TpicosInduccin preliminar del MuestreoIntroduccin a los Planes de Muestreo

Proceso vs. Poblacin determina la Intencin del Muestreo, el tamao de la Muestra, y otras consideracionesProceso Poblacin?Un proceso . . .Formulacin qumicaDestilacinPresupuestoMantenimiento de InventariosUna poblacin . . .Todos los sacos de producto de un carga batchTodo el producto destilado en 1 columnaTodos los asuntos que exceden los mrgenes de los objetivosTodos los artculos con discrepanciasQu es un proceso y qu es una poblacin?

*No siempre es posible analizar al 100% de una poblacinPero 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 pequeaQu es una Muestra?Recolectar solo una parte de los datos que estn pudieran estar disponiblesUtilizar estos datos del muestreo a fin de llegar a inferencias estadsticasUna 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 seleccionadoLa seleccin de un miembro no influencia la posibilidad de otro de ser seleccionado noNo existen diferencias significativas entre los seleccionados y los no seleccionadosSe 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 extensaCundo 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 (+/- )

Cantidad de variacin de caractersticas: P

- Nivel Confianza

- Representativo

- Costo

Uso de Procedimien-tos de Minitab

Muestreo aleatorio

Muestreo aleatorio Estratificado

Muestreo Sistemtico

Muestreo Ramificado

Diseo de MuestreoSe puede utilizar uno ms de los siguientes diseos de muestreoLos diseos de muestreo te ayudarn a asegurar una muestra representativa del proceso sin necesidad de recolectar un gran nmero de datosDiseos de muestreo:Muestreo SistemticoMuestreo por SubgruposMuestreo Aleatorio simpleMuestreo EstratificadoMuestreo por Grupos Conglomerados

Para muestrear procesosPara muestrear unidades discretas (e.g. sacos, tambos)

Como tomaras muestras de un reactor tipo tanque agitado?1.Muestreo SistemticoMuestrea 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 SubgruposToma mltiples muestras de un paso actividad con una frecuencia dada - comunmente por intervalos de tiempoRecuerda las Fuentes de Variacin -- El subgrupo te mostrar la variacin en la que ests interesado?Ejemplo: Tomar 3 muestras del reactor cada 2 horasEstrategia de Muestreo Estndar para Procesos

Cmo tomaras una muestra de 200 sacos de producto almacenados en una bodega?

3. Muestreo Aleatorio SimpleUtilizar un generador de nmeros aleatorios para la seleccion de las unidadesImparcialidad - Cada unidad posee la misma posibilidad de ser seleccionada Independencia - La seleccin de una unidad no tiene influencia en la seleccin de las otrasEjemplo: Seleccionar aleatoriamente 20 sacos de una linea de produccin4. Muestreo aleatorio estratificadoDivide la poblacin en grupos homogneos y muestrea aleatoriamente cada grupoIncluye muestreos adecuados para cada uno de los grupos estratificadosEjemplo: Toma 5 sacos aleatoriamente de 4 lotes de producto (correspondientes a 4 diferentes corridas)Estrategias de Muestreo Estndar para Poblaciones Grandes

5. Muestreo por conglomeradosMuestreo aleatorio dentro de pequeos gruposLos 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 ramasEjemplo: 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 GrandesContinuacin

Hoja GuiaHerramienta estadstica Tamao de Muestra Mnimo Media5 - 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 llegarTamao de Muestra por Herramienta

Consideraciones a Tomar en CuentaProcesos de MuestreoDonde Muestrear?: Lugares en el Proceso donde tus Variables afectan a la Variable de Salida (Output)Muestrear hasta lo ms prctico y lgico posibleFrecuencia 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 cuestionableAgrupando: Minimiza la oportunidad de una causa especial en un subgrupoMantener 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 MuestreoPRDIDA DE LA INTEGRIDAD DE LA MUESTRAContaminacin en las lneas de muestraDegradacin - estabilizacin impropia almacenamientoPrdidas atribudas a cambio de fases -- vaporizacin de voltiles en una muestra lquida; condensacin de gases durante el muestreoESTRATIFICACINHeterogeneidad dentro de la unidad muestreadaSeparacin de muestras bien mezcladasIMPARCIALIDAD EN LA SELECCINLugar del muestreo seleccionado por convenienciaEl muestreo sistemtico se adapta a alguna estructuraIMPARCIALIDAD EN LA MEDICINMuestras no-representativas -- muestrear el producto del que se queja el cliente sin muestrear el producto bueno; muestrear a capacidades altas sin muestrear capacidades bajasMALA EJECUCIN DEL PLAN DE MUESTREOTratar de estar alerta de la imparcialidad y otros problemas de calidad arrastrados y que puedan afectar tus datos!

Ejercicio de EquipoDividirse en dos equiposEvaluar los ejemplos de muestreo de la siguiente pginaIdentificar fortalezas y debilidades para cada ejemploPensar en al menos una sugerencia a fin de mejorar el fin que persigue cada ejemploTienen 15 minutos

Ejemplos de Muestreo1. 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 das4. Un equipo trabaja en aspectos de calidad del proveedor. Han desarrollado un subgrupo muestreando acercamientos de todas las materias primas crticas5. 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 Muestraln=1n=100n=400

Aplicacin Teo. Central LmiteRecuerde: 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 laMedia IC1IC2IC3IC4IC5IC6IC7IC8IC9

Intervalo de Confianza para laProporcin (muestras grandes) pIC1IC2IC3IC4IC5IC6IC7IC8IC9

Distribucin t de StudentEs una distribucin muestral de la media que se usa cuando se tienen las siguientes condiciones:Distribucin de la poblacin normalMuestra pequea (n