Un fabricante o comerciante recibe un lote de miles de piezas de un proveedor; probar el lote completo es caro o imposible. Decisión: muestrear n piezas al azar, aceptar el lote si los defectos son ≤ c, rechazar si son más. Nombre académico: Acceptance Sampling Plans / Statistical Quality Control; fundacional Dodge-Romig (1959), moderno Schilling-Neubauer (2017).
En pocas palabras
¿Te suena?
- Recibimos lotes semanales de 50K-200K piezas; probar el lote completo no es económico o requiere prueba destructiva (presión, estanqueidad, fatiga) — el muestreo es obligatorio pero 'cuántas muestrear + qué tope de defectos' depende de la experiencia del planificador.
- En control de calidad de entrada oímos 'este lote salió con 1 % de defectos, el cliente devolvió un envío de 5K' — la decisión de rechazo no tiene base estadística, las tasas de aceptación/rechazo varían mucho entre proveedores.
- Escribimos AQL (Acceptable Quality Level) 0,65 % en el contrato, pero no conocemos la curva OC (Operating Characteristic) de ese objetivo — riesgo del productor + riesgo del consumidor + AOQL (Average Outgoing Quality Limit) no son numéricos.
- Usamos el mismo plan para todos los proveedores; sin embargo, algunos tienen 5 años de historial fiable y otros son nuevos — no aplicamos las reglas de cambio 'tightened, normal, reduced' (ISO 2859), muestreamos siempre al mismo ritmo.
- Hemos oído de muestreo doble o secuencial (Wald 1947) pero el equipo trabaja con monoetapa; el tamaño medio de muestra (ASN) y el coste total de inspección no se optimizan.
- Cuando la tasa de rechazo es alta, 'el proveedor discute y aumentamos la muestra y reinspeccionamos' — soluciones ad-hoc en vez de reglas de cambio estructurales.
- La hipótesis de homogeneidad del lote (lote de un solo turno, una sola máquina) suele estar violada; el proveedor mezcla turnos/máquinas en un solo 'lote' — el plan da resultados sesgados al romperse esa hipótesis.
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Fija el AQL (nivel de calidad aceptable) y el LQL (nivel inaceptable) del contrato, elige el riesgo del productor (α ≈ 5%) y el del consumidor (β ≈ 10%), y deriva el tamaño de muestra n y el número de aceptación c mediante tablas o fórmulas estadísticas — la curva OC (probabilidad de aceptación según la tasa real de defectos p) cumple ambos objetivos de riesgo.
Este problema se estudia en la literatura de estadística e Investigación de Operaciones (disciplina que usa matemáticas e informática para resolver decisiones de negocio) como Acceptance Sampling Plans (planes de muestreo de aceptación) dentro del marco más amplio del Statistical Quality Control. El trabajo fundacional canónico se hizo en los años 1940-50 con planes single y double (diseño basado en AOQL); el análisis secuencial (SPRT — Sequential Probability Ratio Test) se desarrolló en la misma época; ISO 2859 / ANSI Z1.4 se establecieron después como las tablas industriales dominantes basadas en AQL. Solución en tres etapas:
1. Modelado. Entradas: (a) características del lote — tamaño N (5K-500K piezas), histórico del proveedor (tasa de defectos en los últimos 10-50 lotes, estado de reglas de cambio), tipo de pieza (prueba destructiva, característica crítica), (b) objetivos de calidad — AQL (típico 0,1-2,5 % en contrato), LQL (o LTPD, típico 3-10 %), AOQL (límite superior de la calidad media saliente tras aceptación), (c) objetivos de riesgo — riesgo del productor α (típico 5 %), riesgo del consumidor β (típico 10 %), (d) datos de coste — coste por inspección, coste de aceptar un lote defectuoso (reclamación + devolución + penalización), coste de rechazo (reinspección + negociación + retraso), (e) restricciones operativas — capacidad de inspección (horas/día, personas), prueba destructiva (tamaño limitado), ventana de tiempo (prueba antes de producción). Variables: tamaño n, número de aceptación c, en planes multietapa (n1, c1, n2, c2). Curva OC (Operating Characteristic): para una tasa real p del lote, probabilidad de aceptación Pa(p) bajo el plan — para single sampling se calcula con binomial o hipergeométrica.
2. Diseño del plan. Cinco enfoques clásicos: (a) Single sampling — muestra única de n piezas; k ≤ c acepta, k > c rechaza; el más simple y común, ASN = n fijo. (b) Double sampling — primera etapa n1, acepta si k1 ≤ c1, rechaza si k1 > r1, en la zona intermedia segunda etapa n2, acepta si k1+k2 ≤ c2. ASN (Average Sample Number — número medio de muestras) 20-40 % menor que monoetapa, curva OC similar. (c) Multiple sampling (3-7 etapas) — ASN aún menor pero operativamente complejo. (d) Sequential sampling (basado en SPRT) — decisión acepta/rechaza/continúa tras cada pieza, ASN 50-70 % menor. (e) Planes estándar ISO 2859 / ANSI Z1.4 — tablas basadas en AQL, reglas de cambio (tightened, reduced, normal), columna vertebral de la práctica. Extensiones modernas: planes Bayesian-economic (distribución a priori + decisión económica por lote), rectifying inspection (lote rechazado, prueba al 100 % y aceptado), variables sampling (medida continua en vez de atributo).
3. Integración en planta. Salida en cuatro capas: (a) instrucción de trabajo en control de entrada — por combinación proveedor-pieza, estado de la regla de cambio (normal/tightened/reduced), plan activo (n, c), instrucciones de selección de muestra, árbol de decisión aceptar/rechazar, (b) base de calidad — histórico por lote (aceptar/rechazar, defectos, punto en la curva OC), tendencia del proveedor (CUSUM o carta de control), seguimiento de AOQ, (c) informe al proveedor — estadísticas mensuales, cambios de regla, Pareto de defectos, recomendaciones al equipo de calidad, (d) panel de dirección — tasa anual de piezas rechazadas, coste de reclamaciones, utilización de capacidad de inspección, tendencia económica del AOQ. Integración superior: ERP (disparador de lote), WMS (etiquetado), gestión de proveedores (regla de cambio + score). Comité trimestral de calidad: tendencia AOQ, distribución de reglas de cambio, impacto económico, revisión por proveedor.
Alternativas
Manual + hoja de cálculo + tabla estándar de muestreo de aceptación
GratisCero licencia (tabla de libro)
Para quién: Operación pequeña (< 5 lotes/semana, inspección de atributos simple)
- + Coste cero de software
- + Tablas estándar de muestreo de aceptación (incluida ISO 2859) son públicas, leídas del libro
- + Formación de operador a nivel lectura de tabla
- − Curva OC no se dibuja a mano, perfil de protección desconocido
- − Reglas de cambio manuales → se olvidan
- − Calibración por proveedor débil
- − Doble / secuencial sobrecargan al operador
- − El coste por reclamaciones no se fundamenta estadísticamente
Software local de estadística / gestión de calidad
Empresarial8K-40K EUR licencia + 3K-12K EUR/año mantenimiento (precio PYME)
Para quién: Operación media (5-30 lotes/semana, múltiples proveedores)
- + UI y soporte en idioma local
- + Integración ERP / WMS habitualmente lista
- + Familiaridad regulatoria local
- − Módulo de curva OC limitado, normalmente tabla ISO 2859 estática
- − Reglas de cambio manuales o semiautomáticas
- − Muestreo secuencial o planes de decisión económica no soportados
- − Integración limitada con formulaciones académicas
Plataforma internacional de gestión de calidad / suite SQC
Empresarial100K-500K EUR licencia + 50K-200K EUR/año mantenimiento
Para quién: Operación grande (30+ lotes/semana, multisede, sector regulado)
- + Curva OC + análisis AOQ + reglas de cambio automáticas
- + Planes single, double, multiple, sequential maduros
- + Integración estándar ISO 2859 / ANSI Z1.4
- + Soporte Bayesian-economic
- + Tendencias de proveedor (CUSUM, carta) estándar
- − Licencia alta + 6-15 meses de despliegue
- − Personalización regulatoria local añade plazo
- − Requiere especialista estadístico para la profundidad académica
Lenguaje estadístico abierto + módulo SQC propio
Código abiertoLicencia libre; desarrollo interno 15-30 semanas o 150K-450K EUR consultoría
Para quién: Operación con equipo de estadística / OR, investigación + integración
- + Sin coste de licencia
- + Planes monoetapa, doble, secuencial y de decisión económica bien definidos en solvers de código abierto
- + Curva OC + AOQ + ASN totalmente personalizables
- + Modelado de rendimiento del proveedor (CUSUM, EWMA) libre
- − Experiencia interna estadística + OR
- − Del prototipo académico a producción 9-18 meses
- − Integración ERP/WMS como módulo separado
- − Mantenimiento y seguimiento de norma internos
Recomendación
Pregunta en la reunión
- ¿Qué formulación soporta el módulo de muestreo de aceptación — monoetapa, doble, secuencial, reglas de cambio ISO 2859 / ANSI Z1.4, planes de decisión económica? En una demo con lote 50K + AQL 0,65 % + LQL 4 %, ¿se ve la curva OC?
- ¿Se dibuja la curva OC automáticamente para cada plan — binomial o hipergeométrica? ¿Hay informes AOQL y ASN estándar?
- ¿Las reglas de cambio (tightened — normal — reduced) son automáticas bajo ISO 2859 o requieren aprobación? ¿Sobre qué histórico se evalúa el estado por combinación proveedor-pieza?
- ¿Se soportan muestreo doble, múltiple o secuencial? ¿Está definida la regla de recomendación de plan según condiciones?
- ¿Se soporta variables sampling (medida continua) integrado con índices de capacidad (Cp, Cpk)?
- ¿Se soportan planes de decisión económica (decisión por lote equilibrando costes de inspección, aceptación y rechazo)? ¿Cómo se define la distribución de calidad a priori?
- ¿El seguimiento de rendimiento del proveedor (CUSUM, EWMA, Pareto) es estándar? ¿El sistema avisa cuando la hipótesis de homogeneidad de lote se rompe?
- Si terminamos el contrato, ¿en qué formato estándar (CSV, JSON, Parquet) se exportan el histórico de decisiones, parámetros de curva OC, log de cambios de regla, rendimiento del proveedor y tendencia AOQ?
Detalles técnicos
Nota editorial
Este problema es un problema de control estadístico de calidad; no es mantenimiento de equipos (#009) sino la aceptación/rechazo estadístico-muestral de piezas entrantes. En planta se le llama “control de entrada”, “inspección de lote” o “muestreo de calidad”. En la literatura académica es la familia de Acceptance Sampling Plans dentro del marco del Statistical Quality Control; las Sampling Inspection Tables de Dodge y Romig (1959) son la fuente fundacional de tablas, Acceptance Sampling in Quality Control de Schilling y Neubauer (2017) es la referencia moderna, Sequential Analysis de Wald (1947) es la base de la teoría dinámica, y Introduction to Statistical Quality Control de Montgomery (2019) es el libro estándar para curva OC e integración proceso-calidad. Las normas internacionales ISO 2859 (procedimientos generales) y ANSI/ASQ Z1.4 (planes por atributos, reglas de cambio) son la columna vertebral de la práctica industrial.
Diferencia con #009 (Mantenimiento preventivo): mantenimiento planificado antes del fallo del equipo — decisión en máquina. Acceptance Sampling es la aceptación/rechazo estadístico-muestral de piezas entrantes — decisión de inspección. Ambos problemas conviven en el mismo sector (fabricación) en capas distintas: PM mantiene la máquina, AS equilibra el riesgo productor/consumidor en las piezas entrantes.
El punto más olvidado del sector: la curva OC (Operating Characteristic). La intuición del practicante “toma el plan AQL 1 %” no contabiliza el perfil de protección real (riesgo del consumidor + riesgo del productor + AOQL). La curva OC relaciona la tasa real p del lote con la probabilidad de aceptación Pa(p); en p=0, Pa=1; en p=1, Pa=0; entre medias, una S. Base numérica del diseño: AQL = p_α (Pa = 1−α, típico 95 %), LQL = p_β (Pa = β, típico 10 %). El enfoque académico dibuja la curva por cada plan y la compara con la calidad esperada; la intuición del practicante mira sólo el par (n, c), sin curva el perfil queda como afirmación no numérica. Schilling y Neubauer (2017) y Montgomery (2019) tratan la curva OC como objeto central; en la selección de proveedor, la pregunta “demo: bajo plan AQL 0,65 %, ¿probabilidad de aceptación con p=3 %?” prueba si el soporte de curva OC es real.
Segundo punto olvidado: reglas de cambio y calibración por proveedor. ISO 2859 y ANSI Z1.4 no dan un plan sino un sistema de tres planes: normal (inicio, cumplimiento medio), tightened (se aprieta si 2 de los últimos 5 lotes fueron rechazados), reduced (se afloja si los últimos 10 lotes pasaron + el proceso del proveedor está estable). El cambio por proveedor evita coste innecesario en proveedores fiables y aumenta automáticamente la protección con tendencia a empeorar. Usar “el mismo plan siempre” salta esa maquinaria → coste de inspección 30-50 % más alto y la tendencia de calidad sin seguimiento.
Tercer punto olvidado: la hipótesis de homogeneidad del lote. La fórmula de single sampling supone que el lote es de un único proceso y un único turno (hipergeométrica o binomial aproximada). En la práctica los proveedores mezclan lotes de distintos turnos, máquinas y materias primas en un solo “lote”; la distribución de defectos no es concentrada sino segmentada. La curva OC sale sesgada; el riesgo del consumidor real es mayor que el calculado. Solución: cláusula contractual “lote de un proceso y un turno”, muestreo estratificado, o control integrado con variables sampling sobre índices de capacidad (Cp, Cpk).
Hoja de ruta paso a paso — PYME
Etapa 1 — Medir antes de planificar. Al menos 12 meses de histórico por lote: por combinación proveedor-pieza, tamaño del lote, tamaño de muestra (n), defectos encontrados, decisión, defectos detectados después de la aceptación (incluyendo reclamaciones). Coste de defectos: hora de inspección, coste tras aceptación (devolución + penalización + parada), coste de rechazo (reinspección + negociación + retraso). Inventario de rendimiento del proveedor: aceptación/rechazo en los últimos 50 lotes, tendencia AOQ, Pareto de defectos. Contrato: AQL, LQL, riesgos α y β.
Etapa 2 — Construir capital de conocimiento. Tendencia por proveedor (CUSUM o carta de control simple). Curva OC para los planes actuales (con binomial basta para la intuición). Cálculo de AOQL. Cálculo de ASN: ahorro al pasar de single a double/sequential. Umbrales de reglas de cambio: disparador tightened/reduced sobre los últimos 5/10 lotes.
Etapa 3 — Piloto. 12-20 semanas. En un subconjunto (p. ej. 3 proveedores de mayor volumen, 5 tipos de pieza) plan sistemático: AQL y LQL en contrato, reglas de cambio activas, curva OC por plan, AOQ semanal. Las decisiones quedan en el equipo de calidad; el sistema recomienda. Criterio de éxito por escrito y previo: coste de inspección -15 %, reclamaciones -20 %, varianza AOQ -30 %.
Etapa 4 — Escalado. 6-12 meses para todas las combinaciones proveedor-pieza. Se activa double/sequential en proveedores estables de gran volumen. Bayesian-economic como opción posterior. Comité trimestral: tendencia AOQ, distribución de reglas, rendimiento del proveedor, impacto económico.
Riesgos — qué puede fallar
Deriva de calidad del proveedor (drifting AQL). Empieza en el AQL del contrato (0,65 %), el proceso deriva (nuevo operario, cambio de material, desgaste); la deriva es lenta, no se ve ni siquiera en estado reduced → el AOQ empeora poco a poco y las reclamaciones explotan. Solución: CUSUM o EWMA, disparador automático de reglas de cambio, informe trimestral de capacidad (Cp, Cpk) por proveedor.
Mal incentivo de ‘premiar’ tasa de rechazo. Si se mide al equipo de calidad por número de lotes rechazados, aparece sesgo a rechazar de más, el riesgo del productor α se infla, la relación se daña, la reinspección se dispara. Solución: medir por AOQ + coste de reclamaciones y por ‘aceptación correcta + rechazo correcto’ + impacto económico.
Hipótesis de homogeneidad rota. Si el proveedor mezcla turnos/máquinas/lotes de materia prima en un único ’lote’, la curva OC se sesga, el riesgo del consumidor real es mayor. Solución: cláusula ’lote de un proceso y un turno’, muestreo estratificado o control integrado con variables sampling.
Lock-in con un solo proveedor — QMS. Sin cláusula de ’exportación anual en formato estándar (CSV, JSON, Parquet) del histórico de decisiones, parámetros de curva OC, log de cambios de regla, rendimiento del proveedor y tendencia AOQ’, cambiar de sistema implica perder la memoria de calidad — 3-7 años de calibración, historia de reglas y enlace reclamaciones-defecto bloqueados.
Mirada técnica al método
| Enfoque | Escala típica | Tiempo de resolución | Curva OC + AOQL | ASN típico |
|---|---|---|---|---|
| Single sampling (Dodge-Romig 1959) | Todas las escalas | Instantáneo (tabla) | Binomial/hipergeométrica | n fijo |
| Double sampling (Dodge-Romig 1959) | Todas las escalas | Instantáneo (tabla) | OC de dos etapas | 20-40 % menos |
| Multiple sampling (3-7 etapas) | Media-grande | Tabla + cálculo | OC multietapa | 30-50 % menos |
| Sequential sampling (Wald 1947 SPRT) | Media-grande | Cálculo | OC de decisión continua | 50-70 % menos |
| ISO 2859 / ANSI Z1.4 (reglas de cambio) | Todas las escalas (estándar) | Tabla + flujo | Basado en tabla | Por etapa |
| Bayesian-economic (Pearn-Wu 2007) | Lotes de alto valor | Horas de cálculo | A priori + a posteriori | Equilibrio económico |
| Variables sampling (continuo) | Datos de capacidad | Cálculo | Distribución normal | Menor que atributo |
Elección de función objetivo:
- Objetivo 1 — Mínimo coste total de inspección: diseño clásico; minimizar ASN sujeto a α y β.
- Objetivo 2 — Cota AOQL: enfoque original de Dodge-Romig — garantizar el techo de la calidad media saliente.
- Objetivo 3 — Mínimo coste económico total (Bayesian-economic): minimizar la suma esperada de inspección + aceptación + rechazo.
- Objetivo 4 — Mínimo riesgo de reclamaciones: protección estricta vía β, α más laxo.
Multi-objetivo: suma ponderada, jerárquico (AQL regulatorio primero) o frente de Pareto.
Variantes del plan — según campo:
- Single (Dodge-Romig 1959): una etapa, el más simple. Volumen bajo/medio, atributo.
- Double (Dodge-Romig 1959): dos etapas, ASN 20-40 % menor. Volumen medio/alto, proveedor estable.
- Multiple / sequential (Wald 1947): multietapa o pieza a pieza. Alto volumen, decisión rápida.
- Switching ISO 2859 / ANSI Z1.4: estándar de la industria, calibración por proveedor.
- Variables sampling: integrado con índices de capacidad (Cp, Cpk), medida continua.
- Bayesian-economic (Pearn-Wu 2007): a priori + decisión económica por lote. Lotes de alto valor.
- Rectifying inspection: lote rechazado, prueba al 100 % y aceptado — garantiza AOQ tras aceptación.
Referencias académicas
Listadas en sources. Dodge y Romig (1959) tablas fundacionales; Wald (1947) análisis secuencial; Schilling y Neubauer (2017) referencia moderna; Pearn y Wu (2007) Bayesian-economic; Montgomery (2019) libro de SQC.
Fuentes
- Dodge, H. F. y Romig, H. G. (1959). Sampling Inspection Tables: Single and Double Sampling (2.ª ed.). Wiley. Tablas fundacionales basadas en AOQL.
- Wald, A. (1947). Sequential Analysis. Wiley. Teoría secuencial de muestreo, SPRT.
- Schilling, E. G. y Neubauer, D. V. (2017). Acceptance Sampling in Quality Control (3.ª ed.). Chapman y Hall/CRC. Referencia moderna estándar.
- Pearn, W. L. y Wu, C.-W. (2007). An effective decision-making method for product acceptance. Omega, 35(1), 12-21. Enfoque Bayesian-economic.
- Montgomery, D. C. (2019). Introduction to Statistical Quality Control (8.ª ed.). Wiley. Libro de referencia para SQC y curva OC.
- YÖK Thesis Center — palabra clave ‘kabul örnekleme’, ‘acceptance sampling’ o ‘kalite kontrol planı’ — 25+ tesis de la academia TR. tez.yok.gov.tr
Glosario
- Muestreo de Aceptación
- Práctica estadístico-operativa de inspeccionar una muestra aleatoria de n piezas de un lote y decidir aceptarlo o rechazarlo según si el número de defectos está por debajo o por encima de un umbral de aceptación c.
- Curva Característica de Operación
- Función que relaciona la tasa real de defectos p de un lote con la probabilidad de aceptación Pa(p) bajo un plan de muestreo (n, c) — curva de p=0 (Pa=1, aceptación segura) a p=1 (Pa=0, rechazo seguro).
- MIP
- Modelo de optimización donde parte de las variables de decisión deben ser números enteros (p. ej. número de camiones o de turnos).
- Mantenimiento Preventivo
- Mantenimiento planificado antes de que un activo falle — para evitar paradas no programadas.
Problemas relacionados
¿Cómo equilibrar ritmo de producción, inventario, horas extra y subcontratación a 12 meses?
Diriges una pyme manufacturera de 10-50M TRY de facturación mensual, con 5-30 familias de producto y 30-200 operarios; comercial te entrega una previsión anual donde los meses de pico y los de valle varían bruscamente. Cada mes y para cada familia de producto debes tomar a la vez cinco decisiones entrelazadas: producir a ritmo constante y acumular stock, contratar o despedir personal, absorber picos con horas extra, subcontratar a auxiliares o aplazar pedidos al mes siguiente. Si la mezcla está mal, el stock medio se hincha 20-40%, las horas extra rebasan el tope legal de 270 horas anuales, la subcontratación de último minuto cierra 20-40% por encima del precio de mercado y las entregas tardías pierden clientes. Repartir estas cinco decisiones entre comercial, producción y RR. HH. con tres intuiciones separadas quema 4-25M TRY de margen operativo al año.
¿Cuánto de Cada Producto Hago para Sacar Más Ganancia?
Diriges un taller de 5-50 trabajadores que produce 3-15 productos. La misma materia prima, las mismas máquinas y la misma gente trabajan para todos los productos. Cada semana ventas dice 'podemos vender 200 más de esto', producción dice 'pero esa máquina está copada', administración dice 'el producto A da más ganancia, empújalo'. Cada producto tiene una ganancia unitaria distinta, un consumo distinto de horas máquina, materia prima y mano de obra, y un techo de demanda distinto. Decidiendo a ojo sueles cargar el producto de mayor precio de venta — pero el producto que **menos hora-máquina cuello de botella come** puede dar más ganancia. Tomarlo por intuición deja en la mesa el 10-25% de la ganancia mensual que podrías obtener de la misma capacidad.
¿Cuánto produzco de una vez y cuándo vuelvo a empezar?
Una de las preguntas básicas de un fabricante: hay datos de demanda para un período, cada nuevo lote de producción tiene un coste de setup (cambio de molde, ajuste de línea, calibración) y lo producido pero no vendido inmediatamente genera coste de inventario (almacén, capital inmovilizado, obsolescencia). El plan de cuánto producir cada semana debe decidirse con antelación; el nombre matemático es Lot Sizing Problem. La variante con un producto, demanda determinista, sin capacidad fue resuelta por Wagner y Whitin en 1958 con programación dinámica. Las variantes multi-producto, capacitadas, multi-nivel crecieron en MRP, Capacitated Lot Sizing (CLSP) y Economic Lot Scheduling (ELSP).