Tamaño de muestra y potencia para recuentos de defectosJMP versión 17.2.0
Fabricamos unidades pequeñas y montamos 300 unidades en cada conjunto. Cada conjunto se prueba y determinamos la cantidad de unidades defectuosas por conjunto. Tenemos registros de 20 ensambles y sabemos la cantidad de unidades defectuosas encontradas en cada uno de los 20 ensambles. Se considera un cambio de proceso y deseamos determinar si el cambio reduce significativamente los defectos por ensamblaje. ¿Cuál es la mejor práctica para determinar el tamaño de la muestra, la potencia y la reducción de defectos? Prueba unilateral, el objetivo es 0 defectos por ensamblaje.
Diseño de experimentosRe: Tamaño de muestra y potencia para recuentos de defectosHola @MichaelR1 : Tengo algunas preguntas/comentarios... sin ningún orden en particular.
1. ¿Cada unidad está hecha del mismo proceso (con la misma tasa de defectos), independientemente del ensamblaje en el que se encuentre?
2. ¿El ensamblaje 1 obtiene las primeras 300 unidades de la línea, el ensamblaje 2 obtiene las siguientes 300 unidades, etc.?
3. ¿Hay alguna razón para pensar que la tasa de defectos, en promedio, es diferente de un ensamblaje a otro (quizás según cómo se eligen las unidades para cada ensamblaje... ver 2 arriba)?
Podemos empezar con esos 3...
Re: Tamaño de muestra y potencia para recuentos de defectosGracias por las preguntas. Las unidades se producen en el mismo proceso. Se montan en los conjuntos en grupos de 300: aproximadamente FIFO. El ensamblaje no debe influir en la tasa de defectos, ya que la causa raíz se encontró en el proceso de producción unitario.
Según tengo entendido ahora, esto nos permite hacer un cálculo simple: Power Explorer para una proporción de muestra
proporción supuesta = tasa de fracaso actual
proporción alternativa = tasa de falla esperada después del cambio de proceso
¿Es este el enfoque correcto?
Re: Tamaño de muestra y potencia para recuentos de defectosHola @MichaelR1 : Eso creo. Sus hipótesis nula y alternativa son las siguientes.
H0:p=p0
Tener suerte <>
Donde p0 es la tasa de falla actual. Ha es lo que está tratando de demostrar (la nueva tasa de fracaso, p, es menor que la tasa actual p0).
Para "probar" Ha, p debe estar realmente en algún lugar de Ha (
Entonces, si se toma una muestra aleatoria de 199 unidades, hay un 80% de posibilidades de "probar" Ha (rechazando H0 a favor de Ha).
La tasa de error tipo 1 (Alfa) = 5% significa que cuando H0 es verdadera (p no es menor que p0), hay un 5% de posibilidades de rechazar erróneamente H0 a favor de Ha. Error tipo 2 = 1-Potencia = 0,2 (20%). El error tipo 2 es entonces la posibilidad de que no se rechace H0, incluso cuando Ha es verdadera. Puedes elegir Alpha y Power como quieras, aunque el 5% y el 80% son comunes. Y tampoco soy un gran admirador de la Aproximación Normal; El gráfico de potencia de la prueba exacta parece extraño debido a la naturaleza de los datos de aprobación/falla. Pero las aproximaciones normales pueden ser problemáticas, especialmente cuando p está cerca de 0 o cerca de 1.
Mis dos centavos...
