Sandro Paz y Lucy Aragón

Capítulo 7
Muestreo por variables MIL-STD-414

7.1 Fundamento teórico

El muestreo de aceptación por variables consiste en realizar una

prueba de hipótesis de una sola cola para la media cuando se cuenta
con un solo límite de especificación, o con una prueba de dos colas
para la media cuando se tienen dos límites de especificación. En
ambos casos se cuenta con un valor específico de la desviación
estándar.

Para un límite de especificación superior:

H o :   o
H1 :   o

Para un límite de especificación inferior:

H o :   o
H1 :   o

Para un límite superior e inferior de especificación:

H o :   o
H1 :   o

A diferencia del muestreo por atributos, en el cual solo se contabilizan cuántas

unidades cumplen o no cumplen con las especificaciones, mas no se lleva un registro
del valor de su característica, en esta técnica de muestreo lo que se hace es medir y
registrar la característica de la calidad de cada una de las unidades de la muestra.

Una vez que se ha recolectado la muestra, se mide la característica de calidad que se

está usando como medida de control, se calcula la media y la desviación estándar y se
comparan con unos parámetros que se deben haber definido previamente para
determinar si el lote debe aceptarse o no (el procedimiento se explicará más adelante
de manera más detallada). La distribución que se utiliza en este tipo de muestreos es
normal.

Ventajas y desventajas del muestreo por variables respecto al muestreo

por atributos

Ventajas

 El tamaño de la muestra es mucho menor, lo cual implica un menor costo al

realizar el muestreo.

Facultad de Ciencias e Ingeniería 1

Control Integral de Calidad

 Se puede conocer el motivo por el que se rechaza el lote (por ejemplo, la media
tiene un valor muy alto o hay demasiada dispersión). Esto es gracias a que se
cuenta con los valores de  y  .

Desventajas

 A diferencia del muestreo por atributos, en el cual un producto no conforme

puede serlo debido a diferentes razones, solo controla una variable. Por ejemplo,
si se controla la variable peso en un muestreo por variables, puede que el lote
cumpla con las especificaciones y se acepta; sin embargo, podría suceder que
varios no cumplieran con las especificaciones de dimensión; y, en realidad, ese
lote se debería rechazar. Un muestreo por atributos sería más útil en este caso,
ya que podría verificar el cumplimiento de ambas especificaciones.

 Es necesario que los datos sigan una distribución normal.

Diseño de planes de muestreos de aceptación por variables

Para diseñar un plan de muestreo por variables, es necesario

conocer los valores de AQL, LQL,  y  , tal como en el muestreo
por atributos.

Los planes de muestreo por variables pueden diseñarse para tres tipos de situaciones:
cuando se tiene un límite de especificación superior, cuando se tiene un límite de
especificación inferior y cuando se tienen ambos límites.

Existen varias formas de diseñar un plan de muestreo para cualquiera de estas

situaciones. A continuación se explican algunas de ellas.

 Curva OC especificada

Supongamos que se tiene un límite de especificación superior (LES) para cierto

tipo de artículos fabricados por una empresa. Esta fabrica los artículos en lotes
de tamaño n.

Si quisiéramos analizar unidad por unidad, bastaría con comparar cada unidad
con el límite de especificación para determinar si esta debe aceptarse o
rechazarse.

Así como existe un valor de especificación LES que permite determinar si una
unidad cumple o no con las especificaciones, existe también un límite
equivalente en la distribución de promedios que permite determinar si un lote
debe aceptarse o no en función del promedio de la muestra. A este valor le
llamaremos LES _ . Con este valor es con el que debemos comparar la media de
X
la muestra para dictaminar si el lote debe aceptarse o rechazarse.

Para determinar cuáles son los valores de LES _ y el tamaño de muestra n,

X
debemos analizar dos situaciones. Una es la de un lote que debería aceptarse; y
la otra, la de uno que debería rechazarse.

2 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

 Análisis de un lote que debería aceptarse

En la gráfica que se presenta a continuación podemos observar tanto la

distribución de datos individuales (en rojo) como la de promedios (en azul) para
un lote que debería aceptarse.

AQL
LES

LES _  k
X

a b
o

En la distribución de datos individuales podemos notar que la proporción de

unidades no conformes presentes en el lote es AQL. Por otro lado, en la gráfica
de promedios podemos observar que la proporción de lotes que se rechazan es
.

El LES _ es aquel valor para el cual la proporción de lotes que se rechazan es 

X

. Podemos notar que el LES _ se encuentra a una distancia k de LES, donde

X

k es un múltiplo de  . Por tanto, para hallar el valor de LES _ , es necesario

X
conocer cuánto vale k. Para ello, utilizaremos los datos que son conocidos en la
gráfica.

 o es el valor promedio que deberían tener las unidades del lote para que este
sea aceptado cuando la proporción de unidades no conformes es AQL, el límite
de especificación es LES y la desviación estándar del proceso es  . Este valor
no es conocido.

La distancia a es la distancia que hay entre la media ideal del proceso  o y el

LES. Como la distribución que siguen los datos es normal, puede calcularse a
partir de la siguiente expresión:

Facultad de Ciencias e Ingeniería 3

Control Integral de Calidad


AQL  P x  LES / o , 2 

AQL  1  P x  LES / o , 2 

1  AQL  P x  LES / o , 2 
 LES   o 
1  AQL  P Z  
  

LES   o
Z1 AQL 


a  LES  o  Z1 AQL *

La distancia b es la distancia que hay entre la media ideal del proceso  o y el

LES _ . De manera similar a lo explicado anteriormente, puede calcularse a
X
través de la distribución normal.

 _
2 
  P X  LES /  o , 
n 
_

 X

_ 2 
  1  P X  LES _ /  o , 

 X n 

_ 2 
1    P X  LES _ /  o , 
 X n 

 LES _   o 

1    P Z  X

  
 n 

LES _   o
Z1  X

n


b  LES _   o  Z1 *
X n

Luego, al restar a menos b se obtiene el valor de k :


a  b  k  Z1 AQL *  Z1 *
n

4 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

Lo que obtuvimos fue una ecuación con dos variables (k y n). Para despejar
estos valores, es necesario que analicemos también el caso de un lote que
debería rechazarse.

 Análisis de un lote que debería rechazarse

En este caso, se presenta una gráfica de datos individuales y de promedios para

un lote que debería rechazarse porque tiene una proporción de unidades no
conformes LQL. Podemos observar también que la media se ha desplazado a un
valor superior 1 , por lo cual la proporción de unidades no conformes se
desplazó de AQL a LQL.

En este caso, la proporción de lotes que se acepta es  .

LQL

AQL
LES c
k 1
LES _
X
 d

a
b 

o

Si observamos la gráfica, podemos notar que de la suma de la distancia c que

es la distancia de la media 1 al límite de especificación superior (gráfica de
datos individuales) con la distancia d que es la diferencia entre la media 1
y  o  se obtiene el valor de k . Al analizar el caso anterior, habíamos
encontrado una expresión alterna para a. Al igualar ambas ecuaciones, se
obtienen los valores de n y de k que estamos buscando.

La distancia c se calcula de esta manera:

 2   LES _  1 
LQL  P   LES _ / 1 , 
  P Z  X 
 X n    
 

Facultad de Ciencias e Ingeniería 5

Control Integral de Calidad

 2   LES _  1 
1  LQL  1  P   LES _ / 1 ,   P Z  X 
 X n    
 
LES _  1
Z1 LQL  X

LES _  1  Z1 LQL * 

X n

La distancia d se calcula así:

 
 2
 LES  1 
  P X  LES _ / 1 ,    P Z  
 x    
 n 

LES  1
Z 

n


LES  1  Z  * (El valor de z debe ser positivo porque es una distancia;
n
por tanto, se reemplaza Z  por Z 1  )

Al sumar la distancia c con la distancia d, encontramos el valor de k :


c  d  k  Z1 LQL *   Z1  *
n

Si se arma un sistema de ecuaciones con la ecuanción hallada en el primer

análisis y esta ecuación, se obtiene un sistema de dos ecuaciones con dos
variables:


k  Z1 AQL *   Z1 *
n

k  Z1 LQL *   Z1  *
n

Al resolver ambas ecuaciones, se obtiene lo siguiente:

2
 Z1  Z1  
n 
Z 
 1 AQL  Z1 LQL 

6 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

Z1 AQL Z1   Z1 Z1 LQL

k
Z1  Z1 

LQL

AQL
LES
Z1 LQL
k 1
LES _
X
 Z 1 

n

Z1 AQL Z1 
n

o

Para determinar si el lote debe aceptarse o rechazarse, lo que debe hacerse es

restar k veces el valor de  al límite de especificación superior para obtener el
equivalente límite de especificación para promedios. Si el promedio de la
muestra de tamaño n es menor a este valor, se debe aceptar el lote; en caso
contrario, se debe rechazar.

LES _  LES  k
X

Si se tuviera un límite de especificación inferior, el procedimiento para hallar las

expresiones que permiten hallar los valores de k y de n es similar, solo habría
que ajustar la gráfica a la situación. Las expresiones que se obtienen son las
mismas. La diferencia está en que habría que sumar k (en vez de restar) al
límite de especificación inferior para hallar el límite equivalente en promedios. Si
el promedio es mayor que ese límite, se acepta el lote; de lo contrario, se
rechaza.

LEI _  LEI  k
X

Facultad de Ciencias e Ingeniería 7

Control Integral de Calidad

Ejemplo 1

En una planta procesadora de arroz se desea diseñar un plan de muestreo de

aceptación por variables para evaluar el peso de las bolsas de arroz. El límite de
especificación inferior es de 748 gramos. Si se conoce que la desviación
estándar del proceso es 0,5 gramos, entonces:

a) Determine el plan de muestreo si los valores de  ,  , AQL y LQL son 5, 10, 2

y 8 %, respectivamente.
b) Determine si un lote cuyo promedio de las muestras reoclectadas es 748,5
gramos debe aceptarse o no.

Solución

a) Reemplazando los valores dados en las ecuaciones y hallando el valor de

los estadísticos Z, obtenemos que:

2
 Z 0,95  Z 0,90 
n   

Z
 0,98  Z 0 , 92 

Z 0,98 Z 0,90  Z 0,95 Z 0,92

k
Z 0,95  Z 0,90

2
 1,645  1,29 
n 
 2,06  1,41 

2,06 *1,29  1,645 *1,41

k
1,645  1,29

2
 1,645  1,29 
n   20,38
 2,06  1,41 

2,06 *1,29  1,645 *1,41

k  1,695
1,645  1,29

El plan de muestreo está determinado por un tamaño de muestra de n = 20

y un valor de k = 1,695.

b) El límite de especificación equivalente en los promedios sería:

LEI _  LEI  k  748  1,695 * 0,5  748,8475

X

Puesto que el valor límite hallado es mayor que el promedio de las

muestras (748,5), se debe rechazar el lote.

8 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

7.2 Normas MIL-STD-414

Una desventaja del método anterior para diseñar planes de muestreo por variables es
que se necesita conocer a priori el valor de la desviación estándar de los productos
que conforman el lote.

Un método alterno para diseñar planes de muestreo por variables es el de las tablas
MIL STD 414. Estas trabajan con una distribución t-student, a diferncia del caso
anterior en el que se necesitaba trabajar con una distribución normal. La ventaja de
esta alernativa es que ya no es necesario conocer el valor de la desviación estándar a
priori para poder diseñar el plan de muestreo.

La forma en que se utilizan es similar a las tablas de muestreo de aceptación por

atributos. La diferencia está en que aquí no se busca un valor de aceptación y uno de
rechazo, sino el valor de k.

Así como en el muestreo de aceptación por atributos se pueden diseñar tres tipos de
planes de muestreo dependiendo del tipo de inspección que se desee (normal,
rigurosa o reducida), en el muestreo por variables se puede hacer lo mismo. La
dinámica para pasar de un tipo de inspección a otra es la misma que en el muestreo
de aceptación por atibutos.

En estas tablas solo hay niveles de inspecciones especiales 3 y 4, y niveles generales

I, II y III. No se cuenta con los niveles especiales 1 y 2 porque estos son para tamaños
de muestras pequeños, y de por sí el muestreo por variables ya trabaja con tamaño de
muestras pequeños.

Las cuatro tablas con la que se trabaja son las siguientes:

Tabla 1

Facultad de Ciencias e Ingeniería 9

Control Integral de Calidad

Tabla 2

Tabla 3

Tabla 4

10 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

Además de estas cuatro tablas, existe una quinta. Su uso se explicará más adelante.

Tabla 5

Ejemplo 1

Diseñe un plan de muestreo por variables para un tamaño de lote 600 y nivel de
inspección general III si se desea tener un valor de AQL de 1%.

Solución

En la Tabla 1, en la columna de la izquierda, se identifica la fila que contenga el

tamaño de lote 600. En la fila superior se selecciona la columna correspondiente al
nivel de inspección general III; luego, se interseca la columna con la fila y se determina
la letra clave, que es K.

En la Tabla 2 (inspección normal), en la columna de la izquierda, se identifica la letra

clave K. Para esta letra, el tamaño de muestra es de 50. En la fila superior se ubica la
columna que contenga el valor AQL de 1%. Luego, se interseca esta columna con la
fila ubicada anteriormente y se determina el valor de k, el cual es 2,60.

El plan de muestreo quedaría definido por un tamaño de muestra 50 y un valor k de

2,60.

Nota
Al igual que en el muestreo por variables, si no se encuentra un valor
de k en la intersección de la fila que contiene la letra clave con la
columna que contiene el valor de AQL, se debe seguir la flecha hasta
encontrar un valor de k. Ello implica que el tamaño de muestra y el
valor de la letra clave cambien.

Facultad de Ciencias e Ingeniería 11

Control Integral de Calidad

Ejemplo 2

Se desea diseñar un plan de muestreo de aceptación por variables para la producción

de aceite de cocina. Las botellas de aceite se llenan por volumen y se controlan por
peso. Si se desea un nivel de inspección general II y un valor de AQL de 1%,
entonces:

a) Determine el set de planes de muestreo para un tamaño de lote de 1000.

b) Si el límite de especificación inferior es de 910 gramos, determine si un lote cuya

muestra tiene un promedio de pesos de 915 gramos y una desviación estándar
de 3 gramos debería aceptarse para una inspección normal.

c) Si, además del límite de especificación inferior, se cuenta con un límite de

especificación superior de 925 gramos, determine si el lote debería aceptarse

Solución

a) La letra clave para un tamaño de muestra de 1000 y nivel de inspección general

II es J (Tabla1).

Inspección normal (Tabla 2):

Para una letra clave J, el tamaño de muestra es 35.

Para una letra clave J y valor de AQL 4%, el valor de k es 1,39.

Inspección rigurosa (Tabla 3):

Para una letra clave J, el tamaño de muestra es 35.

Para una letra clave J y valor de AQL 4%, el valor de k es 1,57.

Inspección rigurosa (Tabla 4):

Para una letra clave J, el tamaño de muestra es 15.

Para una letra clave J y valor de AQL 4%, el valor de k es 1,09.

b) Lo que se debe hacer es sumar k al límite inferior de especificación:

LEI _  LEI  k  910  1,39 * 3  914,17

X

Como el límite de especificación inferior equivalente en los promedios (914,17)

es menor que el promedio de la muestra (915), se debe aceptar el lote.

b) Cuando se cuenta con dos límites de especificación, se debe verificar el

cumplimiento de tres condiciones para que un lote se acepte.

 El promedio de la muestra debe ser menor al límite de especificación

superior equivalente en los promedios.
 El promedio de la muestra debe ser mayor al límite de especificación inferior
equivalente en los promedios.

12 Pontificia Universidad Católica del Perú

 Sandro Paz y Lucy Aragón

 La desviación estándar de la muestra debe ser menor a la máxima

desviación estándar permitida.

La segunda condición ya fue comprobada en la parte b). Resta comprobar la

primera y la tercera condición.

LES _  LES  k  925  1,39 * 3  920,83

X

El promedio de la muestra es 915. Este número es menor al límite de

especificación superior equivalente en los promedios; por tanto, se cumple con la
primera condición.

Para verificar el cumplimiento de la tercera condición, se debe calcular la

máxima desviación estándar permitida (MSSD) mediante la siguiente fórmula:

MSSD  f * LES  LEI 

La máxima desviación estándar permitida resulta de multiplicar una constante f

por la diferencia entre el límite de especificación superior e inferior.

El valor de la constante f se obtiene de la quinta tabla mostrada anteriormente.

La forma como se determina su valor es intersecando la fila que contiene la letra
clave con la columna que contiene el valor de AQL. Este valor varía dependiendo
de qué tipo de inspección se esté utilizando (normal, rigurosa o reducida).

Para nuestro caso, el valor de f es 0,232.

El valor de MSSD es:

MSSD  0,232 * 925  910

MSSD  3,48

La desviación estándar es de 3 gramos. Esta es menor que 3,48, que es la

máxima desviación estándar permitida. Por tanto, la tercera condición se cumple.

Como las tres condiciones se cumplen, el lote debería aceptarse.

7.3 Método gráfico

Otra forma de diseñar un plan de muestreo por variables es usando el nomograma que
se muestra en la siguiente figura. Este método se basa en el concepto de la curva
característica de operación (OC) que está definida para un plan de muestreo.
En cada curva OC se pueden identificar 2 pares ordenados en un cuadrante, donde el
eje x es la proporción de unidades no conformes o fracción defectuosa; y el eje y es la
probabilidad de aceptación.

El primer par está definido por la proporción de no conformes o fracción defectuosa p1

y la probabilidad de aceptación 1–α. A este punto se le llama el riesgo del productor.
El segundo par está definido por la proporción de no conformes o fracción defectuosa
p2 y la probabilidad de aceptación β. Este es el riesgo del consumidor.

Facultad de Ciencias e Ingeniería 13

Control Integral de Calidad

Una vez que se definen estos dos pares, se traza una línea que una p1, en la escala
del lado izquierdo de la figura, con 1–α, ubicado en la escala del lado derecho. Lo
mismo se hace con p2 y β. El punto en el que se intersecan las dos rectas caerá
dentro de la malla definida para diferentes valores de tamaño de muestra n y valor de
aceptación k.

14 Pontificia Universidad Católica del Perú