1.

En un proceso de extrusión de películas de polietileno de alta y baja densidad, una de las

características de calidad es el peso (en kilos), el cual está dado de acuerdo a las
necesidades del cliente, su medición es realizada a cado rollo por medio de una báscula. El
departamento de calidad está interesado en el control del proceso, para esto tienen la
información de 250 grupos de tamaño 4 tomados durante un mes. Como son muchos
deciden tomar una muestra. Con los datos presentados en Excel realizar lo siguiente:

a. Calcular el tamaño de la muestra teniendo en cuenta el total de grupos, una confianza del
95%, una variabilidad de 0.45 y un error del 0.5.

> sample.size.mean(e = 0.5,S = (0.45)^0.5,N = 250,level = 0.95)

sample.size.mean object: Sample size for mean estimate

With finite population correction: N=250, precision e=0.5 and standard
deviation S=0.6708

Sample size needed: 7

El tamaño de muestra necesario para obtener un error del 50% es de 7 películas de subgrupos de
películas de polietileno cada uno de tamaño 4, la población de donde se toma la muestra es finita.

b. Seleccionar una muestra aleatoria de los grupos teniendo en cuenta el tamaño calculado
en la parte (a). Nota: antes de seleccionar la muestra debe finarla con set.seed(8).

> set.seed(8) # fija la muestra

> muestra=sample(1:nrow(datos),size=7,replace=FALSE)
> muestradat1<- datos[muestra, ]
> muestradat1
# A tibble: 7 x 5
Grupo PESO1 PESO2 PESO3 PESO4
<dbl> <dbl> <dbl> <dbl> <dbl>
1 96 15.6 16.6 13.5 15.3
2 52 14.9 16.3 15.8 14.6
3 183 17.0 16.3 15.4 17.0
4 226 14.6 14.4 17.1 15.1
5 79 15.5 16.0 15.3 14.8
6 12 13.7 15.2 13.8 14.4
7 119 15.1 14.4 14.6 15.2

c. A la muestra de la parte (b) calcularle por peso: el promedio, la desviación estándar y

curtosis. Nota: debe de interpretar un resultado de cada medida (promedio, desviación
estándar y curtosis).

> apply(muestradat1[,-1],2,mean)
> apply(muestradat1[,-1],2,sd)
> apply(muestradat1[,-1],2,kurtosis)
Promedios
 PESO1 PESO2 PESO3 PESO4
15.20444 15.59578 15.07029 15.20997

Desviaciones

PESO1 PESO2 PESO3 PESO4

1.0253920 0.9306456 1.2610403 0.8638963

Curtosis

PESO1 PESO2 PESO3 PESO4

2.965983 1.474093 2.152934 3.976274

El promedio de peso de las galletas para la tercera medición de cada subgrupo (peso 3)
corresponde a 15,07 y la desviación es media (1,26), luego la proporción más alta de los pesos
promedio se encuentra entre 15,07±1,26. La variable peso 3 tiene una curtosis baja y de tipo
platicúrtica, producto de la variabilidad media.

1. Una empresa fabrica y entrega sus productos a varias tiendas al por menor y quiere
disminuir el número de devoluciones. Para ello, investigó el número de ocurrencias
generadoras de devolución de la entrega en el último semestre, conforme presentado en
la tabla abajo:

Razones Frecuencia
Separación incorrecta (SI) 120
Facturación incorrecta (FI) 40
Atraso en el transporte (AT) 45
Pedido errado (PE) 30
Atraso en la entrega (AE) 160
Precio errado (PR) 30
Producto dañado (PD) 60
Otros (O) 15
Total 500
a. Si se realiza un diagrama de Pareto (usando R) considerando la frecuencia de ocurrencia
de las causas, ¿Qué le recomiendan a la compañía?

La proporción más alta de las devoluciones tiene como causa los atrasos de entrega (AE) y la
separación incorrecta (SI) de los productos a distribuir, un control de conteo y verificación de
correspondencia entre pedidos y clientes antes de que el producto salga de la empresa es una
buena solución.

b. ¿Qué porcentaje de la problemática corresponde al atraso en el transporte?

Los atrasos en transporte generan un 9% de las devoluciones a la empresa.

2. El estudio sobre la velocidad de una máquina, la cual posee una especificación de 400 ± 20
revoluciones por minuto y cuyos datos se recolectaron durante 8 turnos de producción,
registrando 7 lecturas sobre la velocidad de la máquina en cada turno a intervalos de 1
hora. Los datos son los siguientes:

# de muestras X́ i Ri
1
401 9
2 396 7
3
394 10
4 395 8
5 402 8
6 397 10
7 405 11
8 395 9
Total 318 72
5
Sea X la variable que mide el número de revoluciones por minuto.

Número de muestras

m=8

Tamaño de muestra

n=7

Valor objetivo o nominal

N=400 rpm

Tolerancia

Tol=±20 rpm

Límites de especificación

ES=420 rpm

EI =380 rpm

Promedios
8
1 3185
X́´ = ∑ X́ i= =398,125
n i=1 8
8
1 72
Ŕ= ∑ Ri= =9
n i=1 8

Luego

A2=0,419

D 4 =1,924

D3=0

a. Calcular los límites de control del gráfico R y graficarlo. ¿Qué se puede decir de la amplitud
o rango del proceso?
Carta R

Límites de control

LCS=D 4 Ŕ=1,924∗9=17,316 rpm

LCI =D3 Ŕ=9(0)=0

LC= Ŕ=9 rpm

Carta R para la velocidad de la máquina

20
Rango de la velocidad media (rpm)

18
16
14
12
10 LCI
LC
8
LCS
6
4
2
0
0 1 2 3 4 5 6 7 8
Muestra

Los límites de control para el proceso de medición de la velocidad de la máquina contienen el

intervalo [0; 17,316] rpm para la amplitud del rango, se puede ver que ninguno de los subgrupos
muestrales está fuera de tal intervalo. El rango del proceso está muy bien controlado, su amplitud
es reducida y hay holgura de los rangos muestrales dentro de los límites de control, además los
rangos se distribuyen aleatoriamente alrededor de la línea central sin tendencias o rachas que den
indicios de no aleatoriedad.

a. Calcular los límites de control del gráfico X́ y graficarlo. ¿Qué se puede decir del promedio
del proceso?

Carta Xbar

Límites de control

´ + A Ŕ= X́´ + 0,419 Ŕ=398,125+0,419 ( 9 ) =401,896 rpm

LCS= X́ 2

´
LCI = X́− A 2 Ŕ= X́−0,419 Ŕ=398,5−0,419 ( 9 )=394,354 rpm

LC=398,125 rpm
 Carta X-bar para la velocidad de la máquina
406
404
402
Velocidad (rpm)

400
398 LCI
396 LC
394 LCS
392
390
388
0 1 2 3 4 5 6 7 8
Muestra
Los límites de
control para el proceso de medición de la velocidad de la máquina contienen el intervalo [94,354;
401,896] rpm para los promedios de peso muestral, la carta de promedios no está controlada, hay
3 muestras (subgrupos 3, 5 y 7) que arrojaron mediciones por fuera de ambos límites de control,
luego se debe revisar para determinar si fueron fallos de la máquina o si las mediciones extremas
fueron inducidas por la acción de un operario no capacitado o notavo. El proceso requiere un
control estadístico estricto.

En general, el proceso está fuera de control y se debe revisar los aparatos de medición y que las
condiciones de operación de la máquina se estén cumpliendo porque hay muchas muestras con
datos promedio atípicos. Primero se debe revisar el rango de los subgrupos 3, 5, y 7 para luego
poder reorganizar la carta de control para el promedio.

a. Calcule los límites de control de valores individuales y grafíquelos junto con los de
especificación. ¿Es capaz de soportar las especificaciones el proceso?

Para el rango móvil de orden 2, d2=1,128

Muestr Rang
a o Rango móvil
1 9  
2 7 2
3 10 3
4 8 2
5 8 0
6 10 2
7 11 1
8 9 2
Promedio ( Ŕ ) 1,714
 Ŕ Ŕ 3(1,714)
LCS= X́ +3 = X́ + 3 =398,125+ =402,684 rpm
d2 1,128 1,128

Ŕ Ŕ 3 ( 1,714 )
LCI = X́ +3 = X́−3 =398,125− =393,566 rpm
d2 1,128 1,128

LC= X́ =398,125 rpm

Carta para valores individuales

430

420

410
LC
Velocidad (rpm)

400 LCS

LCI
390
LC
ES
380
EI

370

360
0 1 2 3 4 5 6 7 8

Muestra

Aunque el proceso no se encuentra bajo control porque hay valores atípicos que superan los
límites de control para valores individuales (abarcan de 393,566 rpm a 402,684 rpm), se puede
observar que el proceso cumple las especificaciones del proceso y las soporta holgadamente.

3. En una empresa fabricante de galletas, las personas encargadas de controlar la calidad de

un proceso de vertimiento de crema en las galletas, necesitan hacer una inspección inicial
para observar el estado del proceso. Para esto tienen en cuenta dos fases del proceso, en
la primera seleccionan una muestra de 48 turnos de producción y por cada uno calculan 7
pesos de las galletas. En la segunda fase toman 10 turnos de producción y calculan la
misma cantidad de pesos que en la fase 1. Teniendo en cuenta la base de Excel que
contiene la información anterior, calcular usando R:
a. Por peso: el promedio, la desviación estándar. Nota: debe de interpretar un resultado de
cada medida (promedio, desviación estándar).

> apply(datos[,-1],2,mean)
peso 1 peso 2 peso 3 peso 4 peso 5 peso 6 peso 7
8.652990 8.610128 8.641454 8.645237 8.693535 8.654956 8.696025

> apply(datos[,-1],2,sd)
peso 1 peso 2 peso 3 peso 4 peso 5 peso 6 peso 7
0.1583549 0.1567814 0.1605927 0.1621236 0.1783290 0.1527416 0.2663821

El promedio de peso de las galletas para la cuarta medición de cada subgrupo (peso 4)
corresponde a 8,65 y la desviación es baja, luego la proporción más alta de los pesos promedio se
encuentra entre 8,65±0,16.

a. Los grafico R y X́ de la fase 1 del proceso. Nota: escribir las conclusiones de cada gráfica y
la general.