Está en la página 1de 20

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIA

CONTROL ESTADÍSTICO DE PROCESOS


TALLER GRÁFICOS DE CONTROL POR VARIABLES.

DOCENTE:
MANUEL CAMPUZANO HERNANDEZ

INTEGRANTES: TODOS PERTENECEN AL GRUPO N° 4

PAULA BLANCO 2017116130


AXEL HABEYCH 2017116042
SERGIO JACQUIN 2017116136
LINA MORENO 2017116066

18/04/2020
SANTA MARTA
1. RAID minimax es un insecticida de la compañía RAID S.A que hace 5 años está en el mercado. En
la actualidad, se encuentra en su mejor momento, con un crecimiento en las ventas de forma
exponencial, por lo que se califica que se encuentra en la etapa de crecimiento de su ciclo de vida.
Por tal razón RAID S.A. necesita dar respuesta a la demanda actual. Sin embargo, hace tres días
detecto un problema en una de sus máquinas que le puede causar pérdidas millonarias, lo cual se debe
a que la concentración de un químico en el insecticida aumenta y una vez esto sucede el producto no
puede ser lanzado al público. La empresa detectó el problema en su máquina, que se debe a la fatiga
causada, y ya pidió su remplazo; sin embargo, esta llega en un mes al país y se necesita seguir
produciendo y minimizar las perdidas por tal razón lo contrató a usted para que le haga un seguimiento
al proceso; Usted decide tomar muestras cada 15min, la empresa trabaja continuamente 24 horas al
día, con una velocidad de producción de 1500 unid/min. A continuación, se muestra los datos
obtenidos de las muestras. M

TABLA DE DATOS:

muestras tiempo NIVELES DE CONCENTRACION medias rango


1 15 47,3 49,1 49,6 49,7 48,925 2,4
2 30 49,4 47,6 49,5 48,5 48,75 1,9
3 45 50,5 50,5 46,6 49 49,15 3,9
4 60 49 48,3 50,3 49,9 49,375 2
5 75 49,3 50,7 48,6 46,7 48,825 4
6 90 49,3 48,2 48,8 49,6 48,975 1,4
7 105 48,3 49,2 50,7 50,4 49,65 2,4
8 120 49,7 47,8 49,1 48,6 48,8 1,9
9 135 48,2 47 49,2 49,9 48,575 2,9
10 150 48,6 48,4 50,4 47,5 48,725 2,9
11 165 49 48,9 48,3 49,2 48,85 0,9
12 180 50,2 48,1 46,7 49,2 48,55 3,5
13 195 48,8 49,2 48,8 49 48,95 0,4
14 210 49,7 49,2 49,8 49,7 49,6 0,6
15 225 49,1 48,3 49,4 48,2 48,75 1,2
16 240 47,7 48,9 50 50,5 49,275 2,8
17 255 49,6 47 48,4 50,1 48,775 3,1
18 270 49,6 50,3 48,2 48,2 49,075 2,1
19 285 49 47,6 50,3 51 49,475 3,4
20 300 49 48,6 49,1 47,7 48,6 1,4
21 315 50,2 48,9 48,8 48,3 49,05 1,9
22 330 49,2 48,9 49,5 49,5 49,275 0,6
23 345 48,5 49,5 49,7 47,9 48,9 1,8
24 360 47,2 47,5 48,7 48,3 47,925 1,5
DATOS:

• Tamaño de la muestra (n) = 4


• media de las medias 𝑥̅ = 48,95
• Promedio rango 𝑅 = 2,120833333
• Desviación
R 2,120833333
𝜎= =
𝑑2 2,059
𝜎 = 1,030030759

• Desviación /√𝑛 = 0,51501538

a) Desarrolle el gráfico de control 𝑋 ̅ 𝑦 𝑅 y determine si el proceso esta bajo control estadístico.

Para el grafico 𝑥̅

• Límite Inferior de Control MEDIA


𝜎
𝐿𝐼𝐶 = 𝑥̅ − 𝑍𝛼⁄2 ( )
√𝑛
1,030030759
𝐿𝐼𝐶 = 48,95 − 3 ( ) = 47,40495386
√4

• Limite Superior de Control MEDIA


𝜎
𝐿𝑆𝐶 = 𝑥̅ + 𝑍𝛼⁄2 ( )
√𝑛
1,030030759
𝐿𝑆𝐶 = 48,95 + 3 ( ) = 50,49504614
√4

• Limite Central
LC=x ̅
LC=48.95

Para el grafico R

• Límite Inferior de Control RANGO


𝐿𝐼𝐶 = 𝐷4 ∗ 𝑅
𝐿𝐼𝐶 = 2,282 ∗ 2,120833333 = 4,839741667

• Limite Superior de Control RANGO


𝐿𝑆𝐶 = 𝐷3 ∗ 𝑅
𝐿𝑆𝐶 = 0*2,120833333 = 0

• Limite Central
LC=R
LC=2,120833333
G RÁFICOS :

CARTA DE CONTROL X-BARRA CON K=24


51
50,5
50
49,5
49
48,5
48
47,5
47
46,5
46
45,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

MEDIAS LCI LCS LC

CARTA DE CONTROL R CON K=24


6

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

RANGO LCI LCS LC

LOS GRÁFICOS MUESTRAN UN PROCESO BAJO CONTROL ESTADÍSTICO: ESTO ES DEBIDO A QUE
LOS PUNTOS SE ENCUENTRAN ENTRE LOS RANGOS ESPERADOS, SIN MOSTRAR ALGUNO DE ELLOS
FUERA DE LOS LÍMITES DE CONTROL Y NO SE OBSERVA NINGÚN PATRÓN EN ELLOS FUERA DE LO
COMÚN, DEMOSTRANDO QUE NO EXISTEN CAUSAS ESPECIALES DE VARIACIÓN DENTRO DEL
PROCESO, POR ELLO, PODEMOS DECIR QUE ESTE SE ENCUENTRA BAJO CONTROL.
b) Desarrolle un procedimiento estadístico para probar el supuesto de normalidad.

Hipótesis nula: los datos se ajustan a una distribución normal


Hipótesis alternativa: los datos no se ajustan a una distribución normal

Por medio del software R STUDIO, se obtuvo:

TEST DE NORMALIDAD
Shapiro-Wilk
data: rstandard(modelo)
W = 0.98703
p-value = 0.4698

con un nivel de confianza del 95% y u n Alpha= 0.05 menor que el p-valué=0.4698, no
se encuentra suficiente evidencia estadística para rechazar la hipótesis nula, por lo que
los datos cumplen con el supuesto de normalidad ; esto se aprecia mejor en la gráfica
donde los datos se ajustan a la lín ea recta.

c) ¿Cuáles son los parámetros del proceso?

Los parámetros del proceso son:

La Media del proceso


• 𝑥̅ = 48,95

La desviación del proceso


• 𝜎 = 1,030030759
El Rango del proceso

• 𝑅 = 2,120833333
d) ¿En qué momento se debe parar la producción para que los productos no sobrepasen los
niveles de concentración? Se considera que el nivel de concentración máximo permitido para
poder comercializar este producto es de 55%, esto debido a la alta toxicidad que representa el
componente químico, por lo que la compañía ha establecido unas tolerancias de 50% más o
menos 4%, donde lo máximo que se tolerara por el límite superior es 54% esto con el fin de
tener un margen con respecto al máximo permitido y lo mínimo será 46%, dado que por debajo
de ese nivel empieza a perder efectividad el producto.
DATOS:
𝐿𝑆𝐸 = 54
𝑐𝑝𝑢 = 1
𝜎 = 1,030030759
̅ = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑎𝑥𝑖𝑚𝑜 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑡𝑜𝑚𝑎𝑟 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 sin 𝑔𝑒𝑛𝑒𝑟𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑛𝑜 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠.
𝑋´
̅ CON UNA METODOLOGIA DE 3 SIGMA:
CALCULO DE 𝑋´
̅
𝐿𝑆𝐸 − 𝑋´
𝑐𝑝𝑢 =
3𝜎
̅
𝑐𝑝𝑢(3𝜎) = 𝐿𝑆𝐸 − 𝑋´
̅
𝐿𝑆𝐸 − 𝐶𝑃𝑈(3(𝜎)) = 𝑋´
̅
54 − 1(3(1,030030759)) = 𝑋´
̅ = 50.91
𝑋´
el momento en el que se debe parar la producción de forma que los productos no sobrepasen los
niveles de concentración, es el valor de la media en el punto exacto en el que el límite de
especificación y de fluctuación natural superiores del proceso coinciden, debido a que la fatiga en la
maquina está provocando que uno de los químicos del insecticida aumente y no pueda ser vendido,
esto nos indica un corrimiento en la media hacia la derecha, por lo que una vez que la media se pase
de 90.71, se debe parar la producción ya que los productos generados no podrán ser comercializados.

e) ¿Con que probabilidad se detectará el cambio hallado en el inciso anterior? ¿En cuánto
tiempo se detectaría? ¿Cuál será el promedio de productos no conformes que se fabricarán
hasta ese momento?

➢ Probabilidad de detectar el cambio ( 1- β )

Datos:

Ho: µ =48.95
Hi: µ=50.91
|48.95−50.91|
𝑑= 1,030030759
= 1.902855796
La probabilidad de detectar el cambio es:

1 − 𝛽 = 𝑃 (𝑧1−𝛽 ≥ 𝑧𝛼⁄2 − 𝑑 ∗ √𝑛)

1 − 𝛽 = 𝑃(𝑧1−𝛽 ≥ 3 − 1.902855796 ∗ √4)

1 − 𝛽 = 𝑃(𝑧1−𝛽 ≥ −0.8057) = 0.7898

1 − 𝛽 = 78.98%

Por la aplicación de STATSUIT, se corroboran los resultados:

➢ Tiempo en el que se detectara el cambio: ATS

DATOS:
1
𝐴𝑅𝐿 = 1−𝛽

Tiempo = las muestras son tomadas cada 15 minutoS


El cambio se detectará en:
𝐴𝑇𝑆 = 𝐴𝑅𝐿 ∗ 𝑇𝐼𝐸𝑀𝑃𝑂
1
𝐴𝑇𝑆 = ∗ 15 = 18.9921 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
0.7898

𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 ℎ𝑎𝑠𝑡𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑑𝑒𝑡𝑒𝑐𝑡𝑎𝑑𝑜 𝑒𝑙 𝑐𝑎𝑚𝑏𝑖𝑜 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑠 𝑑𝑒 19 𝑚𝑖𝑛𝑢𝑡𝑜𝑠


➢ ¿Cuál será el promedio de productos no conformes que se fabricarán hasta ese
momento?

Dónde:
1500 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑇𝑃 =
𝑚𝑖𝑛𝑢𝑡𝑜𝑠
ATS = 18.9921 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
%𝑃𝑁𝐶𝐶𝑂𝑅𝑅𝐼𝑀𝐼𝐸𝑁𝑇𝑂 = 0.135%+ 0 = 0.135%

Es el valor esperado de productos no conformes

𝑉𝐸𝑃𝑁𝐶 = 𝑇𝑃 ∗ %𝑃𝑁𝐶 𝐶𝑂𝑅𝑅𝐼𝑀𝐼𝐸𝑁𝑇𝑂 ∗ 𝐴𝑇𝑆

1500 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑉𝐸𝑃𝑁𝐶 = ∗ 0.135% ∗ 18.9921 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑉𝐸𝑃𝑁𝐶 = 38.459 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

f) Diseñe un gráfico de control 𝑋 ̅ que permita detectar este cambio con una probabilidad
superior al 99%.

1 − 𝛽 = 0.90
Por lo que:
𝑍1−𝛽 = −2.325

Para hallar n emplearemos la siguiente formula:

Dónde: 𝑧𝛼=3 y 𝑑 = 1.902855796


2
2
|𝑧𝛼 | + |𝑍1−𝛽 |
𝑛=[ 2 ]
𝑑
2
|3| + |−2.325|
𝑛=[ ]
1.902855796

𝑛 = 7.83118 ≈ 8

𝐿𝑜𝑠 𝑛𝑢𝑒𝑣𝑜𝑠 𝑙í𝑚𝑖𝑡𝑒𝑠 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑐𝑎𝑟𝑡𝑎 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 𝑥̅ , 𝑐𝑜𝑛 𝑢𝑛𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑒𝑡𝑒𝑛𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 99% 𝑠𝑒𝑟𝑎𝑛:

• Límite Inferior de Control


1,030030759
𝐿𝐼𝐶 = 48,95 − 3 ( ) = 47.8574874
√8

• Limite Superior de Control


1,030030759
𝐿𝑆𝐶 = 48,95 + 3 ( ) = 50,49504614
√8
• Limite central:
𝐿𝐶 = 48.95
2. Doria s.a, es una empresa dedicada a la elaboración de espagueti, pero la calibración del peso
en las bolsas de espagueti se ha convertido en un problema para la empresa, las especificaciones
del peso son de 13,5 ± 2,3 gramos. Actualmente producen 11,506% y 3,097% de bolsas de
espagueti que no cumplen con las especificaciones en el peso; el primer porcentaje supera al
valor máximo permitido y el segundo porcentaje está por debajo del mínimo valor permitido.
Se va a adquirir una nueva maquinaria que incrementara el cp en un 60% y tendrá un costo de
$500 millones. Doria s.a opera en dos turnos diarios de 4 horas cada uno, 20 días al mes y su
tasa de producción es 600 bolsas de espagueti por hora. La producción de cada unidad le cuesta
$400 y toda la unidad no conforme se devuelve a la cadena productiva, pero antes se penaliza
con un costo igual al 40% del precio de venta de cada bolsa de espagueti.
Datos del ejercicio

• LSE = 15,8
• LIE = 11,2
• % PNC x LSE = 11,506%
• % PNC x LIE = 3,097%
• Cp’= Cp *1,6
• Costo maquinaria= $500.000.000
• Tasa de producción = 600 bolsas/hora
• Costo unitario = $400

a) ¿Cuál es el precio de venta que permitirá que la nueva maquinaria se pague así misma
en 5 años?

𝑃(𝑍 ≥ 𝑍𝐿𝑠𝑒 ) = 0,11506 𝑃(𝑍 ≤ 𝑍𝐿𝐼𝐸 ) = 0.03097


𝐿𝑆𝐸−𝑥̅ 𝐿𝐼𝐸−𝑥̅
𝑍𝐿𝑆𝐸 = 𝜎
𝑍𝐿𝐼𝐸 = 𝜎

𝑍𝐿𝑆𝐸 = 1,2 𝑍𝐿𝐼𝐸 = −1,865


15,8−𝑥̅ 11,2−𝑥̅
𝜎
= 1,2 𝜎
= −1,865

15,8 − 𝑥 ̅ = 1,2 ∗ 𝜎 (1) 11,2 − 𝑥̅ = −1,865 ∗ 𝜎 (2)

Igualamos (1) y (2) para cancelar 𝑥̅

15,8 − 𝑥̅ = 1,2 ∗ 𝜎
−11,2 + 𝑥̅ = 1,865 ∗ 𝜎
4,6 = 3,065𝜎
4,6
𝜎= = 1,5 Tenemos 𝜎
3,065

𝜎 = 1,5

Reemplazamos 𝜎 en (1)

𝑥̅ = 15,8 − 1,2(1,5)
𝑥̅ = 14 Tenemos 𝑥̅

Hallamos el Cp
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎
15,8−11,2
= 𝐶𝑝 = 𝟎, 𝟓𝟏𝟏 < 1 Por lo tanto es un proceso tipo 4 descentrado y no capaz.
6(1,5)

%𝑃𝑁𝐶 = 0,11506 + 0,03097 = 14,603%


El %PNC total antes de la compra de la maquina es de 14,603%

Hallamos la utilidad inicial, para eso hallamos los productos producidos:


bolsas horas turno días
Prod = 600 hora
x 4 turno x 2 dia x 20 mes x 12 meses x 5 𝑎ñ𝑜𝑠

Prod = 5´760.000
𝑈1 = 𝐼 − 𝐶𝑇
𝐼 = 𝑃𝑣 ∗ 5.760.000 ∗ (1 − 14,63%)
𝐶𝑇 = (400 ∗ 5.760.000) + (5.760.000 ∗ 40(%(𝑃𝑣) ∗ 14,62%)

𝑈𝑖 = 4.917.312(𝑃𝑣) − (2.304.000.000 + 336.453,12(𝑃𝑣)

𝑈𝑖 = 4.580.858(𝑃𝑣) − 2.304.000.000

Con la compra de la maquinaria el Cp se incrementa en un 60%. Por lo tanto:

𝐶𝑝´ = 𝐶𝑝(1,6) = 0,551(1,6)


𝐶𝑝´ = 0,8176

Hallamos 𝜎´
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝜎´ =
6𝐶𝑝
15.8 − 11.2
𝜎´ =
6(0,8176)
𝜎´ = 0,9375

Hallamos de nuevo el %PNC con el 𝝈′ y ̅


𝒙´
%PNCXLSE = 𝑃(𝑍 ≥ 𝑍𝐿𝑆𝐸 ) %PNCXLIE = 𝑃(𝑍 ≥ 𝑍𝐿𝐼𝐸 )

15,8−14 11,2−14
%PNCXLSE = P( 𝑍 ≥ 0,9375
) %PNCXLIE = P( 𝑍 ≤ 0,9375
)
%PNCXLSE = P( 𝑍 ≥ 1,937) %PNCXLIE = P( 𝑍 ≤ −2,988)

%PNCXLSE = 2,74% %PNCXLIE = 0,13%

%PNC= 2,74% + 0,13% = 2,87%


El nuevo %PNC total es de 2,87%
Hallamos la utilidad nueva:
bolsas horas turno días
Prod = 600 hora
x 4 turno x 2 dia x 20 mes x 12 meses x 5 𝑎ñ𝑜𝑠

𝑃𝑟𝑜𝑑 = 𝟓. 𝟕𝟔𝟎. 𝟎𝟎𝟎 𝒃𝒐𝒍𝒔𝒂𝒔


𝑈 = 𝐼 − 𝐶𝑇
𝐼 = 𝑃𝑣(5.760.000 𝑥 (1 − 2,87%))
𝐼 = 𝑃𝑣(5.594.688)
𝐶𝑇 = 400 ( 5.760.000 ) + ( 5.760.000 𝑥 2,87% 𝑥 40% 𝑃𝑣 )
𝐶𝑇 = 2.304.000.000 + 66.124,8(𝑃𝑣)
𝑈𝑛 = 5.594.688(𝑃𝑣) − (2.304.000.000 + 66.125,8(𝑃𝑣)
𝑈𝑛 = 552.863,2(𝑃𝑣) − 2.304.000.000

Se halla el valor del precio de venta para que la maquina se pague a sí misma en 5 años:
𝑈𝑛 − 𝑈𝑖 = 500.000.000
5.528.563,2(𝑃𝑣) − 2.304.000.000 − 4.580.858(𝑃𝑣) + 2.304.000.000 = 500.000.000
947.705,5(𝑃𝑣) = 500.000.000
𝑃𝑣 = 527,59 ≈ 528
Ra/ El precio de venta debe ser de 528 u.m.

b) Determine el Cp que debería tener el proceso una vez centrado, para que el costo promedio
de producir una unidad conforme sea de $420 y a su vez los ingresos por venta sean
maximizados. Tenga en cuenta que DORIA S.A vende cada unidad en $500 y tiene actualmente
una demanda de 700 mil bolsas de espagueti, pero por cada peso que se disminuya en el precio
de venta la demanda aumenta en 1000 unidades.
Cu = 420
𝐶.𝑝𝑟𝑜𝑑+𝑐𝑜𝑠𝑡𝑜 𝑟𝑒𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑥 𝑃𝑁𝐶
𝐶𝑢 = (1−%𝑃𝑁𝐶)

400+211,2(%𝑃𝑁𝐶)
420 = (1−%𝑃𝑁𝐶)

420(1 − %𝑃𝑁𝐶) = 400 + 211,2(%𝑃𝑁𝐶)

420 − 420(%𝑃𝑁𝐶) = 400 + 211,2(%𝑃𝑁𝐶)

420 − 400 = 211,2(%𝑃𝑁𝐶) + 420(%𝑃𝑁𝐶)

20 = 631,2(%𝑃𝑁𝐶)

%PNC = (2)%PNCXLSE Debido a que está centrado

20
𝑃𝑁𝐶𝑋𝐿𝑆𝐸 = 631,2(2) = 1,584%

𝑃(𝑍 ≥ 𝑍𝐿𝑆𝐸) = 1,584%


̅
LSE−𝒙
𝜎
= 2,15
15,8−13,5
2,15
=𝜎

𝜎 = 1,07

𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎

15,8−11,2 4,6
6(1,07)
= 𝐶𝑝 = 6,42
= 0,72

Proceso tipo 3, centrado y no capaz.

Rb/ El Cp debe ser de 0,72 con el proceso una vez centrado para que el Cu=420
3. La producción de un medicamento se lleva a cabo por medio de una máquina que realiza
dicho proceso. El promedio y la dispersión del proceso se monitorean tomando muestras de
tamaño 4 cada 15 min. El proceso se encuentra en estado estable con 𝜎′ = 0.6. La
concentración de este medicamento tiene extremos permisibles para uso humano de 88 mg a
92 mg, ya que una concentración muy alta del medicamento podría ocasionar a las personas
problemas de insomnio y una muy poca no haría el efecto esperado. Se estabilizó la media
del proceso según el gráfico 𝑋 ̅

A) Realice el gráfico de control 𝑋̅y determine si el proceso tiene buena capacidad.

Gráfico de
CARTA DE CONTROL X-BARRA control 𝑋̅
91,5
91
90,5
90
89,5
89
88,5
88
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

LSC LIC LC media

Como se puede observar en el gráfico, el proceso se encuentra bajo control estadístico.


Análisis de capacidad
Datos:
▪ Límite superior de especificación= 92 mg
▪ Límite inferior de especificación= 88 mg
▪ Media= 90
▪ Desviación= 0,6
Procedimiento:
92 − 88
𝐶𝑃 = = 1.1
6 ∗ 0.6
92 − 90
𝐶𝑃𝑈 = = 1.1
3 ∗ 0.6
90 − 88
𝐶𝑃𝐿 = = 1.1
3 ∗ 0.6
▪ Por lo anterior se puede decir que el proceso capaz y centrado.

B) ¿Cuál es el tiempo máximo de operación de la maquina en el momento justo antes de que


comience a producir medicamentos con alta concentración? Grafique las muestras del
monitoreo dentro del gráfico de control 𝑋̅ con el que se estabilizó el proceso.

CARTA DE CONTROL X- BARRA Gráfico de


91,5 control 𝑋̅
91

90,5

90

89,5

89

88,5

88
1 2 3 4 5 6 7 8 9 10

Series1 Series2 Series3 Series4

Se puede observar que las muestras tomadas cuando se estabilizo el proceso, tienen una tendencia
hacia el límite de control superior. Por lo que se puede inferir que, si el tiempo de muestreo aumenta
más de 375 minutos, debido a que la muestra es la numero 25 y de ahí en adelante las muestras
empiezan a ser mayores a la media del proceso, lo más probable es que la muestra sobrepase el límite
de especificación superior.

Esto lo podemos observar igualando el CPU= 1

̅
𝐿𝑆𝐸 − 𝑋´
𝐶𝑃𝑈 = =1
3𝜎
̅
92 − 𝑋´
=1
3(0.6)
̅ = 90.2
Despejando se obtiene: 𝑋´

𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝑞𝑢𝑒 𝑐𝑜𝑛 𝑢𝑛𝑎 𝑚𝑒𝑑𝑖𝑎 𝑚𝑎𝑦𝑜𝑟 𝑎 𝑒𝑠𝑡𝑎, 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑚𝑝𝑒𝑧𝑎𝑟𝑎 𝑎 𝑎𝑟𝑟𝑜𝑗𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑛𝑜 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠
𝑝𝑜𝑟 𝑒𝑙 𝑙𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛.

C) ¿Cuál es la potencia del gráfico de control?


Datos:
Datos
Media 90
Estable
Media 90,2
Corrida
Sigma 0,6
Estable
Alfa 0,0027
Z_(α⁄2) 2,999976993
Alfa medio 0,00135
D -0,40166667
N 4
T 15
CM 0,266666667
CM* 0,266666667
% 0%
Incremento

Procedimiento:
90 − 90.2
(1 − β) = 𝑃 (𝑍1−𝛽 ≥ 3 − | | ∗ √4)
0.6
𝑃 ( 𝑍1−𝛽 ≥ 2.333) = 0.0099

1 − 𝛽 = 0.0099
D) ¿Cuál será el mínimo ATS que se obtiene manteniendo la carga muestral? ¿Con cuál plan
se obtiene?
Gráfico de ATS

ATS
1800
1600
1400
1200
1000
800
600
400
200
0
0 50 100 150 200 250

Se obtiene que:
▪ Con un tamaño de muestra n=100 a un tiempo de muestreo de 375 minutos; se tiene el ATS
mínimo es 594,70254
100 -0,3333563 0,36943266 0,63056734 1,58587344 375 594,70254

E) ¿Cuál es la probabilidad de que el gráfico detecte el cambio en una de las cinco muestras
consecutivas después de que ocurra el cambio?

(1 − 𝛽 𝑘 ) = 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎

(1 − 𝛽 5 ) = 1 − (0.9901)5

(1 − 𝛽 5 ) = 0.0485
La probabilidad es del 4,85%
F) Se desea hacer un incremento en la carga muestral del 50%, seleccione 5 planes de
muestreo y seleccione el mejor. ¿Cuál sería el plan de muestreo óptimo?

Datos
Media Estable 90
Media
Corrida 90,2
Sigma Estable 0,6
Alfa 0,0027
Z_(α⁄2) 2,999976993
Alfa medio 0,00135
d -0,33333333
n 4
t 15
CM 0,266666667
CM* 0,4
% Incremento 50%

𝟒(𝐭𝐚𝐦𝐚ñ𝐨 𝐝𝐞 𝐦𝐮𝐞𝐬𝐭𝐫𝐚)
𝐂𝐚𝐫𝐠𝐚 𝐦𝐮𝐞𝐬𝐭𝐫𝐚𝐥 =
𝟏𝟓 𝐦𝐦𝐢𝐧𝐮𝐭𝐨𝐬( 𝐭𝐢𝐞𝐦𝐩𝐨 𝐝𝐞 𝐦𝐮𝐞𝐬𝐭𝐫𝐞𝐨)

𝐂𝐚𝐫𝐠𝐚 𝐦𝐮𝐞𝐬𝐭𝐫𝐚𝐥 𝐚𝐮𝐦𝐞𝐧𝐭𝐚𝐝𝐚 𝐞𝐧 𝐮𝐧 𝟓𝟎% = 𝟎. 𝟐𝟔𝟔𝟕 ∗ 𝟏. 𝟓𝟎

𝐂𝐚𝐫𝐠𝐚 𝐦𝐮𝐞𝐬𝐭𝐫𝐚𝐥 𝐚𝐮𝐦𝐞𝐧𝐭𝐚𝐝𝐚 𝐞𝐧 𝐮𝐧 50% = 0.40

PLAN 1: Aumentar el tamaño de la muestra

Cambio de n potencia ARL1 ATS


(1 − β) = 𝑃 (𝑍1−𝛽 𝐴𝑅𝐿1 𝐴𝑇𝑆 = 𝐴𝑅𝐿1 ∗ 𝑡𝑖𝑒𝑚𝑝𝑜
𝒏 1 𝐴𝑇𝑆1 =68.493*15
𝟎. 𝟒𝟎 = 90 − 90.2 2 =
𝟏𝟓 ≥ ∗ √6 1−𝛽 𝐴𝑇𝑆 = 1027.395
𝒏 0.6 𝐴𝑅𝐿1 =68.49
= (𝟎. 𝟒𝟎 ∗ 𝟏𝟓) + 3)
𝒏=𝟔
𝑃 ( 𝑍1−𝛽 ≥ 2.18)
𝛽 =0.9854
1 − 𝛽 =0.0146

PLAN 2: Disminuir el tiempo de muestreo.

Cambio de t Potencia ARL1 ATS


1 𝐴𝑇𝑆
(1 − β) = 𝑃 (𝑍1−𝛽 𝐴𝑅𝐿1 =
𝟒 1−𝛽 = 𝐴𝑅𝐿1
𝟎. 𝟒𝟎 = 90 − 90.2 2
𝒕 ≥ ∗ √4 𝐴𝑅𝐿1 =101.01 ∗ 𝑡𝑖𝑒𝑚𝑝𝑜
0.6 𝐴𝑇𝑆1
𝒕 + 3) = 101.01 ∗ 10
= (𝟏𝟎 𝒎𝒊𝒏𝒖𝒕𝒐𝒔) 𝐴𝑇𝑆 = 1010.1
𝑃 ( 𝑍1−𝛽 ≥ 2.333)
𝛽 = 0.9901
1 − 𝛽 = 0.0099

PLAN 3: Aumentar el tamaño de la muestra a 10 y aumentar el tiempo de muestreo.

Cambio de n y t Potencia ARL1 ATS


1 𝐴𝑇𝑆
(1 − β) = 𝑃 (𝑍1−𝛽 𝐴𝑅𝐿1 =
𝟏𝟎 1−𝛽 = 𝐴𝑅𝐿1
𝟎. 𝟒𝟎 = 90 − 90.2 2
𝒕 ≥ ∗ √10 𝐴𝑅𝐿1 =38.610 ∗ 𝑡𝑖𝑒𝑚𝑝𝑜
0.6 𝐴𝑇𝑆1
𝒕 + 3) = 38.610 ∗ 25
= (𝟐𝟓 𝒎𝒊𝒏𝒖𝒕𝒐𝒔) 𝐴𝑇𝑆 =965.25
𝑃 ( 𝑍1−𝛽 ≥ 1.945)
𝛽 =0.9741
1 − 𝛽 =0.0259

PLAN 4: Aumentar el tamaño de la muestra a 99 y aumentar el tiempo de muestreo a 247.5


minutos:

99 -0,3166478 0,37575543 0,62424457 1,60193624 247,5 396,479221

PLAN 5: Aumentar el tamaño de la muestra a 100 y aumentar el tiempo de muestreo a 250


minutos:

100 -0,3333563 0,36943266 0,63056734 1,58587344 250 396,46836

El plan de muestreo óptimo sería el número 5, puesto que este registra el menor ATS y se da
aumentando el tamaño de muestreo a 100 y aumentando el tiempo de muestreo a 250.

G) Halle el tamaño de muestra con el cual se debe monitorear el proceso si se quiere tener
una potencia acumulada superior al 90% en las siguientes 5 muestras consecutivas después
de que ocurra el cambio.
Potencia acumulada:

1-𝛽 5 = 0.90
5
𝛽 = √1 − 0.90
𝛽 = 0.6309
1 − 𝛽 = 0.3691
𝑍1−𝛽 = 0.334

𝑧𝛼=3
2

90 − 90.2
𝑑= = −0.333
0.6

Para hallar el tamaño de la muestra emplearemos la siguiente formula:


2
|𝑧𝛼 | + |𝑍1−𝛽 |
𝑛=[ 2 ]
𝑑

2
|3| + |0.334|
𝑛=[ ]
−0.333

𝑛 = 100.04 ≈ 100

También podría gustarte