Introdução ao cálculo do tamanho da amostra na amostragem de aceitação

A amostragem de aceitação é uma técnica estatística de controle de qualidade usada para determinar se um lote de produtos cumpre padrões de qualidade predeterminados. Em vez de inspecionar cada unidade, uma amostra representativa é sorteada e avaliada. A decisão de aceitar ou rejeitar todo o lote é baseada no número de itens defeituosos encontrados nessa amostra. Calcular o tamanho correto da amostra é crítico: uma amostra muito pequena pode não detectar níveis inaceitáveis de defeitos, enquanto uma amostra muito grande desperdiça tempo e recursos. Este guia explora os conceitos, fórmulas, normas e métodos práticos para determinar o tamanho adequado da amostra para planos de amostragem de aceitação, permitindo aos fabricantes equilibrarem de forma eficaz o risco, o custo e a garantia de qualidade.

Compreender os planos de amostragem de aceitação

Um plano de amostragem de aceitação consiste em dois parâmetros-chave: o tamanho da amostra (]n) e o número de aceitação (c[). O plano especifica que uma amostra aleatória de n] unidades é retirada de um monte de tamanho N[]. Se o número de unidades com defeito na amostra for menor ou igual a ]c[, o lote inteiro é aceito; se exceder ]c[[, o lote é rejeitado. Este processo binário de decisão é fundamental para atribuir amostragem, onde cada unidade é classificada como conformando ou não conformando.

Os planos de amostragem são essenciais em indústrias onde 100% da inspeção é impraticável devido a custos, tempo ou requisitos destrutivos de testes. Eles fornecem um método estatisticamente sólido para inferir a qualidade de todo o lote, com níveis de risco conhecidos. Os dois riscos primários são: rejeitar um bom lote (risco do produtor, α) e aceitar um lote ruim (risco do consumidor, β). O tamanho da amostra e número de aceitação são escolhidos para manter esses riscos dentro dos limites aceitáveis.

Como funciona a amostragem de aceitação

O processo começa com a definição do lote e a selecção de um plano de amostragem. Normalmente, o plano é derivado de normas como ANSI/ASQ Z1.4 ou ISO 2859, que fornecem tabelas de tamanhos de amostra e números de aceitação com base no tamanho do lote e nível de qualidade aceitável (AQL). O utilizador seleciona um nível de inspecção (por exemplo, normal, apertado, reduzido) e o AQL, depois lê a letra de código correspondente. A letra de código determina o tamanho da amostra e o número de aceitação é lido a partir de uma tabela separada. A inspecção procede então: o número de unidades é amostrado aleatoriamente e inspeccionado. Os resultados são comparados com o número de aceitação para fazer a decisão de disposição do lote.

Terminologia e Conceitos-chave

Para calcular os tamanhos de amostra com precisão, é preciso entender vários termos-chave e suas relações:

  • Lot Size (N):] O número total de unidades no lote submetido para inspeção. Lotes maiores geralmente requerem tamanhos de amostra maiores, mas a relação não é linear devido a considerações estatísticas.
  • Tamanho da Amostra (n): O número de unidades extraídas do lote para inspeção. Esta é a variável primária que calculamos.
  • Número de recepção c]] Número máximo admissível de unidades defeituosas na amostra para o lote a aceitar. Se os defeitos excederem c, o lote é rejeitado.
  • Número de rejeição (r):] Em alguns planos (por exemplo, amostragem dupla), o número de rejeição é o limiar que desencadeia a rejeição imediata. Para planos de amostragem simples, ]r = c[ + 1.
  • Risco do produtor (α):] A probabilidade de rejeitar um lote que realmente atenda ao padrão de qualidade (ou seja, um erro Tipo I). Normalmente, definido em 5% ou 1%.
  • Risco do consumidor (β):] A probabilidade de aceitar um lote que não corresponda ao padrão de qualidade (ou seja, um erro Tipo II). Normalmente definido em 10% ou 5%.
  • Nível de Qualidade Aceitável (AQL): A percentagem máxima de unidades com defeito que é considerada aceitável para o lote. AQL representa a qualidade média do processo que o produtor está disposto a fornecer.
  • Defeição por Percentagem de Tolerância Lote (LTPD):] A percentagem de unidades defeituosas que o consumidor considera inaceitáveis corresponde a uma probabilidade elevada de rejeição (por exemplo, 90% ou 95%).

Fatores que Influenciam o Tamanho da Amostra

Vários fatores interagem para determinar o tamanho da amostra necessária para um determinado plano de amostragem de aceitação, o que ajuda a selecionar um plano adequado que equilibre risco e custo.

  • Lot Size (N):] Embora o tamanho do lote afete o tamanho da amostra em alguns padrões (por exemplo, ANSI/ASQ Z1.4 usa intervalos de tamanho do lote para determinar a letra do código do tamanho da amostra), o efeito estatístico é mínimo para lotes grandes. A distribuição hipergeométrica representa o tamanho finito do lote, mas para o grande N[, a aproximação binomial é adequada.
  • Número de aceitação (c):] Um número de aceitação maior reduz o tamanho da amostra necessária para um determinado risco, mas aumenta também a probabilidade de aceitar muito com mais defeitos. O número de aceitação é frequentemente escolhido para atender aos requisitos de AQL e LTPD.
  • Riscos do produtor e do consumidor: Riscos mais apertados (inferior a α e a β) requerem tamanhos de amostra maiores. Por exemplo, reduzir a α de 5% para 1%, mantendo outros fatores constantes, pode dobrar ou triplicar o tamanho da amostra.
  • Nível de qualidade (p):] A proporção esperada de itens defeituosos no lote influencia a variabilidade da amostra.Para baixas taxas de defeitos, a amostra deve ser suficientemente grande para detectar pelo menos um defeito com probabilidade aceitável.
  • Nível de inspeção: As normas definem diferentes níveis de inspeção (normal, apertado, reduzido) que ajustam o tamanho da amostra e os critérios de aceitação com base no histórico de qualidade passado.

Fundamentos estatísticos para cálculo do tamanho da amostra

Distribuição Hipergeométrica

Quando a amostragem sem substituição de um lote finito, o número de unidades defeituosas na amostra segue uma distribuição hipergeométrica. A probabilidade de observar exatamente x[defeituosa numa amostra de tamanho n]N][[D[]]defeituosa é dada por:

P( X = x) = (C( D, x) * C( N- D, n- x)) / C( N, n)

Esta distribuição é exata, mas computacionalmente intensiva para grandes N. Cálculos de tamanho da amostra usando a distribuição hipergeométrica são frequentemente realizados através de tabelas padrão ou software especializado.

A Aproximação Binomial

Para tamanhos grandes de lote (normalmente quando [[FLT: 0]] n[[ FLT: 1]] ≤ 0. 1[[[ FLT: 2]] N[[[ FLT: 3]], a distribuição hipergeométrica é bem aproximada pela distribuição binomial. A distribuição binomial assume amostragem com substituição, mas é precisa quando o tamanho do lote é grande em relação à amostra. A probabilidade de [[FLT: 4]] x[[ FLT: 5]] defeituosas é:

P(X = x) = C(n, x) * px * (1-p)(n-x)[

onde p = D/N] é a fracção de lote com defeito. Isto simplifica os cálculos e é amplamente utilizado em fórmulas de tamanho de amostra.

A Aproximação de Poisson

Para taxas de defeitos muito baixas ([[FLT: 0]] p[[ FLT: 1]] < 0. 1) e tamanhos de amostra grandes, a distribuição binomial pode ser ainda mais aproximada pela distribuição de Poisson. Isto é útil para calcular tamanhos de amostra em situações como a monitorização da qualidade de eventos raros. A aproximação de Poisson usa o parâmetro λ = [[ FLT: 2]] np[[[ FLT: 3]]] e a probabilidade de [[ FLT: 4]] x[[ FLT: 5]] defeituosa é:

]P( X = x) = (e-λ * λ[x) / x!

Métodos para calcular o tamanho da amostra

Utilização de tabelas padrão: ANSI/ASQ Z1.4 e ISO 2859

A abordagem mais comum na indústria é usar padrões publicados que fornecem planos de amostragem pré-calculados. ANSI/ASQ Z1.4 (equivalente à ISO 2859-1) é o padrão líder para amostragem de atributos. O usuário seleciona:

  1. Nível de inspeção:Níveis I, II, III para inspeção normal, apertada ou reduzida.O nível II é padrão.
  2. Nível de Qualidade Aceitável (AQL): A percentagem máxima defeituosa que o produtor considera aceitável (por exemplo, 0,1%, 1,0%, 2,5%).
  3. Tamanho do lote: O número total de unidades no lote.

A partir do tamanho do lote e do nível de inspeção, uma letra de código (A a R) é determinada. Esta letra de código aponta então para uma tabela que fornece o tamanho da amostra (n) e o número de aceitação (c) para a AQL escolhida. Por exemplo, para um grande tamanho de 1.000 unidades e nível de inspeção normal II, a letra de código é J. Para AQL = 1,0%, o tamanho da amostra é 80 e o número de aceitação é 2. Estas tabelas são projetadas para fornecer uma alta probabilidade de aceitação para lotes em ou abaixo da AQL, enquanto protege o consumidor contra lotes acima da LTPD.

Método baseado em fórmulas

Quando não se aplicam normas específicas ou quando são necessários níveis de risco personalizados, pode ser utilizada uma fórmula para estimar o tamanho da amostra. Uma fórmula comum para a estimativa do tamanho da amostra na amostragem de atributos é derivada da aproximação normal à distribuição binomial:

n = (Zα/22[ * p * (1 - p)) / E2[

Em que:

  • Zα/2 é o valor crítico da distribuição normal padrão para um nível de confiança bicaudal (por exemplo, 1,96 para 95% de confiança).
  • p é a proporção esperada de defeitos no lote (muitas vezes estimada a partir de dados históricos ou assumida como AQL).
  • E é a margem de erro — a diferença máxima aceitável entre a taxa de defeito da amostra e a taxa de defeito do lote verdadeiro.

Por exemplo, se você espera 5% de defeitos, quer 95% de confiança, e permite uma margem de erro de 2%, o cálculo produz:

n = (1,962[ × 0,05 × 0,95) / (0,02)[2[ = (3,8416 × 0,0475) / 0,0004 .

A arredondamento dá n = 457. Esta fórmula, no entanto, não incorpora directamente o número de aceitação ou os riscos α e β da mesma forma que as normas fazem. É mais adequado para estimar o tamanho da amostra para estimar uma proporção do que para um plano de decisão.

Uma abordagem mais rigorosa usa as distribuições de probabilidade para resolver ]n e c[ simultaneamente. Para um dado par de pontos na curva OC (AQL com probabilidade 1-α, e LTPD com probabilidade β), pode-se resolver as equações:

P(aceitar .p = AQL) ≥ 1 - α
P(aceitar .p = LTPD) ≤ β

Para a distribuição binomial, a probabilidade de aceitação de um plano de amostragem único com tamanho da amostra n e o número de aceitação c é:

P(aceitar .p) = 9,5%[x=0c[ C(n, x) p[x[ (1-p)[(n-x)[]

Encontrar n e c que satisfazem ambas as desigualdades muitas vezes requer métodos numéricos iterativos ou tabelas de pesquisa. Padrões como ANSI/ASQ Z1.4 são construídos com base nesses cálculos.

Curvas de Características Operacionais (OC)

Uma curva OC plota a probabilidade de aceitar o lote em função da taxa de defeito do lote verdadeiro ]p[. Para um dado tamanho de amostra n e número de aceitação c[, a curva OC mostra o desempenho do plano em todos os níveis de qualidade. Para avaliar um plano de amostragem, o utilizador verifica que a curva OC passa pelos pontos desejados: próximo de 1-α na AQL e próximo de β na LTPD. Ao examinar diferentes n e c[[ valores], pode-se seleccionar o plano que proporciona o melhor desvio de troca. As curvas OC podem ser geradas utilizando software estatístico ou por cálculo manual utilizando as distribuições binomiais ou hipergeométricas.

Ferramentas de software para cálculo de tamanho da amostra

Os cálculos manuais são demorados, especialmente para planos de amostragem duplos ou múltiplos. Vários pacotes de software e calculadoras online fornecem a determinação do tamanho da amostra para a amostragem de aceitação:

  • R software estatístico: Pacotes como permitem que os usuários desenhem e avaliem planos de amostragem, computam curvas de CO e encontram ótimo n] e c[.
  • Minitab: Inclui um módulo dedicado de amostragem de aceitação para os planos de atributos e variáveis.
  • Cálculo online: Sites como Manual de Estatísticas de Engenharia NIST fornecem ferramentas interativas para gerar planos de amostragem e curvas de CO.
  • Templates de folha de papel: O Excel pode ser usado com funções incorporadas como para avaliar probabilidades binomiais e realizar buscas iterativas para n] e c[.

Estas ferramentas reduzem o risco de erros manuais e permitem a análise de sensibilidade compreender como as alterações em n] ou c[ afetam o desempenho do plano.

Exemplo prático: Elaboração de um plano de amostragem único

Suponha que um fabricante receba lotes de 2.000 unidades e queira usar um plano de amostragem de aceitação com uma AQL de 1,0% e uma LTPD de 5,0%. O produtor aceita um risco α de 5% e o consumidor um risco β de 10%. Determinar o tamanho da amostra n] e o número de aceitação c[.

[[FLT: 0]]Passo 1: Use uma tabela padrão. Para o tamanho do lote 2.000 e nível de inspeção normal II, a letra de código é K. De ANSI/ASQ Z1.4, para AQL = 1,0%, a letra de código K dá [[FLT: 2]]n[[FLT: 3] = 125 e [[FLT: 4]]c[ = 3. (Este é um plano comum.)

Passo 2:Avaliar a curva OC no AQL e LTPD. Usando a distribuição binomial com n=125, c=3:
[[ (AQL): P(aceitação) = Ł]x=0[]3]C(125, x) (0,01)[x[(0,99)125-x. Calcular: x=0,286, x=1: 0,362, x=2: 0,226, x=3: 0,093 → soma 2,6% 0,967.

Em p=0,05 (LTPD): P(aceitação) = 9,5%x=03 C(125, x) (0.05)[x (0,95]125-x[[]. aproximado usando Poisson: λ = 125×0.05 = 6,25. P(X≤3) = e-6,25[ (1 + 6,25 + 19,53 + 40,57)] 7,6% 0,0019 × 67,35 □ 0,13. Assim, o risco do consumidor = 0,13 (13%), ligeiramente acima do desejado 10%. Na prática, um plano diferente (e.g., n=200, [C] aceito[C]=13] suficiente.

Passo 3: Se usar a abordagem de fórmula, configure as duas desigualdades e resolva numericamente. Usando software, um plano com n=145, c[=4 dá α=0,048 e β=0,099, atendendo mais de perto aos requisitos. Isto ilustra que as tabelas padrão fornecem planos convenientes, mas os planos personalizados podem ser otimizados para alvos de risco específicos.

Planos de amostragem duplos e múltiplos

Os planos de amostragem duplos reduzem o tamanho médio da amostra, permitindo uma segunda amostra se o primeiro resultado for inconclusivo. O plano especifica um primeiro tamanho da amostra n1 com número de aceitação c[1[] e número de rejeição ]r]]c]c]]]+1). Se o número de de defechamas na primeira amostra for ≤ [FLT:]c]]c[FLT:C]][FT:2, se for ≥ [F]=)

Vários planos de amostragem estendem este conceito a vários estágios, reduzindo ainda mais o tamanho médio da amostra. Padrões como o ANSI/ASQ Z1.4 também fornecem planos de amostragem duplos e múltiplos. O cálculo do tamanho da amostra para esses planos envolve cálculos de probabilidade mais complexos, mas os mesmos princípios estatísticos se aplicam.A curva OC e a curva do número médio de amostra (ASN) são ferramentas fundamentais para avaliar esses planos.

Escolher o plano de amostragem certo

A seleção entre planos de amostragem simples, duplos ou múltiplos depende de vários fatores: simplicidade administrativa, tamanho médio da amostra, custo de teste por unidade e disponibilidade de testes rápidos. Planos de amostragem individuais são mais fáceis de administrar e determinísticos em tamanho amostral. Planos duplos e múltiplos são mais eficientes em termos de tamanho médio da amostra, mas requerem logística mais complexa e possíveis atrasos se uma segunda amostra for necessária.

Ao calcular os tamanhos de amostra, considere sempre as seguintes melhores práticas:

  • Use normas sempre que possível para garantir a coerência com a prática do setor e requisitos regulamentares.
  • Validar a curva de CO do plano para garantir que ele atenda aos riscos do produtor e do consumidor especificados.
  • Para tamanhos pequenos de lote, use a distribuição hipergeométrica em vez de aproximações para evitar erros.
  • Documento dos pressupostos (por exemplo, AQL, LTPD, nível de inspeção) utilizados no cálculo do tamanho da amostra.
  • Realize revisões periódicas de qualidade para ajustar os planos de amostragem com base no desempenho real do processo.

Conclusão

Calculando o tamanho da amostra correto para planos de amostragem de aceitação é uma tarefa fundamental na garantia de qualidade. Ao compreender os fatores-chave – tamanho do lote, número de aceitação, riscos do produtor e do consumidor e níveis de qualidade – e aplicar métodos estatísticos como distribuições binomiais ou hipergeométricas, os profissionais de qualidade podem projetar planos que forneçam decisões confiáveis enquanto controlam os custos de inspeção. Se usando tabelas padrão como ANSI/ASQ Z1.4 ou fórmulas personalizadas, o objetivo é alcançar um equilíbrio adequado entre o risco de aceitar lotes defeituosos e o gasto da inspeção.Aproveitar ferramentas modernas de software simplifica ainda mais o processo, permitindo uma determinação mais rápida e precisa do tamanho da amostra. Em última análise, um plano de amostragem bem calculado é uma pedra angular do controle de qualidade eficaz, protegendo tanto o produtor quanto o consumidor.

Para mais informações, consultar o Guia de Amostragem de Aceitação do ASQ , a norma ISO 2859-1:1999, e o NIST/SEMATECH e-Handbook of Statistical Methods para tabelas e exemplos pormenorizados.