UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIA

CONTROL ESTADÍSTICO DE PROCESOS

EJERCICIOS POTENCIA GRÁFICOS POR ATRIBUTOS

DOCENTE:
MANUEL CAMPUZANO HERNANDEZ

INTEGRANTES:

PAULA BLANCO
CODIGO:2017116130 GRUPO N° 4

AXEL HABEYCH
CODIGO:2017116042 GRUPO N° 4

SERGIO JACQUIN
CODIGO:2017116136 GRUPO N° 4

LINA MORENO
CPDIGO:2017116066 GRUPO N° 4

09/05/2020
SANTA MARTA
 EJERCICIOS POTENCIA GRÁFICOS POR ATRIBUTOS
1. Un proceso produce un porcentaje de artículos defectuosos igual al 1%.
Construir un gráfico P para un tamaño muestral de n = 8.

𝑫𝒂𝒕𝒐𝒔:

𝑛=8
𝑃 = 0,01
𝑷𝒓𝒐𝒄𝒆𝒅𝒆𝒎𝒐𝒔 𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒍𝒐𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍:

𝐿𝐶 = 0,01
2 0,01(0,99)
𝐿𝐶𝑆 = 0,01 + 3 ∗ √
8
𝐿𝐶𝑆 = 0,1155
2 0,01(0,99)
𝐿𝐶𝐼 = 0,01 − 3 ∗ √
8
𝐿𝐶𝐼 = 0

A. Supongamos un proceso que produce una proporción de defectuosos p, en

estado de control, desconocida y que se utiliza el gráfico P anterior.
Supongamos también que se inspecciona el 100% de la producción ¿cuántos
artículos defectuosos debe haber en la muestra de tamaño n = 8 para dar la
señal de que se está fuera de control?

Siendo P la proporción desconocida de artículos defectuosos de la una muestra

de tamaño 8 cuando se inspecciona el 100% de la producción, para poder
encontrar una señal fuera de control del proceso, P tendría que ser mayor al
límite de control superior, es decir, P>LCS.

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑃 > 0,1155 𝑆𝑖𝑒𝑛𝑑𝑜 𝑛 = 8

𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

0 3
𝑃= =0 𝑃= = 0,375
8 8

1 4
𝑃= = 0,125 𝑃= = 0,5
8 8

2 5
𝑃= = 0,25 𝑃 = 8 = 0,625
8
6
𝑃= = 0,75
8
 8
7 𝑃= =1
𝑃 = 8 = 0,875 8

Como se observa, cuando es cero la cantidad de productos defectuoso en una

muestra tamaño 8, la proporción de artículos defectuosos es cero, por lo que aún se
encuentra entre los límites de control, mientras que, si la cantidad de producto
defectuosos es uno, la proporción de artículos defectuosos pasa a ser 0,125, esta
sería una señal fuera de control, dado que es mayor al límite de control superior. El
mismo caso, sucedería cuando aumenta la cantidad de artículos defectuosos hasta
llegar a 8.Por lo anterior, se puede establecer que debe haber al menos un artículo
defectuoso para dar señal de que se está fuera de control en el proceso.

B. Determine la potencia el gráfico para que se detecte un cambio de la proporción

de defectuosos de p = 0,01 a p = 0,05.

𝐷𝑎𝑑𝑜 𝑞𝑢𝑒 ℎ𝑢𝑏𝑜 𝑢𝑛 𝑐𝑎𝑚𝑏𝑖𝑜, 𝑃 = 0,01 𝑝𝑎𝑠𝑎 𝑎 𝑃´ = 0,05.

0,05 ∗ 0,95
𝑃~𝑁 (0,05 ∗ )
8

𝐷𝑎𝑑𝑜 𝑞𝑢𝑒 𝑒𝑙 𝑐𝑎𝑚𝑏𝑖𝑜 𝑓𝑢𝑒 ℎ𝑎𝑐𝑖𝑎 𝑎𝑟𝑟𝑖𝑏𝑎, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

1 − 𝛽 = 𝑃(𝑃 > 𝐿𝐶𝑆)

𝑆𝑖𝑒𝑛𝑑𝑜 𝑒𝑙 𝑙𝑖𝑚𝑖𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑖𝑔𝑢𝑎𝑙 𝑎:

2 0,01(0,99)
𝐿𝐶𝑆 = 0,01 + 3 ∗ √
8

2 0,01(0,99)
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠: 𝑃 (𝑃 > 0,01 + 3 ∗ √ )
8

0,2985
𝑃 (𝑃 > 0,01 + 2 )
√8

0,2985
0,01 + − 0,05
𝑃 − 0,05 2
√8
𝑃 >
√0,05 ∗ 0,95
2 2 0,05 ∗ 0,95
√
( 8 8 )

𝑃(𝑍 ≥ 0,8508) = 0,1977

C. Un criterio muy habitual para elegir el tamaño muestral es que n sea lo
suficientemente grande como para poder detectar un cierto desajuste con una
probabilidad deseada. Siguiendo esta recomendación, ¿cuál debe ser el tamaño
muestral n del problema 1 para que se detecte un cambio de la proporción de
defectuosos de p= 0,01 a p = 0,05 con probabilidad del 85%?

Datos:

1 − 𝛽 = 0,85

𝑃´ = 0,05

Por lo que despejamos n, de la probabilidad de detectar un cambio de la

proporción de defectuosos:

0,2985
0,01 + 2 − 0,05
1−𝛽 =𝑃 𝑍 ≥ √𝑛 = 0,85
2 0,05 ∗ 0,95
√
( 𝑛 )

𝑃(𝑍 ≥ −1,035) = 0,85

0,2985
0,01 + 2 − 0,05
−1,035 = √𝑛
2 0,05 ∗ 0,95
√
𝑛

2 0,2985
−1,035 ∗ √0,05 ∗ 0,95 ∗= 0,01 2√𝑛 + ( 2 ∗ 2√𝑛) − 0,05 2√𝑛
√𝑛

−1,035 ∗ 0,2179 = 0,2985 − 0,04 2√𝑛

0,04 2√𝑛 = 0,2985 + 0,2255

0,524 2
𝑛=( )
0,04

𝑛 = 171,61

𝑛 ≈ 172
2. Se desea controlar un proceso mediante un gráfico que visualice la evolución del
número de artículos defectuosos en lotes de tamaño fijo. Se sabe de previos
estudios que el proceso produce un 5% de artículos defectuosos cuando está bajo
control. Se pide:

A. Diseñar el gráfico de control en función del tamaño muestral n del lote

examinado.

𝑆𝑖𝑒𝑛𝑑𝑜 𝑛𝑝 = 0,05𝑛

𝑃𝑟𝑜𝑐𝑒𝑑𝑒𝑚𝑜𝑠 𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑜𝑠 𝑙𝑖𝑚𝑖𝑡𝑒𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙:

2
𝐿𝐶𝑆 = 0,05𝑛 + 3 √(𝑛 ∗ 0,05 ∗ 0,95) → 𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒏ú𝒎𝒆𝒓𝒐 𝟏
𝐿𝐶 = 0,05𝑛
2
𝐿𝐶𝐼 = 0,05𝑛 − 3 √(𝑛 ∗ 0,05 ∗ 0,95)

B. El proceso anterior se desajusta, pasando a producir un 10% de artículos

defectuosos. Calcular el tamaño muestral n para que, utilizando gráfico de
control diseñado en el punto anterior, la probabilidad de detectar el desajuste
en la siguiente muestra sea igual a 0.5.

𝑝 = 0,05 → 𝑝´ = 0,1
𝐷𝑜𝑛𝑑𝑒:

𝑛𝑝´ = 0,1𝑛

Por lo que:
𝑃(𝑛𝑝 > 𝐿𝐶𝑆) = 0,05

𝑛𝑝 − 0,1𝑛 𝐿𝐶𝑆 − 0,1𝑛

𝑃 (2 >2 ) = 0,05
√(𝑛 ∗ 0,1 ∗ 0,9) √(𝑛 ∗ 0,1 ∗ 0,9)

𝑃(𝑍 > 0) = 0,05

𝐿𝐶𝑆 − 0,1𝑛
2
=0
√(𝑛 ∗ 0,1 ∗ 0,9)

𝐿𝐶𝑆 − 0,1𝑛 = 0

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜:

𝐿𝐶𝑆 = 0,1𝑛
𝑹𝒆𝒆𝒎𝒑𝒍𝒂𝒛𝒂𝒏𝒅𝒐 𝒆𝒍 𝒗𝒂𝒍𝒐𝒓 𝒅𝒆 𝑳𝑪𝑺 𝒆𝒏 𝒍𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒏ú𝒎𝒆𝒓𝒐 𝟏: 𝑝𝑎𝑟𝑎 𝑐𝑜𝑛𝑜𝑐𝑒𝑟 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑛

2
0,1𝑛 = 0,05𝑛 + 3 √(𝑛 ∗ 0,05 ∗ 0,95)

2
0,1𝑛 − 0,05𝑛 = 3 √(𝑛 ∗ 0,05 ∗ 0,95)

2
(0,1𝑛)2 = [3 √(𝑛 ∗ 0,05 ∗ 0,95)]2

0,0025𝑛2 = 9 ∗ 𝑛 ∗ 0,05 ∗ ,095

0,0025𝑛2 9 ∗ 𝑛 ∗ 0,05 ∗ ,095

=
𝑛 𝑛

0,0025𝑛 = 9 ∗ 0,0475

0,4275
𝑛=
0,0025

𝑛 = 171

3. El proceso de elaboración de lámparas de autos es controlado mediante un gráfico de

control “np”. En el proceso se producen un 5% de unidades defectuosas cuando está
bajo control estadístico.

𝑷𝒓𝒐𝒄𝒆𝒅𝒆𝒎𝒐𝒔 𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒍𝒐𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 𝒆𝒏 𝒕𝒆𝒓𝒎𝒊𝒏𝒐𝒔 𝒅𝒆 𝒏:

𝐿𝐶 = 𝑛𝑝̂

𝐿𝐶 = 0,05𝑛

𝐿𝐶𝑆 = 𝑛𝑝̂ + 3 ∗ 2√𝑛𝑝̂ (1 − 𝑝̂ )

𝐿𝐶𝑆 = 0,05𝑛 + 3 ∗ 2√0,05𝑛(1 − 0,05)

𝐿𝐶𝐼 = 𝑛𝑝̂ − 3 ∗ 2√𝑛𝑝̂ (1 − 𝑝̂ )

𝐿𝐶𝐼 = 0,05𝑛 − 3 ∗ 2√0,05𝑛(1 − 0,05)

a). Determinar el tamaño de la muestra si se desea que cuando el proceso pasa a
producir 10% de unidades defectuosas, la probabilidad de detectar el cambio sea 0,6 en
la primera muestra posterior al mismo. Suponer valida la aproximación de la
distribución Normal por la distribución Binomial.
El porcentaje de unidades defectuosas pasa de 5% a 10%

𝑝̂ = 0,05 → 𝑝̂′ = 0,1

La probabilidad de detectar el cambio (1 − 𝛽) = 0,6
Donde: 𝑁~( 𝑛𝑝̂ , 𝑛𝑝̂ 𝑞); 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠: 𝑁~(0,1𝑛; 0,1𝑛(0,90))
Por lo que podemos despejar n de la probabilidad de detectar el cambio de 60%, cuando
𝑝̂ , pasa a ser 0,1:

𝑙𝑐𝑠 − 0,1 𝑛
1 − 𝛽 = 𝑃 (𝑧 > ) = 0,6
√𝑛 (0,1)(0,9)
𝑙𝑐𝑠 − 0,1 𝑛
= −0,255
√𝑛 (0.1)(0.9)

Despejando n:

0.05𝑛 + 3√0.05𝑛 (0.95) − 0,1 𝑛

= −0,255
√𝑛 (0.1)(0.9)

0.05𝑛 + 3√0.05𝑛 (0.95) = −0,255 √𝑛 (0.1)(0.9) + 0.1 𝑛

3√0.05𝑛 (0.95) + 0,255 √𝑛 (0.1)(0.9)+= 0.1 𝑛 − 0.05𝑛

3√19
√𝑛 + 0.0765√𝑛 = 0.05𝑛
20

(0.7303)2 = (0.05𝑛)2

1 2
0.5333𝑛 = 𝑛
400

0.5333 𝑥 400 = 𝑛

213,32 = 𝑛

214 ≈ 𝑛
b). Con el n hallado, ¿qué cantidad de muestras es necesario extraer en promedio para
detectar un cambio con una fracción defectuosa de 0,15?
Datos:

𝑛 = 214
𝑝̂ = 0.15
𝑷𝒓𝒐𝒄𝒆𝒅𝒆𝒎𝒐𝒔 𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒍𝒐𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍

𝐿𝐶𝑆 = 214(0.05) + 3 √214(0.05)(0.95)

𝐿𝐶𝑆 = 20.26

𝐿𝐶𝑆 = 214(0.05) − 3 √214(0.05)(0.95)

𝐿𝐶𝐼 = 1.13
𝐿𝐶 = 0.05(214)
𝐿𝐶 = 10.7
Teniendo los limites de control del proceso se calcula el ARL, que nos determinara el
número de muestras mínimo para detectar un cambio, para esto primero debe hallarse la
probabilidad de detectar ese corrimiento.

𝑝̂ = 0.05 → 𝑝̂′ = 0.15

𝑁~(𝑛𝑝, √𝑛𝑝𝑞) → 𝑁~(214(0.15), √214(0.15)(0.85))

Media´= 32,1
Desviación´= 5,22

Por lo que:
𝑛𝑝 − 𝑀𝐸𝐷𝐼𝐴´ 𝐿𝐶𝑆 − 𝑀𝐸𝐷𝐼𝐴´
1−𝛽 = 𝑃( > )
𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´ 𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´

20.26 − 32.1
1 − 𝛽 = 𝑃 (𝑧 > )
5.22

1 − 𝛽 = 𝑃(𝑧 > −2,26)

1 − 𝛽 = 0.9881 → 98.81%
 1
𝐴𝑅𝐿 =
1−𝛽
1
𝐴𝑅𝐿 = = 1.01
0.9881
𝐴𝑅𝐿 ≈ 1
Esto nos indica que es necesario extraer una muestra, para detectar un cambio de

𝑝̂ = 0.05 → 𝑝̂′ = 0.15, con un tamaño de muestra de 214.

c). Si se elaboran 2000 lámparas por hora en promedio, de los cuales se toman 200 para
realizar los ensayos de control de calidad, sabiendo además que el costo de producir una
unidad defectuosa es de $8 y que los subgrupos se extraen cada hora de producción,
cuáles serán los costos debidos a la falta de calidad durante 8 horas de producción si el
cambio descrito en la parte (a) recién se detecta en el cuarto subgrupo. Suponer que el
cambio se presenta en el punto medio entre dos subgrupos sucesivos.
Si:
𝑝̂ = 0,05 → 𝑝̂′ = 0,1
Dónde:
CP= cambio de proporción Y DCP= detecta el cambio de proporción.

El ATS ≈ 4 𝐻𝑜𝑟𝑎𝑠
Se detecta recién en el cuarto subgrupo y el cambio se presenta en el punto medio entre
dos grupos sucesivos, quiere decir que fue detectado justo en el cuarto subgrupo, por lo
que el cambio realmente se detectó en el punto medio entre 0 y 1:

CP
1 2 3 4 5 6 7 8

DCP

EN CONTROL PROCESO FUERA DE CONTROL CON PROPORCION PROCESO EN CONTROL CON PROPORCION IGUAL A P`=0,05.
P`=0,10 SE DETECTA Y SE
CORRIGE.

Subgrupos durante 8 horas de producción de 200 lámparas cada uno.

Entonces, las unidades defectuosas durante 8 horas serán:

• Los subgrupos que estarán bajo una proporción 5% son aquellos en los que aún no
había ocurrido el cambio y los que luego de detectarse el cambio se corrigió el
proceso, por ello las 4,5 horas en promedio que el proceso trabajo con una
proporción de 0,05, representan estos subgrupos donde las unidades defectuosas
son:

𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠: 𝑝 𝑥 𝑡𝑎𝑠𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑜𝑛 𝑥 ℎ𝑜𝑟𝑎𝑠 𝑏𝑎𝑗𝑜 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 = 5% 𝑥 2000 𝑙𝑎𝑚𝑝𝑎𝑟𝑎𝑠⁄ℎ𝑜𝑟𝑎 𝑥 4,5 ℎ𝑜𝑟𝑎𝑠
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 = 450 𝑙𝑎𝑚𝑝𝑎𝑟𝑎𝑠.

• Mientras que las horas de producción restantes para completar 8 horas, debido a
que ya ocurrió el cambio de proporción de defectuosos en las mismas, estarán
bajo una proporción del 10%, por lo que las unidades defectuosas serán:
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 = 10% 𝑥 2000 𝑙𝑎𝑚𝑝𝑎𝑟𝑎𝑠⁄ℎ𝑜𝑟𝑎 𝑥 3,5 ℎ𝑜𝑟𝑎
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 = 700 𝑙𝑎𝑚𝑝𝑎𝑟𝑎𝑠.
Cabe destacar que, aunque el proceso muestra que estuvo más tiempo con una
proporción del 5%, que esta se halla duplicado, permite que sean mayores las unidades
defectuosas en las horas en que este se mantuvo fuera de control.

El total de unidades defectuosas durante 8 horas de operación será de 1.150 lámparas.

• El costo por falta de calidad del proceso es de:

𝑐𝑜𝑠𝑡𝑜 𝑥 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖𝑜𝑛 = 1.150 𝑙𝑎𝑚𝑝𝑎𝑟𝑎𝑠 𝑥 $8
𝑐𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑓𝑎𝑙𝑡𝑎 𝑑𝑒 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑒𝑛 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑜𝑛 = $9.200

4. Un gráfico de control para la fracción disconforme con n=400 tiene los siguientes
parámetros:

• 𝑳𝑰𝑴𝑰𝑻𝑬 𝑫𝑬 𝑪𝑶𝑵𝑻𝑹𝑶𝑳 𝑺𝑼𝑷𝑬𝑹𝑰𝑶𝑹

𝐿𝐶𝑆 = 0.0809

• 𝑳𝑰𝑴𝑰𝑻𝑬 𝑫𝑬 𝑪𝑬𝑵𝑻𝑹𝑨𝑳
𝐿𝐶 = 0,05

• 𝑳𝑰𝑴𝑰𝑻𝑬 𝑰𝑵𝑭𝑬𝑹𝑰𝑶𝑹 𝑫𝑬 𝑪𝑶𝑵𝑻𝑹𝑶𝑳

𝐿𝐼𝐶 = 0.0191
 a. Encontrar la anchura de los límites de control en unidades de desviación
estándar.

Donde: 𝐿 𝑒𝑠 𝑙𝑎 𝑎𝑛𝑐ℎ𝑢𝑟𝑎 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟.

𝑃̂(1 − 𝑃̂)
𝐿𝐶𝑆 = 𝑃̂ + 𝐿 √
𝑛

Reemplazamos:

0,05(1 − 0,05)
𝐿𝐶𝑆 = 0,05 + 𝐿√
400

0,05(1 − 0,05)
0,0809 = 0,05 + 𝐿√
400

0,05(1 − 0,05)
0,0809 − 0,05 = 𝐿√
400

0,0809 − 0,05
=𝐿
√0,05(1 − 0,05)
400

𝐿 = 2,8355

𝐿 = 2,83

b. ¿Cuáles serían los parámetros correspondientes para el gráfico de control equivalente

basado en el número de unidades no conformes?

• 𝐸𝐿 𝐿𝐼𝑀𝐼𝑇𝐸 𝐶𝐸𝑁𝑇𝑅𝐴𝐿
𝐿𝐶 = 𝑛𝑝̂

𝐿𝐶 = 0,05(400)
𝐿𝐶 = 20

• EL LIMITE DE CONTROL SUPERIOR

𝐿𝐶𝑆 = 𝑛𝑝̂ + 𝐿 2√𝑛𝑝̂ (1 − 𝑝̂ )

𝐿𝐶𝑆 = 0,05(400) + 2,83 2√0,05(400)(1 − 0,05)

𝐿𝐶𝑆 = 32,33
 • 𝐸𝐿 𝐿𝐼𝑀𝐼𝑇𝐸 𝐷𝐸 𝐶𝑂𝑁𝑇𝑅𝑂𝐿 𝐼𝑁𝐹𝐸𝑅𝐼𝑂𝑅

𝐿𝐶𝐼 = 𝑛𝑝̂ − 𝐿 ∗ 2√𝑛𝑝̂ (1 − 𝑝̂ )

𝐿𝐶𝐼 = 0,05(400) − 2,83 2√0,05(400)(1 − 0,05)

𝐿𝐶𝐼 = 7,66

C. ¿Cuál es la probabilidad de que un corrimiento en la fracción disconforme del

proceso a 0,0300 se detecte en la primera muestra después del corrimiento?

𝐿𝐼𝐶 = 0.0191

𝑃̂ = 0,05 → 𝑃̂ = 0,0300
Donde:
𝑝𝑞 0,03(0,97)
𝑁~ (𝑝, √ 𝑛 ) → 𝑁~(0,03), √ )
400

probabilidad de detectar el cambio 1 − 𝛽

𝑃̂ − 𝑀𝐸𝐷𝐼𝐴´ 𝐿𝐶𝐼 − 𝑀𝐸𝐷𝐼𝐴´

1−𝛽 = 𝑃( < )
𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´ 𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´

0,0191 − 0,03
1−𝛽 =𝑃 𝑍 <
√0,03(0,97)
( 400 )

1 − 𝛽 = 𝑃(𝑍 < −1,278)

1 − 𝛽 = 0.1003

La probabilidad de detectar un cambio en la proporción de defectuosos de 0,05 a 0,03, en

la siguiente muestra después del cambio es 1 − 𝛽 = 10,03%

5. Para estudiar el funcionamiento de una ventanilla de información se quiere utilizar

un gráfico de control. Después de un estudio sobre la frecuencia de llegada de los
clientes se ha estimado que acuden, en promedio, 12 clientes a la hora.

a. Diseñe un gráfico de control para estudiar las llegadas por hora y detectar si la
frecuencia de llegada cambia.
 Debemos entender que el número de clientes que llegan por hora, será una variable
aleatoria de poisson de 𝑚𝑒𝑑𝑖𝑎 = 12 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠⁄ℎ𝑜𝑟𝑎 y que tanto la media como la
varianza serán iguales a 𝜆. Este numero de clientes que llegan por hora, encaja con el
grafico C, donde los clientes llegan de forma regular.

Lo que nos indicaran los limites de control de este grafico será la variación esperada en
la frecuencia de llegada de los clientes, por lo que nos permitirá conocer si esta cambia
y cómo se comporta.
Grafico:

• LIMITE CENTRAL
𝐿𝐶 = 𝐶̅
𝐿𝐶 = 12

• LIMITE DE CONTROL SUPERIOR

𝐿𝐶𝑆 = 𝐶̅ + 3√𝐶̅
𝐿𝐶𝑆 = 12 + 3√12
𝐿𝐶𝑆 = 22,39
𝐿𝐶𝑆 ≈ 22

• LIMITE DE CONTROL INFERIOR

𝐿𝐶𝐼 = 𝐶̅ − 3√𝐶̅
𝐿𝐶𝐼 = 12 − 3√12
𝐿𝐶𝐼 = 1,61
𝐿𝐶𝐼 ≈ 2
b. ¿Cuáles serían los límites para monitorizar el número de clientes al día (jornada de 8
horas)?
En este caso 𝜆 = 12 𝑥 8 = 96 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠⁄𝑑𝑖𝑎, donde la media y la varianza son iguales a 𝜆
Por lo que los limites serán:
• LIMITE CENTRAL
𝐿𝐶 = 𝐶̅

𝐿𝐶 = 96
 • LIMITE DE CONTROL SUPERIOR

𝐿𝐶𝑆 = 𝐶̅ + 3√𝐶̅
𝐿𝐶𝑆 = 96 + 3√96
𝐿𝐶𝑆 = 125,39

𝐿𝐶𝑆 ≈ 125

• LIMITE DE CONTROL INFERIOR

𝐿𝐶𝐼 = 𝐶̅ − 3√𝐶̅
𝐿𝐶𝐼 = 96 − 3√96
𝐿𝐶𝐼 = 66,60
𝐿𝐶𝐼 ≈ 67

6. Un cable de fibra óptica tiene una media de 0,1 defectos por cada metro de cable
¿Cuál es la unidad de medida mínima que habría que usar para monitorizar la
calidad del cable con un gráfico C si se desea detectar en la siguiente unidad de
medida que el número de defectos se duplica con una probabilidad mayor a 0,8?

Dado que 0,1 es la media de defectos de un metro de cable, 0,1 x n será la media de
defectos por cantidad de metros de cable, este último representará la unidad mínima de
medida para detectar un cambio con una probabilidad del 80%, cuando la media de
defectos pasa a ser 0,2 x n

𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑐 𝑒𝑛 𝑡𝑒𝑟𝑚𝑖𝑛𝑜𝑠 𝑑𝑒 𝑛, 𝑒𝑠:

• LIMITE CENTRAL
𝐿𝐶 = 𝐶̅
𝐿𝐶 = 0,1 𝑛
 • LIMITE DE CONTROL SUPERIOR

𝐿𝐶𝑆 = 𝐶̅ + 3√𝐶̅
𝐿𝐶𝑆 = 0,1𝑛 + 3√0,1𝑛

• LIMITE DE CONTROL INFERIOR

𝐿𝐶𝐼 = 𝐶̅ − 3√𝐶̅
𝐿𝐶𝐼 = 0,1𝑛 − 3√0,1𝑛
Dado que:

𝑐̅ = 0,1𝑛 → 𝑐̅ = 0,2𝑛

La media´= 0,2n y la desviación´= √0,2𝑛

Procedemos a despejar n de la probabilidad de detectar el cambio cuando 𝑐̅ se duplica

que es igual al 80%:

1 − 𝛽 = 0.80

𝐶̅ − 𝑀𝐸𝐷𝐼𝐴´ 𝐿𝐶𝑆 − 𝑀𝐸𝐷𝐼𝐴´

1−𝛽 = 𝑃( > ) = 0,8
𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´ 𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁´

0,1𝑛 + 3√0,1𝑛 − 0,2𝑛

1 − 𝛽 = 𝑃 (𝑍 > ) = 0,8
√0,2𝑛

0,1𝑛 + 3√0,1𝑛 − 0,2𝑛

= −0,84
√0,2𝑛

0,1𝑛 + 3√0,1𝑛 − 0,2𝑛 = −0,84√0,2𝑛

−0,1𝑛 + 3√0,1 ∗ √𝑛 = −0,84√0,2 ∗ √𝑛

(3√0,1 + 0,84√0,2 )√𝑛 = 0,1𝑛

(1,3243 )√𝑛 = 0,1𝑛

 2
((1,3243)√𝑛) = (0,1𝑛)2

1,7537𝑛 = 0,01𝑛 2

1,7537 = 0,01𝑛

𝑛 = 175,37

𝑛 ≈ 176 → por lo que se necesitaran 176 metros de cable para que al duplicarse 𝑐,
̅ se
detecte este cambio en la muestra siguiente a él, con una probabilidad del 80%.

7. El proceso, hasta el momento, ha venido en estado estable y tiene un p’ = 0.04

Número de muestras por día: 10

Tamaño de la muestra: n = 120, α = 0.05 NAC (nivel de aceptación de calidad) Que

exige el cliente: 4.5%

p MUESTRALES DE NO CONFORMES
p del 1 DIA p del 2 DIA p del 3 DIA p del 4 DIA p del 5 DIA

0,050 0,075 0,058 0,042 0,042

0,025 0,058 0,042 0,025 0,025
0,042 0,058 0,042 0,033 0,033
0,050 0,067 0,050 0,033 0,033
0,067 0,075 0,075 0,058 0,058
0,025 0,042 0,033 0,025 0,025
0,050 0,077 0,058 0,082 0,042
0,062 0,085 0,078 0,065 0,025
0,028 0,052 0,037 0,048 0,008
0,062 0,068 0,070 0,073 0,033
P muestrales de no conformes promedios por día
0,0461 0,0657 0,0543 0,0484 0,0324

A. Analice el comportamiento del proceso para cada uno de los cinco días.

𝑫𝒂𝒕𝒐𝒔:
𝑃´ = 0,04
𝑛 = 120
𝐾 𝑝𝑜𝑟 𝑑𝑖𝑎 = 10
 𝑷𝒓𝒐𝒄𝒆𝒅𝒆𝒎𝒐𝒔 𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒍𝒐𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 𝒅𝒆𝒍 𝒑𝒓𝒐𝒄𝒆𝒔𝒐:

𝐷𝑎𝑑𝑜 𝑞𝑢𝑒 𝛼 = 0,05 ∴ 𝑍𝛼 = 𝑍0,05 = 𝑍0,025 = 1,96

2 2

𝐿𝐶 = 𝑃̅
𝐿𝐶 = 0,04

2 𝑃̅ (1 − 𝑃̅)
𝐿𝐶𝑆 = 𝑃̅ + 𝑍𝛼 ∗ √
2 𝑛
2 0,04(0,96)
𝐴𝑙 𝑟𝑒𝑒𝑚𝑝𝑙𝑒𝑧𝑎𝑟: 𝐿𝐶𝑆 = 0,04 + 1,96 ∗ √ = 0,075
120

2 𝑃̅ (1 − 𝑃̅)
𝐿𝐶𝐼 = 𝑃̅ − 𝑍𝛼 ∗ √
2 𝑛

2 0,04(0,96)
𝐴𝑙 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑟: 𝐿𝐶𝐼 = 0,04 − 1,96 ∗ √ = 0,00494
120

Primer día de muestreo:

Carta P: número 1
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
1 2 3 4 5 6 7 8 9 10

LC LCS LCI P del dia 1

▪ Como se observa, el proceso se encuentra bajo control estadístico, debido a que

en la carta de control no se encontró puntos por fuera de los límites de control,
sin embargo, hay un corrimiento en la media de sus datos, la cual pasa a ser
P´=0,0461.
Segundo día de muestreo:

Carta P: número 2

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10

P del dia 2 LCS LCI LC

▪ Como se observa, el proceso no está bajo control estadístico, debido a que en la

carta de control se encontró puntos por fuera de los imites de control, del mismo
modo, la media de estos datos se corre, la cual pasa a P´=0,0657. Por lo que este
proceso se debe ajustar.
Tercer día de muestreo:

Carta P: número 3

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10

P del dia 3 LCS LCI LC

▪ Como se observa, el proceso no está bajo control estadístico, debido a que en la

carta de control se encontró un punto por fuera de los imites de control, así
mismo, la media de estos datos se corre, la cual en este caso pasa a
P´=0,0543.Por lo que este proceso se debe ajustar.
Cuarto día de muestreo:

Carta P: número 4

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10

P del dia 4 LCS LCI LC

▪ Como se observa, el proceso no está bajo control estadístico, debido a que en la

carta de control se encontró un punto por fuera de los imites de control, así
mismo, la media de estos datos se corre, la cual pasa a P´=0,0484. Por lo que
este proceso se debe ajustar.
Quinto día de muestreo:

Carta P: número 5
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
1 2 3 4 5 6 7 8 9 10

P del dia 5 LCS LCI LC`

▪ Como se observa en el gráfico, el proceso se encuentra bajo control estadístico,

debido a que no se encontró puntos por fuera de los imites de control. No solo
cumple con los niveles de aceptación, sino que también el proceso ha ido
mejorando progresivamente, puesto que la media de sus datos es P`=0,0324.
B. compare y analice el comportamiento del proceso, día (𝑖 + 1) con el día 𝑖.

▪ Comportamiento de los días 1 y 2: Se evidencia que el proceso tiende a

empeorar, ya que paso de estar bajo control en el día 1, a no estarlo en el
día 2. De igual manera, hubo un aumento en la media de la proporción de
productos defectuosos, es decir, se da un corrimiento en la media, dado
que pasa de 0,0461 a 0,0657. Por otra parte, se observó que la media de
estas proporciones es mayor que el NAC, lo que indica que no se cumple
con los requerimientos o expectativas deseadas por el cliente

▪ Comportamiento de los días 2 y 3: Posteriormente, se observó una leve

mejora al disminuir la media de la proporción de productos defectuosos,
dado que pasa de 0,0657 a 0,0543. Sin embargo, sigue estando fuera de
control este proceso. Y se sigue evidenciando que dicha media es mayor
que el NAC, por lo que indica que aún no se cumple con los requerimientos
exigidos por cliente.

▪ Comportamiento de los días 3 y 4: Igualmente, se sigue observando una

leve mejora al disminuir la media de la proporción de productos
defectuosos, dado que pasa de 0,0543 a 0,0484. Sin embargo, sigue
estando fuera de control este proceso. Y la media sigue estando por
encima del NAC, es decir aún no se cumple con las exigencias del cliente.

▪ Comportamiento de los días 4 y 5: Finalmente, el proceso pasa a estar bajo

control estadístico, por lo que se evidencia una mejora en el proceso, ya que
disminuye la media de la proporción de productos defectuosos, que pasa de
0,0484 a 0,0324. Así mismo, esta media si se encuentra dentro de los
requerimientos exigidos por el cliente, por lo que sería el día más óptimo.

C. Calcule el valor de fracción no conforme del proceso tomando los cinco días en
conjunto.

• Proporción del día 1: 0,062

• Proporción del día 2: 0,068
• Proporción del día 3: 0,070
• Proporción del día 4: 0,073
• Proporción del día 5: 0,033

𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛𝑒𝑠
𝑝̅ =
5
 0,2469
𝑝̅ =
5

𝑝̅ = 0,04938

D. Calcule la capacidad del proceso en cada día.

𝑁𝐴𝐶
𝐶𝑃 =
𝑃`
Capacidad de proceso del día 1:

0,045
𝐶𝑃 = = 0,98 → 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑛𝑜 𝑐𝑎𝑝𝑎𝑧
0,0461

que el proceso tenga una capacidad inferior a uno, nos indica que este no es capaz
de cumplir con las especificaciones del cliente, por lo tanto, el lote del día 1 no será
aceptado a pesar de que está muy cerca de satisfacer los requisitos del mismo.

Capacidad de proceso del día 2:

0,045
𝐶𝑃 = = 0,68 → 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑛𝑜 𝑐𝑎𝑝𝑎𝑧
0,0657

Este proceso por su parte a pesar de que al igual que el anterior no es capaz de
satisfacer las necesidades del cliente, su capacidad es tan solo de 0,68 muy alejada
de 1, lo que deja este día como el peor en comparación con los otros.

Capacidad de proceso del día 3:

0,045
𝐶𝑃 = = 0,83 → 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑛𝑜 𝑐𝑎𝑝𝑎𝑧
0,0543

Por su parte, este proceso tampoco es capaz para satisfacer las necesidades del
cliente.

Capacidad de proceso del día 4:

0,045
𝐶𝑃 = = 0.93 → 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑛𝑜 𝑐𝑎𝑝𝑎𝑧
0,0484

Este proceso no es capaz por que no puede cumplir con las especificaciones del
cliente, pero esta muy cerca de satisfacerlas.
 Capacidad de proceso del día 5:

0,045
𝐶𝑃 = = 1,39 → 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑐𝑎𝑝𝑎𝑧
0,0324

Este proceso puede cumplir con las especificaciones del cliente, al ser mayor a uno
lo hace un proceso capaz, esto es debido a que el nivel de aceptación es mayor que
la proporción de no conformes por 1,26%, por lo que, el lote de este día además
de cumplir con lo pedido por el cliente, le está generando menos productos no
conformes de los que espera.

E. Conclusiones particulares y generales.

El proceso inicialmente, ha venido en estado estable, lo que indica que las causas
especiales de variabilidad han sido eliminadas, por lo que, quedaron aquellas que
generan un patrón regular de variabilidad susceptible de control, es decir el
proceso inicialmente se encuentra bajo control estadístico. Lo anterior, no quiere
decir que el proceso no este arrojando productos no conformes, siendo así, las
unidades de medida de calidad del lote para este plan de muestreo de aceptación
por atributos se lograron al contar los elementos defectuosos, por ello, se
estableció que el proceso tenía una media de proporción de artículos defectuoso
igual a 0,04. Dato que proporciono la facilidad para establecer los límites de
control, dejando así, un límite de control superior igual a 0,09, un límite de control
central igual a 0,04 y un límite de control inferior igual a 0.

El proceso de muestreo se llevó a cabo, con la inspección de un lote de tamaño de

muestra 120 y con un número de 10 de muestras por día, durante los 5 días que
duro este procedimiento. Por otra parte, el NAC que es utilizado para este proceso,
el cual fue fijado en el contrato o ficha de negociación entre productor-Cliente, fue
de un 4,5%, por lo tanto, este 0,045 indica el límite máximo con lo que el cliente
considera un lote de buena calidad. Y el riesgo del productor o riesgo tipo 1
durante este proceso, fue de 0,05, es decir, que el riesgo de aceptar un lote como
bueno siendo que realmente estaba malo es de 0,05.
Posteriormente, El resultado de la inspección de los datos por día, evidencio que
tan solo los días 1 y 5 estuvieron bajo control estadístico, mientras que los días 2,3
y 4 no estuvieron bajo control estadístico. Por lo que se identificó que los días 2, 3
y 4, aparecen causas de variación especiales o causas externas, lo que con llevo,
que estos días no fueron casos favorables para el productor, dado que sus medias
eran mayores al NAC y por ende estos iban a ser rechazados, lo que puede indicar
perdida para el productor por la baja en las ventas. Por otra parte, para el caso del
día 1, a pesar de estar bajo control estadístico, no representa un caso favorable, ya
que le media de la proporción de productos defectuosos durante este día, es
mayor que el NAC. Y tan solo, en el día 5, estando bajo control estadístico, se logró
un beneficio tanto para el cliente como para el productor, porque se cumple con
las exigencias del cliente y por ende el lote iba a ser aceptado. De igual manera, al
analizar la capacidad de proceso de los primeros 4 días, se determinó que estos no
son procesos capaces, lo que indica que no pueden cumplir con las
especificaciones del cliente. Caso contrario del día 5, dado que este si es un
proceso capaz y cumple satisfactoriamente con las especificaciones del cliente.

Algunas consideraciones podrían ser las siguientes: Desde el, punto de vista del
consumidor, este debería rechazar el lote, ya que solo en uno de los 5 días es que
se cumple con las especificaciones de calidad exigidas por él, lo que no es una
garantía precisa y no genera plena confiabilidad del estado y procedencia de los
artículos a obtener. Por lo tanto, se evidencia la importancia y necesidad de la
inspección en estos casos por parte del cliente, para que no se genere un estado
de inmovilidad e inactividad por parte de los proveedores y productores, sino por
el contrario, que estos se esfuercen por brindar un producto de mejor calidad
guiado a las especificaciones acordadas.

Por otra parte, el productor debería mejorar su proceso de producción, por medio
del control de la administración, para intervenir y realizar ya sean ajustes en la
máquina y monitorear correctamente la mejora, y de esta forma reducir la
variabilidad de proporción de productos no conformes y cumplir con los
estándares de calidad acordados con el cliente de manera que este quede
satisfecho.