CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015.

UNIDAD 2
Antonio Vaamonde Liste y Ricardo Luaces Pazos

CURSO DE FORMACIN
CONTROL ESTADSTICO DE CALIDAD CON R
UNIVERSIDAD DE VIGO

UNIDAD 2. MUESTREO DE ACEPTACIN. CONCEPTO Y

TIPOS. CURVA DE OPERACIN. PLANES DE MUESTREO.

Se trata de verificar la calidad de un conjunto o lote de producto, referida en general a

la proporcin de elementos no defectuosos (piezas que cumplen las especificaciones),
aunque tambin puede tratarse del nmero de defectos (por ejemplo, en automviles
usados), o alguna otra caracterstica medible (como dimetro o peso). El conjunto o
lote ser globalmente aceptado o rechazado dependiendo de lo que se encuentre en la
muestra.
La inspeccin exhaustiva de todas las unidades del lote, permite obviamente conocer
con exactitud sus caractersticas, y tomar la decisin ms adecuada sobre su aceptacin
o rechazo, pero generalmente es inviable por razones de coste y tiempo o cuando la
prueba es destructiva. Debe tomarse una muestra, que permitir estimar (conocer de
forma aproximada) aquellas caractersticas con precisin suficiente. Una muestra
grande permite reducir el error de estimacin, pero incrementa el coste y tiempo
necesario, por lo que es conveniente determinar la muestra ms pequea posible que
cumple con los requisitos de precisin preestablecidos.
Es objetivo de esta unidad es el diseo de un plan de muestreo adecuado, con el cual la
mayora de los lotes correctos sean aceptados y la mayora de los lotes defectuosos
sean rechazados.
En el plan de muestreo se debe decidir: la frecuencia del muestreo (una sola vez,
peridicamente, de forma aleatoria, dependiendo del tamao o el valor, etc.), el
tamao de la muestra, y la caracterstica de calidad que debe ser inspeccionada en cada
unidad. En ocasiones se emplean planes de muestreo complejos, con varias fases
secuenciales, en cuyo caso es necesario decidir los diferentes tamaos de muestra y las
reglas de decisin a utilizar.
El Plan de muestreo puede ser simple, doble y mltiple. La inspeccin puede ser por
atributos (con 2 clases: aceptable/no aceptable, o bien con 3 clases:
aceptable/marginal/no aceptable) o por variables. Un plan de muestreo simple para
atributos con dos clases consiste en obtener una muestra aleatoria de tamao n; si el
nmero encontrado de unidades no conformes (defectuosas) es mayor que c el lote
ser rechazado, y en caso contrario aceptado. Es necesario nicamente establecer o
decidir los valores de n y c.

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Curva caracterstica de operacin.

La curva caracterstica de operacin (OC) representa grficamente la probabilidad de
que el lote sea aceptado para cada nivel de calidad (para cada porcentaje de elementos
defectuosos en el lote). Naturalmente cuanto mayor es el nmero de defectuosos
(calidad menor), menor ser tambin la probabilidad de que sea aceptado, por lo que
la curva siempre es decreciente, pero su forma depende del plan de muestreo
diseado.
No existe ningn plan perfecto que pueda distinguir por completo y con seguridad los
lotes buenos de los malos, salvo la inspeccin exhaustiva. Cualquier plan tiene por lo
tanto una probabilidad de rechazar un lote bueno (error de tipo I) y una probabilidad
de aceptar un lote malo (error de tipo II): un buen plan debe reducir ambas
probabilidades o riesgos de error hasta valores razonables. Esto se consigue
aumentando el tamao de la muestra, lo que hace que la curva OC se acerque a la
curva ideal. Lamentablemente el aumento del tamao de la muestra incrementa el
coste de la inspeccin, otra variable que conviene tener en cuenta.
La probabilidad de rechazar un lote con calidad razonable se conoce como riesgo del
productor (PR), y la de aceptar un lote con calidad inasumible es el riesgo del
consumidor (CR). El productor corre el riesgo de que sean rechazados lotes vlidos,
y el consumidor corre el riesgo de aceptar lotes no vlidos. Algunas normas (ISO
2859, AS 1199.2) definen valores orientativos que se consideran aceptables como PR
= 0,05 o CR = 0,10.
El punto de la curva caracterstica de operacin que corresponde al riesgo del
productor una vez fijado ste- se conoce como Punto de Riesgo del Productor (PRP),
y viene definido por sus dos componentes: el nivel de calidad del lote (porcentaje de
elementos defectuosos) y la probabilidad de aceptar un lote vlido.
Igualmente se puede fijar un riesgo del consumidor, y determinar en la curva OC el
Punto de Riesgo del Consumidor (PRC), definido por aquel riesgo (probabilidad de
aceptar un lote malo) y el valor de calidad que corresponda en la curva.
La figura siguiente muestra un ejemplo de curva caracterstica de operacin, con el
porcentaje de elementos no conformes o defectuosos que define la calidad del lote en
el eje horizontal, y la probabilidad de aceptar el lote (que depender del plan de
muestreo) en el vertical. Se ha marcado en color azul el PRP para un riesgo de 0,015
(probabilidad de aceptar = 0,985) que corresponde a un 10% de elementos defectuosos
en el lote, y en color rojo el PRC para un riesgo de 0,10 que corresponde a una calidad
de 55%.

0.6
0.0

0.2

0.4

P(accept)

0.8

1.0

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

0.0

0.2

0.4

0.6

0.8

1.0

Proportion defective

Dado un plan de muestreo simple, podemos construir con R la curva caracterstica de

operacin con la funcin OC2c del paquete AcceptanceSampling, que debe ser
instalado. El plan consiste en tomar una muestra aleatoria de n unidades y decidir si se
acepta el lote completo en funcin del nmero de unidades defectuosas encontradas.
La funcin OC2c crea un objeto correspondiente a un plan de muestreo simple para
atributos con dos clases (defectuoso/no defectuoso). En su forma ms sencilla solo
debemos indicar el tamao de muestra (por ejemplo 10) y el nmero mximo de
unidades defectuosas para que el lote sea aceptado (por ejemplo 2).
Copiaremos en la ventana de instrucciones de R Commander y ejecutaremos las
siguientes instrucciones:
library(AcceptanceSampling)
x <- OC2c(10, 2)
x
plot(x)

# carga el paquete AcceptanceSampling

# crea el objeto plan de muestreo para n=10 y c=2
# escribe el plan de muestreo generado
# representa la curva caracterstica de operacin

Para ejecutar una orden desde la ventana de instrucciones de R Commander es

suficiente con situar el cursor en cualquier punto de la orden y pulsar <ejecutar>; si la
orden ocupa ms de una lnea debe marcarse la orden completa con el cursor. Si
marcamos una parte se ejecutar esa parte (si es ejecutable), lo que es til para
visualizar los contenidos o valores de cualquier objeto de R (marcamos el nombre del
objeto y pulsamos <ejecutar>)
3

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Los resultados muestran el plan:

Acceptance Sampling Plan (binomial)
Sample 1
Sample size(s)
10
Acc. Number(s)
2
Rej. Number(s)
3

0.6
0.0

0.2

0.4

P(accept)

0.8

1.0

Y la curva OC

0.0

0.2

0.4

0.6

0.8

1.0

Proportion defective

Por defecto, R supone que la distribucin de probabilidad a utilizar es binomial. Esto

es correcto cuando cada elemento puede ser defectuoso o no, con una probabilidad P
constante de que sea defectuoso, de forma independiente de los dems, como ocurre
en general cuando las piezas salen de una mquina o sistema productivo de forma
continua.
Cuando se muestrean de un conjunto o poblacin de tamao fijo N (como cuando se
compra un lote que contiene N unidades), en el cual hay d piezas defectuosas, la
probabilidad de que la primera pieza muestreada sea defectuosa ser d/N, pero a
medida que se avanza en el muestreo la probabilidad (cociente entre unidades
defectuosas que permanecen y nmero total de unidades que quedan) va cambiando en
funcin del nmero de piezas defectuosas que han salido ya (la probabilidad P no es
constante), y en ese supuesto la distribucin adecuada no es la binomial, sino la
hipergeomtrica:
4

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

x <- OC2c(10,1, type="hypergeom", N=2000, pd=seq(0, 0.5, 0.01))

x
plot(x)

0.6
0.0

0.2

0.4

P(accept)

0.8

1.0

En este caso es necesario indicar en la funcin, adems del tamao de muestra (10), y
el nmero mximo de defectos para aceptar el lote (1), el tamao del lote (2000). Es
opcional y podra omitirse en la funcin- la secuencia de puntos con el argumento pd
(porcentaje de defectuosos) para los que se quiere calcular el valor en la curva, en el
ejemplo desde 0 hasta 0,5 a intervalos de 0,01, lo que facilita la interpretacin del
grfico omitiendo la parte irrelevante a la derecha de ese valor 0,5.

0.0

0.1

0.2

0.3

0.4

0.5

Proportion of population defectives (N=200

La orden: plot(x, type="l") ajusta en el grfico una lnea continua, en lugar de

valores aislados en cada punto.
Para escribir los valores de todas las probabilidades representadas en un grfico OC
podemos utilizar la orden:
summary(x, full=TRUE)
5

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Acceptance Sampling Plan (hypergeom with N=2000)

Sample size(s)
Acc. Number(s)
Rej. Number(s)

Sample 1
10
1
2

Detailed acceptance probabilities:

Pop. Defectives
0
20
40
60
80
100
120
140
160
180
200
220

Prop.defect.
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
0.11

.....
880
900
920
940
960
980
1000

P(accept)
1.00000000
0.99592384
0.98413812
0.96588189
0.94226420
0.91427457
0.88279283
0.84859821
0.81237794
0.77473524
0.73619678
0.69721960

..........
0.44
0.45
0.46
0.47
0.48
0.49
0.50

0.02658104
0.02299882
0.01983349
0.01704546
0.01459778
0.01245615
0.01058876

Se muestra en la tabla la proporcin de defectuosos (en este caso de centsima en

centsima, en la segunda columna), y la probabilidad de aceptacin. Tambin se
indica en la primera columna- el nmero de unidades defectuosas en el lote de 2000
unidades que corresponde a cada proporcin.

Elaboracin de un plan de muestreo.

En el apartado anterior hemos representado la curva OC correspondiente a un plan de

muestreo ya definido, pero en la prctica debemos en general resolver el problema
contrario, encontrar el plan de muestreo a partir de la curva OC, es decir determinar
cul es el tamao de muestra adecuado y cul el nmero c de elementos defectuosos
que debemos encontrar como mximo en la muestra para aceptar el lote, de forma que
se cumplan las especificaciones que nos interesan en el control de la calidad
expresadas mediante una curva OC.

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Para ello se pueden establecer los dos puntos importantes de la curva, PRP y CRP,
cada uno de los cuales viene definido por un nivel de calidad (eje X) y una
probabilidad de aceptacin (eje Y).

PRP = (0,05; 0,95)

El primer elemento del punto de riesgo del productor PRP es el porcentaje de
elementos defectuosos que se supone que tiene el lote (calidad del lote, por ejemplo
0,05), y el segundo es la probabilidad mnima de aceptar un lote vlido (por ejemplo
0,95) que debe proporcionar el plan de muestreo: el plan buscado debe conducirnos a
aceptar al menos el 95% de los lotes vlidos, considerando como vlidos aquellos que
no superan el 5% de unidades defectuosas.

CRP = (0,25; 0,10)

El primer elemento del punto de riesgo del consumidor es asimismo un nivel de
calidad, en este ejemplo 25% de elementos defectuosos, y el segundo el valor mximo
de la probabilidad de aceptacin: el plan buscado debe aceptar como mximo el 10%
(rechazar como mnimo el 90%) de los lotes que tengan un 25% o ms de piezas
defectuosas.
Encontramos el plan buscado con la funcin find.plan, del paquete AcceptanceSampling:

find.plan(PRP=c(0.05, 0.95), CRP=c(0.25, 0.10), type="binom")

El resultado, una vez ejecutada la orden find.plan, es:

$n
[1] 25
$c
[1] 3
$r
[1] 4

Es decir, el tamao de muestra debe ser 25; aceptaremos el lote si entre esas 25
unidades elegidas aleatoriamente aparecen 3 unidades defectuosas o menos, y lo
rechazaremos si encontramos 4 o ms.
Para utilizar la distribucin hipergeomtrica en lugar de la binomial debemos emplear
type = "hypergeom" e indicar un valor de N:
find.plan(PRP=c(0.05, 0.95), CRP=c(0.25, 0.10), type="hypergeom", N = 100)

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Verificacin de un plan de muestreo.

Si queremos averiguar si un determinado plan de muestreo cumple con las
especificaciones que podemos establecer mediante PRP y CRP, debemos utilizar la
funcin assess.
Supongamos que estamos utilizando de forma habitual un plan de muestreo con n=100
y c=5; nos gustara que el plan acepte al menos el 90% de los lotes que tienen un
porcentaje de defectuosos del 4% o menos, y que rechace como mnimo el 80% de
aquellos lotes que contienen un 8% de defectuosos o ms. Cumplir nuestro plan con
estas expectativas?
Con esos datos, tenemos PRP=(0.04; 0.90) y CRP=(0.08; 0.20)
Construimos la funcin assess con los siguientes argumentos, suponiendo que la
distribucin de probabilidad es binomial, indicando n y c, y los puntos PRP y CRP:
assess(OC2c(100,5), PRP=c(0.04, 0.90), CRP=c(0.08, 0.20))

Los resultados de la ejecucin de esta orden son:

Acceptance Sampling Plan (binomial)

Sample size(s)
Acc. Number(s)
Rej. Number(s)

Sample 1
100
5
6

Plan CANNOT meet desired risk point(s):

PRP
CRP

Quality
0.04
0.08

RP P(accept) Plan P(accept)

0.9
0.7883749
0.2
0.1798764

Este resultado muestra que el plan no cumple con aquellas especificaciones deseables:
acepta nicamente el 78,8% de los lotes buenos en lugar del 90% que pedamos, aunque
s rechaza ms del 80% (acepta el 17,987%) de los que superan el 8% de defectuosos.

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

Plan de muestreo doble o mltiple.

Lo mismos procedimientos anteriores pueden ser utilizados para planes ms complejos.
Por ejemplo, la norma ISO 2859 define planes de muestreo dobles, formados por dos
muestras secuenciales, para inspeccin normal (se usa la inspeccin normal, frente a la
inspeccin rigurosa o la inspeccin reducida, cuando no hay razones para pensar que el
proceso difiera de la calidad esperada); esta norma indica (plan G), para un lmite de
calidad aceptable (AQL) del 4% de elementos defectuosos, dos muestras con las
caractersticas que se indican en la tabla siguiente.
ISO 2859 Plan G de muestreo doble con AQL=4%
muestra tamao acepta rechaza
1
20
1
3
2
20
4
5
Si en la primera muestra se encuentra una unidad defectuosa o menos, el lote es
aceptado, y si se encuentran 3 o ms, rechazado. En otro caso (si se encuentran 2), se
selecciona aleatoriamente la segunda muestra, acumulando los defectuosos encontrados
en ambas. Si este nmero es 4 o menos se acepta el lote, y si es mayor se rechaza. Un
plan de muestreo doble (o mltiple), es en general ms eficiente que uno simple, aunque
tambin requiere un coste o esfuerzo mayor.
En las rdenes de R los valores mltiples de n, c, o r, se escriben como vectores,
mediante la funcin de conjunto c:
x <- OC2c(n=c(20,20), c=c(1,4), r=c(3,5))
x
plot(x)
grid(lty="solid")
# representa una cuadrcula aadida al grfico

muestra los siguientes resultados:

Acceptance Sampling Plan (binomial)

Sample size(s)
Acc. Number(s)
Rej. Number(s)

Sample 1 Sample 2
20
20
1
4
3
5

0.6
0.0

0.2

0.4

P(accept)

0.8

1.0

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

0.0

0.2

0.4

0.6

0.8

1.0

Proportion defective

Servir este plan para aceptar al menos el 90% de los lotes buenos (con 4% o menos de
unidades defectuosas) y rechazar al menos el 90% de los lotes que superen el 20% de
unidades no conformes?

assess(x, PRP=c(0.04, 0.90), CRP=c(0.20, 0.10))

Acceptance Sampling Plan (binomial)
Sample 1 Sample 2
Sample size(s)
20
20
Acc. Number(s)
1
4
Rej. Number(s)
3
5
Plan CAN meet desired risk point(s):
Quality
RP P(accept) Plan P(accept)
PRP
0.04
0.9
0.94974204
CRP
0.20
0.1
0.09739023

Observamos que nuestro plan G cumple con esas especificaciones.

10

CONTROL ESTADSTICO DE CALIDAD CON R mayo 2015. UNIDAD 2

Antonio Vaamonde Liste y Ricardo Luaces Pazos

TAREA 2:

1) Construya la curva caracterstica de operacin para un plan de muestreo simple de

aceptacin por atributos con dos modalidades (conforme/no conforme) en el que se
seleccionan al azar 25 unidades y se acepta el lote si se encuentran 2 o menos
defectuosas (en otro caso se rechaza). La distribucin es binomial.
2) Compruebe si ese plan de muestreo ser adecuado para aceptar al menos el 90% de
los lotes que tienen un porcentaje mximo de defectuosos del 5%, y rechazar
como mnimo el 90% de aquellos lotes que contienen un 20% de defectuosos o
ms.
3) En caso negativo, encuentre un plan de muestreo simple que cumpla con las
especificaciones del apartado anterior.

Se debe elaborar un informe de prcticas con los resultados obtenidos, aadiendo

comentarios personales del alumno con su interpretacin de los resultados, en un
archivo Word (puede utilizarse cualquier otro editor de texto alternativo). El archivo,
cuyo nombre debe ser el primer apellido del alumno con el nmero de la tarea a
continuacin (ej. Garcia2.docx), debe enviarse antes de las 24h del da 8 de mayo a
travs de la opcin enviar tarea en la plataforma del curso.

11