DISTRIBUCIÓN BINOMIAL APLICADA A UN EJEMPLO

DE LA INDÚSTRIA TEXTIL
La DISTRIBUCIÓN BINOMIAL se aplica a experimentos del tipo siguiente:

Supongamos que realizamos n veces un determinado experimento, en el que

consideramos sólo la posibilidad de obtener acierto o error. Es decir, dos
situaciones mútuamente excluyentes.

Pongamos un ejemplo para entenderlo:

Si tomamos una muestra de 20 conos de hilo y los analizamos, ¿cuál es la

probabilidad de encontrar 18 o más de buenos, sabiendo que históricamente
conocemos que producimos un 0,8% de conos defectuosos?

Vamos a concretar un poco más el problema.

EJEMPLO PRÁCTICO

En nuestra hilandería de algodón peinado, sabemos por un análisis y

seguimiento histórico, que producimos un 0,8% de los conos de hilo, con la
“reserva” defectuosa.
Entendemos como “reserva” la cantidad de hilo preparada al inicio de la
formación del cono, y que sirve para empalmar con el siguiente, cuando éste se
acaba.

reserva

Evidentemente, un cono con la reserva defectuosa, va a provocar un paro

de máquina de tejer, ya que no se habrá podido empalmar el cono siguiente.
Esto va a producir una pérdida tanto de producción como de calidad en el
producto fabricado por nuestro cliente, con la correspondiente insatisfacción
del mismo.

Nuestro cliente, es un tejedor de género de punto circular, que utiliza

máquinas de 48 alimentadores, por lo que cada vez que monta una
máquina, lo hace con 48 conos de hilo.
Por sus condiciones de fabricación, nuestro cliente no admite más de dos
paros de máquina por “reserva” defectuosa, en cada montado de
máquina circular.

La pregunta que nos hacemos, es la siguiente:

¿Cuál es la probabilidad de que nuestro cliente tenga 2 paros de máquina

por “reserva” defectuosa?

Vamos a definir p como la probabilidad de acierto, (cono correcto en nuestro

caso), y q como la probabilidad de error (cono defectuoso):

La fórmula de la distribución binomial, es:

Donde P(x) es la probabilidad de que el suceso nos dé como resultado acierto.

El valor de x puede variar entre 0 y n.
Por tanto:

Siendo media, varianza y desviación standard:

En nuestro ejemplo:

p = 0,008 q = 0,992 n = 48 x=2

Si aplicamos la fórmula

Sabiendo que

Obtendremos que P(x) = (1128).(0,000064).(0,6911) = 0,0498

Es decir, la probabilidad de tener dos o más paros será de un 4,98%

Este problema, se puede resolver fácilmente utilizando las fórmulas de EXCEL,

de la siguiente manera:
El tema está en saber si está probabilidad será aceptable por el cliente, o no.

Es evidente que, una probabilidad de prácticamente del 5% de paro por

“reserva” defectuosa, es sin duda elevada.

Por tanto, con nuestra actual situación de producción de conos con “reserva”
defectuosa, y las exigencias de nuestro cliente, se hace necesaria una
revisión y mejora de las máquinas de bobinado, con el fín de disminuir el
porcentaje de conos con “reserva” defectuosa.

Vamos a seguir con el ejemplo, y en esta segunda parte, analizaremos las

diferentes bobinadoras que tenemos en nuestra fábrica, y que producen
conos de algodón peinado.

Supongamos que tenemos 5 contínuas de 1200 husos cada una, produciendo

hilado de algodón peinado Ne 50/1, con sus correspondientes bobinadoras
montadas en link con la contínua.

En el estudio anterior, la probabilidad definida era respecto a todo el conjunto

de máquinas bobinadoras.

Ahora, vamos a centrarnos sólo en las 5 bobinadoras de las 5 contínuas de

hilar indicadas.

La probabilidad de encontrar una máquina con un cono o más defectuosos,

en un momento determinado en una de las 5 líneas de bobinado, es 0,10
Por lo tanto:

La probabilidad de encontrar una máquina con todos los conos conformes,

es de p =(1 – 0,10) = 0,9

Es decir, las máquinas que nos podemos encontrar funcionando

correctamente, en un momento determinado, son:

µ = E(X) = np = (5.x 0,9) = 4,4 máquinas

La varianza, será: σ2 = npq σ2 = 5x0,9x0,1 = 0,45

La desviación standard, será: 0,671

En este caso, es importante conocer previamente la distribución de la

proporción, o probabilidad, de encontrar al menos un cono defectuoso,
en cada una de las 5 líneas de máquinas bobinadoras.

Ello nos ayudará a decidir por qué máquina empezamos a trabajar, con el fin
de disminuir la cantidad de conos con “reserva” defectuosa.

Siguiendo con el mismo tema, supongamos que un 5,5% de los clientes

servidos, han devuelto entregas de partidas de hilo, por “reserva”
defectuosa.
Realizamos una encuesta telefónica, para determinar la satisfacción de
nuestros clientes.

¿Cuál es la probabilidad obtener 4 clientes insatisfechos, de un total de

15 clientes encuestados?

En este caso,

n = 15 x=4 p = 0,055 q = 0,945

Utilizando EXCEL, llegamos a la conclusión siguiente:

Utilizando MINITAB:

La probabilidad de encontrar 4 clientes insatisfechos, será del 0,7%

Ahora bien, y ¿la probabilidad de encontrar un cliente insatisfecho?

Mediante EXCEL:

La probabilidad de encontrar un cliente insatisfecho, es del 37,4%

¿Y si este cliente es el más importante de nuestra empresa, respecto a

facturación?
Realmente, este análisis debe hacernos reflexionar sobre nuestro nivel de
defectos, y las consecuencias que pueden tener sobre nuestros clientes.

Como conclusión, podemos decir que desde un punto de vista de

MEJORA CONTINUA, la MEDICIÓN (toma de datos), y el ANÁLISIS de los
mismos, son fundamentales para su adecuada GESTIÓN.

Por lo tanto, es muy importante el conocimiento y uso de TÉCNICAS

ESTADÍSTICAS.

AUTOR

Antonio Solé Cabanes

Ingeniero Industrial
asole@asolengin.net
www.asolengin.net
www.asolengin.wordpress.com