El Imperativo de la Razonamiento Estadístico en el Control de Calidad

En la producción de ingeniería de alto rendimiento, la decisión de aceptar o rechazar un lote de producción raramente se basa en una inspección del 100%.El costo, el tiempo y la naturaleza destructiva de muchas pruebas hacen impráctico la inspección completa.El muestreo de aceptación, arraigado en la teoría estadística, proporciona un marco disciplinado para hacer estas decisiones con riesgo cuantificable.

Principales fundamentos estadísticos

El muestreo de aceptación depende de la teoría de probabilidad de vincular los resultados de la muestra a las características de la población. La suposición fundamental es que la muestra se extrae aleatoriamente del lote, y que el proceso de producción es lo suficientemente estable para que el lote sea representativo. Las distribuciones estadísticas clave involucradas son la distribución binomio (para atributos datos como pase/fail) y la distribución Poisson (a menudo utilizada para defectos por unidad).

Riesgos del productor y del consumidor

Este plan de muestreo implica dos tipos de errores. Tipo I error, o riesgo del productor (α), es la probabilidad de rechazar un montón que realmente cumple con el nivel de calidad aceptable (AQL).

La curva de características operativas (OC)

La curva OC es la herramienta gráfica más importante en el muestreo de aceptación. Consume la probabilidad de aceptar mucho (y-axis) contra la verdadera fracción defectuosa (x-axis).Una curva ideal OC sería una función paso: aceptar todos los lotes por debajo de la AQL, rechazar todo arriba. En realidad, la curva es una forma de construcción suave. Cuanto más pronunciada la curva, más doble valora el plan de calidad.

Diseño de un plan de muestreo

Para diseñar un plan eficaz se necesitan cuatro parámetros: el tamaño de lote (N), el tamaño de la muestra (n), el número de aceptación (c – el número máximo permitido de defectuosos en la muestra), y el número de rechazo (r – típicamente c+1 para planes individuales). Estos son elegidos para cumplir con el AQL, LTPD, α, y β. El proceso a menudo implica cálculo iterativo: seleccionar ensayo n y c, luego ajustar el uso aceptable de la curva

Planes individuales, dobles y secuenciales

El muestreo de los brazos] es el más simple: toma una muestra de tamaño n. Si el número de defectos ≤ c, acepta; de otro modo rechaza. El muestreo doble ofrece una segunda oportunidad: toma una muestra inicial de tamaño n1. Si los defectos ≤ c1, aceptan la inspección total; si

El muestreo secuencial] va aún más lejos: las unidades se inspeccionan una a la vez. Después de cada unidad, el recuento de defecto acumulativo se compara con un límite superior (rechazo) y un límite inferior (aceptar). La inspección continúa hasta que se cruce un límite. Este es el plan más eficiente en términos de tamaño de muestra promedio, especialmente cuando la calidad de la lote es muy buena o muy mala.

Elegir el tipo de plan adecuado

Los factores que influyen en la elección incluyen el costo de la inspección, la naturaleza destructiva de las pruebas, la velocidad deseada y la complejidad administrativa. Los planes individuales son fáciles de administrar pero pueden requerir muestras más grandes. Los planes dobles y secuenciales reducen el tamaño medio de la muestra pero necesitan reglas de decisión más complejas. En la fabricación de dispositivos aeroespaciales y médicos, donde las pruebas son destructivas, a menudo se prefiere minimizar el número de unidades destruidas.

Distribución estadística en muestreo de aceptación

El modelo binomio

Al muestreo de grandes lotes (típicamente N √° 10n) e inspeccionar los defectos de atributo (por ejemplo, paso/fail), la distribución binomio modela el número de defectuosos en la muestra. La probabilidad de observar x defectuosos en los ítems n, dados los tamaños de la fracción defectuosa p, es P(x) = C(n, x) pima compima (p) x)

La aproximación Poisson

Cuando las tasas de defecto son bajas (p ⁇ 0.1) y los tamaños de muestra son grandes, la distribución Poisson proporciona una aproximación cercana. El parámetro λ = n * p. Este simplifica los cálculos y se utiliza comúnmente en tablas de la industria. La probabilidad de aceptar mucho se convierte en la suma de probabilidades de 0 a c defectos. El modelo Poisson también se utiliza para defectos por unidad en lugar de defectos.

Consideraciones hipergeométricas

Para pequeños tamaños de lote (por ejemplo, N 10n), la corrección de población finita se vuelve importante. La distribución hipergeométrica debe ser utilizada en lugar de binomial porque muestreo sin reemplazo cambia significativamente las probabilidades. En tales casos, la curva OC es más pronunciada, y el riesgo del consumidor es menor para un plan dado. Muchos estándares proporcionan tablas separadas para pequeños tamaños de lotes.

Aplicaciones Prácticas en todas las industrias

Fabricación automotriz

El muestreo de aceptación se utiliza para la entrada de materias primas y subcomponentes. Por ejemplo, un proveedor de nivel uno puede probar las pastillas de freno de un envío de 5000. Utilizando un plan único con n=125 y c=3 (AQL=1.0%, LTPD=5.0%), el proveedor puede decidir rápidamente si aceptar el lote o rechazar y volver al proveedor. Esto evita que las partes defectivas requieran los estándares de calidad de montaje.

Industria electrónica y semiconductora

En electrónica, probar cada componente es imposible debido a costos y tiempo. El muestreo se aplica a circuitos integrados, resistencias y conectores. Debido a que las tasas de defecto son extremadamente bajas (partes por millón), los planes suelen utilizar el número de aceptación cero (c=0) para evitar aceptar lotes malos. Sin embargo, tales planes tienen un alto riesgo del consumidor a menos que los tamaños de muestra sean grandes.

Dispositivos farmacéuticos y médicos

Las agencias reguladoras como la FDA requieren una rigurosa validación de los planes de muestreo para pruebas de esterilidad, donde las pruebas son destructivas. Se prefieren planes secuenciales porque minimizan el número de unidades destruidas manteniendo la confianza estadística. La curva OC debe ser validada para asegurar que el plan cumple con los requisitos de riesgo tanto del productor como del consumidor.

Aeroespacial y Defensa

MIL-STD-1916 (ahora superada pero todavía utilizada) proporciona atributos y planes de muestreo variable para contratistas gubernamentales. El enfoque es en alta fiabilidad y trazabilidad. Los planes de muestreo doble son comunes para reducir los tamaños de muestra manteniendo una alta discriminación. Los equipos de ingeniería deben documentar la justificación estadística de cada plan utilizado.

Más allá de los atributos: muestreo de variables

El muestreo de atributos (defectivo/no-defectivo) es sencillo pero ineficiente para mediciones continuas. El muestreo de variables utiliza mediciones reales (por ejemplo, diámetro, resistencia a la tensión). El plan suele asumir una distribución normal y utiliza la desviación media de muestra y estándar para estimar la tasa de defecto de la lotería. Los planes de variables requieren tamaños de muestra más pequeños para la misma potencia discriminatoria, haciéndolos atractivos cuando las mediciones son fáciles

Pitfalls comunes y conceptos erróneos

  • Confuso resultados de muestra con mucha calidad: Una buena muestra no garantiza mucho; siempre hay error de muestreo. La curva OC cuantifica este riesgo.
  • Usando planes de aceptación cero sin base estadística adecuada: Muchos asumen que los planes c=0 son "perfectos", pero a menudo tienen un riesgo de consumo muy pequeño sólo si el tamaño de la muestra es suficientemente grande.
  • Ignorando el riesgo del productor: Los planes demasiado estrictos pueden rechazar muchos buenos lotes, causando interrupciones de la cadena de suministro.
  • Aplicar planes estándar sin hipótesis validantes: Se debe verificar la homogeneidad de la lote, el muestreo aleatorio y la estabilidad del proceso. Los defectos en racimo pueden invalidar las hipótesis binomiales.
  • Failing to update plans: Como los procesos mejoran, el mismo plan podría volverse demasiado conservador. El examen regular es esencial.

Conclusión

Los fundamentos estadísticos de la aceptación proporcionan a los ingenieros un método racional basado en el riesgo para la garantía de calidad. Al entender la curva de OC, los riesgos de productor y de consumo, y los tipos de plan de muestreo apropiados, los equipos de ingeniería pueden diseñar inspecciones que equilibran el coste, la eficiencia y la calidad. Ya sea usando planes de atributos o variables, la clave es un razonamiento estadístico riguroso y no reglas arbitrarias.