Muestreo de Aceptación

UNIVERSIDAD AUTNOMA DE BAJA CALIFORNIA
Medicin, Anlisis y Mejora de Procesos

Muestreo de Aceptacin
Maestro:
Dr. Diego Alfredo Tlapa Mendoza
Alumnos:
Luisa Carolina Rosas Hernndez
Carlos Uriel Gastlum Acosta
Marco Antonio Maciel Monten
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
Pasos para la seleccin de un Plan de muestreo de aceptacin por variables................

Conclusin....................................................................................................................................
Bibliografa....................................................................................................................................
2
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
La inspeccin de materias primas, subensambles o productos seminternados y el

producto final o terminado son de las prioridades para todo sistema de aseguramiento de
la calidad. Si la inspeccin tiene como objetivo el aceptar o rechazar el producto, a este
mtodo comnmente se le conoce como muestreo de aceptacin.
El problema del muestreo de aceptacin.
Una aplicacin tpica del muestreo de aceptacin es la siguiente: una compaa recibe un
embarque de materias primas o componentes de algn proveedor para ser usados en el
proceso de produccin, una muestra aleatoria es tomada del lote de producto y se
inspeccionan algunas caractersticas de calidad previamente establecidas en las unidades
de la muestra. En base a la informacin de la muestra, se toma la decisin sobre la
disposicin del lote completo; la decisin es aceptar o rechazar dicho lote, aceptarlo
implica que el lote ser enviado al proceso de produccin y rechazar el lote involucra
regresarlo al proveedor. El muestreo de aceptacin considera los siguientes aspectos:
El propsito del muestreo de aceptacin es sentenciar el lote, no estimar la calidad de l.
Los planes de muestreo de aceptacin no proporcionan ninguna forma de control de
calidad, simplemente acepta o rechaza lotes. An que los lotes tengan la misma calidad,
el muestreo de aceptacin aceptar algunos y rechazar otros, no distingue la calidad
entre lotes aceptados y rechazados.
El uso ms efectivo del muestreo de aceptacin es asegurarse de que el lote cumple con
los requerimientos, no inspecciona la calidad del producto dentro del lote.
Sentenciar un lote implica:
Aceptar el lote sin inspeccin. Esta medida es til cuando se conoce de antemano que el
proceso del proveedor es bueno y que nunca se han encontrado defectuosos, por ejemplo
proveedores con CPk de 3 o 4 en sus procesos; o no se justifica econmicamente la
inspeccin.
Inspeccionar el lote al 100%, es decir que se debe verificar cada una de las unidades del
lote y reemplazar por el proveedor los defectuosos. Se utiliza en componentes crticos
que si resultan defectuosos, estos impactaran en grandes costos en los procesos por
ejemplo; o en proveedores con Cpk menores a 3 en sus procesos.
El muestreo de aceptacin se utiliza generalmente en las siguientes situaciones:
Cuando las pruebas son destructivas
Cuando el costo de la inspeccin al 100% es extremadamente alto, o no es

tecnolgicamente factible o requiere tanto tiempo que la programacin de la
produccin se afectara seriamente.

Cuando hay gran cantidad de unidades a inspeccionar y el error de la inspeccin
es muy alto que inspeccionar al 100% podra causar un alto porcentaje de
unidades defectuosas en el proceso, mucho ms que usar el muestreo de
aceptacin.
Cuando el proveedor tiene un excelente historial de la calidad de sus procesos y
productos.
Ventajas y desventajas del muestreo de aceptacin con respecto a la inspeccin al

100%.
Ventajas:
Es menos costoso ya que la inspeccin es menor.

Hay menos manejo del producto, por lo que reduce el dao.
Es aplicable a pruebas destructivas.
Menos personal es asignado en actividades de inspeccin.
Se reduce gratamente la cantidad del error de inspeccin.
El rechazo del lote completo en lugar de rechazar solamente las unidades
defectuosas proporciona una fuerte motivacin al proveedor para mejorar su
calidad.
Desventajas:
Existe el riesgo de aceptar lotes malos y de rechazar lotes buenos.

Se genera menos informacin sobre el producto y el proceso.
Se requiere planeacin y documentacin.
Tipos de planes de muestreo.

Existen planes de muestreo para datos variables y para atributos, los datos variables son
caractersticas de calidad que pueden ser medidas sobre una escala numrica; los
atributos, son caractersticas de calidad que son expresadas como bueno-malo, pasano pasa, defectuoso-no defectuoso.
Los planes de muestreo se clasifican como
simples, dobles, mltiples y secuenciales. Un plan de muestreo simple consiste en

seleccionar una muestra aleatoria del lote y la disposicin de aceptar o rechazar el lote
completo, se determina en base a la informacin proporcionada por la muestra. Es decir,
de un lote de tamao N, se obtiene una muestra n, si la muestra contiene un nmero de
5
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.
Plan de Muestreo Simple para Atributos.

En un plan de muestreo simple, la decisin de aceptar o rechazar el lote est basada en
la informacin que proporciona una sola muestra.
Definicin de un plan de muestro simple.

Para un lote de tamao N, un plan de muestreo simple se define por el tamao de la
muestra n y el nmero de aceptacin c. Si el tamao del lote es
el plan de muestreo simple es
N=10,000
unidades,
n=89 y c=2 , esto significa que de un lote de 10.000
unidades se obtiene una muestra aleatoria de 89 unidades, se inspeccionan y se observa

el nmero de unidades disconformes o defectuosas en la muestra.
Si el nmero
observado de defectuosos es menor o igual que 2, el lote ser aceptado. Si el nmero

observado de defectuosos es mayor que 2, entonces el lote se rechaza.
Curva Caracterstica de Operacin (OC).

La curva OC es una medida importante del desempeo del plan de muestreo, la curva
muestra la probabilidad de aceptacin del lote contra la fraccin defectuosa del lote. As,
la curva muestra el poder de discriminacin del plan de muestreo, ya que muestra la
probabilidad de que un lote suministrado con cierta fraccin defectuosa se acepte o se
rechace. La curva OC para el plan
n=89 y c=2 , es el que se muestra en la figura 1.
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:
P ( d defectuosos )=Cnd Pn (1P)nd ; y la probabilidad de aceptacin es igual a la

probabilidad de que d sea menor o igual que c, es decir:
c
Pa=P ( d c )= C nd Pd (1P)nd
d =0
; por ejemplo, si la fraccin defectuosa del lote es
p=.01, n=89 y c=2 , tenemos que:

2
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
La tabla 1, muestra las probabilidades de aceptacin para varios valores de fraccin

defectuosa, para el plan de aceptacin simple con
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
La curva OC muestra el poder de discriminacin del plan de muestreo. Por ejemplo, en el

plan
n=89 y c=2 , si los lotes son 2% defectuosos, la probabilidad de aceptacin es
0.7366.
Esto significa que de cada 100 lotes suministrados de un proceso de

8
manufactura con un 2% de producto defectuoso, el plan de muestreo espera aceptar 74

de los lotes y rechazar 26 de ellos.
Efecto de n y c en las curvas OC.
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.
La forma de la curva OC ideal puede ser aproximada
incrementando el tamao de la muestra, como se muestra en la figura 3, los nmeros de

aceptacin son proporcionales al tamao de la muestra. La curva OC de color azul tiene
un tamao de muestra igual a 200 unidades y un nmero de aceptacin a 4, mientras que
la curva color naranja tiene un tamao de muestra igual a 100 unidades y un nmero de
aceptacin de 2; por ltimo la curva azul tiene un tamao de muestra igual a 50 y un
nmero de aceptacin de 1. Por lo que la precisin del plan de muestreo para discriminar
entre lotes buenos y malos se incrementa al aumentar el tamao de la muestra. En la
figura 4 se observa que al disminuir el nmero de aceptacin, la curva OC cambia hacia la
izquierda, los planes con valores pequeos del nmero de aceptacin proporciona mayor
discriminacin a valores pequeos de la fraccin defectuosa.
Figura 4.
Puntos especficos sobre la curva OC.

Los ingenieros de calidad se enfocan sobre ciertos puntos de la curva OC, el proveedor
generalmente se interesa en conocer qu nivel de calidad tendrn una alta probabilidad
de ser aceptados, mientras que el consumidor se enfocar en el lado opuesto de la curva,
10
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
LTPD es el nivel de calidad ms pobre que el consumidor est dispuesto a aceptar en un

lote individual, el plan de muestreo deber dar una baja probabilidad de aceptacin para
el valor del LTPD.
Diseando un plan de muestreo simple con un curva OC especfica.

Para disear un plan de muestreo con una curva OC especfica, se requieren dos puntos
de referencia. Suponga que queremos construir el plan de muestreo con la probabilidad
( es la probabilidad de rechazar un lote bueno), para lotes con
una fraccin defectuosa
p1 ; adems, una probabilidad de aceptacin (probabilidad
de aceptacin de
de aceptar un lote malo) con una fraccin defectuosa
n yc
p2 . Para calcular los valores de
se requiere establecer los cuatro parmetros anteriores, supongamos que el plan
de muestreo debe satisfacer un AQL del 0.5% con
1 =0.95
y un LTPD del 4% con
=10 ; para disear el plan de muestreo simple utilizaremos para ms comodidad el

software Minitab de la siguiente forma:
Una vez dentro del programa Minitab, buscamos los siguientes comandos
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
Y la curva OC que muestra una
n=132 y c=2
Operating Characteristic (OC) Curve

Sample Size = 132, Acceptance Number = 2
Probability of Acceptance
1.0
0.8
0.6
0.4
0.2
0.0
0
Lot Percent Defective
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
lotes que llegan al

sistema
inspeccin
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
Para ilustrar el uso de la frmula anterior suponga que
N=10,000, n=89 y c=2 , la
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
La calidad promedio de salida es el 0.93% de defectuosos.

Como el tamao del lote es relativamente grande en comparacin con la muestra, la
frmula se puede simplificar como:
AOQ=PaP ,
con
los
datos
anteriores
tendremos
que
AOQ=(0.9397) ( 0.01 ) =0.009397 , resultados prcticamente iguales.

Otra medida importante relacionada con la inspeccin de rectificacin es la cantidad total
de inspeccin (ATI) requerida por plan de muestreo y se calcula de la siguiente forma:
ATI =n+(1Pa)(N n)
Para ilustrar el uso de la frmula supongamos que
N=10,000, n=89 y c=2 , la 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,
ATI =89+ ( 10.9397 )( 10,00089 )=687
Entonces el promedio total de inspeccin es de 687 unidades.

14
Plan de muestreo doble.

El plan de muestreo doble implica una segunda muestra antes de sentenciar el lote, se
requieren de los siguientes parmetros:
n1=tamao de la primera muestra

c 1=nmero de aceptacin de la primera muestra
n2=tamao de la segunda muestra
c 2=nmero de aceptacin de la segunda muestra
Como ejemplo, suponga que
n1=50, c 1=1, n2=100 y c 2=3,
es decir, una muestra
aleatoria de 50 unidades es tomada de un lote, y el nmero de defectuosos en la muestra

es d1, si se observa que d1 c1(1) el lote ser aceptado en la primera muestra; si se
observa que d1 > c2(3) el lote se rechazar en la primera muestra. Si se observa que c 1
(1) < d1 < c2 (3), se toma una segunda muestra de 100 unidades del lote y el nmero de
unidades defectuosas en la segunda muestra es d 2. Ahora se combinan los defectuosos
encontrados en las dos muestras para sentenciar el lote. Si d 1+d2 < c2 (3) el lote se
acepta, de lo contrario se rechaza. Grficamente el plan de muestreo doble del ejemplo
se ilustra en la figura 9.
Muestra aleatoria de n1 = 50 del

lote con d1 defectuosos observados
en la muestra
Aceptar el lote
d1< c1
d1> c2
Rechazar el
lote
Muestra aleatoria de n2 = 100 del

lote con d2 defectuosos observados
en la muestra
15
Aceptar el lote
d1+d2 < c2
d1+d2 > c2
Rechazar el
lote
Figura 9.
La curva OC
De la misma forma que un

plan de muestreo simple, la curva OC muestra el desempeo del plan de muestreo doble
para discriminar lotes. La curva OC para el siguiente ejemplo se muestra en la figura 10,
supongamos que n1=50, c1=1, n2=100 y c2=3.
La curva de color azul representa la
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
representa la probabilidad de aceptacin de las muestras combinadas,
probabilidad de aceptacin en la primera muestra y
PIIa
Pa
la
la probabilidad de aceptacin
de la segunda muestra, entonces tendremos que la probabilidad de aceptacin para el

plan de muestro doble ser la siguiente:
Pa=PaI + P IIa
I
Pa , es la probabilidad de que suceda que los defectuosos observados en

sea
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
P=0.05, tendremos que,

I
50
50
50
49
50
50
50
49
Pa=C 0 P (1P) +C 1 P (1P) =C 0 ( 0.05) ( 0.95) +C 1 ( 0.05) (0.95) =0.279

Para obtener la probabilidad de aceptacin en la segunda muestra deben suceder varias
cosas, entre ellas que se obtiene una segunda muestra si hay dos o tres defectuosas en
la primera muestra, esto es que c1 < d1 < d2.
d1=2 y d2 0, se observan 2 defectuosos en la primera muestra y uno o cero en la
segunda muestra. La probabilidad de aceptacin es:
2
48
100
0
100
1
99
P { d 1=2, d 2 1 }=P { d 1=2 } P { d 2 1 } ={C 50
+C 100
2 (.05) (.0 .95) }{C 0 (0.05) (0.95)
1 (0.05) ( 0.95) }=0.0097
d1=3 y d2 =0, se observan 3 defectuosos en la primera muestra y cero defectuosos en la

segunda muestra. La probabilidad de aceptacin es:
3
47
100
2
98
P { d 1=3, d 2=0 } =P { d 1=3 } P { d 2=0 }={C 50
3 (.05) (.0.95) }{C 2 (0.05) ( 0.95) }=0.001
La probabilidad de aceptacin en la segunda muestra es:
PIIa =P { d 1=2, d 2 1 } + P { d 1=3, d 2=0 }=0.0097+ 0.001=0.0107

La probabilidad de aceptacin de un lote con fraccin defectuosa de 0.05 es,
Pa=PaI + P IIa =0.297+0.0107=0.2897

Los dems puntos de la curva se calculan similarmente.
17
Nmero promedio de Muestra.

Este parmetro tambin es de inters para el ingeniero de calidad, y muestra el nmero
promedio de la muestra despus de seleccionar la segunda muestra y se calcula de la
siguiente forma:
ASN =n1 P 1+ ( n1+ n2 ) ( 1P1 ) =n1 +n2 (1P1 )

Donde:
P1=Pa en la primera muestra+la Probabilidad de rechazo en la primera muestra .
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
Y la inspeccin promedio total ATI se calcula as,
ATI =n1 P Ia+ ( n1 +n2 ) PIIa + N (1Pa )
Planes de muestreo mltiple.

El plan de muestreo mltiple es una extensin del plan de muestreo doble, ya que se
requieren ms de dos muestras para sentenciar un lote. Ejemplos de planes de muestreo
mltiples son los de la tabla 2.
Tamao de muestra acumulado
20
40
60
80
100
Tabla 2.
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
mayor al nmero de rechazo, el lote es rechazado; de otra manera se toma la siguiente

muestra. El muestreo contina hasta que la quinta muestra es tomada, al mismo tiempo
la decisin sobre la disposicin del lote debe ser tomada.
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.
Tablas Militares STD 105E (ANSI/ASQC Z1.4, ISO 2859).

Descripcin del estndar.
El muestreo de aceptacin fue desarrollado durante la Segunda Guerra Mundial y el
estndar MIL STD 105E es el procedimiento de muestreo de aceptacin para atributos es
el ms usado alrededor del mundo en la actualidad.
La versin MIL STD 105A fue
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
inspeccin reducida se instituye cuando el historial de calidad reciente del proveedor ha

estado excepcionalmente buena.
El tamao de la muestra usada en la inspeccin
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.
Diferentes valores de AQL son
Por ejemplo, el estndar diferencia
defectos crticos, defectos mayores y defectos menores. Es relativamente comn en la

prctica seleccionar un AQL de 1% para defectos mayores y un AQL de 2.5% para
defectos menores y los defectos crticos no son aceptables.
El tamao de la muestra en el MIL STD 105E es determinado por el tamao del lote y por
el nivel de inspeccin seleccionado. Se proporcionan tres niveles de inspeccin, el nivel II
se considera como norma, el nivel I requiere cerca de la mitad de cantidad de inspeccin
que el nivel II y se usa cuando se requiere menos discriminacin. El nivel III requiere el
doble de la inspeccin que el nivel II y se usa cuando se necesita ms discriminacin.
Tambin se proporcionan cuatro niveles especiales de inspeccin: S-1, S-2, S-3 y S-4.
Estos niveles especiales de inspeccin utilizan muestras muy pequeas y son utilizadas
cuando muestras pequeas son requeridas y cuando existe riesgo en el muestro y debe
ser tolerado.
Reglas para cambiar entre inspeccin normal, rigurosa o reducida.

El procedimiento para cambiar entre inspeccin normal, rigurosa y reducida se ilustra en
la figura 11 y se describe a continuacin:
De Normal a Rigurosa.
Cuando la inspeccin normal est en efecto, se cambia a
inspeccin rigurosa cuando dos de cinco lotes consecutivos son rechazados.

De Rigurosa a Normal. Cuando la inspeccin rigurosa est en efecto, la inspeccin
normal se instituye cuando cinco lotes consecutivos son aceptados.
De Normal a Reducido.
Cuando la inspeccin normal est en uso, se cambia a
inspeccin reducida cuando se cumplen las siguientes cuatro condiciones:

Los diez lotes precedentes han estado en inspeccin normal y ningn lote ha sido
rechazado.
El nmero total de defectuosos en las muestras de los diez lotes precedentes es menor o
igual que el nmero aplicable especificado en el estndar.
La produccin se mantiene estable; esto es, no hay dificultados como paro de mquinas,
falta de materiales o problemas que hayan ocurrido recientemente.
20
La reduccin de inspeccin se considera deseable por la autoridad responsable del

muestreo.
De Reducido a Normal. Cuando la inspeccin reducida est en uso, se cambia a
inspeccin normal cuando cualquiera de las siguientes condiciones ocurren:
Un lote es rechazado.
Cuando el procedimiento de muestreo termina y el criterio de aceptar o rechazar el lote no
se ha alcanzado, el lote ser aceptado, pero se regresa a inspeccin normal con el
prximo lote.
La produccin es irregular o se retrasa.
Otras condiciones garantizan que la inspeccin normal debe instituirse.
Descontinuar la inspeccin. En el entendido de que diez lotes consecutivos
permanezcan en inspeccin rigurosa, la inspeccin bajo el MIL STD 105E deber terminar
y alguna accin se deber tomar con el proveedor para mejorar el nivel de calidad de sus
lotes suministrados.
- 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
Estndar MIL STD 105E

El procedimiento para utilizar las tablas militares MIL STD 105E es el siguiente:
Seleccionar el AQL
AQL = 0.65%
21
Seleccionar el nivel de inspeccin

Normal
Determinar el tamao del lote
N = 2000
Encontrar la letra cdigo apropiada para el tamao de la muestra en la tabla 3. (Tabla 1
del MIL STD 105E).
Letra cdigo K
Determinar el tipo apropiado de plan de muestreo para usar (simple, doble, mltiple)
Simple
Consultar la tabla apropiada para encontrar el tipo de plan para usar.
Con la letra K, n=125 y Ac=2 y Re=3; n=125 y c=2 (tabla 4)
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.
Tablas MIL-STD 105E.

Tabla de la letra Cdigo
23
Tabla para Muestreo Simple e Inspeccin Normal
24
Tabla para Muestreo Simple e Inspeccin Rigurosa

25
Tabla para Muestreo Simple e Inspeccin Reducida

26
Tabla para Muestreo Doble e Inspeccin Normal

27
Tabla para Muestreo Doble e Inspeccin Rigurosa

28
Tabla para Muestreo Doble e Inspeccin Reducida

29
Tabla para Muestreo Mltiple e Inspeccin Normal

30
31
32
Tabla para Muestreo Mltiple e Inspeccin Rigurosa
33
34
Tabla para Muestreo Mltiple e Inspeccin Reducida
35
36
Tablas de Muestreo de Aceptacin de Dodge-Romig

En la dcada de los veinte, H. F. Dodge y H. G. Romig disearon un juego de tablas de
inspeccin para la aceptacin de producto lote por lote mediante el muestreo de atributos.
Estas tablas se basan en dos de conceptos nivel de calidad lmite (NCL) y lmite de la
calidad promedio de salida (LCPS)(Dodge & Romig, 1929). Por cada uno de estos
conceptos hay tablas, tanto para muestreo sencillo como doble.
Aunque inicialmente se pens en ellas para su uso interno por la Bell Telephone System,
en 1944 se permiti el acceso del pblico en general a las mismas al publicarse un libro
en dicha fecha.
El libro incluye cuatro juegos de tablas (Hansen & Ghare, 1989).
1. Tablas de tolerancia de lotes con muestreo simple
2. Tablas de tolerancia de lotes con muestreo doble
3. Tablas AOQL con muestreo simple
4. Tablas AOQL con muestreo doble
La ventaja principal de las tablas de Dodge-Romig es la reducida inspeccin necesaria
para un procedimiento de inspeccin determinado. Esta ventaja hace especialmente
atractivas las tablas en la inspeccin que se hace en el mismo sitio donde se obtienen
los productos.
Nivel de Calidad Lmite

1. Nivel de calidad lmite (NCL). Estas tablas se basan en la probabilidad de que
un lote en particular, cuyo porcentaje de no conformidad sea igual al NCL, resulte
aceptado. Esta probabilidad es el riesgo del consumidor, , y es igual a 0.10. Los planes
NCL garantizan que los lotes individuales de mala calidad rara vez resulten aceptados.
Hay dos juegos de tablas NCL: uno para el muestreo sencillo y otro para el
muestreo doble. Cada juego tiene tablas para valores de NCL de 0.5, 1.0, 2.0, 3.0, 4.0,
5.0, 7.0 Y 10.0%, con un total de 16 tablas. (Dodge & Romig, 1941)
Para usar las tablas, antes hay que tomar una decisin acerca de si se va a utilizar el
muestreo sencillo o el muestreo doble. Adems, el NCL tiene que calcularse, lo que se
puede hacer de manera semejante al caso de NCA. El tipo de muestro (sencillo o doble) y
el NCL determinarn qu tabla hay que utilizar.
Una vez que se sabe cul es el tamao del lote y el promedio del proceso, es fcil
obtener el plan de muestreo de aceptacin.
Ejemplo 1:
37
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
como resultado menos inspecciones y un menor costo de inspeccin por

muestreo.
Lmite de la Calidad Promedio de Salida

2. Lmite de la calidad promedio de salida, LCPS, ( AOQL). Los planes de
muestreo para el concepto LCPS se concibieron como respuesta a necesidades surgidas
en cierta situacin de fabricacin. Cuando se especifica la cantidad de lote, como es el
caso en los lotes del cliente (homogneos) es aplicable el concepto de LCPS pero
tambin es aplicable cuando el lote inspeccionado es una subdivisin conveniente del
flujo de un producto para propsitos de manejo de materiales (no homogneos). Los
planes LCPS limitan la cantidad de la calidad pobre de salida, con base en un promedio,
pero no ofrecen garanta alguna en el caso de los lotes individuales. Las tablas para el
LCPS tienen un grupo para muestreo sencillo y otro para muestreo doble. Cada grupo
tiene tablas para valores LCPS de 0.1, 0.25, 0.5, 0.75, 1.0, 1.5, 2.0, 2.5, 3.0, 4.0, 5.0,
7.0y 10.0%, lo que da un total de 26 tablas.(Dodge & Romig, 1941) Para propsitos de
explicacin, en la tabla 9-7 se muestra una tabla para muestreo sencillo, en el que el
LCPS = 3.0%. No aparecen las tablas de los dems valores de LCPS.
Adems de definir si se utilizar muestreo sencillo o doble, tambin se necesita el
valor de LCPS. El tipo de muestreo (sencillo o doble) y el LCPS indicarn qu tipo de
tabla habr que usar.
Ejemplo 2:
Para el producto descrito en el ejemplo 1 Cules son los criterios de aceptacin si se usa
un plan de doble muestreo y LCPS 2 por 100?
Se utilizara la tabla con doble muestreo con LCPS= 2. El tamao del lote es 750, que
est en el intervalo 601-800 y el valor estimado de la media del proceso est en el
intervalo 1.21-1.60 da el siguiente plan de muestreo:
Trial 1
n1
38
Trial 2
c1
0
n2
82
n1+n2
120
c2
4
pt
7.3
En los planes de doble muestreo de las tablas Dodge-Romig, el nmero c 2 representa el

total acumulativo de elementos defectuosos. Es interesante comparara los planes de los
dos ejemplos. En el primer ejemplo el plan indica aceptacin solo si hay tres o menos
39
elementos defectuosos en 130 elementos. En el segundo ejemplo, despus de ambas

muestras, se permiten cuatro elementos defectuosos en 10 elementos.
De un anlisis de las tablas LCPS se desprende lo siguiente:
a. Conforme aumenta el tamao del lote disminuye el tamao de la muestra.
b. No se ofrecen planes para promedios de procesos que rebasan el LCPS, dado que el
muestreo no es econmico cuando la calidad de entrada promedio es menor que el LCPS
especificado.
c. Cuanto ms bajo es el promedio del proceso, menor el tamao de la muestra, lo que se
traduce en menos costo por inspeccin.
3. Comentarios adicionales sobre las tablas de Dodge-Roming. El promedio del
proceso l00p- se obtiene mediante las mismas tcnicas utilizadas para la grfica p. Con
base en los primeros 25 lotes se obtiene el porcentaje promedio de no conformidad. En
el caso del muestreo doble, solo la primera muestra figura en el clculo. Se descarta
todo lote cuyo porcentaje de no conformidad rebase el lmite de 3 (100p -(1 - 100p_)/n),
(si su causa es atribuible) y se procede a calcular un nuevo promedio del proceso. Sin
embargo, hasta que no se logre obtener un promedio de proceso mediante la tcnica
anterior, deber utilizarse el promedio de proceso ms grande posible. Es decir, se
utilizar la ltima columna de las tablas hasta que se logre determinar lOOp-.
En las tablas de Dodge-Romig no se menciona nada sobre el tipo de no conformidad, si bien se pueden emplear diversos valores de NCL o LCPS; los ms bajos para no
conformidades graves y los ms altos para las no conformidades secundarias. No se
menciona nada sobre la inspeccin rigurosa o reducida, si bien tambin se pueden utilizar
diversos valores de NCL o LCPS. Para el promedio del proceso se utilizan la cantidad de
no conformidades por 100 unidades, en vez del porcentaje de no conformidad. Por
ejemplo, 1m promedio de proceso de 2.00% de no conformidad es lo mismo que dos no
conformidades por cada 100 unidades.
En las pginas siguientes se presentan algunas tablas Dodge-Romig, pero en el artculo
Single Sampling and Double Sampling Inspection Tables de (Dodge & Romig, 1941)
estn todas la tablas originales.
40
Tablas Dodge-Romig.
Table 1.
Dodge and Romig Single Sampling Lot Inspection Table.

Based on Stated Value of Lot Tolerance Per Cent Defective (LTPD) = 1.0 % and Consumer's
Table 2.

Table 3.

Table 4.

Table 5.
Dodge-Romig Double Sampling Lot Inspection Table.

Table 6.
Dodge-Romig Double Sampling Lot Inspection Table (continued).

Table 7.
Dodge-Romig Single Sampling Lot Inspection Table.

Based on Average Outgoing Quality Limit (AOQL) = 2.0 %.
Table 8.

Table 9.

Table 10. Dodge-Romig Double Sampling Lot Inspection Table.

Table 11. Dodge-Romig Double Sampling Lot Inspection Table (continued).
41
Table 1. Dodge and Romig Single Sampling Lot Inspection Table.

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
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
: acceptance number for sample.
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
All indicates that each piece in lot is to be inspected.
AOQL : average outgoing quality limit.
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

Process Average (%)
LOT SIZE
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
: Allowable Defect Number for Sample.
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
AOQL : Average Outgoing Quality Limit.
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

Process Average (%)
LOT SIZE
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
entry of All indicates that each piece in lot is to be inspected.
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

Process Average (%)
LOT SIZE
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
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
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
PROCESS AVERAGE (%)

LOT SIZE
Trial 1
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
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.
Table 7. Dodge-Romig Single Sampling Lot Inspection Table.

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
PROCESS AVERAGE (%)

LOT SIZE
1- 15
16 - 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
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
LQL : limiting quality level corresponding to a consumers risk () = 0.10.

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
PROCESS AVERAGE (%)

LOT SIZE
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
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

PROCESS AVERAGE (%)
LOT SIZE
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
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
PROCESS AVERAGE (%)

LOT SIZE
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

PROCESS AVERAGE (%)
LOT SIZE
Trial 1
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
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
c1 = acceptance number for sample.
c2 = acceptance number for first and second samples combined.
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

PROCESS AVERAGE (%)
LOT SIZE
Trial 1
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
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
c1 = acceptance number for sample. c2 = acceptance number for first and second samples combined.

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
PROCESS AVERAGE (%)

LOT SIZE
Trial 1
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
c1 = acceptance number for sample.
c2 = acceptance number for first and second samples combined.
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
Muestreo de aceptacin por variables

En este tipo de planes de muestreo, segn (Carot Alonso, 2001) se toma una muestra
aleatoria del lote y a cada unidad de la muestra se le mide una caracterstica de calidad
aleatoria del lote Peso, Longitud, etc. Con las mediciones se calcula un estadstico, que
generalmente est en funcin de la media y la desviacin estndar muestral, y
dependiendo del valor de este estadstico al compararlo con un valor permisible, se
aceptar o rechazar todo el lote.
Definicin.
En los planes de muestreo de aceptacin por variables se especifican el nmero de
artculos que hay que muestrear y el criterio para juzgar los lotes cuando se obtienen
datos de las mediciones respecto a la caracterstica de calidad que interesa.
Estos planes se basan generalmente en la media y desviacin estndar mustrales de
la caracterstica de calidad. Cuando se conoce la distribucin de la caracterstica en el
lote o el proceso, es posible disear planes de muestreo por variables que tengan
riesgos especificados de aceptar y de rechazar lotes de una calidad dada.
Ventajas.
Se puede obtener de la misma curva caracterstica de operacin con un tamao
muestral menor que lo requerido por un plan de muestreo por atributos. Cuando se
utilizan pruebas destructivas, el muestreo por variables es particularmente til para
reducir los costos de inspeccin. Los datos de mediciones proporcionan normalmente
ms informacin sobre el proceso de manufactura o el lote que los datos de atributos.
Desventajas.
Se debe de conocer la distribucin de la caracterstica de calidad. Se debe de usar un
plan para cada caracterstica de calidad que hay que inspeccionar. Es posible que el
uso de un plan de muestreo por variable lleve al rechazo de un lote aunque la muestra
que se inspecciona realmente no tenga ningn artculo defectuoso.
En el muestreo de aceptacin por variable, inspeccionamos los productos de acuerdo
con una medida cuantitativa de la calidad (por ejemplo: Peso, longitud, resistencia a la
presin, etc.). En el caso de las caractersticas que se miden en una escala continua,
debemos tener en cuenta que nunca se pueden lograr estndares exactos, porque
55
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
mayor que el aceptable y producir ms desechos o requerir ms reparaciones que lo

anticipado.
Riesgo del productor,
El error de tipo I se refiere al riesgo del productor debido a que ste produce un buen
lote que aun as es rechazado.
Una curva caracterstica de operacin (curva OC) cuantifica estos riesgos en una
grfica que permite elegir el plan de muestreo apropiado para el riesgo que usted est
dispuesto a aceptar.
Se tiene que n = 10 tamao de muestra apropiado. Con el fin de determinar el rango de
aceptacin para el promedio de la muestra, debemos fijar la probabilidad de cometer el
error tipo I. En este caso, fijaremos la probabilidad de error tipo I en 0.05. Para
determinar el rango de aceptacin debemos tener en cuenta que la variable:
Z=
x
S
n
Tiene una distribucin de probabilidades conocida con el nombre de distribucin

normal estndar. Las probabilidades de la distribucin normal estndar estn tabuladas
en los textos de estadstica.
Tipos generales de procedimientos de muestreo por variables
Planes que controlan la fraccin defectuosa del lote o el proceso.
Planes que controlan un parmetro (normalmente la media) del lote o el proceso.
Procedimiento 1: Se obtiene una muestra aleatoria de n artculos del lote y se calcula la
estadstica.
ZLIE (o distancia crtica) expresa exactamente la distancia entre la media muestral x y el
lmite inferior de especificacin en unidades de desviacin estndar.
Cuando ms grande sean los valores de Z LIE, tanto ms lejos se encuentra la media
muestral x respecto del lmite inferior de especificacin, por consiguiente, ms pequea
es la fraccin defectuosa p del lote.
Z LIE =
x LIE
ec .(1)
57
Si ZLIE k, se aceptar el lote. Si ZLIE < k, se rechazar el lote.

Procedimiento 2: Se obtiene una muestra aleatoria de n artculos del lote y se calcula
ZLIE. Para estimar la fraccin defectuosa del lote o el proceso, se utiliza Z LIE como el
rea bajo la curva de distribucin normal estndar a la izquierda de Z LIE. Sea
^p
el
estimador, si el valor del estimador p es mayor que un mximo especificado M, se

rechazar, el lote de otra manera se aceptar.
QLIE =Z LIE
( ^p > M )
n
ec (2)
n1
Muestreo por aceptacin que busca responder a la cuestin en cuanto a la calidad de

los artculos que se adquiere con base a la inspeccin de una muestra aleatoria de
tems del lote del producto terminado que conduce necesariamente a una decisin,
aceptar o rechazar el lote.
En el caso de un lmite superior se puede usar cualquiera de los 2 procedimientos, pero
se calcula el estadstico:
Z LSE=
LSE x
ec .(3)
Qu es la distancia crtica en un muestreo de aceptacin?

La distancia crtica es el valor que Minitab utiliza para compararlo con la media de la
muestra y los lmites de especificacin para determinar si se acepta o se rechaza un
lote incluido en la muestra de un plan de muestreo de aceptacin por variables. (Z LIE)
Por ejemplo, supongamos que usted toma una muestra de lotes de botellas llenas. Su
plan de muestreo requiere tomar una muestra aleatoria de 100 de las 1000 botellas de
un envo. Las especificaciones inferior y superior de volumen de llenado son 24.5 y 26.7
onzas. Minitab determina que la distancia crtica ser 2.5.
Mientras la desviacin estndar del lote sea menor que la desviacin estndar mxima
(MSD), usted debe aceptar el lote entero si:
(Media - especificacin inferior) / desviacin estndar es mayor que o igual a 2.5
58
(Especificacin superior - media) / desviacin estndar es mayor que o igual a 2.5

Ambos criterios deben ser verdaderos o, de lo contrario, usted debe rechazar el lote
entero.
Riegos
Se sabe por anticipacin que cualquier decisin involucra riegos (Tomar la decisin
correcta o equivocada) y que por regla general cuanto ms informacin tenemos sobre
el problema, menores son los riesgos de tomar la decisin equivocada.
Riesgo de Productor la probabilidad de que el lote sea RECHAZADO cuando en
VERDAD el lote presenta la calidad deseada. Error de tipo I
Riesgo del Consumidor es la probabilidad que este sea ACEPTADO cuando no
presenta la calidad deseada. Error de tipo II
La elaboracin de Planes de Muestreo para Aceptacin toma en cuenta todos estos
factores y una vez establecido se pueden representar los riegos del productor y del
consumidor a travs de puntos sobre una curva denominada Curva Caracterstica de
Operacin - CCO del plan de Muestreo. La CCO es construida calculndose
la probabilidad del Riesgo del Productor tomando en cuenta la supuesta Calidad del
Lote. Esta probabilidad estar dada por el modelo de probabilidad que mejor describe
la variacin que introducimos en el proceso al juzgar la poblacin con base al examen
de una muestra tomada de ella. El establecimiento de Tablas de Control as como de
Planes de Muestro para Aceptacin requieren de significativo conocimiento de Mtodos
Estadsticos que trascienden los objetivos de este texto.
Pasos para la seleccin de un Plan de muestreo de aceptacin por variables.

Determinar la media
y la desviacin estndar S que esperamos en un lote
aceptable.
59
Fijar la Probabilidad de cometer el error tipo I deseada (menor de 0.10) y un tamao de

muestra n que consideremos adecuado desde el punto de vista del costo.
Con base en los valores de n, , S y la probabilidad de cometer el error tipo I, se
determina el rango de aceptacin haciendo uso de las tablas de la distribucin
normal estndar.
En
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
Alonso, V. C. (2001). Control estadstico de la calidad. In Captulo VIII: Grafico de

control por variables (pp. 395-436). Mxico: Alfaomega grupo editor.
Dodge, H. F., & Romig, H. G. (1929). A Method of Sampling Inspection. The Bell System
Technical Journal, 613631.
Dodge, H. F., & Romig, H. G. (1941). Single Sampling and Double Sampling Inspection Tables.
The Bell System Technical Journal, 20(1), 161. http://doi.org/10.1016/S00160032(23)90506-5
Hansen, B. L., & Ghare, P. M. (1989). Control de calidad: teora y aplicaciones (Diaz de Sa)
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.
Para demostrar el procedimiento, suponga que una caracterstica de calidad esta

normalmente distribuida y los lmites naturales de tolerancia del proceso son (
3 coinciden exactamente con los lmites de especificacin. Adems, la media
del proceso est en la mitad de la especificacin por lo que el proceso produce un
0.27% de defectuosos.
Construir los dos lmites de precontrol llamados superior e inferior, cada uno a un de
la distancia del lmite modificado, como se ve en la figura 1, ya que la distribucin de la
caracterstica de calidad esta normalmente distribuida, se espera que un 86% del
procesos este entre los lmites de precontrol y un 7% aproximado estar entre los
lmites de control y los lmites de especificacin.
Esto significa que solamente una pieza en 14 caer fuera de los lmites de precontrol si
la media y la desviacin estndar estn sobre los valores objetivo.
Si la probabilidad es 1/14 de que una unidad caer fuera de los lmites de precontrol, la
probabilidad de que dos unidades consecutivas estn ms all de los lmites de
1
1
1
=
precontrol es
14 14 196 . Esto significa que si el proceso opera correctamente,
( )( )
la probabilidad de encontrar dos unidades consecutivas fuera de los lmites de

1
precontrol dados, es solamente 200 . Cuando dos unidades consecutivas son
62
encontradas de esta manera, es probable que el proceso haya cambiado su estado a

uno fuera de control, de manera similar. De manera similar, es poco probable encontrar
que una pieza est ms all del lmite de precontrol y la siguiente est ms all del otro
lmite de precontrol, en este caso se sospecha que la variabilidad del proceso se ha
incrementado.
63

Muestreo de Aceptación

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Muestreo de Aceptación

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD AUTNOMA DE BAJA CALIFORNIA

Medicin, Anlisis y Mejora de Procesos

Pasos para la seleccin de un Plan de muestreo de aceptacin por variables................

La inspeccin de materias primas, subensambles o productos seminternados y el

Cuando las pruebas son destructivas

Cuando el costo de la inspeccin al 100% es extremadamente alto, o no es

produccin se afectara seriamente.

Ventajas y desventajas del muestreo de aceptacin con respecto a la inspeccin al

Es menos costoso ya que la inspeccin es menor.

Existe el riesgo de aceptar lotes malos y de rechazar lotes buenos.

Tipos de planes de muestreo.

Los planes de muestreo se clasifican como

simples, dobles, mltiples y secuenciales. Un plan de muestreo simple consiste en

Plan de Muestreo Simple para Atributos.

Definicin de un plan de muestro simple.

n=89 y c=2 , esto significa que de un lote de 10.000

unidades se obtiene una muestra aleatoria de 89 unidades, se inspeccionan y se observa

observado de defectuosos es menor o igual que 2, el lote ser aceptado. Si el nmero

Curva Caracterstica de Operacin (OC).

n=89 y c=2 , es el que se muestra en la figura 1.

P ( d defectuosos )=Cnd Pn (1P)nd ; y la probabilidad de aceptacin es igual a la

; por ejemplo, si la fraccin defectuosa del lote es

p=.01, n=89 y c=2 , tenemos que:

La tabla 1, muestra las probabilidades de aceptacin para varios valores de fraccin

La curva OC muestra el poder de discriminacin del plan de muestreo. Por ejemplo, en el

n=89 y c=2 , si los lotes son 2% defectuosos, la probabilidad de aceptacin es

Esto significa que de cada 100 lotes suministrados de un proceso de

manufactura con un 2% de producto defectuoso, el plan de muestreo espera aceptar 74

La forma de la curva OC ideal puede ser aproximada

incrementando el tamao de la muestra, como se muestra en la figura 3, los nmeros de

Puntos especficos sobre la curva OC.

LTPD es el nivel de calidad ms pobre que el consumidor est dispuesto a aceptar en un

Diseando un plan de muestreo simple con un curva OC especfica.

( es la probabilidad de rechazar un lote bueno), para lotes con

una fraccin defectuosa

p1 ; adems, una probabilidad de aceptacin (probabilidad

de aceptar un lote malo) con una fraccin defectuosa

p2 . Para calcular los valores de

se requiere establecer los cuatro parmetros anteriores, supongamos que el plan

de muestreo debe satisfacer un AQL del 0.5% con

y un LTPD del 4% con

=10 ; para disear el plan de muestreo simple utilizaremos para ms comodidad el

Y la curva OC que muestra una

Operating Characteristic (OC) Curve

Lot Percent Defective

lotes que llegan al

Para ilustrar el uso de la frmula anterior suponga que

N=10,000, n=89 y c=2 , la

La calidad promedio de salida es el 0.93% de defectuosos.

AOQ=(0.9397) ( 0.01 ) =0.009397 , resultados prcticamente iguales.

N=10,000, n=89 y c=2 , la fraccin

ATI =89+ ( 10.9397 )( 10,00089 )=687

Entonces el promedio total de inspeccin es de 687 unidades.

Plan de muestreo doble.

n1=tamao de la primera muestra

n1=50, c 1=1, n2=100 y c 2=3,

es decir, una muestra

aleatoria de 50 unidades es tomada de un lote, y el nmero de defectuosos en la muestra

Muestra aleatoria de n1 = 50 del

Muestra aleatoria de n2 = 100 del

De la misma forma que un

La curva de color azul representa la

representa la probabilidad de aceptacin de las muestras combinadas,

probabilidad de aceptacin en la primera muestra y