Oregon Fiber Board fabrica forros interiores de techo para la industria automotriz.

La gerente de manufactura está pr

la calidad de este producto. Sospecha que un defecto en particular, las rasgaduras de la tela, esta relacionado con el
actuales partidas de producción. Un asistente ha recopilado los siguientes datos, basándose en los registros de prod

Partida Tamaño Defectos (%)

1 1000 3.5
2 4100 3.8
3 2000 5.5
4 6000 1.9
5 6800 2.0
6 3000 3.2
7 2000 3.8 Pregunta:
8 1200 4.2
9 5000 3.8 a)¿Existe alguna relación entre el tamaño de la partida y el procentaje de defe
10 3800 3.0 ¿Qué consecuencias tiene esto para los negocios de Oregon?
11 6500 1.5
12 1000 5.5 b)Analice las Gráficas de Control considerando el mismo nivel de defectos pa
13 7000 1.0 Tamaño de Muestra Fijo igual a 1000
14 3000 4.5
15 2200 4.2 c) Calcule el nivel sigma del proceso, considerando los defectos promedio po
16 1800 6.0 del lote ( considere un solo tipo de falla de calidad )
17 5400 2.0
18 5800 2.0
19 1000 6.2
20 1500 7.0
z. La gerente de manufactura está preocupada por
as de la tela, esta relacionado con el tamaño de las
, basándose en los registros de producción.

o de la partida y el procentaje de defectos? Demuéstrelo

negocios de Oregon?

erando el mismo nivel de defectos para un

nsiderando los defectos promedio ponderado al tamaño

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.8488908 La variable Defectos(%) se explica
Coeficiente de determinación R^2 0.72061559 (a) Alto la partida. Existe una correlación a
R^2 ajustado 0.70509423 las rasgaduras dependen del tama
Error típico 0.92295345
Observaciones 20

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1 39.5488248 39.5488248 46.4273602
Residuos 18 15.3331752 0.85184306
Total 19 54.882

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 6.08493657 0.40254401 15.116202 1.1328E-11
Variable X 1 -0.00067188 9.8606E-05 -6.81376256 2.2241E-06

(b) Y=
Análisis de los residuales Tamaño

Observación Pronóstico para YResiduos

1 5.41305737 -1.91305737 Se estima una % de defectos de
2 3.33023188 0.46976812 para un tamaño de muestra de 100
3 4.74117818 0.75882182
4 2.05366142 -0.15366142
5 1.51615807 0.48384193
6 4.06929899 -0.86929899
7 4.74117818 -0.94117818
8 5.27868154 -1.07868154
9 2.72554061 1.07445939
10 3.53179564 -0.53179564
11 1.71772182 -0.21772182
12 5.41305737 0.08694263
13 1.38178223 -0.38178223
14 4.06929899 0.43070101
15 4.60680234 -0.40680234
16 4.87555402 1.12444598
17 2.45678893 -0.45678893
18 2.18803726 -0.18803726
19 5.41305737 0.78694263
20 5.07711778 1.92288222
La variable Defectos(%) se explica en un 72% de la variable tamaño de
Variable X 1 Curva de re
la partida. Existe una correlación alta con lo cual podríamos inferir que 8
las rasgaduras dependen del tamaño del lote.
7

5 f(x) = - 0.0006718792x + 6.0849365651

Y
Valor crítico de F
4
2.2241E-06
3

2
Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
5.23922298 6.93065015 5.23922298 6.93065015 1
-0.00087904 -0.00046472 -0.00087904 -0.00046472
0
0 1000 2000 3000 4000 5000 6000
rpta x Variable X 1
5.41305737 1000
Defectos (%)

e estima una % de defectos de 5.4

ara un tamaño de muestra de 1000
e X 1 Curva de regresión ajustada

718792x + 6.0849365651
Y
Pronóstico para Y
Linear (Pronóstico para
Y)

000 4000 5000 6000 7000 8000

Variable X 1
 Columna1
LSE 7
Media 3.73 LIE 1
Error típico 0.38003462
Mediana 3.8
Moda 3.8
Desviación estándar 1.69956651
Varianza de la muestra 2.88852632
Curtosis -0.795302
Coeficiente de asimetría 0.2363376 El nivel de operaciones Sigma es 1.61 es decir es malo por ser
a 2.
Rango 6
Mínimo 1
Máximo 7
Suma 74.6
Cuenta 20
 Media 3.73
Desv 1.70
Cp 0.59
Cpk LSE 0.64
Cpk LIE 0.54
CPK 0.54
NOS 1.61
1 es decir es malo por ser menor
Efectuar el analisis de estadística descriptiva de la producción de uvas de una zona agrícola. Utilice gráficos.
Analice la variabilidad de cada indicador.
Producción, superficie y rendimiento de uvas De los tres indicadores la Producción™ pre

Superficie Producción Rendimiento Superficie

cosechada Prom Nac cosechada
Años Has ™ Kg/Ha Has
1980 9,462 56,496 5,971
1981 9,423 55,034 5,840 Media
1982 9,360 49,418 5,280 Error típico
1983 9,696 45,467 4,689 Mediana
1984 9,478 35,600 3,756 Moda
1985 9,264 51,613 5,571 Desviación estándar
1986 9,797 46,787 4,776 Varianza de la muestra
1987 8,759 56,401 6,439 Curtosis
1988 8,652 47,352 5,473 Coeficiente de asimetría
1989 8,725 65,467 7,503 Rango
1990 8,687 55,431 6,381 Mínimo
1991 8,801 56,100 6,374 Máximo
1992 8,661 43,363 5,007 Suma
1993 9,124 47,441 5,200 Cuenta
1994 9,730 64,916 6,995
1995 10,702 81,446 7,610 Graficamente podemos comprobar lo antes dem
1996 11,314 90,514 8,000
1997 12,367 114,388 9,600
1998 10,321 76,074 7,371 Producción, superfi
1999 10,324 98,343 9,256 160,000
2000 10,292 107,232 10,421 140,000
2001 11,578 127,701 10,930
2002 11,977 136,051 12,447 120,000
2003 12,003 145,963 12,690 100,000
2004 12,258 146,536 11,950
80,000
Fuente: Minag-Dgia 60,000
Elaboración: AgroData-CEPES
40,000

20,000

-
1975 1980 1985 19
Superfici e P
cos echada ™
Has
dores la Producción™ presenta mayor coeficiente de variación 46% con respecto por 12% (superficie cosechada) y 35% (rendimiento prom

Superficie
cosechada Producción
Has ™

10030.1816 Media 76045.36

246.16284 Error típico 6954.07109
9696 Mediana 56496
#N/A Coef, Variacion Moda #N/A
1230.8142 12% Desviación estándar 34770.3554 46%
1514903.59 Varianza de la muestra 1208977617
-0.79382183 Curtosis -0.4649974
0.7086942 Coeficiente de asimetría 0.93532237
3715 Rango 110936
8652 Mínimo 35600
12367 Máximo 146536
250754.54 Suma 1901134
25 Cuenta 25

s comprobar lo antes demostrado por la estadistica descriptiva

Producción, superficie y rendimiento de uvas

80 1985 1990 1995 2000 2005 2010

Superfici e Producci ón Rendi mi ento
cos echada ™ Prom Nac
Has Kg/Ha
% (superficie cosechada) y 35% (rendimiento prom)

Rendimiento
Prom Nac
Kg/Ha

Media 7421.22665
Error típico 519.170201
Mediana 6439.20539
Moda #N/A
Desviación estándar 2595.85101 35%
Varianza de la muestra 6738442.45
Curtosis -0.46757435
Coeficiente de asimetría 0.79222474
Rango 8933.93332
Mínimo 3756.06668
Máximo 12690
Suma 185530.666
Cuenta 25
Resumen

Estadísticas de la regresión
Coeficiente de correlació 0.99550142 Usando el r2 ajustado porque estamos empleando más de una variab
independiente.
Coeficiente de determina 0.99102307 El 99% de la variación en el rendimiento se explica por la variacipon e
R^2 ajustado 0.99020699 99% la superficie cosechada y la producción.
Error típico 256.884479
Observaciones 25

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 160270847 80135423.4 1214.36378 3.0507E-23
Residuos 22 1451771.98 65989.6356
Total 24 161722619

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 6985.68773 748.546098 9.33234139 4.1796E-09 5433.29814 8538.07732
Superficie
cosechada
Has -0.67773912 0.09693957 -6.99135673 5.1241E-07 -0.87877948 -0.47669875
Producción
™ 0.09511935 0.0034315 27.7194382 1.3242E-18 0.08800285 0.10223585

Análisis de los residuales

Pronóstico
Rendimiento
Prom Nac
Observación Kg/Ha Residuos
1 5946.7831 24.0475935
2 5834.15043 6.24010251
3 5342.65772 -62.956863
4 4739.12082 -49.8675168
5 3948.3253 -192.258623
6 5616.50765 -45.1561812
7 4796.22671 -20.5811046
8 6414.19736 25.0080312
9 5625.98043 -153.026201
10 7299.59253 203.788561
11 6370.7288 10.1852065
12 6357.10139 17.1742606
13 5240.44969 -233.753
14 5314.55319 -114.553191
15 6566.05395 428.946046
16 7479.61441 130.385586
17 7927.38035 72.619646
18 9484.60046 115.399538
19 7226.85186 144.148139
20 9343.03148 -87.0314813
21 10210.235 210.764952
22 11285.9723 -355.972311
23 11809.4892 637.510771
24 12734.691 -44.6910235
25 12616.3709 -666.370937
empleando más de una variable Superficie
cosechada

Rendimiento
o se explica por la variacipon en

Prom Nac
Has Curva de regresión ajustada

Kg/Ha
Rendimiento
0 Prom Nac
8,000 9,000 Superficie
10,000 11,000 12,000 13,000
cosechada Kg/Ha
Has

Producción
Rendimiento

Inferior 95.0%Superior 95.0%

Prom Nac
Kg/Ha

5433.29814 8538.07732
™ Curva de regresión ajustada
15000
-0.87877948 -0.47669875 Rendimiento
10000 Prom Nac
0.08800285 0.10223585 Kg/Ha
5000
Pronóstico Rendimiento
0 Prom Nac
- 50,000 Producción
100,000 150,000 200,000 Kg/Ha
™
ada

Rendimiento
Prom Nac
Kg/Ha

ada
Rendimiento
Prom Nac
Kg/Ha
Pronóstico Rendimiento
Prom Nac
Kg/Ha
 Rendimient
Superficie Producción
o
cosechada
Has
Prom Nac ™
Kg/Ha
9,462 5,971 56,496
9,423 5,840 55,034
9,360 5,280 49,418
9,696 4,689 45,467
9,478 3,756 35,600
9,264 5,571 51,613
9,797 4,776 46,787
8,759 6,439 56,401
8,652 5,473 47,352
8,725 7,503 65,467
8,687 6,381 55,431
8,801 6,374 56,100
8,661 5,007 43,363
9,124 5,200 47,441
9,730 6,995 64,916
10,702 7,610 81,446
11,314 8,000 90,514
12,367 9,600 114,388
10,321 7,371 76,074
10,324 9,256 98,343
10,292 10,421 107,232
11,578 10,930 127,701
11,977 12,447 136,051
12,003 12,690 145,963
12,258 11,950 146,536
Resumen

Estadísticas de la regresión
Coeficiente de correla 0.9973083 Similar al caso anterior.
Coeficiente de determ 0.99462385 El 99% de la variación en la producción se explica con la variación en la
R^2 ajustado 0.99413511 superficie cosechada y el rendiemiento
Error típico 2662.8024
Observaciones 25

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 2.8859E+10 1.443E+10 2035.07537 1.0844E-25
Residuos 22 155991365 7090516.6
Total 24 2.9015E+10

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción -76364.9413 5785.62726 -13.1990773 6.2509E-12 -88363.5979 -64366.2848
Superficie
cosechada
Has 7.63314683 0.77763154 9.81589146 1.691E-09 6.02043772 9.24585595
Rendimiento
Prom Nac
Kg/Ha 10.2204738 0.36871143 27.7194382 1.3242E-18 9.45581308 10.9851345

Análisis de los residuales

Pronóstico
Producción
Observación ™ Residuos
1 56884.6126 -388.612564
2 55253.7596 -219.759628
3 49042.3572 375.642791
4 45572.4408 -105.44079
5 34370.8054 1229.1946
6 51290.3826 322.617438
7 47226.3589 -439.358914
8 56305.5217 95.4783381
9 45613.2303 1738.76969
10 66922.3745 -1455.37452
11 55160.1696 270.830424
12 55962.5011 137.498859
13 40916.5556 2446.44437
14 46426.3541 1014.64594
15 69397.7915 -4481.79149
16 83102.8016 -1656.80159
17 91760.2722 -1246.27223
18 116150.734 -1762.73391
19 77751.8794 -1677.87941
20 97040.3719 1302.62805
21 108702.963 -1470.96321
22 123717.9 3983.10005
23 142271.496 -6220.49552
24 144953.532 1009.46753
25 139336.834 7199.16569
 Superficie
cosechada

Producción
ica con la variación en la
200000Has Curva de regresión ajustada

™
Producción
100000
™
0
Superficie Pronóstico Producción
8,000 9,000 10,000 11,000 12,000 13,000 ™
cosechada
Has

Inferior 95.0%Superior 95.0%

-88363.5979 -64366.2848 Rendimiento
Prom Nac
Producción

Kg/Ha Curva de regresión ajustada

200000
™

6.02043772 9.24585595 100000

0 Producción
™
Rendimiento Pronóstico Producción
9.45581308 10.9851345 Prom Nac ™
Kg/Ha
a
ón

co Producción

da
ción

tico Producción
Proinversión estudia las relaciones entre el número de licitadores para un proyecto de carretera,
y la propuesta ganadora (la de mas bajo costo) para el proyecto. De particular interés es si el
número de postores aumenta o disminuye el importe de la licitación ganadora.

Oferta Ganadora
Proyecto No Licitadores (millones US$)
1 9 5.1
2 9 8
3 3 9.7
4 10 7.8
5 5 7.7
6 10 5.5
7 7 8.3
8 11 5.5
9 6 10.3
10 6 8
11 4 8.8
12 7 9.4
13 7 8.6
14 7 8.1
15 6 7.8

a) Determine si más licitadores tienden a aumentar o disminuir el importe de la propuesta ganadora.

b) Estime el monto de la oferta ganadora si hubiese siete postores
a) Determine si más licitadores tienden a aumentar o disminuir el importe de la propuesta ganador

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltipl 0.70638069
Coeficiente de determinación R^ 0.49897367 50% El 50% de los millones de la oferta ganadora
R^2 ajustado 0.46043319
se explica por la variación en el número de
ofertantes
Error típico 1.11381891
Observaciones 15

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F
Regresión 1 16.0616299 16.0616299 12.94674034 0.00324327
Residuos 13 16.1277034 1.24059257
Total 14 32.1893333

Coeficientes Error típico Estadístico t Probabilidad Inferior 95%

Intercepción 11.2359855 0.9689464 11.5960857 3.147573E-08 9.1427041
No Licitadores -0.46672694 0.12971275 -3.59815791 0.0032432657 -0.7469543

Análisis de los residuales

La pendiente de la recta es negativa eso quiere decir qu
podría disminuir en promedio en menos 0.4667 millone
Pronóstico
Oferta
Ganadora
(millones
Observación US$) Residuos
1 7.03544304 -1.93544304 N° ofertantes Monto
2 7.03544304 0.96455696 1 10.7692586
3 9.8358047 -0.1358047 2 10.3025316
4 6.56871609 1.23128391 3 9.8358047
5 8.90235081 -1.20235081 4 9.36907776
6 6.56871609 -1.06871609 5 8.90235081
7 7.96889693 0.33110307 6 8.43562387
8 6.10198915 -0.60198915 7 7.96889693
9 8.43562387 1.86437613 8 7.50216998
10 8.43562387 -0.43562387 9 7.03544304
11 9.36907776 -0.56907776 10 6.56871609
12 7.96889693 1.43110307
13 7.96889693 0.63110307
14 7.96889693 0.13110307
15 8.43562387 -0.63562387

b) Estime el monto de la oferta ganadora si hubiese siete postores

Valor de oferta ganadora 7.9691
e de la propuesta ganadora.

Oferta Ganadora
(millones US$)
No Licitadores Curva de regresión ajustada
12

10
oferta ganadora 8
f(x) = - 0.4667269439x + 11.2359855335
n el número de Oferta Ga na dora
(mi ll ones US$)
6
Pronóstico Oferta Ga na dora
(mi ll ones US$)
4
Linear (Pronóstico Oferta Ganad
2 (mi ll ones US$))
or crítico de F
0
2 3 4 5 6 7 8 9 10 11 12
No Licitadores

Superior 95%Inferior 95.0%Superior 95.0%

13.329267 9.1427041 13.329267
-0.18649959 -0.7469543 -0.18649959

ta es negativa eso quiere decir que la relación es inversa es decir, por el incremento de un licitante la oferta
romedio en menos 0.4667 millones.
da

Oferta Ga na dora
(mil l ones US$)
Pronóstico Oferta Ga na dora
(mil l ones US$)
Linear (Pronóstico Oferta Ganadora
(mil l ones US$))
1. La unidad de Atención al Cliente de un Centro de Servicios Médicos efectuó la
medición de la cantidad de reclamos mensual de los pacientes. Los resultados se
muestran en la tabla a continuación. Se solicita graficar y analizar la información
disponible. Qué recomendaciones daría a la unidad de Atención al Cliente? (4ptos.)
MES RECLAMOS
Enero 22
Febrero 18
Marzo 18
Abril 20
Mayo 22
Junio 30
Julio 18
Agosto 26
Setiembre 28
Octubre 42
Noviembre 38
Diciembre 29

MES RECLAMOS
Enero 22
Febrero 18
Marzo 18
Abril 20
Mayo 22
Junio 30
Julio 18
Agosto 26
Setiembre 28
Octubre 42
Noviembre 38
Diciembre 29
311

45 42 120%
40 38
100%
35
30 29
30 28 80%
26
25 22 22
20 60%
20 18 18 18
15 40%
10
20%
5
0 0%
er
o
er
o zo ri l ay
o i o io to br
e re br
e
br
e
En br ar Ab M un J ul os ub m
Fe M J Ag em ct e m
ie
ti O vi c
Se No Di
RECLAMOS F. Acumul a da
10
20%
5
0 0%
er
o
er
o zo ri l ay
o
ni
o lio sto br
e
br
e
br
e
br
e
En br ar Ab M Ju Ju o tu m
Fe M Ag em Oc e m
ie
ti vi c
Se No Di
RECLAMOS F. Acumul a da
ro de Servicios Médicos efectuó la
de los pacientes. Los resultados se
a graficar y analizar la información
d de Atención al Cliente? (4ptos.)
45
40
35
30
25
20
15
10
5
0

Frecuencia F. Acumulada V. Menor 18

7% 7% V. Mayor 42
6% 13% Rango 24
6% 19%
6% 25%
7% 32%
10% 42% CLASE INTERVALO FRECUENCIA
6% 48% 1 18 25
8% 56% 2 25 32
9% 65% 3 32 40
14% 78%
12% 91%
9% 100%
100%

42 120%
38
100% Con la data que contamos podría observarse que los reclamos van en aumento en el segund
semestre del año. Ello requiere un análisis más a fondo:
28 29 80% - Hay nuevo personal?
26 - Estamos captando más clientes?
- Cuál es el motivo de los reclamos?
60%

40%

20%

Histograma
Frecuencia

0%
to br
e re br
e
br
e 4.5 4
os tu
b
m 4
Ag tie
m
Oc ie
m
ie
Se N ov Di
c 3.5 3 3
F. Acumul a da 3
2.5 2
2
1.5 Frecuencia
1
0.5
0
 20%

Histograma

Frecuencia
0%
sto br
e
br
e
br
e
br
e 4.5 4
o tu 4
Ag tie
m
Oc em em
vi i ci 3.5
Se N o D 3 3
F. Acumul a da 3
2.5 2
2
1.5 Frecuencia
1
0.5
0
18 26 34 y mayor...
Clase
 T. Datos 12
N de Clase 3
T. Clase 7

FRECUENCIA F. RELATIVA

van en aumento en el segundo

2
Frecuencia
2
Frecuencia

yor...
 Clase Frecuencia
18 3
26 4
Histograma

Frecuencia
34 3
4.5 4
y mayor... 2
4
3.5 3 3
3
2.5 2
2
1.5 Frecue
1
0.5
0
18 26 34 y mayor...
Clase
ograma

2
Frecuencia

34 y mayor...
El número de quejas en un banco durante 10 días se contabiliza en 8, 4, 0, 2, 3, 9, 6, 0
Desarrollar la gráfica correspondiente y analizar el proceso de atención al público para
za en 8, 4, 0, 2, 3, 9, 6, 0, 4, 6.
atención al público para estas 2 semanas.
En una acería se levantó la información referida a lesiones entre el 1ro. de enero y 30 de junio

Enero Febrero Marzo Abril

Quemadura con ácido 1
Esguince de tobillo 1 2 1
Esguince de espalda 6 10 10 7
Cuerpo extraño en el ojo 2 1
Cortadura de pierna 1 1 2 1
Cortadura de mano 1 4 1 3

Los días de ausencia que generan estos accidentes se especifican a continuación:

Quemadura con ácido 4

Esguince de tobillo 15
Esguince de espalda 2
Cuerpo extraño en el ojo 5
Cortadura de pierna 3
Cortadura de mano 2

Se ha estimado que un día de ausencia le cuesta a la empresa 75 soles, incluyendo beneficios

Efectuar el análisis correspondiente.
o. de enero y 30 de junio

Mayo Junio
1
2
5 3
1
1 2
2 1

continuación:

s, incluyendo beneficios y personal de reemplazo.

El gerente de una cadena hoteles, está preocupado por el gasto por consumo de agua. En tal sentido, desea desarrollar un plan para reducir el gasto
del líquido en uno de los hoteles de mayor movimiento. A fin de investigar selecciona una muestra del consumo diario de agua para diversos propósitos.
Los resultados de las muestras son los siguientes: Efectuar el análisis correspondiente y efectúe recomendaciones.

Motivos del consumo

de agua Galones por día
Agua para beber 7.9
Baño personal 106.7
Cocina 5.1
Lavado de auto 10.4
Lavado de ropa 24.9
Lavado de utensilios 12.3
Piscina 28.3
Riego de jardín 143.7
plan para reducir el gasto
ua para diversos propósitos.
Una empresa comercializadora ofrece un servicio telefónico gratuito para que sus clientes realicen sus observaciones
problemas relacionados a sus productos, desde las 7 am hasta las 11pm, todos los días. Es imposible que un represe
conteste inmediatamente a cada llamada, pero es importante que los clientes no esperen demasiado tiempo a que alg
Ellos se molestan cuando escuchan muchas veces el siguiente mensaje: " Su llamada es muy importante para nosotr
disponible estará con usted en breve". Para entender ese proceso, la compañía decide elaborar un diagrama de contr
tiempo total que transcurre desde que se recibe una llamada hasta que un representante contesta la pregunta del clie
Cierto día se tomó una muestra de cinco llamadas por hora durante las 16 horas de operación. La información se pres
se considera el tiempo en minutos transcurridos hasta que la llamada es contestada.

Número de muestra
Hora 1 2 3 4 5
A.M. 7 8 9 15 4 11
8 7 10 7 6 8
9 11 12 10 9 10
10 12 8 6 9 12
11 11 10 6 14 11
P.M. 12 25 16 10 18 11
1 10 7 4 10 10
2 8 11 11 7 7
3 8 11 8 14 12
4 12 9 12 17 11
5 7 7 9 17 13
6 9 9 4 4 11
7 10 12 12 12 12
8 8 11 9 29 8
9 10 13 9 4 9
10 9 11 8 5 11

Elabore el diagrama de control respectivo para la duración media de la llamada. Existe alguna tendencia en los tiempo
La política de la empresa es que el tiempo de duración de cada llamada debe ser en promedio 8 minutos con una toler
El proceso es capaz de cumplir con dicha política? Determine el nivel sigma. Realice las recomendacione que conside
ealicen sus observaciones o quejas sobre
imposible que un representante técnico
masiado tiempo a que alguien les responda.
uy importante para nosotros, el representante
orar un diagrama de control que describa el
ntesta la pregunta del cliente.
ón. La información se presenta a continuación,

na tendencia en los tiempos de las llamadas?

io 8 minutos con una tolerancia máxima de 2min.
omendacione que considere necesarias para mejorar el proceso
Una compañía de mudanzas elabora un diagrama de control para monitorear la proporción de cambios de domicilio p
escritos de quejas debidas a entrega tardía, y por artículos pedidos o deteriorados. Se selecciona una muestra de 50
uno de los últimos 12 meses. El número de quejas en cada muestra es 8, 7, 4, 8, 2, 7, 11, 6, 7, 6, 8 y 12
Muestre gráficamente el comportamiento de las quejas y analice.
Determine el nivel sigma
cambios de domicilio para los cuales hay
ona una muestra de 50 mudanzas en cada
La empresa "Taxi Satélite" esta pensando diferenciarse de su competencia mediante una atención oportuna y está ofr
poder atender a sus clientes en un tiempo no mayor de 10 minutos. Quiere lanzar este ofrecimiento debido a que se ha
cuenta que los servicios de taxis en Lima cada día están tomando mas tiempo en llegar al servicio solicitado por los u
y esto genera quejas. Su ventaja de usar posicionamiento satelital, tener unidades a lo largo y ancho de la ciudad y su
adecuado sistema de comunicación le permite tener mucho mejor tiempo que la competencia.

Están pensando ofrecer un tiempo máximo de llegada al lugar solicitado por el cliente de 10 minutos, en caso de no h
el servicio será gratis.
La empresa ofrece este servicio basado en q a sus asociados les exigirá que los atiendan en 8 minutos con una toleran
2.

Ustedes tienen la data de los últimos 50 servicios brindados por la empresa.

¿Cuál sería su recomendación a la empresa?
Calcule CP, CPK y opine

Compromiso 10 Minutos LSE

Especificación 8 LIE
Tolerancia 2 Media
Tiempo en minutos Media E LSE LIE Desvest
9.02
9.48
9.92
10.10
10.87
9.00
8.34
10.44
10.16
9.14
9.96
10.40
9.50
9.66
10.35
9.31
 9.94
9.44
9.48
10.16
10.02
9.52
10.71
10.25
10.66
8.98
10.44
10.58
8.20
8.61
9.01
9.18
9.88
8.18
7.58
9.49
9.23
8.30
9.05
9.58
8.63
8.78
9.40
8.46
9.03
8.58
8.61
9.35
9.10
8.65
atención oportuna y está ofreciendo
ecimiento debido a que se ha dado
servicio solicitado por los usuarios
o y ancho de la ciudad y su
ncia.

10 minutos, en caso de no hacerlo,

n 8 minutos con una tolerancia de

CP

CPK

NOS