La calidad y confiabilidad de los bienes fabricados dependen en gran medida de la calidad de las piezas de componentes. Si la calidad de las piezas de componentes es baja, la calidad y/o confiabilidad del ensamblaje final también será baja. Mientras que algunos componentes se producen en casa, muchos se obtienen de proveedores externos; La calidad final es, por lo tanto, altamente dependiente de los proveedores.
En respuesta a la dura competencia, Ford Motor Company adoptó requisitos de procedimiento para sus proveedores a principios de la década de 1980 para asegurar la calidad de las piezas de componentes entrantes. Exigieron que todos sus proveedores muestren que sus procesos de producción estaban en un estado de control estadístico con un índice de capacidad superior a 1.5. Debido a que Ford Motor Company compró una gran cantidad de piezas de componentes de sus proveedores, pudieron hacer esta demanda.
Las empresas manufactureras más pequeñas pueden no tener suficiente influencia para hacer demandas similares a sus proveedores, y sus componentes pueden provenir de varios proveedores y subcontratistas diferentes dispersos en diferentes países y continentes. Sin embargo, mediante el uso interno de los procedimientos de muestreo de aceptación, pueden estar seguros de que el nivel de calidad de sus piezas entrantes estará cerca de un nivel acordado. Este capítulo ilustrará cómo los paquetes ( verb! AceptanceMpling! ) Y ( verb!
Cuando se realizan mediciones numéricas en las características de los componentes recibidos de un proveedor, resultados de datos cuantitativos. Por otro lado, cuando solo se pueden observar características cualitativas, los resultados de los datos de atributos. Si solo los datos de atributos están disponibles, las piezas entrantes se pueden clasificar como que los datos de atributo de conformidad/no conformes, no defectuosos/defectuosos, de aprobación/fallas o presentes/ausentes, etc. o la evaluación de los resultados de las operaciones de mantenimiento o los procedimientos administrativos. La falta de conformidad en estas áreas también es costoso. Los errores en los registros de facturación dan como resultado pagos retrasados y trabajo adicional para corregir y reenviar las facturas. Sin conformidad en el mantenimiento o los procedimientos administrativos, dan como resultado un retrabajo y operaciones menos eficientes.
Mucho o lote se define como «una cantidad definitiva de un producto o material acumulado en condiciones que se consideran uniformes para fines de muestreo» (Asq-Statistics 1996). La única forma en que una empresa puede estar segura de que cada elemento en un lote entrante de componentes de un proveedor, o cada uno de sus propios registros o resultados de trabajo administrativo completado, cumple con el estándar aceptado es a través del 100% de inspección de cada elemento en el lote. Sin embargo, esto puede requerir más esfuerzo del necesario, y si la inspección es destructiva o dañina, este enfoque no se puede utilizar.
¿Cómo hacer un muestreo por atributos?
El muestreo de atributos es un método de muestreo estadístico utilizado para determinar la proporción de elementos en una población que tiene un atributo o característica específico. Cada elemento o registro en la población es una unidad de muestreo. Por ejemplo, todos los formularios de orden de compra deben ser aprobados por el gerente. La unidad de muestreo es cada formulario de orden de compra y la aprobación del gerente es el atributo.
El muestreo de atributos se usa en la auditoría de «pruebas de controles» para determinar si los controles internos funcionan de manera efectiva. También se usa en control de calidad y pruebas de lotes/lotes para determinar el nivel de calidad del producto o defectos.
El tamaño de la muestra se puede determinar utilizando atributos de tablas de tamaño de muestra (por ejemplo, tablas AICPA) o software de auditoría estadística. Las entradas requeridas son:
- Tasa de error esperada (EER): la tasa de error esperada en la población.
- Tasa de error tolerable (TER): la tasa máxima de error que se puede aceptar en la población (margen de error). Alta dependencia de los controles (2-5%), moderado (6-10%).
Si se utiliza un software de auditoría estadística (por ejemplo, auditorías de auditorías), el tamaño de la muestra requerido se calcularía numéricamente en función de la distribución binomial.
Los elementos de muestra se seleccionan de la población en función de la selección aleatoria (utilizando un generador de números aleatorio o una tabla) o una selección sistemática para elegir cada enésimo elemento después de un inicio aleatorio inicial.
Por ejemplo, según la selección sistemática, si la población consta de 1,000 órdenes de compra (P102001 – P103000), entonces el intervalo de muestreo sería 18 (es decir, 1000/55). El inicio aleatorio sería un número entre 1 y el intervalo de muestreo. El elemento de la población que equivale al inicio aleatorio (es decir, 102006) se seleccionaría como la primera muestra. Las muestras restantes se seleccionan de los elementos posteriores en la población que equivalen al intervalo de muestreo (es decir, 102024, 102042, 102060, 102078, etc.).
¿Qué es muestreo por atributos?
Uno de los aspectos más importantes de la gestión de proyectos es el control de calidad. Implica monitorear resultados específicos del proyecto para determinar si cumplen con los sistemas de gestión de calidad establecidos (QMS). También es necesario identificar las formas de eliminar las cosas que pueden causar resultados insatisfactorios.
Realizar una auditoría es una parte del control de calidad. Los auditores de control de calidad seleccionan diferentes tipos de muestreo para probar la calidad y uno de los métodos es hacer un muestreo de atributos. El muestreo de atributos mide si los resultados se ajustan a las especificaciones establecidas. Se utiliza para probar si los controles internos funcionan correctamente.
El muestreo de atributos a menudo define lo que se medirá para el control de calidad. Se basa en las experiencias de fallas de muestra en el pasado y en los comentarios de los clientes. Esto significa que el inspector de calidad verifica la muestra con los criterios establecidos de calidad.
Se utiliza para inspeccionar el atributo del proyecto o producto, como el color, el tamaño y el embalaje, por ejemplo. Luego, el atributo se mide por «Sí» o «No», por lo que los datos a menudo se registran como una hoja de lista de verificación. La ventaja de este método de gestión de proyectos es que es menos costoso y el mantenimiento de registros se simplifica.
Este término se define en la quinta edición del PMBOK.
- La conformidad de conformidad es esencial en la garantía de calidad de un plan de gestión de proyectos. Sin él, el rendimiento general del proyecto resultará…
¿Cuándo se utiliza el muestreo por atributos?
Los auditores eligen de varios tipos de muestreo al realizar una auditoría. El muestreo de atributos significa que un elemento que se muestreó o no poseerá ciertas cualidades o atributos. Un auditor selecciona un cierto número de registros para estimar cuántas veces aparecerá una determinada característica en una población. Al usar el muestreo de atributos, la unidad de muestreo es un solo registro o documento. Los auditores generalmente usan el muestreo de atributos para probar los controles internos.
Un ejemplo de una función de muestreo de atributos puede ser que, según los procedimientos de control interno del cliente, se supone que todas las compras superiores a $ 50 están autorizadas por una orden de compra. Por lo tanto, cada compra de más de $ 50 será autorizada o no autorizada por una orden de compra: el muestreo de atributos no tiene área gris.
Así es como utilizaría el muestreo de atributos para ver si el control interno del cliente funciona correctamente: su población consta de todas las facturas de proveedores para compras de más de $ 50, y la cantidad de registros que muestra de esa población se establece en 75 registros. Mirando a través de su muestra, verá que 3 de los 75 registros no son compatibles con una orden de compra. Eso le brinda una tasa de error de población del 4 por ciento (3/75).
¿Cómo decide si esta tasa de error de población está bien? Esa decisión se basa en las cifras que establece para un error tolerable, error esperado, riesgo de muestreo y nivel de confianza.
La siguiente pregunta es, ¿qué haces con esta información? Primero, recuerde que está viendo una muestra de solo 75 facturas de proveedores, no toda la población. Aunque la tasa de error de población del 4 por ciento es menor que la tasa de error tolerable del 7 por ciento, no puede usar este hecho para demostrar que su muestra es suficiente.
¿Cuándo se aplica el muestreo por atributos?
Esta cuestión del tamaño de la muestra, surgen muchos fabricantes… formulados implícitamente en el pasado, este requisito ahora parece ser perfectamente explícito en muchas referencias normativas.
Por ejemplo, el estándar ISO 13485 (1) requiere al verificar y validar dispositivos médicos: «El cuerpo debe documentar planes de validación que incluyan métodos, criterios de aceptación y, cuando sea apropiado, técnicas estadísticas acompañadas de una justificación para el tamaño de muestreo».
Sin embargo, no existe una fórmula única, reconocida, indiscutible y aplicable a todos los estudios para calcular los tamaños de muestra. La fuerza laboral depende de muchos elementos, vinculados al objetivo y al curso de cada estudio. Los industriales a veces a veces se sienten indefensos antes de este requisito que requiere un conocimiento estadístico sólido y, sobre todo, un rigor en su aplicación.
Además, la representatividad de una muestra no solo está vinculada a su tamaño. Depende directamente de cómo se construye el plan experimental, lo que debe evitar la introducción de sesgos de selección.
Por lo tanto, detrás de cada problema, se requiere que el industrial responda un conjunto de preguntas para proponer un plan experimental relevante y adaptado que responda su problema, mientras respeta sus restricciones.
¿Cómo se clasifica el muestreo por atributos?
El plan de muestreo de atributos de 2 clases simplemente clasifica cada unidad de muestra como aceptable (no defectuosa) o inaceptable (defectuoso). En algunos planes, la presencia de cualquier organismo de un tipo particular, por ejemplo, Salmonella, sería inaceptable; En otros, un número limitado de organismos puede ser aceptable, por ejemplo, Vibrio parahaemolyticus. En este último, se elige un límite, denotado por M, que divide un recuento aceptable de un recuento inaceptable. El plan de 2 clases rechaza mucho si más que «C» fuera de las unidades de muestra «N» probadas eran inaceptables. 1 Por ejemplo, un plan típico de 2 clases con N = 5 y C = 0 requiere que se prueben cinco unidades de muestra y especifican un valor C de 0 (ver Tabla 6-1, caso 10). El lote sería rechazado si alguna de las cinco unidades de muestra probadas fuera defectuosa. Tales planes se utilizan para Salmonella. La elección de N y C varía con la rigurosidad deseada del plan. Mediante cálculos apropiados, la probabilidad de aceptación se puede determinar para una gran cantidad de calidad dada para cualquier plan de muestreo especificado (consulte la sección a continuación sobre curvas características operativas). Estos planes de muestreo son válidos, independientemente de las distribuciones estadísticas de los recuentos microbiológicos, siempre que se haya utilizado un esquema de muestreo de probabilidad apropiado para seleccionar las unidades a probar.
El estándar militar 105D (DOD, 1963), que se desarrolló para cumplir con los requisitos de calidad de producción de masas durante la Segunda Guerra Mundial, es un excelente ejemplo de planes de muestreo de atributos de 2 clases simples y múltiples diseñados estadísticamente. El comité que evaluó el problema de Salmonella (NRC, 1969).
Debido a que la elección de un límite entre un recuento aceptable y un recuento inaceptable es bastante arbitraria, Bray et al. (1973) introdujo el concepto de un plan de 3 clases. Las unidades de muestra con un recuento de menos de M son de calidad aceptable o de buena calidad. Las unidades con un recuento entre M y M (ver nota 1) se consideran de calidad marginal, y las unidades cuyos recuentos son mayores que M son de calidad inaceptable o de mala calidad. Se elegiría una muestra aleatoria de N unidades de muestra del lote y el lote se rechazaría si alguna de las unidades de muestra tuviera un recuento por encima de M y/o si más de C de las unidades tuviera un recuento por encima de M. Por ejemplo, un plan típico de 3 clases se caracteriza por N = 5, C = 2, M = 105/g, M = 107/g. Por lo tanto, se analizan cinco unidades de muestra (n = 5). El lote será rechazado si alguna unidad de muestra excede un recuento de 10 7/g y/o si tres o más unidades de muestra exceden un recuento de 105/g. El lote será aceptado si todas las unidades tienen recuentos de menos de 10 7/g y si no más de dos unidades tienen recuentos superiores a 105/g.
¿Cuál es la inspección por atributos?
La inspección de calidad de los atributos es un problema crónico para muchas organizaciones. Los atributos más comunes inspeccionados son el color, los rasguños y la presencia o la ausencia de un elemento requerido.
Se cuentan en números enteros, no existe 1.5 defectos, es un defecto o no lo es. Pueden ser de naturaleza aleatoria, a veces el defecto está presente y a veces no. También pueden cambiar de ubicación y características, un rasguño, por ejemplo. Esta aleatorización, junto con las complicaciones de configuración, hace que la tecnología de inspección de la visión sea poco práctica, dejando la inspección a los trabajadores dentro del flujo de valor.
Con datos variables, existe una especificación superior e inferior bien definida que hace que la decisión sea más simple pero con atributo ¿Cómo se define algo así como rasguños o color (si un dispositivo de medición no es práctico)? Debido a que es difícil establecer los estándares de defectos, la inspección de atributos puede causar fatiga del operador y, por lo tanto, errores. A la fatiga se suman la naturaleza equívoca de los límites del conjunto de atributos, especialmente con un proceso de inspección del 100% a veces obligatorio. Esta falta de definición causa frustración que nuevamente contribuye y conduce a la fatiga.
Las pruebas de hipótesis comienzan con una hipótesis bien definida. Comenzamos con lo que se llama hipótesis nula (HO) y una hipótesis alternativa (H1). La hipótesis nula siempre se asocia sin ningún cambio, la hipótesis alternativa, ha habido un cambio. Esta es la esencia de la inspección de atributos, la persona que realiza la inspección debe tener confianza en que hubo un cambio y luego rechazar si el cambio era límites fuera de los límites. En las pruebas de hipótesis hay dos términos importantes, error tipo I y tipo II. Sin obtener científicos, un error tipo I puede definirse básicamente como rechazar la hipótesis nula cuando en realidad es cierto (rechazar una buena unidad cuando se trata de atributos). Un error de tipo II se define como rechazar una hipótesis alternativa cuando en realidad es cierto. Para tener confianza en la decisión, se realiza un estudio científico (aplicación de datos) y el resultado se llama estadísticamente significativo, no ocurrió por casualidad. En el proceso de inspección de la calidad de los atributos, no tenemos este lujo, el inspector no recopila datos y las decisiones se toman en cuestión de segundos. Esta es la razón por la que es completamente clave tener atributos defectuosos bien definidos.
En mi experiencia personal de realizar estudios de reproducibilidad y repetibilidad de medición, el resultado de este proceso de inspección de atributos es comúnmente el 65% de errores tipo I, se rechaza una unidad no defectuosa.
Artículos Relacionados:
