PROBLEMA Y NUMERO DE PAQUETES

Mquina DEFECTUOSOS
Turno Falta de Mancha Mancha
empacadora
vaco verde amarilla
I 4300 700 700
A
II 6300 650 650
I 3500 700 400
B
II 6600 500 420
I 8500 800 324
C
II 9120 655 345
Defecto en estator Frecuencia
Alambre magneto partido 524
Aterrizado (hi-pot) 448
Cobre raspado 171
Desfasado 593
Lmina levantada 304
Puntas cortas 175
Puntas rotas 210
Total 2425
 Costo
Nmero de relativo
Motivo de la reclamacin por Costo total
reclamos reclamo
Daos en transporte 2 3 6
Defectos de color 6 10 60
Encuadernacin defectuosa 4 2 8
Entrega retrasada 13 1 13
Errores de corte 5 3 15
Errores en el texto 15 4 60
Errores de facturacin 4 1 4
Mal troquelado 2 8 16
Mala calidad del papel 3 3 9
Manchas en trabajo final 7 2 14
Motas (impresin no homognea) 13 2 26
Otros 10 0
Total 84 39
 Una caracterstica clave en la calidad de las pinturas es su densidad, y un componente que influye en tal densidad es la canti
utiliza en la elaboracin de pinturas. La cantidad de arena en la formulacin de un lote se controla con base en el nmero de
proveedor deben contener 20 kg. Sin embargo, continuamente se tienen problemas en la densidad de la pintura, que es ne
trabajo y procesos adicionales. En este contexto, en la empresa se preguntan: cunta arena contienen en realidad los costa
deciden tomar una muestra aleatoria de 30 costales de cada lote o pedido (500 costales). Los pesos obtenidos en la muestr
lotes se presentan en la tabla 8.3.

LOTE PESO DE COSTALES DE LA MUESTRA

18.6 19.2 19.5 19.2 18.9 19.4 19.0
1 18.8 19.3 19.1 18.6 19.4 18.7 21.0
19.6 19.0 19.1 19.1 19.6 19.4 19.8
18.6 19.9 18.8 18.4 19.0 20.1 19.7
2 18.9 18.4 19.5 19.1 18.5 19.6 19.4
19.2 20.6 19.0 19.7 20.0 18.4 18.9
20.1 20.2 21.0 19.7 20.1 20.0 19.1
3 19.9 20.3 20.0 19.7 20.8 19.7 19.7
20.0 20.0 20.4 20.2 20.2 19.7 20.0
uye en tal densidad es la cantidad de arena que se
la con base en el nmero de costales, que segn el
sidad de la pintura, que es necesario corregir con
ntienen en realidad los costales? Para averiguarlo
pesos obtenidos en la muestras de los ltimos tres

TRA
20.0 19.3 20.0
19.8 19.0 18.6
19.1 20.0 20.4
19.3 20.7 19.6
19.6 20.3 18.8
19.7 17.8 19.4
20.4 19.6 20.6
20.4 19.8 20.5
19.6 19.7 19.8
20. Dos mquinas, cada una operada por una persona, se utilizan para cortar tiras de hule, cuya longitud ideal es de 200
mm, con una tolerancia de 3 mm. Al final del turno, un inspector toma una muestra y observa que la longitud cumpla
las especificaciones. A continuacin se muestran las ltimas 110 mediciones para ambas mquinas.

199.20 199.70 201.80 202.00 201.00 201.50 200.00

199.80 200.70 201.40 200.40 201.70 201.40 201.40
200.80 202.10 200.70 200.90 201.00 201.50 201.20
201.30 200.90 200.70 200.50 201.20 201.70 201.20
201.20 200.50 200.10 201.40 200.20 201.00 201.40
201.40 201.10 201.20 201.00 200.60 202.00 201.00
201.50 201.60 200.60 200.10 201.30 200.60 200.70
201.80 200.50 200.50 200.80 200.30 200.70 199.50
198.60 200.30 198.50 198.20 199.60 198.20 198.40
199.00 199.70 199.70 199.00 198.40 199.10 198.80
198.30 198.90 199.60 199.00 198.70 200.50 198.40
199.20 198.80 198.50 198.90 198.80 198.70 199.20
199.30 199.70 197.80 199.90 199.00 199.00 198.70
199.10 200.30 200.50 198.10 198.30 199.60 199.00
199.70 198.90 199.20 197.90 200.30 199.60 199.40
198.70 198.50 198.70 198.60 198.50
 ongitud ideal es de 200
que la longitud cumpla
bas mquinas.
SEMANA HORAS EXTRAS PORCENTAJE DE DEFECTUOSOS
la cantidad de prodcutos defectu
1 340 5
2 95 3 a medida que aumentan las hor
3 210 6
4 809 15 16
f(x) = 0.0170741494x + 2.1109561958
5 80 4 R = 0.7367552521
14
6 438 10
7 107 4 12
8 180 6
9 100 3 10
10 550 13
11 220 7 8
12 50 3
6
13 193 6
14 290 8 4
15 340 2
16 115 4 2
17 362 10
18 300 9 0
0 100 200 300 400 500
19 75 2
20 93 2
21 320 10 0.85837055
22 154 7

Columna 1
Columna 2

Resumen

Estadsticas de la regresin
Coeficiente d 0.85834448
Coeficiente d 0.73675525
R^2 ajustado 0.72359301
Error tpico 1.9155346
Observacione 22

ANLISIS DE VARIANZA
Grados de libertad
Regresin 1
Residuos 20
Total 21

Coeficientes
Intercepcin 2.1109562
Variable X 1 0.01707415

Anlisis de los residuales

Observacin
Pronstico para Y
1 7.91616698
2 3.73300039
3 5.69652756
4 15.923943
5 3.47688814
6 9.58943362
7 3.93789018
8 5.18430308
9 3.81837113
10 11.5017383
11 5.86726906
12 2.96466366
13 5.40626702
14 7.06245951
15 7.91616698
16 4.07448337
17 8.29179826
18 7.233201
19 3.3915174
20 3.69885209
21 7.57468399
22 4.7403752
 cantidad de prodcutos defectuosos

medida que aumentan las horas extras , aumentan los productos defectuosos

0741494x + 2.1109561958
552521

Column D
Linear
(Column D)

00 300 400 500 600 700 800 900

Va
18

16

14

12
Columna 1 Columna 2
10

Y
1
0.85834448 1 8

0
0 100 2

Suma de cuadrados
Promedio de los cuadradosF Valor crtico de F
205.387271 205.387271 55.9749251 3.22941E-07
73.3854563 3.66927282
278.772727

Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
0.69499029 3.03738949 0.00650395 0.66123186 3.56068053 0.66123186 3.56068053
0.00228214 7.4816392 3.22941E-07 0.01231369 0.02183461 0.01231369 0.02183461

Residuos
-2.91616698
-0.73300039
0.30347244
-0.92394303
0.52311186
0.41056638
0.06210982
0.81569692
-0.81837113
1.49826166
1.13273094
0.03533634
0.59373298
0.93754049
-5.91616698
-0.07448337
1.70820174
1.766799
-1.3915174
-1.69885209
2.42531601
2.2596248
 Variable X 1 Curva de regresin ajustada
18

16

14

12

10
Y

Y
8
Pronstico para Y
6

0
0 100 200 300 400 500 600 700 800 900
Variable X 1
CANTIDAD DE ADITIVO TIEMPO DE SECADO
0 14
1 11
2 10
3 8
4 7.5
5 9
6 10
7 11
8 13
9 12
10 15
Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.33400118
Coeficiente de determinacin R^2 0.11155679
R^2 ajustado 0.01284088
Error tpico 2.3768135
Observaciones 11

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crtico de F
Regresin 1 6.38409091 6.38409091 1.13007912 0.31544871
Residuos 9 50.8431818 5.64924242
Total 10 57.2272727

Coeficientes Error tpico Estadstico t Probabilidad Inferior 95%

Intercepcin 9.75 1.34070363 7.27230073 4.70221E-05 6.71711768
Variable X 1 0.24090909 0.22662028 1.0630518 0.31544871 -0.27174159

Anlisis de los residuales

Observacin Pronstico para Y Residuos

1 9.75 4.25
2 9.99090909 1.00909091
3 10.2318182 -0.23181818
4 10.4727273 -2.47272727
5 10.7136364 -3.21363636
6 10.9545455 -1.95454545
7 11.1954545 -1.19545455
8 11.4363636 -0.43636364
9 11.6772727 1.32272727
10 11.9181818 0.08181818
11 12.1590909 2.84090909
 Variable X 1 Curva de regresin ajusta
16
14
12
10

Y
8
6
or crtico de F
4
2
0
0 2 4 6 8 10 12
Variable X 1
Superior 95%Inferior 95.0%Superior 95.0%
12.7828823 6.71711768 12.7828823
0.75355977 -0.27174159 0.75355977
e regresin ajustada

Y
Pronstico para Y

8 10 12
 7. En un proceso de manufactura de tarjetas electrnicas se quiere investigar la relacin entre X: rendimiento de pruebas(yie
desperdicio (scrap). Los datos obtenidos son los siguientes. Qu tipo de relacin existe entre las variables? Apyese en un d
de dispersin y el coeficiente de correlacin.

X Y
89.1 2116
92 1531
90.1 2717
89.5 2004
88.5 3477
87.9 3860
91.7 1947
91.8 1594
91.5 2059
88.9 2880
89.8 2984
91.5 1380
91 2545
91.8 1611
86.7 4814
89.9 1827
90.3 3071
88 4015
91.1 1975
90.8 2352
: rendimiento de pruebas(yield), y Y:
s variables? Apyese en un diagrama