ESCUELA POLITÉCNICA NACIONAL

INGENIERÍA DE LA PRODUCCIÓN

DEBER

PREGUNTAS Y PROBLEMAS DE CONTROL

ESTADISTICO DE PROCESOS

GRUPO 1

INTEGRANTES:

Caiza Jhonatann
Gavilanes Patricia
Jácome Richard
Villasis Santiago
Torres Edgar

08/01/2017
1
 Escuela Politécnica Nacional
Facultad de Ingeniería Eléctrica y Electrónica
Ingeniería de la Producción

Integrantes:
- Caiza Jhonatann
- Gavilanes Patricia
- Jácome Richard
- Torres Edgar
- Villasis Santiago

CONTROL ESTADISTICO DE PROCESOS

PREGUNTAS:

1. Mencione los dos tipos de variación de Shewhart. ¿De qué otra forma se les llama?
Los dos tipos de variación de Shewhart: son causas comunes y especiales también se llaman variación natural y
asignable.

2.Defina “bajo control estadístico”.

Un proceso se dice que está operando en el control estadístico cuando la única fuente de variación es causas naturales o
comunes.

3. Explique brevemente qué hacen la gráfica X y la gráfica R.

El gráfico X indica si se han producido cambios en la tendencia central de un proceso; el gráfico R indica si se ha
producido una ganancia o una pérdida de uniformidad.

4.¿Qué podría causar que un proceso esté fuera de control?

Un proceso puede estar fuera de control debido a asignable variación, que puede ser rastreado a causas
específicas. Los ejemplos incluyen factores tales como:
• Desgaste de la herramienta
• Un cambio en las materias primas
• Un cambio en el entorno de trabajo (temperatura o la humedad, por ejemplo)
• El trabajo cansado o mal entrenado.

5. Enliste los cinco pasos a seguir en el desarrollo y uso de gráficas y gráficas R.

Los 5 pasos son:
1. Recoger 20 a 25 muestras, a menudo de n = 4 o 5 cada uno; calcular la media y el rango de cada muestra.
2. Calcular los medios generales ( x y R), establecer apropiada límites de control, por lo general a nivel de
99,73%, y el cálculo de los límites de control superior e inferior preliminares. Si el proceso no es estable, utilice
el medio deseado, μ, en lugar de x para el cálculo de límites.
3. G raph las medias de la muestra y los rangos de sus respectivas controlar gráficos y determinar si caen fuera
de los límites aceptables.
4. Investigar puntos o patrones que indican que el proceso es fuera de control. Tratar de asignar causas de la
variación, frente a las causas, y luego reanudar el proceso.
5. Recoger muestras adicionales y, si es necesario, revalidar los límites de control utilizando los nuevos datos.

6. Enliste algunas causas posibles de variación asignable

Lista de texto incluye desgaste de la máquina, equipo desajustado, trabajadores fatigados o no entrenados,
nuevos lotes de materias primas, etc. Otros pueden ser un mal instrumento de medición, iluminación en el lugar
de trabajo, otras condiciones ergonómicas, etc.

7. Explique por qué es más fácil que una persona encuentre muestras “fuera de los límites” si usa las
gráficas de control 2 sigma que con las gráficas de control 3 sigma. ¿Cuáles son algunas
consecuencias posibles de este hecho?
Dos sigmas cubre sólo 95,5% del total de variación natural; incluso en la ausencia de causa asignable, puntos
caerá fuera de los límites de control de 4,5% de las veces.

8. ¿Cuándo se usa la media deseada, μ, en lugar de para establecer la línea central de una gráfica de
control?

La media deseada se utiliza cuando la media de un proceso que se está observando es desconocida o fuera de
control o cuando hay un m establecido o conocido, proporcionado por el fabricante o diseñador del equipo o
proceso.

9. ¿Un proceso de producción se marcará como “fuera de control” porque es demasiado bueno?
Explique su respuesta.
Significa que el proceso ha cambiado. Si estamos haciendo algo “demasiado bien”, entonces el proceso ha
cambiado de la norma. Queremos saber lo que estamos haciendo “muy bien”, por lo que no podemos hacer lo
mismo en el futuro y para otros productos.

10 En una gráfica de control, ¿cuál sería el efecto sobre los límites de control si el tamaño de la muestra
varía de una muestra a la siguiente?
L os gráficos de control están diseñados para tamaños de muestra específico porque la muestra de la
desviación estándar o el intervalo depende del tamaño de la muestra. Los gráficos de control que aquí se
presentan no deben utilizarse si el tamaño de la muestra varía.

11. Defina Cpk y explique lo que significa un Cpk de 1.0. ¿Qué es la Cp?
Cpk, el índice de capacidad del proceso, es una forma de expresar la capacidad del proceso. Mide la proporción
de variación natural (3σ) entre el centro del proceso y el límite de especificación más cercano.
Cp es la relación de capacidad del proceso y determina si el proceso cumple con las especificaciones de diseño.

12 ¿Qué implica una corrida de 5 puntos por arriba o abajo de la línea central en una gráfica de control?
Una “corrida de 5” implica que la variación asignable está presente
 13. ¿Qué son el nivel de calidad aceptable (AQL) y el porcentaje de defectos tolerados en el lote (LTPD)?
¿Cómo se usan?

El AQL es el nivel de calidad de un lote considerado bueno.

El LTPD es el nivel de calidad de un lote que consideramos malo. Estos parámetros se combinan con niveles de
riesgo para determinar una aceptación del plan de muestreo.

14. ¿Qué es una corrida de prueba y cuándo se usa?

Es una prueba de funcionamiento se utiliza para ayudar anormalidades lugar en un proceso gráfico de control.
Se utiliza si los puntos no son individualmente fuera de control, sino que forman un patrón por encima o por
debajo de la línea nominal (centro).

15.Analice los aspectos administrativos relacionados con el uso de las gráficas de control.
Los aspectos administrativos que guardan relación con el uso de graficas de control son:
• La selección de lugares en un proceso que necesitan SPC
• La decisión sobre qué tipo de gráficos de control de mejor ajuste
• El establecimiento de normas para los trabajadores a seguir si ciertos puntos o patrones emergen

16. ¿Qué es una curva OC?

Una curva OC es un gráfico que muestra la probabilidad de aceptar un lote dado una cierta calidad (porcentaje
de defectos).

17.¿Cuál es el propósito del muestreo de aceptación?

El propósito de muestreo de aceptación es determinar un curso de acción (aceptar o rechazar) respecto a la
disposición de un lote sin inspeccionar cada elemento de un lote.
El muestreo de aceptación no estima la calidad de un lote.

18. ¿Cuáles son los dos riesgos presentes cuando se usa el muestreo de aceptación?

Los dos riesgos cuando se usa el muestreo de aceptación son el error tipo I: rechazar un buen lote; Error de tipo
II: aceptar un lote malo.

19. ¿Un proceso capaz es un proceso perfecto? Es decir, ¿un proceso capaz puede generar sólo salidas
que cumplan con las especificaciones? Explique su respuesta.
Cuando un proceso que tiene un índice de capacidad de uno o más; este produce pequeños porcentajes de
artículos inaceptables.
La fórmula está construido alrededor de un supuesto de exactamente uno, aquellas partes que son más de tres
sigma del centro son inaceptables; que son 0,00135 de toda la producción. Si el índice de capacidad es mayor
que uno
PROBLEMAS
S6.1 Las cajas de Organic Flakes se producen para contener 14 onzas con una desviación estándar de .1
de onza. Establezca la gráfica de 3 sigma para un tamaño de muestra de 36 cajas

σ 0.1 0.1
σx = = = = 0.0167
n 36 6
µ = 14 oz.
UCL = 14 + 3σ x = 14 + 3(0.0167) = 14 + 0.05 = 14.05 oz.
LCL = 14 − 3σ x = 14 − 3(0.0167) = 13.95 oz.

S6.2 El promedio global de un proceso que usted pretende monitorear es de 50 unidades. La desviación
estándar del proceso es de 1.72. Determine los límites de control superior e inferior para una gráfica de la
media, si elige un tamaño de muestra de 5. Establezca z = 3.

n = 5, X = 50, σ = 1.72, z = 3

 1.72 
UCLX = 50 + 3  = 52.31
 5 
 1.72 
LCLX = 50 − 3  = 47.69
 5 

(b) Z = 2
 1.72 
UCL x = 50 + 2  = 50 + 2 (.77) = 51.54.
 5 
 1.72 
LCL x = 50 – 2  = 50 – 2 (.77) = 48.46
 5 

S6.3 Se tomaron 35 muestras, cada una de tamaño 7, de una máquina para el llenado de sacos con
fertilizante. Los resultados fueron: media global = 57.75 lb; rango promedio = 1.78 lb.
a) Determine los límites de control superior e inferior de la gráfica, donde σ = 3.
b) Determine los límites de control superior e inferior de la gráfica R, donde σ = 3.

: 2 = 0.419 4 = 1.924 3 = 0.076

= 57,75 + 0,419"1,78$ = 58,496

a)

= 57,75 − 0,419"1,78$ = 57,004

= 1,924"1,78$ = 3,4272
b)
&
& = 0,076"1,78$ = 0,135

S6.4 Pioneer Chicken vende pollo “ligero” con un 30% menos calorías que el pollo estándar. Cuando el
proceso para el pollo “ligero” está bajo control, la pechuga de pollo promedio contiene 420 calorías, y la
desviación estándar en el contenido calórico de la población de pechugas de pollo es de 25 calorías.
Pioneer quiere diseñar una gráfica para monitorear el contenido calórico de las pechugas de pollo,
donde se deben elegir aleatoriamente 25 pechugas para formar cada muestra. ¿Cuáles son los límites de
control superior e inferior para esta gráfica si los límites se eligen para estar a cuatro desviaciones
estándar de la meta?

Target of x = 420. So
 σ   25 
(a) LCL X = x – Z  = 420 – 4  = 400.
 n   25 
 σ   25 
UCL X = x + Z  = 420 + 4  = 440.
 n   25 
 σ 
(b) LCL X = x − 3  = 420 − 3( 5) = 405
 n 
 σ 
UCL X = x + 3  = 420 + 3( 5) = 435
 n 

S6.5 Cordelia Barrera trata de monitorear un proceso de llenado que tiene un promedio global de 705 cc. El
rango promedio es de 6 cc. Si se usa un tamaño de muestra de 10, ¿cuáles son los límites de control superior e
inferior para la media y el rango?

From Table S6.1, A2 = 0.308, D4 = 1.777, D3 = 0.223

UCL x = x + A2 × R LCL x = x − A2 × R
= 705 + 0.308 × 6 = 705 − 0.308 × 6
= 706.848 = 703.152

UCL R = D4 × R LCL R = D3 × R
= 1.777 × 6 = 0.223 × 6
= 10.662 = 1.338

S6.6 El muestreo de 4 piezas de alambre con corte preciso (para un ensamble de computadoras), el cual
se realizó cada hora durante las últimas 24 horas, produjo los siguientes resultados:

Desarrolle las gráficas de control apropiadas y determine si existe alguna causa de preocupación en el
proceso de corte. Grafique la información y busque patrones.
Hour X R Hour X R Hour X R
1 3.25 0.71 9 3.02 0.71 17 2.86 1.43
2 3.10 1.18 10 2.85 1.33 18 2.74 1.29
3 3.22 1.43 11 2.83 1.17 19 3.41 1.61
4 3.39 1.26 12 2.97 0.40 20 2.89 1.09
5 3.07 1.17 13 3.11 0.85 21 2.65 1.08
6 2.86 0.32 14 2.83 1.31 22 3.28 0.46
7 3.05 0.53 15 3.12 1.06 23 2.94 1.58
8 2.65 1.13 16 2.84 0.50 24 2.64 0.97
Average X = 2.982, Average R = 1.02375, n = 4. From Table S6.1, A2 = 0.729, D4 = 2.282,
D3 = 0.0.

UCL X = X + A2 × R = 2.982 + 0.729 × 1.024 = 3.728

LCL X = X − A2 × R = 2.982 − 0.729 × 1.024 = 2.236

UCL R = D4 × R = 2.282 × 1.024 = 2.336
LCL R = D3 × R = 0 × 1.024 = 0
La media de la muestra más pequeña es 2.64, la más grande 3.39. Ambos están dentro de los límites de control.
De forma similar, el rango de muestra más grande es 1,61, también muy dentro de los límites de control.
Podemos concluir que el proceso está actualmente bajo control. Sin embargo, los primeros cinco valores para la
media están por encima de la media esperada; Esto puede ser la indicación de un problema en las primeras
etapas del proceso.

S6.7 En la planta de Yongpin Zhou de Shangai, los pistones para automóvil se producen en un proceso
de forja, y el diámetro es
un factor crítico que debe controlarse. A partir de muestras de 10 pistones producidos diariamente, la
media y el rango de su diámetro han sido los siguientes:

(c) X -chart:

X = 155.16 mm from the sample data

UCL x = X + A2 R = 155.16 + (0.308 × 4.48) = 156.54 mm
LCL x = X − A2 R = 155.16 − (0.308 × 4.48) = 153.78 mm.

(d) R-chart:
R = 4.48 mm
UCL R = D4 R = 1.777(4.48) = 7.96 mm
LCL R = D3 R = .223(4.48) = 1.00 mm

(e) If the desired nominal line is 155 mm, then:

UCL X = 155 + (.308 × 4.48) = 155 + 1.38 = 156.38
LCL X = 155 − (.308 × 4.48) = 155 − 1.38 = 153.62

 σ 
x ± Z   = UCL x and LCL x
 n
∑ x = 384
384
x= = 16 lb.
24
S6.8 La fábrica de bolas de boliche de Bill Kime sólo produce bolas con peso y tamaño para adultos. Se
sabe que la desviación estándar en el peso de una bola de boliche producida en la fábrica es de 0.12
libras. Diariamente, durante 24 días, se ha evaluado el peso promedio en libras de nueve bolas de boliche
producidas ese día, los resultados se presentan en la tabla siguiente:

Establezca una gráfica de control para monitorear los pesos promedio de las bolas de boliche, donde los
límites de control superior e inferior estén a dos desviaciones estándar de la media cada uno. ¿Cuáles
son los valores de los límites de control?

 σ 
x ± Z   = UCL x and LCL x
 n
∑ x = 384
384
x= = 16 lb.
24
 σ   0.12 
Z   = 2   = 0.08
 n  3 
16.00 + 0.08 = 16.08 = UCL x

16.00 − 0.08 = 15.92 = LCL x

S6.9 Whole Grains LLC aplica control estadístico del proceso para asegurar que sus piezas de pan
multigrano para emparedados, bajo en grasa y saludable, tengan el peso apropiado. Con base en un
proceso estable y bajo control se sabe que los límites para las gráficas y R son: LCSx = 6.56, LCIx =
5.84, LCSR = 1.141, LCIR = 0. Durante los últimos días, se tomaron 5 muestras aleatorias de cuatro piezas
cada una y se encontró lo siguiente:

¿Sigue estando el proceso bajo control?

No

Muestra #1 Muestra #2 Muestra #3 Muestra #4 Muestra #5

Promedio 6.03 6.05 5.48 6.08 6.63
Rango 0.4 0.4 1.5 0.3 0.4

CARTA '̅

el peso apropiado no se encuentran dentro de los límites de control, es decir; la '̅) = 5.48 estando está por debajo
El proceso se encuentra fuera de control, debido a que en la muestra tomada el día 3 las piezas no cumplen con

del LCI'̅ = 5.84, se debe verificar dentro del proceso de producción de ese día la razón por la cual el peso de las
piezas elaboradas varió y prestar atención en implementar medidas preventivas que impidan se repitan las
condiciones que generaron que el proceso salga de control.

Al igual que la carta '̅ la carta R, nos demuestra que el proceso se encuentra fuera de control, debido a que en la
muestra tomada el día 3 el rango obtenido entre el peso mayor y menor de las hogazas es superior al límites de
control, es decir; la R3= 1.5 está por encima del LCSR= 1.141; se debe verificar dentro del proceso de
producción de ese día la razón por la cual el peso de las piezas elaboradas varió con una diferencia tan
importante entre el peso mínimo y máximo reportado en las observaciones de la muestra y prestar atención en
implementar medidas preventivas que impidan se repitan las condiciones que generaron que el proceso salga de
control.

S6.10 Un proceso que se considera bajo control mide un ingrediente en onzas. La tabla siguiente
contiene los datos de las 10 últimas muestras tomadas (cada una de tamaño n = 5). La desviación
estándar de la población es de 1.36

X = 10, R = 3.3
(a) Process (population) standard deviation (σ) = 1.36,
Standard deviation of the sampling means = σ x
= 1.36 5
= 0.61
(b) Using σ x
UCL x = 10 + 3 ( 0.61) = 11.83
LCL x = 10 – 3 ( 0.61) = 8.17
Using A2 = 0.577
UCL x = 10 + 3.3 ( 0.577) = 11.90
LCL x = 10 – 3.3 ( 0.577) = 8.10

S6.11 Se tomaron doce muestras de cinco partes cada una de un proceso que produce barras de acero.
Se determinó la longitud de cada barra en las muestras. Se tabularon los resultados y se calcularon las
medias y los rangos. Los resultados fueron:
Determine los límites de control superior e inferior y las medias globales para las gráficas y R. Dibuje la
gráfica representando los valores de las medias y de los rangos muestrales. ¿Los datos indican que el
proceso está bajo control? ¿Por qué sí o por qué no?

(a) A2 = .577, D4 = 2.115, D3 = 0

X = 10.0005, R = 0.0115
UCL x = 10.0071 LCL x = 9.9939
UCL R = 0.0243 LCL R = 0

(b)
Original Data
Are Both the
Mean
Sample and Range
Sample Mean (in.) Range (in.) in Control?
1 10.002 0.011 Y
2 10.002 0.014 Y
3 9.991 0.007 N
4 10.006 0.022 Y
5 9.997 0.013 Y
6 9.999 0.012 Y
7 10.001 0.008 Y
8 10.005 0.013 Y
9 9.995 0.004 Y
10 10.001 0.011 Y
11 10.001 0.014 Y
12 10.006 0.009 Y
C) La media de la muestra 3 está fuera del límite inferior. Se debe investigar la razón de este outlier, eliminar las
causas y volver a estudiar el proceso y establecer nuevos límites.
(D) Si el instructor desea ilustrar el concepto de establecer límites de control válidos, él / ella puede hacer que los
estudiantes eliminen los puntos de control. El proceso correcto es eliminar primero los valores atípicos del rango.
Aquí no hay ninguno. Si eliminamos el número 3 de la muestra ofensiva, los límites recalculados serían:
A2 = 0.577, D4 = 2.115, D3 = 0
X = 10.0023 R = 0.0119
UCL x = 10.0091 LCL x = 9.9954
UCL R = 0.0252 LCL R = 0

Revised Control Limits

Are both the Mean
Sample and Range
Sample Mean (in.) Range (in.) in Control?
1 10.002 0.011 Y
2 10.002 0.014 Y
3
4 10.006 0.022 Y
5 9.997 0.013 Y
6 9.999 0.012 Y
7 10.001 0.008 Y
8 10.005 0.013 Y
9 9.995 0.004 Y
10 10.001 0.011 Y
11 10.001 0.014 Y
12 10.006 0.009 Y
Estos límites reflejan un proceso que ahora está en control.

S6.12 Los Eagletrons son automóviles completamente eléctricos producidos por Mogul Motors, Inc. Una
de las preocupaciones de Mogul Motors es que los Eagletrons sean capaces de alcanzar las velocidades
máximas apropiadas. Para monitorear esto, los ejecutivos de Mogul toman muestras de ocho Eagletrons.
Para cada muestra, determinan la velocidad máxima promedio y el rango de las velocidades máximas
alcanzadas dentro de la muestra. Lo anterior lo repiten con 35 muestras para obtener 35 medias
muestrales y 35 rangos. Encuentran que la media muestral promedio es de 88.50 millas por hora, y el
rango promedio es de 3.25 millas por hora. Usando estos resultados, los ejecutivos deciden establecer
una gráfica R. Desearían realizar esta gráfica de manera que cuando muestre que el rango de una
muestra no esté dentro de los límites de control, sólo haya aproximadamente una probabilidad de 0.0027
de que se deba a la variación natural. ¿Cuáles serían los límites de control superior (LCS) e inferior (LCI)
en esta gráfica?

= 8, * = 3.25 +,ℎ, .=3

Por las tablas se tiene que / = 1.864 , ) = 0.136

= 3.86 ∗ 3.25 = 6.058

1 = 0.136 ∗ 3.25 = 0.442

S6.13 La tasa de defectos histórica para la captura de datos de las quejas de seguros ha sido casi del
1.5%. ¿Cuáles son los límites de control superior e inferior de la gráfica si se desea utilizar un tamaño de
muestra de 100 y límites de 3 sigma?

p(1 − p ) .015 × .985

(a) σ p$ = = = .01215
n 100
p (1 − p )
UCL p = p + 3
n
= 0.015 + 3 (0.015 × 0.985) /100 = 0.0515
p (1 − p )
LCL p = p – 3
n
= 0.015 − 3 (0.015 × 0.985) /100 = − 0.0215, or 0.

2 = 34, 5 = 6
p (1 − p )
UCL p = p + 3 = 0.0666
50
p (1 − p )
LCL p = p − 3 =0
50
S6.14 Usted busca desarrollar un sistema de monitoreo de la calidad para algunas partes que se le
compran a Charles Sox Manufaturing Co. Las partes son buenas o defectuosas. Usted decidió tomar una
muestra de 100 unidades. Desarrolle una tabla de los límites de control superior e inferior de una gráfica
con varios valores de la fracción defectuosa en las muestras tomadas. En esta tabla los valores para
tienen un rango de 0.02 a 0.10 en incrementos de 002. Desarrolle los límites de control superior e inferior
para un nivel de confianza del 99.73 por ciento

n=100
7 LCS LCL
0.02 0,062 0,000

0.04 0,099 0,000

0.06 0,131 0,000
0.08 0,161 0,000
0.10 0,190 0,010

S6.17 Regrese al problema S6.16. Si la tasa de defectos fuera del 3.5% en vez del 1.5%, ¿cuáles serían los
límites de control (z = 3)?

,"1 − ,$
=,+38
 ,"1 − ,$
= ,−38

0.035 ' 0.965

= 0.035 + 3 8
500
=0.0597

0.035 ' 0.965

= 0.035 − 3 8 = 0.0103
500
S6.15 En la tabla siguiente se dan los resultados de la inspección de muestras de ADN tomadas durante
los últimos 10 días. El
tamaño de la muestra es de 100.
(a) The total number defective is 57.
p = 57 /1,000 = 0.057
(0.057)(0.943)
σ p$ = = 0.0005375 = 0.023
100
UCL p = 0.057 + 3(0.023) = 0.057 + 0.069 = 0.126
LCL p = 0.057 − 3(0.023) = 0.057 – 0.069 = − 0.012 = 0
(b) The process is out of control on the third day (of the next 3 days).

S6.16 En el pasado, la tasa de defectos de su producto ha sido del 1.5%. ¿Cuáles son los límites de
control superior e inferior de la gráfica si usted desea usar un tamaño de muestra de 500 y z = 3?

p (1 − p )
S6.16 UCL p = p + 3
n
p (1 − p )
LCL p = p – 3
n
0.015 × 0.985
UCL p = 0.015 + 3 = 0.0313
500
0.015 × 0.985
LCL p = 0.015 − 3 = − 0.0013, or zero
500

S6.14 Usted busca desarrollar un sistema de monitoreo de la calidad para algunas partes que se le
compran a Charles Sox Manufaturing Co. Las partes son buenas o defectuosas. Usted decidió tomar una
muestra de 100 unidades. Desarrolle una tabla de los límites de control superior e inferior de una gráfica
con varios valores de la fracción defectuosa en las muestras tomadas. En esta tabla los valores para
tienen un rango de 0.02 a 0.10 en incrementos de 002. Desarrolle los límites de control superior e inferior
para un nivel de confianza del 99.73 por ciento

n=100
7 LCS LCL
0.02 0,062 0,000

0.04 0,099 0,000

0.06 0,131 0,000
0.08 0,161 0,000
0.10 0,190 0,010

S6.17 Regrese al problema S6.16. Si la tasa de defectos fuera del 3.5% en vez del 1.5%, ¿cuáles serían los
límites de control (z = 3)?

,"1 − ,$
=,+38

,"1 − ,$
= ,−38

0.035 ' 0.965

= 0.035 + 3 8
500
=0.0597

0.035 ' 0.965

= 0.035 − 3 8 = 0.0103
500

S6.18 En el departamento de procesamiento de datos delBanco de Georgia trabajan cinco operadores

para efectuar la entrada de datos. Diariamente, durante 30 días, el número de registros defectuosos en
una muestra de 250 registros introducidos por estos operadores se ha anotado de la siguiente manera:

Establezca los límites de control superior e inferior con 3σ.

a)

7+5+⋯+3
,̅ = = 0,04
30'250

,̅ "1 − ,̅$
: = ,̅ + .; = 0,04 + 3"0,01239$ = 0,077

,̅"1 − ,̅ $
: = ,̅ + .; = 0,04 − 3"0,01239$ = 0,003
b) El LCL no puede ser negativo porque el porcentaje defectuoso nunca puede ser menor que cero.

c) Las normas de la industria no son tan estrictas como las de Georgia Bank. Georgia Bank establece su límite
de control superior en 0.077 = 7.7% defectuoso, mientras que la industria permite hasta un 10% antes de afirmar
que la muestra está fuera de control.

S6.19.- El Hospital Central de Detroit busca mejorar su imagen proporcionando una experiencia positiva a
sus pacientes y sus familiares. Parte del programa de “imagen” incluye comidas sabrosas que inviten a
los pacientes a comer saludables. Un cuestionario acompaña cada comida que se sirve y pregunta, entre
otras cosas, si el paciente está satisfecho o insatisfecho con la comida. Los resultados de una muestra
de 100 pacientes durante los pasados 7 días produjeron los siguientes datos:

Construya una gráfica p en la que se grafique el porcentaje de pacientes insatisfechos con sus comidas.
Establezca los límites de control para incluir el 97,73% de la variación aleatoria en la satisfacción con la
comida. Comente sus resultados.

Total de muestras= 700

Total Defectos= 122
Porcentaje de defectos= 0,17428571
Std dev of p-bar = 0,0379355
Limite Superior = 0,28809221
Media = 0,17428571
Límite Inferior = 0,06047922

S6.22 Una agencia de publicidad rastrea las quejas recibidas semanalmente acerca de los anuncios
colocados en su ciudad:
a) ¿Qué tipo de gráfica de control usaría usted para monitorear este proceso y por qué?

Al estar contando atributos y no conocer exactamente el número total de observaciones es preciso realizar una
tabla tipo C.

b) ¿Cuáles son los límites de control 3 sigma para este proceso? Suponga que no se conoce la tasa de
quejas histórica.

Se usa la media de 6 semanas de observación para representar el coeficiente c.

<=> = ? + 6√? = A + 6 √A = B6. 63

>=> = ? − 6 √? = A − 6 √A = −B. 63

c) De acuerdo con los límites de control, ¿está la media del proceso bajo control? ¿Por qué sí o por qué
no?

Si está en control porque las quejas se encuentran dentro de los límites.

d) Ahora suponga que la tasa de quejas histórica es de 4 llamadas a la semana. ¿Cuáles serían ahora los
límites de control 3 sigma para este proceso? De acuerdo con los límites de control, ¿está el proceso
bajo control?

Ahora se hace un cambio del coeficiente c de 6 a 4.

<=> = ? + 6√? = C + 6 √C = B4

>=> = ? − 6 √? = C − 6 √C = −D

En este caso en la semana 4 se tienen 11 quejas, por lo que se sobrepasa el límite y el proceso deja de estar
bajo control.

S6.20 Chicago Supply Company fabrica clips y otros productos de oficina. Aunque son baratos, los clips
han proporcionado a la compañía un alto margen de utilidad. Se toman muestras de 200 artículos. A
continuación se presentan los resultados de las últimas 10 muestras. Establezca los límites de control
superior e inferior para la gráfica de control y grafique los datos. ¿Está el proceso bajo control?

(a) n = 200, p = 50/10(200) = 0.025

 p (1 – p )
UCL p = p + 3
n
p(1 – p )
LCL p = p – 3
n
0.025 × 0.975
UCL p = 0.025 + 3 = 0.0581
200
0.025 × 0.975
LCL p = 0.025 – 3 = − 0.0081 or zero
200

(b) The highest percent defective is .04; therefore the process is in control.
50
(c) If n = 100, p = 10(100) = .05
UCL p = .05 + .0654 = .1154
LCL p = .05 – .0654 = 0 (no negatives allowed)

S6.21 La tienda departamental de Peter Ittig, Ittig Brothers, es la fabricante independiente de ropa más
grande de Amherst. La tienda recibe un promedio de seis devoluciones por día. Usando z = 3¿debe
llevarse a cabo alguna acción si el número de devoluciones aumenta a nueve en un día?

S6.21 c =6
UCL = c + 3 c = 6 + 3 6 = 13.35
LCL = c − 3 c = 6 − 3 6 = – 1.35 or 0

S6.22. Una agencia de publicidad rastrea las quejas recibidas semanalmente acerca de los anuncios
colocados en su ciudad:
a) ¿Qué tipo de gráfica de control usaría usted para monitorear este proceso y por qué?
b) ¿Cuáles son los límites de control 3 sigma para este proceso? Suponga que no se conoce la tasa de
quejas histórica.
c) De acuerdo con los límites de control, ¿está la media del proceso bajo control? ¿Por qué sí o por qué
no?
d) Ahora suponga que la tasa de quejas histórica es de 4 llamadas a la semana. ¿Cuáles serían ahora los
límites de control 3 sigma para este proceso? De acuerdo con los límites de control, ¿está el proceso
bajo control?
36
(b) Use mean of 6 weeks of observations = 6 for c ,
6
as true c is unknown.
UCLc = c + z c = 6 + 3(2.45) = 13.35
LCLc = c – z c = 6 − 3(2.45) = – 1.35, or 0.
(c) It is in control because all weeks’ calls fall within interval of [0, 13].
(d) Instead of using c = use
we now 4. UCL = 4 +
36 = 6,
6 LCL = 4 – 3(2) = –2, or 0. Week 4 (11 calls) exceeds UCL. Not in control.
3 4 = 4 + 3(2) = 10.

S6.23 La dirección de una escuela está tratando de evaluar un nuevo programa de matemáticas
introducido este año para los alumnos de segundo grado en cinco escuelas primarias de la región. Una
muestra de las calificaciones que obtuvieron los estudiantes en el examen estandarizado de
matemáticas, aplicado en cada escuela primaria, generó los siguientes datos:

Construya una gráfica c para los errores en el examen y establezca los límites de control que contengan
un 99.73% de la variación aleatoria en las calificaciones. ¿Qué le indica la gráfica? ¿Ha resultado efectivo
el nuevo programa de matemáticas?

213
= = 42.6 E FF F , F G
5

= + 3√ = 42.6 + 3√42.6 = 62.18

= + 3√ = 42.6 − 3√42.6 = 23.019

El cuadro indica que no hay escuelas fuera de control. También muestra que 3 de cada 5 escuelas caen cerca o
por debajo del promedio del proceso, lo cual es una buena indicación de que el nuevo programa de matemáticas
se ha enseñado de manera tan eficaz en una escuela en el condado como en otra.

Si el nuevo programa de matemáticas es efectivo o no, será necesario comparar los resultados de los exámenes
de este año con los resultados de años anteriores (en el marco del programa antiguo) o comparaciones con los
datos de desempeño nacional.

S6.24 Las entrevistas por teléfono de 100 “clientes” de la oficina recaudadora de impuestos de Estados
Unidos se monitorean todos los días en forma aleatoria. Se registran los incidentes de información
incorrecta y otros errores (como la descortesía con los contribuyentes). Los datos de la última semana
son:
Construya una gráfica c para las inconformidades considerando tres desviaciones estándar. ¿Qué indica
la gráfica de control sobre los operadores de teléfonos de la oficina recaudadora?

73
̅= = 14,6
5
H = ̅ + 3I ̅
H = 14,6 + 3I14,6
H = 26,06
JH = ̅ − 3I ̅
JH = 14,6 − 3I14,6
JH = 3,137

Conclusión: El gráfico nos indica un comportamiento normal; el proceso está bajo control.

S6.25 El departamento de cuentas por cobrar de Rick Wing Manufacturing ha tenido dificultades para que
los clientes paguen el
monto total de sus facturas. Muchos clientes se quejan de que las facturas son incorrectas y que no
reflejan los materiales que llegan a sus puntos de recepción. El departamento decidió implementar SPC
en su proceso de facturación. Para establecer las gráficas de control, se tomaron 10 muestras de 50
facturas cada una durante un mes y los artículos en las facturas se revisaron contra las notas de llegada
enviadas por el departamento de embarques de la compañía, para determinar el número de facturas que
no estuvieron correctas. Los resultados fueron:

p = 0.094, σ p = 0.041
UCL p = 0.218 LCL p = 0
No. of Is the Billing
Sample No. Incorrect p Value Process in
Bills Control?
1 6 0.120 Y
2 5 0.100 Y
3 11 0.220 N
4 4 0.080 Y
5 0 0.000 Y
6 5 0.100 Y
7 3 0.060 Y
8 4 0.080 Y
 9 7 0.140 Y
10 2 0.040 Y

S6.26 La diferencia entre las especificaciones superior e inferior para un proceso es de 0.6. La desviación
estándar es de 0.1. ¿Cuál es la razón de habilidad, Cp, del proceso? Interprete este número.

Difference between upper and lower specifications

S6.26 C p =
6σ
.6 .6
= = = 1.0
6(.1) .6
S6.27.- El proceso de producción de chips para computadora de Meena Chavan Corp., genera chips
DRAM con una vida promedio de 1800 horas y un σ = 100 horas. Los límites de tolerancia superior e
inferior son 2400 horas y 1600 horas respectivamente. ¿Es capaz este proceso de producir chips DRAM
dentro de su especificación?
Vida promedio = 1800 horas
σ = 100 horas
Límite Superior = 2400 horas
Límite Inferior = 1600 horas

–
=
2400 h – 1600 h
6
=
6 "100 h$

Cp= 1.33

Ls – X
Cpk MAX =
2400 h – 1800 h
3
Cpk MAX =
3"100 h$

Cpk MAX = 2 No hay problema Cp >1

X – Li
Cpk MIN =
1800 h – 1600 h
3
Cpk MIN =
3 "100 $
Cpk MIN = 0.66 Como Cp < 1 hay defectos mínimos

6.28 Blackburn Inc.,fabricante de equipo en Nashville,ha enviado una muestra de válvula de corte para
mejorar su proceso de manufactura. Su departamento de ingeniería de procesos realizó algunos
experimentos y encontró que la válvula tiene una media (µ) de 8.00 y una desviación estándar (σ) de .04.
Su desempeño deseado es µ= 8.0 y σ= .045. ¿Cuál es el Cpk de la válvula Blackburn?

í 1ó = 8.0 + 3 ".045$ = 8.135

í ó = 8.0 − 3 ".045$ = 7.865

S6.29 Las especificaciones para un revestimiento plástico para los proyectos de carreteras de concreto
son que debe tener un grosor de 3.0 mm ±.1 mm. La desviación e estándar
stándar del proceso se estima en 0.02
mm. ¿Cuáles son los límites superior e inferior de la especificación para este producto? Se sabe que el
proceso opera con un grosor medio de 3.0 mm. ¿Cuál es el Cpk para este proceso? ¿Aproximadamente
qué porcentaje de todas las unidades reunirá las especificaciones?

LSL = 2.9 mm, USL = 3.1 mm

C pk = (3.1 − 3.0) /(3 × 0.02) = 1.67

S6.30 El administrador de una planta procesadora de alimentos desea una especificación de calidad con
una media de 16 onzas, un límite superior de especificación de 16.5, y un límite inferior de especificación
de 15.5. El proceso tiene una media de 16 onzas y una desviación estándar de 1 onza. Determine el C pk
de este proceso

 16.5 − 16 16 − 15.5 
C pk = min of  ,  or
 (3)(1) (3)(1) 
 0.5 0.5 
 3 , 3  . Therefore, C pk = 0.1667
 

S6.31 Un proceso para el llenado de envases con fórmula para bebé debe tener una medida de 3 onzas
±0.150 onzas. Se muestrearon 200 frascos del proceso. Los resultados mostraron que la cantidad
promedio de alimento vertido en los envases fue de 3.042 onzas. La desviación estándar de dicha
cantidad fue de 0.034 onzas. Determine el valor de Cpk. De manera general, ¿qué proporción de los
envases cumple las especificaciones?

C pk = min[(3.150 − 3.042) / 0.102,

(3.042 − 2.8550)/0.102] = 1.059

Dado que un valor de 1,0 da 2,7 defectos por 1000 unidades, esto significa que el proceso está haciendo un
poco mejor debido al hecho de que el Cpk es ligeramente mayor que 1,0. Esto indica que el proceso tiene como
máximo 0,27% defectuoso. Por lo tanto, más del 99,73% de las botellas cumplen con las especificaciones

S6.32 Como el supervisor a cargo de los envíos y recepciones, usted necesita determinar la cantidad de
salida promedio en una planta donde se sabe que los lotes entrantes de su línea de ensamble tienen una
tasa promedio de defectos de defectos del 3%. Su plan es muestrear 80 unidades de cada 1.000
1.0 en un
lote. El número de defectos en la muestra no debe exceder de 3. Tal plan proporciona una probabilidad
de aceptación para cada lote de 79 (79%) ¿Cuál es su calidad de salida promedio?
Unidades = 1000 unidades
Tamaño de muestra = 80
C=3
(Pd) Porcentaje
ntaje de defectos = 3 % = 0,03
(Pa) OC = 79
 " $. " $. " − $
=

"0,03$. "0.79$. "1000 − 80$

=
1000
CSP = 0.0218
CSP = 2.18 %

S6.34 West Battery Corp., ha estado recibiendo recientemente quejas de los vendedores al menudeo con
respecto a que las baterías de 9 voltios no duran tanto como las de otras marcas. James West,
responsable del programa de TQM en la planta de West en Austin, considera que no hay problema
porque sus baterías han tenido un promedio de vida de 50 horas, casi un 10% más que los modelos de
los competidores. Aumentar la vida útil a más de 50 horas requeriría un nuevo nivel de tecnología no
disponible para West. Sin embargo, West está lo suficientemente preocupado como para establecer una
revisión horaria en la línea de ensamble. Previamente, luego de asegurarse de que el proceso estaba
corriendo en forma apropiada, West tomó muestras de 5 baterías de 9 voltios durante las siguientes 25
horas a fin de establecer los estándares para los límites de la gráfica de control. Esas 25 muestras se
presentan en la tabla siguiente:

Con estos límites establecidos, West tomó los datos de 5 horas más, que se presentan en la tabla
siguiente:
a) Determine las medias y los límites de control superior e inferior para X y R (usando sólo las primeras
25 horas).

X Rango

Límite Superior de Control 61.131 41.62

Línea Central (promedio) 49.776 19.68
Límite Inferior de Control 38.421 0.00

b) ¿Está el proceso de manufactura bajo control?

Si el proceso parece estar bajo control.

c) Comente los tiempos de vida observados

Los procesos de tiempos de vida observados tienen una media de aproximadamente 50 horas, lo que soporta lo
realizado por West Battery Corp. Sin embargo, la varianza necesita ser controlada y reducida.

S6.33 Un plan de muestreo de aceptación tiene lotes de 500 piezas y un tamaño de muestra de 60. El
número de defectos en la muestra no puede ser de más de 2. Este plan, basado en una curva OC, tiene
una probabilidad de aceptación de .57 cuando los lotes entrantes tienen una tasa de defectos del 4%,
¿cuál es el promedio histórico para este proceso? ¿Qué le dirá a su cliente acerca de cuál es la calidad
de salida promedio?

× ×" − $
=

0.04 × 0.57 × "500 − 60$

=
500

= 0.02

= 2.0%