A inspeção da qualidade para atributos possui conceitos relevantes que devem ser entendidos para que ocorra a aplicação das técnicas de amostragem com eficiência. Sendo assim, apresente os seguintes conceitos:
Nível de Qualidade Inaceitável

Passo 1

Você pediu para eu apresentar o conceito “Nível de Qualidade Inaceitável”.\n
Informações dadas no enunciado: nenhuma além do nome do conceito. Vou explicar o que esse termo significa, como se relaciona com a amostragem de inspeção por atributos, quais fórmulas usamos e dar um exemplo numérico simples e bem explicado para você entender como aplicar isso numa prova.

Passo 2

Definição e ideia central (explicação passo a passo).\n
O “Nível de Qualidade Inaceitável” é o valor do índice de defeitos (a proporção de unidades defeituosas) que, do ponto de vista do consumidor, já é considerado ruim o suficiente para que o lote deva ser rejeitado na maioria das vezes. Em termos práticos, é o valor p tal que a probabilidade de aceitar um lote com essa qualidade é baixa (normalmente fixada como a probabilidade de risco do consumidor, chamada de \beta).\n
Para escrever isso com símbolos: suponha que p é a verdadeira proporção de itens defeituosos no lote e que P_a(p) é a probabilidade de aceitar o lote quando a taxa de defeitos é p. O Nível de Qualidade Inaceitável, que vou chamar de p_{NQI}, é o p que satisfaz
P_a(p_{NQI})=\beta,
onde \beta é a probabilidade aceitável de erro do consumidor (por exemplo, \beta=0{,}10 quer dizer 10% de chance de aceitar um lote com qualidade inaceitável).

Passo 3

O que é P_a(p) (OC curve) e a fórmula que aparece nas provas.\n
A função P_a(p) é a chamada curva característica de operação (OC — Operating Characteristic). Ela dá a probabilidade de aceitar um lote em função da verdadeira taxa de defeitos p. Em inspeção por atributos com amostragem simples (quando o tamanho do lote for grande, ou usamos aproximação binomial), temos a expressão binomial:
P_a(p)=\sum_{k=0}^{c} \binom{n}{k}\, p^k (1-p)^{\,n-k},
onde
  • n é o tamanho da amostra (número de itens inspecionados),
  • c é o número máximo de defeituosos permitidos na amostra para aceitar o lote (número de aceitação),
  • p é a proporção verdadeira de defeituosos no lote,
  • \binom{n}{k} é o coeficiente binomial, a quantidade de maneiras de escolher k defeituosos dentre n.\n
    Interpretação: \sum_{k=0}^{c} soma as probabilidades de ocorrerem 0,1,\dots,c defeituosos na amostra — nesses casos aceitaremos o lote.

Passo 4

Relação com risco do produtor e do consumidor e como usar isso para projetar um plano.\n
Ao projetar um plano de amostragem escolhemos n e c para obter certa proteção para produtor e consumidor. Normalmente impomos duas condições:
P_a(p_{AQL}) = 1-\alpha
P_a(p_{NQI}) = \beta
onde
  • p_{AQL} é o Nível de Qualidade Aceitável (qualidade que o produtor considera boa),
  • \alpha é o risco do produtor (probabilidade de rejeitar um lote com qualidade p_{AQL}),
  • p_{NQI} é o Nível de Qualidade Inaceitável (o que estamos estudando),
  • \beta é o risco do consumidor (probabilidade de aceitar um lote com qualidade p_{NQI}).\n
    Na prática, você resolve o sistema (ou busca na tabela/GRÁFICO OC) para encontrar n e c que atendam essas duas igualdades (ou aproximações). É assim que o Nível de Qualidade Inaceitável entra na construção do plano: ele define o ponto da curva OC que deve ter baixa probabilidade de aceitação, protegendo o consumidor.

Passo 5

Fórmula exata para lote finito (hipergeométrica) e quando usar cada aproximação.\n
Se o lote é pequeno e a inspeção é sem reposição, a distribuição exata é a hipergeométrica. Se o lote tem N itens e D defeituosos (onde D\approx Np), a probabilidade de aceitar é
P_a(p)=\sum_{k=0}^{c} \frac{\binom{D}{k}\binom{N-D}{\,n-k}}{\binom{N}{n}}.
Aqui:
  • N é o tamanho do lote,
  • D é o número de defeituosos no lote,
  • os outros termos já foram definidos.\n
    A aproximação binomial é usada quando N é grande e n é pequeno comparado a N (inspeção com reposição ou quando a correção da finitude é pequena). Para provas, normalmente usam a binomial, salvo o enunciado pedir hipergeométrica.

Passo 6

Exemplo numérico simples e cálculo passo a passo (ajuda a fixar a ideia).\n
Suponha que eu proponha um plano com n=20 e c=1. Quero ver a probabilidade de aceitar um lote cuja verdadeira taxa de defeitos é p=0{,}06 (6%), ou seja, quero calcular P_a(0{,}06).\n
Usando a fórmula binomial:
P_a(0{,}06)=\Pr(\text{0 defeitos})+\Pr(\text{1 defeito}).
Calcule cada termo:\n
Para 0 defeitos:
\Pr(0)=(1-0{,}06)^{20}=0{,}94^{20}.
Vou estimar 0{,}94^{20}. Uma forma prática sem calculadora é usar aproximação exponencial: 0{,}94^{20}\approx e^{20\ln(0{,}94)}. Como \ln(0{,}94)\approx -0{,}061875, temos 20\ln(0{,}94)\approx -1{,}2375 e e^{-1{,}2375}\approx 0{,}29. Logo
\Pr(0)\approx 0{,}29.
Para 1 defeito:
\Pr(1)=\binom{20}{1}(0{,}06)(0{,}94)^{19}=20\cdot 0{,}06\cdot 0{,}94^{19}.
Como 0{,}94^{19}=0{,}94^{20}/0{,}94\approx 0{,}29/0{,}94\approx 0{,}3085, temos
\Pr(1)\approx 20\cdot 0{,}06\cdot 0{,}3085\approx 1{,}2\cdot 0{,}3085\approx 0{,}370.
Somando:
P_a(0{,}06)\approx 0{,}29+0{,}37=0{,}66.
Interpretação: com n=20 e c=1, um lote com 6\% de defeitos teria cerca de 66\% de chance de ser aceito — ou seja, esse plano não protege bem o consumidor para esse nível de qualidade inaceitável. Para reduzir P_a(0{,}06) até, por exemplo, \beta=0{,}10, precisaríamos aumentar n e/ou reduzir c. Esse cálculo mostra concretamente o papel do p_{NQI}: ele é o ponto da curva que queremos empurrar para baixo (baixa probabilidade de aceitação).

Passo 7

Orientações práticas e exemplos de valores típicos.\n
  • Valores típicos de p_{NQI} dependem da criticidade do produto: para itens críticos (equipamento médico, componentes aeronáuticos) p_{NQI} pode ser muito pequeno (por ex. 0{,}1\% ou menos). Para itens menos críticos (parafusos, peças de montagem) é comum ver p_{NQI} na faixa de 1\% a 10\%.\n
  • Lembre-se: o Nível de Qualidade Inaceitável protege o consumidor — ao projetar um plano, escolha p_{NQI} coerente com o que o consumidor considera intolerável e escolha \beta baixo (por ex. 0{,}10 ou 0{,}05) se quiser forte proteção.\n
  • Não confunda: o plano de amostragem não torna o lote melhor — ele apenas decide aceitar ou rejeitar. Para melhorar qualidade, é preciso ações de processo, não só inspeção amostral.

Passo 8

Dicas para a prova (como costumam perguntar e o que você precisa saber).\n
  • Saiba definir p_{NQI} em palavras e em fórmula: P_a(p_{NQI})=\beta.\n
  • Conheça a expressão binomial de P_a(p) e a hipergeométrica para lotes finitos.\n
  • Seja capaz de, dado n,c, calcular P_a(p) para um p (como no exemplo), e interpretar o resultado em termos de proteção ao consumidor.\n
  • Se pedirem projetar n e c para dados p_{AQL},p_{NQI},\alpha,\beta, explique que se resolve (numericamente ou por tabela OC) para essas duas condições simultâneas — mostrar o raciocínio vale bastante em prova se não pedirem apenas o número final.\n
    Força aí — essas ideias são as que mais caem em prova sobre esse conceito. Você já entendeu o papel do Nível de Qualidade Inaceitável: é o patamar de defeitos que o consumidor não aceita, e ele é usado para fixar onde a curva OC deve ter baixa probabilidade de aceitação.

Resposta

Nível de Qualidade Inaceitável: é a proporção de defeitos p que, do ponto de vista do consumidor, torna o lote inaceitável; formalmente é o p_{NQI} tal que
P_a(p_{NQI})=\beta,
onde P_a(p) é a probabilidade de aceitação (curva OC) e \beta é o risco do consumidor.

Exercícios relacionados