Planes de muestreo de atributos únicos o MIL-STD-105E se utilizan cuando las inspecciones solo pueden clasificarse como dos resultados. Se puede pensar en este tipo de plan como ir/no ir o dentro de las especificaciones versus fuera de las especificaciones. Ampliamente utilizado porque lo único que hay que hacer es contar el número de defectos encontrados en la muestra o evaluar la proporción de defectuosos en un proceso. Si se utilizan lotes grandes se utiliza la distribución binomial. Mientras que la distribución hipergeométrica se utiliza cuando los defectos surgen de un solo lote. Al trazar la probabilidad de aceptación frente a la proporción de defectos en el lote inspeccionado, son posibles dos curvas, Tipo A y Tipo B. Con el Tipo A, la curva representa la probabilidad de que un lote sea aceptado frente a la proporción de defectos en el lote, donde como , con el Tipo B, la curva traza la proporción de lotes que serán aceptados versus la proporción defectuosa en el proceso del productor.
El proceso consiste en tomar una muestra aleatoria de tamaño n de un lote de tamaño N. Si se pretende que la muestra sea el lote en sí, se considera muestreo Tipo A o muestreo Tipo B cuando el proceso se utiliza para producir el lote.
Procedure for Single Attributes SamplingProcedimiento para muestreo de atributos únicos
Mostraré cómo generar un plan de muestreo único por atributos utilizando el enfoque de dos puntos. Con el enfoque del plan de muestreo de dos puntos se utilizan (p1, α) y (p2, β) para los puntos. Donde p1 se conoce como Límite de Calidad Aceptable o AQL, p2 es el Límite de Calidad Rechazable o RQL, α es el riesgo del productor y β es el riesgo del consumidor. Con el complemento del plan de muestreo JMP se puede utilizar una distribución binomial (Tipo 
o una distribución hipergeométrica (Tipo A).
Inicie el complemento seleccionando Planes de muestreo JMP en el menú Complementos. Seleccione Atributos-->Único.
Single Attributes Sampling PlanPlan de muestreo de atributos únicos
Ahora se le presentan tres (3) opciones para planes de muestreo de aceptación de lotes.
- Evaluar plan de atributos
- Generar o Crear Plan de Atributos
- Comparar planes de atributos
Usaré la opción para generar un plan de muestreo de atributos usando el método de dos puntos.
Generate Single Attributes Sampling PlanGenerar plan de muestreo de atributos únicos
Al hacer clic en Aceptar, aparecerá un cuadro de diálogo para ingresar AQL, RQL, α y β, así como también seleccionar una opción para análisis Tipo A o Tipo B al especificar un tamaño de lote. Las unidades de medida permitirán cambiar las opciones para p de Proporción de defectuosos, Porcentaje de defectuosos o Defectuosos por millón. a través de un menú desplegable. Al especificar un plan, la consideración principal son las protecciones brindadas tanto al productor como al consumidor.
Introduzca los siguientes valores en el cuadro de diálogo:
NCA = 0,018
RCL = 0,18
Probabilidad de aceptar lote en AQL (1- α ) = 0,95
Probabilidad de aceptar lote en RQL ( β ) = 0,10
Observe que el tamaño del lote es opcional. Si no se especifica ningún tamaño de lote, no se mostrarán los gráficos de rendimiento.
Specifying two points for single attribute sampling planEspecificación de dos puntos para el plan de muestreo de un solo atributo
El informe del plan de muestreo del JMP Se produce con detalles sobre el plan que se creó. Repasemos cada cuadro de esquema para revisar el contenido del resultado.
Al expandir el primer nodo del esquema se muestran los parámetros especificados para generar el plan.
Detail Report for Single Attribute Sampling PlanInforme detallado para el plan de muestreo de atributo único
Además, el plan creado tiene un tamaño de muestra (n) = 28 y un número de aceptación (c) de 2. Si el número de artículos defectuosos o no conformes en la muestra de 28 es <=2, aceptaría el lote. Se rechazaría el lote si el número de artículos no conformes es > 2. Con este plan, un lote que contenga un 1,8% de artículos no conformes solo se rechazaría el 1,37% de las veces, mientras que un lote que contenga un 18% de artículos no conformes solo se rechazaría el 1,37% de las veces. Los artículos conformes se aceptarán el 9.795 de las veces.
Al ver la salida del segundo nodo de esquema se muestran las curvas características operativas (OC). Las curvas OC se utilizan para evaluar el seguro que ofrece el plan tanto al consumidor como al productor. Se muestran dos curvas OC. La curva de la izquierda se muestra utilizando los niveles de calidad especificados (AQL = 0,018 y RQL =0,18) y las probabilidades de aceptación asociadas (calculadas). Mientras que, la curva OC de la derecha se muestra utilizando las probabilidades de aceptación especificadas (Pa@AQL = 0,95 y Pa@RQL = 0,1) y los niveles de calidad calculados.
Operating Characteristic CurvesCurvas características de funcionamiento
Al expandir o ver el último nodo del esquema se muestra un resumen tabular del plan creado. La salida se muestra mostrando la calidad deseada.
La tabla está codificada por colores para indicar un aumento o disminución en las probabilidades de aceptación asociadas en los niveles AQL y RQL especificados. Un mejor rendimiento que el solicitado para la probabilidad de aceptación en el AQL (0,98635 > 0,95) con la fuente azul y la flecha hacia arriba o 0,097937 < 0,1 y la flecha hacia abajo en el RQL y la misma fuente azul proporcionan imágenes rápidas de las probabilidades calculadas de aceptación y si son mejores o peores que los solicitados. De manera similar, se muestra el Nivel de Calidad Asociado para cada probabilidad de aceptación especificada. Un aumento en el nivel de calidad asociado en el AQL (0,029800 > 0,018000) indicado por la flecha hacia arriba y el color de fuente rojo indica una calidad peor que la especificada. Al observar el nivel de calidad asociado en RQL (0,17910 < 0,18000), se muestran resultados mejores de lo esperado, como se indica con la flecha hacia abajo y la fuente azul.
Tabular Plan SummaryResumen del plan tabular
Ahora, volvamos a ejecutar el análisis, pero esta vez proporcionaremos un tamaño de lote de 10 000. En la opción de menú del triángulo rojo debajo de Curvas características operativas, seleccione Análisis de reinicio. Esto abrirá el análisis con las opciones completadas con nuestras entradas anteriores como punto de partida. Cambie la selección de Muestreo continuo tipo B (binomial) a Muestreo por lotes - Tipo A (hipergeométrico) y haga clic en Aceptar para continuar.
Observe que en el cuadro de esquema Resumen del plan del informe se han calculado y resumido medidas de desempeño adicionales en formato tabular. El resultado es ligeramente diferente de lo que se presentó anteriormente, ya que hemos incorporado un tamaño de lote en nuestros cálculos y ahora estamos usando la distribución hipergeométrica. Mientras que anteriormente utilizamos una distribución binomial. Medidas de desempeño para Pm, el número promedio de muestra (ASN), el número promedio de muestra (totalmente restringido), la calidad promedio de salida (AOQ), el límite promedio de calidad de salida (AOQL), la inspección total promedio (ATI), la inspección total promedio en AQOL y Se proporciona el riesgo real en la calidad especificada tanto para AQL como para RQL.
Al expandir el nodo de esquema para Gráficos de rendimiento, se muestran gráficos para AOQ y ATI. Al hacer clic en la opción de menú del triángulo rojo debajo del nodo de esquema se permitirá que se muestren gráficos adicionales, incluido ASN. La curva ASN se muestra sin restricción y con restricción total. Otras opciones incluyen mostrar todas las curvas en un solo gráfico o un generador de perfiles de predicción.
El gráfico de calidad saliente promedio (AOQ) muestra el AOQ trazado frente a posibles valores de proporción defectuosa. El AOQ en el máximo de las curvas se denomina AOQL.
Y el punto en el que se produce la proporción defectuosa se denomina Pm. La curva AOQ es útil cuando se evalúa el efecto sobre la calidad promedio que llega al consumidor después de una inspección del 100% de los lotes rechazados para evaluar el nivel de confianza brindado al consumidor después de que se ha completado la rectificación.
Performance graphs with optional ASN CurveGráficos de rendimiento con curva ASN opcional
Dejo al lector la opción de explorar las otras opciones del menú del triángulo rojo disponibles en los otros nodos de esquema para guardar el resultado o para crear una tabla de datos JMP del resultado del resumen del plan.
La próxima vez veremos cómo crear planes de muestreo de aceptación de lote de atributo cero, también conocido como Planes Squeglia.
Complemento del plan de muestreo de aceptación JMP
Dejame un comentario abajo.
Referencias
Departamento de Defensa, 1989, Procedimientos de muestreo y tablas para inspección por atributos , MIL-STD-105E, https://archive.org/details/MIL-STD-105E_1/mode/2up, Recuperado en abril de 2021.
Chelín, EG, y Neubauer, DV, 2017, Muestreo de aceptación en control de calidad , 3.ª ed., Boca Ratón, FL, CRC Press
Montgomery, DC, 2013, Introducción al control estadístico de calidad , 7ª ed., EE. UU., John Wiley & Sons
Grant, EL, y Leavenworth, RS, Control estadístico de calidad , 5ª ed., 1980, McGraw-Hill Book Co.
Guía del usuario de SAS/QC® 15.2, 2020, Cary, Carolina del Norte
Hola @stan_koprowski ,
Tengo un cliente que está interesado en este complemento y le gustaría hacer una pregunta. Desafortunadamente, no soy un experto en este tema para ayudar. Realmente agradecería su respuesta para esto:
"Para un ASP dado
Si conoce el AQL y el RQL y conoce el número de aceptación (a), ¿cómo determina el número mínimo de muestras (N) requeridas para este ASP?"
Atentamente,
owen
EDITAR: ¡Gracias Stan por la respuesta!
"Si entiendo su pregunta correctamente, sería necesario generar un plan de muestreo de atributo único.
Planes de muestreo JMP > Atributos > Único y luego haga clic en Generar/Crear plan de atributos.
Se requieren dos puntos para generar un plan,
(P1, 1-Alfa) y (p2, Beta)
p1= aql
p2=rql
valores típicos para alfa = 0,05 y beta = 0,1
Una vez que proporcione los valores para los dos puntos, el complemento calculará el tamaño de muestra requerido y el número de aceptación".
