You are on page 1of 10

Definicin del sistema Consiste en estudiar el contexto del problema, identificar los objetivos del proyecto, especificar los

ndices de medicin de la efectividad del sistema, establecer los objetivos especficos del modelamiento y definir el sistema que se va a modelar. SIMULACION: ARTE O CIENCIA? Simular es un arte, una ciencia "soft", ya que la utilidad de esta tcnica depende mucho de la experiencia que tenga el grupo humano que realiza la simulacin. Hasta ahora no hay teora cientfica que garantice la validez del proceso de simulacin antes que este se realice. Para validar el modelo se ensayan alternativas conocidas (vividas realmente) y se comparan los resultados. La coincidencia de los mismos hablarn de la validez del modelo para representar el sistema real. Si los resultados que el modelo arroja sobre una de esas alternativas vividas no coinciden con los reales quedar demostrada la invalidez del modelo. Lo contrario no es cierto. An cuando haya coincidencia de resultados en una cantidad grande de pruebas no es posible afirmar que lo ser para la totalidad de los ensayos. Es interesante adoptar como criterio de trabajo el hacerse una idea de los resultados de un ensayo antes de realizar el mismo VENTAJAS DE LA SIMULACION Permite: - Adquirir una rpida experiencia a muy bajo costo y sin riesgos. No se compromete la confiabilidad del sistema en los ensayos (las aglomeraciones, las largas demoras son simuladas y no reales). - Identificar en un sistema complejo aquellas reas con problema ("cuellos de botella") - Un estudio sistemtico de alternativas (variaciones uniformes en los parmetros intervinientes imposibles de lograr en un sistema real). - Utilizarse en "training" para gerentes/ejecutivos. Un modelo de "juego de empresas" les permite probar sus medidas en el modelo y ver sus resultados luego de pasado el perodo simulado. Se repite el proceso durante varios perodos y cada ejecutivo observa los resultados de sus decisiones. Se analizan errores, se comparan estrategias hallando ventajas y desventajas de cada una. Excelente herramienta para instruccin y entrenamiento de ejecutivos. - Ensayar estrategias de guerra, faceta donde primero se emple la simulacin (operaciones de guerra en las llamadas maniobras). En los "juegos de guerra" los oficiales superiores ensayan operaciones de las fuerzas armadas en los campos de batalla. Analizados los resultados se ensayan nuevas operaciones hasta completar la batalla o incluso la guerra. Permite, al igual queel "juego de empresas", analizar errores y comparar estrategias. Todo ello realizado a DESVENTAJAS DE LA SIMULACION No se lo debe utilizar cuando existan tcnicas analticas que permitan plantear, resolver y optimizar todo el sistema o alguna parte del mismo. Existe un gran deseo de incluir todo en la simulacin donde los resultados son visibles y comprendidos por todas las personas (especialistas o no), las cuales gustan hacer ensayos. No es posible asegurar que el modelo sea vlido: Se corre el riesgo de tomar medidas errneas basadas en aplicar conclusiones falsas obtenidas mediante un modelo que no representa la realidad. No existe criterio cientfico de seleccin de alternativas a simular (Estrategia). Es posible omitir una buena sugerencia de innovacin simplemente porque a nadie se le ocurri ensayarla. Existe el riesgo de utilizar un modelo fuera de los lmites para el cual fue construido, queriendo realizar ensayos para el cual el modelo no es vlido. Es posible elaborar todo un gran andamiaje de pruebas y resultados falsos, basados

en un modelo confiable y vlido bajo otras condiciones Sistema Pueden darse varias definiciones de sistema: "Conjunto de elementos cuya interaccin interesa estudiar" "Conjunto de elementos que interactan entre s, con un fin comn, que se asla del universo para su estudio." "Conjunto de partes organizado funcionalmente de manera tal de constituir una unidad interconectada Conjunto de elementos que interactan entre ellos Pierre Delattre 1971." SUBSISTEMA: Es un conjunto que se asla dentro del sistema. El sistema puede verse como un subsistema del Universo. Cada subsistema puede ser tratado dentro del sistema o estudiado en forma aislada. El comportamiento del sistema total depende de: 1) El comportamiento de cada subsistema. 2) Las relaciones entre los subsistemas. 3) Las relaciones con el mundo exterior, o sea con el medio ambiente que lo circunda. El sistema en estudio, puede subdividirse en subsistemas interconectados, cada uno de los cuales est compuesto por elementos interconectados entre s. sus relaciones y del medio ambiente donde se lo inserta. Los elementos y las relaciones que los ligan entre s definen los subsistemas. Los subsistemas y las relaciones entre s definen al sistema en estudio. Las relaciones entre los elementos del sistema constituyen la estructura del sistema. Estas ideas son fundamentales para la resolucin de problemas que implican la construccin de modelos. Modelo La simulacin de sistemas implica la construccin de modelos. El objetivo es averiguar que pasara en el sistema si acontecieran determinadas hiptesis. Desde muy antiguo la humanidad ha intentado adivinar el futuro. Ha querido conocer qu va a pasar cuando suceda un determinado hecho histrico. La simulacin ofrece, sobre bases ciertas, esa prediccin del futuro, condicionada a supuestos previos. Para ello se construyen los modelos, normalmente una simplificacin de la realidad. Surgen de un anlisis de todas las variables intervinientes en el sistema y de las relaciones que se descubren existen entre ellas. En el modelo se estudian los hechos salientes del sistema o proyecto. Se hace una abstraccin de la realidad, representndose el sistema/proyecto, en un modelo. CLASIFICACION DE LOS MODELOS Existen mltiples tipos de modelos para representar la realidad. Algunos de ellos son: Dinmicos: Utilizados para representar sistemas cuyo estado vara con el tiempo. Estticos: Utilizados para representar sistemas cuyo estado es invariable a travs del tiempo. Matemticos: Representan la realidad en forma abstracta de muy diversas maneras. Fsicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma anloga a esa realidad (maquetas, prototipos, modelos analgicos, etc.). Analticos: La realidad se representa por frmulas matemticas. Estudiar el sistema consiste en operar con esas frmulas matemticas (resolucin de ecuaciones).

Numricos: Se tiene el comportamiento numrico de las variables intervinientes. No se obtiene ninguna solucin analtica. Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas. Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varan en forma discontinua. Determinsticos: Son modelos cuya solucin para determinadas condiciones es nica ysiempre la misma. Estocsticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribucin probabilstica. (Por ejemplo, llega una persona cada 20 10 segundos, con una distribucin equiprobable dentro del intervalo). siempre la misma. Estocsticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribucin probabilstica. (Por ejemplo, llega una persona cada 20 10 segundos, con una distribucin equiprobable dentro del intervalo). MODELO SIMBOLICO se construyen mediante reglas notablemente mas abstracta ya que esta denominacion suele aplicarse alos casos en los que el objeto real se representa mediante una codificacion matematica( geometrica, estadistica, etc). un ejemplo de modelo simbolico es la representacion de un edificio mediante la identificacion y codificacion en un estructructura geometrica de sus elementos basicos. un modelo simblico emplea las matemticas para representar las relaciones entre los datos de inters. Un modelo simblico requiere que sus datos sean cuantificables, es decir, que resulte posible expresarlos en forma numrica. Considere los siguientes ejemplos comunes. En un modelo para evaluar las alternativas entre comprar una casa y alquilar un apartamento se considera: el pago inicial requerido, las tasas hipotecarias, el flujo de efectivo, la plusvala y depreciacin; en suma, datos numricos. En un modelo para ayudarle a usted a decidir si le conviene realizar los estudios necesarios para obtener una maestra se tendra que considerar: la cantidad de tiempo necesaria, la colegiatura y otros gastos, el potencial de salario, y as por el estilo; es decir, datos numricos. En sntesis, los datos numricos son la mdula de los modelos simblicos. De manera resumida un modelo debe cumplir 2 objetivos: 1. 2. Un modelo siempre es una simplificacin de la realidad. Debe incorporar al modelo suficientes detalles para que El resultado satisfaga sus necesidades, Sea consistente con los datos que tiene usted a su alcance, y Pueda ser analizado en el tiempo con el que usted cuenta para ese propsito. un modelo matemtico es uno de los tipos de modelos cientficos que emplea algn tipo de formulismo matemtico para expresar relaciones, proposiciones sustantivas de hechos, variables, parmetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difciles de observar en la realidad. El trmino modelizacin matemtica es utilizado tambin en diseo grfico cuando se habla de modelos geomtricos de los objetos en dos (2D) o tres dimensiones (3D).

Clasificaciones de los modelos Se podra decir que un modelo de las ciencias fsicas es una traduccin de la realidad fsica de un sistema en trminos matemticos, es decir, una forma de representar cada uno de los tipos entidades que intervienen en un cierto proceso fsico mediante objetos matemticos.Las relaciones matemticas formales entre los objetos del modelo, deben representar de alguna manera las relaciones reales existentes entre las diferentes entidades o aspectos del sistema u objeto real. As una vez "traducido" o "representado" cierto problema en forma de modelo matemtico, se pueden aplicar el clculo, el lgebra y otras herramientas matemticas para deducir el comportamiento del sistema bajo estudio. Un modelo fsico requerir por tanto que se pueda seguir el camino inverso al modelado, permitiendo reinterpretar en la realidad las predicciones del modelo. Segn la informacin de entrada Con respecto a la funcin del origen de la informacin utilizada para construir los modelos pueden clasificarse de otras formas. Podemos distinguir entre modelos heursticos y modelos empricos:

Modelos heursticos (del griego euriskein 'hallar, inventar'). Son los que estn basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado. Modelos empricos (del griego empeirikos relativo a la 'experiencia'). Son los que utilizan las observaciones directas o los resultados de experimentos del fenmeno estudiado.

Segn el tipo de representacin Adems los modelos matemticos encuentran distintas denominaciones en sus diversas aplicaciones. Una posible clasificacin puede atender a si pretenden hacer predicciones de tipo cualitativo o pretende cuantificar aspectos del sistema que se est modelizando:

Modelos cualitativos o conceptuales, estos pueden usar figuras, grficos o descripciones causales, en general se contentan con predecir si el estado del sistema ir en determinada direccin o si aumentar o disminuir alguna magnitud, sin importar exactamente la magnitud concreta de la mayora de aspectos. Modelos cuantitativos o numricos, usan nmeros para representar aspectos del sistema modelizado, y generalmente incluyen frmulas y algoritmos matemticos ms o menos complejos que relacionan los valores numricos. El clculo con los mismos permite representar el proceso fsico o los cambios cuantitativos del sistema modelado.

Segn la aleatoriedad Otra clasificacin independiente de la anterior, segn si a una entrada o situacin inicial concreta pueden corresponder o no diversas salidas o resultados, en este caso los modelos se clasifican en:

Determinista. Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Adems, los datos utilizados para alimentar el modelo son completamente conocidos y determinados. Estocstico. Probabilstico, que no se conoce el resultado esperado, sino su probabilidad y existe por tanto incertidumbre.

Clasificacin segn su aplicacin u objetivo Por su uso suelen utilizarse en las siguientes tres reas, sin embargo existen muchas otras como la de finanzas, ciencias etc.

Modelo de simulacin o descriptivo, de situaciones medibles de manera precisa o aleatoria, por ejemplo con aspectos de programacin lneal cuando es de manera precisa, y probabilstica o heurstica cuando es aleatorio. Este tipo de modelos pretende predecir qu sucede en una situacin concreta dada. Modelo de optimizacin. Para determinar el punto exacto para resolver alguna problemtica administrativa, de produccin, o cualquier otra situacin. Cuando la optimizacin es entera o no lineal, combinada, se refiere a modelos matemticos poco predecibles, pero que pueden acoplarse a alguna alternativa existente y aproximada en su cuantificacin. Este tipo de modelos requiere comparar diversas condiciones, casos o posibles valores de un parmetro y ver cual de ellos resulta ptimo segn el criterio elegido. Modelo de control. Para saber con precisin como est algo en una organizacin, investigacin, rea de operacin, etc. Este modelo pretende ayudar a decidir qu nuevas medidas, variables o qu parmetros deben ajustarse para lograr un resultado o estado concreto del sistema modelado. Qu es un modelo? Un modelo es una representacin ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien predecir su comportamiento futuro. Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que se hacen las suposiciones y restricciones necesarias para representar las porciones ms relevantes del mismo. Claramente no habra ventaja alguna de utilizar modelos si estos no simplificaran la situacin real. En muchos casos podemos utilizar modelos matemticos que, mediante letras, nmeros y operaciones, representan variables, magnitudes y sus relaciones. Modelos Matemticos Un modelo es producto de una abstraccin de un sistema real: eliminando las complejidades y haciendo suposiciones pertinentes, se aplica una tcnica matemtica y se obtiene una representacin simblica del mismo. Funcin Objetivo La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros y una magnitud que representa el objetivo o producto del sistema. Por ejemplo si el objetivo del sistema es minimizar los costos de operacin, la funcin objetivo debe expresar la relacin entre el costo y las variables de decisin. La solucin OPTIMA se obtiene cuando el valor del costo sea mnimo para un conjunto de valores factibles de las variables. La simulacin es una tcnica para crear modelos de sistemas grandes y complejos que incluyen incertidumbre. Se disea un modelo para repetir el comportamiento del sistema. Este tipo de modelo se basa en la divisin del sistema en mdulos bsicos o elementales que se enlazan entre s mediante relaciones lgicas bien definidas. El desarrollo de un modelo de simulacin es muy costoso en tiempo y recursos.

Modelo Determinista: Es en el que las variables que lo forman, son de carcter conocido, es decir, que no depende del azar. Modelo Estocstico: Lo contrario. Aquellos modelos, cuyas variables son de naturaleza probabilstica, es decir que dependen de un nivel de incertidumbre; del azar. Por lo tanto, normalmente estas variables representan es una funcin de probabilidad. Modelo Lineal: Son aquellos modelos dnde todos los grados de sus trminos son iguales a 1, y en cada trmino slo hay una variable. Modelo No Lineal: Son aquellos modelos dnde algn termino tiene un grado mayor que uno. o algn trmino tiene ms de una variable. Modelos Continuos: Dnde sus variables son densas. O sea, que dentro de dos valores arbitrarios [a,b] hay infinitos valores. Ejemplo: 1, 1.1, 1.12, 1.13.. etc. Modelos Enteros o Discretos: Pues eso. Son modelos, dnde sus variables slo pueden tomar valores enteros. Por ejemplo, si una variable representa el nmero de personas que se necesita para cierta tarea, slo las valores enteros tienen sentido, ej: 2 personas, 3 personas, pero tal vez, 2.5 personas, no tenga mucho sentido. Modelos Binarios: Son los modelos que slo pueden tomar los valores de cero o uno. Son un caso especial de los modelos enteros. Estos modelos, son muy tiles para analizar variables de decisin tipo Si/No. Y, estos modelos pueden ser particularmente tiles, en la asignacin de recursos.

OTRAS CAUSAS DEL FRACASO DE LOS ANLISIS DE SIMULACIN 1. Estimacin inadecuada del tiempo para desarrollar el proyecto Es comn subestimar el tiempo y el esfuerzo requerido para desarrollar modelos de simulacin. Si la simulacin es exitosa y produce informacin til, sus usuarios quieren incorporar mas funciones, parmetros y detalles. Por el contrario, si no provee de informacin til, usualmente se espera que al aadir elementos la puedan hacer til. En ambos casos el proyecto se extiende mas all de las proyecciones iniciales. Para proyectos grandes se deben hacer previsiones para incorporara cambios que son inevitables sobre largos periodos de tiempo. 2. Metas inalcanzables La simulacin es un proceso largo y complejo y se debe tener claramente definido un conjunto de metas que sean especificas, minuciosas, medibles, y alcanzables. Un ejemplo comn de una meta inalcanzable es "modelemos X." Es posible modelar muchas caractersticas diferentes de X a muchos niveles de detalle. 3. Mezcla incompleta de habilidades Un proyecto de simulacin requiere por lo menos: a. Liderazgo: Habilidad para motivar, guiar y manejar a los miembros del equipo de simulacin.

b. Modelaje y estadsticas: Habilidad para identificar las caractersticas claves del sistema y modelarlas al nivel de detalle requerido. c. Programacin: Habilidad para escribir cdigo entendible y verificable que implemente el modelo correctamente. d. Conocimiento del sistema modelado: Habilidad para entender el sistema, explicarlo al equipo de modelaje, e interpretar los resultados del modelo en trminos de su impacto en el diseo del sistema. 4. Nivel inadecuado de participacin de los usuarios Es esencial que el equipo de simulacin y los usuarios de la organizacin estn en constante contacto para intercambiar y discutir ideas. La mayora de los sistemas evolucionan y cambian con el tiempo y un modelo desarrollado sin la participacin de los usuarios raramente resulta exitoso. 5. Documentacin inexistente u obsoleta La mayora de los modelos de simulacin se desarrollan en largos periodos de tiempo y continuamente son modificados a medida que el sistema cambia o es mejor comprendido. Su documentacin muchas veces es desatendida y rpidamente se vuelve obsoleta. Es recomendable documentar los programas y usar lenguajes que sean fciles de leer. ERRORES COMUNES EN SIMULACIN 1. Nivel de detalle inapropiado Un modelo analtico es menos detallado que un modelo de simulacin. Anlisis requiere de muchos supuestos y simplificaciones. El detalle en un modelo de simulacin esta limitado por el tiempo disponible para desarrollarlo. Mas detalle mas tiempo incrementa la posibilidad de errores y es mas difcil detectarlos incrementa el tiempo de corrida del modelo Mas detalle no necesariamente es mejor! Mas detalle requiere mas conocimiento de los parmetros de entrada, que si no estn disponibles pueden hacer el modelo mas inexacto. Ejemplo: Supongamos que en la simulacin de un sistema de tiempo compartido (timesharing) debemos simular el tiempo requerido para satisfacer accesos a disco. Una opcin es generarlos usando una distribucin exponencial. Una alternativa mas detallada Lenguaje inapropiado Lenguajes de simulacin de propsito especial requieren menos tiempo para implementar el modelo y facilitan actividades como verificacin (mediante el uso de opciones de trazado) y de anlisis estadstico. Lenguajes de propsito general son mas portables y proveen mejor control sobre la eficiencia y el tiempo de corrida de la simulacin. 3. Modelos no verificados Los modelos de simulacin son generalmente programas grandes, que si no se tienen las precauciones respectivas, es posible tener errores de programacin que hagan las conclusiones sin sentido. 5. Tratamiento incorrecto de las condiciones iniciales Generalmente la parte inicial de una corrida de simulacin no es representativa del comportamiento de un sistema en estado estable, por lo tanto debe ser descartada. 6. Simulaciones muy cortas Por tratar de ahorrar tiempo de anlisis y de computacin, las corridas de simulacin pueden ser muy cortas. Los resultados en estos casos dependen fuertemente de las condiciones iniciales y pueden no representar al sistema real. El tiempo de corrida adecuado depende de la exactitud deseada (intervalos de confianza) y de la varianza de las cantidades observadas.

7. Generadores de nmeros aleatorios inadecuados Las simulaciones requieren de cantidades aleatorias que son producidas por procedimientos llamados generadores de nmeros aleatorios. Es mejor usar generadores que han sido bien analizados a usar los de uno mismo. Aun buenos generadores presentan problemas. Para que? Simulamos para explicar, entender o mejorar el sistema. Ejemplo: El diseo de un procesador involucra miles o millones de compuertas lgicas interconectadas. El proceso de crear el primer chip es sumamente costoso y no es posible darse el lujo de construir varios chips y luego verificar su funcionamiento. Lo que se hace es modelar el procesador y verificar su funcionamiento usando simulacin. Cuando? a) El sistema real no existe. Es costoso, peligroso, consume mucho tiempo, o imposible de construir y experimentar con prototipos (nuevo computador o procesador, reactor nuclear). b) Experimentar con el sistema real es complicado, costoso, peligroso, o puede causar serios desajustes (sistema de transporte, sistema de manufactura, reactor nuclear). c) Necesidad de estudiar el pasado, presente, o futuro del sistema en tiempo real, tiempo expandido, o tiempo comprimido (sistemas de control a tiempo real, estudios en cmara lenta, crecimiento poblacional). d) Es sistema es tan complejo que su evaluacin analtica es prohibitiva, bien sea porque el modelado matemtico es imposible, o porque el modelado matemtico no tiene solucin analtica o numrica simple y practica (colas de espera, ecuaciones diferenciales no lineales, problemas estocsticos). e) Se puede validar satisfactoriamente el modelo de simulacin. Se podra decir Simular cuando todo lo dems falla, pero esto no es excusa para usar simulacin inadecuadamente.
SistemaExperimentarcon el sistemamismoExperimentarcon un modelodel sistemaModelosfsicosModelosMatemticosSolucinanalticaSimulacin

Las areas de aplicacion de la simulacion son numerosas y entre ellas estan: Diseo y analisis de sistemas de produccion. Analisis de sistemas finacieros o economicos. Evaluacion de software y hardware. Evaluacion de sistemas de armamaneto militar o sistemas tacticos. Determinacion de politicas de inventario. Manejo de bosques. Diseo de sistemas de comunicacion y protocolos Diseo de sistemas de transporte.

Recepcin
Una vez que las materias primas llegan a fbrica, son sometidas a un sistema de control de recepcin en el que se realiza una inspeccin visual, as como la toma de muestras para los ensayos de control interno. En cuanto a ensayos de control interno se distingue entre:

Productos con marcado de calidad. Marca AENOR. Productos sin marcado de calidad.

En el primer caso slo ser necesario realizar un control cuantitativo cuando se reciba el material; este control comprende la verificacin del albarn, es decir, la comprobacin de que el material ha sido suministrado de acuerdo a las condiciones solicitadas. En el segundo caso, adems de realizarse el control cuantitativo se realizar un control cualitativo en el que se incluirn los ensayos correspondientes a cada producto.

Si el material suministrado no verifica alguno de los controles ser devuelto al proveedor o sometido a acciones correctoras.

Almacenamiento

ridos y arenas : Los ridos y arenas se almacenan en sitios protegidos contra posibles contaminaciones. Cemento : Cuando el cemento se suministra a granel es almacenado en silos estancos y protegido de la humedad.

En algunos casos puede producirse el suminstro del cemento en sacos, por ejemplo para pasta de rejuntado, stos se almacenan en locales cubiertos, con una adecuada ventilacin y nunca en contacto directo con el suelo. Es muy importante comprobar la edad del cemento para que en el momento de uso, ste no tenga mermadas sus caractersticas resistentes. En funcin del tipo de cemento los valores son los siguientes: Pigmentos y aditivos : Los pigmentos y aditivos se suministran generalmente en recipientes debidamente sellados, debindose seguir las recomendaciones del fabricante en cuanto a almacenamiento y tiempo de vida, para que no pierdan su eficacia. Soldadura de fieero
Clasificacin segn la AWS (American Welding Society) Electrodos Alambres y microalambres Para aceros al Carbono Electrodos Microalambres slidos Alambres tubulares Para aceros inoxidables Electrodos revestidos Varillas para GTAW Alambres slidos y tubulares

Sistemas de inspeccin
La inspeccin en lo referente a la calidad consiste en examinar y medir las caractersticas de calidad de un producto, as como sus componentes y materiales de que est elaborado, o de un servicio o proceso determinado, todo ello utilizando instrumentos de medicin, patrones de comparacin o equipos de pruebas y ensayos, para ver si cumple o no los requisitos especificados.Por tanto, los sistemas de inspeccin sirven para confirmar que el sistema de calidad funciona segn lo previsto. Normalmente se hace por muestreo y solo se usa el control 100% para caractersticas importantes de seguridad, funcionalidad o normas. Tipos de inspeccin En una primera clasificacin, los tipos de inspeccin podran diferenciarse entre la inspeccin 100% y la inspeccin por muestreo. Inspeccin 100% El proceso de inspeccin 100% es aquel proceso que consiste en verificar todas las unidades de un lote. Una inspeccin al 100% permite aceptar solo piezas de la calidad especificada, pero cuando la inspeccin al 100% es realizada manualmente, se presentan 2 tipos de problemas, uno sera, el gasto involucrado y el otro, la precisin de la inspeccin, considerados como errores tipo I y tipo II.

Inspeccin por muestreo


Por el contrario, los sistemas de inspeccin por muestreo, tambin conocidos como muestreo de aceptacin o muestreo de lotes, es un procedimiento en el que se verifica una o ms muestras del lote para determinar su calidad. El muestreo es usado para reducir la necesidad de inspeccionar cada artculo o producto, y reducir as el tiempo y gastos de inspeccin. La inspeccin por muestreo tiene cierto nmero de ventajas sobre la inspeccin 100%. La fatiga de los inspectores originada por operaciones repetitivas

puede ser un obstculo serio para una buena inspeccin 100%, es ms econmica y requiere de menor tiempo para su realizacin.
Inspeccin por atributos

La inspeccin por atributos se puede considerar aquel tipo de inspeccin de muestras aleatorias de n unidades en el que cada artculo o producto es clasificado de acuerdo con ciertos atributos como aceptable o defectuosa, es decir, consiste en averiguar si el material en consideracin cumple o no cumple con lo especificado, sin interesar la medida de la caracterstica. Para la inspeccin por atributos el tamao de las muestras y el intervalo entre las mismas debe ser tal que se inspeccione aproximadamente un 5 % de la produccin. En procesos muy masivos que no presentan dificultades frecuentes o el porcentaje de produccin defectuosa no es grave, este porcentaje se puede reducir a menos de un 5 % donde se recomienda que debe existir como mnimo 25 defectuosos en cada muestra para lograr establecer un comportamiento adecuado del proceso.
Inspeccin por variables

La inspeccin por variables se trata de un tipo de inspeccin que consiste en medir y registrar una unidad de medida en la que una caracterstica especfica de calidad es medida con una escala continua para posteriormente ser anotada, como podra ser kilogramos, centmetros, metros por segundo, etc Los mtodos estadsticos aplicables a la inspeccin por variables se basan sobre el supuesto de una distribucin normal y no sobre una distribucin de proporciones como sucede con la inspeccin por atributos. Para los mtodos aplicables, y con las mediciones obtenidas, se calcular un estadstico, que generalmente estar en funcin de la media y la desviacin estndar muestral, y dependiendo del valor de este estadstico al compararlo con un valor permisible, se aceptar o rechazar todo el lote. .