Escolar Documentos
Profissional Documentos
Cultura Documentos
07 de noviembre de 2015
ndice
Introduccin....................................................................................................................................
Muestreo de Aceptacin...............................................................................................................
Tipos de planes de muestreo.......................................................................................................
Muestreo aleatorio.........................................................................................................................
Plan de Muestreo Simple para Atributos...................................................................................
Curva Caracterstica de Operacin (OC)...................................................................................
Puntos especficos sobre la curva OC.....................................................................................
Diseando un plan de muestreo simple con un curva OC especfica................................
Inspeccin Rectificadora............................................................................................................
Plan de muestreo doble..............................................................................................................
La curva OC..................................................................................................................................
Nmero promedio de Muestra...................................................................................................
Inspeccin rectificadora..............................................................................................................
Planes de muestreo mltiple.....................................................................................................
Muestreo secuencial...................................................................................................................
Tablas Militares STD 105E (ANSI/ASQC Z1.4, ISO 2859)...................................................
Reglas para cambiar entre inspeccin normal, rigurosa o reducida...................................
Estndar MIL STD 105E.............................................................................................................
Tablas MIL-STD 105E.................................................................................................................
Tablas de Muestreo de Aceptacin de Dodge-Romig............................................................
Nivel de Calidad Lmite...............................................................................................................
Lmite de la Calidad Promedio de Salida.................................................................................
Tablas Dodge-Romig...................................................................................................................
Muestreo de aceptacin por variables.....................................................................................
Definicin......................................................................................................................................
Ventajas.55
Desventajas..................................................................................................................................
Tipos generales de procedimientos de muestreo por variables...........................................
Riegos
59
Introduccin
El control y mejoramiento continuo de la calidad es una de las principales estrategias para
mantener la competitividad de las organizaciones de manufactura y de servicios. Esto se
lleva a cabo a travs de la implementacin exitosa de Sistemas de Gestin de la Calidad,
que incluyen el uso de mtodos estadsticos como el Control Estadstico de Procesos, el
Diseo de Experimentos y el Muestreo de Aceptacin. Los mtodos estadsticos y sus
aplicaciones en el mejoramiento de la calidad inician a finales de 1920 cuando Harold F.
Dodge y Harry G. Romig de la Compaa de Telfonos Bell, desarrollan un sistema de
muestreo estadstico como una alternativa de la inspeccin al 100%; en 1924, Walter A.
Shewarth de la misma compaa, desarroll el concepto de cartas de control y con ello el
inicio del Control Estadstico de la Calidad. El uso de esta metodologa estadstica se
hace necesaria durante la Segunda Guerra Mundial para controlar y mejorar la calidad de
los productos. En 1946 se forma la Sociedad Americana para el Control de Calidad
(ASQC), quien se encarg de promover la utilizacin de estas herramientas para mejorar
la calidad de los productos y servicios. A la fecha existen gran variedad de herramientas
estadsticas para el control y mejoramiento de los productos y procesos, sin embargo, en
este trabajo estudiaremos el muestreo de aceptacin.
El muestro de aceptacin est ligado con la inspeccin y prueba de los productos, como
elemento bsico del control de calidad, ya que la inspeccin puede suceder en cualquier
parte del proceso. Se puede definir el muestreo de aceptacin como la inspeccin y
clasificacin de una muestra de unidades seleccionada aleatoriamente de un lote grande,
y a partir de dicha muestra se toma la decisin sobre la disposicin de dicho lote entero.
La aplicacin del muestreo de aceptacin generalmente ocurre en la recepcin de
materias primas o componentes y en el producto terminado al final del proceso de
produccin. El muestreo de aceptacin nicamente indica si se acepta o rechaza un lote,
no agrega ms informacin, es por eso que las organizaciones recurren al control
estadstico de procesos y al diseo de experimentos para complementar el control y
mejoramiento de la calidad de los productos y procesos. (Montgomery, 2009)
Muestreo de Aceptacin.
3
aceptacin.
Cuando el proveedor tiene un excelente historial de la calidad de sus procesos y
productos.
Desventajas:
defectuosos menor o igual que c, el lote se acepta y en caso contrario se rechaza. El plan
de muestreo doble, proporciona una segunda oportunidad, es decir, de la muestra inicial
se derivan tres decisiones: aceptar el lote, rechazar el lote o tomar una segunda muestra;
la informacin de las dos muestras se combina para finalmente aceptar o rechazar el lote.
El muestreo mltiple es una extensin del muestreo doble, se requieren ms de dos
muestras para tomar la decisin de la disposicin del lote. El muestreo secuencial es una
extensin del muestreo mltiple, en el cual se toma una unidad a la vez del lote, se sigue
inspeccionando cada unidad hasta que se llega a la decisin de aceptar el lote, rechazarlo
o seguir inspeccionando unidades. Los planes de muestreo anteriores, se disean de tal
manera que los resultados del muestreo sea equivalente para todos, es decir, todos tienen
la misma probabilidad de aceptacin.
Conformacin del lote.
La conformacin del lote puede influenciar la efectividad del plan de muestreo de
aceptacin, por lo que se deben tomar en cuenta las siguientes consideraciones:
Los lotes deben de ser homogneos, las unidades deben ser producidas por las mismas
mquinas, los mismos operarios y materias primas comunes.
Lotes grandes en lugar de lotes pequeos son preferidos, es ms econmico inspeccionar
lotes grandes.
Los lotes deben estar de acuerdo con el sistema de manejo de materiales del proveedor y
del consumidor, para minimizar los riesgos de manejo y envo del producto; esto har que
la seleccin del producto sea relativamente ms fcil.
Muestreo aleatorio.
Las unidades seleccionadas que conforman la muestra del lote, deben ser escogidas
aleatoriamente y deben representar a todas las unidades en el lote. Para garantizar la
aleatoriedad de la muestra, se pueden numerar las piezas y generar nmeros aleatorios
para seleccionarlas, otra forma posible, es estratificar el lote y obtener unidades de cada
uno de los estratos para formar la muestra.
N=10,000
unidades,
Si el nmero
Los puntos de la curva son obtenidos suponiendo que el tamao del lote es muy grande
(tericamente infinito) en comparacin con el tamao de la muestra, bajo esta suposicin,
la distribucin de probabilidad para el nmero de defectuosos en una muestra aleatoria es
la distribucin binomial con parmetros n y p, donde p es la fraccin defectuosa en el lote,
as, la probabilidad de observar exactamente d defectuosos en la muestra es:
Pa=P ( d c )= C nd Pd (1P)nd
d =0
d
89d
Pa=P ( d 2 )= C 89
d (0.01) (10.01)
;
d =0
0
89
89
1
88
89
2
87
Pa=P ( d 2 )=C 89
0 (0.01) (1.01) +C 1 (0.01) (1.01) +C2 (0.01) (1.01) =0.9397
n=89 y c=2 :
Probabilidad de aceptacin
Fraccin defectuosa P
0.001
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
Tabla 1.
Pa
0.9999
0.9397
0.7366
0.4985
0.3042
0.1721
0.0919
0.0468
0.0230
0.0109
0.0050
0.0022
0.0010
0.0004
0.0002
n=89
c=2
0.7366.
Un
plan
de
muestreo
que
discrimina perfectamente los lotes malos de los buenos deber tener una curva OC como
la figura 2. La curva OC corre horizontalmente con probabilidad de aceptacin igual a 1,
9
hasta que llega al nivel donde se consideran los lotes malos, en este punto la curva cae
verticalmente hasta la probabilidad de aceptacin de 0, y la curva corre horizontalmente
para todos los lotes con una fraccin defectuosa mayor o igual esta. Sin embargo, la
curva OC ideal no existe en la prctica, tericamente sera para la inspeccin al 100% si
estuviera libre de errores.
Figura 4.
es decir, que nivel de calidad tendr una probabilidad de aceptacin baja. El consumidor
comnmente establece un plan de muestreo de aceptacin con referencia a un Nivel de
Calidad Aceptable (AQL); el AQL representa el nivel de calidad ms pobre para el proceso
del proveedor que el consumidor considera aceptable como promedio del proceso. El
plan de muestreo debe asignar una alta probabilidad de aceptacin para el valor del AQL.
El consumidor tambin estar interesado en el otro extremo de la curva OC, esto es, la
proteccin necesaria para lotes individuales con una pobre calidad; en esta situacin el
consumidor establece la Tolerancia del Porcentaje Defectuoso en el Lote (LTPD).
El
de aceptacin de
n yc
1 =0.95
11
Figura 5.
Dentro del comando de Acceptance Sampling by Atributes se presentar la siguente
caja de dialogo:
Figura 6.
Donde le daremos los valores acordados del AQL, LTPD, y .
Se obtienen el resultado de:
Percent
Probability Probability
12
Defective
Accepting
Rejecting
0.5
0.971
0.029
4.0
0.098
0.902
n=132 y c=2
Probability of Acceptance
1.0
0.8
0.6
0.4
0.2
0.0
0
Figura 7.
Inspeccin Rectificadora.
El muestreo de aceptacin requiere de un programa de acciones correctivas sobre los
lotes que son rechazados, generalmente recurren a la inspeccin al 100% para detectar
las unidades defectuosas, estas se retrabajan o se regresan al proveedor para que las
reemplace. Este programa es llamado programa de inspeccin rectificadora y funciona de
la siguiente manera:
Rechazados
Lotes
Inspeccin
Fraccin
defectuosa
P0
Aceptados
Figura 8.
Los
Fraccin
defectuosa
P=0
Fraccin
defectuosa
P0
Lotes
Fraccin
defectuosa
P1 < P0
de
vienen
13
con una fraccin defectuosa P0, algunos de estos lotes se aceptan y otros sern
rechazados. Los lotes rechazados son rectificados y su fraccin defectuosa final ser
cero, mientras que los aceptados siguen teniendo una fraccin defectuosa P 0;
consecuentemente ambos tipos de lotes se mezclan teniendo una fraccin defectuosa
promedio P1, que es menor que P0, as que la inspeccin rectificadora funciona para
corregir la calidad del lote.
Para evaluar el plan de inspeccin rectificadora se utiliza el AOQ o calidad promedio de
salida por sus siglas en ingls, este AOQ es la calidad en el lote que resulta de aplicar la
inspeccin rectificadora. Para calcular el AOQ se tiene la siguiente frmula:
AOQ=
PaP( N n)
n
fraccin defectuosa de los lotes que llegan al sistema es P=0.01 y para este valor de P
tenemos que Pa=0.9397, as que,
AOQ=
PaP( N n) (0.01)(0.9397)(10,00089)
=
=0.0093
n
10,000
AOQ=PaP ,
con
los
datos
anteriores
tendremos
que
ATI =n+(1Pa)(N n)
Para ilustrar el uso de la frmula supongamos que
defectuosa de los lotes que llegan al sistema es P=0.01 y para este valor de P tenemos
que Pa=0.9397, as que,
d1< c1
d1> c2
Rechazar el
lote
Aceptar el lote
d1+d2 < c2
d1+d2 > c2
Rechazar el
lote
Figura 9.
La curva OC
probabilidad de rechazar el lote en la primera muestra, esto es igual a decir que se tiene
un plan n = 50 y c = 4. La curva de color naranja representa la probabilidad de aceptar el
lote en la primera muestra, igual a un plan simple con n = 50 y c = 1. La curva gris
representa la probabilidad de aceptacin de las muestras combinadas, igual a un plan
simple con n = 100 y c = 3.
Para calcular la probabilidad de aceptacin de las curvas se utiliza la distribucin de
probabilidad binomial de la siguiente forma:
16
Pa
Si
PIIa
Pa
la
la probabilidad de aceptacin
Pa=PaI + P IIa
I
n1=50
d 1 c 1=1 , as que,
0
50
50 1
49
PIa=C 50
0 P (1P) +C 1 P (1P)
, si la fraccin defectuosa en el lote suministrado es
50
50
50
49
50
50
50
49
17
Inspeccin rectificadora.
Para calcular el AOQ en el plan de muestreo doble, se hace de la siguiente forma:
[ P ( Nn )+ P
AOQ=
I
a
II
a
(N n1 n2) ] P
Nmero de aceptacin
0
1
3
5
8
Nmero de rechazo
3
4
5
7
9
El plan opera de la siguiente forma: si al completar alguna de las etapas del muestreo, el
nmero de unidades defectuosas es menor o igual que el nmero de aceptacin, el lote
es aceptado. Si durante cualquier etapa, el nmero de unidades defectuosas es igual o
18
Muestreo secuencial.
El muestreo secuencial es una extensin del muestreo doble y mltiple, en un plan
secuencial de muestreo, se toma una secuencia de muestras del lote y permitimos que el
nmero de muestreas sea determinado por los resultados del proceso de muestreo. En la
prctica, el muestreo secuencial tericamente contina indefinidamente hasta que el lote
se inspecciona al 100%. En la prctica, los planes de muestreo secuencial son truncados
despus que el nmero inspeccionado es igual a tres veces el nmero que sera
inspeccionado en un plan de muestreo simple correspondiente.
publicado en 1950 y desde entonces ha sufrido cuatro revisiones; la ltima versin MIL
STDE fue publicada en 1989. El MIL STD 105E tiene su versin civil ANSI/ASQC Z1.4 y
adoptado por la Inernational Organization for Standardization como ISO 2859.
El estndar MIL STD 105E proporciona tres tipos de muestreo: muestreo simple,
muestreo doble y muestreo mltiple. Para cada tipo de planes de muestreo, se estipula
inspeccin normal, inspeccin rigurosa e inspeccin reducida. La inspeccin normal se
utiliza al inicio de la actividad de inspeccin. La inspeccin rigurosa se utiliza cuando el
historial de calidad del proveedor se ha deteriorado recientemente; los requerimientos
para lotes bajo la inspeccin rigurosa es ms estricta que la inspeccin normal.
La
reducida es menor que la inspeccin normal. El MIL STD 105E se enfoca principalmente
en el AQL (Acceptable Quality Level) Nivel de Calidad Aceptable. El estndar se indexa
con respecto a una serie de valores de AQL. Cuando el estndar es usado para planes
con porcentaje defectuoso, el rango de valores de AQL es desde 0.10%hasta 10%. Para
planes que usan defectos por unidad, hay diez valores adicionales de AQL corriendo
19
hasta 1000 defectos por 100 unidades. Ntese que para valores pequeos de AQL, el
mismo plan de muestreo puede ser usado para controlar la fraccin defectuosa o para el
nmero de defectos por unidad. El valor del AQL generalmente se especifica por contrato
o por las autoridades responsables del muestreo.
designados para diferentes tipos de defectos.
20
- Produccin estable
-10 lotes consecutivos aceptados
-Aprobado por la autoridad responsable
Inicio
2 de 5 lotes consecutivos
rechazados
Reducida
Normal
Rigurosa
-Lotes rechazados
5 lotes consecutivos
-Produccin irregular
aceptados
-Un lote no alcanza el criterio de aceptarlo ni de rechazarlo
10 -Otras
lotes condiciones garantizan regresar a inspeccin normal
consecutivos
permanecen en
Descontinuar la
inspeccin
Figura 11.
inspeccin
Tabla 3.
Tabla 3.
22
Tabla 4.
El MIL STD 105E tambin presenta tablas para planes de muestreo doble y mltiple para
inspeccin normal, rigurosa y reducida.
23
24
31
32
33
34
35
36
Se usa un plan de tolerancia de lotes con muestreo simple de Dodge-Romig con Pt=5.0
por 100: El tamao del lote es de 750 y el valor estimado de la media del proceso es 1.3
por 100. Cules son los criterios de aceptacin? Si el loe presentado tiene realmente
una calidad 3 por 100, Cul es la probabilidad de aceptar el lote?
Solucin:
La tabla de tolerancia de lotes con muestreo simple con pt=5.0 es la tabla de tolerancia de
lotes con muestreo simple, con un pt=5.0. El tamao del lote es de 750 y est en el
intervalo entre 601-800 y el valor estimado de la media del proceso est en el intervalo
1.01-1.50. La interseccin de la fila 601-800 con la columna 1.01-1-50 nos da el siguiente
plan de muestreo:
n
130
c
3
AOQL
1.2
Explicacin:
El lote seria aceptado si se encontraran tres o menos elementos defectuoso en una
muestra de 10 elementos. EL AOQL (LCPS) para este plan seria 1.2 por 100.
Dodge y Romig emplearon el trmino "Por ciento de defecto de tolerancia de un lote"
(LTPD lot tolerance percent defective). En este texto se utiliza en su lugar "Nivel de
calidad lmite, (NCL)" puesto que es el trmino actual adecuado.
Al analizar las tablas NCL se desprende que:
a. Conforme aumenta el tamao del lote, el tamao relativo de la muestra disminuye.
Por ejemplo, en el caso de un proceso con promedio de 0.25%, un lote de tamao
1000 tiene un tamao de muestra de 335, en tanto que en un lote de tamao 4000
el tamao de la muestra es de 645. El tamao del lote aument en un factor de
aproximadamente 2. Es decir, .los costos de inspeccin son ms econmicos
cuando los lotes son grandes.
b. Las tablas continan hasta que el promedio del proceso es la mitad del NCL. No
es necesario contar con ms promedios de procesos cuando el promedio del
proceso excede a la mitad de NCL, de ser as una inspeccin del 100% resulta
ms econmica que la inspeccin por muestreo.
c. Conforme aumenta el promedio del proceso, se produce el consecuente aumento
en la cantidad inspeccionada. Es decir, una mejora en el promedio del proceso da
38
Trial 2
c1
0
n2
82
n1+n2
120
c2
4
pt
7.3
40
Tablas Dodge-Romig.
Table 1.
Table 2.
Table 3.
Table 4.
Table 5.
Table 6.
Table 7.
Table 8.
Table 9.
41
0 - 0.010
0.011 - 0.10
AOQL
(%)
AOQL
(%)
1- 120
121- 150
151- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001- 20000
20001- 50000
50001- 100000
All
120
140
165
175
180
190
200
205
220
220
225
225
230
230
390
390
390
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
0.00
0.06
0.08
0.10
0.12
0.13
0.13
0.14
0.14
0.15
0.15
0.15
0.16
0.16
0.16
0.21
0.21
0.21
All
120
140
165
175
180
190
200
205
220
375
380
380
385
520
525
530
670
0
0
0
0
0
0
0
0
0
0
1
1
1
1
2
2
2
3
0.00
0.06
0.08
0.10
0.12
0.13
0.13
0.14
0.14
0.15
0.20
0.20
0.20
0.21
0.25
0.26
0.26
0.29
: size of sample;
entry of
0.11 - 0.20
n
AOQL
(%)
All
120
140
165
175
180
190
200
205
360
505
510
520
655
660
785
920
1040
0
0
0
0
0
0
0
0
0
1
2
2
2
3
3
4
5
6
0.00
0.06
0.08
0.10
0.12
0.13
0.13
0.14
0.14
0.19
0.23
0.24
0.24
0.27
0.28
0.31
0.34
0.36
0.21 - 0.30
n
AOQL
(%)
All
120
140
165
175
180
190
330
335
490
630
645
770
780
910
1040
1300
1420
0
0
0
0
0
0
0
1
1
2
3
3
4
4
5
6
8
9
0.00
0.06
0.08
0.10
0.12
0.13
0.13
0.15
0.17
0.21
0.24
0.25
0.28
0.29
0.32
0.35
0.39
0.41
0.31 - 0.40
n
All
120
140
165
175
180
190
330
335
490
745
880
895
1020
1150
1400
1890
2120
AOQL
(%)
0
0
0
0
0
0
0
1
1
2
4
5
5
6
7
9
13
15
0.00
0.06
0.08
0.10
0.12
0.13
0.13
0.15
0.17
0.21
0.26
0.28
0.29
0.32
0.34
0.39
0.44
0.47
0.41 - 0.50
n
All
120
140
165
175
180
305
330
335
610
870
1000
1120
1260
1500
1980
2570
3150
AOQL
(%)
0
0
0
0
0
0
1
1
1
3
5
6
7
8
10
14
19
23
0.00
0.06
0.08
0.10
0.12
0.13
0.14
0.15
0.17
0.22
0.26
0.29
0.31
0.34
0.37
0.43
0.48
0.50
1 - 75
76 - 100
101- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001 - 20000
20001 - 50000
50001 - 100000
0 - 0.02
0.03 - 0.20
AOQL
(%)
All
70
85
95
100
105
105
110
115
115
115
115
195
195
195
200
200
200
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
0.00
0.16
0.25
0.26
0.28
0.28
0.29
0.29
0.28
0.30
0.31
0.31
0.41
0.42
0.42
0.42
0.42
0.42
: Size of Sample;
entry of
AOQL
(%)
All
70
85
95
100
105
105
110
115
190
190
195
260
265
265
265
335
335
0
0
0
0
0
0
0
0
0
1
1
1
2
2
2
2
3
3
0.00
0.16
0.25
0.26
0.28
0.28
0.29
0.29
0.28
0.40
0.41
0.41
0.50
0.50
0.50
0.51
0.58
0.58
0.21 - 0.40
n
AOQL
(%)
All
70
85
95
100
105
175
180
185
255
260
330
335
335
395
460
520
585
0
0
0
0
0
0
1
1
1
2
2
3
3
3
4
5
6
7
0.00
0.16
0.25
0.26
0.28
0.28
0.34
0.36
0.37
0.47
0.48
0.54
0.54
0.55
0.62
0.67
0.73
0.76
0.41 - 0.60
n
All
70
85
95
160
165
175
240
245
325
385
450
455
515
520
650
710
770
AOQL
(%)
0
0
0
0
1
1
1
2
2
3
4
5
5
6
6
8
9
10
0.00
0.16
0.25
0.26
0.32
0.34
0.34
0.40
0.42
0.50
0.58
0.63
0.63
0.69
0.69
0.77
0.81
0.84
0.61 - 0.80
n
All
70
85
95
160
165
175
240
305
380
450
510
575
640
760
885
1060
1180
AOQL
(%)
0
0
0
0
1
1
1
2
3
4
5
6
7
8
10
12
15
17
0.00
0.16
0.25
0.26
0.32
0.34
0.34
0.40
0.44
0.54
0.60
0.65
0.69
0.73
0.79
0.86
0.93
0.97
0.81 - 1.00
n
All
70
85
95
160
165
235
300
305
440
565
690
750
870
1050
1230
1520
1690
AOQL
(%)
0
0
0
0
1
1
2
3
3
5
7
9
10
12
15
18
23
26
0.00
0.16
0.25
0.26
0.32
0.34
0.36
0.41
0.44
0.56
0.64
0.70
0.74
0.80
0.86
0.94
1.00
1.10
1 - 40
41 - 55
56 - 100
101- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001 - 20000
20001 - 50000
50001 - 100000
0 - 0.03
0.04 - 0.30
AOQL
(%)
All
40
55
65
70
70
70
75
75
75
75
75
130
130
130
130
130
130
130
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0.00
0.18
0.30
0.38
0.40
0.43
0.45
0.43
0.44
0.45
0.47
0.48
0.63
0.63
0.63
0.64
0.64
0.65
0.65
: Size of Sample;
AOQL
(%)
All
40
55
65
70
70
70
75
125
125
130
130
175
175
175
175
175
225
265
0
0
0
0
0
0
0
0
1
1
1
1
2
2
2
2
2
3
4
0.00
0.18
0.30
0.38
0.40
0.43
0.45
0.43
0.57
0.59
0.60
0.62
0.75
0.76
0.76
0.77
0.78
0.86
0.96
0.31 - 0.60
n
AOQL
(%)
All
40
55
65
70
115
120
120
125
170
175
220
220
260
265
265
305
350
390
0
0
0
0
0
1
1
1
1
2
2
3
3
4
4
4
5
6
7
0.00
0.18
0.30
0.38
0.40
0.52
0.53
0.56
0.57
0.67
0.72
0.82
0.84
0.91
0.92
0.93
1.00
1.10
1.10
0.61 - 0.90
n
All
40
55
65
110
115
120
160
165
210
260
300
305
345
390
390
430
520
590
AOQL
(%)
0
0
0
0
1
1
1
2
2
3
4
5
5
6
7
7
8
10
12
0.00
0.18
0.30
0.38
0.48
0.52
0.53
0.63
0.66
0.73
0.85
0.95
0.96
1.00
1.10
1.10
1.20
1.20
1.30
0.91 - 1.20
n
All
40
55
65
110
115
160
160
205
250
300
385
425
465
505
550
630
750
830
AOQL
(%)
0
0
0
0
1
1
2
2
3
4
5
7
8
9
10
11
13
16
18
0.00
0.18
0.30
0.38
0.48
0.52
0.58
0.63
0.71
0.76
0.90
1.00
1.10
1.10
1.20
1.20
1.30
1.40
1.50
1.21 - 1.50
n
All
40
55
65
110
155
160
200
240
290
380
460
540
620
700
775
900
1090
1215
AOQL
(%)
0
0
0
0
1
2
2
3
4
5
7
9
11
13
15
17
20
25
28
0.00
0.18
0.30
0.38
0.48
0.54
0.58
0.65
0.74
0.78
0.95
1.10
1.20
1.20
1.30
1.40
1.50
1.60
1.60
1 - 30
31 - 50
51 - 100
101- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001 - 20000
20001 - 50000
50001 - 100000
n
: Size of Sample;
0 - 0.05
0.06 - 0.50
AOQL
(%)
All
30
37
40
43
44
45
45
45
45
45
75
75
75
75
75
75
75
75
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0.00
0.49
0.63
0.74
0.74
0.74
0.75
0.76
0.77
0.78
0.80
1.10
1.10
1.10
1.10
1.10
1.10
1.10
1.10
entry of
AOQL
(%)
All
30
37
40
43
44
75
75
75
75
75
105
105
105
105
105
135
135
160
0
0
0
0
0
0
1
1
1
1
1
2
2
2
2
2
3
3
4
0.00
0.49
0.63
0.74
0.74
0.74
0.95
0.98
1.00
1.00
1.00
1.30
1.30
1.30
1.30
1.30
1.40
1.40
1.60
0.51 - 1.00
n
AOQL
(%)
All
30
37
40
70
70
100
100
100
105
130
135
160
160
185
185
210
235
235
0
0
0
0
1
1
2
2
2
2
3
3
4
4
5
5
6
7
7
0.00
0.49
0.63
0.74
0.92
0.99
1.10
1.10
1.20
1.20
1.40
1.40
1.50
1.50
1.70
1.70
1.80
1.90
1.90
c
: Allowable Defect Number for Sample.
AOQL : Average Outgoing Quality Limit.
1.01 - 1.50
n
All
30
37
40
70
100
100
125
130
155
180
210
210
235
260
260
285
305
355
AOQL
(%)
0
0
0
0
1
2
2
3
3
4
5
6
6
7
8
8
9
10
12
0.00
0.49
0.63
0.74
0.92
1.00
1.10
1.20
1.20
1.40
1.60
1.70
1.70
1.80
1.90
1.90
2.00
2.10
2.20
1.51 - 2.00
n
All
30
37
40
95
120
125
150
175
180
230
280
305
330
350
380
425
470
515
AOQL
(%)
0
0
0
0
2
3
3
4
5
5
7
9
10
11
12
13
15
17
19
0.00
0.49
0.63
0.74
0.99
1.00
1.20
1.30
1.40
1.40
1.70
1.90
2.00
2.00
2.20
2.20
2.30
2.40
2.50
2.01 - 2.50
n
All
30
37
40
95
145
150
175
200
225
280
370
420
440
490
535
610
700
770
AOQL
(%)
0
0
0
0
2
4
4
5
6
7
9
13
15
16
18
20
23
27
30
0.00
0.49
0.63
0.74
0.99
1.10
1.20
1.30
1.40
1.50
1.80
2.10
2.20
2.20
2.40
2.50
2.60
2.70
2.80
Based on Stated Value of Lot Tolerance Per Cent Defective (LTPD) = 1.0 % and Consumer's Risk = 0.10.
PROCESS AVERAGE (%)
LOT SIZE
0 - 0.010
Trial 2
Trial 1
n1
1 - 120
121- 150
151- 200
201- 260
261- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001- 20000
20001- 50000
50001- 100000
All
120
140
165
180
200
215
225
235
245
265
270
275
275
275
280
280
280
280
c1 n2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
75
90
100
115
125
135
155
160
160
165
170
320
325
325
325
n1 + n2
255
290
315
340
360
380
420
430
435
440
445
600
605
605
605
AOQL
c2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
(%)
0.00
0.06
0.08
0.10
0.10
0.12
0.14
0.15
0.16
0.17
0.18
0.19
0.19
0.19
0.20
0.24
0.24
0.25
0.25
0.011 - 0.10
Trial 2
Trial 1
n1
c1
All
120
140
165
180
200
215
225
235
245
265
270
275
275
275
280
280
280
280
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
n2
75
90
100
115
125
135
155
300
305
310
315
460
465
605
605
n1 + n2
255
290
315
340
360
380
420
570
580
585
590
740
745
885
885
AOQL
c2
1
1
1
1
1
1
1
2
2
2
2
3
3
4
4
n1 = size of first sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for first sample. c2 = acceptance number for first and second samples combined.
AOQL = average outgoing quality limit.
(%)
0.00
0.06
0.08
0.10
0.10
0.12
0.14
0.15
0.16
0.17
0.18
0.22
0.22
0.23
0.23
0.26
0.27
0.30
0.30
0.11 - 0.20
Trial 2
Trial 1
n1
c1
All
120
140
165
180
200
215
225
235
245
265
270
275
275
275
280
450
450
450
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
n2
75
90
100
115
125
250
285
420
435
565
580
590
700
830
960
n1 + n2
255
290
315
340
360
495
550
690
710
840
855
870
1150
1280
1410
AOQL
c2
1
1
1
1
1
2
2
3
3
4
4
4
6
7
8
(%)
0.00
0.06
0.08
0.10
0.10
0.12
0.14
0.15
0.16
0.19
0.21
0.25
0.25
0.28
0.29
0.30
0.33
0.36
0.38
n1
All
120
140
165
180
200
215
225
235
245
265
270
435
440
445
450
605
605
605
c1
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
2
2
2
0.21 - 0.30
Trial 2
n1 + n2 c2
n2
75
255
1
90
290
1
100
315
1
115
340
1
230
465
2
250
495
2
405
670
3
545
815
4
645
1080
6
660
1100
6
785
1230
7
920
1370
8
1035
1640
10
1295
1900
12
1545
2150
14
AOQL
(%)
0.00
0.06
0.08
0.10
0.10
0.12
0.14
0.15
0.18
0.19
0.23
0.26
0.29
0.30
0.33
0.35
0.39
0.42
0.44
Trial 1
n1
All
120
140
165
180
200
215
225
235
245
265
430
435
440
590
600
745
885
885
c1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
2
2
3
4
4
0.31 - 0.40
Trial 2
AOQL
n1 + n2 c2
n2
(%)
0.00
0.06
0.08
0.10
75
255
1
0.10
90
290
1
0.12
100
315
1
0.14
115
340
1
0.15
230
465
2
0.18
250
495
2
0.19
515
780
4
0.24
620
1050
6
0.28
865
1300
8
0.30
1000
1440
9
0.33
990
1580
10
0.36
1240
1840
12
0.39
1485
2230
15
0.43
1845
2730
19
0.47
2085
2970
21
0.49
n1 = size of first sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for first sample. c2 = acceptance number for first and second samples combined.
AOQL = average outgoing quality limit.
Trial 1
n1
All
120
140
165
180
200
215
225
235
245
265
430
580
585
730
870
1150
1280
1410
c1
0
0
0
0
0
0
0
0
0
0
0
1
2
2
3
4
6
7
8
0.41 - 0.50
Trial 2
AOQL
n1 + n2 c2
n2
(%)
0.00
0.06
0.08
0.10
75
255
1
0.10
90
290
1
0.12
100
315
1
0.14
205
430
2
0.16
230
465
2
0.18
250
495
2
0.19
515
780
4
0.24
830
1260
8
0.30
940
1520
10
0.33
1075
1660
11
0.35
1190
1920
13
0.38
1540
2410
17
0.41
1990
3140
23
0.44
2600
3880
29
0.52
3280
4690
36
0.55
0.00 - 0.04
n
All
14
16
17
17
18
18
18
18
18
18
18
18
18
18
42
42
42
42
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
: size of sample;
0.05 - 0.40
LQL (%)
13.6
12.4
12.2
12.3
11.8
11.9
11.9
11.9
12.0
12.0
12.0
12.0
12.0
12.0
9.3
9.3
9.3
9.3
LQL (%)
All
14
16
17
17
18
18
18
40
40
41
41
42
42
42
70
70
70
95
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
2
2
2
3
13.6
12.4
12.2
12.3
11.8
11.9
11.9
9.6
9.6
9.4
9.4
9.3
9.3
9.3
7.5
7.6
7.6
7.0
0.41 - 0.80
n c
All
14
16
17
17
38
39
39
40
40
65
65
65
70
95
95
95
125
160
0
0
0
0
0
1
1
1
1
1
2
2
2
2
3
3
3
4
5
LQL (%)
13.6
12.4
12.2
12.3
10.0
9.8
9.8
9.6
9.6
8.2
8.2
8.2
7.5
7.0
7.0
7.0
6.4
5.9
0.81 - 1.20
n
LQL (%)
All
14
16
17
37
38
39
39
65
65
65
95
95
125
125
155
190
220
290
0
0
0
0
1
1
1
1
2
2
2
3
3
4
4
5
6
7
9
13.6
12.4
12.2
10.2
10.0
9.8
9.8
8.0
8.1
8.2
7.0
7.0
6.4
6.4
6.0
5.6
5.4
4.9
1.21 - 1.60
n
All
14
16
35
37
38
60
60
65
65
95
120
155
155
185
220
290
395
505
1.61 - 2.00
LQL (%) n
0
0
0
1
1
1
2
2
2
2
3
4
5
5
6
7
9
12
15
13.6
12.4
10.5
10.2
10.0
8.6
8.6
8.0
8.1
7.0
6.5
6.0
6.0
5.6
5.4
4.9
4.5
4.2
All
14
16
35
37
60
60
60
85
90
120
180
210
245
280
350
460
720
955
0
0
0
1
1
2
2
2
3
3
4
6
7
8
9
11
14
21
27
LQL (%)
13.6
12.4
10.5
10.2
8.5
8.6
8.6
7.5
7.4
6.5
5.8
5.5
5.3
5.1
4.8
4.4
3.9
3.7
0.00 - 0.05
n
All
11
13
14
14
14
14
14
14
15
15
15
15
15
33
34
34
34
34
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
: size of sample;
0.06 - 0.50
LQL (%)
17.6
15.3
14.7
14.9
15.0
15.0
15.1
15.1
14.2
14.2
14.2
14.3
14.3
11.8
11.4
11.4
11.4
11.4
LQL (%)
All
11
13
14
14
14
14
32
32
33
33
33
33
33
55
55
55
55
80
0
0
0
0
0
0
0
1
1
1
1
1
1
1
2
2
2
2
3
17.6
15.3
14.7
14.9
15.0
15.0
12.0
12.0
11.7
11.7
11.8
11.8
11.8
9.7
9.7
9.7
9.7
8.4
0.51 - 1.00
n
LQL (%)
All
11
13
14
30
31
32
32
32
33
55
55
55
75
75
75
100
100
125
0
0
0
0
1
1
1
1
1
1
2
2
2
3
3
3
4
4
5
17.6
15.3
14.7
12.7
12.3
12.0
12.0
12.0
11.7
9.3
9.4
9.5
8.9
8.9
8.9
8.0
8.0
7.4
1.01 - 1.50
n
LQL (%)
All
11
13
29
30
31
32
50
50
50
75
75
100
100
125
125
150
180
235
0
0
0
1
1
1
1
2
2
2
3
3
4
4
5
5
6
7
9
17.6
15.3
12.9
12.7
12.3
12.0
10.4
10.5
10.6
8.8
8.8
7.9
7.9
7.4
7.4
7.0
6.7
6.1
1.51 - 2.00
n
All
11
13
29
30
31
49
50
50
70
95
120
125
150
175
200
260
345
435
2.01 - 2.50
LQL (%) n
0
0
0
1
1
1
2
2
2
3
4
5
5
6
7
8
10
13
16
17.6
15.3
12.9
12.7
12.3
10.6
10.4
10.5
9.4
8.0
7.6
7.4
7.0
6.7
6.4
6.0
5.55
5.2
All
11
13
29
30
48
49
70
70
90
120
145
195
225
250
310
425
640
800
LQL (%)
0
0
0
1
1
2
2
3
3
4
5
6
8
9
10
12
16
23
28
17.6
15.3
12.9
12.7
10.7
10.6
9.3
9.4
8.5
7.6
7.2
6.6
6.3
6.1
5.8
5.3
4.8
4.5
0.00 - 0.06
n
All
10
11
12
12
12
12
12
12
12
12
12
12
28
28
28
28
28
28
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
: size of sample;
0.07 - 0.60
LQL (%)
19.0
18.0
17.0
17.0
17.1
17.2
17.3
17.3
17.4
17.5
17.5
17.5
13.8
13.8
13.9
13.9
13.9
13.9
LQL (%)
All
10
11
12
12
12
27
27
27
27
28
28
28
28
45
46
46
65
65
0
0
0
0
0
0
1
1
1
1
1
1
1
1
2
2
2
3
3
19.0
18.0
17.0
17.0
17.1
14.1
14.2
14.2
14.2
13.8
13.8
13.8
13.8
11.8
11.6
11.7
10.3
10.3
0.61 - 1.20
1.21 - 1.80
1.81 - 2.40
2.41 - 3.00
LQL (%)
LQL (%)
LQL (%)
All
10
11
12
26
26
27
27
27
44
45
45
65
65
65
65
85
105
125
0
0
0
0
1
1
1
1
1
2
2
2
3
3
3
3
4
5
6
19.0
18.0
17.0
14.6
14.7
14.1
14.2
14.2
11.8
11.7
11.7
10.3
10.3
10.3
10.3
9.5
8.8
8.4
All
10
11
25
26
26
42
42
43
44
65
65
85
85
105
105
125
170
215
0
0
0
1
1
1
2
2
2
2
3
3
4
4
5
5
6
8
10
19.0
18.0
15.1
14.6
14.7
12.4
12.4
12.1
11.8
10.2
10.2
9.5
9.5
8.8
8.8
8.4
7.6
7.2
All
10
11
25
26
41
42
42
60
60
80
100
125
125
145
170
215
310
385
0
0
0
1
1
2
2
2
3
3
4
5
6
6
7
8
10
14
17
19.0
18.0
15.1
14.6
12.7
12.4
12.4
10.9
11.0
9.8
9.1
8.4
8.4
8.1
7.6
7.2
6.5
6.2
All
10
22
25
40
41
42
60
60
80
100
140
165
210
235
280
380
560
690
0
0
1
1
2
2
2
3
3
4
5
7
8
10
11
13
17
24
29
LQL (%)
19.0
16.4
15.1
12.8
12.7
12.4
10.8
10.9
9.8
9.1
8.2
7.8
7.4
7.1
6.8
6.2
5.7
5.4
1 - 25
26 - 50
51 - 100
101- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001 - 20000
20001 - 50000
50001 - 100000
Trial 1
n1
All
22
33
43
47
49
50
50
50
55
55
65
70
70
70
70
70
75
75
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
n2
17
22
28
31
30
30
35
30
35
80
80
80
80
80
80
80
80
0.00 - 0.02
Trial 2
n1 + n2 c2
50
1
65
1
75
1
80
1
80
1
80
1
85
1
85
1
90
1
145
2
150
2
150
2
150
2
150
2
150
2
155
2
155
2
LQL
(%)
7.7
6.9
5.8
5.5
5.4
5.4
5.4
5.3
5.2
5.1
4.2
4.1
4.1
4.1
4.1
4.1
4.0
4.0
Trial 1
n1
All
22
33
43
47
49
50
50
60
60
65
65
70
70
75
80
80
80
85
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
n2
17
22
28
31
30
30
70
75
75
80
80
80
125
125
130
135
180
0.03 - 0.20
Trial 2
n1 + n2 c2
50
1
65
1
75
1
80
1
80
1
80
1
130
2
135
2
140
2
145
2
150
2
150
2
200
3
205
3
210
3
215
3
265
4
n1 = size of sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for sample. c2 = acceptance number for first and second samples combined.
LQL = limiting quality level corresponding to a consumers risk () = 0.10.
LQL
(%)
7.7
6.9
5.8
5.5
5.4
5.4
5.4
4.5
4.4
4.3
4.2
4.1
4.1
3.7
3.6
3.6
3.6
3.3
Trial 1
n1
All
22
33
43
47
55
55
60
60
60
75
75
80
80
80
85
90
95
170
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0.21 0.40
Trial 2
n2
n1 + n2 c2
17
50
1
22
65
1
28
75
1
60
115
2
65
120
2
65
125
2
70
130
2
75
135
2
120
195
3
125
200
3
175
255
4
180
260
4
180
260
4
180
265
4
230
320
5
300
395
6
380
550
8
LQL
(%)
7.7
6.9
5.8
5.5
4.8
4.7
4.6
4.5
4.4
3.8
3.7
3.5
3.4
3.4
3.3
3.2
2.9
2.6
n1
All
22
33
43
55
55
55
60
65
65
80
80
85
145
155
165
175
250
275
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
2
2
n2
17
22
50
60
65
65
105
110
165
170
220
225
285
355
415
490
700
0.41 - 0.60
Trial 2
LQL
n1 + n2 c2
(%)
7.7
50
1
6.9
65
1
5.8
105
2
4.9
115
2
4.8
120
2
4.7
125
2
4.6
170
3
4.1
175
3
4.0
245
4
3.7
250
4
3.6
305
5
3.3
370
6
3.1
440
7
2.9
520
8
2.7
590
9
2.6
740
11
2.4
975
14
2.2
Trial 1
n1
All
22
33
43
55
55
60
65
65
70
135
150
160
225
235
250
325
340
420
c1
0
0
0
0
0
0
0
0
0
0
1
1
1
2
2
2
3
3
4
0.61 - 0.80
Trial 2
n1 + n2 c2
n2
17
50
1
22
65
1
50
105
2
60
115
2
95
155
3
100
165
3
105
170
3
150
220
4
200
335
6
265
415
7
330
490
8
375
600
10
440
675
11
585
835
13
655
980
15
910
1250
19
1470
22
1050
n1 = size of sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for sample.
c2 = acceptance number for first and second samples combined.
LQL = limiting quality level corresponding to a consumers risk () = 0.10.
LQL
(%)
7.7
6.9
5.8
4.9
4.8
4.3
4.2
4.1
3.8
3.3
3.0
2.8
2.7
2.6
2.4
2.3
2.2
2.1
Trial 1
n1
All
22
33
47
55
60
60
65
70
125
140
215
225
240
310
385
520
610
770
c1
0
0
0
0
0
0
0
0
0
1
1
2
2
2
3
4
6
7
9
0.81 - 1.00
Trial 2
LQL
n1 + n2 c2
n2
(%)
7.7
17
50
1
6.9
43
90
2
5.4
50
105
2
4.9
80
140
3
4.5
95
155
3
4.3
100
165
3
4.2
140
210
4
3.9
180
305
6
3.5
245
385
7
3.2
355
570
10
2.8
455
680
12
2.7
595
835
14
2.5
665
975
16
2.4
785
1170
19
2.3
980
1500
24
2.2
2020
32
2.1
1410
2620
41
2.0
1850
n1
All
10
16
17
18
18
18
18
21
21
22
22
23
23
23
23
23
23
23
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
n2
9
9
10
11
11
12
25
26
26
26
26
26
27
27
27
27
27
0.00 - 0.06
Trial 2
n1 + n2 c2
25
1
26
1
28
1
29
1
29
1
30
1
46
2
47
2
48
2
48
2
49
2
49
2
50
2
50
2
50
2
50
2
50
2
LQL
(%)
19.0
16.4
16.0
15.5
15.2
15.2
15.0
13.0
12.8
12.6
12.6
12.4
12.4
12.2
12.2
12.2
12.2
12.2
Trial 1
n1
All
10
16
17
18
21
21
21
21
21
22
25
25
26
26
27
27
28
31
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
n2
9
9
10
24
25
25
25
26
26
40
45
44
44
43
43
67
84
0.07 - 0.60
Trial 2
n1 + n2 c2
25
1
26
1
28
1
45
2
46
2
46
2
46
2
47
2
48
2
65
3
70
3
70
3
70
3
70
3
70
3
95
4
115
5
n1 = size of sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for sample. c2 = acceptance number for first and second samples combined.
LQL = limiting quality level corresponding to a consumers risk () = 0.10.
LQL Trial 1
(%)
19.0
16.4
16.0
15.5
13.2
13.0
13.0
13.0
12.8
12.6
11.4
11.0
11.0
11.0
11.0
11.0
9.7
9.0
n1
All
10
16
17
21
23
24
24
24
25
27
28
29
30
30
30
31
55
60
c1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0.61 - 1.20
Trial 2
n1 + n2 c2
n2
9
25
1
9
26
1
23
44
2
37
60
3
36
60
3
41
65
3
41
65
3
40
65
3
58
85
4
62
90
4
76
105
5
75
105
5
80
110
5
80
110
5
94
125
6
120
175
8
140
200
9
LQL
(%)
19.0
16.4
16.0
13.3
12.0
11.7
11.5
11.5
11.4
10.3
10.0
9.6
9.5
9.4
9.4
9.2
8.0
7.6
1 - 10
11 - 50
51 - 100
101- 200
201- 300
301- 400
401- 500
501- 600
601- 800
801- 1000
1001- 2000
2001- 3000
3001- 4000
4001- 5000
5001- 7000
7001- 10000
10001 - 20000
20001 - 50000
50001 - 100000
n1
c1
All
10
17
20
23
23
24
26
26
27
49
50
55
60
60
85
85
85
90
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
2
2
2
2
1.21 - 1.80
Trial 2
n1 + n2 c2
n2
17
21
37
37
36
54
54
58
76
95
110
135
165
160
180
205
245
34
41
60
60
60
80
80
85
125
145
165
195
225
245
265
290
335
2
2
3
3
3
4
4
4
6
7
8
9
10
11
12
13
15
LQL
Trial 1
(%)
n1
c1
All
0
19.0
10 0
15.8
17 0
13.7
22 0
12.0
23 0
12.0
25 0
11.7
25 0
10.7
46 1
10.7
49 1
10.3
49 1
9.1
50 1
8.7
80 2
8.5
105 3
7.8
110 3
7.3
110 3
7.2
115 3
7.2
140 4
7.0
170 5
6.8
200 6
n2
17
33
37
55
55
69
81
86
150
165
200
225
250
290
315
420
505
1.81 - 2.40
Trial 2
n1 + n2 c2
34
55
60
80
80
115
130
135
200
245
305
335
360
405
455
590
705
2
3
3
4
4
6
7
7
10
12
14
15
16
18
20
26
30
n1 = size of sample; n2 = size of second sample; entry of All indicates that each piece in lot is to be inspected.
c1 = acceptance number for sample.
c2 = acceptance number for first and second samples combined.
LQL = limiting quality level corresponding to a consumers risk () = 0.10.
LQL
Trial 1
(%)
n1
All
19.0
10
15.8
17
12.4
22
12.0
24
10.8
42
10.8
46
9.7
48
9.4
50
9.2
70
8.0
100
7.6
130
7.0
155
6.7
215
6.6
270
6.5
285
6.3
315
6.0
390
5.7
445
2.41 - 3.00
Trial 2
n1 + n2 c2
n2
c1
0
0
0
0
0
1
1
1
1
2
3
4
5
7
9
9
10
13
15
17
33
51
63
79
97
115
120
180
260
330
390
505
680
805
940
1105
34
55
75
105
125
145
165
190
280
390
485
605
775
965
1120
1330
1550
LQL
(%)
2
3
4
6
7
8
9
10
14
19
23
27
34
41
47
56
65
19.0
15.8
12.4
11.1
10.4
9.7
9.2
8.9
8.4
7.5
6.9
6.5
6.0
5.7
5.4
5.3
5.2
5.1
siempre hay una pequea variabilidad entre los productos. Por ejemplo, si un saco de
arroz especifica un peso de 50 kg., lo normal es que recibamos sacos con pesos
cercanos a los 50 kg., pero nunca con precisin matemtica de la especificacin
indicada.
El control de la calidad por variables requiere de la especificacin de un valor promedio
de la variable o caracterstica, y de una medida del grado de variabilidad de la variable;
al respecto, la medida de variabilidad adoptada universalmente es la desviacin
estndar.
Si la calidad de un producto especifica que la variable de calidad tiene una media y
una desviacin estndar S, esto significa que aproximadamente en el 68% de los
productos la variable de calidad tiene un valor que est entre - S y + S. Un Plan de
muestreo de aceptacin por variable debe especificar el tamao de la muestra, al cual
llamamos n, y el rango de aceptacin para el promedio de la muestra.
La determinacin de n y del rango de aceptacin en un Plan de muestreo por variable
se hace de acuerdo con el riesgo que estamos dispuestos a correr de cometer los
errores tipo I y tipo II.
El error de tipo I es aquel (rechazar un lote que cumple las especificaciones) y el de tipo
II es aquel (acepta un lote que no cumple las especificaciones).
Qu es riesgo del productor y riesgo del consumidor? (Minitab, 2015)
En el muestreo de aceptacin, usted decide aceptar o rechazar un lote entero
basndose en los resultados de la inspeccin de una muestra de ese lote. Por ejemplo,
usted recibe un envo de 10,000 microchips. Dispone de dos criterios: tamao de la
muestra = 200 y nivel de calidad aceptable (AQL) = 1.5%. Si menos de 8 de los 200
microchips inspeccionados estn defectuosos, usted aceptar todo el envo. Si 8 o ms
estn defectuosos, se rechazar todo el envo.
Debido a que su decisin de rechazar o aceptar el lote se basa slo en una muestra, no
en datos del lote entero, usted corre el riesgo de rechazar lotes "buenos" y de aceptar
lotes "malos".
Riesgo del consumidor,
El error tipo II se conoce como riesgo del consumidor, porque el consumidor ha
aceptado un envo que debera rechazar. El envo contiene un nmero de defectuosos
56
Z=
x
S
n
x LIE
ec .(1)
57
^p
el
( ^p > M )
n
ec (2)
n1
LSE x
ec .(3)
aceptable.
59
funcin
de
una media de
la
caracterstica
que
no
es deseable, y
de
una probabilidad de cometer el error tipo II con esa media, determinar si el tamao de
muestra n satisface nuestras expectativas de costo y precisin. Si las satisface, se debe
aceptar el plan de muestreo; de otra forma que, se debe incrementar el tamao de
muestra n y volver al paso 3.
Para el caso de muestreo de aceptacin por variable se puede determinar directamente
el tamao de muestra apropiado en funcin de las probabilidades de cometer los
errores tipo I y II.
Ejemplo de plan de muestreo de aceptacin por variables (Minitab, 2015)
Por ejemplo, usted recibe envos de 2500 segmentos de tubos plsticos cada semana y
necesita verificar que las medidas del espesor de las paredes cumplan las
especificaciones. Usted no puede o no desea inspeccionar todo el envo. Un plan de
muestreo por variables le permite determinar cuntos tubos tiene que medir (tamao de
la muestra) y los criterios para aceptar o rechazar un lote entero (distancia crtica).
En este caso, el lmite de especificacin inferior para el espesor de la pared del tubo es
0.09". Usted y el proveedor acuerdan que el nivel de calidad aceptable (AQL) es 100
defectuosos por milln y el nivel de calidad rechazable (RQL) es 300 defectuosos por
milln, y usted supone que alfa = 0.05 y beta = 0.1. Minitab genera un plan de muestreo
que indica que usted tiene que medir 104 tubos y que la distancia crtica es 3.5570.
Puede utilizar la herramienta aceptar/rechazar en Minitab para indicar si un envo debe
ser aceptado o rechazado.
Conclusin
60
El muestreo de aceptacin no se utiliza como una estrategia para mejorar la calidad de los
productos, es ms bien, la forma para garantizar que los productos recibidos cumplen con las
especificaciones que se definieron con anterioridad y de comn acuerdo entre consumidor y
productor, es decir, determina si un lote de producto que es recibido cumple o no con los
estndares admitidos. El muestreo de aceptacin funciona de la siguiente manera: se toma una
muestra aleatoria de n unidades de un lote que se ha recibido, y se observa un nmero d de
unidades defectuosas en la muestra, este nmero deber ser menor o igual a un nmero c
mximo de unidades defectuosas permitido en la muestra para tomar la decisin de aceptar o
rechazar el lote en cuestin. El muestreo de aceptacin se aplica en componentes y materias
primas en recibo, materiales en proceso y pruebas destructivas. Existen planes de muestreo
para datos por atributos y para datos variables. El muestreo de aceptacin es cada vez menos
utilizado en comparacin con el control estadstico de procesos y el diseo de experimentos; sin
embargo, el muestreo se considera bsico para cualquier sistema de calidad debido a su
simplicidad para aplicarlo y que se obtienen resultados excelentes como herramienta
estadstica de calidad.
Bibliografa
61
Minitab. (2015, 11 02). Soporte de Minitab. Retrieved from Muestreo por aceptacin:
http://support.minitab.com/es-mx/minitab/17/topic-library/quality-tools/acceptancesampling/basics/what-is-acceptance-sampling/
Montgomery, D. C. (2009). Introduction to Satistical Quality Control. John Wiley & Sons, Inc.
( )( )
63