TALLER #7

CONTROL ESTADISTICO DE CALIDAD

PRESENTADOR POR:
JHON EMIRO ARENAS BUENDIA

PRESENTADO A:
MAURICIO QUINTANA

CARTGANE DE INDIAS D.T. y C.

2020
 PROBLEMA 1

En una empresa del ramo metalmecánico se fabrican válvulas. Después del proceso de
fundición se realiza una inspección y las piezas que no cumplen con ciertas características son
rechazadas. Las razones del rechazo son diversas: piezas incompletas, porosas, mal formadas, etc.
Para evaluar la variabilidad y la magnitud de la proporción de piezas defectuosas en el proceso de
fundición se decide implementar una carta p. El proceso de fundición se hace por lotes. En la tabla
se muestran los datos obtenidos durante una semana para cierto tipo de válvulas. Aunque
regularmente el tamaño de lote es fijo, n = 300, en ocasiones, por diferentes motivos, en algunos
lotes se hacen unas cuantas piezas de más o de menos, como se aprecia en la tabla.

Tabla 1: Datos obtenidos durante la semana Fuente: Taller 7 Control estadístico.

A. Calcule los límites de control utilizando el tamaño de subgrupo (lote) promedio.

Solucion pasó a paso:

Paso 1: Para dar solución a todos los interrogantes planteados en este problema, se usara el
software estadístico R-Studio. En primer lugar, se crearan los vectores correspondientes de los
lotes, tamaño de lote y unidades defectuosas, para posteriormente crear el data.frame que servirá
para crear la carta de control requerida.

> # CREAMOS EL DATA FRAME #

> data<-data.frame(lote, tamaño, defectuoso)
> # CALCULAMOS MEDIAS DE TAMAÑO DE LOTE #
> sum(tamaño)
[1] 6270
> sum(defectuoso)
[1] 224

Paso 2: Con el valor de media de lotes calculado anteriormente (se aproxima a 299), se halla la
proporción promedio de válvulas defectuosas de la siguiente forma.

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 224

𝜇𝑝𝑖 = 𝑝̅ = = = 0.0357
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 6270

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 6270

𝑛̅ = = = 298.57 ≅ 299
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠 21

Paso 3: Con los valores calculados anteriormente, pasamos a calcular los límites de control,
usando la formula dada por Humberto Gutiérrez en el capítulo 8 pagina 212 de su libro Control
estadístico de calidad y Seis Sigma.

𝑝̅ (1 − 𝑝̅) 𝑝̅(1 − 𝑝̅ )
𝐿𝐶𝑆 = 𝑝̅ + 3√ − −𝐿𝐶𝐼 = 𝑝̅ − 3√
𝑛 𝑛

0.0357(1 − 0.0357)
𝐿𝐶𝑆 = 0.0357 + 3√ = 0.0678
299

0.0357(1 − 0.0357)
𝐿𝐶𝐼 = 0.0357 − 3√ = 0.00359
299

B. ¿Cómo explicaría los límites de control que obtuvo a alguien que no tiene conocimientos
profundos de estadística?

Solucion: la forma en cómo se explicaría los límites de control a una persona con pocos
conocimientos estadísticos seria la siguiente: “Los límites de control representan el rango de
movimiento aceptable en el que las proporciones disconformes de cada lote pueden estar”

C. Grafique la carta correspondiente e interprétela.

Solucion paso a paso:

Paso 1: Se graficara la carta de control tipo con la ayuda de R-Studio de la siguiente manera.
> # LLAMAMOS EL LIBRO QCC #
> library(qcc)
> # GRAFICAMOS LA CARTA DE CONTROL TIPO P #
> pchart<-qcc(data$defectuoso, type = "p", sizes = 299, title="Carta de contr
ol tipo P", ylab="Proporcion", xlab="subgrupos")

Imagen 1: Carta de control P para el proceso de las válvulas Fuente: R- Studio

Paso 2: La carta de control tipo P, muestra un proceso donde no se violan los límites de control
y no existe ningún patrón de inestabilidad asociado a las proporciones disconformes de los 21
lotes.

D. ¿El proceso es estable?

Solucion: El proceso se encuentra estable según la carta de control P, ya que, no se detectó

ningún patrón de inestabilidad en la misma.

E. ¿Se puede considerar que la capacidad del proceso es aceptable? Argumente su respuesta.

Solucion: teniendo como referencia el valor de centrado que tiene la carta de control 0.03567,
al multiplicarlo por 100, obtenemos un valor de 3.567% válvulas defectuosas por lote. Con el valor
de porcentaje anterior, nos dirigimos a la tabla 5.2 ubicada en el capítulo 5, página 100 del libro
Control estadístico de la calidad y Seis Sigma de Humberto Gutiérrez y obtenemos un valor
aproximado de índice Cp = 0.7.

Imagen 2: Apartado de la tabla 5.2 Fuente: Humberto Gutiérrez.

 Para este valor de índice Cp, no se considera un proceso estable para las válvulas, debido a que
se encuentra en el rango de 0.67 < Cp < 1, categoría 3 “no adecuada para el trabajo. Es necesario
un análisis del proceso. Requiere modificaciones serias para alcanzar una calidad satisfactoria”.

F. ¿Cómo se aplicaría un análisis de Pareto para enfocar un proyecto de mejora en este caso?

Solucion: Para realizar una análisis de Pareto correcto en este proceso de producción de las
válvulas, se deben realizar los siguientes pasos.

1. Identificar cuáles son necesarias las actividades para producir la válvula, por ejemplo,
soldadura, torno, fresadora, temperatura, entre otras.
2. En cada actividad, usando una hoja de verificación, recolectar cuantas válvulas son
defectuosas, usando un método de recolección adecuado y en un tiempo aceptable.
3. En las hojas de verificación, debe estar establecido quien es el operario, hora, día de la
semana, entro otras informaciones secundarias que también pueden tener influencia sobre
la calidad de las válvulas.
4. Realizar diagramas de Pareto por cada actividad productiva, en función de las unidades
defectuosas detectadas en ella.
5. Realizar diagramas de Pareto por días de la semana, turnos de trabajo, operarios, donde se
pueda detectar causas.
6. En los diagramas de Pareto realizados usar el principio 80 -20 para mejorar el proceso
productivo.

Con los 6 pasos anteriores se lograra segmentar el proceso productivo, para así obtener una
trazabilidad del mismo y poder atacar los problemas más relevantes.
 PROBLEMA 2

En un hotel se ha llevado el registro de quejas de los clientes desde hace 15 semanas con el
número de clientes por semana, los datos se muestran en la tabla.

Tabla 2: Datos del problema 2 Fuente: Taller 7 Control estadístico

A. Calcule los límites de control para la carta u para el número de quejas por cliente e
interprete los límites que obtenga.

Solucion pasó a paso:

Paso 1: Para calcular los límites de control de esta carta, es necesario calcular el tamaño de
subgrupo promedio de todas las semanas, estimar la desviación estándar y calcular la estimación
de la media.

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 2195

𝑛̅ = = = 146.33 ≅ 147
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠 15

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 184

𝜇𝜇𝑖 = 𝜇̅ = = = 0.0838
𝑡𝑜𝑡𝑎𝑙 𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 2195

𝑢̅ 0.0838
𝜎𝑢𝑖 = √ = √ = 0.0238
𝑛 147
 𝑢̅
𝐿𝐶𝑆 = 𝑢̅ + 3√ = 0.0838 + 3(0.0238) = 0.1554
𝑛

𝑢̅
𝐿𝐶𝐼 = 𝑢̅ − 3√ = 0.0838 − 3(0.0238) = 0.0124
𝑛

Paso 2: interpretación: los límites de control obtenidos usando la formación anterior, muestra
en rango aceptable de movimientos para las quejas de clientes cuando se toma el n promedio de
147, sin embargo, en este tipo de carta es más conveniente usar límites variables, debido a gran
diferencia entre la cantidad de clientes por cada semana, es decir, no es conveniente usar un límite
de control para 147, cuando por ejemplo, en la semana 10, solo hubieron 91 clientes, en este caso,
el límite de control debería ser más ajustado para obtener una mejor carta de control.

B. Grafique la carta u correspondiente y analícela.

Solucion pasó a paso:

Paso 1: Se obtendrá la carta de control u, usando R – Studio por medio de los comando
siguientes. (Sabiendo que antes hay que almacenar los datos de cada columna en vectores
independientes)

> # GRAFICAMOS LA CARTA DE CONTROL TIPO U #

> pchart<-qcc(data1$quejas, type = "u", sizes = 147, title="Carta de control
tipo u", ylab="Proporcion", xlab="subgrupos")

Imagen 3: Carta de control tipo u del problema 2 Fuente: R-Studio

 Paso 2: Interpretación: En la carta de control u se observa que existen dos con muestra de
inestabilidad, ambos se asocian con el patrón de desplazamientos o cambios en el nivel del proceso,
puesto que en el punto amarillo se observan seis puntos por debajo de la línea central detrás de él,
de igual forma el punto rojo es asociado al criterio de un punto por fuera de los límites de control.
Cuando este patrón ocurre en este tipo de cartas, se puede decir que el promedio de
disconformidades se aumentó o disminuyo. Además, se observa una desviación estándar de 0.28,
valor bastante grande para este tipo de cartas, teniendo en cuenta que este tipo de carta muestra
proporciones de disconformidades.

C. ¿La estabilidad del proceso es aceptable?

Solucion: La estabilidad de este proceso no es aceptable por todo lo mencionado en el paso 2

del inciso anterior.

D. ¿Considera que la calidad del hotel es buena? Explique

Solucion: tomando como referencia el centrado que tiene el proceso de 0.08344, al multiplicarlo
por 100 se obtiene un valor de 8.34 % de porción disconforme. En la imagen 2, se observa que
para este porcentaje, el índice Cp se encuentra entre 0.5 y 0.6, teniendo un valor aproximado de
Cp= 0.63, para el cual, el proceso se encuentra en una categoría 4, identificada como “No adecuada
para el trabajo. Requiere modificaciones muy serias”

E. ¿Cómo aplicaría un análisis de Pareto para enfocar un proyecto de mejora?

Solucion: Para aplicar un análisis de Pareto en este caso del hotel, se haría de forma parecida
al problema de las válvulas en el problema anterior, con la diferencia de que en este caso no se
contarían las fallas en función de la actividad de producción, sino con respecto al tipo de quejas
que tienen los clientes. Es decir, en una hoja de verificación se tendrá cual es el tipo de queja puede
ser comodidad, ambiente, ruido, limpieza, entre otras. Además, es importante también obtener
quien atendió a ese cliente, en que horario se produjo la inconformidad, que día de la semana, entre
otros aspectos relevantes que pueden tener influencia sobre la prestación del servicio. De esta
forma, se orientaran los esfuerzos hacia los problemas más destructivos para la calidad del servicio.

F. ¿Si mejora o empeora la calidad, como se daría cuenta a través de esta carta de control?
 Solucion: la carta de control reflejara el mejoramiento o el empeoro del proceso a medida que
los límites de control se hagan más pequeños entre sí o más grandes respectivamente. Es decir,
cuando la carta de control refleje límites de control pequeños y además el centrado se acerque a
cero, querrá decir que el proporción disconforme es muy poca y el proceso tiene buena calidad.
Por el contrario, cuando los limites e hagan grandes y el centrado de la cara se aleje de cero, la
fracción disconforme aumentara y querrá decir que el proceso no tiene buena calidad.

PROBLEMA 3

En el problema anterior tome en cuenta solo el número de quejas y analícelas mediante una
carta de control c. Específicamente:

A. Calcule los límites de control para una carta c e interprete los límites obtenidos.

Solucion pasó a paso:

Paso 1: Obtener la estimación de la media y de la desviación estándar, que para este tipo de
carta es el mismo debido a la suposición de que los defectos o quejas 𝑐𝑖 siguen la distribución de
Poisson

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 184

𝜇𝑐𝑖 = 𝑐̅ = = = 12.266 𝑦 𝜎𝑐𝑖 = 𝑐̅ = 12.2666
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠 15

𝐿𝐶𝑆 = 𝑐̅ + 3√𝑐̅ = 12.2666 + 3√12.266 = 22.7734

𝐿𝐶𝐼 = 𝑐̅ − 3√𝑐̅ = 12.2666 − 3√12.266 = 1.7597

Nótese que los límites de control se encuentran fijos dentro de toda la carta de control, sin
embargo, el número de muestras de cada semana es diferente, lo cual hace que los resultados
obtenidos con estos límites de control sean vistos con reserva.

B. Obtenga la carta c y analícela.

Solucion pasó a paso:

Paso 1: Se obtendrá la carta c usando los siguientes comandos de R-Studio.

> # GRAFICAMOS LA CARTA DE CONTROL TIPO C #

> pchart<-qcc(data1$quejas, type = "c", title="Carta de control tipo c", ylab
="Proporcion", xlab="subgrupos")
 Imagen 4: Carta de control tipo C Fuente: R – Studio.

La carta de control topo c, muestra los mismos dos puntos inestables que la carta tipo u de la
imagen 3, sin embargo, en esta carta se obtiene la cantidad exacta de unidades disconformes en el
proceso, para este caso, usando el tamaño promedio de subgrupos, se tiene una centrado de 12.266,
es decir, que por cada tamaño semana en la empresa se están obteniendo en promedio doce quejas
por parte de los clientes.

C. ¿Obtiene los mismos resultados que en la carta u? Explique

Solucion: los resultados obtenidos gráficamente en la carta c son iguales a los de la carta u, sin
embargo la interpretación no debe ser la misma, puesto que en la carta u los resultados numéricos
hacen referencia a proporción disconforme, en cambio en la carta c se refiere a cantidades
numéricas de unidades disconformes.

Por otro lado, es importante resaltar que la carta c es usada correctamente cuando el tamaño de
los subgrupos se mantiene constante, caso que no es el presentado en el problema número dos,
puesto que la cantidad de clientes va variando semanalmente.
 CARTA DE CONTROL TIPO U CON LIMITES VARIABLES

Para dar cumplimiento a la teoría, donde dice que la carta tipo u puede ser obtenida con limites
variables, en la que para cada subgrupo se calcula los limites en función del tamaño del subgrupo
n. Se decidió graficar e interpretar la carta u con los siguientes comandos en R-Studio.

> pchart<-qcc(data1$quejas, type = "u", sizes = data1$clientes, title="Carta

de control tipo u", ylab="Proporcion", xlab="subgrupos")

Imagen 5: Carta de control u limites variables Fuente: R – Studio

Nótese que cuando los límites son variables, el proceso se encuentra estable a diferencia con lo
calculado interpretado inicialmente cuando se dijo que tamaño de subgrupos era el promedio de
147. Lo anterior, se debe a la cantidad de clientes van variando pro cada semana, sin embargo, que
el proceso se encuentre estable esta ocasión, no quiere decir que es capaz, ya que su centrado sigue
estando en 0.0838 lo cual equivale al mismo porcentaje fuera de las especificaciones que clasifica
al proceso en una categoría 4.