Vous êtes sur la page 1sur 113

UNICAH

Universidad Catlica de
Honduras
Nuestra Seora Reina de la Paz
Campus San Isidro

Gua de Ejercicios Prcticos


Asignatura:
Aplicacin de la Calidad Total para
la Ingeniera Industrial
Catedrtico:
Ing. Jairo Nez
Alumno:
Erick Joel Ocampo
0201198500735

La Ceiba, Atlntida, Honduras, C.A.


10 de octubre de 2011

GUA DE EJERCICIOS
1. En una empresa, mediante un anlisis se ha detectado que se tiene seis tipos bsicos de
quejas de los clientes, pero cada tipo de queja caus diferente grado de insatisfaccin o
molestia para el cliente. La escala que se ha utilizado para medir el grado de molestia es el
siguiente: mxima molestia (10 puntos), mucha insatisfaccin (8), molestia moderada (6),
poca (4), muy leve (2). Adems en el anlisis se determin la frecuencia con la que han
ocurrido en el ltimo semestre las distintas quejas. En las tablas siguientes se sintetiza los
resultados de tal anlisis:
Tipo de queja

Grado de molestia

Frecuencia de ocurrencia

12%

5%

40%

25%

10%

8%

Realice un anlisis de Pareto para determinar sobre qu tipo de queja se deben dirigir los esfuerzos
para atender sus causas. Aplique la recomendacin 2 del diagrama de Pareto.

Tipo de queja

Grado de molestia

Frecuencia de
ocurrencia

Frecuencia por
gravedad

Frecuencia por
gravedad acumulada

D
C
F
A
E
B

6
2
8
4
4
8

25%
40%
8%
12%
10%
5%

150%
80%
64%
48%
40%
40%

150%
230%
294%
342%
382%
422%

Frecuencia

Diagrama de Pareto
160%

450%

140%

400%

120%

350%
300%

100%

250%

80%
60%

200%

Frecuencia

150%

% acumulado

40%

100%

20%

50%

0%

0%
D

A
Clase

Anlisis
Para poder realizar este anlisis de Pareto y determinar as la queja que ms contribuye a la
insatisfaccin de los clientes se multiplic el grado de la queja por la frecuencia de ocurrencia. Con
ellos vemos que la queja D supera a las dems en magnitud, por lo tanto es en esta que se debe de
poner el mayor atencin ejecutar acciones destinadas a reducir las causantes del descontento de los
clientes y de ser posible eliminar tal tipo de insatisfaccin.
2. De acuerdo con la informacin de una hoja de verificacin en una lnea del proceso de
envasado de tequila, se presentaron en el ltimo mes los siguientes resultados en cuanto a
defectos y frecuencia:
Defecto de envasado

Frecuencia

Botella

804

Tapa

715

Etiqueta

1,823

Contraetiqueta

742

Botella sin vigusa

916

Otros

102

Total de botellas envasadas en el mes

424,654

Realice un diagrama de Pareto y obtenga conclusiones.

Defecto de envasado
Etiqueta
Botella sin vigusa
Botella
Contraetiqueta
Tapa
Otros
Total de botellas
envasadas en el mes

Frecuencia
1,823
916
804
742
715
102

% Frecuencia
36%
18%
16%
15%
14%
2%

5,102

100%

F. Acumulada
36%
54%
69%
84%
98%
100%

Frecuencia

Histograma
2,000
1,800
1,600
1,400
1,200
1,000
800
600
400
200
0

120%
100%
80%
60%
40%
20%
0%

Clase

Frecuencia
% acumulado

Anlisis
De acuerdo al anlisis estadstico realizado se puede apreciar claramente que los defectos de
etiqueta, botella sin vigusa, en la botella y en la contraetiqueta componen el 84% de los problemas
que se presentan en el proceso de envasado del tequila. De los cuales, componen el 36% y 18% los
defectos en las etiquetas y la botella sin vigusa. Debido a esto la empresa deber fijar toda su
atencin para poder encontrar las causas que los generan para poder garantizar la calidad y poder
proporcionar mayor satisfaccin a sus clientes.
3. En una empresa procesadora de carnes fras se detecta mediante inspeccin 100% los
problemas en las salchichas. A continuacin se muestran los resultados de una semana.

Mquina
empacadora

Turno

A
B
C

Problema y nmero de paquetes defectuosos


Falta de vaco

Mancha verde

Mancha amarilla

4,300

700

700

II

6,300

650

650

3,500

700

400

II

6,600

500

420

8,500

800

324

II

9,120

655

345

a) Considerando que la gravedad de los tres problemas es la misma, realice un anlisis de


Pareto para problemas y detecte cul es el vital.
b) Sobre el problema vital, haga un Pareto de segundo nivel (causas) tanto para mquina
como para turno.

Pareto I Nivel (Problemas)


Problema
Falta de Vaco
Mancha verde
Mancha amarilla
Total

Frecuencia
38,320
4,005
2,839
45,164

% Frecuencia
85%
9%
6%

F. Acumulada
85%
94%
100%

Frecuencia

Anlisis de Pareto para Problemas


45,000
40,000
35,000
30,000
25,000
20,000
15,000
10,000
5,000
0

105%
100%
95%
90%
85%
80%
75%
Falta de Vaco

Mancha verde
Clase

Mancha
amarilla

Frecuencia
% acumulado

Pareto II Nivel (Turnos)


Falta de vaco
Turno II
Turno I
Total

Frecuencia
22,020
16,300
38,320

% Frecuencia
57%
43%
100%

F. Acumulada
57%
100%

Frecuencia

Anlisis de Pareto para Turnos


25,000

120%

20,000

100%
80%

15,000

60%
10,000

40%

5,000

20%

0%
Turno II

Turno I
Clase

Frecuencia
% acumulado

Pareto II Nivel (Mquinas)


Mquina
C
A
B
Total

Frecuencia
17,620
10,600
10,100
38,320

% Frecuencia
46%
28%
26%
100%

F. Acumulada
46%
74%
100%

Anlisis de Pareto para Mquinas


20,000

120%
100%

Frecuencia

15,000
80%
10,000

60%
40%

5,000
20%
0

0%
C

A
Clase

Frecuencia
% acumulado

Anlisis

En el primer anlisis de Pareto se observa de forma clara que el 85% de los problemas
relacionados al procesado de las salchichas se deben a la falta de vaco, por lo que este es
identificado como el problema vital ms relevante, en consecuencia se desarrollar por lo
tanto un Pareto de segundo nivel tanto en las mquinas como en los turnos para identificar
en cul de ellos se presentan mayores fallas.

En el diagrama de Pareto que considera los turnos se puede apreciar que la cantidad de
problemas relacionados con la falta de vaco en el procesamiento de las salchichas es mayor
durante el turno 2, ya que ste constituye el 57% del total de los problemas de este tipo.
Con esto se concluye, a travs del anlisis de Pareto, que los problemas de falta de vaco se
dan con mayor frecuencia en la mquina C, durante el turno 2.

Con base en el Pareto de 2do. Nivel se puede observar que las mquinas C y A son las
principales causas de la falta de vaco; siendo la causa ms significante la maquina C ya que
representa el 46% de los problemas relacionados con la falta de vaco que es el principal
problema con el que cuenta el proceso y el que necesita de una pronta solucin.

4. En una fbrica de pintura se requiere reducir el tiempo de secado del barniz, los siguientes
datos corresponden al tiempo del secado del barniz (horas) y a la cantidad de aditivo con el
que se intenta lograr tal reduccin.

Cantidad de
Aditivo
0
1
2
3
4
5
6
7
8
9
10

Tiempo de
Secado
14
11
10
8
7.5
9
10
11
13
12
15

a) Mediante un diagrama de dispersin investigue la relacin entre el tiempo de secado y la


cantidad de aditivo.

b) Con base en la relacin, alrededor de qu cantidad de aditivo recomendara para reducir


el tiempo de secado?
c) Obtenga el coeficiente de relacin entre ambas variables e interprtelo.
d) Al parecer el coeficiente de correlacin lineal es muy bajo. Quiere decir entonces que el
tiempo de secado no est relacionado con la cantidad de aditivo?

Relacin Aditivo - Tiempo de Secado


y = 0.2409x + 9.75
R = 0.1116

16

Tiempo de Secado

14
12
10
8

Tiempo de Secado

Lineal (Tiempo de Secado)

4
2
0
0

10

12

Cantidad de Aditivo

Anlisis
a) Como se observa en la grfica la cantidad de aditivo y el tiempo de secado tienen una
relacin lineal positiva baja, lo que indica que son directamente proporcionales, es decir, a
mayor cantidad de aditivo se necesitarn ms horas de secado.
b) Basado en la relacin, recomendara el 4 de aditivo para reducir el tiempo de secado, pues
segn la grfica, es el que registra menor tiempo de secado, es decir, 7.5 horas.
c) El coeficiente de relacin es de 0.33 este valor muestra que existe una relacin positiva baja
entre la cantidad de aditivo y el tiempo de secado.
d) En efecto si existe relacin pero es una relacin baja ya que el coeficiente de correlacin es
un tanto leve.

5. En una industria se desea investigar cmo influye la temperatura (C) en la presin del
vapor B-trimetilboro. Los datos obtenidos para tal propsito se muestran a continuacin:

Temperatura

Presin

13.0

2.9

19.5

5.1

45.7

30.5

56.1

51.4

64.4

74.5

71.4

100.2

80.5

143.7

85.7

176.9

22.5

8.5

27.2

10.3

31.8

14.6

a) Construya un diagrama de dispersin e interprtelo.


b) Obtenga el coeficiente de correlacin y al interpretarlo compare con lo observado en el
inciso a.

Relacin Temperatura - Presin


200

y = 2.213x - 47.935
R = 0.8981

150

Presin
100

Lineal (Presin)

Presin

Lineal (Presin)

50

Lineal (Presin)

0
0.0
-50

20.0

40.0

60.0

Temperatura

80.0

100.0

Anlisis
Existe una relacin lineal positiva entre la presin y la temperatura, aunque se asemeja ms a una
relacin del tipo exponencial. El coeficiente de correlacin es de R=0.95 lo que muestra que existe
una alta relacin entre las variables estudiadas, con lo que podemos afirmar que la temperatura
incide de manera importante sobre la presin, es decir, a mayor temperatura, mayor presin.
6. Como parte del anlisis del problema de ausentismo se decide investigar la relacin entre
edad del empleado y das que falt a laborar en el ao. Los datos del ltimo ao se
muestran a continuacin.
Empleado

Edad

Faltas

Empleado

Edad

Faltas

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
33
40
23
31
20
30
38
23
25
26
30
42
34
31
18
33
33
33
32

6
5
0
8
6
9
5
5
8
6
7
5
2
5
6
11
6
4
5
5

21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

25
38
22
30
24
39
35
20
32
25
36
30
20
38
39
34
35
27
40
31

7
3
0
4
7
10
5
1
5
5
5
5
10
4
4
4
6
7
3
6

a) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.


b) Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Calcule el coeficiente de correlacin e interprtelo.

Relacin Edad - Faltas


12
y = -0.1665x + 10.47
R = 0.1958

Das Faltados

10
8
6

Faltas

Lineal (Faltas)

2
0
0

10

20

30

40

50

Edad del Trabajador

Anlisis
Se puede observar que existe una relacin lineal negativa entre las variables que son objeto de
nuestro estudio, la edad y el nmero de das que los empleados faltan a sus trabajos; esto sugiere
que entre ms joven es el empleado esta ms susceptible al ausentismo. Al calcular el coeficiente
de correlacin el cual es de R= 0.44 se tiene una mayor certeza que entre las variables existe una
relacin lineal negativa media.
7. Dos mquinas, cada una operada por una persona, son utilizadas para cortar tiras de hule,
cuya longitud ideal es de 200mm, con una tolerancia de 3 mm. Al final del turno un
inspector toma una muestra e inspecciona que la longitud cumpla especificaciones. A
continuacin se muestran las ltimas 110 mediciones para ambas mquinas.

199.2
199.7
201.8
202.0
201.0
201.5
200.0
199.8
200.7

201.7
201.4
201.4
200.8
202.1
200.7
200.9
201.0
201.5

200.9
200.7
200.5
201.2
201.7
201.2
201.2
200.5
200.1

201.0
201.4
201.4
201.1
201.2
201.0
200.6
202.0
201.0

Muestras (mm)
200.6
199.5
200.1
198.6
201.3
200.3
200.6
198.5
200.7
198.2
201.8
199.6
200.5
198.2
200.5
198.4
200.8
199.0

199.0
198.4
199.1
198.8
198.3
198.9
199.6
199.0
198.7

199.2
198.8
198.5
198.9
198.8
198.7
199.2
199.3
199.7

199.0
199.0
198.7
199.1
200.3
200.5
198.1
198.3
199.6

198.9
199.2
197.9
200.3
199.6
199.4
198.7
198.5
198.7

201.4
200.4

201.2
201.3

201.4
200.2

201.5
201.6

200.3
200.7

199.7
199.7

200.5
198.4

197.8
199.9

199.0
199.7

198.6
198.5

a) Obtenga las medidas de tendencia central y con base en ellas seale si la tendencia central
del proceso es adecuada.
b) Calcule la desviacin estndar y una aproximacin de los lmites reales con base en estos
decida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo (con tendencia Central, variabilidad, acantilados,
sesgos, etc.).

Histograma
30
Frecuencia

25
20
15
10
5
0

Milmetros

Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

200.05
0.12
200.1
199
1.29
1.66
2.53
0.80
8.20
197.80
206
22005
110

LRS
LRI

203.91
196.18

Anlisis
Tomando las 110 muestras, se obtuvo una media de 200.05 mm, una mediana o percentil 50 de
200.10 mm que nos dice que la mitad de los datos son menores que 200.10 mm y la otra mitad
mayores o iguales a 200.10 mm, y una moda de 201.4. Adems se obtuvo un error tpico de 0.12;
La desviacin estndar de 1.29 lo que nos indica que el grado de dispersin de los datos respecto
a su media. El coeficiente de asimetra de 0.80 indica que existe una curva asimtrica positiva. El
coeficiente de Curtosis es de 2.53, nos demuestra que la grafica posee una forma leptocrtica, es
decir que presenta un elevado grado de concentracin de valores a la derecha de la media que a su
izquierda. Podemos notar tambin que la forma de la grfica obedece a una Histograma centrado
con mucha variabilidad. El Rango de los datos es de 8.2 mm, ya que el menor es 197.8 mm y el
mayor es 206 mm, por lo tanto extensin de la variacin de los datos no es tan grande. Podemos
afirmar que el histograma no presenta acantilados en su grfica, pero si posee sesgo a la izquierda
de la media, lo que podemos constatar observando la barra de color verde el cual es la clase con
mayor numero de datos asociados. Los lmites reales se definan por:

8. En un rea de servicio dentro de una empresa de manufactura se hace una encuesta para
evaluar la calidad del servicio proporcionada y el nivel de satisfaccin de los clientes
internos. La encuesta consiste de 10 preguntas, donde cada una de ellas evala diferentes
aspectos del servicio proporcionado. Las respuestas para cada pregunta es un nmero entre
0 y 10. Para hacer un primer anlisis de los resultados obtenidos, se suman los puntos

obtenidos de las 10 preguntas para cada cuestionario. A continuacin se muestran los


puntos obtenidos en 50 cuestionarios.

78
68
70
35
41

78
84
87
42
42

82
75
77
34
45

Muestras
81
86
76
76
84
48
49
34
35
38

85
78
82
44
42

80
82
49
30
39

73
85
39
43
42

84
91
39
31
43

78
80
43
34
29

a) A los datos anteriores calcleles sus medias de tendencia central, su dispersin y de una
primera opinin sobre la calidad del servicio.
b) Realice el histograma e interprtelo con cuidado.

Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

59.8
2.99
58.5
42
21.13
446.29
-1.80
-0.02
62
29
91
2990
50

Histograma
Frecuencia

15
10
5
0
29

37.86

46.71

55.57

64.43

Calificacin

73.29

82.14

y
mayor...

Anlisis
Los datos estadsticos obtenidos a travs de la encuesta, proporcionaron los siguientes resultados:
una media de 59.8 puntos, la mediana o percentil 50 es de 58.5 puntos y una moda de 42 puntos.
Un error tpico de 2.99; la desviacin estndar de los datos con respecto a su media es de 21.13
puntos un valor demasiado elevado por lo que podemos afirmar que los datos se encuentran muy
dispersos con respecto a su media, es decir que existe mucha variabilidad. Con una Curtosis de 1.80, nos expone que la campana de Gauss posee una forma plana, es decir, una forma achatada.
La curva asimtrica es negativa esto se puede observar a travs del valor del coeficiente de asimetra
que es de -0.02. Con una puntuacin mnima de 29 y mxima de 91, nos indica que existe una
gran variabilidad en los datos ya que posee un rango de 62 puntos el cual mide la gran amplitud en
la variacin de los datos. La forma del histograma supone una descentralizacin con mucha
variabilidad y dos realidades, es decir que es bimodal.
9. En la elaboracin de envases de plsticos, primero se elabora la preforma, para la cual se
tienen varios criterios de calidad, uno de ellos es ep peso de la preforma. Para cierto
envase se tiene que el peso debe estar entre 28.00 0.5g. A continuacin se muestran los
ltimos 112 datos obtenidos mediante una carta de control para esta variable.

27.72
28.06

28.39
27.91

28.21
27.91

Muestras
28.19
28.02
27.95
27.96

27.92
27.94

27.89
28.04

27.88
28.05

27.81
27.87
27.86
28.26
27.95
28.22
28.09
28.13
28.04
27.63
27.85
28.16

27.74
27.87
27.84
28.10
27.94
27.96
28.02
27.88
28.05
27.93
27.84
28.16

27.95
27.82
27.70
27.94
27.81
27.88
27.85
28.11
27.75
27.74
28.12
28.01

27.91
28.23
27.98
28.07
27.76
28.08
28.27
28.05
27.89
28.10
28.01
28.13

27.93
27.90
28.02
27.84
27.96
28.04
27.75
28.14
27.94
28.14
27.97
27.97

28.07
27.91
28.00
27.90
27.84
28.19
27.98
28.11
28.19
27.91
27.88
27.90

28.13
28.16
27.99
27.87
27.85
27.89
27.75
28.08
28.10
27.84
28.00
27.87

27.93
27.94
28.13
27.76
27.93
28.08
27.82
28.16
27.78
28.21
28.10
27.94

a) Obtenga las medidas de tendencia central y seale si la tendencia central de las mediciones
es adecuada.
b) Calcule la desviacin estndar y una aproximacin de los lmites reales y con base en estos
decida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos,
etc.).

Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de
asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

27.97
0.01
27.95
27.94
0.14
0.02
-0.30
0.21
0.76
27.63
28.39
3133.19
112

Histograma
30

Frecuencia

25
20
15
10
5
0

Gramos

Anlisis
Con relacin a los datos de las 112 muestras se obtuvieron los siguientes resultados una media de
27.97, una mediana de 27.95, la moda es de 27.94. Un error tpico de 0.01; la desviacin estndar
es de 0.14, lo que indica que hay poca dispersin en el peso de los envases con respecto a la media
de los datos. La Curtosis es -0.26, lo que indica que el curva de Gauss tiene una forma platicrtica,
es decir, que la grafica es de forma achatada. El rango es de 0.76, puesto que el peso menor es
27.63 y el mximo de 28.39. Por lo tanto la amplitud de la variacin de los datos es un tanto

aceptable. La grafica posee un coeficiente de asimetra que muestra que es una curva asimtrica
positiva. En cuanto a la forma del histograma podemos aseverar que ste est centrado con mucha
variabilidad. No hay acantilados y no hay evidencia de sesgo ni datos aislados.
10. Los siguientes datos corresponden a la medicin de la viscosidad, variable importante en la
calidad del adhesivo.
a) Calcule los lmites de control para las cartas X-R e interprtelos
b) Elabore la carta de control X y la R y de sus conclusiones.
Semana 29

1
2
3
4
5
6
7
8
9

H
1
I
17-jul
34.0
34.0
34.0
35.0
35.0
35.0
35.0
34.0
34.0

H
2
I
18-jul
33.0
33.0
34.0
34.0
35.0
35.0
35.0
34.0
34.0

Semana 30
H
3
I
19-jul
34.0
34.0
34.0
34.0
35.0
35.0
35.0
34.0
34.0

H
4
II
19-jul
35.0
35.0
34.0
34.0
34.0
34.0
35.0
35.0
35.0

H
5
II
25-jul
34.0
34.0
34.0
35.0
35.0
35.0
35.0
34.0
34.0

Semana 31
H
6
II
26-jul
35.0
35.0
34.0
34.0
33.0
33.0
34.0
35.0
35.0

H
7
I
31-jul
33.0
33.0
34.0
34.0
34.0
34.0
35.0
35.0
35.0

H
8
I
01-ago
34.0
34.0
35.0
35.0
35.0
34.0
34.0
35.0
35.0

H
9
I
02-ago
35.0
35.0
35.0
34.0
34.0
34.0
35.0
35.0
35.0

Carta X
35.0
34.8
34.6
Promedio

34.4

LCS

34.2

LCC
34.0

LCI

33.8
33.6
33.4
1

10

LCS
LCC
LCI
A2

34.8
34.4
33.9
0.337

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a
su medida de tendencia central, con un LIC= 33.90 y un LCS= 34.80.

Todos los datos

muestreados estn dentro de los lmites de control establecidos para esta carta.

Carta R
3
2.5
2

Rango
LCS

1.5

LCC
1

LCI

0.5
0
1

10

D3
D4
LCS
LCC
LCI

0.1838
1.8162
2.4
1.3
0.2

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a la
variabilidad de los datos, es decir en cuanto a sus rangos, ningn valor excede los lmites de control
respectivos. El rango de la viscosidad de dichos adhesivos se encuentra entre 0.25 y 2.42 con un
rango promedio de 1.3. Lo cual indica que existe poca variabilidad en la viscosidad del adhesivo.
11. En una industria alimenticia se quiere garantizar que la concentracin mnima de grasa de
un producto sea de 1.8%. En la siguiente tabla, se muestran los datos obtenidos para el
estudio inicial, con tamao de subgrupo de 4.

GRASA

SUB
GRUPO
1
2

1
1.88
1.93

2
1.93
1.97

3
1.98
1.89

GRASA

SUB
GRUPO
4
1.88
1.94

11
12

1
1.93
1.95

2
1.95
1.98

3
1.90
1.89

4
1.93
1.90

3
4
5
6
7
8
9
10

1.92
1.89
1.95
2.00
1.95
2.87
1.96
1.99

1.95
1.89
1.95
1.95
1.93
1.98
1.92
1.93

1.90
1.90
1.93
1.94
1.97
1.96
1.98
2.01

1.98
1.94
1.90
1.89
1.85
2.04
1.88
2.02

13
14
15
16
17
18
19
20

1.88
1.97
1.91
1.98
1.93
1.82
2.00
1.98

1.93
1.88
1.91
1.90
1.94
1.92
1.97
1.94

1.88
1.92
1.96
1.92
1.95
1.95
1.99
1.96

1.90
1.96
1.93
1.91
1.90
1.94
1.95
1.88

a) Calcule los lmites de control para las cartas X-R e interprtelos.


b) Elabore la carta de control X y la R y de sus conclusiones.

Carta X
n
A2
X
LCS
LCI
LCC
R

4
0.729
1.946
2.035
1.858
1.946
0.122

2.300
2.200
2.100
Promedio

2.000

LCS
LCI

1.900

LCC
1.800
1.700
1.600
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Anlisis: El proceso de concentracin de grasa en el producto se encuentra fuera de control


estadstico en cuanto a su medida de tendencia central ya que la muestra 8 est por arriba del lmite
de control superior, el punto 9 viola la regla 14 la cual dice que este punto est por debajo de 4
sigmas. Y la muestra 18 viola la prueba 8 que indica que hay 8 puntos consecutivos en la zona C (1
sigma). La concentracin de grasa en los productos se encuentra entre 1.86 y 2 con un promedio
de 1.95.

Carta R
LCS
LCC
LCI
D3
D4

0.28
0.12
0
0
2.28

1.000
0.900
0.800
0.700
0.600

Rango

0.500

LCS

0.400

LCC

0.300

LCI

0.200
0.100
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Anlisis: El proceso de concentracin de grasa en los productos se encuentra fuera de control


estadstico en cuanto a su medida dispersin o variabilidad ya que la muestra 8 est por arriba del
lmite de control superior. El rango de la concentracin de grasa en los productos se encuentra
entre 0.0% y 0.28% con un rango promedio de 0.1 %. Lo cual indica que existe poca dispersin en
la viscosidad del adhesivo.
12. En la fbrica de discos pticos una mquina metaliza disco. Para garantizar la uniformidad
del metal en el disco, la densidad debe ser de 1.93, con una tolerancia de 0.12, en la tabla
siguiente se muestran los datos obtenidos para un estudio inicial, con tamao de subgrupo
5.

SUB
GRUPO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

DATOS
1.909
1.957
1.861
1.938
1.941
2.032
1.889
1.891
1.929
1.956
1.904
1.926
1.936
1.937
1.916
1.867
1.939

1.917
1.829
1.946
1.913
1.966
1.914
1.963
1.978
1.87
1.904
1.91
1.984
1.903
1.949
1.961
1.898
1.918

1.865
1.87
1.903
1.884
1.935
1.911
1.943
1.907
1.943
1.904
1.904
1.899
1.915
1.898
1.953
1.929
1.925

1.991
1.917
1.951
1.907
1.936
1.82
1.918
1.922
1.819
1.907
1.903
1.938
1.932
1.952
1.954
1.953
1.949

1.906
1.971
1.893
1.95
1.955
1.932
1.911
1.908
1.946
1.864
1.901
1.978
2.014
1.869
1.939
1.952
1.91

1.94
1.944
1.933
1.817
1.939
1.931
1.927
1.973

18
19
20
21
22
23
24
25

1.88
1.919
1.965
1.878
1.956
1.894
1.895
1.949

1.882
1.84
2.031
1.938
1.951
1.972
1.938
1.912

1.949
1.94
1.902
2.058
1.898
1.936
1.859
1.87

1.91
1.942
1.923
1.938
1.969
1.924
1.938
1.971

a) Calcule los lmites de control para las cartas X-R e interprtelos.


b) Elabore la carta de control X y la R y de sus conclusiones.

Carta X
n
A2
X
LCS
LCI
LCC
R

5
0.577
1.924
1.979
1.869
1.924
0.095

2.000
1.980
1.960
1.940
1.920

Promedio

1.900

LCS

1.880

LCI
LCC

1.860
1.840
1.820
1.800
1

11 13 15 17 19 21 23 25

Anlisis: Con base en el anlisis de los datos mediante una carta X el proceso de fabricacin discos
pticos la densidad se encuentra bajo control estadstico en cuanto a su medida de tendencia
central ya que todos los datos estn dentro de los lmites de control superior e inferior. La
densidad en el metal para los discos se encuentra entre 1.924 y 1.979 con un promedio de 1.869.
En conclusin el proceso est bajo control estadstico.

Carta R
0.300
0.250
0.200

Rango

0.150

LCS
LCC

0.100

LCI
0.050
0.000
1

11 13 15 17 19 21 23 25

Anlisis: Basado en la Carta de Rangos el proceso de fabricar discos pticos la densidad est fuera
de control estadstico en cuanto a su variabilidad ya que los puntos 6 y 21 se encuentran por
encima del lmite de control superior. El rango de la densidad en el metal para fabricar los discos
pticos se encuentra entre 0.00 y 0.200 con un rango promedio de 0.095.
13. En la presentacin de servicios en una empresa se registra diariamente la evaluacin de los
clientes. La forma operativa que se hace es la siguiente: todos los das en forma aleatoria se
le pide a 5 clientes atendidos que contesten una encuesta de satisfaccin en el servicio, la
escala de satisfaccin va de 0 a 100. Los datos obtenidos durante el ltimo mes se
muestran en la tabla siguiente.
a) Mediante una carta de medias analice la estabilidad de la calidad en el servicio.
DA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

CALIFICACIN DE SERVICIOS
83
84
87
71
76
69
88
96
61
82
80
69
50
74
66
80
57
99
87
79
93
73

84
88
76
69
81
86
89
76
71
93
82
84
92
94
74
82
87
88
80
85
70
76

63
71
92
79
100
98
75
71
57
87
66
89
76
73
86
84
74
83
89
65
77
81

68
87
75
79
85
84
72
97
90
87
83
88
62
79
78
60
94
90
89
71
80
80

MEDIA
93
93
79
62
100
89
86
73
79
76
83
65
71
67
72
83
72
80
77
70
74
65

78.20
84.60
81.80
72.00
88.40
85.20
82.00
82.60
71.60
85.00
78.80
79.00
70.20
77.40
75.20
77.80
76.80
88.00
84.40
74.00
78.80
75.00

n
LCS
LCC
LCI
A2
R promedio

5
131.67
79.40
27.13
0.58
90.59

Carta X
140.00
120.00
100.00
Media

80.00

LCS
60.00

LCC
LCI

40.00
20.00
0.00
1

11 13 15 17 19 21

Anlisis: Segn la carta de medida de tendencia central, la calidad del servicio se encuentra en
control estadstico, ya que todas las observaciones caen dentro de los lmites de control para dicha
carta. La satisfaccin de los clientes se encuentra entre 131.67 y 27.13 con una satisfaccin
promedio de 79.4.

Carta R
D3
D4
LCS
LCC
LCI

0
2.11
191.55
90.59
0

250.00

200.00
Rango

150.00

LCS
LCC

100.00

LCI
50.00

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Anlisis: Basados en la Carta R, la calidad del servicio se encuentra bajo control estadstico, en
cuanto a la variabilidad de los datos se refiere ya que todas las observaciones no violan los lmites
de control. El rango de satisfaccin en los clientes se encuentra entre 0.0 y 191.55 con una
satisfaccin promedio de 90.59. Por tanto podemos concluir que tal proceso funciona de una
forma estable.

CAPTULO 2
1. Con los datos del ejercicio de las dos mquinas operadas por una persona, considerando
que los primeros 55 datos (ordenados por regln) corresponden a una mquina, y los
ltimos 55 a otra, conteste lo siguiente.
a) Evale las dos mquinas en cuanto a su centrado (tendencia central) respecto a la
longitud ideal (200).
b) Analice la dispersin de ambas mquinas, utilizando la desviacin estndar.
c) Haga un histograma para cada mquina e interprete cada uno de ellos.
d) Con base en lo anterior, cul es el problema de cada mquina?
e) Considerando que cada mquina es operada por una persona diferente, discuta cules
son las posibles causas de los problemas sealados en el inciso anterior y seale qu
hara para corroborar cules son las verdaderas causas.
f) Vuelva a analizar el histograma realizado en el inciso c del ejercicio anterior y vea si de
alguna forma se vislumbraba lo que detect con los anlisis hechos en este ejercicio.
g) A la luz de lo anterior, qu recomendaciones respecto a la obtencin de datos y su
anlisis dara para hacer ms eficiente la inspeccin y el control del funcionamiento de
cada mquina?

Mquina 1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

200.13
0.17
200.3
201.4
1.23
1.50
-1.39
-0.09
4.2
197.9
202.1
11007.1
55

Frecuencia

Histograma "Mquina 1"


14
12
10
8
6
4
2
0

Milmetros

Anlisis: Basados en la informacin y grficos obtenidos se ve claramente de que en la mquina 1


los datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo, la
empresa debe de reducirla. La mediana o percentil 50 nos indica que la mitad de los datos tienen
un valor por debajo de 200.3 mm, y la otra parte, su valor es mayor o igual a 200.3 mm. La curtosis
es de -1.39 lo que indica que la curva de la distribucin normal presenta un grado reducido de
concentracin alrededor de los valores centrales de la variable estudiada, es decir que presenta una
forma aplanada o achatada. El coeficiente de asimetra es 0 por lo que se concluye que existe una
mayor concentracin de valores a la izquierda de la media que a su derecha. Aqu se aprecia que se
presentan dos realidades distintas (bimodal) lo que indica que hay situaciones que causan esto y
deben ser identificadas para erradicarlas.

Mquina 2
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

199.97
0.18
199.8
200.5
1.37
1.87
5.52
1.50
8.2
197.8
206
10998.4
55

Frecuencia

Histograma "Mquina 2"


18
16
14
12
10
8
6
4
2
0

Milmetros

Anlisis: Basados en la informacin y grficos obtenidos se puede ver que en la mquina 2 los
datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo es
mayor que el de la mquina 1 y la empresa debe de reducirla. La mediana o percentil 50 nos
indica que la mitad de los datos tienen un valor por debajo de 199.8 mm, y la otra parte, su valor es
mayor o igual a 199.8 mm. La curtosis es de 5.52 lo que indica que la curva de la distribucin
normal presenta un elevado grado de concentracin alrededor de los valores centrales de la
variable estudiada, es decir que presenta una forma alargada en el centro. El coeficiente de
asimetra es >0 por lo que se concluye que existe una mayor concentracin de valores a la derecha
de la media que a su izquierda. Con respecto a la mquina 1, la 2 presenta un mejor estado porque
en esta claramente solo hay una realidad por lo tanto es ms fcil poder controlarlo y erradicarlo.
2. Con el propsito de mejorar la calidad que se tena en cuanto al grosor de las lminas, un
grupo implementa un proyecto de mejora siguiendo la metodologa. Varios de los cambios
implementados fueron relativos a los procedimientos empleados durante el proceso ya y la
estandarizacin de los mismos. Para verificar si el plan tuvo xito, se eligieron lminas
aleatoriamente y midiendo su grosor. Los 120 datos obtenidos durante tres das se
muestran a continuacin.

4.8

4.3

4.8

5.1

4.9

4.6

4.9

4.6

5.0

4.9

4.8

4.5

4.7

5.7

4.5

5.3

4.4

5.1

4.6

4.9

4.2

4.6

5.3

5.2

4.7

4.1

5.1

5.0

5.0

4.9

4.6

4.9

5.2

4.8

4.7

5.1

4.9

4.8

4.7

5.1

5.1

5.3

5.1

5.0

5.3

5.0

5.1

5.2

4.7

5.0

5.0

5.3

5.1

5.1

4.5

5.2

4.1

5.1

4.9

4.9

4.6

5.0

4.6

4.8

4.7

4.9

4.4

4.5

5.3

5.3

4.4

5.0

4.2

4.5

5.3

5.1

4.8

4.4

4.7

5.3

5.1

4.7

4.7

4.8

5.0

5.0

4.9

5.2

5.6

5.1

5.2

4.5

4.6

5.2

4.9

5.0

5.3

4.9

5.0

4.4

4.9

4.7

4.6

5.3

4.8

4.7

4.6

5.1

4.4

5.0

4.5

5.0

5.2

4.7

5.0

5.3

5.6

5.0

5.0

4.5

a) Calcule la media y mediana de estos datos, y comparndolas con sus correspondientes


antes del proyecto, decida si con los cambios se mejor el centrado del proceso.
= 4.75, mediana= 4.7
b) Calcule la desviacin estndar, y con sta, obtenga los nuevos lmites reales, y decida si la
variabilidad se redujo. = 0.45
c) Construya un histograma.
d) Con base en todo lo anterior, el proyecto dio buenos resultados? Argumente.
e) Si hubo mejoras, stas son suficientes para garantizar un producto dentro de
especificaciones?
Datos del Estudio Anterior

Desviacin estndar
Grosor ptimo
Discrepancia
Mediana
Media
LRS
LRI

0.45 mm
5 mm
0.8 mm
4.7 mm
4.75 mm
6.1 mm
3.4 mm

Datos del Estudio Actual


Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis

4.88
0.03
4.9
5
0.32
0.10
-0.12

Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

Histograma
25

Frecuencia

20
15
10
5
0

Milmetros

-0.18
1.6
4.1
5.7
586.1
120

LRS

5.83 mm

LRI

3.94 mm

Anlisis: Se puede ver claramente que los datos, en cuanto a su dispersin con respecto a la media
se redujo, la desviacin estndar paso de 0.45 0 0.32 aproximndose ms a cero, que es lo ideal. El
ndice de Curtosis nos dice que la curva de la normal tiende a ser achatada con colas cortas y el
coeficiente de asimetra nos dice que existe mayor concentracin de datos a la izquierda que a la
derecha. Con ello se puede afirmar que se ha logrado una mejora pero se debe seguir mejorando
ya que, aunque el proceso est centrado presenta variabilidad.
3. Una caracterstica clave en la calidad de las pinturas es su densidad y un componente que
influye en tal densidad es la cantidad de arenas que se utilizan en su elaboracin. La
cantidad de arena en la formulacin de un lote se controla con base en el nmero de
costales, que segn el proveedor contienen 20 kg. Sin embargo, continuamente se tienen
problemas en la densidad de la pintura, que es necesario corregir con retrabajo y
reprocesos adicionales. En este contexto en la empresa se preguntan, cunta arena
contienen realmente los costales? Para averiguarlo deciden tomar una muestra aleatoria de
30 costales de cada lote pedido (500 costales). Los pesos obtenidos en las muestras de los
ltimos tres lotes se muestran a continuacin. Las especificaciones iniciales que se
establecen para el peso de los costales de arena son 200.8 kg.

Lote

Peso de costales de la muestra


18.6

19.2

19.5

19.2

18.9

19.4

19.0

20.0

19.3

20.0

19.1

18.6

19.4

18.7

21.0

19.8

19.0

18.6

19.6

19.0

19.6

19.4

19.8

19.1

20.0

20.4

18.8

19.3

19.1

19.1

18.6

19.9

18.8

18.4

19.0

20.1

19.7

19.3

20.7

19.6

19.5

19.1

18.5

19.6

19.4

19.6

20.3

18.8

19.2

20.6

20.0

18.4

18.9

19.7

17.8

19.4

18.9

18.4

19.0

19.7

20.1

20.2

21.0

19.7

20.1

20.0

19.1

20.4

19.6

20.6

20.0

19.7

20.8

19.7

19.7

20.4

19.8

20.5

20.0

20.0

20.2

19.7

20.0

19.6

19.7

19.8

19.9

20.3

20.4

20.2

a) Tomando en cuenta los 90 datos, el centrado del proceso es adecuado?


b) La variabilidad es poca o mucha? Apyese en los estadsticos adecuados.
c) Obtenga un histograma para los noventa datos, inserte las especificaciones e interprtelo
con detalle.
d) D su conclusin general sobre si los bultos cumplen con el peso especificado.
e) Haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficas, seale si
hay diferencias grandes entre los lotes.
f) Las diferencias encontradas se podran haber inferido a partir del histograma del inciso c?

Costales
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

19.562
0.069
19.6
20
0.65
0.42
-0.29
-0.07
3.2
17.8
21
1760.6
90

Histograma "Peso de los Costales"


25

Frecuencia

20
15
10
5
0

Kilogramos

Anlisis: Los datos que corresponden al peso de los costales se encuentran con muy poca
variabilidad, ya que esto es evidente por el coeficiente de asimetra, Curtosis y la desviacin
estndar, cuyos valores se aproximan a cero. Se puede constatar que existe un ligero sesgo a la
izquierda.
Lote 1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

19.35
0.10
19.25
19.1
0.56
0.31
1.39
1.01
2.4
18.6
21
580.5
30

Histograma "Lote 1"


14
12
Frecuencia

10
8
6
4
2
0
18.6

19.08

19.56

20.04

20.52

y mayor...

Kilogramo

Anlisis: El lote 1, con respecto a la poblacin total de los costales, cuenta con mayor variabilidad,
con una mayor concentracin de los datos a la derecha de la media.
Lote 2
Media
Error tpico
Mediana
Moda
Desviacin estndar

19.2967
0.1260
19.35
18.4
0.69

Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

0.48
-0.26
0.06
2.9
17.8
20.7
578.9
30

Frecuencia

Histograma "Lote 2"


10
9
8
7
6
5
4
3
2
1
0
17.8

18.38

18.96

19.54

Kilogramos

20.12

y mayor...

Anlisis: El lote presenta mayor variabilidad en relacin al 1 y 2 con sesgo a la derecha donde la
mayora de los datos se concentran a la derecha y la curva normal presenta una forma ligeramente
achatada.
Lote 3
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

20.04
0.07
20
19.7
0.40
0.16
0.46
0.29
1.9
19.1
21
601.2
30

Histograma "Lote 3"


12

Frecuencia

10
8
6
4
2
0
19.1

19.48

19.86

20.24

Kilogramos

20.62

y mayor...

Anlisis: El proceso se encuentra con una ligera variabilidad en los datos, con acantilado lo que
ocasiona que los mismos presenten variabilidad, debido a que los datos tiendan a agruparse ms a
la derecha de la media causando una desviacin de 0.4 y dndole una forma alargada a la curva
normal.
4. En una empresa que fabrica y vende equipo para fotocopiado utilizan como un indicador
importante de la calidad en el servicio posventa el tiempo de respuestas a solicitudes de
apoyo tcnico debido a fallas en los equipos. Para problemas mayores, en cierta zona del
pas, se ha establecido como meta que la respuesta se d en un mximo de 6 horas hbiles;
es decir, de que habla el cliente solicitando apoyo, y que si el problema se clasifica como
grave no deben pasar ms de 6 horas hbiles en que un tcnico acuda a resolver su
problema. A continuacin se aprecian los tiempos de respuestas en horas para los primeros
9 meses del ao (65 datos).
5.0

5.4

7.1

7.0

5.5

4.4

5.4

6.6

7.1

4.2

4.1

3.0

5.7

6.7

6.8

4.7

7.1

3.2

5.7

4.1

5.5

7.9

2.0

5.4

2.9

5.3

7.4

5.1

6.9

7.5

3.2

3.9

5.9

3.6

4.0

2.3

8.9

5.8

5.8

6.4

7.7

3.9

5.8

5.9

1.7

3.2

6.8

7.0

5.4

5.6

4.5

6.5

4.1

7.5

6.8

4.3

5.9

3.1

8.3

5.4

4.7

6.3

6.0

3.1

4.8

a) Calcule las medidas de tendencia central y con base en stas, cree que se cumple con la
meta?
b) Haga un histograma e interprete sus aspectos ms relevantes.
c) A partir del anlisis que se ha hecho, qu recomendaciones dara para ayudar a cumplir
mejor la meta?

Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

5.37
0.20
5.5
5.4
1.62
2.62
-0.52
-0.20
7.2
1.7
8.9
348.8
65

Frecuencia

Histograma
18
16
14
12
10
8
6
4
2
0

Tiempo de Respuesta

Anlisis: Los datos correspondientes se encuentran con una variabilidad ligera donde la curva de la
normal tiende a ser achata y con colas muy cortas presentando un acantilado donde la mitad de los
datos son menor que 5.5 y la otra mitad son mayores o iguales a ese valor.
5. Los datos de la tabla siguiente representan las horas cadas de equipos, por semana, de tres
lneas de produccin.
Semana

Lnea 1

Lnea 2

Lnea 3

Semana

Lnea 1

Lnea 2

Lnea 3

7.7

6.6

7.5

14

6.3

6.5

8.5

6.8

5.2

8.1

15

7.8

7.7

8.0

8.5

7.2

6.2

16

6.7

7.4

7.7

8.6

9.2

7.4

17

7.3

6.1

7.5

5.7

6.7

8.2

18

5.7

6.2

8.2

7.9

6.2

6.0

19

6.2

7.3

7.7

8.1

7.1

8.2

20

7.3

6.9

7.0

7.6

8.1

8.1

21

5.0

6.1

.5

7.1

6.4

6.7

22

5.0

6.9

6.2

10

7.3

6.3

8.0

23

5.4

8.4

6.0

11

7.8

8.2

8.1

24

7.5

5.0

6.1

12

6.1

8.4

8.1

25

6.0

7.4

5.8

13

6.4

7.4

7.0

a) Analice los datos para cada lnea, anote las principales caractersticas de la distribucin
de los datos.
b) Compare las tres lneas, nota alguna diferencia importante?

Lnea 1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

6.87
0.21
7.1
7.3
1.05
1.10
-0.94
-0.23
3.6
5
8.6
171.8
25

Histograma "Lnea 1"


9
8
7
Semanas

6
5
4
3
2
1
0
5

5.72

6.44

7.16

Horas Cadas

7.88

y mayor...

Anlisis: La curva de la normal tiende a ser plana o achatada debido a como los datos se
encuentran distribuidos, aunque la deviacin estndar no es grande en magnitud, sigue siendo un
problema muy grande ya que la variabilidad existe en el proceso y mientras la empresa no le de
solucin va a seguir perdiendo tiempo, un factor importante para los clientes y as cumplir con los
tiempos de entrega. Tambin presenta sesgo a la izquierda.
Lnea 2
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

7.00
0.20
6.9
7.4
1.00
1.00
0.01
0.13
4.2
5
9.2
174.9
25

Semanas

Histograma "Lnea 2"


10
9
8
7
6
5
4
3
2
1
0
5

5.84

6.68

7.52

8.36

y mayor...

Horas Cadas

Anlisis: El coeficiente de asimetra nos muestra que hay mayor concentracin de datos a la
derecha de la media y el coeficiente de Curtosis se aproxima mucho a 0 lo que nos dice que la
campada de Gauss se aproxima ms a la curva normal deseada, curva que en este caso representa
el proceso en la lnea 2.
Lnea 3
Media
Error tpico
Mediana
Moda

7.07
0.32
7.5
8.1

Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

1.62
2.62
11.35
-2.96
8
0.5
8.5
176.8
25

Frecuencia

Histograma "Lnea 3"


18
16
14
12
10
8
6
4
2
0
0.5

2.1

3.7

5.3

6.9

y mayor...

Clase

Anlisis: La lnea 3 presenta mayor variabilidad en su proceso, con acantilado y un coeficiente de


asimetra de -2.96 y cuyo coeficiente de Curtosis nos muestra que la curva es alargada en el centro.

6. Una caracterstica importante en la calidad de la leche de vaca es la concentracin de grasa.


En una industria en particular se ha fijado como estndar mnimo que debe cumplir el
producto que recibe directamente de los establos lecheros, 3.0%. Por medio de muestreos
y evaluaciones en cierta poca del ao se obtuvieron los siguientes 90 datos sobre
concentracin de grasa, en cierta regin.

2.7

3.4

3.5

4.0

3.1

3.3

3.5

3.3

3.2

3.4

2.6

3.1

3.4

2.7

3.3

3.6

2.9

2.8

3.0

3.6

3.5

2.8

3.1

2.8

2.2

3.4

3.3

2.5

3.4

2.7

2.9

3.6

3.3

2.7

3.7

3.3

3.2

3.1

2.9

2.7

3.3

3.6

3.3

3.1

3.1

3.4

3.0

3.5

3.4

3.0

2.9

3.2

3.2

3.0

3.3

3.9

3.3

3.0

3.0

3.5

2.9

3.5

3.1

3.5

3.0

3.1

2.9

3.1

3.1

2.9

2.9

3.4

3.4

3.1

3.2

3.3

3.2

3.3

3.0

3.2

3.5

3.4

3.8

3.2

2.9

3.0

3.2

3.2

3.3

3.8

a) Calcule las medidas de tendencia central y de variabilidad, y comente sobre el


cumplimiento del estndar mnimo para la concentracin de la grasa.
b) Obtenga un histograma, inserte el estndar mnimo e interprete ampliamente.
c) La poblacin de donde provienen estos datos, cumple el estndar mnimo?

Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

3.19
0.03
3.2
3.3
0.32
0.10
0.52
-0.15
1.8
2.2
4
286.9
90

Histograma
25

Frecuencia

20
15
10
5
0

Concentracin

Anlisis: Aqu los datos obtenidos sobre el nivel de concentracin de grasa en la leche de vaca
presentan poca variabilidad donde la curva normal tiende a ser un poco alargada.
7. A continuacin se muestran 100 datos obtenidos en las pruebas destructivas de la
resistencia de botellas.

28.3

26.8

26.6

26.5

28.1

24.8

27.4

26.2

29.4

28.6

24.9

25.2

30.4

27.7

27.0

26.1

28.1

26.9

28.0

27.6

25.6

29.5

27.6

27.3

26.2

27.7

27.2

25.9

26.5

28.3

26.5

29.1

23.7

29.7

26.8

29.5

28.4

26.3

28.1

28.7

27.0

25.5

26.9

27.2

27.6

25.5

28.3

27.4

28.8

25.0

25.3

27.7

25.2

28.6

27.9

28.7

25.3

29.2

26.5

28.7

29.3

27.8

25.1

26.6

26.8

26.4

26.4

26.3

28.3

27.0

23.7

27.7

26.9

27.7

26.2

27.0

27.6

28.8

26.5

28.6

25.7

27.1

27.8

24.7

27.1

26.4

27.2

27.3

27.0

27.7

27.6

26.2

24.7

27.2

23.8

27.4

29.5

26.4

25.8

26.7

a) Calcule medidas de tendencia central y de variabilidad.


b) Estime los lmites reales y comente si las botellas cumplen la resistencia mnima e
interprete ampliamente.
c) Obtenga un histograma, inserte la resistencia mnima e interprete ampliamente.
d) Con base en los anlisis anteriores, d su opinin sobre si el proceso cumple con la
especificacin inferior.

Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

LRS
LRI

27.10
0.14
27.1
27.7
1.39
1.93
-0.10
-0.18
6.7
23.7
30.4
2709.5
100

31.26
22.93

Histograma
25

Frecuencia

20
15
10
5
0

Resistencia de las Botellas

Anlisis: La informacin obtenida de las pruebas destructivas para ver la resistencia de las botellas
tiene mucha variabilidad ya que la desviacin estndar as lo indica, donde la curva normal tiende a
ser achatada.
8. En la elaboracin de una bebida se desea a garantizar que el porcentaje de CO2 est entre
2.5 y 3.0. De los datos obtenidos del monitoreo del proceso se obtuvieron los siguientes
115 datos.

2.61
2.69
2.61
2.57
2.73
2.60
2.61
2.62
2.53
2.64

2.56
2.51
2.61
2.49
2.65
2.67
2.49
2.52
2.61
2.55

2.63
2.56
2.66
2.58
2.58
2.71
2.66
2.72
2.68
2.63

2.61
2.64
2.64
2.69
2.67
2.51
2.52
2.53
2.59
2.59

2.56
2.52
2.56
2.61
2.53
2.57
2.60
2.64
2.63
2.62

2.60
2.57
2.58
2.64
2.67
2.57
2.63
2.52
2.66
2.52

2.56
2.60
2.61
2.57
2.62
2.51
2.61
2.60
2.59
2.49

2.60
2.67
2.57
2.55
2.57
2.67
2.60
2.53
2.58
2.55

2.55
2.48
2.56
2.70
2.64
2.50
2.56
2.62
2.65
2.60

2.64
2.57
2.59
2.65
2.55
2.56
2.67
2.64
2.57
2.61

2.66
2.66
2.67
2.67
2.64
2.65
2.61
2.60
2.52
2.58

2.65
2.59
2.57
2.65
2.52

a) Con medidas de tendencia central seale si la tendencia central de las mediciones es


adecuada.
b) Calcule las desviaciones estndar y una aproximacin de los lmites reales y con base en
stos decidida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo.
d) Con la evidencia obtenida antes, cul es su opinin sobre la capacidad del proceso referido.

Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

2.599
0.005
2.600
2.610
0.056
0.003
-0.587
-0.030
0.250
2.480
2.730
298.870
115

Histograma
25

Frecuencia

20
15
10
5
0

Porcentaje de CO2

Anlisis: Se puede decir, en este caso, que la variabilidad de los datos con respecto al porcentaje de
CO2 es mnima, lo que es indicado por la desviacin, la asimetra y el coeficiente de Curtosis,
donde se ve que los datos tienden a estar centrados con poca variabilidad.

CAPTULO 6
1. En un proceso de manufactura las piezas resultan defectuosas por distintas razones. Para
entender cul es la regularidad estadstica de esta problemtica se decide registrar los datos
de la inspeccin. Para el diseo de la hoja de verificacin se toma en cuenta que las
posibles fuentes de variabilidad (origen de los problemas) son las mquinas, el da y el
turno. En la siguiente tabla se muestran los datos obtenidos en una semana.

Lunes

Martes

Mircoles

Jueves

Viernes

Mquina
A

AM

PM

AM

PM

oo

ooo o

xx

AM

PM

AM

PM

ooooo

ooooo

ooo

xxx

xxx

xx

--

AM

PM

ooo
xx
//

oooo oooo ooo oooooo oooooooo oooooooo ooooo oooo ooooo ooo
xx

xxx

oo

xx

xx

-/

oo

oooooo
/

xx

oooooo

xx

xx

--/

oo

oo

oo

oo

oo

**

***

oo

oo

oo

ooo

oooo

oo
-

(o) Rasguos superficiales, (x) Rupturas, (-) Incompletas, (/) Forma inapropiada, (*) Otro.

a) Realice un Pareto para problemas y encuentre cul es el predominante.


b) Para el defecto principal, realice Paretos de segundo nivel en funcin de:

Mquinas.

Da.

Turno.

c) De los Paretos de segundo nivel, con cules se encontr pistas especficas para localizar la
causa? Explique.

d) En resumen, cules son las pistas concretas para orientar los esfuerzos de mejora?

Pareto de Problemas
Frecuencia

% Frecuencia

Frecuencia
Acumulada

Rasguos superficiales

119

62%

62%

Rupturas

39

20%

82%

Incompletas

13

7%

89%

Forma inapropiada

12

6%

95%

Otros

5%

100%

192

100%

Problema

Total

Frecuencia

Diagrama de Pareto
140
120
100
80
60
40
20
0

120%
100%
80%
60%
40%
20%
0%

Frecuencia
Frecuencia
acumulada

Tipo de Defecto

Anlisis: El problema de rasguos superficiales y las rupturas cusan el 82% de los problemas, de
los cuales el primero constituye el 62% y ese es el problema que debe tener prioridad para ser
erradicado.

Pareto de Mquinas
Mquinas

Frecuencia

B
A
C
D
Total

50
24
24
21
119

%
Frecuencia
Frecuencia Acumulada
42%
20%
20%
18%
100%

42%
62%
82%
100%

Frecuencia

Diagrama de Pareto
60

120%

50

100%

40

80%

30

60%

20

40%

10

20%

0%
B

Mquina

Frecuencia
Frecuencia
acumulada

Anlisis: Las mquinas B, A y C generan el 82% de los problemas que surgen en el proceso, ya sea
por averas o fallas. De ellas la que produce mayor cantidad de problemas es la B, donde debera
de hacerse un estudio y determinar si las fallas son de origen humano o tecnolgico.

Pareto de Das
Da

Frecuencia

Mircoles
Jueves
Martes
Viernes
Lunes
Total

45
20
19
18
17
119

%
Frecuencia
38%
17%
16%
15%
14%
100%

Frecuencia
Acumulada
38%
55%
71%
86%
100%

Diagrama de Pareto
Freceuncia

50

120%
100%
80%
60%
40%
20%
0%

40
30
20
10
0

Frecuencia
Frecuencia
acumulada

Da

Anlisis: Los das en los que se hacen presentan la mayor cantidad de fallas son el mircoles,
jueves, martes y viernes. Es en esos das donde se producen 82% de los problemas que hay en el
proceso.

Pareto de Turnos
Turnos

Frecuencia

I
II
Total

66
53
119

%
Frecuencia
Frecuencia Acumulada
55%
55%
45%
100%
100%

Frecuencia

Pareto de Turnos
70
60
50
40
30
20
10
0

120%
100%
80%
60%

Frecuencia

40%
20%
0%
I

Frecuencia
acumulada

II
Turno

Anlisis: El turno en el que se dan la mayor cantidad de problemas es el turno I, donde se generan
el 55% de los problemas y es en el que se tiene que investigar la causas por las cuales se originan
dichas fallas.

2. En una fbrica de aparatos de lnea blanca se han tenido problemas con la calidad de las
lavadoras. Un grupo de mejora de la calidad decide revisar los problemas de la tinta de las
lavadoras, ya que frecuentemente es necesario retrabajarla para que sta tenga una calidad
aceptable. Para ello estratificaron los problemas en la tina de lavadora por tipo de defecto,
con la idea de localizar cul es el defecto principal. A continuacin se muestra el anlisis de
los defectos encontrados en las tinas producidas en cinco meses. Realice un anlisis de
Pareto y obtenga conclusiones.

Defecto
Ovalada la boca de la tina

Frecuencia
1,200

Perforaciones deformes

400

Boca de tina despostillada

180

Falta de fundente

130

Mal soldada

40

Total

Defecto
Boca de la tina ovalada
Perforaciones deformes
Boca de la tina despostillada
Falta de fundente
Mal soldada
Total

1,950

Frecuencia

% Frecuencia

1200
400
180
130
40
1950

62%
21%
9%
7%
2%
100%

Frecuencia
acumulada
62%
82%
91%
98%
100%

Frecuencia

Diagrama de Pareto
1500

120%
100%
80%
60%
40%
20%
0%

1000
500
0

Frecuencia
Frecuencia
acumulada

Defecto

Anlisis: Los defectos principales en las tinas de lavadora son que la boca de las mismas sea
ovalada o que tenga perforaciones deformes ya que constituyen el 82% de los problemas y es aqu
donde se deben concentrar los esfuerzos para reducir tales defectos.
3. En cierta empresa es usual pagar horas extras para cumplir con los tiempos de entrega. En
este centro productivo, un grupo de mejora de calidad est tratando de reducir la
proporcin de piezas malas. Con este propsito deciden investigar la relacin entre la

cantidad de horas extras, X, y el porcentaje de artculos defectuosos, Y. A continuacin se


muestran los datos obtenidos.
Porcentaje de

Semana

Horas extras

340

95

210

809

15

80

438

10

107

180

100

10

550

13

11

220

12

50

13

193

14

290

15

340

16

115

17

362

10

18

300

19

75

20

93

21

320

10

22

154

defectuosos

a) Obtenga el diagrama de dispersin para estas variables.


b) Qu relacin observa?
c) Con base en lo anterior, puede concluir con seguridad que cuando se trabaja tiempo extra
se incrementa el porcentaje de defectuosos, porque ocurren factores como calentamiento

de equipo, cansancio de obreros, etc., que causan mayores problemas en la calidad de las
piezas?
18
y = 0.0171x + 2.111
R = 0.7368

16
14
12
10

Series1

Lineal (Series1)

6
4
2
0
0

200

400

600

800

1000

Anlisis: La relacin existen entre la cantidad de horas extras y el nmero de defectos es lineal
positiva, lo que quiere decir que a ms horas de trabajo mayores defectos, ya que por el cansancio
los trabajadores van a laborar sin motivacin alguna.

4. En una empresa del ramo grfico se ha llevado durante dos meses el registro del tipo de
defectos que tienen los productos finales, obtenindose los siguientes problemas con sus
respectivos porcentajes: fuera de tono, 35%; manchas, 30%; fuera de registro, 15%; mal
corte, 12%; cdigo de barras opaco, 8%. De acuerdo con el principio de Pareto, se puede
decir que el problema vital, desde el punto estadstico, es fuera de tono?
Problemas
Fuera de tono
Manchas
Fuera de registro
Mal corte
Cdigo de barras opaco
Total

% Frecuencia F. acumulada
35%
35%
30%
65%
15%
80%
12%
92%
8%
100%
100%

Anlisis: Realmente el 80% de los problemas no es nicamente causado por fallas fuera de tono,
sino tambin por manchas y errores fuera de registro.

CAPTULO 7
1. Segn la informacin proporcionada por cada carta X-R sobre un proceso de produccin
de piezas metlicas, la media de la longitud de tales piezas es 50mm y el rango medio con
tamao de muestra 5, es 0.6; conteste:
a) Obtenga la desviacin estndar del proceso.
b) Calcule los lmites de control para la carta X (tamao de sub-grupo 5) e interprtelos.
c) Tambin obtenga los lmites de control para la carta R y explique su significado prctico.
d) Si la especificacin inferior y superior para esta pieza es 49 y 51 mm, respectivamente;
calcule los lmites reales o naturales e interprtelos.
e) Explique para qu sirven los lmites que obtuvo en los incisos b y c y para qu los que
obtuvo en el inciso d.
f) El proceso es capaz? Argumente.
g) Tiene informacin suficiente para comprobar si el proceso es estable (est en control
estadstico)? Explique y argumente.
Lmites de Control, Carta X
50.3462
LCS
49.6538
LCI
50
LCC
Lmites de Control, Carta R
0.6
LCS
0.6
LCI
0.6
LCC
Lmites Naturales
LRS

50.7739

LRI

49.2261

Interpretacin: Los lmites de la carta X establecen de donde a donde deben estar ubicados los
datos de un proceso con respecto a la centralidad del mimo y los lmites de la carta R miden la
variabilidad de los mismos. Y para poder comprobar si la estabilidad del proceso es estable se
necesita recolectar datos procedentes del proceso.

2. El peso ideal del contenido neto de una caja de cereal es de 250.0g, y se tiene una
tolerancia de 2.5 g. Para monitorear tal peso se usa una carta de control XR. de datos
histricos se tiene que la media y la desviacin estndar del proceso son = 249.0 y =
0.70, respectivamente. Con esta informacin conteste las siguientes preguntas:
a) Cules son las especificaciones para el peso? Y explique por qu es importante
cumplirlas. Las especificaciones del peso son:
ES
EI

252.5
247.5

Las especificaciones son importantes porque son dadas por los clientes, por quienes la
empresa funciona.
b) Explique en forma y con sus palabras, Qu se le controla al peso con la carta X y que
con la carta R? Considerando un tamao de subgrupo de 4, obtenga la lnea central y
los lmites de control para la correspondiente carta X, e interprete.
LCS 4.223
LCI 0.578
LCC 2.4
Con la carta X se mide cun centrado est el proceso y con la carta R la variabilidad que hay en el
mismo.
3. En una empresa en la que se fabrican corcholatas o tapas metlicas para bebidas gaseosas,
un aspecto importante es la cantidad de PVC que lleva cada corcholata, el cual determina el
espesor de la pelcula que hace que la bebida quede bien cerrada. El peso de los grnulos
de PVC debe estar entre 212 y 218 mg. Si el peso es menor a 212 mg, entonces, entre otras
cosas, la pelcula es muy delgada y eso puede causar fugas de gas en la bebida. Pero si el
peso es mayor a 218 g, entonces se gasta mucho PVC y aumentan los costos. Para asegurar
que se cumple con especificaciones, de manera ordinaria se usa una carta de control: cada
30 minutos se toma una muestra de cuatro grnulos consecutivos de PVC y se pesan. En la
siguiente tabla se muestran las ltimas 25 medias y los rangos obtenidos del proceso.
Subgrupos

Media

Rango

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Media

214.18
213.48
213.98
214.12
214.46
213.38
213.56
214.08
213.72
214.64
213.92
213.96
214.2
213.74
214.26
214.18
214.0
213.6
214.2
214.38
213.78
213.74
213.32
214.02
214.24
213.966

2.5
2.7
2.2
1.8
2.5
2.7
2.3
1.8
2.9
2.2
2.4
3.6
0.4
3.2
1.2
2.2
1.0
2.0
2.7
0.8
2.0
1.6
2.4
3.2
1.1
2.136

a) Calcule los lmites de una carta X-R y obtenga las cartas.


b) Interprete las cartas (puntos fuera, tendencias, ciclos, etctera)
c) El proceso muestra una estabilidad o estado de control estadstico razonable?
d) Analice la capacidad del proceso, para ello:
a. Calcule los lmites reales del proceso e interprtelos.
Interpretacin: El proceso de fabricacin de las corcholatas se encuentra fuera de control
estadstico en cuanto a su centrado ya que no se cumplen una serie de criterios para poder afirmar
su estabilidad y buen funcionamiento. En la carta X 13 puntos se encuentran fuera de control
estadstico pero sin embargo, en la carta R se cumple con los niveles de variabilidad en el mismo.

Carta X
235
230
225
Promedio

220

LCS
215

LCI
LC

210
205
200
1

11 13 15 17 19 21 23 25

LCS

216.97

LCI
LCC
A2

213.85
215.41
0.729

Carta R
6
5
4

Rango
LCS

LCI
2

LC

1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

LCS

4.874779

LCI
LCC
d3
d4

0
2.136
0
2.2822

4. En el caso de la longitud de las bolsas del ejercicio 11, se decide emplear una carta de
control X R utilizando un tamao de subgrupo de cinco, en donde se toman cinco bolsas
consecutivas cada determinado tiempo. En la siguiente tabla se muestran las medias y los
rangos de los ltimos 40 subgrupos (los datos estn en milmetros)
a) Calcule los lmites de una carta X R y obtenga las cartas.
b) Interprete las cartas (puntos fuera, tendencias, ciclos, altas variabilidad, etc.).

Subgrupo Media Rango Subgrupo Media Rango


1
2

301.12
300.96

1.9
1

21
22

302
299.02

4.6
3.5

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

301.16
300.5
301.28
299.92
300
301.86
301.52
302.8
299.01
300.02
300.1
301.28
301.02
300.7
301.2
300.96
300.24
301.86

3.6
1
2.5
2.3
2.3
1.5
2.3
0.4
3
2.5
2.3
3.4
1.1
3.9
3.1
3.1
3.7
2.7

23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

299.5
300.3
301.64
300.88
301.28
300.75
301.6
300.53
300.41
300.19
301.12
300.8
300.27
300.91
300.48
302
299.22
300.59

3.1
2.3
3.4
2.9
1.8
1.5
3.1
2.8
1.4
2.1
3.4
3.2
3.4
2.7
3.2
1.8
3.5
3

Carta X
n
A2
X
LCS
LCI
LCC
R

40
0.153
300.775
301.174
300.376
300.775
2.608

Interpretacin: En la carta X se puede apreciar como varios puntos se encuentran fuera de control
estadstico, lo que hace al proceso impredecible ya que se rompe el criterio 14, adems se puede
apreciar en la grfica los cambios bruscos que hay dentro del proceso, y esto es algo que se debe
erradicar totalmente de dicho proceso.

304
303
302
Media

301

LCS
300

LCI
LCC

299
298
297
1

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39

Carta R
n

40

D3
D4

0.4597
1.5403

LCS
LCI
LCC
R

1.199
4.016
2.608
2.608

5
4
Rango

LCS
2

LCI

LCC

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39

Interpretacin: La longitud de las bolsas en cuanto a su variabilidad se encuentran fuera de control


estadstico, ya que al igual que la carta X no se cumplen muchos criterios y la variabilidad
experimenta muchas subidas y cadas bruscas.

5. Se desea que la resistencia de un artculo sea de por los menos 300 psi. Para verificar que
se cumple con tal caracterstica de calidad, se hacen pequeas inspecciones peridicas y los
datos se registran en una carta X-R. El tamao de subgrupo que se ha usado es de tres
artculos, que son tomados de manera consecutiva cada dos horas. Los datos de los ltimos
subgrupos se muestran en la tabla 7.5. Conteste:
a) Dado que la media de media es 320.73, el proceso cumple con las especificacin inferior
(El=300)? Explique.
b) Calcule los lmites de la Carta X-R, e interprtelos.
c) Obtenga las cartas e interprtelas.
Subgrupo
1
2
3
4
5
6
7

315.6
218.8
311.2
322.0
315.2
310.3
320.6

Datos
319.2
309.2
312.1
321.1
327.4
319.8
315.9

303.8
321.4
342.9
329.1
300.6
338.5
318.3

Media
312.87
316.47
322.07
324.07
314.40
322.87
318.27

Rango
15.4
12.2
31.7
8.0
26.8
28.2
4.7

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

322.2
329.1
322.4
326.2
328.8
328.8
318.7
326.7
313.4
337.3
316.3
327.2
337.8
309.2
314.3
318.9
303.7
319.3
317.0
310.6
319.5
308.6
316.2

303.6
306.7
318.8
310.1
325.0
306.3
320.8
316.7
307.4
312.9
314.1
338.2
343.0
321.7
321.6
322.2
326.3
338.8
327.4
318.5
326.0
321.7
321.6

323.4
312.4
299.7
338.5
322.0
305.6
310.3
327.3
329.5
324.4
323.0
340.9
337.4
310.5
318.0
333.5
337.1
320.9
312.5
336.7
333.2
306.0
328.5

316.40
316.07
313.63
324.93
325.27
313.57
316.60
323.57
316.77
324.87
317.80
335.43
339.40
313.80
317.97
324.87
322.37
326.33
318.97
321.93
326.23
312.10
322.10
320.73

19.8
22.4
22.7
28.4
6.8
23.2
10.5
10.6
22.1
24.4
8.9
13.7
5.6
12.5
7.3
14.6
33.4
19.5
14.9
26.1
13.7
15.7
12.3
17.2

Carta X
n
A2
Gran Media
LCS
LCI
LCC
R

3
1.023
320.73
338.331
303.133
320.732
17.203

350
340
330

Promedio

320

LCS

310

LCI

300

LCC

290
280
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Interpretacin: La resistencia de los artculos se encuentra fuera de control estadstico ya que se


cumplen los criterios 1, 3 y 14 que hacen que dicho proceso sea impredecible estadsticamente. En
cuanto a su centralidad dicho proceso est fuera de control.

Carta R
d4
d3
R
LCS
LCI
LCC

2.5735
0
17.20
44.27
0
17.20

50
45
40
35

Rango

30

LCS

25

LCI

20

LCC

15
10
5
0
1

9 11 13 15 17 19 21 23 25 27 29

Interpretacin: En cuanto a la variabilidad en la resistencia de los artculos estos se encuentran


dentro de control estadstico ya que ninguno de los puntos sale de los lmites de control.

6. Una empresa que hacen impresiones en lminas de acero que despus se convierten en
recipientes de productos de otras empresas. Un aspecto importante a vigilar en dicha
impresin es la temperatura de Horneado, donde, entre otras cosas, se da adherencia y
se seca la lmina una vez que ha sido impresa. En una fase particular de la horneada se
tiene que la temperatura de cierto horno debe ser 125 grados centgrados, con una
tolerancia de ms menos 5 grados centgrados. Si no se cumple con tal rango de
temperatura, entonces se presentan problemas en la calidad final de la impresin. A pesar
que el horno se la programa la temperatura, en la tabla 7.9 se muestran los ltimos 45 datos
en el orden que se obtuvieron, con el rango mvil para facilitar clculos.
a) Por qu utilizar en este caso una carta de individuales y no una carta X-R?
b) Estime los lmites de control para la carta de individuales e interprtelos.
c) Obtenga la carta e interprtela.
d) En el punto 32 se decidi hacer un ajuste al horno, tiene algn fundamento estadstico la
decisin de hacer el ajuste? la decisin fue oportuna?
e) Alguien no est del todo de acuerdo en la decisin tomada, argumentando que la
temperatura todava estaba dentro de especificaciones, Qu opina al respecto?
Subgrupo

Temperatura

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

27.4
26.8
24.3
26.6
26.5
25.6
25.1
26.5
25.8
24.7
23.3
23.3
24.7
23.4
27.4
24.7
21.7
26.7

Rango
Mvil
0.6
2.5
2.3
0.1
0.9
0.5
1.4
0.7
1.1
1.4
0.0
1.4
1.3
4.0
2.7
3.0
5.0

Subgrupo

Temperatura

24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

26.5
23.3
23.8
25.5
26.4
27.5
27.7
28.5
29.8
25.1
25.0
22.9
23.6
24.7
24.4
25.4
23.5
27.8

Rango
Mvil
2.7
3.2
0.5
1.7
0.9
1.1
0.2
0.8
1.3
4.7
0.1
2.1
0.7
1.1
0.3
1.0
1.9
4.3

19
20
21
22
23

24.2
25.5
25.3
25.0
23.8

2.5
1.3
0.2
0.3
1.2

42
43
44
45
Media

d2

1.1218

LCS
LCI
LCC

29.55975
21.08914
25.32

25.5
26.4
24.5
23.5
25.32

2.3
0.9
1.9
1.0
1.57

35
30
25
Temperatura

20

LCS
15

LCI

10

LC

5
0
1 3 5 7 9 111315171921232527293133353739414345

Interpretacin: El proceso de horneado se encuentra fuera de control estadstico ya que la


variacin en la temperatura hace que uno de los puntos se salga de los lmites de control
establecidos.

7. En una empresa se lleva el registro por consumo de agua por semana, y de acuerdo con los
datos histricos se sabe que = 170.2 metros cuadrados con =10.4.
a) Es mejor llevar el control de esta variable a travs de una carta de control. Por qu?
b) Obtenga los lmites de control para la carta de individuales e interprtelos.
c) Cmo se detectara en la carta los efectos de un programa de ahorro de agua?
LCS
LCI
LC

201.4
167.2
170.2

8. En el departamento de sistemas se lleva un registro del tiempo de respuesta a solicitudes de


servicio de clientes internos. Los ltimos datos en horas y en el orden de ocurrencia se
muestran a continuacin (el orden es por regin).
39
35
38
35
42
98
49
42
39

92
34
43
41
86
126
57
27
87

38
42
46
37
117
31
33
33
109

33
39
37
44
43
40
34
37
37

119
78
28
37
42
52
34
37
122

32
37
40
34
33
29
23
96
33

96
26
35
43
37
71
36
29
62

32
32

a) Es apropiado analizar estos datos mediante una carta de individuales?


b) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos.

c) Obtenga los lmites de control para una carta de control de individuales e interprtelos.
d) Obtenga la carta de control e interprtela.
e) El tiempo de respuesta es estable?
f) Grafique los datos en un histograma.
g) Observe cmo se aprecia en el histograma lo especial percibido en la carta, comente.
h) Cul sera su conclusin sobre la causa de los que se puede observar de especial?

d2
LCS
LCS
LCC

1.128
48.97
50.89
49.92

140
120
Respuesta de
solicitudes

100
80

LCS

60
LCI

40
20

LC

0
-20
-40

1 4 7 10131619222528313437404346495255586164

9. En el departamento de capacitacin de una empresa se lleva un registro por alumno del


porcentaje de asistencia a cada evento de capacitacin. Con el total de alumnos que asisten
a cada curso. A continuacin se muestran los resultados de los ltimos 30 cursos:

71
78
70
71
78

74
99
79
72
79

79
70
71
75

65
76
74
71

85
88
80
70

76
78
70
73

76
82
83
69

61
67
69
74

74
72
77
77

78
76
75
78

a) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos.
b) Analizar estos datos mediante una carta de individuales.
c) Obtenga la carta de control e interprtela.
d) Se puede considerar satisfactoria la calidad de los cursos?
e) Qu observa de especial en la carta?
f) Cules podran ser las razones de los puntos especiales?
g) Qu lmites de control utilizara a futuro, de tal forma que reflejen la realidad
prevaleciente?
h) A su juicio cules podran las causes comunes que contribuyen al nivel de ausentismo
observado?
d2
LCS
LCI
LCC

1.128
94.57
55.91
75.24

120
100
80

Asistencia
LCS

60

LCC
40

LCI

20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

CAPTULO 8
1. En una empresa del ramo metalmecnico se fabrican vlvulas. Despus del proceso de
fundicin se hace una inspeccin y las piezas que no cumplen con ciertas caractersticas son
rechazadas. Las razones por las que pueden ser rechazadas son diversas: piezas
incompletas, porosas, mal formadas, etctera. Para evaluar la variabilidad y la magnitud de
la proporcin de piezas defectuosas en el proceso de fundicin se decide implementar una
carta p. el proceso de fundicin se hace por lotes. Aunque regularmente el tamao de lote
es fijo, n=300, en ocasiones por diferentes motivos en algunos lotes se hacen unas cuantas
piezas de ms o de menos. En la siguiente tabla se muestran los datos obtenidos durante
una semana para un cierto tipo de vlvulas.

Lote

Tamao de lote

Defectuosas

Proporcin

300

15

0.050

300

12

0.040

300

15

0.050

300

0.023

300

16

0.048

300

0.020

300

18

0.060

280

10

0.036

290

0.031

10

300

15

0.050

11

300

0.030

12

300

0.013

13

300

0.023

14

300

0.030

15

305

0.016

16

295

15

0.051

17

300

19

0.063

18

300

0.023

19

300

12

0.040

20

300

10

0.033

21

300

Total

6,300

224

0.013

a) Calcule los lmites de control utilizando el tamao de subgrupo (lote) promedio.


b) Cmo explicara los lmites de control a alguien que no tiene conocimientos profundos de
estadstica?
c) Grafique la carta correspondiente e interprtela.
d) El proceso es estable?
e) Se puede considerar que la calidad del proceso es aceptable? Argumente.

n
LCS
LCI
LC

21
0.0674
0.0034
0.03538

0.08
0.07
0.06
0.05

Proporcin, p

0.04

LCS

0.03

LCI

0.02

LC

0.01
0
1

11 13 15 17 19 21

2. En el caso del ejercicio 5:


a) Suponga que todos los lotes tienen el mismo tamao (el promedio), calcule los lmites
de control para una carta np, e interprtelos.
b) Grafique la correspondiente carta np y analcela.
c) El proceso es estable?
d) Observa alguna diferencia importante entre la carta p y la np?
e) Cul, carta p o la np sera la ms conveniente en este caso? Argumente.

n
N Lotes
p-promedio
LCS
LCC
LCI
np

300
21
0.036
20.29
10.67
1.044
10.67

25
20

Componentes
Defectuosos

15

LCS

10

LCC

5
LCI

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

3. En un proceso se lleva una carta p, cuya lnea central es 0.08. Si se toma un lote de 100
artculos y se obtienen 16 defectuosos, ese lote es anormal?, es decir, en la produccin
de ese lote el proceso estuvo fuera de control estadstico? Conteste calculando los lmites
de control considerando n= 100 y p= 0.08.
n
p
Defectos totales
p-promedio
LCS
LCI
LCC

100
0.08
16
16%
27%
5%
16%

4. En un proceso de produccin se produce por lotes de tamao 500, en la inspeccin final


de los ltimos 30 lotes se obtuvieron la siguiente cantidad de artculos defectuosos.

Lote

Tamao

Lote

Tamao

11

16

11

12

17

20

15

18

15

17

19

12

11

20

17

10

21

18

13

22

14

25

23

10

17

24

10

13

25

10

11

11

26

12

12

27

13

17

28

14

29

15

12

30

a) Calcule los lmites de control para una carta p.


b) Grafique la carta p e interprtela.
c) El proceso es estable?
d) Con sus palabras diga que significan los lmites de control y la lnea central.
e) A partir del lote 20 se empez a ejecutar un plan de mejora, hay algn tipo de evidencia
de que el plan haya dado resultado?

2.48%

LSC

4.57%

LIC

0.39%

0.06
0.05

Fraccin defectuosa
p

0.04

LCS
0.03
LCI
0.02
LCC

0.01
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

5. En una empresa se ha usado una carta p para analizar la variacin en la proporcin de


artculos defectuosos.
a) Si la lnea central de esta carta es 0.05, el tamao de subgrupo es de 150, calcule los lmites
de control de la carta e interprtelos.
b) Si la proporcin de defectuosos de nueve lotes consecutivos de tamao 150, fueron los
siguientes: 0.02, 0.065, 0.07, 0.08, 0.09, 0.07, 0.11, 0.10, 0.09. Analice estos datos con los
datos del inciso anterior y seale si en la produccin de estos lotes el proceso estuvo en
control estadstico o si hubo algn cambio importante.
c) Haga lo mismo que el inciso a pero utilizando un tamao de subgrupo de 300, e interprete
los lmites que obtenga.
d) Qu efecto tiene el tamao de subgrupo en la amplitud de los lmites de control de una
carta p?
LCS
LCC
LCI
n
Lote
1
2
3
4
5
6
7
8
9
p-promedio

Proporcin
0.02
0.07
0.07
0.08
0.09
0.07
0.11
0.10
0.09
0.08

0.103
0.05
0
150
LCS
0.12
0.12
0.12
0.12
0.12
0.12
0.12
0.12
0.12

LCI
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03
0.03

LCC
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08

0.14
0.12
0.10
Proporcin

0.08

LCS

0.06

LCI

0.04

LCC

0.02
0.00
1

6. Para analizar el desempeo de un proceso y tratar de mejorarlo, se decide analizar la


proporcin de defectuosos. Para ello se toman subgrupos de tamao 200 y se cuantifica la
cantidad de defectuosos. Los datos obtenidos durante 6 das son los siguientes:
Lote

Defectuosos

Lote

Defectuosos

10

11

10

12

12

13

13

14

15

11

16

17

15

18

19

10

20

a) Calcule lo lmites de control para una carta p, y explique el significado de los lmites de
control que obtuvo.
b) Mediante una carta p analice los datos y obtenga conclusiones.
c) De acuerdo a los costos de produccin el nivel de defectuosos mximo tolerable es de 5%.
Con base en esto alguien sugiere que el lmite de control superior de la carta p debe ser
0.05, es correcta esa sugerencia?
LCS
LCC
LCI

0.086
0.043
0.0

0.100
0.080
Proporcin
0.060

LCS

0.040

LCC

0.020

LCI

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

7. En el caso del ejercicio anterior, se aplica un plan de mejora, y se toman varias acciones.
Los datos obtenidos en la semana posterior a las mejoras son:

Lote

Defectuosos

Lote

Defectuosos

11

12

13

14

15

16

17

18

19

10

20

a) Utilizando los lmites de control obtenidos antes de la mejora, analice estos ltimos datos
mediante una carta p.
b) Las mejoras dieron resultado? Argumente.
LCS
LCC
LCI

0.061
0.027
0.0

0.070
0.060
0.050
Proporcin

0.040

LCS
0.030

LCC

0.020

LCI

0.010
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

8. En un proceso se produce por lotes y estos se prueban al 100%. Se lleva un registro de la


proporcin de artculos defectuosos por diferentes causas. Los datos de los ltimos 25 lotes
se muestran a continuacin:

Lote

Tamao

Defectuosos

Lote

Tamao

Defectuosos

200

21

14

200

21

200

20

15

200

25

200

27

16

200

29

200

33

17

200

20

200

22

18

220

28

200

40

19

220

18

180

27

20

220

24

180

23

21

200

13

180

20

22

200

23

10

200

26

23

200

12

11

200

28

24

200

19

12

200

21

13

200

23

25

200

26

5,000

589

Total

a) Obtenga una carta p usando el tamao de subgrupo (lote) promedio.

b) Cmo explicara los lmites de control que obtuvo a alguien que no tienen conocimientos
profundos de estadstica?
c) Obtenga una carta p con lmites de control variables.
d) Suponiendo que todos los lotes tienen el mismo tamao (el promedio), obtenga una carta

np para tales datos.


e) Observa alguna diferencia importante entra la carta p y la np?
f) De qu depende la eleccin entre la carta p o np?

P-promedio
LCS
LCI
LCC

0.117
0.184
0.049
0.117

Carta p
0.250

0.200
Proporcion

0.150

LCS
LCI

0.100

LCC
0.050

0.000
1

11 13 15 17 19 21 23

Carta p (Lmites Variables)

Carta np
n
p
np
LCS
LCC
LCI

200
0.117
23.458
37.110
23.458
9.807

45
40
35
30

Defectos

25

LCS

20

LCC

15

LCI

10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

9. En una fbrica de artculos de plstico inyectado se tiene el problema de la rebaba en las


piezas, que es necesario eliminarla con el retrabajo. Con el propsito de evaluar la realidad
actual y detectar posibles causas especiales de variacin se decide implementar una carta de
control para el producto que ms se fabrica, los datos obtenidos en 24 lotes de tamao 500,
en cuanto a la cantidad de piezas con rebaba se muestran a continuacin.

Lote

Piezas defectuosas

Lote

Piezas defectuosas

86

13

98

95

14

126

113

15

93

16

124

88

17

129

101

18

115

90

19

95

85

20

78

111

21

97

10

80

22

110

11

96

23

108

12

89

24

118

a) Calcule los lmites de control para una carta p e interprtelos.


b) Grafique la carta p y analcela.
c) Obtenga una carta np e interprtela.
d) A su juicio cul de las dos cartas es ms conveniente es este caso? Argumente.
e) El proceso es estable?
f) Se puede considerar que el proceso genera buena calidad?

N
P

500
20.18%

LSC

25.56%

LIC

14.79%

0.3
0.25
0.2

Proporcin
LCS

0.15

LCI
0.1

LCC

0.05
0
1

11 13 15 17 19 21 23

Carta np

10. En una empresa se registra el nmero de quejas por mal servicio. Los datos de las ltimas
25 semanas se muestran enseguida.
Semana Nmero de quejas

Semana Nmero de quejas

14

15

16

17

18

19

20

21

22

10

23

11

24

12

25

13

a) Es adecuado analizar stos mediante una carta p? Argumente.


b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos.
c) Obtenga la carta c y analcela.
d) El proceso es estable?
e) El nivel de calidad se puede considerar satisfactorio?
Subgrupo
c
LCS
LC
LCI

25
4.4
10.69
4.4
-1.89

12
10
8

quejas

LCS

LCI

LC

0
-2
-4

9 11 13 15 17 19 21 23 25

11. En una lnea de ensamble o montaje de pequeas piezas en tarjetas electrnicas se


cuantifica el nmero de defectos de diferente tipo por muestra de 10 tarjetas. Los defectos
encontrados en las ltimas 30 muestras se listan a continuacin.

Muestra

Defectos

Muestra

Defectos

28

16

24

22

17

25

18

20

21

19

25

26

20

29

22

21

26

36

22

24

22

23

32

32

24

31

10

22

25

29

11

23

26

24

12

27

27

27

13

26

28

21

14

18

29

27

15

29

30

31

31

20

32

22

33

28

34

26

35

24

a) Ntese que en promedio hay ms de un defecto por tarjeta, es adecuado analizar estos
datos mediante una carta p? Argumente.
b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos.
c) Obtenga la carta c y analcela.
d) El dato de la muestra 17 es especial, por lo que habra que buscar las posibles causas que
ocasionaron esto, por qu?
e) Qu opina de la estabilidad del proceso?
f) El nivel de calidad se puede considerar satisfactorio?
g) Cmo aplicara un anlisis Pareto para enfocar mejor un proyecto de mejora?

n
u
LCS
LCI
LCC

10
2.5
4
1
2.5

4.5
4
3.5
3

Defecto /Tarjeta (U)

2.5

LCS

LCI

1.5

LCC

1
0.5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35

12. En un hotel se ha llevado el registro de quejas de los clientes desde hace 15 semanas con el
nmero de clientes por semana, los datos se muestran en la siguiente tabla.

Promedio de defectos por

Semana

Clientes

Quejas

114

11

0.096

153

15

0.098

115

0.043

174

14

0.080

157

16

0.102

219

11

0.050

149

10

0.067

147

0.061

131

10

0.076

10

91

10

0.110

11

112

10

0.089

12

158

11

0.070

13

244

30

0.123

14

111

11

0.099

15

120

11

0.092

Total

2,195

184

unidad

a) Calcule los lmites de control para una carta u para el nmero de quejas por cliente e
interprete los lmites de obtenga.
b) Grafique la carta u correspondiente y analcela.
c) La estabilidad del proceso es aceptable?
d) Considera que la calidad del hotel es buena? Explique.

LCS

0.1556

LCI
LCC
U promedio

0.0120
0.0838
0.0838

n
Subgrupos

146.33
15

35
30
25

Quejas

20

LCS

15

LCI

10

LCC

5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

13. Con el propsito de analizar la posibilidad de eliminar los estndares de trabajo en un


sector de una fbrica, se decide analizar el nmero de cierto tipo de operaciones que
realiza cada trabajador por da y semana. a continuacin se muestran los resultados
obtenidos en una semana para 14 trabajadores (cada dato corresponde a un trabajador).
295 306 292 297 294 343 285 240 329 305 277 260 337 320
a) Calcule los lmites de control para una carta c para el nmero de operaciones por
trabajador e interprete los lmites que obtenga.
b) Investigue mediante la carta c correspondiente si algn trabajador est fuera del sistema.
c) En caso de estarlo, qu recomendara que se haga con tal trabajador?

Subgrupo
c-promedio
LCS=
LCI=
LCC=

14
292.1
343.4
240.9
292.1

400
350
300
250

200

LCS
LCI

150

LC
100
50
0
1

10 11 12 13 14

Bibliografa

Control Estadstico de la Calidad y Seis Sigma


Humberto Gutirrez Pulido y Romn de la Vara Salazar
McGraw-Hill, Mxico D.F. 2004

Vous aimerez peut-être aussi