Guadeejerciciosaplicacindelacalidad 111109220040 Phpapp01

Gua de Ejercicios Prcticos
Asignatura:
Aplicacin de la Calidad Total para
la Ingeniera Industrial

Catedrtico:
Ing. Jairo Nez

Alumno:
Erick Joel Ocampo
0201198500735

La Ceiba, Atlntida, Honduras, C.A.
10 de octubre de 2011

UNICAH

Universidad Catlica de
Honduras
Nuestra Seora Reina de la Paz
Campus San Isidro

GUA DE EJERCICIOS

1. En una empresa, mediante un anlisis se ha detectado que se tiene seis tipos bsicos de
quejas de los clientes, pero cada tipo de queja caus diferente grado de insatisfaccin o
molestia para el cliente. La escala que se ha utilizado para medir el grado de molestia es el
siguiente: mxima molestia (10 puntos), mucha insatisfaccin (8), molestia moderada (6),
poca (4), muy leve (2). Adems en el anlisis se determin la frecuencia con la que han
ocurrido en el ltimo semestre las distintas quejas. En las tablas siguientes se sintetiza los
resultados de tal anlisis:

Tipo de queja Grado de molestia Frecuencia de ocurrencia
A 4 12%
B 8 5%
C 2 40%
D 6 25%
E 4 10%
F 8 8%

Realice un anlisis de Pareto para determinar sobre qu tipo de queja se deben dirigir los esfuerzos
para atender sus causas. Aplique la recomendacin 2 del diagrama de Pareto.

Tipo de queja Grado de molestia
Frecuencia de
ocurrencia
Frecuencia por
gravedad
Frecuencia por
gravedad acumulada
D 6 25% 150% 150%
C 2 40% 80% 230%
F 8 8% 64% 294%
A 4 12% 48% 342%
E 4 10% 40% 382%
B 8 5% 40% 422%

0%
50%
100%
150%
200%
250%
300%
350%
400%
450%
0%
20%
40%
60%
80%
100%
120%
140%
160%
D C F A E B
F
r
e
c
u
e
n
c
i
a

Clase
Diagrama de Pareto
Frecuencia
% acumulado
Anlisis
Para poder realizar este anlisis de Pareto y determinar as la queja que ms contribuye a la
insatisfaccin de los clientes se multiplic el grado de la queja por la frecuencia de ocurrencia. Con
ellos vemos que la queja D supera a las dems en magnitud, por lo tanto es en esta que se debe de
poner el mayor atencin ejecutar acciones destinadas a reducir las causantes del descontento de los
clientes y de ser posible eliminar tal tipo de insatisfaccin.

2. De acuerdo con la informacin de una hoja de verificacin en una lnea del proceso de
envasado de tequila, se presentaron en el ltimo mes los siguientes resultados en cuanto a
defectos y frecuencia:
Defecto de envasado Frecuencia
Botella 804
Tapa 715
Etiqueta 1,823
Contraetiqueta 742
Botella sin vigusa 916
Otros 102
Total de botellas envasadas en el mes 424,654

Realice un diagrama de Pareto y obtenga conclusiones.

Defecto de envasado Frecuencia % Frecuencia F. Acumulada
Etiqueta 1,823 36% 36%
Botella sin vigusa 916 18% 54%
Botella 804 16% 69%
Contraetiqueta 742 15% 84%
Tapa 715 14% 98%
Otros 102 2% 100%
Total de botellas
envasadas en el mes
5,102 100%

0%
20%
40%
60%
80%
100%
120%
0
200
400
600
800
1,000
1,200
1,400
1,600
1,800
2,000
F
r
e
c
u
e
n
c
i
a

Clase
Histograma
Frecuencia
% acumulado
Anlisis
De acuerdo al anlisis estadstico realizado se puede apreciar claramente que los defectos de
etiqueta, botella sin vigusa, en la botella y en la contraetiqueta componen el 84% de los problemas
que se presentan en el proceso de envasado del tequila. De los cuales, componen el 36% y 18% los
defectos en las etiquetas y la botella sin vigusa. Debido a esto la empresa deber fijar toda su
atencin para poder encontrar las causas que los generan para poder garantizar la calidad y poder
proporcionar mayor satisfaccin a sus clientes.

3. En una empresa procesadora de carnes fras se detecta mediante inspeccin 100% los
problemas en las salchichas. A continuacin se muestran los resultados de una semana.

Mquina
empacadora
Turno
Problema y nmero de paquetes defectuosos
Falta de vaco Mancha verde Mancha amarilla
A I 4,300 700 700
II 6,300 650 650
B I 3,500 700 400
II 6,600 500 420
C I 8,500 800 324
II 9,120 655 345

a) Considerando que la gravedad de los tres problemas es la misma, realice un anlisis de
Pareto para problemas y detecte cul es el vital.
b) Sobre el problema vital, haga un Pareto de segundo nivel (causas) tanto para mquina
como para turno.

Pareto I Nivel (Problemas)
Problema Frecuencia % Frecuencia F. Acumulada
Falta de Vaco 38,320 85% 85%
Mancha verde 4,005 9% 94%
Mancha amarilla 2,839 6% 100%
Total 45,164

75%
80%
85%
90%
95%
100%
105%
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
Falta de Vaco Mancha verde Mancha
amarilla
F
r
e
c
u
e
n
c
i
a

Clase
Anlisis de Pareto para Problemas
Frecuencia
% acumulado
Pareto II Nivel (Turnos)
Falta de vaco Frecuencia % Frecuencia F. Acumulada
Turno II 22,020 57% 57%
Turno I 16,300 43% 100%
Total 38,320 100%

0%
20%
40%
60%
80%
100%
120%
0
5,000
10,000
15,000
20,000
25,000
Turno II Turno I
F
r
e
c
u
e
n
c
i
a

Clase
Anlisis de Pareto para Turnos
Frecuencia
% acumulado
Pareto II Nivel (Mquinas)
Mquina Frecuencia % Frecuencia F. Acumulada
C 17,620 46% 46%
A 10,600 28% 74%
B 10,100 26% 100%
Total 38,320 100%

0%
20%
40%
60%
80%
100%
120%
0
5,000
10,000
15,000
20,000
C A B
F
r
e
c
u
e
n
c
i
a

Clase
Anlisis de Pareto para Mquinas
Frecuencia
% acumulado
Anlisis
En el primer anlisis de Pareto se observa de forma clara que el 85% de los problemas
relacionados al procesado de las salchichas se deben a la falta de vaco, por lo que este es
identificado como el problema vital ms relevante, en consecuencia se desarrollar por lo
tanto un Pareto de segundo nivel tanto en las mquinas como en los turnos para identificar
en cul de ellos se presentan mayores fallas.
En el diagrama de Pareto que considera los turnos se puede apreciar que la cantidad de
problemas relacionados con la falta de vaco en el procesamiento de las salchichas es mayor
durante el turno 2, ya que ste constituye el 57% del total de los problemas de este tipo.
Con esto se concluye, a travs del anlisis de Pareto, que los problemas de falta de vaco se
dan con mayor frecuencia en la mquina C, durante el turno 2.
Con base en el Pareto de 2do. Nivel se puede observar que las mquinas C y A son las
principales causas de la falta de vaco; siendo la causa ms significante la maquina C ya que
representa el 46% de los problemas relacionados con la falta de vaco que es el principal
problema con el que cuenta el proceso y el que necesita de una pronta solucin.

4. En una fbrica de pintura se requiere reducir el tiempo de secado del barniz, los siguientes
datos corresponden al tiempo del secado del barniz (horas) y a la cantidad de aditivo con el
que se intenta lograr tal reduccin.

Cantidad de
Aditivo
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

a) Mediante un diagrama de dispersin investigue la relacin entre el tiempo de secado y la
cantidad de aditivo.
b) Con base en la relacin, alrededor de qu cantidad de aditivo recomendara para reducir
el tiempo de secado?
c) Obtenga el coeficiente de relacin entre ambas variables e interprtelo.
d) Al parecer el coeficiente de correlacin lineal es muy bajo. Quiere decir entonces que el
tiempo de secado no est relacionado con la cantidad de aditivo?

Anlisis
a) Como se observa en la grfica la cantidad de aditivo y el tiempo de secado tienen una
relacin lineal positiva baja, lo que indica que son directamente proporcionales, es decir, a
mayor cantidad de aditivo se necesitarn ms horas de secado.
b) Basado en la relacin, recomendara el 4 de aditivo para reducir el tiempo de secado, pues
segn la grfica, es el que registra menor tiempo de secado, es decir, 7.5 horas.
c) El coeficiente de relacin es de 0.33 este valor muestra que existe una relacin positiva baja
entre la cantidad de aditivo y el tiempo de secado.
d) En efecto si existe relacin pero es una relacin baja ya que el coeficiente de correlacin es
un tanto leve.

5. En una industria se desea investigar cmo influye la temperatura (C) en la presin del
vapor B-trimetilboro. Los datos obtenidos para tal propsito se muestran a continuacin:
y = 0.2409x + 9.75
R = 0.1116
0
2
4
6
8
10
12
14
16
0 2 4 6 8 10 12
T
i
e
m
p
o

d
e

S
e
c
a
d
o

Cantidad de Aditivo
Relacin Aditivo - Tiempo de Secado
Tiempo de Secado
Lineal (Tiempo de Secado)
Temperatura Presin
13.0 2.9
19.5 5.1
45.7 30.5
56.1 51.4
64.4 74.5
71.4 100.2
80.5 143.7
85.7 176.9
22.5 8.5
27.2 10.3
31.8 14.6

a) Construya un diagrama de dispersin e interprtelo.
b) Obtenga el coeficiente de correlacin y al interpretarlo compare con lo observado en el
inciso a.

y = 2.213x - 47.935
R = 0.8981
-50
0
50
100
150
200
0.0 20.0 40.0 60.0 80.0 100.0
Presin
Temperatura
Relacin Temperatura - Presin
Presin
Lineal (Presin)
Lineal (Presin)
Lineal (Presin)
Anlisis
Existe una relacin lineal positiva entre la presin y la temperatura, aunque se asemeja ms a una
relacin del tipo exponencial. El coeficiente de correlacin es de R=0.95 lo que muestra que existe
una alta relacin entre las variables estudiadas, con lo que podemos afirmar que la temperatura
incide de manera importante sobre la presin, es decir, a mayor temperatura, mayor presin.

6. Como parte del anlisis del problema de ausentismo se decide investigar la relacin entre
edad del empleado y das que falt a laborar en el ao. Los datos del ltimo ao se
muestran a continuacin.
Empleado Edad Faltas Empleado Edad Faltas
1 29 6 21 25 7
2 33 5 22 38 3
3 40 0 23 22 0
4 23 8 24 30 4
5 31 6 25 24 7
6 20 9 26 39 10
7 30 5 27 35 5
8 38 5 28 20 1
9 23 8 29 32 5
10 25 6 30 25 5
11 26 7 31 36 5
12 30 5 32 30 5
13 42 2 33 20 10
14 34 5 34 38 4
15 31 6 35 39 4
16 18 11 36 34 4
17 33 6 37 35 6
18 33 4 38 27 7
19 33 5 39 40 3
20 32 5 40 31 6

a) Mediante un diagrama de dispersin analice la relacin entre estas dos variables.
b) Qu tipo de relacin observa y cules son algunos hechos especiales?
c) Calcule el coeficiente de correlacin e interprtelo.

Anlisis
Se puede observar que existe una relacin lineal negativa entre las variables que son objeto de
nuestro estudio, la edad y el nmero de das que los empleados faltan a sus trabajos; esto sugiere
que entre ms joven es el empleado esta ms susceptible al ausentismo. Al calcular el coeficiente
de correlacin el cual es de R= 0.44 se tiene una mayor certeza que entre las variables existe una
relacin lineal negativa media.

7. Dos mquinas, cada una operada por una persona, son utilizadas para cortar tiras de hule,
cuya longitud ideal es de 200mm, con una tolerancia de 3 mm. Al final del turno un
inspector toma una muestra e inspecciona que la longitud cumpla especificaciones. A
continuacin se muestran las ltimas 110 mediciones para ambas mquinas.

Muestras (mm)
199.2 201.7 200.9 201.0 200.6 199.5 199.0 199.2 199.0 198.9
199.7 201.4 200.7 201.4 200.1 198.6 198.4 198.8 199.0 199.2
201.8 201.4 200.5 201.4 201.3 200.3 199.1 198.5 198.7 197.9
202.0 200.8 201.2 201.1 200.6 198.5 198.8 198.9 199.1 200.3
201.0 202.1 201.7 201.2 200.7 198.2 198.3 198.8 200.3 199.6
201.5 200.7 201.2 201.0 201.8 199.6 198.9 198.7 200.5 199.4
200.0 200.9 201.2 200.6 200.5 198.2 199.6 199.2 198.1 198.7
199.8 201.0 200.5 202.0 200.5 198.4 199.0 199.3 198.3 198.5
200.7 201.5 200.1 201.0 200.8 199.0 198.7 199.7 199.6 198.7
y = -0.1665x + 10.47
R = 0.1958
0
2
4
6
8
10
12
0 10 20 30 40 50
D
a
s

F
a
l
t
a
d
o
s

Edad del Trabajador
Relacin Edad - Faltas
Faltas
Lineal (Faltas)
201.4 201.2 201.4 201.5 200.3 199.7 200.5 197.8 199.0 198.6
200.4 201.3 200.2 201.6 200.7 199.7 198.4 199.9 199.7 198.5

a) Obtenga las medidas de tendencia central y con base en ellas seale si la tendencia central
del proceso es adecuada.
b) Calcule la desviacin estndar y una aproximacin de los lmites reales con base en estos
decida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo (con tendencia Central, variabilidad, acantilados,
sesgos, etc.).

0
5
10
15
20
25
30
F
r
e
c
u
e
n
c
i
a

Milmetros
Histograma

Media 200.05
Error tpico 0.12
Mediana 200.1
Moda 199
Desviacin estndar 1.29
Varianza de la muestra 1.66
Curtosis 2.53
Coeficiente de asimetra 0.80
Rango 8.20
Mnimo 197.80
Mximo 206
Suma 22005
Cuenta 110

Anlisis
Tomando las 110 muestras, se obtuvo una media de 200.05 mm, una mediana o percentil 50 de
200.10 mm que nos dice que la mitad de los datos son menores que 200.10 mm y la otra mitad
mayores o iguales a 200.10 mm, y una moda de 201.4. Adems se obtuvo un error tpico de 0.12;
La desviacin estndar de 1.29 lo que nos indica que el grado de dispersin de los datos respecto
a su media. El coeficiente de asimetra de 0.80 indica que existe una curva asimtrica positiva. El
coeficiente de Curtosis es de 2.53, nos demuestra que la grafica posee una forma leptocrtica, es
decir que presenta un elevado grado de concentracin de valores a la derecha de la media que a su
izquierda. Podemos notar tambin que la forma de la grfica obedece a una Histograma centrado
con mucha variabilidad. El Rango de los datos es de 8.2 mm, ya que el menor es 197.8 mm y el
mayor es 206 mm, por lo tanto extensin de la variacin de los datos no es tan grande. Podemos
afirmar que el histograma no presenta acantilados en su grfica, pero si posee sesgo a la izquierda
de la media, lo que podemos constatar observando la barra de color verde el cual es la clase con
mayor numero de datos asociados. Los lmites reales se definan por:

8. En un rea de servicio dentro de una empresa de manufactura se hace una encuesta para
evaluar la calidad del servicio proporcionada y el nivel de satisfaccin de los clientes
internos. La encuesta consiste de 10 preguntas, donde cada una de ellas evala diferentes
aspectos del servicio proporcionado. Las respuestas para cada pregunta es un nmero entre
0 y 10. Para hacer un primer anlisis de los resultados obtenidos, se suman los puntos
LRS 203.91
LRI 196.18
obtenidos de las 10 preguntas para cada cuestionario. A continuacin se muestran los
puntos obtenidos en 50 cuestionarios.
Muestras
78 78 82 85 81 86 80 73 84 78
68 84 75 78 76 76 82 85 91 80
70 87 77 82 84 48 49 39 39 43
35 42 34 44 49 34 30 43 31 34
41 42 45 42 35 38 39 42 43 29

a) A los datos anteriores calcleles sus medias de tendencia central, su dispersin y de una
primera opinin sobre la calidad del servicio.
b) Realice el histograma e interprtelo con cuidado.

Media 59.8
Error tpico 2.99
Mediana 58.5
Moda 42
Curtosis -1.80
Coeficiente de asimetra -0.02
Rango 62
Mnimo 29
Mximo 91
Suma 2990
Cuenta 50

0
5
10
15
29 37.86 46.71 55.57 64.43 73.29 82.14 y
mayor...
F
r
e
c
u
e
n
c
i
a

Calificacin
Histograma

Anlisis
Los datos estadsticos obtenidos a travs de la encuesta, proporcionaron los siguientes resultados:
una media de 59.8 puntos, la mediana o percentil 50 es de 58.5 puntos y una moda de 42 puntos.
Un error tpico de 2.99; la desviacin estndar de los datos con respecto a su media es de 21.13
puntos un valor demasiado elevado por lo que podemos afirmar que los datos se encuentran muy
dispersos con respecto a su media, es decir que existe mucha variabilidad. Con una Curtosis de -
1.80, nos expone que la campana de Gauss posee una forma plana, es decir, una forma achatada.
La curva asimtrica es negativa esto se puede observar a travs del valor del coeficiente de asimetra
que es de -0.02. Con una puntuacin mnima de 29 y mxima de 91, nos indica que existe una
gran variabilidad en los datos ya que posee un rango de 62 puntos el cual mide la gran amplitud en
la variacin de los datos. La forma del histograma supone una descentralizacin con mucha
variabilidad y dos realidades, es decir que es bimodal.

9. En la elaboracin de envases de plsticos, primero se elabora la preforma, para la cual se
tienen varios criterios de calidad, uno de ellos es ep peso de la preforma. Para cierto
envase se tiene que el peso debe estar entre 28.00 0.5g. A continuacin se muestran los
ltimos 112 datos obtenidos mediante una carta de control para esta variable.

Muestras
27.72 28.39 28.21 28.19 28.02 27.92 27.89 27.88
28.06 27.91 27.91 27.95 27.96 27.94 28.04 28.05
27.81 27.74 27.95 27.91 27.93 28.07 28.13 27.93
27.87 27.87 27.82 28.23 27.90 27.91 28.16 27.94
27.86 27.84 27.70 27.98 28.02 28.00 27.99 28.13
28.26 28.10 27.94 28.07 27.84 27.90 27.87 27.76
27.95 27.94 27.81 27.76 27.96 27.84 27.85 27.93
28.22 27.96 27.88 28.08 28.04 28.19 27.89 28.08
28.09 28.02 27.85 28.27 27.75 27.98 27.75 27.82
28.13 27.88 28.11 28.05 28.14 28.11 28.08 28.16
28.04 28.05 27.75 27.89 27.94 28.19 28.10 27.78
27.63 27.93 27.74 28.10 28.14 27.91 27.84 28.21
27.85 27.84 28.12 28.01 27.97 27.88 28.00 28.10
28.16 28.16 28.01 28.13 27.97 27.90 27.87 27.94

a) Obtenga las medidas de tendencia central y seale si la tendencia central de las mediciones
es adecuada.
b) Calcule la desviacin estndar y una aproximacin de los lmites reales y con base en estos
decida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos,
etc.).

Media 27.97
Error tpico 0.01
Mediana 27.95
Moda 27.94
Curtosis -0.30
Coeficiente de
asimetra
0.21
Rango 0.76
Mnimo 27.63
Mximo 28.39
Suma 3133.19
Cuenta 112

Anlisis
Con relacin a los datos de las 112 muestras se obtuvieron los siguientes resultados una media de
27.97, una mediana de 27.95, la moda es de 27.94. Un error tpico de 0.01; la desviacin estndar
es de 0.14, lo que indica que hay poca dispersin en el peso de los envases con respecto a la media
de los datos. La Curtosis es -0.26, lo que indica que el curva de Gauss tiene una forma platicrtica,
es decir, que la grafica es de forma achatada. El rango es de 0.76, puesto que el peso menor es
27.63 y el mximo de 28.39. Por lo tanto la amplitud de la variacin de los datos es un tanto
0
5
10
15
20
25
30
F
r
e
c
u
e
n
c
i
a

Gramos
Histograma
aceptable. La grafica posee un coeficiente de asimetra que muestra que es una curva asimtrica
positiva. En cuanto a la forma del histograma podemos aseverar que ste est centrado con mucha
variabilidad. No hay acantilados y no hay evidencia de sesgo ni datos aislados.

10. Los siguientes datos corresponden a la medicin de la viscosidad, variable importante en la
calidad del adhesivo.
a) Calcule los lmites de control para las cartas X-R e interprtelos
b) Elabore la carta de control X y la R y de sus conclusiones.
Semana 29 Semana 30 Semana 31
H H H H H H H H H
1 2 3 4 5 6 7 8 9
I I I II II II I I I
17-jul 18-jul 19-jul 19-jul 25-jul 26-jul 31-jul 01-ago 02-ago
1 34.0 33.0 34.0 35.0 34.0 35.0 33.0 34.0 35.0
2 34.0 33.0 34.0 35.0 34.0 35.0 33.0 34.0 35.0
3 34.0 34.0 34.0 34.0 34.0 34.0 34.0 35.0 35.0
4 35.0 34.0 34.0 34.0 35.0 34.0 34.0 35.0 34.0
5 35.0 35.0 35.0 34.0 35.0 33.0 34.0 35.0 34.0
6 35.0 35.0 35.0 34.0 35.0 33.0 34.0 34.0 34.0
7 35.0 35.0 35.0 35.0 35.0 34.0 35.0 34.0 35.0
8 34.0 34.0 34.0 35.0 34.0 35.0 35.0 35.0 35.0
9 34.0 34.0 34.0 35.0 34.0 35.0 35.0 35.0 35.0

Carta X

33.4
33.6
33.8
34.0
34.2
34.4
34.6
34.8
35.0
1 2 3 4 5 6 7 8 9 10
Promedio
LCS
LCC
LCI

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a
su medida de tendencia central, con un LIC= 33.90 y un LCS= 34.80. Todos los datos
muestreados estn dentro de los lmites de control establecidos para esta carta.

Carta R

0
0.5
1
1.5
2
2.5
3
1 2 3 4 5 6 7 8 9 10
Rango
LCS
LCC
LCI
LCS 34.8
LCC 34.4
LCI 33.9
A2 0.337

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a la
variabilidad de los datos, es decir en cuanto a sus rangos, ningn valor excede los lmites de control
respectivos. El rango de la viscosidad de dichos adhesivos se encuentra entre 0.25 y 2.42 con un
rango promedio de 1.3. Lo cual indica que existe poca variabilidad en la viscosidad del adhesivo.

11. En una industria alimenticia se quiere garantizar que la concentracin mnima de grasa de
un producto sea de 1.8%. En la siguiente tabla, se muestran los datos obtenidos para el
estudio inicial, con tamao de subgrupo de 4.

SUB
GRUPO

GRASA

SUB
GRUPO

GRASA

1 2 3 4 1 2 3 4
1 1.88 1.93 1.98 1.88 11 1.93 1.95 1.90 1.93
2 1.93 1.97 1.89 1.94 12 1.95 1.98 1.89 1.90
D3 0.1838
D4 1.8162
LCS 2.4
LCC 1.3
LCI 0.2
3 1.92 1.95 1.90 1.98 13 1.88 1.93 1.88 1.90
4 1.89 1.89 1.90 1.94 14 1.97 1.88 1.92 1.96
5 1.95 1.95 1.93 1.90 15 1.91 1.91 1.96 1.93
6 2.00 1.95 1.94 1.89 16 1.98 1.90 1.92 1.91
7 1.95 1.93 1.97 1.85 17 1.93 1.94 1.95 1.90
8 2.87 1.98 1.96 2.04 18 1.82 1.92 1.95 1.94
9 1.96 1.92 1.98 1.88 19 2.00 1.97 1.99 1.95
10 1.99 1.93 2.01 2.02 20 1.98 1.94 1.96 1.88

a) Calcule los lmites de control para las cartas X-R e interprtelos.
Carta X
n 4
A2 0.729
X 1.946
LCS 2.035
LCI 1.858
LCC 1.946
R 0.122

1.600
1.700
1.800
1.900
2.000
2.100
2.200
2.300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Promedio
LCS
LCI
LCC

Anlisis: El proceso de concentracin de grasa en el producto se encuentra fuera de control
estadstico en cuanto a su medida de tendencia central ya que la muestra 8 est por arriba del lmite
de control superior, el punto 9 viola la regla 14 la cual dice que este punto est por debajo de 4
sigmas. Y la muestra 18 viola la prueba 8 que indica que hay 8 puntos consecutivos en la zona C (1
sigma). La concentracin de grasa en los productos se encuentra entre 1.86 y 2 con un promedio
de 1.95.

Carta R
LCS 0.28
LCC 0.12
LCI 0
D3 0
D4 2.28

0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
0.900
1.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Rango
LCS
LCC
LCI

Anlisis: El proceso de concentracin de grasa en los productos se encuentra fuera de control
estadstico en cuanto a su medida dispersin o variabilidad ya que la muestra 8 est por arriba del
lmite de control superior. El rango de la concentracin de grasa en los productos se encuentra
entre 0.0% y 0.28% con un rango promedio de 0.1 %. Lo cual indica que existe poca dispersin en
la viscosidad del adhesivo.

12. En la fbrica de discos pticos una mquina metaliza disco. Para garantizar la uniformidad
del metal en el disco, la densidad debe ser de 1.93, con una tolerancia de 0.12, en la tabla
siguiente se muestran los datos obtenidos para un estudio inicial, con tamao de subgrupo
5.

SUB
GRUPO
DATOS
1 1.909 1.917 1.865 1.991 1.906
2 1.957 1.829 1.87 1.917 1.971
3 1.861 1.946 1.903 1.951 1.893
4 1.938 1.913 1.884 1.907 1.95
5 1.941 1.966 1.935 1.936 1.955
6 2.032 1.914 1.911 1.82 1.932
7 1.889 1.963 1.943 1.918 1.911
8 1.891 1.978 1.907 1.922 1.908
9 1.929 1.87 1.943 1.819 1.946
10 1.956 1.904 1.904 1.907 1.864
11 1.904 1.91 1.904 1.903 1.901
12 1.926 1.984 1.899 1.938 1.978
13 1.936 1.903 1.915 1.932 2.014
14 1.937 1.949 1.898 1.952 1.869
15 1.916 1.961 1.953 1.954 1.939
16 1.867 1.898 1.929 1.953 1.952
17 1.939 1.918 1.925 1.949 1.91
18 1.94 1.88 1.882 1.949 1.91
19 1.944 1.919 1.84 1.94 1.942
20 1.933 1.965 2.031 1.902 1.923
21 1.817 1.878 1.938 2.058 1.938
22 1.939 1.956 1.951 1.898 1.969
23 1.931 1.894 1.972 1.936 1.924
24 1.927 1.895 1.938 1.859 1.938
25 1.973 1.949 1.912 1.87 1.971

a) Calcule los lmites de control para las cartas X-R e interprtelos.

Carta X
n 5
A2 0.577
X 1.924
LCS 1.979
LCI 1.869
LCC 1.924
R 0.095

1.800
1.820
1.840
1.860
1.880
1.900
1.920
1.940
1.960
1.980
2.000
1 3 5 7 9 11 13 15 17 19 21 23 25
Promedio
LCS
LCI
LCC

Anlisis: Con base en el anlisis de los datos mediante una carta X el proceso de fabricacin discos
pticos la densidad se encuentra bajo control estadstico en cuanto a su medida de tendencia
central ya que todos los datos estn dentro de los lmites de control superior e inferior. La
densidad en el metal para los discos se encuentra entre 1.924 y 1.979 con un promedio de 1.869.
En conclusin el proceso est bajo control estadstico.

Carta R

0.000
0.050
0.100
0.150
0.200
0.250
0.300
1 3 5 7 9 11 13 15 17 19 21 23 25
Rango
LCS
LCC
LCI
Anlisis: Basado en la Carta de Rangos el proceso de fabricar discos pticos la densidad est fuera
de control estadstico en cuanto a su variabilidad ya que los puntos 6 y 21 se encuentran por
encima del lmite de control superior. El rango de la densidad en el metal para fabricar los discos
pticos se encuentra entre 0.00 y 0.200 con un rango promedio de 0.095.

13. En la presentacin de servicios en una empresa se registra diariamente la evaluacin de los
clientes. La forma operativa que se hace es la siguiente: todos los das en forma aleatoria se
le pide a 5 clientes atendidos que contesten una encuesta de satisfaccin en el servicio, la
escala de satisfaccin va de 0 a 100. Los datos obtenidos durante el ltimo mes se
muestran en la tabla siguiente.
a) Mediante una carta de medias analice la estabilidad de la calidad en el servicio.

DA CALIFICACIN DE SERVICIOS MEDIA
1 83 84 63 68 93 78.20
2 84 88 71 87 93 84.60
3 87 76 92 75 79 81.80
4 71 69 79 79 62 72.00
5 76 81 100 85 100 88.40
6 69 86 98 84 89 85.20
7 88 89 75 72 86 82.00
8 96 76 71 97 73 82.60
9 61 71 57 90 79 71.60
10 82 93 87 87 76 85.00
11 80 82 66 83 83 78.80
12 69 84 89 88 65 79.00
13 50 92 76 62 71 70.20
14 74 94 73 79 67 77.40
15 66 74 86 78 72 75.20
16 80 82 84 60 83 77.80
17 57 87 74 94 72 76.80
18 99 88 83 90 80 88.00
19 87 80 89 89 77 84.40
20 79 85 65 71 70 74.00
21 93 70 77 80 74 78.80
22 73 76 81 80 65 75.00

n 5
LCS 131.67
LCC 79.40
LCI 27.13
A2 0.58
R promedio 90.59

Carta X

0.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
1 3 5 7 9 11 13 15 17 19 21
Media
LCS
LCC
LCI

Anlisis: Segn la carta de medida de tendencia central, la calidad del servicio se encuentra en
control estadstico, ya que todas las observaciones caen dentro de los lmites de control para dicha
carta. La satisfaccin de los clientes se encuentra entre 131.67 y 27.13 con una satisfaccin
promedio de 79.4.

Carta R
D3 0
D4 2.11
LCS 191.55
LCC 90.59
LCI 0

0.00
50.00
100.00
150.00
200.00
250.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Rango
LCS
LCC
LCI

Anlisis: Basados en la Carta R, la calidad del servicio se encuentra bajo control estadstico, en
cuanto a la variabilidad de los datos se refiere ya que todas las observaciones no violan los lmites
de control. El rango de satisfaccin en los clientes se encuentra entre 0.0 y 191.55 con una
satisfaccin promedio de 90.59. Por tanto podemos concluir que tal proceso funciona de una
forma estable.

CAPTULO 2

1. Con los datos del ejercicio de las dos mquinas operadas por una persona, considerando
que los primeros 55 datos (ordenados por regln) corresponden a una mquina, y los
ltimos 55 a otra, conteste lo siguiente.

a) Evale las dos mquinas en cuanto a su centrado (tendencia central) respecto a la
longitud ideal (200).
b) Analice la dispersin de ambas mquinas, utilizando la desviacin estndar.
c) Haga un histograma para cada mquina e interprete cada uno de ellos.
d) Con base en lo anterior, cul es el problema de cada mquina?
e) Considerando que cada mquina es operada por una persona diferente, discuta cules
son las posibles causas de los problemas sealados en el inciso anterior y seale qu
hara para corroborar cules son las verdaderas causas.
f) Vuelva a analizar el histograma realizado en el inciso c del ejercicio anterior y vea si de
alguna forma se vislumbraba lo que detect con los anlisis hechos en este ejercicio.
g) A la luz de lo anterior, qu recomendaciones respecto a la obtencin de datos y su
anlisis dara para hacer ms eficiente la inspeccin y el control del funcionamiento de
cada mquina?

Mquina 1

Media 200.13
Error tpico 0.17
Mediana 200.3
Moda 201.4
Curtosis -1.39
Rango 4.2
Mnimo 197.9
Mximo 202.1
Suma 11007.1
Cuenta 55

Anlisis: Basados en la informacin y grficos obtenidos se ve claramente de que en la mquina 1
los datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo, la
empresa debe de reducirla. La mediana o percentil 50 nos indica que la mitad de los datos tienen
un valor por debajo de 200.3 mm, y la otra parte, su valor es mayor o igual a 200.3 mm. La curtosis
es de -1.39 lo que indica que la curva de la distribucin normal presenta un grado reducido de
concentracin alrededor de los valores centrales de la variable estudiada, es decir que presenta una
forma aplanada o achatada. El coeficiente de asimetra es 0 por lo que se concluye que existe una
mayor concentracin de valores a la izquierda de la media que a su derecha. Aqu se aprecia que se
presentan dos realidades distintas (bimodal) lo que indica que hay situaciones que causan esto y
deben ser identificadas para erradicarlas.
0
2
4
6
8
10
12
14
F
r
e
c
u
e
n
c
i
a

Milmetros
Histograma "Mquina 1"

Mquina 2

Media 199.97
Error tpico 0.18
Mediana 199.8
Moda 200.5
Curtosis 5.52
Rango 8.2
Mnimo 197.8
Mximo 206
Suma 10998.4
Cuenta 55

0
2
4
6
8
10
12
14
16
18
F
r
e
c
u
e
n
c
i
a

Milmetros
Histograma "Mquina 2"

Anlisis: Basados en la informacin y grficos obtenidos se puede ver que en la mquina 2 los
datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo es
mayor que el de la mquina 1 y la empresa debe de reducirla. La mediana o percentil 50 nos
indica que la mitad de los datos tienen un valor por debajo de 199.8 mm, y la otra parte, su valor es
mayor o igual a 199.8 mm. La curtosis es de 5.52 lo que indica que la curva de la distribucin
normal presenta un elevado grado de concentracin alrededor de los valores centrales de la
variable estudiada, es decir que presenta una forma alargada en el centro. El coeficiente de
asimetra es >0 por lo que se concluye que existe una mayor concentracin de valores a la derecha
de la media que a su izquierda. Con respecto a la mquina 1, la 2 presenta un mejor estado porque
en esta claramente solo hay una realidad por lo tanto es ms fcil poder controlarlo y erradicarlo.

2. Con el propsito de mejorar la calidad que se tena en cuanto al grosor de las lminas, un
grupo implementa un proyecto de mejora siguiendo la metodologa. Varios de los cambios
implementados fueron relativos a los procedimientos empleados durante el proceso ya y la
estandarizacin de los mismos. Para verificar si el plan tuvo xito, se eligieron lminas
aleatoriamente y midiendo su grosor. Los 120 datos obtenidos durante tres das se
muestran a continuacin.

4.8 4.3 4.8 5.1 4.9 4.6 4.9 4.6 5.0 4.9 4.8 4.5
4.7 5.7 4.5 5.3 4.4 5.1 4.6 4.9 4.2 4.6 5.3 5.2
4.7 4.1 5.1 5.0 5.0 4.9 4.6 4.9 5.2 4.8 4.7 5.1
4.9 4.8 4.7 5.1 5.1 5.3 5.1 5.0 5.3 5.0 5.1 5.2
4.7 5.0 5.0 5.3 5.1 5.1 4.5 5.2 4.1 5.1 4.9 4.9
4.6 5.0 4.6 4.8 4.7 4.9 4.4 4.5 5.3 5.3 4.4 5.0
4.2 4.5 5.3 5.1 4.8 4.4 4.7 5.3 5.1 4.7 4.7 4.8
5.0 5.0 4.9 5.2 5.6 5.1 5.2 4.5 4.6 5.2 4.9 5.0
5.3 4.9 5.0 4.4 4.9 4.7 4.6 5.3 4.8 4.7 4.6 5.1
4.4 5.0 4.5 5.0 5.2 4.7 5.0 5.3 5.6 5.0 5.0 4.5

a) Calcule la media y mediana de estos datos, y comparndolas con sus correspondientes
antes del proyecto, decida si con los cambios se mejor el centrado del proceso.
= 4.75, mediana= 4.7
b) Calcule la desviacin estndar, y con sta, obtenga los nuevos lmites reales, y decida si la
variabilidad se redujo. = 0.45
c) Construya un histograma.
d) Con base en todo lo anterior, el proyecto dio buenos resultados? Argumente.
e) Si hubo mejoras, stas son suficientes para garantizar un producto dentro de
especificaciones?

Datos del Estudio Anterior

Desviacin estndar 0.45 mm
Grosor ptimo 5 mm
Discrepancia 0.8 mm
Mediana 4.7 mm
Media 4.75 mm
LRS 6.1 mm
LRI 3.4 mm

Datos del Estudio Actual
Media 4.88
Error tpico 0.03
Mediana 4.9
Moda 5
Curtosis -0.12
Rango 1.6
Mnimo 4.1
Mximo 5.7
Suma 586.1
Cuenta 120

0
5
10
15
20
25
F
r
e
c
u
e
n
c
i
a

Milmetros
Histograma
LRS 5.83 mm
LRI 3.94 mm

Anlisis: Se puede ver claramente que los datos, en cuanto a su dispersin con respecto a la media
se redujo, la desviacin estndar paso de 0.45 0 0.32 aproximndose ms a cero, que es lo ideal. El
ndice de Curtosis nos dice que la curva de la normal tiende a ser achatada con colas cortas y el
coeficiente de asimetra nos dice que existe mayor concentracin de datos a la izquierda que a la
derecha. Con ello se puede afirmar que se ha logrado una mejora pero se debe seguir mejorando
ya que, aunque el proceso est centrado presenta variabilidad.

3. Una caracterstica clave en la calidad de las pinturas es su densidad y un componente que
influye en tal densidad es la cantidad de arenas que se utilizan en su elaboracin. La
cantidad de arena en la formulacin de un lote se controla con base en el nmero de
costales, que segn el proveedor contienen 20 kg. Sin embargo, continuamente se tienen
problemas en la densidad de la pintura, que es necesario corregir con retrabajo y
reprocesos adicionales. En este contexto en la empresa se preguntan, cunta arena
contienen realmente los costales? Para averiguarlo deciden tomar una muestra aleatoria de
30 costales de cada lote pedido (500 costales). Los pesos obtenidos en las muestras de los
ltimos tres lotes se muestran a continuacin. Las especificaciones iniciales que se
establecen para el peso de los costales de arena son 200.8 kg.

Lote Peso de costales de la muestra
1
18.6 19.2 19.5 19.2 18.9 19.4 19.0 20.0 19.3 20.0
19.1 18.6 19.4 18.7 21.0 19.8 19.0 18.6 19.6 19.0
19.6 19.4 19.8 19.1 20.0 20.4 18.8 19.3 19.1 19.1
2
18.6 19.9 18.8 18.4 19.0 20.1 19.7 19.3 20.7 19.6
19.5 19.1 18.5 19.6 19.4 19.6 20.3 18.8 19.2 20.6
20.0 18.4 18.9 19.7 17.8 19.4 18.9 18.4 19.0 19.7
3
20.1 20.2 21.0 19.7 20.1 20.0 19.1 20.4 19.6 20.6
20.0 19.7 20.8 19.7 19.7 20.4 19.8 20.5 20.0 20.0
20.2 19.7 20.0 19.6 19.7 19.8 19.9 20.3 20.4 20.2

a) Tomando en cuenta los 90 datos, el centrado del proceso es adecuado?
b) La variabilidad es poca o mucha? Apyese en los estadsticos adecuados.
c) Obtenga un histograma para los noventa datos, inserte las especificaciones e interprtelo
con detalle.
d) D su conclusin general sobre si los bultos cumplen con el peso especificado.
e) Haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficas, seale si
hay diferencias grandes entre los lotes.
f) Las diferencias encontradas se podran haber inferido a partir del histograma del inciso c?

Costales
Media 19.562
Error tpico 0.069
Mediana 19.6
Moda 20
Curtosis -0.29
Rango 3.2
Mnimo 17.8
Mximo 21
Suma 1760.6
Cuenta 90

0
5
10
15
20
25
F
r
e
c
u
e
n
c
i
a

Kilogramos
Histograma "Peso de los Costales"

Anlisis: Los datos que corresponden al peso de los costales se encuentran con muy poca
variabilidad, ya que esto es evidente por el coeficiente de asimetra, Curtosis y la desviacin
estndar, cuyos valores se aproximan a cero. Se puede constatar que existe un ligero sesgo a la
izquierda.
Lote 1
Media 19.35
Error tpico 0.10
Mediana 19.25
Moda 19.1
Curtosis 1.39
Rango 2.4
Mnimo 18.6
Mximo 21
Suma 580.5
Cuenta 30

Anlisis: El lote 1, con respecto a la poblacin total de los costales, cuenta con mayor variabilidad,
con una mayor concentracin de los datos a la derecha de la media.
Lote 2
Media 19.2967
Error tpico 0.1260
Mediana 19.35
Moda 18.4
0
2
4
6
8
10
12
14
18.6 19.08 19.56 20.04 20.52 y mayor...
F
r
e
c
u
e
n
c
i
a

Kilogramo
Histograma "Lote 1"
Curtosis -0.26
Rango 2.9
Mnimo 17.8
Mximo 20.7
Suma 578.9
Cuenta 30

0
1
2
3
4
5
6
7
8
9
10
17.8 18.38 18.96 19.54 20.12 y mayor...
F
r
e
c
u
e
n
c
i
a

Kilogramos
Histograma "Lote 2"
Anlisis: El lote presenta mayor variabilidad en relacin al 1 y 2 con sesgo a la derecha donde la
mayora de los datos se concentran a la derecha y la curva normal presenta una forma ligeramente
achatada.
Lote 3
Media 20.04
Error tpico 0.07
Mediana 20
Moda 19.7
Curtosis 0.46
Rango 1.9
Mnimo 19.1
Mximo 21
Suma 601.2
Cuenta 30

0
2
4
6
8
10
12
19.1 19.48 19.86 20.24 20.62 y mayor...
F
r
e
c
u
e
n
c
i
a

Kilogramos
Histograma "Lote 3"

Anlisis: El proceso se encuentra con una ligera variabilidad en los datos, con acantilado lo que
ocasiona que los mismos presenten variabilidad, debido a que los datos tiendan a agruparse ms a
la derecha de la media causando una desviacin de 0.4 y dndole una forma alargada a la curva
normal.

4. En una empresa que fabrica y vende equipo para fotocopiado utilizan como un indicador
importante de la calidad en el servicio posventa el tiempo de respuestas a solicitudes de
apoyo tcnico debido a fallas en los equipos. Para problemas mayores, en cierta zona del
pas, se ha establecido como meta que la respuesta se d en un mximo de 6 horas hbiles;
es decir, de que habla el cliente solicitando apoyo, y que si el problema se clasifica como
grave no deben pasar ms de 6 horas hbiles en que un tcnico acuda a resolver su
problema. A continuacin se aprecian los tiempos de respuestas en horas para los primeros
9 meses del ao (65 datos).
5.0 5.4 7.1 7.0 5.5 4.4 5.4 6.6 7.1 4.2
4.1 3.0 5.7 6.7 6.8 4.7 7.1 3.2 5.7 4.1
5.5 7.9 2.0 5.4 2.9 5.3 7.4 5.1 6.9 7.5
3.2 3.9 5.9 3.6 4.0 2.3 8.9 5.8 5.8 6.4
7.7 3.9 5.8 5.9 1.7 3.2 6.8 7.0 5.4 5.6
4.5 6.5 4.1 7.5 6.8 4.3 5.9 3.1 8.3 5.4
4.7 6.3 6.0 3.1 4.8

a) Calcule las medidas de tendencia central y con base en stas, cree que se cumple con la
meta?
b) Haga un histograma e interprete sus aspectos ms relevantes.
c) A partir del anlisis que se ha hecho, qu recomendaciones dara para ayudar a cumplir
mejor la meta?

Columna1
Media 5.37
Error tpico 0.20
Mediana 5.5
Moda 5.4
Curtosis -0.52
Rango 7.2
Mnimo 1.7
Mximo 8.9
Suma 348.8
Cuenta 65

0
2
4
6
8
10
12
14
16
18
F
r
e
c
u
e
n
c
i
a

Tiempo de Respuesta
Histograma

Anlisis: Los datos correspondientes se encuentran con una variabilidad ligera donde la curva de la
normal tiende a ser achata y con colas muy cortas presentando un acantilado donde la mitad de los
datos son menor que 5.5 y la otra mitad son mayores o iguales a ese valor.

5. Los datos de la tabla siguiente representan las horas cadas de equipos, por semana, de tres
lneas de produccin.
Semana Lnea 1 Lnea 2 Lnea 3 Semana Lnea 1 Lnea 2 Lnea 3
1 7.7 6.6 7.5 14 6.3 6.5 8.5
2 6.8 5.2 8.1 15 7.8 7.7 8.0
3 8.5 7.2 6.2 16 6.7 7.4 7.7
4 8.6 9.2 7.4 17 7.3 6.1 7.5
5 5.7 6.7 8.2 18 5.7 6.2 8.2
6 7.9 6.2 6.0 19 6.2 7.3 7.7
7 8.1 7.1 8.2 20 7.3 6.9 7.0
8 7.6 8.1 8.1 21 5.0 6.1 .5
9 7.1 6.4 6.7 22 5.0 6.9 6.2
10 7.3 6.3 8.0 23 5.4 8.4 6.0
11 7.8 8.2 8.1 24 7.5 5.0 6.1
12 6.1 8.4 8.1 25 6.0 7.4 5.8
13 6.4 7.4 7.0

a) Analice los datos para cada lnea, anote las principales caractersticas de la distribucin
de los datos.
b) Compare las tres lneas, nota alguna diferencia importante?

Lnea 1
Media 6.87
Error tpico 0.21
Mediana 7.1
Moda 7.3
Curtosis -0.94
Rango 3.6
Mnimo 5
Mximo 8.6
Suma 171.8
Cuenta 25

0
1
2
3
4
5
6
7
8
9
5 5.72 6.44 7.16 7.88 y mayor...
S
e
m
a
n
a
s

Horas Cadas
Histograma "Lnea 1"

Anlisis: La curva de la normal tiende a ser plana o achatada debido a como los datos se
encuentran distribuidos, aunque la deviacin estndar no es grande en magnitud, sigue siendo un
problema muy grande ya que la variabilidad existe en el proceso y mientras la empresa no le de
solucin va a seguir perdiendo tiempo, un factor importante para los clientes y as cumplir con los
tiempos de entrega. Tambin presenta sesgo a la izquierda.
Lnea 2
Media 7.00
Error tpico 0.20
Mediana 6.9
Moda 7.4
Curtosis 0.01
Rango 4.2
Mnimo 5
Mximo 9.2
Suma 174.9
Cuenta 25

Anlisis: El coeficiente de asimetra nos muestra que hay mayor concentracin de datos a la
derecha de la media y el coeficiente de Curtosis se aproxima mucho a 0 lo que nos dice que la
campada de Gauss se aproxima ms a la curva normal deseada, curva que en este caso representa
el proceso en la lnea 2.
Lnea 3
Media 7.07
Error tpico 0.32
Mediana 7.5
Moda 8.1
0
1
2
3
4
5
6
7
8
9
10
5 5.84 6.68 7.52 8.36 y mayor...
S
e
m
a
n
a
s

Horas Cadas
Histograma "Lnea 2"
Curtosis 11.35
Rango 8
Mnimo 0.5
Mximo 8.5
Suma 176.8
Cuenta 25

Anlisis: La lnea 3 presenta mayor variabilidad en su proceso, con acantilado y un coeficiente de
asimetra de -2.96 y cuyo coeficiente de Curtosis nos muestra que la curva es alargada en el centro.
0
2
4
6
8
10
12
14
16
18
0.5 2.1 3.7 5.3 6.9 y mayor...
F
r
e
c
u
e
n
c
i
a

Clase
Histograma "Lnea 3"
6. Una caracterstica importante en la calidad de la leche de vaca es la concentracin de grasa.
En una industria en particular se ha fijado como estndar mnimo que debe cumplir el
producto que recibe directamente de los establos lecheros, 3.0%. Por medio de muestreos
y evaluaciones en cierta poca del ao se obtuvieron los siguientes 90 datos sobre
concentracin de grasa, en cierta regin.

2.7 3.4 3.5 4.0 3.1 3.3 3.5 3.3 3.2 3.4 2.6 3.1
3.4 2.7 3.3 3.6 2.9 2.8 3.0 3.6 3.5 2.8 3.1 2.8
2.2 3.4 3.3 2.5 3.4 2.7 2.9 3.6 3.3 2.7 3.7 3.3
3.2 3.1 2.9 2.7 3.3 3.6 3.3 3.1 3.1 3.4 3.0 3.5
3.4 3.0 2.9 3.2 3.2 3.0 3.3 3.9 3.3 3.0 3.0 3.5
2.9 3.5 3.1 3.5 3.0 3.1 2.9 3.1 3.1 2.9 2.9 3.4
3.4 3.1 3.2 3.3 3.2 3.3 3.0 3.2 3.5 3.4 3.8 3.2
2.9 3.0 3.2 3.2 3.3 3.8

a) Calcule las medidas de tendencia central y de variabilidad, y comente sobre el
cumplimiento del estndar mnimo para la concentracin de la grasa.
b) Obtenga un histograma, inserte el estndar mnimo e interprete ampliamente.
c) La poblacin de donde provienen estos datos, cumple el estndar mnimo?

Columna1
Media 3.19
Error tpico 0.03
Mediana 3.2
Moda 3.3
Curtosis 0.52
Rango 1.8
Mnimo 2.2
Mximo 4
Suma 286.9
Cuenta 90

Anlisis: Aqu los datos obtenidos sobre el nivel de concentracin de grasa en la leche de vaca
presentan poca variabilidad donde la curva normal tiende a ser un poco alargada.

7. A continuacin se muestran 100 datos obtenidos en las pruebas destructivas de la
resistencia de botellas.

28.3 26.8 26.6 26.5 28.1 24.8 27.4 26.2 29.4 28.6 24.9 25.2
30.4 27.7 27.0 26.1 28.1 26.9 28.0 27.6 25.6 29.5 27.6 27.3
0
5
10
15
20
25
F
r
e
c
u
e
n
c
i
a

Concentracin
Histograma
26.2 27.7 27.2 25.9 26.5 28.3 26.5 29.1 23.7 29.7 26.8 29.5
28.4 26.3 28.1 28.7 27.0 25.5 26.9 27.2 27.6 25.5 28.3 27.4
28.8 25.0 25.3 27.7 25.2 28.6 27.9 28.7 25.3 29.2 26.5 28.7
29.3 27.8 25.1 26.6 26.8 26.4 26.4 26.3 28.3 27.0 23.7 27.7
26.9 27.7 26.2 27.0 27.6 28.8 26.5 28.6 25.7 27.1 27.8 24.7
27.1 26.4 27.2 27.3 27.0 27.7 27.6 26.2 24.7 27.2 23.8 27.4
29.5 26.4 25.8 26.7

a) Calcule medidas de tendencia central y de variabilidad.
b) Estime los lmites reales y comente si las botellas cumplen la resistencia mnima e
interprete ampliamente.
c) Obtenga un histograma, inserte la resistencia mnima e interprete ampliamente.
d) Con base en los anlisis anteriores, d su opinin sobre si el proceso cumple con la
especificacin inferior.

Columna1
Media 27.10
Error tpico 0.14
Mediana 27.1
Moda 27.7
Curtosis -0.10
Rango 6.7
Mnimo 23.7
Mximo 30.4
Suma 2709.5
Cuenta 100

LRS 31.26
LRI 22.93

Anlisis: La informacin obtenida de las pruebas destructivas para ver la resistencia de las botellas
tiene mucha variabilidad ya que la desviacin estndar as lo indica, donde la curva normal tiende a
ser achatada.

8. En la elaboracin de una bebida se desea a garantizar que el porcentaje de CO2 est entre
2.5 y 3.0. De los datos obtenidos del monitoreo del proceso se obtuvieron los siguientes
115 datos.
0
5
10
15
20
25
F
r
e
c
u
e
n
c
i
a

Resistencia de las Botellas
Histograma

2.61 2.56 2.63 2.61 2.56 2.60 2.56 2.60 2.55 2.64 2.66 2.65
2.69 2.51 2.56 2.64 2.52 2.57 2.60 2.67 2.48 2.57 2.66 2.59
2.61 2.61 2.66 2.64 2.56 2.58 2.61 2.57 2.56 2.59 2.67 2.57
2.57 2.49 2.58 2.69 2.61 2.64 2.57 2.55 2.70 2.65 2.67 2.65
2.73 2.65 2.58 2.67 2.53 2.67 2.62 2.57 2.64 2.55 2.64 2.52
2.60 2.67 2.71 2.51 2.57 2.57 2.51 2.67 2.50 2.56 2.65
2.61 2.49 2.66 2.52 2.60 2.63 2.61 2.60 2.56 2.67 2.61
2.62 2.52 2.72 2.53 2.64 2.52 2.60 2.53 2.62 2.64 2.60
2.53 2.61 2.68 2.59 2.63 2.66 2.59 2.58 2.65 2.57 2.52
2.64 2.55 2.63 2.59 2.62 2.52 2.49 2.55 2.60 2.61 2.58

a) Con medidas de tendencia central seale si la tendencia central de las mediciones es
adecuada.
b) Calcule las desviaciones estndar y una aproximacin de los lmites reales y con base en
stos decidida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprtelo.
d) Con la evidencia obtenida antes, cul es su opinin sobre la capacidad del proceso referido.

Columna1
Media 2.599
Error tpico 0.005
Mediana 2.600
Moda 2.610
Curtosis -0.587
Rango 0.250
Mnimo 2.480
Mximo 2.730
Suma 298.870
Cuenta 115

Anlisis: Se puede decir, en este caso, que la variabilidad de los datos con respecto al porcentaje de
CO2 es mnima, lo que es indicado por la desviacin, la asimetra y el coeficiente de Curtosis,
donde se ve que los datos tienden a estar centrados con poca variabilidad.

0
5
10
15
20
25
F
r
e
c
u
e
n
c
i
a

Porcentaje de CO2
Histograma
CAPTULO 6

1. En un proceso de manufactura las piezas resultan defectuosas por distintas razones. Para
entender cul es la regularidad estadstica de esta problemtica se decide registrar los datos
de la inspeccin. Para el diseo de la hoja de verificacin se toma en cuenta que las
posibles fuentes de variabilidad (origen de los problemas) son las mquinas, el da y el
turno. En la siguiente tabla se muestran los datos obtenidos en una semana.

Mquina
Lunes Martes Mircoles Jueves Viernes
AM PM AM PM AM PM AM PM AM PM
A oo
x
-
O
X
ooo

o
xx
ooooo
xxx
-
ooooo
xxx
/
ooo
x
- -
o
xx
/
ooo

//

xx
B oooo
xx
-
oooo
xxx
-
ooo
xx
oooooo
xx
- /
oooooooo
-
x
oooooooo
xx
ooooo
xx
- - /
oooo
xx
-
ooooo

/
ooo
x
C oo
x
O
x
oo
/
oooooo

oooooo
x
oo o

-
oo

*
oo

/
D oo
x
O
x
oo
/
oo
*
ooo
/
*
oooo
x
oo

-
oo
*
oo
**
/
o
***

(o) Rasguos superficiales, (x) Rupturas, (-) Incompletas, (/) Forma inapropiada, (*) Otro.

a) Realice un Pareto para problemas y encuentre cul es el predominante.
b) Para el defecto principal, realice Paretos de segundo nivel en funcin de:
Mquinas.
Da.
Turno.
c) De los Paretos de segundo nivel, con cules se encontr pistas especficas para localizar la
causa? Explique.
d) En resumen, cules son las pistas concretas para orientar los esfuerzos de mejora?

Pareto de Problemas
Problema Frecuencia % Frecuencia
Frecuencia
Acumulada
Rasguos superficiales 119 62% 62%
Rupturas 39 20% 82%
Incompletas 13 7% 89%
Forma inapropiada 12 6% 95%
Otros 9 5% 100%
Total 192 100%

0%
20%
40%
60%
80%
100%
120%
0
20
40
60
80
100
120
140
F
r
e
c
u
e
n
c
i
a

Tipo de Defecto
Diagrama de Pareto
Frecuencia
Frecuencia
acumulada

Anlisis: El problema de rasguos superficiales y las rupturas cusan el 82% de los problemas, de
los cuales el primero constituye el 62% y ese es el problema que debe tener prioridad para ser
erradicado.
Pareto de Mquinas
Mquinas Frecuencia
%
Frecuencia
Frecuencia
Acumulada
B 50 42% 42%
A 24 20% 62%
C 24 20% 82%
D 21 18% 100%
Total 119 100%

0%
20%
40%
60%
80%
100%
120%
0
10
20
30
40
50
60
B A C D
F
r
e
c
u
e
n
c
i
a

Mquina
Diagrama de Pareto
Frecuencia
Frecuencia
acumulada

Anlisis: Las mquinas B, A y C generan el 82% de los problemas que surgen en el proceso, ya sea
por averas o fallas. De ellas la que produce mayor cantidad de problemas es la B, donde debera
de hacerse un estudio y determinar si las fallas son de origen humano o tecnolgico.

Pareto de Das
Da Frecuencia
%
Frecuencia
Frecuencia
Acumulada
Mircoles 45 38% 38%
Jueves 20 17% 55%
Martes
19 16% 71%
Viernes 18 15% 86%
Lunes
17 14% 100%
Total 119 100%

Anlisis: Los das en los que se hacen presentan la mayor cantidad de fallas son el mircoles,
jueves, martes y viernes. Es en esos das donde se producen 82% de los problemas que hay en el
proceso.

0%
20%
40%
60%
80%
100%
120%
0
10
20
30
40
50
F
r
e
c
e
u
n
c
i
a

Da
Diagrama de Pareto
Frecuencia
Frecuencia
acumulada
Pareto de Turnos
Turnos Frecuencia
%
Frecuencia
Frecuencia
Acumulada
I 66 55% 55%
II 53 45% 100%
Total 119 100%

Anlisis: El turno en el que se dan la mayor cantidad de problemas es el turno I, donde se generan
el 55% de los problemas y es en el que se tiene que investigar la causas por las cuales se originan
dichas fallas.
0%
20%
40%
60%
80%
100%
120%
0
10
20
30
40
50
60
70
I II
F
r
e
c
u
e
n
c
i
a

Turno
Pareto de Turnos
Frecuencia
Frecuencia
acumulada

2. En una fbrica de aparatos de lnea blanca se han tenido problemas con la calidad de las
lavadoras. Un grupo de mejora de la calidad decide revisar los problemas de la tinta de las
lavadoras, ya que frecuentemente es necesario retrabajarla para que sta tenga una calidad
aceptable. Para ello estratificaron los problemas en la tina de lavadora por tipo de defecto,
con la idea de localizar cul es el defecto principal. A continuacin se muestra el anlisis de
los defectos encontrados en las tinas producidas en cinco meses. Realice un anlisis de
Pareto y obtenga conclusiones.

Defecto Frecuencia
Ovalada la boca de la tina 1,200
Perforaciones deformes 400
Boca de tina despostillada 180
Falta de fundente 130
Mal soldada 40
Total 1,950

Defecto Frecuencia % Frecuencia Frecuencia
acumulada
Boca de la tina ovalada 1200 62% 62%
Perforaciones deformes 400 21% 82%
Boca de la tina despostillada 180 9% 91%
Falta de fundente 130 7% 98%
Mal soldada 40 2% 100%
Total 1950 100%

Anlisis: Los defectos principales en las tinas de lavadora son que la boca de las mismas sea
ovalada o que tenga perforaciones deformes ya que constituyen el 82% de los problemas y es aqu
donde se deben concentrar los esfuerzos para reducir tales defectos.

3. En cierta empresa es usual pagar horas extras para cumplir con los tiempos de entrega. En
este centro productivo, un grupo de mejora de calidad est tratando de reducir la
proporcin de piezas malas. Con este propsito deciden investigar la relacin entre la
0%
20%
40%
60%
80%
100%
120%
0
500
1000
1500
F
r
e
c
u
e
n
c
i
a

Defecto
Diagrama de Pareto
Frecuencia
Frecuencia
acumulada
cantidad de horas extras, X, y el porcentaje de artculos defectuosos, Y. A continuacin se
muestran los datos obtenidos.
Semana Horas extras
Porcentaje de
defectuosos
1 340 5
2 95 3
3 210 6
4 809 15
5 80 4
6 438 10
7 107 4
8 180 6
9 100 3
10 550 13
11 220 7
12 50 3
13 193 6
14 290 8
15 340 2
16 115 4
17 362 10
18 300 9
19 75 2
20 93 2
21 320 10
22 154 7

a) Obtenga el diagrama de dispersin para estas variables.
b) Qu relacin observa?
c) Con base en lo anterior, puede concluir con seguridad que cuando se trabaja tiempo extra
se incrementa el porcentaje de defectuosos, porque ocurren factores como calentamiento
de equipo, cansancio de obreros, etc., que causan mayores problemas en la calidad de las
piezas?

Anlisis: La relacin existen entre la cantidad de horas extras y el nmero de defectos es lineal
positiva, lo que quiere decir que a ms horas de trabajo mayores defectos, ya que por el cansancio
los trabajadores van a laborar sin motivacin alguna.

4. En una empresa del ramo grfico se ha llevado durante dos meses el registro del tipo de
defectos que tienen los productos finales, obtenindose los siguientes problemas con sus
respectivos porcentajes: fuera de tono, 35%; manchas, 30%; fuera de registro, 15%; mal
corte, 12%; cdigo de barras opaco, 8%. De acuerdo con el principio de Pareto, se puede
decir que el problema vital, desde el punto estadstico, es fuera de tono?
Problemas % Frecuencia F. acumulada
Fuera de tono 35% 35%
Manchas 30% 65%
Fuera de registro 15% 80%
Mal corte 12% 92%
Cdigo de barras opaco 8% 100%
Total 100%

Anlisis: Realmente el 80% de los problemas no es nicamente causado por fallas fuera de tono,
sino tambin por manchas y errores fuera de registro.

y = 0.0171x + 2.111
R = 0.7368
0
2
4
6
8
10
12
14
16
18
0 200 400 600 800 1000
Series1
Lineal (Series1)
CAPTULO 7

1. Segn la informacin proporcionada por cada carta X-R sobre un proceso de produccin
de piezas metlicas, la media de la longitud de tales piezas es 50mm y el rango medio con
tamao de muestra 5, es 0.6; conteste:
a) Obtenga la desviacin estndar del proceso.
b) Calcule los lmites de control para la carta X (tamao de sub-grupo 5) e interprtelos.
c) Tambin obtenga los lmites de control para la carta R y explique su significado prctico.
d) Si la especificacin inferior y superior para esta pieza es 49 y 51 mm, respectivamente;
calcule los lmites reales o naturales e interprtelos.
e) Explique para qu sirven los lmites que obtuvo en los incisos b y c y para qu los que
obtuvo en el inciso d.
f) El proceso es capaz? Argumente.
g) Tiene informacin suficiente para comprobar si el proceso es estable (est en control
estadstico)? Explique y argumente.

Lmites de Control, Carta R
LCS 0.6
LCI 0.6
LCC 0.6

Lmites Naturales
LRS 50.7739
LRI 49.2261

Interpretacin: Los lmites de la carta X establecen de donde a donde deben estar ubicados los
datos de un proceso con respecto a la centralidad del mimo y los lmites de la carta R miden la
variabilidad de los mismos. Y para poder comprobar si la estabilidad del proceso es estable se
necesita recolectar datos procedentes del proceso.
Lmites de Control, Carta X
LCS 50.3462
LCI 49.6538
LCC 50

2. El peso ideal del contenido neto de una caja de cereal es de 250.0g, y se tiene una
tolerancia de 2.5 g. Para monitorear tal peso se usa una carta de control XR. de datos
histricos se tiene que la media y la desviacin estndar del proceso son = 249.0 y =
0.70, respectivamente. Con esta informacin conteste las siguientes preguntas:

a) Cules son las especificaciones para el peso? Y explique por qu es importante
cumplirlas. Las especificaciones del peso son:
ES 252.5
EI 247.5

Las especificaciones son importantes porque son dadas por los clientes, por quienes la
empresa funciona.
b) Explique en forma y con sus palabras, Qu se le controla al peso con la carta X y que
con la carta R? Considerando un tamao de subgrupo de 4, obtenga la lnea central y
los lmites de control para la correspondiente carta X, e interprete.
LCS 4.223
LCI 0.578
LCC 2.4

Con la carta X se mide cun centrado est el proceso y con la carta R la variabilidad que hay en el
mismo.

3. En una empresa en la que se fabrican corcholatas o tapas metlicas para bebidas gaseosas,
un aspecto importante es la cantidad de PVC que lleva cada corcholata, el cual determina el
espesor de la pelcula que hace que la bebida quede bien cerrada. El peso de los grnulos
de PVC debe estar entre 212 y 218 mg. Si el peso es menor a 212 mg, entonces, entre otras
cosas, la pelcula es muy delgada y eso puede causar fugas de gas en la bebida. Pero si el
peso es mayor a 218 g, entonces se gasta mucho PVC y aumentan los costos. Para asegurar
que se cumple con especificaciones, de manera ordinaria se usa una carta de control: cada
30 minutos se toma una muestra de cuatro grnulos consecutivos de PVC y se pesan. En la
siguiente tabla se muestran las ltimas 25 medias y los rangos obtenidos del proceso.
Subgrupos Media Rango
1 214.18 2.5
2 213.48 2.7
3 213.98 2.2
4 214.12 1.8
5 214.46 2.5
6 213.38 2.7
7 213.56 2.3
8 214.08 1.8
9 213.72 2.9
10 214.64 2.2
11 213.92 2.4
12 213.96 3.6
13 214.2 0.4
14 213.74 3.2
15 214.26 1.2
16 214.18 2.2
17 214.0 1.0
18 213.6 2.0
19 214.2 2.7
20 214.38 0.8
21 213.78 2.0
22 213.74 1.6
23 213.32 2.4
24 214.02 3.2
25 214.24 1.1
Media 213.966 2.136

a) Calcule los lmites de una carta X-R y obtenga las cartas.
b) Interprete las cartas (puntos fuera, tendencias, ciclos, etctera)
c) El proceso muestra una estabilidad o estado de control estadstico razonable?
d) Analice la capacidad del proceso, para ello:
a. Calcule los lmites reales del proceso e interprtelos.

Interpretacin: El proceso de fabricacin de las corcholatas se encuentra fuera de control
estadstico en cuanto a su centrado ya que no se cumplen una serie de criterios para poder afirmar
su estabilidad y buen funcionamiento. En la carta X 13 puntos se encuentran fuera de control
estadstico pero sin embargo, en la carta R se cumple con los niveles de variabilidad en el mismo.

Carta X

LCS 216.97
LCI 213.85
LCC 215.41
A2 0.729

200
205
210
215
220
225
230
235
1 3 5 7 9 11 13 15 17 19 21 23 25
Promedio
LCS
LCI
LC

Carta R

LCS 4.874779
LCI 0
LCC 2.136
d3 0
d4 2.2822

0
1
2
3
4
5
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Rango
LCS
LCI
LC

4. En el caso de la longitud de las bolsas del ejercicio 11, se decide emplear una carta de
control X R utilizando un tamao de subgrupo de cinco, en donde se toman cinco bolsas
consecutivas cada determinado tiempo. En la siguiente tabla se muestran las medias y los
rangos de los ltimos 40 subgrupos (los datos estn en milmetros)
a) Calcule los lmites de una carta X R y obtenga las cartas.
b) Interprete las cartas (puntos fuera, tendencias, ciclos, altas variabilidad, etc.).

Subgrupo Media Rango Subgrupo Media Rango
1 301.12 1.9 21 302 4.6
2 300.96 1 22 299.02 3.5
3 301.16 3.6 23 299.5 3.1
4 300.5 1 24 300.3 2.3
5 301.28 2.5 25 301.64 3.4
6 299.92 2.3 26 300.88 2.9
7 300 2.3 27 301.28 1.8
8 301.86 1.5 28 300.75 1.5
9 301.52 2.3 29 301.6 3.1
10 302.8 0.4 30 300.53 2.8
11 299.01 3 31 300.41 1.4
12 300.02 2.5 32 300.19 2.1
13 300.1 2.3 33 301.12 3.4
14 301.28 3.4 34 300.8 3.2
15 301.02 1.1 35 300.27 3.4
16 300.7 3.9 36 300.91 2.7
17 301.2 3.1 37 300.48 3.2
18 300.96 3.1 38 302 1.8
19 300.24 3.7 39 299.22 3.5
20 301.86 2.7 40 300.59 3

Carta X
n 40
A2 0.153
X 300.775
LCS 301.174
LCI 300.376
LCC 300.775
R 2.608

Interpretacin: En la carta X se puede apreciar como varios puntos se encuentran fuera de control
estadstico, lo que hace al proceso impredecible ya que se rompe el criterio 14, adems se puede
apreciar en la grfica los cambios bruscos que hay dentro del proceso, y esto es algo que se debe
erradicar totalmente de dicho proceso.

Carta R
n 40
D3 0.4597
D4 1.5403
297
298
299
300
301
302
303
304
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Media
LCS
LCI
LCC
LCS 1.199
LCI 4.016
LCC 2.608
R 2.608

Interpretacin: La longitud de las bolsas en cuanto a su variabilidad se encuentran fuera de control
estadstico, ya que al igual que la carta X no se cumplen muchos criterios y la variabilidad
experimenta muchas subidas y cadas bruscas.

5. Se desea que la resistencia de un artculo sea de por los menos 300 psi. Para verificar que
se cumple con tal caracterstica de calidad, se hacen pequeas inspecciones peridicas y los
datos se registran en una carta X-R. El tamao de subgrupo que se ha usado es de tres
artculos, que son tomados de manera consecutiva cada dos horas. Los datos de los ltimos
subgrupos se muestran en la tabla 7.5. Conteste:
a) Dado que la media de media es 320.73, el proceso cumple con las especificacin inferior
(El=300)? Explique.
b) Calcule los lmites de la Carta X-R, e interprtelos.
c) Obtenga las cartas e interprtelas.

Subgrupo Datos Media Rango
1 315.6 319.2 303.8 312.87 15.4
2 218.8 309.2 321.4 316.47 12.2
3 311.2 312.1 342.9 322.07 31.7
4 322.0 321.1 329.1 324.07 8.0
5 315.2 327.4 300.6 314.40 26.8
6 310.3 319.8 338.5 322.87 28.2
7 320.6 315.9 318.3 318.27 4.7
0
1
2
3
4
5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Rango
LCS
LCI
LCC
8 322.2 303.6 323.4 316.40 19.8
9 329.1 306.7 312.4 316.07 22.4
10 322.4 318.8 299.7 313.63 22.7
11 326.2 310.1 338.5 324.93 28.4
12 328.8 325.0 322.0 325.27 6.8
13 328.8 306.3 305.6 313.57 23.2
14 318.7 320.8 310.3 316.60 10.5
15 326.7 316.7 327.3 323.57 10.6
16 313.4 307.4 329.5 316.77 22.1
17 337.3 312.9 324.4 324.87 24.4
18 316.3 314.1 323.0 317.80 8.9
19 327.2 338.2 340.9 335.43 13.7
20 337.8 343.0 337.4 339.40 5.6
21 309.2 321.7 310.5 313.80 12.5
22 314.3 321.6 318.0 317.97 7.3
23 318.9 322.2 333.5 324.87 14.6
24 303.7 326.3 337.1 322.37 33.4
25 319.3 338.8 320.9 326.33 19.5
26 317.0 327.4 312.5 318.97 14.9
27 310.6 318.5 336.7 321.93 26.1
28 319.5 326.0 333.2 326.23 13.7
29 308.6 321.7 306.0 312.10 15.7
30 316.2 321.6 328.5 322.10 12.3
320.73 17.2
Carta X
n 3
A2 1.023
Gran Media 320.73
LCS 338.331
LCI 303.133
LCC 320.732
R 17.203

280
290
300
310
320
330
340
350
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Promedio
LCS
LCI
LCC

Interpretacin: La resistencia de los artculos se encuentra fuera de control estadstico ya que se
cumplen los criterios 1, 3 y 14 que hacen que dicho proceso sea impredecible estadsticamente. En
cuanto a su centralidad dicho proceso est fuera de control.
Carta R
d4 2.5735
d3 0
R 17.20
LCS 44.27
LCI 0
LCC 17.20

Interpretacin: En cuanto a la variabilidad en la resistencia de los artculos estos se encuentran
dentro de control estadstico ya que ninguno de los puntos sale de los lmites de control.

0
5
10
15
20
25
30
35
40
45
50
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Rango
LCS
LCI
LCC
6. Una empresa que hacen impresiones en lminas de acero que despus se convierten en
recipientes de productos de otras empresas. Un aspecto importante a vigilar en dicha
impresin es la temperatura de Horneado, donde, entre otras cosas, se da adherencia y
se seca la lmina una vez que ha sido impresa. En una fase particular de la horneada se
tiene que la temperatura de cierto horno debe ser 125 grados centgrados, con una
tolerancia de ms menos 5 grados centgrados. Si no se cumple con tal rango de
temperatura, entonces se presentan problemas en la calidad final de la impresin. A pesar
que el horno se la programa la temperatura, en la tabla 7.9 se muestran los ltimos 45 datos
en el orden que se obtuvieron, con el rango mvil para facilitar clculos.

a) Por qu utilizar en este caso una carta de individuales y no una carta X-R?
b) Estime los lmites de control para la carta de individuales e interprtelos.
c) Obtenga la carta e interprtela.
d) En el punto 32 se decidi hacer un ajuste al horno, tiene algn fundamento estadstico la
decisin de hacer el ajuste? la decisin fue oportuna?
e) Alguien no est del todo de acuerdo en la decisin tomada, argumentando que la
temperatura todava estaba dentro de especificaciones, Qu opina al respecto?

Subgrupo Temperatura
Rango
Mvil
Subgrupo Temperatura
Rango
Mvil
1 27.4 24 26.5 2.7
2 26.8 0.6 25 23.3 3.2
3 24.3 2.5 26 23.8 0.5
4 26.6 2.3 27 25.5 1.7
5 26.5 0.1 28 26.4 0.9
6 25.6 0.9 29 27.5 1.1
7 25.1 0.5 30 27.7 0.2
8 26.5 1.4 31 28.5 0.8
9 25.8 0.7 32 29.8 1.3
10 24.7 1.1 33 25.1 4.7
11 23.3 1.4 34 25.0 0.1
12 23.3 0.0 35 22.9 2.1
13 24.7 1.4 36 23.6 0.7
14 23.4 1.3 37 24.7 1.1
15 27.4 4.0 38 24.4 0.3
16 24.7 2.7 39 25.4 1.0
17 21.7 3.0 40 23.5 1.9
18 26.7 5.0 41 27.8 4.3
19 24.2 2.5 42 25.5 2.3
20 25.5 1.3 43 26.4 0.9
21 25.3 0.2 44 24.5 1.9
22 25.0 0.3 45 23.5 1.0
23 23.8 1.2 Media 25.32 1.57

d2 1.1218
LCS 29.55975
LCI 21.08914
LCC 25.32

Interpretacin: El proceso de horneado se encuentra fuera de control estadstico ya que la
variacin en la temperatura hace que uno de los puntos se salga de los lmites de control
establecidos.
0
5
10
15
20
25
30
35
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Temperatura
LCS
LCI
LC

7. En una empresa se lleva el registro por consumo de agua por semana, y de acuerdo con los
datos histricos se sabe que = 170.2 metros cuadrados con =10.4.
a) Es mejor llevar el control de esta variable a travs de una carta de control. Por qu?
b) Obtenga los lmites de control para la carta de individuales e interprtelos.
c) Cmo se detectara en la carta los efectos de un programa de ahorro de agua?
LCS 201.4
LCI 167.2
LC 170.2

8. En el departamento de sistemas se lleva un registro del tiempo de respuesta a solicitudes de
servicio de clientes internos. Los ltimos datos en horas y en el orden de ocurrencia se
muestran a continuacin (el orden es por regin).
39 92 38 33 119 32 96 32
35 34 42 39 78 37 26 32
38 43 46 37 28 40 35
35 41 37 44 37 34 43
42 86 117 43 42 33 37
98 126 31 40 52 29 71
49 57 33 34 34 23 36
42 27 33 37 37 96 29
39 87 109 37 122 33 62

a) Es apropiado analizar estos datos mediante una carta de individuales?
b) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos.
c) Obtenga los lmites de control para una carta de control de individuales e interprtelos.
d) Obtenga la carta de control e interprtela.
e) El tiempo de respuesta es estable?
f) Grafique los datos en un histograma.
g) Observe cmo se aprecia en el histograma lo especial percibido en la carta, comente.
h) Cul sera su conclusin sobre la causa de los que se puede observar de especial?

d2 1.128
LCS 48.97
LCS 50.89
LCC 49.92

-40
-20
0
20
40
60
80
100
120
140
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64
Respuesta de
solicitudes
LCS
LCI
LC

9. En el departamento de capacitacin de una empresa se lleva un registro por alumno del
porcentaje de asistencia a cada evento de capacitacin. Con el total de alumnos que asisten
a cada curso. A continuacin se muestran los resultados de los ltimos 30 cursos:

71 74 79 65 85 76 76 61 74 78
78 99 70 76 88 78 82 67 72 76
70 79 71 74 80 70 83 69 77 75
71 72 75 71 70 73 69 74 77 78
78 79

a) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos.
b) Analizar estos datos mediante una carta de individuales.
c) Obtenga la carta de control e interprtela.
d) Se puede considerar satisfactoria la calidad de los cursos?
e) Qu observa de especial en la carta?
f) Cules podran ser las razones de los puntos especiales?
g) Qu lmites de control utilizara a futuro, de tal forma que reflejen la realidad
prevaleciente?
h) A su juicio cules podran las causes comunes que contribuyen al nivel de ausentismo
observado?
d2 1.128
LCS 94.57
LCI 55.91
LCC 75.24

0
20
40
60
80
100
120
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
Asistencia
LCS
LCC
LCI
CAPTULO 8
1. En una empresa del ramo metalmecnico se fabrican vlvulas. Despus del proceso de
fundicin se hace una inspeccin y las piezas que no cumplen con ciertas caractersticas son
rechazadas. Las razones por las que pueden ser rechazadas son diversas: piezas
incompletas, porosas, mal formadas, etctera. Para evaluar la variabilidad y la magnitud de
la proporcin de piezas defectuosas en el proceso de fundicin se decide implementar una
carta p. el proceso de fundicin se hace por lotes. Aunque regularmente el tamao de lote
es fijo, n=300, en ocasiones por diferentes motivos en algunos lotes se hacen unas cuantas
piezas de ms o de menos. En la siguiente tabla se muestran los datos obtenidos durante
una semana para un cierto tipo de vlvulas.

Lote Tamao de lote Defectuosas Proporcin
1 300 15 0.050
2 300 12 0.040
3 300 15 0.050
4 300 7 0.023
5 300 16 0.048
6 300 6 0.020
7 300 18 0.060
8 280 10 0.036
9 290 9 0.031
10 300 15 0.050
11 300 9 0.030
12 300 4 0.013
13 300 7 0.023
14 300 9 0.030
15 305 5 0.016
16 295 15 0.051
17 300 19 0.063
18 300 7 0.023
19 300 12 0.040
20 300 10 0.033
21 300 4 0.013
Total 6,300 224

a) Calcule los lmites de control utilizando el tamao de subgrupo (lote) promedio.
b) Cmo explicara los lmites de control a alguien que no tiene conocimientos profundos de
estadstica?
c) Grafique la carta correspondiente e interprtela.
d) El proceso es estable?
e) Se puede considerar que la calidad del proceso es aceptable? Argumente.

n 21
LCS 0.0674
LCI 0.0034
LC 0.03538

0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
1 3 5 7 9 11 13 15 17 19 21
Proporcin, p
LCS
LCI
LC

2. En el caso del ejercicio 5:
a) Suponga que todos los lotes tienen el mismo tamao (el promedio), calcule los lmites
de control para una carta np, e interprtelos.
b) Grafique la correspondiente carta np y analcela.
c) El proceso es estable?
d) Observa alguna diferencia importante entre la carta p y la np?
e) Cul, carta p o la np sera la ms conveniente en este caso? Argumente.

n 300
N Lotes 21
p-promedio 0.036
LCS 20.29
LCC 10.67
LCI 1.044
np 10.67

0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Componentes
Defectuosos
LCS
LCC
LCI

3. En un proceso se lleva una carta p, cuya lnea central es 0.08. Si se toma un lote de 100
artculos y se obtienen 16 defectuosos, ese lote es anormal?, es decir, en la produccin
de ese lote el proceso estuvo fuera de control estadstico? Conteste calculando los lmites
de control considerando n= 100 y p= 0.08.
n 100
p 0.08
Defectos totales 16
p-promedio 16%
LCS 27%
LCI 5%
LCC 16%

4. En un proceso de produccin se produce por lotes de tamao 500, en la inspeccin final
de los ltimos 30 lotes se obtuvieron la siguiente cantidad de artculos defectuosos.

Lote Tamao Lote Tamao
1 11 16 11
2 12 17 20
3 15 18 15
4 17 19 12
5 11 20 17
6 10 21 18
7 13 22 14
8 25 23 10
9 17 24 8
10 13 25 10
11 11 26 6
12 12 27 7
13 17 28 5
14 8 29 9
15 12 30 6

a) Calcule los lmites de control para una carta p.
b) Grafique la carta p e interprtela.
c) El proceso es estable?
d) Con sus palabras diga que significan los lmites de control y la lnea central.
e) A partir del lote 20 se empez a ejecutar un plan de mejora, hay algn tipo de evidencia
de que el plan haya dado resultado?

p 2.48%
LSC 4.57%
LIC 0.39%

0
0.01
0.02
0.03
0.04
0.05
0.06
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Fraccin defectuosa
p
LCS
LCI
LCC
5. En una empresa se ha usado una carta p para analizar la variacin en la proporcin de
artculos defectuosos.
a) Si la lnea central de esta carta es 0.05, el tamao de subgrupo es de 150, calcule los lmites
de control de la carta e interprtelos.
b) Si la proporcin de defectuosos de nueve lotes consecutivos de tamao 150, fueron los
siguientes: 0.02, 0.065, 0.07, 0.08, 0.09, 0.07, 0.11, 0.10, 0.09. Analice estos datos con los
datos del inciso anterior y seale si en la produccin de estos lotes el proceso estuvo en
control estadstico o si hubo algn cambio importante.
c) Haga lo mismo que el inciso a pero utilizando un tamao de subgrupo de 300, e interprete
los lmites que obtenga.
d) Qu efecto tiene el tamao de subgrupo en la amplitud de los lmites de control de una
carta p?
LCS 0.103
LCC 0.05
LCI 0
n 150

Lote Proporcin LCS LCI LCC
1
0.02 0.12 0.03 0.08
2
0.07 0.12 0.03 0.08
3 0.07 0.12 0.03 0.08
4
0.08 0.12 0.03 0.08
5 0.09 0.12 0.03 0.08
6
0.07 0.12 0.03 0.08
7 0.11 0.12 0.03 0.08
8
0.10 0.12 0.03 0.08
9
0.09 0.12 0.03 0.08
p-promedio 0.08

0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
1 2 3 4 5 6 7 8 9
Proporcin
LCS
LCI
LCC
6. Para analizar el desempeo de un proceso y tratar de mejorarlo, se decide analizar la
proporcin de defectuosos. Para ello se toman subgrupos de tamao 200 y se cuantifica la
cantidad de defectuosos. Los datos obtenidos durante 6 das son los siguientes:

Lote Defectuosos Lote Defectuosos
1 10 11 10
2 6 12 9
3 12 13 13
4 7 14 9
5 9 15 11
6 6 16 6
7 8 17 15
8 9 18 7
9 8 19 4
10 6 20 8

a) Calcule lo lmites de control para una carta p, y explique el significado de los lmites de
control que obtuvo.
b) Mediante una carta p analice los datos y obtenga conclusiones.
c) De acuerdo a los costos de produccin el nivel de defectuosos mximo tolerable es de 5%.
Con base en esto alguien sugiere que el lmite de control superior de la carta p debe ser
0.05, es correcta esa sugerencia?
LCS 0.086
LCC 0.043
LCI 0.0

0.000
0.020
0.040
0.060
0.080
0.100
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Proporcin
LCS
LCC
LCI

7. En el caso del ejercicio anterior, se aplica un plan de mejora, y se toman varias acciones.
Los datos obtenidos en la semana posterior a las mejoras son:

Lote Defectuosos Lote Defectuosos
1 7 11 4
2 4 12 6
3 5 13 4
4 5 14 6
5 6 15 4
6 4 16 5
7 3 17 8
8 4 18 3
9 7 19 7
10 6 20 8

a) Utilizando los lmites de control obtenidos antes de la mejora, analice estos ltimos datos
mediante una carta p.
b) Las mejoras dieron resultado? Argumente.
LCS 0.061
LCC 0.027
LCI 0.0

0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Proporcin
LCS
LCC
LCI

8. En un proceso se produce por lotes y estos se prueban al 100%. Se lleva un registro de la
proporcin de artculos defectuosos por diferentes causas. Los datos de los ltimos 25 lotes
se muestran a continuacin:

Lote Tamao Defectuosos Lote Tamao Defectuosos
1 200 21 14 200 21
2 200 20 15 200 25
3 200 27 16 200 29
4 200 33 17 200 20
5 200 22 18 220 28
6 200 40 19 220 18
7 180 27 20 220 24
8 180 23 21 200 13
9 180 20 22 200 23
10 200 26 23 200 12
11 200 28 24 200 19
12 200 21
25 200 26
13 200 23
Total 5,000 589

a) Obtenga una carta p usando el tamao de subgrupo (lote) promedio.
b) Cmo explicara los lmites de control que obtuvo a alguien que no tienen conocimientos
profundos de estadstica?
c) Obtenga una carta p con lmites de control variables.
d) Suponiendo que todos los lotes tienen el mismo tamao (el promedio), obtenga una carta
np para tales datos.
e) Observa alguna diferencia importante entra la carta p y la np?
f) De qu depende la eleccin entre la carta p o np?

P-promedio 0.117
LCS 0.184
LCI 0.049
LCC 0.117

Carta p

0.000
0.050
0.100
0.150
0.200
0.250
1 3 5 7 9 11 13 15 17 19 21 23
Proporcion
LCS
LCI
LCC
Carta p (Lmites Variables)

Carta np
n 200
p 0.117
np 23.458
LCS 37.110
LCC 23.458
LCI 9.807

0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Defectos
LCS
LCC
LCI

9. En una fbrica de artculos de plstico inyectado se tiene el problema de la rebaba en las
piezas, que es necesario eliminarla con el retrabajo. Con el propsito de evaluar la realidad
actual y detectar posibles causas especiales de variacin se decide implementar una carta de
control para el producto que ms se fabrica, los datos obtenidos en 24 lotes de tamao 500,
en cuanto a la cantidad de piezas con rebaba se muestran a continuacin.

Lote Piezas defectuosas Lote Piezas defectuosas
1 86 13 98
2 95 14 126
3 113 15 9
4 93 16 124
5 88 17 129
6 101 18 115
7 90 19 95
8 85 20 78
9 111 21 97
10 80 22 110
11 96 23 108
12 89 24 118

a) Calcule los lmites de control para una carta p e interprtelos.
b) Grafique la carta p y analcela.
c) Obtenga una carta np e interprtela.
d) A su juicio cul de las dos cartas es ms conveniente es este caso? Argumente.
e) El proceso es estable?
f) Se puede considerar que el proceso genera buena calidad?

N 500
P 20.18%
LSC 25.56%
LIC 14.79%

0
0.05
0.1
0.15
0.2
0.25
0.3
1 3 5 7 9 11 13 15 17 19 21 23
Proporcin
LCS
LCI
LCC

Carta np

10. En una empresa se registra el nmero de quejas por mal servicio. Los datos de las ltimas
25 semanas se muestran enseguida.

Semana Nmero de quejas Semana Nmero de quejas
1 6 14 4
2 2 15 5
3 3 16 6
4 4 17 7
5 5 18 8
6 6 19 9
7 7 20 0
8 8 21 1
9 9 22 2
10 0 23 3
11 1 24 4
12 2 25 5
13 3

a) Es adecuado analizar stos mediante una carta p? Argumente.
b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos.
c) Obtenga la carta c y analcela.
d) El proceso es estable?
e) El nivel de calidad se puede considerar satisfactorio?
Subgrupo 25
c 4.4
LCS 10.69
LC 4.4
LCI -1.89

-4
-2
0
2
4
6
8
10
12
1 3 5 7 9 11 13 15 17 19 21 23 25
quejas
LCS
LCI
LC

11. En una lnea de ensamble o montaje de pequeas piezas en tarjetas electrnicas se
cuantifica el nmero de defectos de diferente tipo por muestra de 10 tarjetas. Los defectos
encontrados en las ltimas 30 muestras se listan a continuacin.

Muestra Defectos Muestra Defectos
1 28 16 24
2 22 17 6
3 25 18 20
4 21 19 25
5 26 20 29
6 22 21 26
7 36 22 24
8 22 23 32
9 32 24 31
10 22 25 29
11 23 26 24
12 27 27 27
13 26 28 21
14 18 29 27
15 29 30 31

31 20
32 22
33 28
34 26
35 24

a) Ntese que en promedio hay ms de un defecto por tarjeta, es adecuado analizar estos
datos mediante una carta p? Argumente.
b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos.
c) Obtenga la carta c y analcela.
d) El dato de la muestra 17 es especial, por lo que habra que buscar las posibles causas que
ocasionaron esto, por qu?
e) Qu opina de la estabilidad del proceso?
f) El nivel de calidad se puede considerar satisfactorio?
g) Cmo aplicara un anlisis Pareto para enfocar mejor un proyecto de mejora?

n 10
u 2.5
LCS 4
LCI 1
LCC 2.5

0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Defecto /Tarjeta (U)
LCS
LCI
LCC
12. En un hotel se ha llevado el registro de quejas de los clientes desde hace 15 semanas con el
nmero de clientes por semana, los datos se muestran en la siguiente tabla.

Semana Clientes Quejas
Promedio de defectos por
unidad
1 114 11 0.096
2 153 15 0.098
3 115 5 0.043
4 174 14 0.080
5 157 16 0.102
6 219 11 0.050
7 149 10 0.067
8 147 9 0.061
9 131 10 0.076
10 91 10 0.110
11 112 10 0.089
12 158 11 0.070
13 244 30 0.123
14 111 11 0.099
15 120 11 0.092
Total 2,195 184

a) Calcule los lmites de control para una carta u para el nmero de quejas por cliente e
interprete los lmites de obtenga.
b) Grafique la carta u correspondiente y analcela.
c) La estabilidad del proceso es aceptable?
d) Considera que la calidad del hotel es buena? Explique.

LCS 0.1556
LCI 0.0120
LCC 0.0838
U promedio 0.0838
n 146.33
Subgrupos 15

0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Quejas
LCS
LCI
LCC
13. Con el propsito de analizar la posibilidad de eliminar los estndares de trabajo en un
sector de una fbrica, se decide analizar el nmero de cierto tipo de operaciones que
realiza cada trabajador por da y semana. a continuacin se muestran los resultados
obtenidos en una semana para 14 trabajadores (cada dato corresponde a un trabajador).

295 306 292 297 294 343 285 240 329 305 277 260 337 320

a) Calcule los lmites de control para una carta c para el nmero de operaciones por
trabajador e interprete los lmites que obtenga.
b) Investigue mediante la carta c correspondiente si algn trabajador est fuera del sistema.
c) En caso de estarlo, qu recomendara que se haga con tal trabajador?

Subgrupo 14
c-promedio
292.1
LCS=
343.4
LCI=
240.9
LCC=
292.1

0
50
100
150
200
250
300
350
400
1 2 3 4 5 6 7 8 9 10 11 12 13 14
C
LCS
LCI
LC

Bibliografa
Control Estadstico de la Calidad y Seis Sigma
Humberto Gutirrez Pulido y Romn de la Vara Salazar
McGraw-Hill, Mxico D.F. 2004

Guadeejerciciosaplicacindelacalidad 111109220040 Phpapp01

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guadeejerciciosaplicacindelacalidad 111109220040 Phpapp01

Título original:

Cargado por

Copyright:

Formatos disponibles

Gua de Ejercicios Prcticos

También podría gustarte