,259 0,275 0,292 0,301
2,73 0,00 0,00 0,00 0,00 0,00 0,017 0,106 0,137 0,160 0,178 0,205 0,222 0,250 0,266 0,283 0,292
2,74 0,00 0,00 0,00 0,00 0,00 0,015 0,101 0,131 0,153 0,171 0,197 0,215 0,241 0,258 0,274 0,282
2,75 0,00 0,00 0,00 0,00 0,00 0,014 0,096 0,125 0,147 0,164 0,189 0,207 0,233 0,248 0,266 0,274
2,76 0,00 0,00 0,00 0,00 0,00 0,012 0,091 0,120 0,141 0,158 0,182 0,200 0,225 0,241 0,257 0,265
2,77 0,00 0,00 0,00 0,00 0,00 0,011 0,086 0,114 0,135 0,152 0,175 0,192 0,217 0,232 0,249 0,257
2,78 0,00 0,00 0,00 0,00 0,00 0,010 0,081 0,109 0,130 0,146 0,169 0,185 0,210 0,226 0,241 0,249
2,79 0,00 0,00 0,00 0,00 0,00 0,008 0,077 0,103 0,124 0,140 0,163 0,179 0,202 0,218 0,233 0,241
2,80 0,00 0,00 0,00 0,00 0,00 0,007 0,074 0,099 0,118 0,134 0,156 0,172 0,196 0,210 0,225 0,233
2,81 0,00 0,00 0,00 0,00 0,00 0,007 0,070 0,094 0,113 0,129 0,150 0,165 0,189 0,204 0,218 0,226
2,82 0,00 0,00 0,00 0,00 0,00 0,006 0,066 0,090 0,109 0,123 0,144 0,159 0,183 0,194 0,211 0,210
2,83 0,00 0,00 0,00 0,00 0,00 0,005 0,062 0,085 0,103 0,118 0,139 0,154 0,176 0,190 0,204 0,212
2,84 0,00 0,00 0,00 0,00 0,00 0,004 0,059 0,082 0,099 0,113 0,134 0,148 0,170 0,184 0,197 0,205
2,85 0,00 0,00 0,00 0,00 0,00 0,004 0,055 0,078 0,095 0,109 0,128 0,143 0,164 0,178 0,191 0,198
2,86 0,00 0,00 0,00 0,00 0,00 0,003 0,053 0,074 0,091 0,104 0,124 0,137 0,159 0,172 0,185 0,192
2,87 0,00 0,00 0,00 0,00 0,00 0,003 0,050 0,070 0,087 0,100 0,119 0,132 0,152 0,166 0,179 0,185
2,88 0,00 0,00 0,00 0,00 0,00 0,002 0,047 0,067 0,082 0,095 0,114 0,127 0,147 0,160 0,173 0,179
2,89 0,00 0,00 0,00 0,00 0,00 0,002 0,044 0,064 0,079 0,091 0,109 0,122 0,142 0,155 0,167 0,173
2,90 0,00 0,00 0,00 0,00 0,00 0,002 0,042 0,061 0,075 0,088 0,105 0,117 0,138 0,149 0,161 0,168
2,91 0,00 0,00 0,00 0,00 0,00 0,001 0,039 0,057 0,072 0,084 0,101 0,112 0,132 0,145 0,560 0,162
2,92 0,00 0,00 0,00 0,00 0,00 0,001 0,037 0,055 0,069 0,080 0,097 0,107 0,127 0,140 0,151 0,157
2,93 0,00 0,00 0,00 0,00 0,00 0,001 0,035 0,052 0,066 0,077 0,093 0,104 0,123 0,134 0,146 0,151
2,94 0,00 0,00 0,00 0,00 0,00 0,001 0,033 0,049 0,062 0,073 0,089 0,100 0,118 0,129 0,141 0,146
2,95 0,00 0,00 0,00 0,00 0,00 0,001 0,031 0,047 0,059 0,070 0,086 0,096 0,114 0,125 0,136 0,142
2,96 0,00 0,00 0,00 0,00 0,00 0,001 0,029 0,044 0,056 0,067 0,082 0,092 0,110 0,121 0,132 0,137
TABLA C-5 MIL-STD 414. FRACCION DEFECTUOSA DEL LOTE.
METODO DEL RECORRIDO (Continuacin)
TAMAO DE LA MUESTRA
Qi Qs 3 4 5 7 10 15 25 30 35 40 50 60 85 115 175 230
2,97 0,00 0,00 0,00 0,00 0,00 0,00 0,027 0,042 0,054 0,064 0,079 0,088 0,105 0,116 0,127 0,132
2,98 0,00 0,00 0,00 0,00 0,00 0,00 0,025 0,039 0,051 0,061 0,075 0,085 0,101 0,112 0,123 0,128
2,99 0,00 0,00 0,00 0,00 0,00 0,00 0,024 0,038 0,049 0,058 0,072 0,082 0,098 0,108 0,119 0,124
3,00 0,00 0,00 0,00 0,00 0,00 0,00 0,022 0,036 0,047 0,056 0,069 0,078 0,094 0,105 0,115 0,120
3,01 0,00 0,00 0,00 0,00 0,00 0,00 0,022 0,034 0,044 0,053 0,066 0,075 0,091 0,101 0,111 0,116
3,02 0,00 0,00 0,00 0,00 0,00 0,00 0,020 0,032 0,042 0,05 0,063 0,072 0,087 0,097 0,107 0,112
3,03 0,00 0,00 0,00 0,00 0,00 0,00 0,019 0,030 0,040 0,048 0,061 0,069 0,084 0,094 0,103 0,108
3,04 0,00 0,00 0,00 0,00 0,00 0,00 0,017 0,028 0,038 0,045 0,058 0,066 0,081 0,090 0,099 0,104
3,05 0,00 0,00 0,00 0,00 0,00 0,00 0,016 0,027 0,036 0,043 0,056 0,064 0,078 0,086 0,096 0,101
3,06 0,00 0,00 0,00 0,00 0,00 0,00 0,015 0,025 0,034 0,041 0,053 0,061 0,075 0,083 0,920 0,097
3,07 0,00 0,00 0,00 0,00 0,00 0,00 0,014 0,024 0,032 0,039 0,051 0,059 0,072 0,080 0,089 0,094
3,08 0,00 0,00 0,00 0,00 0,00 0,00 0,013 0,022 0,030 0,037 0,049 0,056 0,069 0,077 0,086 0,091
3,09 0,00 0,00 0,00 0,00 0,00 0,00 0,012 0,021 0,029 0,036 0,046 0,054 0,067 0,075 0,083 0,088
3,10 0,00 0,00 0,00 0,00 0,00 0,00 0,011 0,020 0,027 0,034 0,044 0,051 0,064 0,072 0,080 0,085
3,11 0,00 0,00 0,00 0,00 0,00 0,00 0,011 0,019 0,026 0,032 0,042 0,050 0,061 0,069 0,077 0,082
3,12 0,00 0,00 0,00 0,00 0,00 0,00 0,010 0,018 0,025 0,031 0,041 0,048 0,060 0,067 0,074 0,079
3,13 0,00 0,00 0,00 0,00 0,00 0,00 0,010 0,017 0,024 0,029 0,039 0,046 0,057 0,064 0,072 0,075
3,14 0,00 0,00 0,00 0,00 0,00 0,00 0,009 0,015 0,023 0,028 0,037 0,044 0,055 0,062 0,069 0,073
3,15 0,00 0,00 0,00 0,00 0,00 0,00 0,008 0,014 0,021 0,026 0,036 0,042 0,053 0,060 0,067 0,070
3,16 0,00 0,00 0,00 0,00 0,00 0,00 0,008 0,014 0,020 0,025 0,034 0,040 0,051 0,057 0,064 0,067
3,17 0,00 0,00 0,00 0,00 0,00 0,00 0,007 0,013 0,019 0,024 0,033 0,038 0,049 0,056 0,062 0,065
3,18 0,00 0,00 0,00 0,00 0,00 0,00 0,006 0,012 0,017 0,022 0,031 0,036 0,046 0,053 0,060 0,063
3,19 0,00 0,00 0,00 0,00 0,00 0,00 0,006 0,012 0,017 0,021 0,030 0,034 0,044 0,052 0,057 0,060
3,20 0,00 0,00 0,00 0,00 0,00 0,00 0,005 0,011 0,016 0,020 0,028 0,033 0,043 0,049 0,055 0,058
3,21 0,00 0,00 0,00 0,00 0,00 0,00 0,005 0,010 0,015 0,019 0,027 0,032 0,041 0,047 0,053 0,056
3,22 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,009 0,014 0,018 0,025 0,031 0,040 0,045 0,051 0,054
3,23 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,009 0,013 0,017 0,024 0,029 0,037 0,043 0,049 0,052
3,24 0,00 0,00 0,00 0,00 0,00 0,00 0,004 0,009 0,013 0,016 0,023 0,028 0,037 0,042 0,047 0,050
3,25 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,008 0,012 0,015 0,022 0,027 0,035 0,040 0,046 0,049
3,26 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,007 0,011 0,015 0,021 0,025 0,033 0,039 0,044 0,047
3,27 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,007 0,011 0,014 0,021 0,024 0,032 0,037 0,042 0,045
3,28 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,006 0,010 0,013 0,019 0,023 0,031 0,036 0,040 0,043
3,29 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,006 0,009 0,012 0,018 0,023 0,029 0,034 0,039 0,042
3,30 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,005 0,009 0,012 0,017 0,021 0,028 0,033 0,037 0,040
3,31 0,00 0,00 0,00 0,00 0,00 0,00 0,003 0,005 0,008 0,011 0,017 0,021 0,027 0,032 0,036 0,039
3,32 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,007 0,010 0,016 0,020 0,026 0,030 0,034 0,037
3,33 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,007 0,010 0,015 0,019 0,025 0,029 0,033 0,036
3,34 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,007 0,009 0,014 0,018 0,024 0,028 0,032 0,035
3,35 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,006 0,009 0,014 0,017 0,023 0,027 0,031 0,033
3,36 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,006 0,008 0,013 0,016 0,022 0,026 0,030 0,032
3,37 0,00 0,00 0,00 0,00 0,00 0,00 0,002 0,004 0,006 0,008 0,012 0,015 0,021 0,024 0,028 0,031
3,38 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,007 0,012 0,014 0,019 0,024 0,027 0,030
3,39 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,007 0,011 0,014 0,019 0,022 0,027 0,029
3,40 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,003 0,005 0,007 0,010 0,013 0,018 0,021 0,026 0,028
3,41 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,006 0,010 0,012 0,018 0,021 0,025 0,027
3,42 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,006 0,009 0,012 0,017 0,020 0,024 0,026
3,43 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,005 0,009 0,011 0,016 0,019 0,023 0,025
3,44 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,005 0,008 0,011 0,015 0,018 0,022 0,024
3,45 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,004 0,005 0,008 0,011 0,014 0,017 0,021 0,023
3,46 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,003 0,005 0,008 0,010 0,014 0,017 0,020 0,022
3,47 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,003 0,004 0,007 0,010 0,014 0,016 0,019 0,021
3,48 0,00 0,00 0,00 0,00 0,00 0,00 0,001 0,002 0,003 0,004 0,007 0,009 0,013 0,015 0,018 0,020
3,49 0,00 0,00 0,00 0,00 0,00 0,00 0,000 0,001 0,003 0,004 0,006 0,009 0,012 0,015 0,018 0,020
3,50 0,00 0,00 0,00 0,00 0,00 0,00 0,000 0,001 0,002 0,003 0,006 0,008 0,012 0,014 0,017 0,019
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 193
3. PROCEDIMIENTO PARA EL USO DEL ESTANDAR MIL-STD-414.
VARIABILIDAD DESCONOCIDA
3.1. Variabilidad desconocida. Mtodo de la desviacin. Forma M.
Un lmite de especificacin
Con el tamao del lote hallar la letra clave en tabla A - 1.
Hallar el tamao de la muestra n y el valor M, en la tabla B-3;
entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, segn el caso LS o LI
Tomar una muestra de tamao n y calcular X y s.
Para LS QS = (LS - X ) / s
Calcular
Para LI QI = ( X - LI) / s
Fraccin defectuosa del lote, para LS pS %
(Tabla B-5, con n y QS)
Hallar
Fraccin defectuosa del lote, para LI pI %
(Tabla B-5, con n y QI)
Para LS Aceptar el lote si: pS % M
Criterio
Para LI Aceptar el lote si: pI % M
EJEMPLO 1: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma M y lmite superior de
especificacin.
Tamao del lote = 200; Letra clave H
AQL = 1%
En tabla B-3, con AQL = 1% y letra H, se hallan: n = 20 y M = 2.95
Si: LS = 28
Se extrae un muestra de n = 20 y se calculan X y s.
Si X = 23 y s = 1.4.
Se calcula QS = (28 23) / 1.4 = 3.57
En tabla B-5, con n = 20 y QS = 3.57: se halla pS % = 0.
Se Acepta el lote puesto que pS % es menor que M
Control Estadstico de Calidad Hernn Daro Rendn C.
194 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
EJEMPLO 2: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma M y lmite inferior de
especificacin.
Tamao del lote = 600; Letra clave J
AQL = 1.5%
En tabla B-3, con AQL = 1.5% y letra J, se hallan: n = 30 y M =
3.91
Si LI = 19
Se extrae un muestra de n = 30 y se calculan: X y s.
Si X = 21 y s = 2.8.
Se calcula QI = (21 19) / 2.8 = 0.714
En tabla B-5, con n = 30 y QI = 0.714: se halla pI % = 23.99
Se Rechaza el lote puesto que pI % no es menor que M
3.2. Variabilidad desconocida. Mtodo de la desviacin. Forma M. Dos
lmites de especificacin e igual AQL
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y el valor M, en la tabla B-3;
entrando con la letra clave y el AQL.
Fijar los lmites de especificacin, LS y LI
Tomar una muestra de tamao n y calcular X y s.
QS = (LS - X ) / s
Calcular
QI = ( X - LI) / s
Fraccin defectuosa del lote pS %
(Tabla B-5, con n y QS)
Hallar
Fraccin defectuosa del lote pI %
(Tabla B-5, con n y QI)
Criterio Aceptar el lote si: pS % + pI % M
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 195
EJEMPLO 3: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma M, dos lmites de especificacin
e igual AQL.
Tamao del lote = 600; Letra clave J
AQL = 2.5%
En tabla B-3, con AQL = 2.5% y letra J, se hallan: n = 30 y
M = 5.86
Si LS = 30 y LI = 19
Se extrae un muestra de n = 30 y se calculan X y s.
Si X = 21 y s = 3.1.
Se calculan: QS = (30 21) / 3.1 = 2.9032 y
QI = (21 17) / 3.1 = 1.2903
En tabla B-5, con n = 30, QS = 2.90 y Q I = 1.29 se hallan:
pS % = 0.087 y pI % = 9.720
Se Rechaza el lote puesto que pS % + pI % no es menor que M
3.3. Variabilidad desconocida. Mtodo de la desviacin. Forma M.
Dos lmites de especificacin y diferente AQL
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y los valores MS y MI , en la tabla
B-3; entrando con la letra clave y los AQL S y AQLI
Fijar los lmites de especificacin, LS y LI
Tomar una muestra de tamao n y calcular X y s.
QS = (LS - X ) / s
Calcular
QI = ( X - LI) / s
Fraccin defectuosa del lote pS %
(Tabla B-5, con n y QS)
Hallar
Fraccin defectuosa del lote pI %
(Tabla B-5, con n y QI)
pS % + pI % < Mximo (MS; MI)
Criterio Aceptar el lote si: pS % < MS
pI % < MI
Control Estadstico de Calidad Hernn Daro Rendn C.
196 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
EJEMPLO 4: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma M, dos lmites de especificacin y
diferente AQL
Tamao del lote = 500; Letra clave I
AQLS= 1.0%; AQLI = 1.5%
En tabla B-3, con: AQLS = 1.0%; AQLI = 1.5% y letra I, se hallan:
n = 25 y M1 = 2.86; M2 = 3.97
Si: LS = 30 y LI = 17
Se extrae un muestra de n = 30 y se calculan: X y s.
Si X = 22 y s = 2.5.
Se calculan: QS = (30 22) / 2.5 = 3.2 y
QI = (22 17) / 2.5 = 2.0
En tabla B-5, con n = 25, QS = 3.2 y QI = 2.0 se hallan:
pS % = 0.014 y pI % = 1.91
Se Acepta el lote puesto que se cumplen las tres condiciones.
3.4. Variabilidad desconocida. Mtodo de la desviacin. Forma K.
Un lmite de especificacin
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y el valor k , en la tabla B-1 o B-2;
entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, LS o LI
Tomar una muestra de tamao n y calcular X y s.
Para lmite superior (LS - X ) / s
Calcular
Para lmite inferior ( X - LI) / s
Lmite superior (LS - X ) / s k
Criterio Aceptar el lote si:
Lmite inferior ( X - LI) / s k
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 197
EJEMPLO 5: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma K y lmite superior de
especificacin.
Tamao del lote = 200; Letra clave H
AQL = 1%
En tabla B-1, con AQL = 1% y letra H, se hallan: n = 20 y k = 1.82
Si: LS = 28
Se extrae un muestra de n = 20 y se calculan: X y s.
Si X = 21 y s = 2
Se calcula (LS - X ) / s = (28 21) / 2 = 3.5
Se Acepta el lote puesto que (LS - X ) / s k
EJEMPLO 6: Determine un plan de muestreo por variables. Variabilidad
desconocida, mtodo de la desviacin, forma K y lmite inferior de
especificacin.
Tamao del lote = 600; Letra clave J
AQL = 1.5%
En tabla B-1, con AQL = 1% y letra j, se hallan: n = 30 y k = 1.73
Si: LI = 19
Se extrae un muestra de n = 30 y se calculan: X y s.
Si X = 21 y s = 2.8
Se calcula ( X - LI) / s = (21 19) / 2.8 = 0.7142
Se Rechaza el lote puesto que ( X - LI) / s no es mayor que k
3.5. Variabilidad desconocida. Mtodo del recorrido. Forma M.
Un lmite de especificacin
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y los valores M y c, en la tabla C-3
o C-4; entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, segn el caso LS o LI
Tomar una muestra de tamao n y calcular X y R .
Control Estadstico de Calidad Hernn Daro Rendn C.
198 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
Para LS QS = (LS - X ) / ( R / c)
Calcular
Para LI QI = ( X - LI) / ( R / c)
Fraccin defectuosa del lote, para LS pS %
(Tabla C-5, con n y QS)
Hallar
Fraccin defectuosa del lote, para LI pI %
(Tabla C-5, con n y QI)
Para LS Aceptar el lote si: pS % M
Criterio
Para LI Aceptar el lote si: pI % M
EJEMPLO 7: Determine un plan de muestreo por variables. Variabilidad
desconocida, Mtodo del recorrido, Forma M y lmite superior de
especificacin.
Tamao del lote = 600; Letra clave J
AQL = 1%
En tabla C-3, con AQL = 1% y letra J, se hallan: n = 35; M = 2.82 y
c = 2.349.
Si: LS = 28
Se extrae un muestra de n = 35 y se calculan: X y R.
Si X = 22 y R = 4.5
Se calcula QS = (28 22) / (4.5 / 2.349) = 3.13
En tabla C-5 con n = 35 y QS = 3.13, se halla pS % = 0.024
Se Acepta el lote puesto que pS % es menor que M
EJEMPLO 8: Determine un plan de muestreo por variables.
Variabilidad desconocida, Mtodo del recorrido, Forma M y lmite inferior
de especificacin.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 199
Tamao del lote = 600; Letra clave J
AQL = 1%
En tabla C-3, con AQL = 1% y letra J, se hallan: n = 35; M = 2.82 y
c = 2.349.
Si: LI = 18
Se extrae un muestra de n = 35 y se calculan: X y R.
Si X = 22 y R = 4.8
Se calcula QI = (22 18) / (4.8 / 2.349) = 1.957
En tabla C-5 con n = 35 y QI = 1.957, se halla pI % = 2.22
Se Acepta el lote puesto que pI % es menor que M
3.6. Variabilidad desconocida. Mtodo del recorrido. Forma M. Dos
lmites de especificacin e igual AQL
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y los valores M y c, en la tabla C-3
o C-4; entrando con la letra clave y el AQL.
Fijar los lmites de especificacin, LS y LI
Tomar una muestra de tamao n y calcular X y R .
QS = (LS - X ) / ( R / c)
Calcular
QI = ( X - LI) / ( R / c)
Fraccin defectuosa del lote pS % (Tabla C-5,
con n y QS)
Hallar
Fraccin defectuosa del lote pI % (Tabla C-5,
con n y QI)
Criterio Aceptar el lote si: pS % + pI % M
Control Estadstico de Calidad Hernn Daro Rendn C.
200 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
EJEMPLO 9: Determine un plan de muestreo por variables. Variabilidad
desconocida, Mtodo del recorrido, Forma M y dos lmites de especificacin
con igual AQL.
Tamao del lote = 600; Letra clave J
AQL = 1.5%
En tabla C-3, con AQL = 1.5% y letra J, se hallan: n = 35 ; M = 3.9
y c = 2.349
Si: LS = 27 y LI = 18
Se extrae un muestra de n = 35 y se calculan: X y R .
Si X = 22 y R = 4.8.
Se calculan: QS = (27 22) / (4.8/2.349) = 2.45 y
QI = (2218) / (4.8/2.349) = 1.96
En tabla C-5, con n = 35, QS = 2.45 y QI = 1.96 se hallan:
pS % = 0.473 y pI % = 2.22
Se Acepta el lote puesto que pS % + pI % es menor que M
3.7. Variabilidad desconocida. Mtodo del recorrido. Forma K.
Un lmite de especificacin
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y el valor k , en la tabla C-1 o C-2;
entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, LS o LI
Tomar una muestra de tamao n y calcular X y R .
Para lmite superior (LS - X ) / R
Calcular
Para lmite inferior ( X - LI) / R
Lmite superior (LS - X ) / R k
Criterio Aceptar el lote si:
Lmite inferior ( X - LI) / R k
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 201
EJEMPLO 10: Determine un plan de muestreo por variables. Variabilidad
desconocida, Mtodo del recorrido, Forma K y lmite superior de
especificacin.
Tamao del lote = 600; Letra clave J
AQL = 1%
En tabla C-1, con AQL = 1% y letra j, se hallan: n = 35 y k = 0.791
Si: LS = 27
Se extrae un muestra de n = 35 y se calculan: X y R .
Si X = 23 y R = 4.8
Se calcula: (LS - X ) / R = (27 23) / 4.8 = 0.833
Se Acepta el lote puesto que (LS - X ) / R k
EJEMPLO 11: Determine un plan de muestreo por variables. Variabilidad
desconocida, Mtodo del recorrido, Forma K y lmite inferior de especificacin.
Tamao del lote = 600; Letra clave J
AQL = 0.25%
En tabla C-1, con AQL = 0.25% y letra J, se hallan: n = 35 y k =
0.964
Si: LI = 18
Se extrae un muestra de n = 35 y se calculan: X y R.
Si X = 22 y R = 4.8
Se calcula: ( X - LI) / R = (22 18) / 4.8 = 0.83
Se Rechaza el lote puesto que ( X - LI) / R no es mayor que k.
4. PROCEDIMIENTO PARA EL USO DEL ESTANDAR MIL-STD-414.
VARIABILIDAD CONOCIDA
4.1. Variabilidad conocida. Mtodo de la desviacin. Forma M. Un lmite
de especificacin
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n, el valor M, y v, en la tabla D-3;
entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, segn el caso LS o LI
Tomar una muestra de tamao n y calcular X
Control Estadstico de Calidad Hernn Daro Rendn C.
202 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
Para LS QS = (LS - X ) v /
Calcular
Para LI QI = ( X - LI) v /
p% del lote, para LS pS % (Tabla normal
P(Z QS))
Hallar
P% del lote, para LI pI % (Tabla normal
P(Z - QI ))
Para LS Aceptar el lote si: pS % M
Criterio
Para LI Aceptar el lote si: pI % M
EJEMPLO 12: Determine un plan de muestreo para variables. Variabilidad
conocida, Mtodo de la desviacin, Forma M y lmite superior de
especificacin.
Letra clave: K. AQL = 0.4% = 3.8 LS = 37
En tabla D-3 con Letra clave: K. y AQL = 0.4%, se hallan: n = 10;
M = 1.14; v = 1.054
Se calcula la media de una muestra n = 10, X = 31.2
Se calcula QS = ((37 31.2)x 1.054) / 3.8 = 1.61
pS % = P(Z QS ) = 1 P(Z QS ) = 1 P(Z 1.61) = 5.37%
Se rechaza el lote puesto que pS % no es menor o igual que M.
EJEMPLO 13: Determine un plan de muestreo para variables. Variabilidad
conocida, Mtodo de la desviacin, Forma M y lmite inferior de especificacin.
Letra clave: K. AQL = 0.4% = 3.8 LI = 24
En tabla D-3 con Letra clave: K. y AQL = 0.4%, se hallan: n = 10;
M = 1.14; v = 1.054
Se calcula la media de una muestra n = 10, X = 31.9
Se calcula QI = ((31.9 24)x 1.054) / 3.8 = 2.19
PI % = P(Z - QI ) = P(Z - 2.19) = 1.43%
Se acepta el lote puesto que pI % es menor que M.
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 203
4.2. Variabilidad conocida. Mtodo de la desviacin. Forma M.
Dos lmites de especificacin e igual AQL
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y los valores M y v, en la tabla
D-3; entrando con la letra clave y el AQL.
Fijar los lmites de especificacin, LS y LI
Tomar una muestra de tamao n y calcular X .
QS = (LS - X ) v /
Calcular
QI = ( X - LI) v /
p% del lote pS % (Tabla normal: P(Z QS )
Hallar
p% del lote pI % (Tabla normal: P(Z - QI)
Criterio Aceptar el lote si: pS % + pI % M
EJEMPLO 14: Determine un plan de muestreo para variables. Variabilidad
conocida, Mtodo de la desviacin, Forma M y dos lmites de especificacin
con igual AQL.
Letra clave: H. AQL = 1.5% = 3.8 LS = 36 LI = 25
En tabla D-3 con Letra clave: H. y AQL = 1.5%, se hallan: n = 8;
M = 3.68; v = 1.069
Se calcula la media de una muestra n = 8, X = 31.3
Se calculan: QS =((3631.3)x1.069) / 3.8 = 1.32 y
QI =((31.325)x1.069)/3.8 = 1.77
pS % = P(Z QS ) = 1 P(Z QS ) = 1 P(Z 1.32) = 9.34%
pI % = P(Z - QI ) = P(Z - 1.77) = 3.84%
Se rechaza el lote puesto que pS% + pI % no es menor que M
Control Estadstico de Calidad Hernn Daro Rendn C.
204 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
4.3. Variabilidad conocida. Mtodo de la desviacin. Forma M.
Dos lmites de especificacin y diferente AQL
Con el tamao del lote hallar la letra clave en tabla A-1.
Entrando con la letra clave y los AQLS y AQLI , hallar el tamao de la
muestra n ( en este caso, se toma el mayor de los n); los valores
MS MI y el valor v, correspondiente al mayor de los n,
en la tabla D-3;.
Fijar los lmites de especificacin, LS y LI
Tomar una muestra de tamao n y calcular X .
QS = (LS - X ) v /
Calcular
QI = ( X - LI) v /
p% del lote pS % (Tabla normal: P(Z QS )
Hallar
p% del lote pI % (Tabla normal: P(Z - QI)
pS % M S
Criterio Aceptar el lote si: pI % M I
pS % + pI % Mximo (MS y MI)
EJEMPLO 15: Determine un plan de muestreo para variables. Variabilidad
conocida, Mtodo de la desviacin, Forma M y dos lmites de especificacin
con diferente AQL.
Letra clave: M. AQLS = 1.5% AQLI = 2.5% = 3.8
LS = 38 LI = 22
En tabla D-3 con Letra clave: H. y los AQL, se hallan: n = 19 y
n = 22, por lo tanto se toma n = 22; M S = 3.28; MI = 4.98
y v = 1.024
Se calcula la media de una muestra n = 22, X = 29.9
Se calculan: QS =((3829.9)x1.024) / 3.8 = 2.18 y
QI =((29.922)x1.024)/3.8 = 2.12
pS % = P(Z QS ) = 1 P(Z QS ) = 1 P(Z 2.18) = 1.46%
pI % = P(Z - QI ) = P(Z - 2.12) = 1.70%
Se acepta el lote puesto que se cumplen las tres condiciones
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 205
4.4. Variabilidad conocida. Mtodo de la desviacin. Forma K.
Un lmite de especificacin
Con el tamao del lote hallar la letra clave en tabla A-1.
Hallar el tamao de la muestra n y el valor k , en la tabla D-1 o D-2;
entrando con la letra clave y el AQL.
Fijar el lmite de especificacin, LS o LI
Tomar una muestra de tamao n y calcular X .
Para lmite superior (LS - X ) /
Calcular
Para lmite inferior ( X - LI) /
Lmite superior (LS - X ) / k
Criterio Aceptar el lote si:
Lmite inferior ( X - LI) / k
EJEMPLO 16: Determine un plan de muestreo por variables. Variabilidad
conocida, Mtodo de la desviacin, Forma k y lmite superior de
especificacin.
Letra clave P
AQL = 2.5%
En tabla D-1, con AQL = 2.5% y letra P, se hallan: n = 61
y k = 1.69
Si: LS = 39
Se extrae un muestra de n = 61 y se calcula X . Si X = 30.8
Se calcula (LS - X ) / = (39 30.8) / 3.8 = 2.15
Se Acepta el lote puesto que (LS - X ) / k
Control Estadstico de Calidad Hernn Daro Rendn C.
206 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
EJEMPLO 17: Determine un plan de muestreo por variables. Variabilidad
conocida, Mtodo de la desviacin, Forma k y lmite inferior de especificacin.
Letra clave P
AQL = 1.0%
En tabla D-1, con AQL = 1.0% y letra P, se hallan: n = 49
y k = 2.03
Si: LI = 28
Se extrae un muestra de n = 49 y se calcula X . Si X = 31.2
Se calcula ( X - LI) / = (31.2 28) / 3.8 = 0.84
Se rechaza el lote puesto que (LS - X ) / no es mayor
o igual que k
5. TALLER:
1. Se desea controlar el contenido porcentual de grasa de una variedad de
queso, producido en un proceso con variabilidad desconocida. Halle
planes de aceptacin MIL STD 414 con inspeccin normal y usando el
mtodo de la desviacin, para el producto, y determine si se aceptan o
rechazan los lotes, en los siguientes casos:
Tamao lote: 40; LS = 9.8%; AQL = 1%; X = 9.1%; s = 0. 5%
Tamao lote: 100; LS = 9.8%; AQL = 1%; X = 9.3%; s = 0.52%
Tamao lote: 400; LS = 9.8%; AQL = 2.5%; X = 9.5%; s = 0.48%
Tamao lote: 40; LI = 8.5%; AQL = 1%; X = 9.1%; s = 0.5%
Tamao lote: 400; LI = 8.5%; AQL = 2.5%; X = 9.5%; s = 0.4%
2. En relacin con el problema 1. Halle planes de aceptacin MIL STD
414 con inspeccin normal y usando el mtodo del recorrido, para el
producto, y determine si se aceptan o rechazan los lotes, en los
siguientes casos:
Tamao lote: 400; LI = 8.5%; AQL = 2.5%; X = 9.5%; R = 1.4%
Tamao lote: 400; LS= 9.8.%; AQL = 2.5%; X = 9.5%; s = 1.2%
Tamao lote: 100; LI = 8.5%; AQL = 1%; X = 9.5%; R = 1.5%
Control Estadstico de Calidad Hernn Daro Rendn C.
MODULO 12 Planes de Aceptacin para Variables MIL STD 414 207
3. En relacin con el problema 1. Halle planes de aceptacin MIL STD
414 con inspeccin normal y usando el mtodo de la desviacin, para el
producto, y determine si se aceptan o rechazan los lotes, en los
siguientes casos:
LS = 9.5%
Tamao lote: 500 AQL = 4%; X = 9.5%; s = 0.4%
LI = 8.5%
LS = 9.5%
Tamao lote: 800 AQL = 1%; X = 9.3%; s = 0.5%
LI = 8.5%
LS = 9.5% AQLs = 2.5%
Tamao lote: 500 X = 9.1%; s = 0.6%
LI = 8.5% AQLi = 1.5%
4. En relacin con el problema 1. Halle planes de aceptacin MIL STD
414 con inspeccin normal y usando el mtodo del recorrido, para el
producto, y determine si se aceptan o rechazan los lotes, en los
siguientes casos:
LS = 9.5%
Tamao lote: 500 AQL = 4%; X = 9.4%; R = 1.1%
LI = 8.5%
LS = 9.5%
Tamao lote: 800 AQL = 1%; X = 9.3%; R = 1.7%
LI = 8.5%
LS = 9.5% AQLs = 2.5%
Tamao lote: 500 X = 9.1%; R = 1.5%
LI = 8.5% AQLi = 1.5%
Control Estadstico de Calidad Hernn Daro Rendn C.
208 Mdulo 12 Planes de Aceptacin para Variables MIL-STD 414
5. En relacin con el problema 1, suponga que la desviacin estndar del
contenido de grasa del proceso, es = 5% Halle planes de aceptacin
MIL STD 414 con inspeccin normal y usando el mtodo de la
desviacin, para el producto, y determine si se aceptan o rechazan los
lotes, en los siguientes casos:
LS = 9.5%
Tamao lote: 500 AQL = 4%; X = 9.5%;
LI = 8.5%
LS = 9.5%
Tamao lote: 800 AQL = 1%; X = 9.3%
LI = 8.5%
LS = 9.5% AQLs = 2.5%
Tamao lote: 500 X = 9.1%;
LI = 8.5% AQLi = 1.5%
6. BIBLIOGRAFIA
Conde, R. Control Estadstico de Calidad. Centro Interamericano de
Enseanza de Estadstica. Santiago de Chile 1973.
Grant, E. Control de Calidad Estadstico. Mc Graw Hill. 1975.
Juran, J. Quality Control Handbook. Mc Graw Hill,
Nueva York. 1974.
Acua, Jorge. Control de Calidad. Editorial Tecnolgica de
Costa Rica. Cartago. 1998
Rendn, HD. Fundamentos Estadsticos para el Control Estadstico
de Calidad. Universidad Nacional de Colombia. Medelln 2003
Control Estadstico de Calidad Hernn Daro Rendn C.
Control estadstico de calidad
Hernn Daro Rendn C.
Universidad Nacional de Colombia, Sede Medelln
Centro Editorial Facultad de Minas
Se utilizaron las fuentes Arial para el cuerpo de texto y para ttulos
FACULTAD DE MINAS
También podría gustarte
- Herramientas de Control Estadístico K93Aún no hay calificacionesHerramientas de Control Estadístico K935 páginas
- Control Estadístico y Seis SigmaAún no hay calificacionesControl Estadístico y Seis Sigma106 páginas
- Mejora de Productividad en Ingeniería Industrial100% (2)Mejora de Productividad en Ingeniería Industrial117 páginas
- Administración de la Producción y Operaciones100% (6)Administración de la Producción y Operaciones147 páginas
- Control de Calidad. Técnicas y Herramientas - Compressed100% (12)Control de Calidad. Técnicas y Herramientas - Compressed407 páginas
- Guía de Validación de Procesos Farmacéuticos100% (3)Guía de Validación de Procesos Farmacéuticos1338 páginas
- Control Estadístico de Procesos Simplificados - amsdEN100% (2)Control Estadístico de Procesos Simplificados - amsdEN265 páginas
- Control Estadístico de La Calidad y Seis Sigma80% (5)Control Estadístico de La Calidad y Seis Sigma253 páginas
- HERRAMIENTAS ESTADÍSTICAS BÁSICAS PARA El MEJORAMIENTO DE LA CALIDAD PDFAún no hay calificacionesHERRAMIENTAS ESTADÍSTICAS BÁSICAS PARA El MEJORAMIENTO DE LA CALIDAD PDF117 páginas
- Control Estadístico de la CalidadAún no hay calificacionesControl Estadístico de la Calidad26 páginas
- Libro ADMINISTRACION OPERACIONES Mag. Ing. Oscar Vidal, PINEDA HUERTA PDF100% (6)Libro ADMINISTRACION OPERACIONES Mag. Ing. Oscar Vidal, PINEDA HUERTA PDF412 páginas
- Mejora del Diseño de Procesos en ManufacturaAún no hay calificacionesMejora del Diseño de Procesos en Manufactura17 páginas
- Técnicas Avanzadas de Calidad en ProcesosAún no hay calificacionesTécnicas Avanzadas de Calidad en Procesos26 páginas
- Control Estadístico de Procesos (SPC)Aún no hay calificacionesControl Estadístico de Procesos (SPC)25 páginas
- Estudio de Tiempos y Movimientos para La Manufactura Ágil Meyers86% (22)Estudio de Tiempos y Movimientos para La Manufactura Ágil Meyers347 páginas
- Logística y Cadena de Suministro: Claves y ConceptosAún no hay calificacionesLogística y Cadena de Suministro: Claves y Conceptos31 páginas
- Curso de MINITAB y Herramientas de Calidad100% (6)Curso de MINITAB y Herramientas de Calidad122 páginas
- Simulación de Procesos ProductivosAún no hay calificacionesSimulación de Procesos Productivos47 páginas
- Optimización de Procesos ProductivosAún no hay calificacionesOptimización de Procesos Productivos22 páginas
- Control Estadístico de la Calidad en Ingeniería100% (1)Control Estadístico de la Calidad en Ingeniería329 páginas
- Manual de Lean Manufacturing Guía Básica - Alberto Villaseñor - 1ra Edición83% (6)Manual de Lean Manufacturing Guía Básica - Alberto Villaseñor - 1ra Edición100 páginas
- Control Estadístico de Calidad: Guía CompletaAún no hay calificacionesControl Estadístico de Calidad: Guía Completa122 páginas
- Control Estadístico de Procesos en CalidadAún no hay calificacionesControl Estadístico de Procesos en Calidad63 páginas
- Gestión de La Producción Modelos Lean Management100% (1)Gestión de La Producción Modelos Lean Management68 páginas
- LIBRO - Aplicación de La Estadística Al Control de Calidad - 1993 - Angel Pola - 1 Edición70% (10)LIBRO - Aplicación de La Estadística Al Control de Calidad - 1993 - Angel Pola - 1 Edición115 páginas
- Gestión de la Producción: Estrategias y Evaluación50% (2)Gestión de la Producción: Estrategias y Evaluación100 páginas
- Histograma: Análisis y Aplicaciones en Calidad100% (2)Histograma: Análisis y Aplicaciones en Calidad23 páginas
- Manual de Tiempos y Movimientos IngenierAún no hay calificacionesManual de Tiempos y Movimientos Ingenier183 páginas
- Control Estadístico de Calidad en ProcesosAún no hay calificacionesControl Estadístico de Calidad en Procesos221 páginas
- Muestreo de Aceptación: Métodos y AplicacionesAún no hay calificacionesMuestreo de Aceptación: Métodos y Aplicaciones35 páginas
- Beneficios del Muestreo MIL-STD 105EAún no hay calificacionesBeneficios del Muestreo MIL-STD 105E5 páginas
- Proceso de obtención de surimi ácido-alcalinoAún no hay calificacionesProceso de obtención de surimi ácido-alcalino3 páginas
- Investigación en Bioquímica de Alimentos 2021Aún no hay calificacionesInvestigación en Bioquímica de Alimentos 20213 páginas
- Proposiciones y Valores de VerdadAún no hay calificacionesProposiciones y Valores de Verdad25 páginas
- Tipos y Efectos de las Mutaciones GenéticasAún no hay calificacionesTipos y Efectos de las Mutaciones Genéticas17 páginas
- Reducciones de Productos AlimenticiosAún no hay calificacionesReducciones de Productos Alimenticios13 páginas
- Producción de Camembert en Los RíosAún no hay calificacionesProducción de Camembert en Los Ríos16 páginas
- Procesos de Elaboración de Quesos en ChileAún no hay calificacionesProcesos de Elaboración de Quesos en Chile10 páginas
- Historia y Propuestas del PT en MéxicoAún no hay calificacionesHistoria y Propuestas del PT en México11 páginas
- Análisis de Costos y Rendimiento del ProyectoAún no hay calificacionesAnálisis de Costos y Rendimiento del Proyecto1 página
- Logística 4.0 y Sostenibilidad InversaAún no hay calificacionesLogística 4.0 y Sostenibilidad Inversa2 páginas
- Descripción del Saco de Cemento GuapánAún no hay calificacionesDescripción del Saco de Cemento Guapán6 páginas
- Mantenimiento Autónomo: Guía PrácticaAún no hay calificacionesMantenimiento Autónomo: Guía Práctica15 páginas
- Correo Electrónico Seguro ScotiabankAún no hay calificacionesCorreo Electrónico Seguro Scotiabank38 páginas
- Restaurante El Buen Sazón: Administración y MenúAún no hay calificacionesRestaurante El Buen Sazón: Administración y Menú41 páginas
- Introducción a Sistemas OperativosAún no hay calificacionesIntroducción a Sistemas Operativos28 páginas
- Reforma Revolucionaria en México (1855-1860)Aún no hay calificacionesReforma Revolucionaria en México (1855-1860)37 páginas
- Parcial Gestión de Producción 2022Aún no hay calificacionesParcial Gestión de Producción 20225 páginas
- Dinámica Gerencial en Conflictos LaboralesAún no hay calificacionesDinámica Gerencial en Conflictos Laborales15 páginas
- Reforma del Código de Trabajo en GuatemalaAún no hay calificacionesReforma del Código de Trabajo en Guatemala5 páginas
- Tarifas Diferenciales Peaje Los ManguitosAún no hay calificacionesTarifas Diferenciales Peaje Los Manguitos16 páginas
- Rol de la mujer en turismo en CorrientesAún no hay calificacionesRol de la mujer en turismo en Corrientes86 páginas
- Cálculos de Interés Simple en FinanzasAún no hay calificacionesCálculos de Interés Simple en Finanzas4 páginas
- Demanda de Alimentos en SincelejoAún no hay calificacionesDemanda de Alimentos en Sincelejo3 páginas
- Definición de Problemas con ParetoAún no hay calificacionesDefinición de Problemas con Pareto4 páginas
- Guía para Aspirantes a Nivelación ESPE 2022Aún no hay calificacionesGuía para Aspirantes a Nivelación ESPE 202222 páginas
- Sanciones Éticas en Abogacía ArgentinaAún no hay calificacionesSanciones Éticas en Abogacía Argentina3 páginas
- Introducción a la Analítica de NegociosAún no hay calificacionesIntroducción a la Analítica de Negocios7 páginas
- Pervivencias del Antiguo Régimen en EspañaAún no hay calificacionesPervivencias del Antiguo Régimen en España13 páginas