Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Fase Medicion BB
Ejercicios Fase Medicion BB
EJERCICIOS:
d) Determinar el Cp
Cp = (LSE – LIE) / 6*sigma
e) Determinar el Cpk
Cpk = menor de las Zi y Zs en valor absoluto / 3 =
f) Determinar el Cpm
T es el centro de las especificaciones
Cp LSE LIE
C pm
1V 2
6 2 ( T ) 2
g) Determinar el Cpkm
Cpk
C pkm
T
2
1
Página 1 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
FlashRecov
4.49 6.59
4.89 6.07
4.69 6.36
5.14 6.40
4.80 6.42
4.12 4.94
3.70 5.11
4.00 5.17
3.80 5.07
3.99 5.31
5.68 6.88
5.88 6.69
5.73 7.01
5.83 7.08
5.95 7.16
4.81 5.34
4.56 5.46
4.78 5.61
4.97 5.36
4.85 5.30
d) Determinar el Cp
Cp = (LSE – LIE) / 6*sigma
Página 2 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
e) Determinar el Cpk
Cpk = menor de las Zi y Zs en valor absoluto / 3 =
f) Determinar el Cpm
T es el centro de las especificaciones
Cp LSE LIE
C pm
1V 2 6 2 ( T ) 2
g) Determinar el Cpkm
Cpk
C pkm
T
2
1
(X i X )2
S i 1
n 1
4(n 1)
C4
4n 3
S
LT
C4
Pp
LSE LIE
6 LT
LSE X
Zs
LT
LIE X
ZI
LT
Página 3 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
P(Zi) = P(-Zs) =
Ptotal = P(Zi) + P(-Zs)
Pp
LSE LIE
6 LT
menor Z I , Z S
Ppk
3
b. Prueba de normalidad
1. Stat > Basic statistics > Normality Test
2. Variable C1 Seleccionar Ryan Joiner test OK
Página 4 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
3. Estimate R-bar OK
4. Un panadero cree que existe una gran variabilidad en el peso de sus productos: Hay dos
operadores A y B que usan las máquinas 1 y 2 no en forma simultánea. Durante 20 días se
tomaron muestras de 4 piezas de pan de cada máquina con los siguientes resultados:
Operari Máq1_p Máq_p Máq1_p Máq1_p Máq2_p Máq2_p Máq2_p Máq2_p
Día o 1 2 3 4 1 2 3 4
1 A 209.2 209.5 210.2 212 214.3 221.8 214.6 214.4
2 B 208.5 208.7 206.2 207.8 215.3 216.7 212.3 212
3 B 204.2 210.2 210.5 205.9 215.7 213.8 215.2 202.7
4 B 204 203.3 198.2 199.9 212.5 210.2 211.3 210.4
5 A 209.6 203.7 213.2 209.6 208.4 214.9 212.8 214.8
6 A 208.1 207.9 211 206.2 212.3 216.2 208.4 210.8
7 A 205.2 204.8 198.7 205.8 208.1 211.9 212.9 209
8 B 199 197.7 202 213.1 207.5 209.9 210.6 212.3
9 B 197.2 210.6 199.5 215.3 206.9 207.1 213.6 212.2
10 A 199.1 207.2 200.8 201.2 209.6 209.5 206.8 214.2
11 B 204.6 207 200.8 204.6 212.2 209.8 207.6 212.6
12 B 214.7 207.5 205.8 200.9 211.4 211.2 214.4 212.6
13 B 204.1 196.6 204.6 199.4 209.6 209.2 206.1 207.1
14 A 200.2 205.5 208 202.7 203.5 206.9 210.6 212.3
15 A 201.1 209.2 205.5 200 209.1 206.3 209.8 211.4
16 B 201.3 203.1 196.3 205.5 208 207.9 205.3 203.6
17 B 202.2 204.4 202.1 206.6 210 209.4 209.1 207
18 A 194.1 211 208.4 202.6 215.6 211.8 205.4 209
19 A 204.8 201.3 208.4 212.3 214.5 207.5 212.9 204.3
20 A 200.6 202.3 204.3 201.4 209.1 205.8 212 204.2
Página 5 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Página 6 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
6. Obtener las estadísticas básicas de Peso (Weight) para dos máquinas de llenado:
Weight Llenadora
905 2
930 1
865 2
895 1
905 1
885 2
890 1
930 2
915 2
910 1
Página 7 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
920 1
915 1
925 2
860 2
905 2
925 2
925 2
905 2
915 1
930 1
890 1
940 1
860 2
875 1
985 2
970 1
940 1
975 1
1000 2
1035 2
1020 2
985 2
960 2
945 1
965 1
940 2
900 2
920 2
980 2
950 2
955 2
970 2
970 1
1035 1
a. Estadísticas básicas
Mediana Moda Media
Desviación estándar
Varianza
Coeficiente de variación
Rango
Primer cuartil
Tercer cuartil
Rango intercuartílico
Página 8 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
b) Hacer una prueba de normalidad en los datos. Con los datos completos y considerando cada
llenadora:
j) Con Excel, si los límites de especificación son LIE = 850 y LSE = 1,050 determinar la capacidad
del proceso total y para cada una de las máquinas: determinar la fracción
defectiva, Cp y Cpk utilizando la desviación estándar estimada de corto plazo (Within)
cuando no hay cambios y el proceso en control.
R LSE X LIE X
st W ithin Z LSE Z LIE
d2 st st
( Z LIE ) ( Z LSE )
Página 9 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Fracción defectiva =
Z LIE , Z LSE
LSE LIE C pk Menor
Cp 3
6 st
LSE LIE
1 C pm
CR ST ( X M ) 2
Cp
INDICES DE DESEMPEÑO
k) Determinar la fracción defectiva, Pp y Ppk utilizando la fórmula de la desviación estándar de
largo plazo (Overall) siguiente para datos históricos, cuando ya ocurrieron todos los cambios,
no importa que el proceso no esté en control:
lt Overall
S
( Xi X ) 2 4 ( n 1)
S C4
C4
n 1 4n 3
LIE X LSE X
Z LIE Z LSE
lt lt
Fracción defectiva = ( Z LIE ) ( Z LSE )
LSE LIE
Pp
6 LT
Z LIE , Z LSE
Ppk Menor
3
Fracción defectiva =
Página 10 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
c. Establecer conclusiones
Página 11 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
13. Se tienen 60 ejecutivos de cuenta en un call center, están ocupados en promedio el 30%
del tiempo, si 3 clientes llaman ¿la probabilidad de que estén ocupadas es mayor al 50%? Usar
Poisson o binomial
14. De 9 empleados diurnos sólo 6 están calificados para hacer su trabajo, si se seleccionan
aleatoriamente 5 de los 9 empleados, Cuál es la probabilidad hipergeométrica de que:
a) Los 5 estén calificados
b) 4 estén calificados
c) Por lo menos 3 estén calificados
16. Las falla de los ventiladores de un equipo tiene un tiempo promedio de 25,000 Horas, con
desviación estándar de 3,000 horas ¿cuál es la probabilidad de que
a) Un ventilador seleccionado al azar dure por lo menos 20,000 horas?
17. Un fabricante de equipos electrónicos ofrece un año de garantía. Si el equipo falla en ese
periodo por cualquier razón se reemplaza. El tiempo hasta una falla está modelado por la
distribución exponencial (X en años):
Página 12 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
SERIES DE TIEMPO
19. Se desea predecir el empleo durante los próximos 6 meses en el segmento de metales con
los datos de los últimos 60 meses. Se usa el método de promedio móvil si no se tienen
patrones bien definidos de tendencia o estacionalidad en los datos.
Página 13 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
20. Se desea predecir el empleo durante los próximos 6 meses en el segmento de metales con
los datos de los últimos 60 meses. Se usa el método de promedio móvil si no se tienen
patrones bien definidos de tendencia o estacionalidad en los datos.
Método de Winters
22. Se desea predecir el empleo para los siguientes seis meses en la industria alimenticia
usando datos colectados sobre los últimos 60 meses, usando el método de Winters con el
modelo multiplicativo, dado que hay componente estacional y de tendencia aparente en los
datos.
Instrucciones de Minitab
Página 14 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Método de ARIMA
Prueba de autocorrelación de los datos
23. Se desea predecir el empleo para los siguientes seis meses en la industria alimenticia
usando datos colectados sobre los últimos 60 meses, se utiliza el modelo de autocorrelación
para identificar el modelo ARIMA adecuado.
24. Se obtiene una función de autocorrelación parcial (PACF) de los datos de empleo
anteriores, después de tomar una diferencia del valor anterior 12 para determinar el modelo
ARIMA más adecuado.
1 Worksheet EMPLOY.MTW
2 Ejecutar Stat > Time Series > Differences.
3 En Series, poner Food.
4 En Store differences in, poner Food2.
5 En Lag, poner 12 . OK.
6 Ejecutar Stat > Time Series > Partial Autocorrelation .
7 En Series, poner Food2. OK.
Ejemplo de ARIMA
25. Las gráficas de autocorrelación (ACF) y de autocorrelación parcial (PACF) sugieren un
modelo de autoregresivo de orden 1 o AR(1), después de tomar una diferencia de 12.
Para tomar una diferencia estacional de orden 12, se especificó el periodo estacional de 12 y el
orden de la diferencia 1, con esto se realiza el pronóstico.
Instrucciones de Minitab
1 Worksheet EMPLOY.MTW.
Página 15 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Corrida de pronósticos
Correr el modelo ARIMA sin gráficas de ACF y PACF de los residuos
Instrucciones de Minitab
1 Worksheet EMPLOY.MTW.
2 Stat > Time Series > ARIMA.
3 En Series, poner Food.
4 Seleccionar Fit seasonal model. En Period poner 12 en Nonseasonal, poner 1 en
Autoregressive. En Seasonal, poner 1 en Difference .
5 Graphs. Seleccionar Time series plot. OK.
6 Seleccionar Forecast. en Lead, poner 12 .
OK en cada cuadro de diálogo.
CONFIABILIDAD
Distribución de Weibull (toma diferentes formas variando sus parámetros como el de forma) –
vista en Minitab
Unidad Horas
1 3.70
2 3.75
3 12.18
4 28.55
5 29.37
6 31.61
7 36.78
8 51.14
9 108.71
10 125.21
11 125.35
Página 16 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
12 131.76
13 158.61
14 172.96
15 177.12
16 185.37
17 212.98
18 280.40
19 351.28
20 441.79
Si las horas de falla siguen la distribución exponencial, estimar las funciones de densidad de
probabilidad, función de distribución acumulada, función de confiabilidad y función de riesgo.
1
1 t
f (t ) e 133.43
133.43
1
t
F (t ) 1 e 133.43
La probabilidad de que los componentes fallen antes de las 20 (x1,000) horas es:
F(20) = 0.139
1
t
R(t ) e 133.43
1
h(t )
133.43
27. Se prueban seis unidades similares en un estudio de confiabilidad, las cuales presentaron
fallas como sigue:
Tiempo de Orden de
falla (Hrs.) t fallas, i
Página 17 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
16 1
34 2
53 3
75 4
93 5
120 6
b) Determinar el MTBF
28. Se prueban seis unidades similares en un estudio de confiabilidad, las cuales presentaron
fallas con algunas unidades censuradas como sigue como sigue:
1. Stat > Reliability / Survival > Distribution analysis (Right sensoring) > Parametric
distribution analysis
2. Variables Tiempo; Assumed distribution Weibull
Página 18 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Análisis no paramétrico
29. Cuando no se conoce la forma de la distribución que ajusta los datos de vida de los equipos
o componentes, se pueden utilizar pruebas no paramétricas como sigue:
1. Stat > Reliability / Survival > Distribution analysis (Right sensoring) >
Nonparametric distribution analysis
2. Variables Tiempo;
3. Censor > Censoring columns Censurado Censoring value 1
4. Estimate: Seleccionar Estimation Method Kaplan Meier 15
5. Graphs: Seleccionar Survival Plot, Cumulative failure plot,
OK
Página 19 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
1550 S
1550 A
1550 A
1850 A
2050 S
Con Minitab:
1. Stat > Reliability / Survival > Distribution analysis (right censoring) > Distribution ID
Plot
2. En Variables Esfuerzo Use all distributions (Weibull, Lognormal, Exponential,
Normal)
3. Options > Estimation Maximum likelihood
4. OK
b) Determinación de la confiabilidad
Haciendo un análisis de confiabilidad considerando los dos tipos de falla se tiene:
Instrucciones de Minitab:;
1. Stat > Reliability / Survival > Distribution analysis (right censoring) > Parametric
Distribution Analysis
2. En Variables Esfuerzo Assumed distribution - Weibull
3. Estimate: Estimation Method Maximum Likelihood y Estimate probabilities for this values
500
4. Graphs: Probability plot y Survival plot
OK
1. Stat > Reliability / Survival > Distribution analysis (right censoring) > Parametric
Distribution Analysis
2. En Variables Esfuerzo By Variable Modo de falla Assumed distribution - Weibull
3. Estimate: Estimation Method Maximum Likelihood y Estimate probabilities for this values
500
4. Graphs: Probability plot y Survival plot
Página 20 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
OK
Confiabilidad de sistemas
31. Un equipo tiene 40 componentes en serie. La confiabilidad de cada uno es de 0.999, por
tanto la confiabilidad del equipo completo es de:
( X ) min{ X 1 ,..., X n },
n
Xi.
i 1
A B C Z
Página 21 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
A ( X ) max{ X 1 ,..., X n },
n
1 (1 X i ).
B i 1
A G
C D
F
E
B
Mantenabilidad
34. ¿Cuál es la probabilidad de completar una acción en las siguientes 5 horas si el MTTR es de
7 horas?
1
MTTR ( Mean Time to Re pair )
Página 22 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
35. El número de fallas que no pueden ser reparadas dentro del tiempo permitido es:
𝑇𝑒 −𝑡/𝑀𝑇𝑇𝑅
Por ejemplo:
a) Hay 7 unidades que requieren reparación. La tasa de falla actual es de 0.03 / hora, el tiempo
disponible es de 10 horas, con un MTTR de 18 horas. El tiempo de misión es de 200 horas.
¿Cuántas fallas no pueden ser reparadas dentro de las 200 horas?
b) Al contrario el número de fallas que pueden ser reparadas dentro de un espacio de tiempo
son:
𝑇(1 − 𝑒 −𝑡/𝑀𝑇𝑇𝑅 )
∑𝑛𝑖=1 𝑖 𝑡𝑖
𝑀𝑇𝑇𝑅 =
∑𝑛𝑖=1 𝑖
En un equipo con 4 secciones de calentamiento reparables con las siguientes tasas de falla.
Determinar el MTTR del sistema:
1 0.06 4 0.24
2 0.04 8 0.32
3 0.12 12 1.44
4 0.18 20 3.6
MTTR = horas
Página 23 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
M(t) = 1 – exp(-t/MTTR) =
38. Abajo se listan los datos de la bitácora de reparación de cierta máquina. Determinar si se
apegan a una distribución lognormal:
Rep
1.2
3.2
1.7
1.5
0.5
6
0.3
1.1
0.4
1.6
1.7
1.8
7.2
10.2
0.2
0.8
3.1
3.6
2.5
1.3
En Minitab:
1. Stat > Reliability / Survival > Distribution Analysis (Right sensoring)> Distribution ID Plot
2. Variables Rep
5. OK
ANALISIS DE CONFIABILIDAD
1. Stat > Reliability / Survival > Distribution analysis (Right sensoring) > Parametric distribution
analysis
2. Variables Rep; Assumed distribution Lognormal
3. Graphs seleccionar Survival, Cumulative failure plot, hazard plot
Estimate: Estimation Method seleccionar Maximum Likelihood
Página 24 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
En 10 horas
El MTTR = 2.61 (indicado como MTTF en el listado) es el tiempo medio para restablecer el
equipo
4. OK
Con Minitab:
2. Variable Rep
3. OK
DISPONIBILIDAD INHERENTE
39. Esto es muy similar a la función de la confiabilidad en que da una probabilidad que un
sistema funcione en el tiempo dado, t. es la disponibilidad en estado estático.
𝜇 𝑀𝑇𝐵𝐹
𝐴𝐼 = =
𝜇 + 𝑀𝑇𝐵𝐹 + 𝑀𝑇𝑇𝑅
Ejemplo:
Página 25 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
𝐹𝑐𝑀𝑐𝑡 + 𝐹𝑝𝑀𝑝𝑡
𝑀𝑀𝑇 =
𝐹𝑐 + 𝐹𝑝
Por ejemplo:
Un sistema tiene un MTBMA de 110 horas, Fc de 0.5, Fp de 1, Mct de 2 horas y Mpt de 1 hora.
¿Cuál es el valor de Aa?
𝑀𝑇𝐵𝑀𝐴
𝐴𝑂 =
𝑀𝑇𝐵𝑀𝐴 + 𝑀𝐷𝑇
Ejemplo:
Un sistema tiene un MTBMA de 168 horas y un MDT de 4 horas. ¿Cuál es la Ao?
Página 26 de 27
EJERCICIOS FASE DE MEDICIÓN SEIS SIGMA BB P. Reyes / Abril 2009
Página 27 de 27