Vous êtes sur la page 1sur 41

UPC

Estadstica Aplicada II
Trabajo Final

Profesor:
FREUD MELGAR ALIAGA

Alumnos:
PAULA BALTAZAR CUEVAS (20141A104)
GRETTEL HUERTA VERGARAY (201316683)
JOSE LUIS LOVERA RAMIREZ (201312164)
GIANPIERRE PAJUELO MENDOZA (201217538)
JOSE ANTONIO MUOZ TAYA (201322076)

Seccin:
IX42

2015-01

Estadstica Aplicada II - 2015-1

Pg.1

UPC

Contenido
INTRODUCCION ............................................................................................... 2
DESCRIPCIN DEL PROBLEMA ...................................................................... 3
OBJETIVOS GENERALES...4
OBJETIVOS ESPECFICOS .............................................................................. 4
ANALISIS DEL CASO.......6
MARCO TERICO....7
IDENTIFICACIN, DEFINICIN, CLASIFICACIN Y ESCALA DE MEDICIN
DE LAS VARIABLES...10
CONTROL ESTADSTICO DE PROCESO.11
PRUEBA DE
HIPTESIS....17
CONCLUSIONES..39
SUGERENCIAS40
BIBLIOGRAFA..41

INTRODUCCION
Hoy en da las diferentes empresas no solo buscan incrementar sus ventas sino
tambin estableces lazos estrechos con sus clientes. Para esto los clientes
buscan productos que se diferencien del resto por sus propiedades o
caractersticas, a esto le llamamos un producto de calidad.

Estadstica Aplicada II - 2015-1

Pg.2

UPC
Dentro del mbito de produccin de bienes y servicios existe una norma muy
conocida llamada norma ISO 9001 que fue establecida por la Organizacin
Internacional de Normalizacin (ISO). Estas normas buscan ayudar a gestionar
y controlar de manera continua la calidad en todos los procesos. Permitiendo a
las empresas convertirse en un competidor ms consistente en el mercado;
mejorar la gestin de la calidad que ayuda a satisfacer las necesidades de sus
clientes; mtodos ms eficaces de trabajo que le ahorrarn tiempo, dinero y
recursos a la empresa; mejor desempeo operativo que reducir errores y
aumentar los beneficios.
Dentro del mercado de las empresas de mantenimiento mobiliario, cuya principal
funcin es de hacer reparaciones o dar mantenimiento preventivo, buscan
siempre mantener estndares de calidad altos para satisfacer a sus clientes e
incrementar sus ingresos.
DESCRIPCIN DEL PROBLEMA

El problema se da en una empresa de reparacin inmobiliaria, la cual ha tenido


problemas recientes con sus clientes. Los problemas informados son los
siguientes:

Un problema que afronta la empresa est enteramente ligado a la calidad


de los productos luego de pasar por el acabado final en el rea de pintura,
se refiere especficamente a las partes principales de las gndolas de
supermercados: las bandejas; tanto las que la empresa elabora, como las
que recibe para mantenimiento.

Estas partes son entregadas en el plazo acordado con el cliente que


solicita dichos productos, pero ltimamente algunas piezas han retornado
a la fbrica con sello de disconformidad, generndoles cierta incomodidad
a los clientes al no tener sus pedidos al 100% y poniendo a la empresa en

Estadstica Aplicada II - 2015-1

Pg.3

UPC
una situacin en la cual pone en riesgo su eficiencia y confianza con sus
clientes.

Otro problema que afronta es la falta de control en cuanto al consumo de


la materia prima e insumos de pintura. Al no tener un estricto control
logstico durante el turno nocturno, la empresa pone su entera confianza
en los trabajadores de dicho turno; aun as el Kardex refleja diferencias
en cuanto al inventario de los materiales.

Tambin afronta un sorpresivo incremento de mermas en el rea de


soldadura, que aparte de generar prdidas de material tambin se
desperdicia mucho gas de soldadura.

OBJETIVOS GENERALES

Brindar a las empresas manufactureras criterios para la mejora de la


productividad en el caso especfico de compactados pero aplicable a
cualquier tipo de estudio de produccin que muestre la situacin de una
empresa viendo puntos a corregir o mejorar, analizando para ello los
distintos factores que afectan a la productividad para sus posteriores
propuestas de mejoras que maximicen los beneficios de la empresa.

OBJETIVOS ESPECFICOS

1. Determinar si el proceso de horneado de las 100 muestras divididas en


20 sub-grupos se encuentran bajo de control.

2. Determinar si el proceso de pintado de las 100 muestras divididas en 20


subgrupos se encuentra bajo de control.
3. Determinar si el proceso de secado al horno de las 100 muestras
divididas en 20 sub-grupos se encuentra bajo control.

Estadstica Aplicada II - 2015-1

Pg.4

UPC
4. Determinar el nmero de defectos por turno.
5. El gerente de la empresa asignada afirma que se conoce que la media de
la longitud (en mm) de la mquina de hornear para el subgrupo 12 se
encuentra bajo control cual el promedio es de 600.072 mm, se recogen 5
muestras y el promedio fue de 599.32mm, desviacin estndar 1.48 mm
y nivel de significacin del 5%, Se puede afirmar que el proceso est
bajo control?

6. Se conoce que la media de la longitud (en mm) de la mquina que hornea


para el subgrupo 8 se encuentra bajo control cuando el promedio es de
600.072 mm, se recogen 5 muestras y el promedio fue de 598.24mm,
desviacin estndar 0.358 mm y nivel de significacin del 5%, Se puede
afirmar que el proceso est bajo control?

7. En el proceso de secado se requiere una desviacin estndar de 0,715.


Para controlar la variabilidad de este proceso. El jefe de control de calidad
selecciona el subgrupo 14 en base a esta informacin es posible afirmar
que el proceso est bajo control? Con un nivel de significacin del 5%

8. Durante el proceso se observa tipos de fallas. Un ingeniero de control de


calidad ha observado en una muestra aleatoria de 100 planchas de fierro
al someterse a prueba, 32 de ellos mostraron la falla del tipo 4. Al 5% de
significacin, se cumple con los estndares que la proporcin de fallas
encontradas debe ser menor al 7%?

9. Al operador 1 se le han hecho dos mediciones durante su turno de


trabajo. Con un nivel de significacin de 5%. Determinar si las medias de
las longitudes de cada medicin del operador1 son iguales.
10. Al operador 2 se le han hecho dos mediciones durante su turno de
trabajo. Con un nivel de significacin de 5%. Determinar si las medias de
las longitudes de cada medicin del operador2 son iguales.

Estadstica Aplicada II - 2015-1

Pg.5

UPC
11. Al operador 3 se le han hecho dos mediciones durante su turno de
trabajo. Con un nivel de significacin de 5%. Determinar si las medias de
las longitudes de cada medicin del operador3 son iguales.
12. Se ha tomado una muestra aleatoria de 5 tiempos observados (subgrupo
12) de dos mquinas distintas (horneado y secado) y ha registrado el
tiempo (en segundos). Con un nivel de significancia del 5% Se puede
afirmar que las varianzas de los tiempos de ambas mquinas son iguales?
13. Sabiendo que el tipo de falla ms recurrente es la del tipo 4, se podr
afirmar que en el turno 2 es mayor el nmero de fallas del tipo 4 que en el
turno 4.
14. A partir de la siguiente prueba de hiptesis encontramos la dependencia
entre tipos de fallas y turnos con un nivel de significacin del 5%
15. La gerencia desea probar si las mediciones son afectados por el tipo de
operador que presentan. Determinar cul de ellos les conviene hacer una
evaluacin al operador que presente una mayor medicin para enviar un
conjunto de supervisores para evaluar el desempeo de trabajo junto con
sus empleados o seguir con los mismos operadores sin hacer cambios.
= 0.005.
16. La gerencia desea comprobar si existe un interaccin entre la medidas de
las bandejas de cada operador y el subgrupo para hacer una evaluacin
del desempeo y tomar medidas.
17. El gerente de la empresa desea saber si el modelo sigue una regresin
lineal, donde la talla del hijo dependa de la talla del padre.
18. El gerente preocupado por la salud y bienestar de sus operarios, desea
saber si existe una relacin entre la cantidad de grasa con el peso, edad,
abdomen y cuello.
19. Se desea realizar un estudio entre el tiempo de horneado en funcin del
valor espesor de la pintura con un nivel de significacin del 5%.

ANALISIS DEL CASO

Estadstica Aplicada II - 2015-1

Pg.6

UPC
El horneado, secado y pintado son procesos estratgicos que tiene una alta
implicancia en la calidad del producto es por ello que deben ser vigilado al
detalle. Un equipo de trabajo formado por el gerente de operaciones est
evaluando los procesos para cada turno. Para poder realizar este anlisis se
debe evaluar los defectos encontrados en cada turno. Para obtener un anlisis
efectivo la empresa ha solicitado el servicio de los alumnos de ingeniera de la
UPC, mediante el uso de sus conocimientos estadsticos evaluar y pronosticar
los resultados de las hiptesis que se formulen a lo largo del proceso de
investigacin para las mejoras de esta fase de elaboracin.
Six Sigma es una metodologa de mejora de procesos, centrada en la eliminacin
de defectos o fallas en la entrega de un producto o servicio al cliente.

El proceso Seis Sigma se caracteriza por 5 etapas bien concretas:


1. Definir el problema o el defecto
2. Medir y recopilar datos
3. Analizar datos
4. Mejorar
5. Controlar
Por medio de esta herramienta se espera que reduzca la cantidad de defectos.

El proceso de fabricacin de planchas de fierro es el siguiente:


HORNEADO

Estadstica Aplicada II - 2015-1

PINTADO

SECADO

Gndolas

Pg.7

UPC
Plancha Fierro

La empresa es una de las ms importantes de mantenimiento mobiliario,


dedicada al mantenimiento y reposicin, cuenta con tres operadores distintos los
cuales miden la longitud del valor de espesor. Esta empresa subdivide el proceso
de elaboracin de sus productos en tres actividades principales:

Evaluando los procesos de horneado, pintado y secado, analizando las fallas y


sus repercusiones en el proceso productivo como parte de su poltica de mejora
continua.
MARCO TERICO

Prueba de hiptesis: Pruebas que nos permiten verificar una afirmacin


elaborada a partir de ciertos parmetros de la poblacin. (ITCH 2003)

Ho (hiptesis nula): hiptesis que planteamos segn nuestra estimacin


del parmetro de poblacin y cual contrastamos. (ITCH 2003)

H1 (hiptesis alternante): hiptesis opuesta al Ho que usamos para


realizar la prueba de hiptesis. (ITCH 2003)

Decisin estadstica: Si se rechaza el Ho, se aprueba la hiptesis


alternante. En contraste, si no se rechaza el Ho, la informacin es
insuficiente para aprobar la H1. (CUADROS 2014)

Error tipo 1: Se comete cuando, en la realidad, el Ho es verdadera y en


nuestra prueba la rechazamos. (TRIOLAS 2004)

Error tipo 2: Se comete cuando, en la realidad, el Ho es falsa y en nuestra


prueba de hiptesis no la rechazamos. (TRIOLAS 2004)

Nivel de significancia (): probabilidad de cometer el error tipo 1.


(Thompson 1995)

Prueba de hiptesis para una variable: se usa para verificar nuestras


hiptesis con respecto a un parmetro. Existen tres casos:

Estadstica Aplicada II - 2015-1

Pg.8

UPC
o Prueba de media poblacional() y con varianza poblacional(o2)
conocida
o Prueba de media poblacional() y con varianza poblacional(o 2)
desconocida
o Prueba de hiptesis para una proporcin(p) (UNAM 2014)

Prueba de hiptesis para dos variables: se usa para verificar nuestras


hiptesis con respecto a dos parmetros. (UNAM 2014)

En una empresa de reparacin inmobiliaria podemos encontrar:

Horneado: El horneado es el proceso de coccin por medio de calor seco


que generalmente se efecta en un horno. Consiste en someter la pieza
a la accin del calor sin mediacin de ningn elemento lquido.

Pintado: El primer paso o fase del proceso de pintura es la preparacin de


superficies la cual se define como el conjunto de operaciones que tienen
por objeto la eliminacin de cualquier contaminante que pudiera
encontrase en la superficie a pintar, as como la creacin de anclajes
mecnicos y/o qumicos (rugosidad, aumento de energa superficiales,
etc...) los cuales favorezcan la adherencia de las futuras capas de pintura.

Secado al horno: La pintura de esmalte secada en un horno le proporciona


a una superficie una capa resistente, aunque si se aplica de forma
incorrecta, el recubrimiento puede salirse fcilmente. Los trabajos de
artesana utilizan mucho este tipo de secado de esmalte.

Soldadura TIG: Se caracteriza por el empleo de un electrodo permanente


de tungsteno. La gran ventaja de este mtodo de soldadura es,
bsicamente, la obtencin de cordones ms resistentes, ms dctiles y
menos sensibles a la corrosin que en el resto de procedimientos, ya que
el gas protector impide el contacto entre el oxgeno de la atmsfera y el
bao de fusin. El cordn obtenido es por lo tanto de un buen acabado

Estadstica Aplicada II - 2015-1

Pg.9

UPC
superficial, que puede mejorarse con sencillas operaciones de acabado,
lo que incide favorablemente en los costes de produccin. Adems, la
deformacin que se produce en las inmediaciones del cordn de
soldadura es menor.

Pintura electrosttica: Tambin llamado pintura en polvo, es un tipo de


recubrimiento que se aplica como un fluido, de polvo seco, suele ser
utilizado para crear un acabado duro que es ms resistente que la pintura
convencional. El proceso se lleva a cabo en instalaciones equipadas que
proporcionen un horno de curado, cabinas para la aplicacin con pistolas
electrostticas y por lo general una cadena de transporte areo, donde se
cuelgan las piezas.

Arenado: Es la operacin de propulsar a alta presin un fluido, que puede


ser agua o aire o arena de ro, o una fuerza centrfuga con fuerza abrasiva,
contra una superficie a alta presin para alisar la superficie o la rugosidad
de la superficie o eliminar materiales contaminantes de la superficie.

Prensado: es un proceso de fabricacin utilizado para reducir la porosidad


de los metales y la influencia de la densidad de muchos materiales
cermicos. Esto mejora las propiedades mecnicas del material y la
viabilidad.

Torneado: El torneado genera formas cilndricas y redondeadas con una


herramienta de un solo filo. La herramienta es estacionaria y la pieza es
la que gira.

Fresado: El fresado consiste principalmente en el corte del material que


se mecaniza con una herramienta rotativa de varios filos, que se llaman
dientes, labios o plaquitas de metal duro, que ejecuta movimientos en casi
cualquier direccin de los tres ejes posibles en los que se puede desplazar
la mesa donde va fijada la pieza que se mecaniza.

Escariado: El escariado es una operacin de acabado realizada con una


herramienta multifilo que ofrece agujeros de gran precisin. Ofrece un
excelente acabado superficial, agujeros de calidad superior y estrechas
tolerancias dimensionales gracias a su gran velocidad de penetracin y a
sus reducidas profundidades de corte.

Estadstica Aplicada II - 2015-1

Pg.10

UPC

IDENTIFICACIN,

DEFINICIN,

CLASIFICACIN

ESCALA

DE

MEDICIN DE LAS VARIABLES.

Poblacin: Todas las fallas registradas durante el ao 2015 en los tres


turnos

Muestra: 100 fallas registradas durante los momentos de la inspeccin


de los equipos de mejora continua.

Unidad elemental: Una falla en cada proceso (horneado, secado y


pintado) de cada uno de los turnos.

Variables

Tipo

Escala

Tipo de falla

Cuantitativa continua

Razn

Tipo de horneado

Cuantitativa

Razn

Tiempo de pintado

Cuantitativa

Razn

Tiempo de secado

Cuantitativa

Razn

Tipo de operador

Cualitativa

Nominal

Nmero de operarios

Cuantitativa Discreta

Razn

Medicin por tipo de operador

Cuantitativa continua

Razn

CONTROL ESTADSTICO DE PROCESOS


Para realizar el estudio estadstico se determin una muestra de 100 unidades
distribuidas en 20 sub-grupos de 5 unidades. El muestreo realizado fue
sistemtico debido a que el proceso es continuo.
Para el horneado:
Estadstica Aplicada II - 2015-1

Pg.11

UPC
Test Results for Xbar Chart of Mquina de horneaado
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 8
TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on
one side of
CL).
Test Failed at points: 17
TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on
one side of
CL).
Test Failed at points: 12; 13; 19; 20

Mquina de horneado
Longuitudes de planchas de fierro
UCL=601,641

Sample Mean

601

6
6

__
X=600,072

600
6

599

LCL=598,503
598

11

13

15

17

19

Subgrupos

Sample Range

UCL=5,751

_
R=2,72

2
0

LCL=0
1

11

13

15

17

19

Subgrupos

Fuente: Empresa inmobiliaria

El test 1 evala el patrn de la estabilidad de la actividad. En este caso nos


provee evidencia que existe falta de control en el subgrupo 8.
El test 5 evala el patrn de la variabilidad para pequeos cambios en el proceso
a ms de 2 desviaciones estndar y nos indica que el subgrupo 17 se puede
encontrar fuera de control.
El test 6 nos indica el patrn de la variabilidad para pequeos cambios en el
proceso a ms de 1 desviacin estndar y nos indica que los subgrupos 12,13
,19 y 20 se pueden encontrar fuera de control.
Para el pintado:
Estadstica Aplicada II - 2015-1

Pg.12

UPC
Pintado
Longuitud de planchas de fierro

Sample Mean

600,5

UCL=600,332

600,0
__
X=599,548

599,5
599,0

LCL=598,764
1

11

13

15

17

19

Subgrupo

Sample Range

UCL=2,876

_
R=1,36

1
0

LCL=0
1

11

13

15

17

19

Subgrupo

Fuente: Empresa inmobiliaria

Se puede observar que la actividad de pintado no se encuentra fuera de control


por lo tanto no ser analizada.
Para secado al horno:
Xbar-R Chart of Mquina que seca al horno
Test Results for Xbar Chart of Mquina secado al horno
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 2; 14
TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on
one side of
CL).
Test Failed at points: 9
* WARNING * If graph is updated with new data, the results above may no
* longer be correct.

Estadstica Aplicada II - 2015-1

Pg.13

UPC
Secado al horno
Longuitud de planchas de fierro
1

Sample Mean

UCL=602,376

602

__
X=600,23

600

598

LCL=598,084

11

13

15

17

19

Sample
UCL=7,866

Sample Range

7,5
5,0

_
R=3,72

2,5
0,0

LCL=0
1

11

13

15

17

19

Sample

Fuente: Empresa inmobiliaria

El test 1 evala el patrn de la estabilidad de la actividad. En este caso nos


provee evidencia que existe falta de control en los subgrupos 2 y 14.
El test 6 nos indica el patrn de la variabilidad para pequeos cambios en el
proceso a ms de 1 desviacin estndar y nos indica que el subgrupo 9 se puede
encontrar fuera de control.

Tenemos los datos de defectos por unidad en la muestra de 100 bandejas para
esto realizamos un grfico NP

Estadstica Aplicada II - 2015-1

Pg.14

UPC
Grfico NP para defectos por unidad por lotes
18

UCL=16,69

16
14

12

Defectos

1
1

10

__
NP=8,25

8
6

22
2

2
3

0
1

11

21

31

41

51

61

71

81

LCL=0

91

Identificador
Fuente: Empresa inmobiliaria
Tests performed with unequal sample sizes

Test Results for NP Chart of Defectuos


TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 3; 4; 12; 15; 16; 36; 37; 49; 82
TEST 2. 9 points in a row on same side of center line.
Test Failed at points: 91; 92; 93; 94; 95
TEST 3. 6 points in a row all increasing or all decreasing.
Test Failed at points: 9

El test 1 evala el patrn de la estabilidad de la actividad. En este caso nos


provee evidencia que existe falta de control en las planchas 1, 4,12, 15, 16, 36,
37, 49, 82.
El test 2 es complementario al test 1 donde se evala el patrn de cambio de la
estabilidad de la habilidad. Nos indica que las planchas de fierro 91, 93, 94, 95
pueden estar fuera de control.
El test 3 nos indica los giros o movimientos constantes de arriba hacia abajo.
Este test busca series largas donde no hay cambios de movimiento. Esto se ve
en la plancha de fierro nmero 9.

Estadstica Aplicada II - 2015-1

Pg.15

UPC
Es importante saber cul es la falla ms recurrente en la empresa, por este
motivo se decidi hacer un conteo y grfica para poder hacer un mejor estudio.
El resultado obtenido fue el siguiente:
Tally for Discrete Variables: Tipo Falla
Tipo
Falla Count
1
20
2
28
3
20
4
32
N=
100

Tipos de falla
35
30

Count

25
20
15
10
5
0

Tipo Falla
Fuente: Empresa mobiliaria

Y al mismo tiempo vemos cual es la falla ms frecuente por cada subgrupo:

Estadstica Aplicada II - 2015-1

Pg.16

UPC
Tipos de falla vs Subgrupos
4

Tipo de falla

0
Tipo Falla
ID de Sub grupo

1 234 123 4 1 234 12 34 1234 1 234 123 4 1 234 12 34 1234 12 34 123 4 1 234 123 4 1 234 12 34 123 4 1 234 123 4 1 234
1

10

11

12

13

14

15

16

17

18

19

20

Fuente: Empresa Inmobiliaria

PRUEBA DE HIPTESIS

1. El gerente de la empresa asignada afirma que se conoce que la media de


la longitud (en mm) de la mquina de hornear para el subgrupo 12 se
encuentra bajo control cual el promedio es de 600.072 mm, se recogen 5
muestras y el promedio fue de 599.32mm, desviacin estndar 1.48 mm
y nivel de significacin del 5%, Se puede afirmar que el proceso est
bajo control?

Planteo de hiptesis:
{

: = 600.072
1 : 600.072

Con un nivel de significacin = 5%

Estadstica Aplicada II - 2015-1

Pg.17

UPC
One-Sample T
Test of = 600,072 vs 600,072
N
5

Mean
599,320

StDev
1,480

SE Mean
0,662

95% CI
(597,482; 601,158)

T
-1,14

P
0,319

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, no existe evidencia estadstica
para afirmar que el proceso est bajo control.

2. Se conoce que la media de la longitud (en mm) de la mquina que hornea


para el subgrupo 8 se encuentra bajo control cuando el promedio es de
600.072 mm con una desviacin estndar de 0,2735, se recogen 5
muestras y el promedio fue de 598.24 mm, desviacin estndar 0.358 mm
y nivel de significacin del 5%, Se puede afirmar que el proceso est
bajo control?

Planteo de hiptesis:

: = 600.072
1 : 600.072

Con un nivel de significacin = 5%


One-Sample T
Test of = 600,072 vs 600,072
N
5

Mean
598,240

StDev
0,358

SE Mean
0,160

95% CI
(597,795; 598,685)

T
-11,44

P
0,000

El p-valor < 0.05 por lo tanto se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, no existe evidencia estadstica
para afirmar que el proceso est bajo control.

Estadstica Aplicada II - 2015-1

Pg.18

UPC
3. En el proceso de secado al horno se requiere una desviacin estndar de
0,715. Para controlar la variabilidad de este proceso. El jefe de control de
calidad selecciona el subgrupo 14 en base a esta informacin es posible
afirmar que el proceso est bajo control? Con un nivel de significacin del
5%

: 2 = 0,715
{ 2
1 : 0,715
Con un nivel de significacin = 5%
Test and CI for One Variance: Secado al Horno
Method
Null hypothesis
Alternative hypothesis

= 0,715
0,715

The chi-square method is only for the normal distribution.


The Bonett method is for any continuous distribution.
Statistics
Variable
Secado al Horno

N
5

StDev
0,974

Variance
0,948

95% Confidence Intervals


Variable
Secado al Horno

Method
Chi-Square
Bonett

CI for StDev
(0,583; 2,798)
(0,603; 2,584)

Method
Chi-Square
Bonett

Test
Statistic
7,42

CI for
Variance
(0,340; 7,828)
(0,364; 6,679)

Tests
Variable
Secado al Horno

DF
4

P-Value
0,231
0,131

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, existe evidencia estadstica para
afirmar que el proceso est bajo control.

Estadstica Aplicada II - 2015-1

Pg.19

UPC
4. Durante el proceso se observa tipos de fallas. Un ingeniero de control de
calidad ha observado en una muestra aleatoria de 100 planchas de fierro
al someterse a prueba, 32 de ellos mostraron la falla del tipo 4. Al 5% de
significacin, se cumple con los estndares que la proporcin de fallas
encontradas debe ser menor al 7%?

: 0.7
1 : < 0.7

Con un nivel de significacin = 5%

Test and CI for One Proportion


Test of p = 0,07 vs p < 0,07
Sample
1

N
32

Sample p 95% Upper Bound Z-Value P-Value


100 0,320000
0,396728
9,80
1,000

Using the normal approximation.

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, existe evidencia estadstica para
afirmar que el proceso da igual o ms de 7% de defectos del tipo 4.
5. Al operador 1 se le han hecho dos mediciones durante su turno de trabajo.
Con un nivel de significacin de 5%. Determinar si las medias de las
longitudes de cada medicin del operador 1 son iguales.
: = 2
{ 1
1 : 1 2

Con un nivel de significacin = 5%


Paired T-Test and CI: medicin 1 (m); medicin 2 (m)
Paired T for medicin 1 (m) - medicin 2 (m)
medicin 1 (m)
medicin 2 (m)

N
100
100

Estadstica Aplicada II - 2015-1

Mean
25,618
25,478

StDev
3,517
3,554

SE Mean
0,352
0,355

Pg.20

UPC
Difference

100

0,140

4,809

0,481

95% CI for mean difference: (-0,814; 1,094)


T-Test of mean difference = 0 (vs 0): T-Value = 0,29

P-Value = 0,772

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, existe evidencia estadstica para
afirmar que el operador 1 trabaj con la misma eficiencia durante las dos
mediciones.

6. Al operador 2 se le han hecho dos mediciones durante su turno de trabajo.


Con un nivel de significacin de 5%. Determinar si las medias de las
longitudes de cada medicin del operador 2 son iguales.
{

: 1 = 2
1 : 1 2

Con un nivel de significacin = 5%


Paired T-Test and CI: medicin 1 (m)_1; medicin 2 (m)_1
Paired T for medicin 1 (m)_1 - medicin 2 (m)_1
medicin 1 (m)_1
medicin 2 (m)_1
Difference

100
100

N
Mean
StDev
25,707 3,513
0,351
25,503 3,534
0,353
100
0,204
4,686
0,469

95% CI for mean difference: (-0,726; 1,134)


T-Test of mean difference = 0 (vs 0): T-Value = 0,44

SE

Mean

P-Value = 0,664

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, existe evidencia estadstica para
afirmar que el operador 2 trabaj con la misma eficiencia durante las dos
mediciones.

Estadstica Aplicada II - 2015-1

Pg.21

UPC
7. Al operador 3 se le han hecho dos mediciones durante su turno de
trabajo. Con un nivel de significacin de 5%. Determinar si las medias
de las longitudes de cada medicin del operador 3 son iguales.
: = 2
{ 1
1 : 1 2
Con un nivel de significacin = 5%
Paired T-Test and CI: medicin 1 (m)_2; medicin 2 (m)_2
Paired T for medicin 1 (m)_2 - medicin 2 (m)_2
medicin 1 (m)_2
medicin 2 (m)_2
Difference

N
100
100
100

Mean
25,455
25,419
0,036

StDev
3,596
3,575
4,360

SE Mean
0,360
0,357
0,436

95% CI for mean difference: (-0,829; 0,901)


T-Test of mean difference = 0 (vs 0): T-Value = 0,08

P-Value = 0,934

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con 5% de significacin, existe evidencia estadstica para
afirmar que el operador 3 trabaj con la misma eficiencia durante las dos
mediciones.
8. Se ha tomado una muestra aleatoria de 5 tiempos observados (subgrupo
12) de dos mquinas distintas (horneado y secado) y ha registrado el
tiempo (en segundos). Con un nivel de significancia del 5% Se puede
afirmar que las varianzas de los tiempos de ambas mquinas son iguales?
{

: 12 = 22
1 : 12 22

Con un nivel de significacin = 5%


Tests
Method
F

DF1
4

DF2
4

Test
Statistic
43.28

Estadstica Aplicada II - 2015-1

P-Value
0.003

Pg.22

UPC
El p-valor < 0.05 por lo tanto se rechaza la hiptesis nula.
Conclusin: Con un nivel de significacin del 5% existe evidencia
estadstica para afirmar que la varianza de los tiempos de duracin de
ambas mquina no son iguales.

9. Sabiendo que el tipo de falla ms recurrente es la del tipo 4, se podr


afirmar que en el turno 2 es mayor el nmero de fallas del tipo 4 que en
el turno 4. Con un nivel de significacin del 5%.

0 : 2 1
0 : 2 > 1

Con un nivel de significacin = 5%


Test and CI for Two Proportions
Sample
1
2

X
9
10

N
25
25

Sample p
0,360000
0,400000

Difference = p (1) - p (2)


Estimate for difference: -0,04
95% upper bound for difference: 0,185627
Test for difference = 0 (vs < 0): Z = -0,29

P-Value = 0,385

Fishers exact test: P-Value = 0,500

El p-valor > 0.05 por lo tanto no se rechaza la hiptesis nula.


Conclusin: Con un nivel de significacin del 5% existe evidencia
estadstica para afirmar que en el turno 2 existe mayor nmero de
defectos del tipo 4 que en el turno 4.

Estadstica Aplicada II - 2015-1

Pg.23

UPC
10. A partir de la siguiente prueba de hiptesis encontramos la dependencia
entre tipos de fallas y turnos con un nivel de significacin del 5%.
Fallas encontradas durante las inspecciones en los 4
turnos
Tipo de Falla Turno 1 Turno 2 Turno 3 Turno 4
Tipo 1
6
4
6
4
Tipo 2
7
8
6
7
Tipo 3
8
3
4
5
Tipo 4
4
10
9
9

Ho: El tipo de falla no est relacionada con el turno.


H1: El tipo de falla est relacionada con el turno.
Tabulated Statistics: Tipo de Falla; Worksheet columns
Rows: Tipo de Falla

Columns: Worksheet columns

Turno 1

Turno 2

Turno 3

Turno 4

All

Tipo 1

6
5

4
5

6
5

4
5

20

Tipo 2

7
7

8
7

6
7

7
7

28

Tipo 3

8
5

3
5

4
5

5
5

20

Tipo 4

4
8

10
8

9
8

9
8

32

25

25

25

25

100

All
Cell Contents:

Count
Expected count

Pearson Chi-Square = 6,636; DF = 9; P-Value = 0,675


Likelihood Ratio Chi-Square = 6,920; DF = 9; P-Value = 0,645

Como Valor P > 0.05 entonces no se rechaza la hiptesis nula.


Conclusin: Con un nivel de significacin del 5% , el tipo de falla es
independiente con el turno.

Estadstica Aplicada II - 2015-1

Pg.24

UPC
11. Prueba de anova de dos factores
La empresa tiene 3 diferentes operadores para obtener los valores de
espesor de pintura. Se realiz un estudio de las mediciones por cada
operador respecto al ID de sub grupo de una muestra de n datos.
La gerencia desea probar si las mediciones son afectados por el tipo de
operador que presentan. Determinar cul de ellos les conviene hacer una
evaluacin al operador que presente una mayor medicin para enviar un
conjunto de supervisores para evaluar el desempeo de trabajo junto con
sus empleados o seguir con los mismos operadores sin hacer cambios.
= 0.005.

Hiptesis de ANOVA para operadores:

Ho: 1 = 2 = 3
H1: Al menos un promedio es diferente.
Nivel de significacin: 0.005
Supuestos:
Prueba de normalidad de errores:
Ho: Los errores siguen una distribucin normal
H1: Los errores no siguen una distribucin normal

Estadstica Aplicada II - 2015-1

Pg.25

UPC
Como Valor P = 0.149> = 0.005 entonces No se rechaza Ho
Conclusin: Con un nivel de significancia del 0.5%, no existe suficiente
informacin para decir que los errores no siguen una distribucin normal.
Por lo tanto, estos siguen una distribucin normal.
Homogeneidad de varianzas:
Ho: 1 = 2 = 3
H1: Al menos una varianza es diferente

Prueba de Levene (cualquier distribucin continua)


Estadstica de prueba = 0.23, valor p = 0.948
Como Valor P = 0.948> = 0.005 entonces Ho no se rechaza
Conclusin: Con un nivel de significancia del 5%, no existe suficiente
informacin para decir que una varianza es diferente. Por lo tanto, las
varianzas son iguales.

Estadstica Aplicada II - 2015-1

Pg.26

UPC
Analysis of Variance
Source
operario
medicion
operario*medicion
Error
Total
S
3.86708

R-sq
9.89%

DF
2
1
2
24
29

Adj SS
17.353
18.252
3.798
358.904
398.307

R-sq(adj)
0.00%

Adj MS
8.676
18.252
1.899
14.954

F-Value
0.58
1.22
0.13

P-Value
0.567
0.280
0.881

R-sq(pred)
0.00%

Como Valor P = 0.567> = 0.005 entonces Ho no se rechaza


Como Valor P = 0.280> = 0.005 entonces Ho no se rechaza

Agrupar informacin utilizando el mtodo de Tukey y una confianza de


95%
operario*medicion
2 1
1 1
2 2
3 1

N
5
5
5
5

Mean
27.54
25.60
25.14
25.00

Grouping
A
A
A
A

Las medias que no comparten una letra son significativamente diferentes.


Con un nivel de significancia del 5%, no existe suficiente informacin para
decir que un promedio es diferente. Por lo tanto, los promedios son
iguales.
Conclusin: Con un nivel de significancia del 5%, la empresa debe
decidir seguir con los mismos operarios de trabajo sin hacer cambios y
con la misma cantidad de personal dedicada a la reparacin de fallas,
debido a que no existe una diferencia significativa entre los promedios de
mediciones al evaluar el espesor.

Estadstica Aplicada II - 2015-1

Pg.27

UPC
12. Prueba de dos factores

Hiptesis de ANOVA para operadores:

Ho: 1 = 2 = 3
H1: Al menos un promedio es diferente.
Nivel de significacin: 0.005

Supuestos:
Prueba de normalidad de errores:
Ho: Los errores siguen una distribucin normal
H1:
Los
= 0.005

errores

no

siguen

una

distribucin

normal

Como Valor P = 0.087> = 0.005 entonces No se rechaza Ho


Conclusin: Con un nivel de significancia del 0.5%, no existe suficiente
informacin para decir que los errores no siguen una distribucin normal.
Por lo tanto, estos siguen una distribucin normal.
Estadstica Aplicada II - 2015-1

Pg.28

UPC
Homogeneidad de varianzas:
Ho: 1 = 2 = 3
H1: Al menos una varianza es diferente

Tests
Method
Multiple comparisons
Levene

Test
Statistic

0.93

P-Value
0.012
0.501

Test for Equal Variances: med vs id, maq


Multiple comparison intervals for the standard deviation, = 0.05
id

maq

10

Multiple Comparisons
P-Value

2
3
15

0.012

Levenes Test
P-Value

0.501

1
2
3

18

1
2
3
0

10

15

20

If intervals do not overlap, the corresponding stdevs are significantly different.

Prueba de Levene (cualquier distribucin continua)


Estadstica de prueba = 0.93, valor p = 0.501
Como Valor P = 0.501> = 0.005 entonces No se rechaza Ho
Conclusin: Con un nivel de significancia del 0.5%, no existe suficiente
informacin para decir que una varianza es diferente. Por lo tanto, las
varianzas son iguales.
Estadstica Aplicada II - 2015-1

Pg.29

UPC
Prueba de interaccin ANOVA
Analysis of Variance
Source
id
maq
id*maq
Error
Total

DF
2
2
4
36
44

Adj SS
5.176
4.175
7.156
51.114
67.372

Adj MS
2.588
2.088
1.789
1.420

F-Value
1.82
1.47
1.26

P-Value
0.176
0.243
0.304

Model Summary
S
1.19157

R-sq
24.13%

R-sq(adj)
7.27%

R-sq(pred)
0.00%

Ho:No existe interaccin


H1:Existe interaccin
Como Valor P = 0.304 > = 0.005 entonces Ho NO se rechaza
Como Valor P = 0.176 > = 0.005 entonces Ho NO se rechaza
Como Valor P = 0.243> = 0.005 entonces Ho NO se rechaza
Conclusin: con un nivel de significacin de 5% podemos concluir que
no existe suficiente evidencia estadstica para decir que existe interaccin.
Por lo tanto No existe interaccin.
Agrupar informacin utilizando el mtodo de Tukey y una confianza de
95%
Tukey Pairwise Comparisons: Response = mes, Term = id*maq
Grouping Information Using the Tukey Method and 95% Confidence
id*maq
15 1
15 3
18 3
10 2
18 1
10 3
10 1
15 2
18 2

N
5
5
5
6
5
4
5
5
5

Mean
601.36
600.76
600.76
599.90
599.84
599.75
599.68
599.68
599.60

Grouping
A
A
A
A
A
A
A
A
A

Las medias que no comparten


una letra son significativamente diferentes.
Estadstica Aplicada II - 2015-1

Pg.30

UPC
Con un nivel de significancia del 5%, no existe suficiente informacin para
decir que un promedio es diferente. Por lo tanto, los promedios son
iguales.
Conclusin: Con un nivel de significancia del 5%, la empresa debe
decidir seguir con la misma medida de bandeja para la produccin, sin
hacer cambios, debido a que no existe una diferencia significativa entre
los promedios de medida de las bandejas.

13. ANALISIS DE REGRESION LINEAL:


El gerente de la empresa desea saber si el modelo sigue una regresin
lineal, donde la talla del hijo dependa de la talla del padre.

Test for Equal Variances: Y: HIJO, X1: PADRE


Method
Null hypothesis
Alternative hypothesis
Significance level

All variances are equal


At least one variance is different
= 0.05

95% Bonferroni Confidence Intervals for Standard Deviations


Sample
Y: HIJO
X1: PADRE

N
StDev
CI
100 2.10578 (1.75998, 2.57729)
100 2.10318 (1.72977, 2.61582)

Individual confidence level = 97.5%


Tests
Test
Method
Multiple comparisons
Levene

Estadstica Aplicada II - 2015-1

0.00

Statistic P-Value
0.992
0.04
0.851

Pg.31

UPC

Regression Analysis: Y: HIJO versus X1: PADRE


Analysis of Variance
Source
Regression
X1: PADRE
Error
Lack-of-Fit
Pure Error
Total

DF Adj SS
Adj MS
F-Value P-Value
1 426.136 426.136
3247.44
0.000
1 426.136 426.136
3247.44
0.000
98
12.860 0.131
58
9.097
0.157
1.67
0.045
40
3.763
0.094
99 438.996

Model Summary
S
0.362246

R-sq
97.07%

R-sq(adj)
97.04%

R-sq(pred)
96.87%

Coefficients
Term
Constant
X1: PADRE

Coef SE Coef
1.08
1.21
0.9865
0.0173

T-Value
0.90
56.99

P-Value
0.372
0.000

VIF
1.00

Regression Equation
Y: HIJO = 1.08 + 0.9865 X1: PADRE

Fits and Diagnostics for Unusual Observations


Obs
20
34
83
89
R
X

Y: HIJO
75.1000
74.9000
76.9000
69.3000

Fit
74.6726
76.2510
76.7442
67.8660

Resid
0.4274
-1.3510
0.1558
1.4340

Std Resid
1.22
-3.95
0.46
4.00

X
X
X

Large residual
Unusual X

Durbin-Watson Statistic =

Estadstica Aplicada II - 2015-1

0.541862

Pg.32

UPC
VERIFICACION DE SUPUESTOS
Normalidad de errores
=
1 =

p-valor = 0.01 < =0.05


Decisin: RHo
Conclusin: Con un nivel de significacin del 5% se puede afirmar que
los errores no siguen una distribucin normal.
Homogeneidad de varianzas
=
1 =
p-valor = 0.851 > =0.05
Decisin: NRHo
Conclusin: Con un nivel de significacin del 5% se puede afirmar que
las varianzas son homogneas.

Supuestos de no correlacin
=
1 =

Durbin-Watson Statistic = 0.541862

Como el Durbin-Watson se encuentra entre el intervalo de 0 a 1,


entonces existe una autocorrelacin positiva.

Estadstica Aplicada II - 2015-1

Pg.33

UPC
Validacin del modelo
0 : 0 = 0
1 : 0 0
p-valor = 0.00 < =0.05
Decisin: Rho
Conclusin: Con un nivel de significacin del 5%, el modelo sigue una
regresin lineal.
14. ANALISIS DE REGRESION MULTIPLE

X1
X2
X3
X4

Edad
Peso
Cuello
Abdomen

Y Grasa
0.336
0.555
0.448
0.806

X1 Edad

X2 Peso

X3 Cuello

-0.058
0.058
0.200

0.845
0.885

0.759

Variables

Correlaciones Xi

Correlaciones de Y con

predictoras

y Xj

cada Xi

X1 vs. X2

rX1X2=0.058

rYX1=0.336

No existe

rYX2=0.555

multicolinealidad

rYX1=0.336

No existe

rYX3=0.448

multicolinealidad

rYX1=0.336

No existe

rYX4=0.448

multicolinealidad

rYX2=0.555

Existe

rYX3=0.448

multicolinealidad

rYX2=0.555

Existe

rYX4=0.806

multicolinealidad

rYX3=0.448

Existe

rYX4=0.806

multicolinealidad

X1 vs. X3

X1 vs. X4

X2 vs. X3

X2 vs. X4

X3 vs. X4

rX1X3=0.058

rX1X4=0.200

rX2X3=0.845

rX2X4=0.885

rX3X4=0.759

Estadstica Aplicada II - 2015-1

Anlisis

Pg.34

UPC
Determinacin del mejor modelo de regresin lineal mltiple

YX1X4

PRUEBA CONJUNTA

PRUEBA INDIVIDUAL

Ho: B1=B4=0

Ho: B1= 0

H1: Al menos un Xi 0

H1: B1 0

Pvalor = 0.000 < 0.05

Pvalor = 0.002< 0.05

Se rechaza Ho

se rechaza Ho

El modelo es vlido

La variable X1 es significativa para el


modelo, sale del modelo.

Ho: B4= 0
H1: B4 0

Pvalor = 0.000 < 0.05


Se rechaza Ho
La variable X4 es significativa para el
modelo.

Conclusin: Con un nivel de significacin del 5% se concluye que el


mejor modelo es el YX1X4 y sigue la siguiente ecuacin:
Grasa (Y) = -41,11 + 0,1157 Edad (x1) + 0,5909 Abdomen (x4)

Estadstica Aplicada II - 2015-1

Pg.35

UPC
15. ANALISIS DE REGRESION NO LINEAL

Test for Equal Variances: X1 TIEMPO HORNEADO, Y ESPESOR


Method
Null hypothesis
Alternative hypothesis
Significance level

All variances are equal


At least one variance is different
= 0.05

95% Bonferroni Confidence Intervals for Standard Deviations


Sample
X1 TIEMPO HORNEADO
SPESOR

N
100
100

StDev
7.91402
0.70026

CI
(6.77956, 9.45013)
(0.58895, 0.85168)

Individual confidence level = 97.5%


Tests
Test
Method
Multiple comparisons
Levene

231.45

Statistic
0.000
56.45

P-Value
0.000

Regression Analysis: LNY versus LNX


Analysis of Variance
Source
Regression
LNX

DF
1
1

Adj SS
6,5663
6,5663

Estadstica Aplicada II - 2015-1

Adj MS
6,56627
6,56627

F-Value
606,49
606,49

P-Value
0,000
0,000

Pg.36

UPC
Error
Lack-of-Fit
Pure Error
Total

98
19
79
99

1,0610
0,3699
0,6911
7,6273

0,01083
0,01947
0,00875

2,23

0,007

Model Summary
S
0,104051

R-sq
86,09%

R-sq(adj)
85,95%

R-sq(pred)
85,55%

Coefficients
Term
Constant
LNX

Coef
-0,7566
0,5735

SE Coef
0,0625
0,0233

T-Value
-12,10
24,63

P-Value
0,000
0,000

VIF
1,00

Regression Equation
LNY = -0,7566 + 0,5735 LNX
Fits and Diagnostics for Unusual Observations
Obs
30
46
71
R

LNY
0,2773
1,0009
1,0465

Fit
0,9012
0,5328
0,6442

Resid
-0,6239
0,4681
0,4022

Std Resid
-6,04
4,54
3,89

R
R
R

Large residual

Durbin-Watson Statistic
Durbin-Watson Statistic =

1,91390

Verificacin de supuestos:
Normalidad de errores
=
1 =
p-valor = 0.01 < =0.05
Decisin: RHo
Conclusin: Con un nivel de significacin del 5% se puede afirmar que
los errores no siguen una distribucin normal.

Estadstica Aplicada II - 2015-1

Pg.37

UPC
Homogeneidad de varianzas:
=
1 =
p-valor = 0.00 < =0.05
Decisin: RHo
Conclusin: con un nivel de significacin del 5% se puede afirmar que
las varianzas no son homogneas.
Validacin del modelo:
0 : 1 = 0 (El modelo no es vlido)
1 : 1 0 (El modelo es vlido)

Pvalor = 0.000 < 0.05


Decisin: Se rechaza Ho
Conclusin: Al 5% de significacin, el modelo exponencial es
significativo o vlido.

Por lo tanto el modelo estimado no lineal es:


LNY = -0,7566 + 0,5735 LNX

Estadstica Aplicada II - 2015-1

Pg.38

UPC
CONCLUSIONES

Para el horneado los test del minitab nos indica que los subgrupos 8,17,
12,13 ,19 y 20 se pueden encontrar fuera de control.

El pintado no se encuentra fuera de control segn los test del minitab


pero eso no quiere decir que se los excluya de estudios.

Para el secado al horno los test del minitab nos indica que los subgrupos
2 y 14 subgrupo 9 se puede encontrar fuera de control.

El NP Chart nos provee evidencia que existe falta de control en las


planchas 1, 4,12, 15, 16, 36, 37, 49, 82, 91, 93, 94, 95,9.

Con 5% de significacin, no existe evidencia estadstica para afirmar que


el proceso que realiza la mquina de hornear del subgrupo 12 este bajo
control.

Con 5% de significacin, existe evidencia estadstica para afirmar que el


proceso que realiza la mquina de hornear del subgrupo 8 este bajo
control.

Con 5% de significacin, no existe evidencia estadstica para afirmar que


el proceso de secado al horno del subgrupo 14 este bajo control.

Con 5% de significacin, existe evidencia estadstica para afirmar que el


proceso da igual o ms de 7% de defectos del tipo 4.

Con 5% de significacin, existe evidencia estadstica para afirmar que el


operador 1 trabaj con la misma eficiencia durante las dos mediciones.

Con 5% de significacin, existe evidencia estadstica para afirmar que el


operador 2 trabaj con la misma eficiencia durante las dos mediciones.

Con 5% de significacin, existe evidencia estadstica para afirmar que el


operador 3 trabaj con la misma eficiencia durante las dos mediciones.

Con un nivel de significacin del 5% existe evidencia estadstica para


afirmar que la varianza de los tiempos de duracin de ambos proveedores
no son iguales.

Con un nivel de significacin del 5% existe evidencia estadstica para


afirmar que en el turno 2 existe mayor nmero de defectos del tipo 4 que
en el turno 4.

Estadstica Aplicada II - 2015-1

Pg.39

UPC

Con un nivel de significacin del 5% , el tipo de falla es independiente con


el turno.

La falla ms recurrente durante la produccin es la del tipo 4.

Con un nivel de significancia del 5%, la empresa debe decidir seguir con
los mismos operarios de trabajo sin hacer cambios y con la misma
cantidad de personal dedicada a la reparacin de fallas, debido a que no
existe una diferencia significativa entre los promedios de mediciones al
evaluar el espesor.

Con un nivel de significancia del 5%, la empresa debe decidir seguir con
la misma medida de bandeja para la produccin, sin hacer cambios,
debido a que no existe una diferencia significativa entre los promedios de
medida de las bandejas.

Con un nivel de significacin del 5%, el modelo sigue una regresin


lineal.
Con un nivel de significacin del 5% se concluye que el mejor modelo es
el YX1X4 y sigue la siguiente ecuacin:
Grasa (Y) = -41,11 + 0,1157 Edad (x1) + 0,5909 Abdomen (x4)

SUGERENCIAS

Con los datos obtenidos vemos que le turno 2 presenta el mayor nmero
de tipos de falla 4, por lo tanto sugerimos que se realice un mejor estudio
de la posible causa.

Viendo que los operadores trabajan con la misma eficiencia durante sus
mediciones, sugerimos que existe un problema de mquina que es el
causante de la merma reportada por la empresa.

Las varianzas en los tiempos fueron diferentes por lo tanto sugerimos que
se analice el proceso y sus restricciones para encontrar el cuello de botella
para que el proceso sea continuo y eficiente.

Estadstica Aplicada II - 2015-1

Pg.40

UPC
BIBLIOGRAFA

CUADROS Gonzalo, CARDENAS Celia, RAMIEZ Raul (2014) Estadstica


Aplicada 2 (Consulta: 26 de Abril 2015) (ISBN: 782-23-2541-9)

DEPARTAMENTO

DE

MATEMTICAS

(DM)

(2013)

(http://dm.udc.es/asignaturas/estadistica2/sec6_8.html) (Consulta: 26 de
Abril de 2015)

INSTITUTO

TECNOLOGICO

DE

CHIHUAHUA

(ITCH)

(2003)

(http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html)
(Consulta: 26 de Abril de 2015)

THOMPSON, Bruce (1995) The Concept of Statistical Significance


Testing. ERIC/AE Digest. (http://www.ericdigests.org/1995-1/testing.htm)
(Consulta: 4 de Mayo de 2015)

http://www.bsigroup.com/es-ES/Gestion-de-Calidad-ISO-9001/
(Consulta: 4 de Mayo de 2015)

http://support.minitab.com/en-us/minitab/17/topic-library/qualitytools/control-charts/basics/using-tests-for-special-causes/ (Consulta: 4
de Mayor de 2015)

Estadstica Aplicada II - 2015-1

Pg.41