Tpicos

Induccin preliminar del Muestreo

Introduccin a los Planes de Muestreo

Proceso vs. Poblacin determina la Intencin del Muestreo, el
tamao de la Muestra, y otras consideraciones
Proceso Poblacin?
Un proceso . . .
Formulacin qumica
Destilacin
Presupuesto
Mantenimiento de Inventarios
Una poblacin . . .
Todos los sacos de producto de un
carga batch
Todo el producto destilado en 1
columna
Todos los asuntos que exceden los
mrgenes de los objetivos
Todos los artculos con discrepancias
4
No siempre es posible analizar al 100% de una poblacin
Pero podemos llegar a conclusiones acerca de la
poblacin a travs de muestras estadsticamente
relevantes
Por qu Muestrear?

Una buena muestra es una versin miniatura de la
poblacin- parecido a ella, solo que ms pequea
Qu es una Muestra?
Recolectar solo una parte de los datos que estn
pudieran estar disponibles
Utilizar estos datos del muestreo a fin de llegar a
inferencias estadsticas
Una manera ms rpida y de menor costo de
comprender un proceso una poblacin extensa
Cada miembro de la poblacin posee la misma
oportunidad de ser seleccionado
La seleccin de un miembro no influencia la posibilidad
de otro de ser seleccionado no
No existen diferencias significativas entre los
seleccionados y los no seleccionados
Se posee una muestra lo suficientemente extensa para
encontrar lo que se busca. Si lo que busca est an
oculto se requiere de mayor precisin, se necesitar
de una muestra an ms extensa
Cundo Funciona un
Muestreo?
Muestreo: Cmo, Qu, Cundo?
Matriz de Referencia
Propsito Consideraciones Tamao de
Muestra
Aplicacin
Proceso
- Tomar accin
predecir futuro
- En control?
- Capaz?
- Mejorar?
- Donde muestrear
- Frecuencia
- Agrupamiento
- Representativo
- Costo
- Usar guas
para
seleccionar la
herramienta
de anlisis
- Muestreo de
Subgrupo
- Muestreo
Sistemtico


Poblacin
Grande
- Describir
cuantificar
caractersticas
- Precisin (+/- A)
- Cantidad de
variacin de
caractersticas: o
P
- Nivel Confianza
- Representativo
- Costo
- Uso de
Procedimien-
tos de Minitab
- Muestreo aleatorio
- Muestreo aleatorio
Estratificado
- Muestreo
Sistemtico
- Muestreo
Ramificado


Diseo de Muestreo
Se puede utilizar uno ms de los siguientes diseos
de muestreo
Los diseos de muestreo te ayudarn a asegurar una
muestra representativa del proceso sin necesidad de
recolectar un gran nmero de datos
Diseos de muestreo:
Muestreo Sistemtico
Muestreo por Subgrupos
Muestreo Aleatorio simple
Muestreo Estratificado
Muestreo por Grupos Conglomerados

Para
muestrear
procesos
Para muestrear
unidades
discretas (e.g.
sacos, tambos)
Como tomaras muestras de un reactor tipo tanque agitado?
1. Muestreo Sistemtico
Muestrea el paso actividad con una frecuencia determinada ( toma
muestras de cada n unidad para operaciones discretas)
Recuerda las Fuentes de Variacin -- La frecuencia deber ser elegida para
mostrar cambios en el desempeo del proceso. Al seleccionar la frecuencia
tomar en consideracin los tiempos de residencia y la duracin de corridas.
Ejemplo: Muestrear un reactor cada 2 horas.
2. Muestreo por Subgrupos
Toma mltiples muestras de un paso actividad con una frecuencia dada -
comunmente por intervalos de tiempo
Recuerda las Fuentes de Variacin -- El subgrupo te mostrar la variacin
en la que ests interesado?
Ejemplo: Tomar 3 muestras del reactor cada 2 horas
Estrategia de Muestreo Estndar para Procesos
Cmo tomaras una muestra de 200 sacos de producto
almacenados en una bodega?

3. Muestreo Aleatorio Simple
Utilizar un generador de nmeros aleatorios para la seleccion de las unidades
Imparcialidad - Cada unidad posee la misma posibilidad de ser seleccionada
Independencia - La seleccin de una unidad no tiene influencia en la
seleccin de las otras
Ejemplo: Seleccionar aleatoriamente 20 sacos de una linea de produccin
4. Muestreo aleatorio estratificado
Divide la poblacin en grupos homogneos y muestrea aleatoriamente cada
grupo
Incluye muestreos adecuados para cada uno de los grupos estratificados
Ejemplo: Toma 5 sacos aleatoriamente de 4 lotes de producto
(correspondientes a 4 diferentes corridas)
Estrategias de Muestreo Estndar para Poblaciones Grandes
5. Muestreo por conglomerados
Muestreo aleatorio dentro de pequeos grupos
Los grupos ramas y los grupos estratificados no son lo mismo. Las ramas
pueden ser basadas en su localizacin fsica u otros grupos naturales que
no corresponden a alguna caracterstica importante.
Incluye muestras adecuadas de cada uno de los grupos ramas
Ejemplo: Durante la inspeccin de la bodega, cada nave pasillo es una
rama, aleatoriamente tomar una muestra de cada rama en este caso, nave..
Para algunas poblaciones, el muestreo puede ser no la mejor
aproximacin. Si cuentas con 25 ventas de $10 millones al ao,
Tomaras muestras?
No, tu probablemente observaras a todas esas ventas ( unidades).
Esto NO es Muestreo. Es conocido como censo y posee sus propias
reglas.
Estrategias de Muestreo Estndar para Poblaciones Grandes
Continuacin
Hoja Guia
Herramienta estadstica Tamao de Muestra Mnimo
Media 5 - 10
Desviacin Estndar 25 - 30
Proporcin Defectuosa (p) 100 y np >= 5
Histograma Pareto 50
Diagrama de dispersin 25
Grfico de Control 20

Recuerda que estos son MNIMOS. Mas datos puntuales significaran
mayor confianza en las conclusiones a las que puedas llegar
Tamao de Muestra por
Herramienta
Consideraciones a Tomar en Cuenta
Procesos de Muestreo
Donde Muestrear?:
Lugares en el Proceso donde tus Variables afectan a la Variable
de Salida (Output)
Muestrear hasta lo ms prctico y lgico posible
Frecuencia de Muestreo:
Suficiente para abarcar las diferentes etapas del Proceso (buenas
o malas)
Es mejor tener varias muestras pequeas a lo largo del tiempo
que una muestra extensa en un punto simple en el tiempo
Muestrea con mayor frecuencia si la estabilidad del proceso es
cuestionable
Agrupando:
Minimiza la oportunidad de una causa especial en un subgrupo
Mantener identificado el que, como, cuando, donde, etc.
Para subgrupos o Fuentes de Variacin, se requiere al menos 5
datos puntuales para cada categora de la Variable
Temas Comunes en la Calidad
del Muestreo
PRDIDA DE LA INTEGRIDAD DE LA MUESTRA
Contaminacin en las lneas de muestra
Degradacin - estabilizacin impropia almacenamiento
Prdidas atribudas a cambio de fases -- vaporizacin de voltiles en una
muestra lquida; condensacin de gases durante el muestreo
ESTRATIFICACIN
Heterogeneidad dentro de la unidad muestreada
Separacin de muestras bien mezcladas
IMPARCIALIDAD EN LA SELECCIN
Lugar del muestreo seleccionado por conveniencia
El muestreo sistemtico se adapta a alguna estructura
IMPARCIALIDAD EN LA MEDICIN
Muestras no-representativas -- muestrear el producto del que se queja el
cliente sin muestrear el producto bueno; muestrear a capacidades altas sin
muestrear capacidades bajas
MALA EJECUCIN DEL PLAN DE MUESTREO
Tratar de estar alerta de la imparcialidad y otros problemas de calidad
arrastrados y que puedan afectar tus datos!
Ejercicio de Equipo
Dividirse en dos equipos
Evaluar los ejemplos de muestreo de la
siguiente pgina
Identificar fortalezas y debilidades para
cada ejemplo
Pensar en al menos una sugerencia a fin
de mejorar el fin que persigue cada
ejemplo
Tienen 15 minutos
Ejemplos de Muestreo
1. Un equipo que estudia el tiempo cclico de cambios de productos
va a muestrear una lnea de produccin que tiene datos fcilmente
disponibles.
2. Un equipo busca defectos en el empacado. Planean muestrear
tomando el vigsimo saco procesado en los prximos 30 das.
3. Un equipo esta trabajando en evaluar la exactitud de los datos
capturados en SAP. Han decidido recolectar muestras de
transacciones procesadas entre las 4:00 y las 5:00 p.m. ,
diariamente y por los siguientes 4 das
4. Un equipo trabaja en aspectos de calidad del proveedor. Han
desarrollado un subgrupo muestreando acercamientos de todas
las materias primas crticas
5. Un equipo est estudiando defectos de empaque que ocurren
durante el envo. Se le pidi al cliente que llevara a cabo una
inspeccin para aproximadamente 15% de los envos. Solo 10%
de los envos fueron regresados.
Distribucin de la Media Muestral
n=1
n=100
n=400
__
x
n
x
o
o =
_
Aplicacin Teo. Central Lmite
Recuerde: De acuerdo al Teorema
Central del Lmite, la distribucin de las
medias muestrales se aproximan a la
distribucin normal cuando n. Cuando
la variable es continua es suficiente que
n30. Si es discreta, nominal o por
atributos, n100.
Intervalo de Confianza para la
Media
(

+ =
_ _
2 /
_
2 /
_ _
; ) (
x x
z x z x x IC o o
o o

=
)
`

+ e
0
1
;
_ _
2 /
_
2 /
_
o z x z x P
x x
o o
o o

IC
1

IC
2

IC
3

IC
4

IC
5

IC
6
IC
7
IC
8

IC
9
o o o
o o
=
)
`

+ e 1 ;
_ _
2 / 2 /
x x
z X z X P
Intervalo de Confianza para la
Proporcin (muestras grandes)
(

+ =
p p
z p z p p IC
2 / 2 /

;

( o o
o o

=
)
`

+ e
0
1

2 / 2 /
o z p z p p P
p p
o o
o o
o o o
o o
=
)
`

+ e 1

2 / 2 / p p
z P z P p P
p
IC
1

IC
2

IC
3

IC
4

IC
5

IC
6
IC
7
IC
8

IC
9
n
q p
n
q p
p

~ = o

Distribucin t de Student
Es una distribucin muestral de la media que se usa
cuando se tienen las siguientes condiciones:
1. Distribucin de la poblacin normal
2. Muestra pequea (n<30)
3. No se conoce poblacional
n-1 es el nmero de grados de libertad
Se aplican los mismos mtodos que para la
normal
Cuando n se aproxima a la distribucin normal
(en efecto para n30, se tiene una buena
aproximacin)