Necesito un poco de ayuda estadística. He estado trabajando en un proyecto que ha arrojado resultados no concluyentes según mi muestreo. No obstante, mi equipo de liderazgo quiere seguir adelante y planea tomar muestras de la línea con una frecuencia establecida para "verificar" lo que no pude por mi cuenta. Necesito ayuda para estimar la probabilidad de que encuentren lo que yo no pude encontrar en función de su mayor frecuencia.
Aquí hay algunos detalles.
- que buscan -
- Producto falsamente aceptado (Alimentos de bajo peso)
- Rango de producto fuera de especificación - >0 y <36,4 gramos
- Frecuencia de muestreo - 12 barras cada 30 minutos
- Frecuencia de población - 10.500 bares cada 30 minutos
- Basado en una distribución normal estable, teorizo que alrededor de 1.03751% o 109 barras de las 10,500 barras durante ese período de tiempo caerán dentro de la categoría fuera de especificación.
La esperanza es que al muestrear a la frecuencia que la producción ha elegido, si no pueden encontrar ninguna barra fuera de las especificaciones. Eso mostrará que la mejora en la que he estado trabajando no ha aumentado el riesgo de que el producto sea aceptado falsamente a través del sistema de medición. Mi sensación es que incluso después de pasar por este estudio y tal vez no encontrar barras defectuosas, es posible que no hayan encontrado ningún producto defectuoso debido solo al tamaño de la muestra.
Tengo que imaginar que existe una estadística que puede ayudarme a predecir cuántas muestras necesitaría recolectar para encontrar un producto defectuoso.
¡Hola, mmeeews!
Estoy totalmente de acuerdo con Georgia: debería contratar a un estadístico.
En mi experiencia, la gerencia entiende los costos mejor que las probabilidades.
Como tal, echa un vistazo a este artículo: Nivel de Calidad por Costo Mínimo de Fabricación de una Especificación
Se trata de hogazas de pan en lugar de barras, pero entiendes la idea...
Buena suerte
Su pregunta es la pregunta más frecuente de un estadístico: ¿qué n debo usar?
La respuesta más frecuente es "depende".
Existen numerosos sitios web con planes de aceptación de cero fallas que requieren que se definan AQL, un nivel de calidad aceptable y otros detalles antes de usar una fórmula o una tabla para N.una muy sencilla es http://asq.org/quality-progress/2007/11/basic-quality/zero-defect-sampling.html .
Sin embargo, le recomiendo que busque al estadístico de su empresa o tal vez trabaje con el profesor de estadística de la universidad local.Hay muchos detalles que deberían discutirse antes de dar una respuesta (depende).Por ejemplo, ¿cómo se recolecta la muestra: al final de la línea de varias líneas de producción? Si recolecta 12 muestras cada 30 minutos, ¿eso significa que las 12 se recolectaron al mismo tiempo?¿Capturará su plan las herramientas de fuentes múltiples? ¿El peso de la barra depende solo de un conjunto de herramientas o de una serie de herramientas? [Ya que dijiste barras, estaba pensando en barras de granola recubiertas, ¡mmm! Para un escenario como ese, el problema del peso se debe a la "prensa" de la barra o al recubridor.]
¿Tiene gráficos/monitores de control para cada uno de los procesos de la herramienta? En caso afirmativo, ¿cuál es su estabilidad? Cuando asume una distribución normal aleatoria, ¿ha mirado los datos por tiempo y herramienta y es una suposición razonable? Al igual que los estudios de cáncer en ratones desnudos, a veces las pruebas/muestras de los que tienen más probabilidades de fallar pueden proporcionar información, y otras veces puede perder información valiosa. Si tiene muchas herramientas, puede usar la simulación para "qué pasaría si" se creara una barra a partir de la serie de herramientas en el extremo bajo, bajo, bajo.
Cuando ha visto fallas antes, ¿fueron realmente aleatorias o agrupadas en el tiempo?
Muchos planes de muestreo, especialmente si algo ha cambiado y no hay una línea de base verdadera, utilizan un método de muestreo doble. Por ejemplo, si una de sus muestras está muy lejos de los límites de especificación (tanto la media como la desviación estándar de la muestra), muestree como de costumbre, pero si una muestra está "cerca" del límite de especificación, aumente el muestreo y las pruebas.
Desearía poder ser más específico, pero después de muchos años de estadísticas y de apoyo a una línea de fabricación, N por sí solo nunca es la respuesta completa.Y si revisa mis preguntas, notará que están preguntando detalles sobre lo que se sabe, los factores que influyen en cualquier plan de muestreo.
No tengo una fórmula única, pero tal vez algunas de estas preguntas le den algunas ideas y caminos a seguir. Con la simple regla general de ASQC proporcionada en el enlace.
¡Buena suerte!
