Académique Documents
Professionnel Documents
Culture Documents
Universidad Catlica de
Honduras
Nuestra Seora Reina de la Paz
Campus San Isidro
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
916
Otros
102
424,654
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
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
Frecuencia
38,320
4,005
2,839
45,164
% Frecuencia
85%
9%
6%
F. Acumulada
85%
94%
100%
Frecuencia
105%
100%
95%
90%
85%
80%
75%
Falta de Vaco
Mancha verde
Clase
Mancha
amarilla
Frecuencia
% acumulado
Frecuencia
22,020
16,300
38,320
% Frecuencia
57%
43%
100%
F. Acumulada
57%
100%
Frecuencia
120%
20,000
100%
80%
15,000
60%
10,000
40%
5,000
20%
0%
Turno II
Turno I
Clase
Frecuencia
% acumulado
Frecuencia
17,620
10,600
10,100
38,320
% Frecuencia
46%
28%
26%
100%
F. Acumulada
46%
74%
100%
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
16
Tiempo de Secado
14
12
10
8
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
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
Das Faltados
10
8
6
Faltas
Lineal (Faltas)
2
0
0
10
20
30
40
50
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
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.
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
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
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
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
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
Milmetros
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
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
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
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
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
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
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
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
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
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
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
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
2.1
3.7
5.3
6.9
y mayor...
Clase
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
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
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
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
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.
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
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
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
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
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.).
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
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
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
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
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
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
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
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
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
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%
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
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
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
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
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
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
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 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
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
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
14
15
16
17
18
19
20
21
22
10
23
11
24
12
25
13
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
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
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.
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
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