I ngeniería I nvestigación y T ecnología

volumen XX (número 2), abril-junio 2019 1-9

ISSN 2594-0732 FI-UNAM artículo arbitrado
Información del artículo: Recibido: 9 de junio de 2017, reevaluado: 14 de noviembre de 2017, aceptado: 18 de enero de 2019
Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) license
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017

Muestreo para el control de calidad en el proceso de elaboración de envases metálicos

para alimentos
Sampling for quality control in the process of manufacturing metal containers for food
Rodríguez-Balza Mairett Yuri Villamarin-Oliveros Alexis Javier
Universidad Técnica del Norte, Universidad Central de Venezuela
Instituto de Posgrado Posgrado en Estadística, Maracay, Venezuela
Correo: myrodriguez@utn.edu.ec, mayrodba@gmail.com Correo: alexis.villamarin@gmail.com
https://orcid.org/0000-0002-3177-6456 https://orcid.org/0000-0003-4787-6467
Machado-Torrealba Wilfre Saúl
Universidad de Investigación de Tecnología Experimental Yachay
Escuela de Matemáticas y Ciencias Computacionales
Correo: wmachado@yachaytech.edu.ec, wilfre.machado@gmail.com
https://orcid.org/0000-0002-3797-2159

Resumen
Este artículo propone el uso del muestreo sistemático probabilístico como herramienta de monitoreo de la calidad en procesos de
manufactura, con líneas de producción continuas y unidades de muestreo ordenadas de manera secuencial. Se aborda el caso de
una empresa de elaboración de envases metálicos para la conservación de alimentos. Se determinó el tamaño de muestra mínimo
necesario, a partir del muestreo aleatorio simple para la población conformada por un día de producción y un error máximo admi-
sible de acuerdo con las tolerancias de las características de calidad de los envases. Se estimaron las varianzas mediante un muestreo
piloto. Los resultados indican la factibilidad de uso del muestreo sistemático, para muestrear los envases en la línea de producción,
con el fin de aplicar herramientas de control estadístico.
Descriptores: Selección sistemática, monitoreo de procesos, muestreo piloto, tamaño de muestra.

Abstract
This article proposes the use of probabilistic systematic sampling as a quality monitoring tool in manufacturing processes, with conti-
nuous production lines and sampling units sequentially ordered. The case of a company that manufactures metal containers for food
preservation is addressed. The minimum required sample size was determined, starting from the simple random sampling for the
population formed by a day of production and a maximum admissible error according to the tolerances of the quality characteristics
of the containers. The variances were estimated through a pilot sampling. The results indicate the feasibility of using probabilistic
systematic sampling, to sample the containers in the production line, in order to apply statistical control tools.
Keywords: Systematic selection, process monitoring, pilot sampling, sample size.
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Muestreo para el control de calidad en el proceso de elaboración de envases metálicos para alimentos

Introducción nar (aceptar o rechazar) lotes, materias primas o

subproductos. Un ejemplo de esta tendencia es el re-
Uno de los objetivos principales de la estadística es in- ciente trabajo de Bouzembrak y Fels-Klerx (2018), quie-
ferir sobre parámetros de la población. En el caso de nes resaltan la importancia de las técnicas de muestreo
procesos industriales, sobre las características de cali- para los planes de muestreo, comparando el rendi-
dad del mismo, a partir de la información obtenida de miento de tres diferentes estrategias de muestreo, como
una muestra (Martínez, 2012). Los métodos estadísti- muestreo aleatorio simple, muestreo aleatorio estratifi-
cos, en particular el muestreo, desempeñan un papel cado y sistemático muestreo.
importante para controlar la calidad en procesos indus- Sin embargo, para el monitoreo de características de
triales, ya que permiten detectar desviaciones de los calidad, no son frecuentes las investigaciones orienta-
estándares de calidad (Montgomery, 2004; Canavos, das a determinar la técnica de selección de las muestras,
1991; Kleeberg y Ramos, 2009). Los métodos de mues- el tamaño de muestra mínimo necesario, la frecuencia y
treo son el conjunto de técnicas estadísticas que estu- los puntos del muestreo adecuados para la selección de
dian la forma de seleccionar una muestra representativa una muestra representativa en los procesos de manu-
de una población, que permita inferir sobre sus caracte- factura, que en la mayoría de los casos, podría consistir
rísticas, en la que se comete un error medible y acotable en un muestreo sistemático no probabilístico.
(Pérez, 2005). En este contexto, se puede resaltar la investigación
Un término considerado de gran relevancia, es la de Zhou (2017), quien señala que la tabla de control de
“estadística industrial”, que de acuerdo con Steinberg Shewhart está relacionada con el caso donde la media y
(2016), se refiere a la utilización de estadísticas para desviación estándar del proceso dado son conocidos.
promover el desarrollo, prueba, producción y comer- Sin embargo, en la práctica, la media y la desviación
cialización de bienes y los procesos que apoyan estos estándar son desconocidas. En este caso, el tratamiento
esfuerzos. Agrega Steinberg, que las investigaciones común es estimar los parámetros desconocidos utili-
proponen y perfeccionan muchas de las herramientas zando datos históricos. Este artículo presenta una apli-
que ahora están profundamente arraigadas en Seis-Sig- cación para el monitoreo del índice de calidad: diámetro
ma para definir-medir-analizar-mejorar-controlar, tales de una carcasa de válvula en una fábrica de dispositi-
como: Diseño de Experimentos (DE), la confiabilidad, vos hidráulicos. Como resultado, sugiere seleccionar
la metrología, el control estadístico de procesos (CEP) y una muestra de 100 y un tamaño de subgrupo de 10.
el muestreo de aceptación para el control de los proce- En virtud de lo expuesto, se presenta de manera de-
sos y productos. tallada en este artículo, el diseño para la técnica de
Cada año se generan innumerables publicaciones muestreo sistemático empleado en un proceso continuo
relevantes y útiles para el avance de los métodos esta- de fabricación de envases metálicos de 1.892x10-2 m3, en
dísticos y la práctica en la industria, pero la mayor par- el que se asume la existencia de una correlación entre la
te de la investigación sigue siendo en CEP, DE y la variabilidad de las características de calidad y los des-
fiabilidad (Steinberg, 2016). Según Coetzer y de Jongh ajustes de la maquinaria en el tiempo. Con el fin de me-
(2016): “la revista Quality Engineering ofrece numerosos jorar la precisión respecto al muestreo aleatorio simple
ejemplos de la investigación impulsada por los problemas de y facilitar la ejecución del muestreo.
la industria” (p.1). Para Hoerl y Snee (2010) “mucho se ha El estudio se llevó a cabo en una industria manufac-
escrito recientemente sobre el futuro de las estadísticas en los turera, en una línea de fabricación de envases metálicos
negocios y la industria (por ejemplo, Technometrics, de 1.892x10-2 m3 para la conservación de alimentos, con
2008)” (p.1). poco tiempo de instalada en su nueva ubicación. Se
Steinberg (2016) determinó temas sujetos a investi- consideró que el traslado, la inclusión de nueva maqui-
gación estadística, que los industriales requieren para naria y redistribución, pudieron haber generado des-
resolver problemas o mejoras en los procesos, entre los ajustes en los equipos. Dada la naturaleza destructiva
cuales se puede destacar: aprovechamiento de mues- de algunas de las mediciones de las características de
tras pequeñas, cuantificación de la incertidumbre y de- calidad, no era factible seleccionar muestras grandes
tección de anomalías. En cualquiera de estas situaciones durante el proceso (Villamarin, 2015). Además, la línea
se deben llevar a cabo procesos de selección de mues- de producción es continua, es decir, una vez que inicia
tras representativas para mejorar las predicciones y po- el proceso, se generan los envases metálicos de manera
der realizar inferencias estadísticas. ininterrumpida. Es por eso que las unidades de mues-
Existen numerosos artículos científicos, sobre el treo se consideran ordenadas de manera secuencial. El
muestreo para aceptación que se utiliza para dictami- proceso está regulado por sensores de movimiento, por

2 I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Rodríguez-Balza Mairett Yuri, Machado-Torrealba Wilfre Saúl, Villamarin-Oliveros Alexis Javier

lo que es sensible a paradas o interrupciones ocasiona- Población objetivo

das por fallas o por la selección de muestras, que pue-
den producir descontrol en la secuencia. Para el caso en estudio, la población objetivo correspon-
dió a los envases metálicos de 1.892x10-2 m3 (5 galones)
Objetivos fabricados en un día de producción, con dos turnos de
ocho (8) h cada uno.
1. Determinar el tamaño de muestra “n” mínimo nece-
sario a partir del muestreo aleatorio simple de enva-
Marco de muestreo
ses metálicos.
2. Establecer la técnica de selección de la muestra n, El marco de muestreo estuvo conformado por unidades
para el monitoreo de características de calidad en el de muestreo equivalentes a los segundos de un día de
proceso de manufactura de envases metálicos. producción. La unidad de observación de las caracterís-
ticas de calidad, correspondió al envase metálico de
Diseño de muestreo 1.892x10-2 m3.

El propósito del muestreo que se describe en este artí-

Metodología e instrumentos de medición
culo es con fines de monitoreo de las características de
calidad durante el proceso, para detectar desvíos que En la Tabla 1 se presenta la descripción de las variables
requieran ajustes. Conforme a las características de la representadas en la Figura 2, de cada etapa del proceso,
línea de producción expuestas previamente, se desarro- con los respectivos instrumentos de medición emplea-
lla cada uno de los aspectos del esquema metodológico dos para el monitoreo de las características de calidad,
presentado en la Figura 1, para el diseño del muestreo. en los puntos de control estadístico del proceso previa-
mente establecidos por Villamarin (2015).

Metodología e
Población objetivo Marco de muestreo instrumentos de
medición

Selección de la muestra Muestreo piloto Tamaño de muestra Figura 1. Esquema metodológico del
diseño de muestreo

Figura 2. Cotas de las partes mensurables de un cierre

Nota: a) solape (o traslape), b/c) penetración del gancho del cuerpo,

d) gancho cuerpo, e) profundidad, f) longitud de cierre,
g) gancho tapa, h) espesor del cierre, i) gap.
Tomado de http://www.mundolatas.com

I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM 3
4
Tabla 1. Descripción de las características de calidad según las etapas del proceso
Etapa del proceso Variable Descripción Instrumento

Altura del cuerpo (m)

Desarrollo del cuerpo (m) Medidor de longitud

Cortado de láminas Variables resultado de seccionar en dos las láminas que vienen de litografía
Escuadra del cuerpo (m)

Espesor de la lámina Vernier

Muestreo

Cilindrado de láminas Solapado (m) Variable resultado de la formación del cilindro Vernier durómetro
Diagonal 1 (Arista de Variables resultado de procesar el cuerpo cilíndrico, llevándolo hasta la forma
costura) (m) Medidor de longitud
Expansión de cilindros rectangular con ayuda de la máquina expansora. Estas “Diagonales” son la longitud
digital
Diagonal 2 (m) medida desde una arista del rectángulo hasta la arista opuesta.
Variable resultado de generar nervios (depresiones en las aristas longitudinales) en la

I ngeniería I nvestigación
Profundidad del nervio (m) Profundimetro

y
lata, con la finalidad de disminuir flexibilidad/deformación en la misma.
Cornado de cuerpos
Longitud de pestaña fondo Variable resultado de hacer pasar la lata por la máquina pestañadora. Cabezal 1 Medidor de pestana-
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017

Longitud de pestaña tapa Variable resultado de hacer pasar la lata por la máquina pestañadora. Cabezal 2. cuerpo

Espesor del cierre

Longitud de cierre

Equipo de medición
Profundidad de parámetros doble
Conformación fondo y cierre: pofundímetro,
Variables del doble cierre
tapa micrómetro de doble
cierre
Gancho tapa

Gancho cuerpo

Traslape
para el control de calidad en el proceso de elaboración de envases metálicos para alimentos

T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Rodríguez-Balza Mairett Yuri, Machado-Torrealba Wilfre Saúl, Villamarin-Oliveros Alexis Javier

Tamaño de muestra e = error máximo permisible para la media esti-

mada
Es necesario determinar el número de unidades de z = valor del desvío correspondiente al nivel de con-
muestreo a seleccionar para medir las características de fianza seleccionado
calidad con el fin de elaborar gráficos de control, que es
una de las herramientas estadísticas más empleadas en Así, sustituyendo la precisión para el muestreo aleato-
el monitoreo y control estadístico de procesos rio simple, se tiene
(Rowlands y Wang, 2000; Stoumbos et al., 2000).
En los gráficos de control, el tamaño de muestra está  σ 2*  N − n  
definido por el tamaño de subgrupo (submuestra) y su e = z  (4)
 n  N  
frecuencia de muestreo (número de subgrupos). Para la  
elección del tamaño del subgrupo, de acuerdo con Bes-
terfield (2009): “se requiere cierta cantidad de juicio empíri- a partir de (IV) se obtiene n para estimar el promedio
co” (p. 190); sin embargo, propone algunos lineamientos
prácticos como: el tamaño del subgrupo de 2 a 3 unida-
k 2 Nσ 2*
des en pruebas destructivas, de 4 o más si se considera n= (5)
casi normal la distribución de los promedios para z σ 2* + Nε 2
2

subgrupos. Por su parte, Montgomery (2004) y Gutié-

rrez (2005) recomiendan usar tamaños del subgrupo de donde
4, 5 ó 6, para detectar cambios moderados a grandes en
gráficas de control de x ; y para cambios pequeños, re- n =Tamaño de muestra mínimo necesario para el
comiendan tamaños del subgrupo de 15 a 25. monitoreo de las características de calidad
A pesar de la sugerencia para los tamaños de subgru- z =Valor del desvío correspondiente al nivel de con-
pos referidos anteriormente, se decidió en conjunto con fianza deseado
la gerencia escoger subgrupos de una unidad de mues- N =Tamaño poblacional, 57600 s
treo. Por requerimiento de mediciones con muestreo
( y µ )= Varianza poblacional de las caracte-
N (y − µ)
σ 2 * = ∑ 1i

22

destructivo y limitaciones con las paradas del proceso.

Para determinar el número de subgrupos que esta-
i =1 N − 1 rísticas de calidad
blecerá la frecuencia de muestreo, se estimó un tamaño e =Error máximo permisible, definido de acuerdo
de muestra mínimo a seleccionar en un día de con los límites de tolerancia de las características
producción, de acuerdo con el muestreo aleatorio simple, de calidad. Expresado en las mismas unidades de
por ser una de las fórmulas más sencillas y empleadas la característica.
con frecuencia. Asumiendo que las estimaciones del
promedio poblacional µˆ y de cada una de las característi- Como se puede observar en (V), se requiere conocer el
cas de calidad tienden a distribuirse normalmente con parámetro σ2*. En los procesos industriales, frecuente-
media µ y y varianza σ y2 , como se expresa en (1) mente se desconoce la variabilidad real de las caracte-
rísticas de calidad. En procesos muy variables o en los
µˆ y= y → N (σ y2 ) (1) que se cuenta con poca o ninguna información acerca
de la dispersión del mismo, es recomendable aplicar un
Se define un intervalo de confianza de 100(1-α)% para muestreo piloto, con el cual se determina su estimador
µy insesgado S2. Cuando el proceso es estable, es posible
con la opinión de expertos asumir aproximaciones de la
y mzσ y (2) varianza a partir de información histórica.

Para lo cual es necesario establecer el nivel deseado de

Muestreo piloto
confiabilidad. El tamaño de la muestra como función de
la precisión deseada “e” y el nivel de confianza, queda Consiste en la extracción de una pequeña muestra de la
definido por población con fines de estimación de la varianza mues-
tral (Lohr, 2010; Soriano, 2002). Así mismo, permite
e = zσ y (3) ajustar la técnica de selección de la muestra y validar
los métodos e instrumentos de monitoreo que reducen
donde los errores ajenos al muestreo.

I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM 5
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Muestreo para el control de calidad en el proceso de elaboración de envases metálicos para alimentos

Woodall y Montgomery (2014); Saleh, Mahmoud, al., 2006). Por esta razón, se asumen los tamaños de
Keefe y Woodall (2015); Goedhart, Schoonhoven y muestra obtenidos empleando (V) para realizar el
Does (2017), sugieren la aplicación de una Fase I en el muestreo sistemático en el proceso de fabricación de
proceso de monitoreo, en la cual el experto selecciona envases metálicos.
una muestra de observaciones del proceso ordenadas Para la extracción de la muestra de la población con-
en el tiempo, datos históricos, para la estimación de pa- formada por N = 57600 s (un día de producción, con dos
rámetros. Esta recomendación no era factible para el turnos de trabajo), empleando una selección sistemáti-
caso en estudio, por la nueva ubicación de la línea de ca en el tiempo, se escoge al azar un número entre los k
producción. primeros intervalos y luego los subsecuentes a interva-
Por lo tanto, se decidió en conjunto con el personal los de k, donde k = N/n. El número al azar puede obte-
de la industria, seleccionar un envase de manera siste- nerse mediante algún mecanismo de selección de
mática en cada etapa de la línea de producción, a inter- números aleatorios como:
valos de hora y media, conformando una muestra
piloto de 10 envases metálicos por etapa. • Excel por la fórmula “=aleatorio.entre(1;k)”
Con las observaciones de la muestra piloto, se esti- • Calculadoras científicas (rnd)
mó el tamaño de muestra en cada una de las caracterís- • Tabla de números aleatorios
ticas de calidad, mediante (V), considerando un nivel
de confianza de 95% y un error máximo permitido defi- La frecuencia de muestreo de envases metálicos en cada
nido por las tolerancias del producto para cada caracte- una de las etapas, se describe a continuación de acuer-
rística de calidad (Tabla 2). Los tamaños de muestra do con los tamaños de muestra presentados en las Ta-
resultaron pequeños (1, 2, 4, 5 y 10) como puede apre- blas 2 y 3:
ciarse en las Tablas 2 y 3, debido a la baja variabilidad
de las observaciones. • Etapa: cortado de láminas. De acuerdo con los cálculos
realizados (Tabla 2), se debe seleccionar una mues-
tra de al menos una unidad de tiempo (s). Sin em-
Selección de la muestra
bargo, se recomienda tomar una muestra de tamaño
Para la elección de los elementos que conformen la 2, una para cada turno de producción, extrayendo
muestra mediante el muestreo aleatorio simple, las uni- en cada caso un número aleatorio entre 1 y 28800.
dades de muestreo deben numerarse (o identificarse), En el segundo seleccionado, tomar una lámina.
de modo que se utilice un mecanismo de aleatorización • Etapa: cilindrado de láminas. El mayor tamaño de
para escoger las unidades de la muestra (Scheaffer et al., muestra obtenido para las características de calidad
2006). es de n=10 (Tabla 2), por lo que los intervalos de se-
Los procesos industriales de naturaleza continua lección serían de k = 57600/10 = 5760 s. Para extraer
presentan dificultad para numerar todos los elementos la muestra, escoger un número al azar entre 1 y 5760
de la población, por ello, se decidió seleccionar una s luego de iniciada la jornada, en el segundo selec-
muestra sistemática en el tiempo, que facilita la labor cionado tomar un cilindro y luego cada 5760 s.
del muestreo. De acuerdo con Cochran (1985): “una
muestra sistemática es una muestra aleatoria simple de una La línea de producción en esta etapa es particularmente
unidad conglomerada, tomada de una población que tiene k sensible a la actividad de muestreo. Es necesario reubi-
unidades conglomeradas, así ” (p. 259). car cuidadosamente el envase metálico una vez efectua-
Adicionalmente, se mejora la precisión respecto a la das las mediciones de las características de calidad, de
del muestreo aleatorio simple, debido a que, en una lo contrario, se podrían generar desajustes que afecta-
producción en orden, se puede asumir una correlación rían las siguientes etapas del proceso (Villamarin, 2015).
entre las características de calidad y los desajustes de Por ello, se recomienda llevar a cabo el monitoreo con
las máquinas en el tiempo, que pueden generar produc- solo 10 envases metálicos.
tos fuera de las especificaciones. Si la población resulta-
se aleatoria, la muestra sistemática se comporta como • Etapa: expansión de cilindros. El mayor tamaño de
una muestra aleatoria simple (Scheaffer et al., 2006). muestra estimado es de n = 5 (Tabla 2). Se obtiene al
En este sentido, aun cuando las varianzas poblacio- azar un número entre los k = 57600/5 = 11520 prime-
nales de la media muestral σ2/y, del muestreo aleatorio ros segundos de iniciado el turno, en ese segundo
simple y el muestreo sistemático pueden ser diferentes, seleccionado tomar un envase y luego cada 11520 s,
los estimadores de la varianza coinciden (Scheaffer et para completar la muestra.

6 I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM
 Tabla 2. Tamaños de muestra estimados con 95% de confianza para las características de calidad de envases metálicos de 1.892x10-2 m3 en las etapas de cortado, cilindrado,
expansión y cornado de cuerpos
Etapa Cortado de laminas Cilindrado de laminas Expansión de cilindros Cornado de cuerpos
Longitud
Profundidad de pestana
Altura (m) Escuadra (m) Solapado (m) Diagonales (m)
Desarrollo Espesor de del nervio (m) del cuerpo
Características tapa (m)
(m) lámina (m)
de calidad

I ngeniería I nvestigación
Diagonal
Extremo 1: Extremo 2: Extremo 1: Extremo 2: Extremo 1: Extremo 2: Diagonal 2:

y
1:

S 4.064x10-5 4.572x10-5 4.749x10-4 1.44x10-5 1.87x10-5 1.9x10-6 5.54x10-5 1.556x10-4 0.001348 6.934x10-4 2.692x10-5 1.219x10-4
n 1 1 1 1 1 1 2 10 5 2 1 2
-4 -4 -4 -4 -6 -4 -4 -4
e 5.08x10 5.08x10 0.00254 1x10 1x10 5x10 1x10 1x10 0.00127 0.00127 2.032x10 2.032x10-4
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017

Tabla 3. Tamaños de muestra estimados con 95% de confianza y un error de 2.032x10-4 (m) para las características de calidad de envases metálicos de 1.892x10-2 m3 en la
etapa de conformación de tapa y fondo
Etapa Conformación tapa Conformación fondo

Espesor Anchura Profundidad Gancho tapa Gancho Traslape Profundidad Gancho tapa Gancho
Característica Espesor (m) Anchura (m) Traslape (m)
(m) (m) (m) (m) cuerpo (m) (m) (m) (m) cuerpo (m)

S 7.62x10-5 8.102x10-5 5.969x10-5 9.3472x10-5 1.427x10-4 1.077x10-4 7.086x10-5 1.168x10-4 5.969x10-5 1.237x10-4 1.981x10-4 9.906x10-5
n 1 1 1 1 2 2 1 2 1 2 4 1
Rodríguez-Balza Mairett Yuri, Machado-Torrealba Wilfre Saúl, Villamarin-Oliveros Alexis Javier

T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM
7
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Muestreo para el control de calidad en el proceso de elaboración de envases metálicos para alimentos

• Etapa: cornado de cuerpos. Como se aprecia en la Tabla una precisión establecida para el monitoreo de caracte-
2, para la profundidad se obtuvo un tamaño de rísticas de calidad en un proceso de manufactura, sin
muestra de n=1 y para longitud de n=2. Se recomien- información histórica, a partir de una muestra piloto. Se
da medir ambas características de calidad en dos recomienda seleccionar la cantidad de muestras deter-
envases seleccionados en las unidades de tiempo minadas para cada etapa, debido a que el proceso es
escogidas al azar entre el segundo 1 y el 28800, en sensible a paradas, por la presencia de un sensor de
cada turno de trabajo. movimientos.
• Etapa: conformación tapa y fondo. El mayor tamaño de Para facilitar la labor del muestreo y mejorar la pre-
muestra estimado es de n = 4 (Tabla 3). Se obtiene al cisión, es conveniente emplear un mecanismo sistemá-
azar un número entre los k = 57600 / 4 =14400 prime- tico de selección en el tiempo, en situaciones de
ros segundos de iniciado el turno, en ese segundo producción continua, con unidades de muestreo orde-
seleccionado tomar un envase y luego cada 14400 s. nadas de manera secuencial, asumiendo una correla-
ción entre las características de calidad y los desajustes
Discusión de las máquinas en el tiempo, que podría generar pro-
ductos fuera de las especificaciones.
Los resultados obtenidos en cuanto al tamaño de mues-
tra y el proceso de selección de la misma, a pesar de ser Referencias
específicos para el proceso de manufactura presentado
en este artículo, reflejan la importancia de efectuar estas Amiri, A., Nedaie, A., Alikhani, M. (2014). A new adaptive varia-
determinaciones en cada situación particular. ble sample size approach in EWMA control chart. Communica-
Las publicaciones en el área de calidad refieren es- tions in Statistics - Simulation and Computation, 43 (4), 804-812.
tos aspectos de manera general, limitándose a una bre- https://doi.org/10.1080/03610918.2012.718834
ve discusión sobre el tamaño de los subgrupos y la Besterfield, D.H. (2009). Control de calidad. México: Pearson Educa-
frecuencia de muestreo necesarios para el empleo de ción de México, S.A. de C.V.
los gráficos de control. Respecto a la frecuencia de se- Bouzembrak, Y. y Fels-Klerx, H.J. (2018). Effective sampling stra-
lección de los subgrupos, no hay una regla, pero en la tegy to detect food and feed contamination: Herbs and spices
literatura se recomienda seleccionar más unidades (ta- case. Food Control, 83, 28-37. https://doi.org/10.1016/j.foo-
maño de subgrupo) en intervalos cortos de tiempo dcont.2017.04.038
(Besterfield, 2009; Montgomery, 2004; Evans y Lind- Canavos, G. (1988). Probabilidad y estadística, aplicaciones y métodos.
say, 2015). Investigaciones como las de Prabhu et al. México: McGraw Hill, Interamericana de México, S.A de C.V.
(1993); Costa (1994); Amiri et al. (2014) entre otros, ha- Cochran, W. (1985). Técnicas de muestreo. México: Editorial Conti-
cen referencia al tamaño de subgrupo para cartas de nental, S.A.
control de x ó EWMA. Coetzer R. y De Jongh, P. (2016). Discussion of Industrial statistics:
Con base en las consideraciones anteriores, es nece- The challenges and the research. Quality Engineering, 28 (1),
sario destacar que, para procesos destructivos como el 60-62.
del caso en estudio, no es factible seleccionar los Costa, A.F. (1994). X Charts with variable sample size. Journal of
subgrupos de muestras sugeridos en la literatura, por Quality Technology, 26 (3), 155-163. https://doi.org/10.1080/002
lo que se decidió elegir un envase en cada subgrupo. Si 24065.1994.11979523
se escogiera un tamaño de muestra de 2% (20 unidades Evans, J.R y Lindsay, W.M. (2015). Administración y control de la
de muestreo) como lo sugiere Gutiérrez (2005), se gene- calidad. México: Cengage Learning Editores, S.A. de C.V.
raría un gasto significativo para la empresa; además, Goedhart, R.; Schoonhoven, M., Does, R.J. (2017). Guaranteed In-
como se evidenció en esta investigación, la variabilidad Control Performance for the Shewhart X and X Control
resultó baja en la mayoría de las etapas del proceso, por Charts. Journal of Quality Technology, 49 (2), 155-171. https://
lo que no es necesario seleccionar una muestra mayor a doi.org/10.1080/00224065.2017.11917986
las recomendadas en este estudio, a menos que a poste- Gutiérrez, H. (2005). Calidad total y productividad, México: McGraw Hill.
riori se verifique un incremento significativo en la va- Hoerl, R.S. y Snee, R. (2010). Statistical thinking and methods in
riabilidad del proceso. quality improvement: A look to the future. Quality Enginee-
ring, 22 (3), 119-129. https://doi.org/org/10.1080/08982112.2010
Conclusiones .481485
Kleeberg, F. y Ramos, J. (2009). Aplicación de las técnicas de
Es posible estimar el tamaño de muestra mínimo nece- muestreo en los negocios y la industria. Ingeniería Industrial,
sario de un diseño de muestreo aleatorio simple, con 27, 11-40. https://doi.org/10.26439/ing.ind2009.n027.621

8 I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM
http://dx.doi.org/10.22201/fi.25940732e.2019.20n2.017
Rodríguez-Balza Mairett Yuri, Machado-Torrealba Wilfre Saúl, Villamarin-Oliveros Alexis Javier

Lohr, S. (2010). Sampling: Design and analysis. United States: Brooks Soriano, R. (2006). Investigación social; teoría y praxis. México: Plaza
Cole, Cengage Learning. y Valdés S.A.
Martínez, C. (2012). Estadística y muestreo (13a ed.), Bogotá: Ecoe Steinberg, D. (2016). Industrial statistics: The challenges and the
Ediciones. research. Quality Engineering. 28 (1), 45-59. https://doi.org/10.1
Montgomery, D. (2004). Control estadístico de la calidad. México: Li- 080/08982112.2015.1100453
musa S.A. De C.V. Stoumbos, Z.G., Reynolds M. Jr., Ryan, T.P., Woodall, W.H. (2000).
Pérez, C. (2005). Muestreo estadístico, conceptos y problemas resueltos. The state of statistical process control as we proceed into the
Madrid, España: Pearson Educación, S.A. 21st century. Journal of the American Statistical Association, 95
Prabhu, S.S., Runger, G.C., Keats, J.B. (1993). An adaptative sam- (451), 992-998. https://doi.org/10.1080/01621459.2000.10474292
ple size 𝑥̅ chart. International Journal of Production Research, 31, Villamarin, A. (2015). Control estadístico en una línea de envases
2895-2909. metálicos rectangulares de cinco (5) galones, Trabajo especial
Rowlands, H. y Wang, L.R. (2000). An approach of fuzzy logic evalua- de grado (especialización en Gerencia en Sistemas de Calidad
tion and control in SPC. Quality Reliability Engng. Int., 16, 91-98. y Control Estadístico de Procesos). Venezuela, Universidad
https://doi.org/10.1002/(SICI)1099-1638(200003/04)16:2% Central de Venezuela, 190 pp.
3C91::AID-QRE307%3E3.0.CO;2-9 Woodall, W.H. y Montgomery, D. (2014). Some current directions
Saleh, N.A., Mahmoud, M.A., Keefe, M.J., Woodall, W.H. (2015). in the theory and application of statistical process monitoring.
The difficulty in designing shewhart X and X control charts Journal of Quality Technology, 46 (1), 78-94. https://doi.org/10.10
with estimated parameters. Journal of Quality Technology, 47 80/00224065.2014.11917955
(2), 127-138. https://doi.org/10.1080/00224065.2015.11918120 Zhou, M. (2017). Variable sample size and variable sampling inter-
Scheaffer, R.L., Mendenhall, W., Ott, L. (2006). Elementos de mues- val Shewhart control chart with estimated parameters. Oper Res
treo (6a ed.). España: Thomson editores Paraninfo, S.A. Int J., 17(1), 1-17. https://doi.org/10.1007/s12351-015-0214-9

I ngeniería I nvestigación y T ecnología , volumen XX (número 2), abril-junio 2019: 1-9 ISSN 2594-0732 FI-UNAM 9