CONTROL DE ASEGURAMIENTO DE LA CALIDAD

NOMBRE: Reina Rosado Luis ngel CURSO: 5A

FECHA: 01/02/2017

1.- Que obtuvo mathew maury al analizar los diarios de abordo

de los viajes navales?
R/ Obtuvo informacin que permiti identificar donde y cuando estaban
los problemas lo cual le sirvi para que los dems ya no cometieran los
mismos errores los cual les redujo tiempo y esfuerzo ya que los tiempos
de navegacin se redujeron en gran cantidad.
2.- Describa algunas fallas de obtencin de informacin que se
comentaron en la primera seccin de este captulo.
R/Datitis. Se obtiene datos sin ningn propsito claro e importante, lo
cual resulta en datos, cuestionarios, registros y reportes en espera de
que tengan alguna utilidad. Un sntoma de esta prctica son las
actividades cuyo logro ms importante es tener una Terapia
ocupacional. Obtencin de informacin para validar decisiones
previamente tomadas. Es decir, solo tomar en cuenta la informacin
favorable. Es raro que se tenga un plan global de por qu se va obtener
informacin, cual es la mejor fuente, como, cuando, quien, donde, como
se va analizar, y que decisiones se pretenden tomar. Informacin poco
representativa y segada
Tabes y errores sobre el papel de la estadstica en la obtencin de
informacin.
3. Cules son las 6 M de un proceso?
Materiales
Maquinaria
Mano de obra
Mediciones
Medio ambiente
Mtodos
4. Qu es el pensamiento Estadstico?
Pensamiento estadstico es una filosofa de aprendizaje y accin basada
en dos principios: todo el trabajo ocurre en un sistema de procesos
interconectados, la variacin existe en todos los procesos y entender y
reducir la variacin son claves para el xito.
5. Seale cmo se puede utilizar el pensamiento estadstico en
los niveles estratgico, directivo y operacional de una
organizacin.

*Estratgico: hacia donde se dirige la organizacin.

* Directivo: Procesos administrativos para guiar la organizacin.
* Operacional: Donde se est haciendo el trabajo.
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

6. Proporcione dos ejemplos de variables cualitativas y dos

ejemplos de variables cuantitativas.
Nombre de escuela
Nombre del alumno
Altura de alumno
Edad de alumno
7. Se dijo que de acuerdo con el tipo de especificaciones de una
variable de salida existen tres categoras de variables: entre
ms pequea mejor, entre ms grande mejor, y el valor objetivo
es mejor. D un par de ejemplos para cada una de ellas.
Entre ms pequeas mejor: el nmero de sillas con defectos de la
fbrica la bonita debe ser menor de 12 sillas con defecto.
Entre ms grande Mejor: para aprobar una asignatura en la UNICAH
debe ser mayor del 70% de promedio.
Valor Nominal es el Mejor: El Angulo de la puerta debe ser 90.
8.- De qu manera afectan los datos raros a la media?
R./ Le afecta en medida un dato raro refleja una situacin especial que se debe
investigar, puede ser un error de dedo, de medicin o puede tambin reflejar
un comportamiento especial del proceso en cualquier caso se debe investigar.

9. Explique los errores en la interpretacin de la media que se

sealan en la seccin Errores en la toma de decisiones con el
uso de la media.

R/ Se cree que los valores de todos los datos son iguales o estn muy cerca de
la media, ignorando por completo que la media que proporciona ninguna
informacin sobre la variabilidad.

La media es el dato ms frecuente, si se olvida que lo anterior solo se da en los

datos simtricos y unimodales, es decir, desconociendo el concepto de moda y
confundindolo con el de la media.

La media es el valor que est en medio y que a la izquierda del queda el 50%
de los datos, lo mismo que a la derecha. De este modo se ignora el concepto
de mediana y el hecho de que la medida la jalan los sesgos y los datos
raros de un solo lado.
La media muestral es la media poblacional, si se desconoce que la media
muestral es una variable aleatoria.

10.- Explique la relacin entre la media y la desviacin estndar

que establece la regla emprica y el teorema de chebyshev?
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

R/La desigualdad de Chebyshev nos afirma que entre X2S y X+2S debe estar
al menos el 75% de los datos de la muestra; y que entre X + 3S est por lo
menos el 89%.
En cuanto a la regla prctica en muchos datos que surgen en la prctica se ha
observado empricamente qu entre X-S y X+S est el 68% de los datos de la
muestra; y entre X + 2S est el 95% y entre X+ 3S est el 99%.
Todos los intervalos anteriores son vlidos solo para los datos mustrales. Sin
embargo si los intervalos se calculan con la media y la desviacin estndar de
la poblacin, entonces sern vlidos para toda la poblacin.
Lo que afirma el teorema de chebyshev es vlido para cualquier tipo de datos,
independiente de su comportamiento o distribucin, mientras que la regla
emprica como su nombre lo dice se ha obtenido por medio de la observacin
emprica y es vlida para muchos de los casos que se dan en la prctica, sobre
todo si los datos tienen un comportamiento con cierto grado de similitud a una
campana o la distribucin normal.

11.- Se desea investigar el peso promedio de 1000 artculos de un

lote, por lo que se eligen aleatoriamente 40 de ellos, se pesan y se
obtiene X = 252gr, con S= 5?
a) Quiere decir que el peso medio de los 1000 artculos es de 252?
R/ No, esto no significa que el peso promedio que tienen los artculos es de
252g ya que la media solamente se ha obtenido de 40 artculos y no es
directamente proporcional a los 1000 artculos que pueden aumentar o
disminuir de esa media.
b) La mayora de los artculos pesa 252 gramos?
R/ Esto no significa que todos o la mayora de los artculos pesen 252g, ya que
pueden haber variaciones debido al total de todos los artculos.
c) De los 40 artculos en la muestra uno pudo haber pesado 300
gramos?
R/
3 (S)= 3 (5)= 15
X= 252+15= 267
No puede ser posible que uno de los datos haya pesado 300 gramos ya que el
99% de los datos esta en valores mximos de 267 gramos.
12.- Una empresa se llevan los registros del nmero de fallas de
equipos por mes, la media es de 10 y la mediana es de 5:?
a) Si usted tiene que reportar la tendencia central de fallas, Qu
numero reportara?
R/ Yo reportara el valor de 5 (que corresponde a la mediana). Ya que si usamos
el dato de la media no es conveniente ya que a veces la media est afectada
por datos raros o los extremos.
b) La discrepancia entre la media y la mediana se debi a que en varios
meses ocurrieron pocas fallas?
R/ Si, lo ms probable es que esta discrepancia se halla dado porque en varios
meses ocurrieron pocas o ninguna falla, y por consecuencia el margen de
diferencia entre la media y la mediana es muy grande, debido a que aunque en
algunos meses no se dieron errores al calcular la media esos meses siempre
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

tuvieron que tomarse en cuenta, mientras que en la mediana no, solamente se

tomaron las fallas en total que ocurrieron.
13.- Un aspecto clave de la calidad de cierto producto es su peso: la
norma establece que su peso mnimo sea de 2kg. El ingeniero de
produccin informa que est cumpliendo con tal norma, ya que el peso
promedio del producto es de 2.2kg. Est usted de acuerdo con el
ingeniero?
R/ El ingeniero est equivocado, ya que con ese simple dato no puede tomar
decisiones debido a que no se sabe la variabilidad de los datos, es necesario al
menos la mediana y para mejor seguridad la desviacin estndar. Ya que es
probable que ese promedio se vea afectado por diferentes pesos, no
precisamente por ese valor ms grande que lo mnimo requerido es que sea un
buen dato.
14.-Tres mquinas A, B y C, realizan cortes de manera automtica en
ciertas tiras de hule. La longitud ideal de las tiras es de 90cm, con una
tolerancia de +2cm. Se toma una muestra de 80 piezas de la
produccin de una semana de cada mquina y el mtodo de muestreo
que se usara es el sistemtico.
A) Con base en lo anterior Cmo le dira al operador de cada mquina
que toma la muestra?
R/ Que las medidas sean de 88 a 92 Cm.
B) Las longitud promedio de las 80 tiras de cada mquina son: A/ X = 90;
B/ X = 90.5; C/ X = 92. Con base en esto puede decidir cul maquina
es mejor?
R/ no podemos tomar una decisin en base a esto ya que la media no es una
medida de tendencia con la cual se pueden tomar buenas
decisiones, no es confiable debido a que la media siempre est afectada por
los extremos de los datos.
C) Si adems la desviacin estndar obtenida es A = S = 1.5, B = S= 1, C
= S = 0.5, decida cual maquina estuvo funcionando mejor.
R/ Con los resultados de la desviacin estndar podemos tomar una decisin
acertada; A mi Criterio la Maquina C es la que ha estado funcionando mejor en
el corte de tiras de hule.
15.- En el ejemplo 8.2 se detect que se tienen problemas con el grosor de las
lminas porque no se cumple con las especificaciones: 5 mm 60.8 mm. Con el
objetivo de corregir tal situacin, un equipo genera un proyecto de mejora. Para
verificar si las acciones ejecutadas dieron resultado, se toman aleatoriamente 45
lminas de la produccin de una semana posterior a las modificaciones. Los
espesores obtenidos se muestran a continuacin.

a) Calcule la media mediana y desviacin estndar y, comparndolas con

los respectivos estadsticos antes de la mejora, decida si el plan dio
resultado.
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

MEDIA 4.93
MEDIANA 4.90
DESV. EST. 0.34
Para obtener la mediana ordenamos los valores en orden ascendente y buscamos el valor
central.
4. 4.4 4. 4. 4.5 4. 4. 4. 4. 4.7 4. 4. 4. 4.
3 4 5 6 6 7 7 7 7 7 7
5. 5.0 5. 5. 5.0 5. 5. 5. 5. 5.1 5. 5. 5. 5.
0 0 0 0 1 1 1 1 2 2 2

Mediana = 4.9
Clculo de la desviacin estndar:

N 45.0
Rango 1.3
Mx. 5.6
Min 4.3
#clase 6.7
Longit
ud 0.2
X
Xi^

2
S= = 0.32

Al comparar estos estadsticos con los anteriores se puede afirmar que el plan dio
resultado ya que tanto la media como la mediana estn ms cercanas al valor objetivo,
adems la desviacin estndar es menor por lo tanto, la variabilidad con relacin a la
media ha disminuido.
16.- 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 la elaboracin de pinturas. La cantidad de
arena en la formulacin de un lote se controla con base en el nmero
de costales, que segn el proveedor deben contener 20kg. Sin
embargo, continuamente se tienen problemas en la densidad de la
pintura, que es necesario corregir con trabajo y procesos adicionales.
En este contexto, en la empresa se preguntan; Cunta arena
contienen en realidad los costales?
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

Para averiguarlo deciden tomar en una muestra aleatoria de 30

costales de cada lote o pedido (500 costales). Los pesos obtenidos en
las muestras de los ltimos tres lotes estn en la tabla 4.3.
a) Las tolerancias que se establecen para el peso de los costales de arena son
20+0.5. calcule los estadsticos bsicos para las muestras y decida si la calidad
es satisfactoria.
Lote 1

Media= 19.35
Mediana
= 19.25
Desvi.Est
= 0.56
Lote 2

Media= 19.30
Mediana
= 19.35
Desvi.Est
= 0.69
Lote 3

Media= 20.04
Mediana
= 20
Desvi.Est
= 0.40
Segn los datos que arrojaron las muestras si salen con una calidad
satisfactoria.
a) Calcule los estadsticos bsicos para los 90 datos y de una opinin global sobre
el peso de los costales.

Media= 19.56
Mediana
= 19.6
Desvi.Est
= 0.65
Segn los datos que arrojaron las muestras que tiene un buen peso.

17.- En una fbrica de envases de vidrio se ha venido teniendo

problemas con la capacidad de las botellas de 750 ml. Con base en el
historial del proceso se sabe que la capacidad media de tal tipo de
botellas es de 749 ml, con una desviacin estndar de 12.
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

a. Si las especificaciones para la capacidad de las botellas son de 750

10, d un diagnstico sobre el tipo de problemas que se tienen en
cuanto al volumen.
R/ Primeramente observamos que las especificaciones de las botellas no estn
siendo cumplidas por la fbrica ya que la variacin es muy amplia (12),
considerando que la capacidad media de stas es de 749 ml, estamos
superando las especificaciones. Por lo cual se estn haciendo 2 propuestas.
Con el propsito de mejorar la calidad de las botellas en cuanto al volumen si
tienen dos propuestas (A Y B) a nivel experimental. Los datos para cada
propuesta estn en la tabla 4.4.
18.- de acuerdo al ejercicio anterior, con el propsito de mejorar la
calidad de las botellas en cuanto al volumen, se tiene dos propuesta a
nivel experimental. Los datos en la tabla 8.4
b. Calcule los estadsticos bsicos para cada
Propuest Propuest
propuesta y comprelos con los que
aA aB
representan la realidad del proceso. Se logra
733 738
mejorar en algo?
738 741
740 Datos
742
740 reales
742 Propuesta A Propuesta B
742 X= 749
743 MEDIA 750.10 MEDIA 745.8
743 743 MEDIANA 751 MEDIANA 745.5
744 S= 12
743 DESV. EST. 7.65 DESV. EST. 3.14
744 744
X+2S= 745.8+2(3.14)= 752.09
746 744
747 744 X-2S= 745.8-2(3.14)= 739.51
748 744
750 745 R/ Claro que se logra mejorar en algo, ya que en la
750 745 propuesta B observamos que la variacin de los datos y
751 745 su media respectiva cumple con el 95% del total de los
751 745 datos (regla emprica) mantenindose dentro de las
751 746 especificaciones dadas por la fbrica. En comparacin de
751 746 la propuesta A que tiene una variacin mayor y por lo
751 747 tanto sobrepasa las especificaciones. Pero concluimos
752 747 que ambas propuestas son una mejora para el proceso
real.
752 748
753 748 20.- Dos mquinas, cada una operada por una
753 748 persona, son utilizadas para cortar tiras de hule,
753 748 cuya longitud ideal es de 200 mm, con una
754 749 tolerancia de 3 mm. Al final del turno un
757 749 inspector toma una muestra e inspecciona que la
758 749
759 749
761 750
765 751
766 751
 CONTROL DE ASEGURAMIENTO DE LA CALIDAD
NOMBRE: Reina Rosado Luis ngel CURSO: 5A
FECHA: 01/02/2017

longitud cumpla especificaciones. A continuacin se muestran las

ltimas 110 mediciones para ambas mquinas.
a) es adecuada las medidas de tendencia central

Media= 200.01
Mediana
= 210.00

Con respecto a la media el valor obtenido es adecuado ya que esta dentro del
margen de tolerancia, la mediana esta un poco segada ya que sobrepasa los
lmites establecidos, y finalmente con la moda. Por ser Mult. Modal decimos
que dos de ellas estn dentro del rango de tolerancia y una fuera. Con respecto
a la media el valor obtenido es adecuado ya que esta dentro del margen de
tolerancia, la mediana esta un poco segada ya que sobrepasa los lmites
establecidos, y finalmente con la moda. Por ser Mult. Modal decimos que dos
de ellas estn dentro del rango de tolerancia y una fuera.
b) Calcule la desviacin estndar y una aproximacin de los lmites
reales, y a partir de stos decida si la variabilidad de los datos es
aceptable
desviacin estantar= 1.31
limite superior =200.01+- 3(1.31)=203.94
limite central=200.01
limite inferior=200.01+-3(1.31)=196.08
La variabilidad de los datos no es aceptable ya que el lmite inferior como el
superior rebasan los limites fijados de fabricacin.
b) El proceso de cortado de tiras es capaz de cumplir
especificaciones?
Las longitudes de las tiras se encuentran en el rango permitido, as que
podemos decir que las tiras cumplen las especificaciones requeridas y el lote
es aceptado.