Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNICAH Honduras
“Nuestra Señora Reina de la Paz”
Campus San Isidro
Guía de Ejercicios
Prácticos
Asignatura:
Aplicación de la Calidad Total para la
Ingeniería Industrial
Catedrático: Ing.
Jairo Núñez
1. En una empresa, mediante un análisis se ha detectado que se tiene seis tipos básicos
de quejas de los clientes, pero cada tipo de queja causó diferente grado de
insatisfacción o molestia para el cliente. La escala que se ha utilizado para medir el
grado de molestia es el siguiente: máxima molestia (10 puntos), mucha insatisfacción
(8), molestia moderada (6), poca (4), muy leve (2). Además en el análisis se determinó
la frecuencia con la que han ocurrido en el último semestre las distintas quejas. En las
tablas siguientes se sintetiza los resultados de tal análisis:
Realice un análisis de Pareto para determinar sobre qué tipo de queja se deben dirigir los esfuerzos
para atender sus causas. Aplique la recomendación 2 del diagrama de Pareto.
Frecuencia de Frecuencia por Frecuencia por
Tipo de queja Grado de molestia
ocurrencia gravedad gravedad
acumulada
140% 400%
120% 350%
300%
100%
Frecuencia
250%
80%
200% Frecuencia
60% % acumulado
150%
40% 100%
20% 50%
0% 0%
D C F A E B
Clase
Análisis
Para poder realizar este análisis de Pareto y determinar así la queja que más contribuye a la
insatisfacción de los clientes se multiplicó el grado de la queja por la frecuencia de ocurrencia.
Con ellos vemos que la queja D supera a las demás en magnitud, por lo tanto es en esta que se
debe de poner el mayor atención ejecutar acciones destinadas a reducir las causantes del
descontento de los clientes y de ser posible eliminar tal tipo de insatisfacción.
2. De acuerdo con la información de una hoja de verificación en una línea del proceso
de envasado de tequila, se presentaron en el último mes los siguientes resultados en
cuanto a defectos y frecuencia:
1,200
1,000 60%
800
600 40%
400 Frecuencia
20%
200
% acumulado
0 0%
Clase
Análisis
De acuerdo al análisis estadístico realizado se puede apreciar claramente que los defectos de
etiqueta, botella sin vigusa, en la botella y en la contraetiqueta componen el 84% de los
problemas que se presentan en el proceso de envasado del tequila. De los cuales, componen el
36% y 18% los defectos en las etiquetas y la botella sin vigusa. Debido a esto la empresa
deberá fijar toda su atención para poder encontrar las causas que los generan para poder
garantizar la calidad y poder proporcionar mayor satisfacción a sus clientes.
3. En una empresa procesadora de carnes frías se detecta mediante inspección 100% los
problemas en las salchichas. A continuación se muestran los resultados de una semana.
Máquina Problema y número de paquetes defectuosos
Turno
empacadora Falta de vacío Mancha verde Mancha amarilla
A I 4,300 700 700
II 6,300 650 650
B I 3,500 700 400
II 6,600 500 420
C I 8,500 800 324
II 9,120 655 345
Frecuencia
25,000
90%
20,000
15,000 85% Frecuencia
10,000 % acumulado
80%
5,000
0 75%
Falta de Vacío Mancha verde Mancha
amarilla
Clase
Pareto II Nivel (Turnos)
Falta de vacío Frecuencia % Frecuencia F. Acumulada
Turno II 22,020 57% 57%
Turno I 16,300 43% 100%
Total 38,320 100%
Análisis de Pareto para Turnos
25,000 120%
20,000 100%
80%
Frecuencia
15,000
60%
10,000 Frecuencia
40%
% acumulado
5,000 20%
0 0%
Turno II Turno I
Clase
Pareto II Nivel (Máquinas)
Máquina Frecuencia % Frecuencia F. Acumulada
C 17,620 46% 46%
A 10,600 28% 74%
B 10,100 26% 100%
Total 38,320 100%
Análisis de Pareto para Máquinas
20,000 120%
100%
15,000
80%
Frecuencia
10,000 60%
Frecuencia
40%
5,000 % acumulado
20%
0 0%
C A B
Clase
Análisis
En el primer análisis de Pareto se observa de forma clara que el 85% de los
problemas relacionados al procesado de las salchichas se deben a la falta de vacío, por
lo que este es identificado como el problema vital más relevante, en consecuencia se
desarrollará por lo tanto un Pareto de segundo nivel tanto en las máquinas como en los
turnos para identificar en cuál de ellos se presentan mayores fallas.
En el diagrama de Pareto que considera los turnos se puede apreciar que la cantidad de
problemas relacionados con la falta de vacío en el procesamiento de las salchichas es
mayor durante el turno 2, ya que éste constituye el 57% del total de los problemas de
este tipo. Con esto se concluye, a través del análisis de Pareto, que los problemas de falta
de vacío se dan con mayor frecuencia en la máquina C, durante el turno 2.
Con base en el Pareto de 2do. Nivel se puede observar que las máquinas C y A son
las principales causas de la falta de vacío; siendo la causa más significante la maquina C
ya que representa el 46% de los problemas relacionados con la falta de vacío que es el
principal problema con el que cuenta el proceso y el que necesita de una pronta solución.
4. En una fábrica de pintura se requiere reducir el tiempo de secado del barniz, los
siguientes datos corresponden al tiempo del secado del barniz (horas) y a la cantidad de
aditivo con el
que se intenta lograr tal reducción.
Cantidad de Tiempo de
Aditivo Secado
0 14
1 11
2 10
3 8
4 7.5
5 9
6 10
7 11
8 13
9 12
10 15
Análisis
a) Como se observa en la gráfica la cantidad de aditivo y el tiempo de secado tienen una
relación lineal positiva baja, lo que indica que son directamente proporcionales, es decir,
a mayor cantidad de aditivo se necesitarán más horas de secado.
b) Basado en la relación, recomendaría el 4 de aditivo para reducir el tiempo de secado,
pues según la gráfica, es el que registra menor tiempo de secado, es decir, 7.5 horas.
c) El coeficiente de relación es de 0.33 este valor muestra que existe una relación positiva
baja entre la cantidad de aditivo y el tiempo de secado.
d) En efecto si existe relación pero es una relación baja ya que el coeficiente de correlación
es un tanto leve.
Presión
100
Lineal (Presión)
Presión Lineal (Presión)
50 Lineal (Presión)
0
0.0 20.0 40.0 60.0 80.0 100.0
-50
Temperatura
Análisis
Existe una relación lineal positiva entre la presión y la temperatura, aunque se asemeja más a
una relación del tipo exponencial. El coeficiente de correlación es de R=0.95 lo que muestra que
existe una alta relación entre las variables estudiadas, con lo que podemos afirmar que la
temperatura incide de manera importante sobre la presión, es decir, a mayor temperatura, mayor
presión.
6. Como parte del análisis del problema de ausentismo se decide investigar la relación
entre edad del empleado y días que faltó a laborar en el año. Los datos del último
año se muestran a continuación.
10 y = -0.1665x + 10.47
R² = 0.1958
8
Días Faltados
6
Faltas
4 Lineal (Faltas)
0
0 10 20 30 40 50
Edad del Trabajador
Análisis
Se puede observar que existe una relación lineal negativa entre las variables que son objeto de
nuestro estudio, la edad y el número de días que los empleados faltan a sus trabajos; esto
sugiere que entre más joven es el empleado esta más susceptible al ausentismo. Al calcular el
coeficiente de correlación el cual es de R= 0.44 se tiene una mayor certeza que entre las
variables existe una relación lineal negativa media.
7. Dos máquinas, cada una operada por una persona, son utilizadas para cortar tiras de
hule, cuya longitud ideal es de 200mm, con una tolerancia de ± 3 mm. Al final del
turno un inspector toma una muestra e inspecciona que la longitud cumplía
especificaciones. A
continuación se muestran las últimas 110 mediciones para ambas máquinas.
Muestras (mm)
199.2 201.7 200.9 201.0 200.6 199.5 199.0 199.2 199.0 198.9
199.7 201.4 200.7 201.4 200.1 198.6 198.4 198.8 199.0 199.2
201.8 201.4 200.5 201.4 201.3 200.3 199.1 198.5 198.7 197.9
202.0 200.8 201.2 201.1 200.6 198.5 198.8 198.9 199.1 200.3
201.0 202.1 201.7 201.2 200.7 198.2 198.3 198.8 200.3 199.6
201.5 200.7 201.2 201.0 201.8 199.6 198.9 198.7 200.5 199.4
200.0 200.9 201.2 200.6 200.5 198.2 199.6 199.2 198.1 198.7
199.8 201.0 200.5 202.0 200.5 198.4 199.0 199.3 198.3 198.5
200.7 201.5 200.1 201.0 200.8 199.0 198.7 199.7 199.6 198.7
201.4 201.2 201.4 201.5 200.3 199.7 200.5 197.8 199.0 198.6
200.4 201.3 200.2 201.6 200.7 199.7 198.4 199.9 199.7 198.5
a) Obtenga las medidas de tendencia central y con base en ellas señale si la tendencia central
del proceso es adecuada.
b) Calcule la desviación estándar y una aproximación de los límites reales con base en estos
decida si la variabilidad de los datos es aceptable.
c) Obtenga un histograma e interprételo (con tendencia Central, variabilidad, acantilados,
sesgos, etc.).
Histograma
30
25
Frecuencia
20
15
10
5
0
Milímetros
Media 200.05 LRS 203.91
Error típico 0.12 LRI 196.18
Mediana 200.1
Moda 199
Desviación estándar 1.29
Varianza de la muestra 1.66
Curtosis 2.53
Coeficiente de asimetría 0.80
Rango 8.20
Mínimo 197.80
Máximo 206
Suma 22005
Cuenta 110
Análisis
Tomando las 110 muestras, se obtuvo una media de 200.05 mm, una mediana o percentil 50
de
200.10 mm que nos dice que la mitad de los datos son menores que 200.10 mm y la otra
mitad mayores o iguales a 200.10 mm, y una moda de 201.4. Además se obtuvo un error típico
de 0.12; La desviación estándar de 1.29 lo que nos indica que el grado de dispersión de los
datos respecto a su media. El coeficiente de asimetría de 0.80 indica que existe una curva
asimétrica positiva. El coeficiente de Curtosis es de 2.53, nos demuestra que la grafica posee
una forma leptocúrtica, es decir que presenta un elevado grado de concentración de valores a la
derecha de la media que a su izquierda. Podemos notar también que la forma de la gráfica
obedece a una Histograma centrado con mucha variabilidad. El Rango de los datos es de 8.2
mm, ya que el menor es 197.8 mm y el mayor es 206 mm, por lo tanto extensión de la
variación de los datos no es tan grande. Podemos afirmar que el histograma no presenta
acantilados en su gráfica, pero si posee sesgo a la izquierda de la media, lo que podemos
constatar observando la barra de color verde el cual es la clase con mayor numero de datos
asociados. Los límites reales se definan por:
Muestras
78 78 82 85 81 86 80 73 84 78
68 84 75 78 76 76 82 85 91 80
70 87 77 82 84 48 49 39 39 43
35 42 34 44 49 34 30 43 31 34
41 42 45 42 35 38 39 42 43 29
Media 59.8
Error típico 2.99
Mediana 58.5
Moda 42
Desviación estándar 21.13
Varianza de la muestra 446.29
Curtosis -1.80
Coeficiente de asimetría -0.02
Rango 62
Mínimo 29
Máximo 91
Suma 2990
Cuenta 50
Histograma
15
Frecuencia
10
0
29 37.86 46.71 55.57 64.43 73.29 82.14 y
mayor...
Calificación
Análisis
Los datos estadísticos obtenidos a través de la encuesta, proporcionaron los siguientes
resultados: una media de 59.8 puntos, la mediana o percentil 50 es de 58.5 puntos y una moda
de 42 puntos. Un error típico de 2.99; la desviación estándar de los datos con respecto a su
media es de 21.13 puntos un valor demasiado elevado por lo que podemos afirmar que los datos
se encuentran muy dispersos con respecto a su media, es decir que existe mucha variabilidad.
Con una Curtosis de -
1.80, nos expone que la campana de Gauss posee una forma plana, es decir, una forma
achatada.
La curva asimétrica es negativa esto se puede observar a través del valor del coeficiente de
asimetría que es de -0.02. Con una puntuación mínima de 29 y máxima de 91, nos indica que
existe una gran variabilidad en los datos ya que posee un rango de 62 puntos el cual mide la gran
amplitud en la variación de los datos. La forma del histograma supone una descentralización
con mucha variabilidad y dos realidades, es decir que es bimodal.
Muestras
27.72 28.39 28.21 28.19 28.02 27.92 27.89 27.88
28.06 27.91 27.91 27.95 27.96 27.94 28.04 28.05
27.81 27.74 27.95 27.91 27.93 28.07 28.13 27.93
27.87 27.87 27.82 28.23 27.90 27.91 28.16 27.94
27.86 27.84 27.70 27.98 28.02 28.00 27.99 28.13
28.26 28.10 27.94 28.07 27.84 27.90 27.87 27.76
27.95 27.94 27.81 27.76 27.96 27.84 27.85 27.93
28.22 27.96 27.88 28.08 28.04 28.19 27.89 28.08
28.09 28.02 27.85 28.27 27.75 27.98 27.75 27.82
28.13 27.88 28.11 28.05 28.14 28.11 28.08 28.16
28.04 28.05 27.75 27.89 27.94 28.19 28.10 27.78
27.63 27.93 27.74 28.10 28.14 27.91 27.84 28.21
27.85 27.84 28.12 28.01 27.97 27.88 28.00 28.10
28.16 28.16 28.01 28.13 27.97 27.90 27.87 27.94
Media 27.97
Error típico 0.01
Mediana 27.95
Moda 27.94
Desviación estándar 0.14
Varianza de la muestra 0.02
Curtosis -0.30
Coeficiente de 0.21
asimetría
Rango 0.76
Mínimo 27.63
Máximo 28.39
Suma 3133.19
Cuenta 112
Histograma
30
25
20
Frecuencia 15
10
5
0
Gramos
Análisis
Con relación a los datos de las 112 muestras se obtuvieron los siguientes resultados una media
de
27.97, una mediana de 27.95, la moda es de 27.94. Un error típico de 0.01; la desviación
estándar es de 0.14, lo que indica que hay poca dispersión en el peso de los envases con respecto
a la media de los datos. La Curtosis es -0.26, lo que indica que el curva de Gauss tiene una forma
platicúrtica, es decir, que la grafica es de forma achatada. El rango es de 0.76, puesto que el
peso menor es
27.63 y el máximo de 28.39. Por lo tanto la amplitud de la variación de los datos es un tanto
aceptable. La grafica posee un coeficiente de asimetría que muestra que es una curva
asimétrica positiva. En cuanto a la forma del histograma podemos aseverar que éste está
centrado con mucha variabilidad. No hay acantilados y no hay evidencia de sesgo ni datos
aislados.
Carta X
35.0
34.8
34.6
34.4 Promedio
LCS
34.2
LCC
34.0
LCI
33.8
33.6
33.4
1 2 3 4 5 6 7 8 9 10
LCS 34.8
LCC 34.4
LCI 33.9
A2 0.337
Análisis: El proceso de viscosidad en los adhesivos esta dentro de control estadístico en cuanto a
su medida de tendencia central, con un LIC= 33.90 y un LCS= 34.80. Todos los datos
muestreados están dentro de los límites de control establecidos para esta carta.
Carta R
3
2.5
2
Rango
1.5 LCS
LCC
1 LCI
0.5
0
1 2 3 4 5 6 7 8 9 10
D3 0.1838
D4 1.8162
LCS 2.4
LCC 1.3
LCI 0.2
Análisis: El proceso de viscosidad en los adhesivos esta dentro de control estadístico en cuanto a
la variabilidad de los datos, es decir en cuanto a sus rangos, ningún valor excede los límites de
control respectivos. El rango de la viscosidad de dichos adhesivos se encuentra entre 0.25 y
2.42 con un rango promedio de 1.3. Lo cual indica que existe poca variabilidad en la viscosidad
del adhesivo.
11. En una industria alimenticia se quiere garantizar que la concentración mínima de grasa
de un producto sea de 1.8%. En la siguiente tabla, se muestran los datos obtenidos
para el estudio inicial, con tamaño de subgrupo de 4.
GRASA GRASA
SUB SUB
GRUPO GRUPO
1 2 3 4 1 2 3 4
1 1.88 1.93 1.98 1.88 11 1.93 1.95 1.90 1.93
2 1.93 1.97 1.89 1.94 12 1.95 1.98 1.89 1.90
3 1.92 1.95 1.90 1.98 13 1.88 1.93 1.88 1.90
4 1.89 1.89 1.90 1.94 14 1.97 1.88 1.92 1.96
5 1.95 1.95 1.93 1.90 15 1.91 1.91 1.96 1.93
6 2.00 1.95 1.94 1.89 16 1.98 1.90 1.92 1.91
7 1.95 1.93 1.97 1.85 17 1.93 1.94 1.95 1.90
8 2.87 1.98 1.96 2.04 18 1.82 1.92 1.95 1.94
9 1.96 1.92 1.98 1.88 19 2.00 1.97 1.99 1.95
10 1.99 1.93 2.01 2.02 20 1.98 1.94 1.96 1.88
Carta X
n 4
A2 0.729
X 1.946
LCS 2.035
LCI 1.858
LCC 1.946
R 0.122
2.300
2.200
2.100
2.000 Promedio
LCS
1.900 LCI
LCC
1.800
1.700
1.600
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Análisis: El proceso de concentración de grasa en el producto se encuentra fuera de control
estadístico en cuanto a su medida de tendencia central ya que la muestra 8 está por arriba del
límite de control superior, el punto 9 viola la regla 14 la cual dice que este punto está por
debajo de 4 sigmas. Y la muestra 18 viola la prueba 8 que indica que hay 8 puntos consecutivos
en la zona C (1 sigma). La concentración de grasa en los productos se encuentra entre 1.86 y 2
con un promedio de 1.95.
Carta R
LCS 0.28
LCC 0.12
LCI 0
D3 0
D4 2.28
1.000
0.900
0.800
0.700
0.600 Rango
0.500 LCS
0.400 LCC
0.300 LCI
0.200
0.100
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Análisis: El proceso de concentración de grasa en los productos se encuentra fuera de control
estadístico en cuanto a su medida dispersión o variabilidad ya que la muestra 8 está por arriba
del límite de control superior. El rango de la concentración de grasa en los productos se
encuentra entre 0.0% y 0.28% con un rango promedio de 0.1 %. Lo cual indica que existe poca
dispersión en la viscosidad del adhesivo.
12. En la fábrica de discos ópticos una máquina metaliza disco. Para garantizar la
uniformidad del metal en el disco, la densidad debe ser de 1.93, con una tolerancia de
±0.12, en la tabla siguiente se muestran los datos obtenidos para un estudio inicial, con
tamaño de subgrupo
5.
SUB
GRUPO
DATOS
Carta X
n 5
A2 0.577
X 1.924
LCS 1.979
LCI 1.869
LCC 1.924
R 0.095
2.000
1.980
1.960
1.940
1.920 Promedio
1.900 LCS
1.880 LCI
LCC
1.860
1.840
1.820
1.800
1 3 5 7 9 11 13 15 17 19 21 23 25
Análisis: Con base en el análisis de los datos mediante una carta X el proceso de fabricación
discos ópticos la densidad se encuentra bajo control estadístico en cuanto a su medida de
tendencia central ya que todos los datos están dentro de los límites de control superior e
inferior. La densidad en el metal para los discos se encuentra entre 1.924 y 1.979 con un
promedio de 1.869. En conclusión el proceso está bajo control estadístico.
Carta R
0.300
0.250
0.200 Rango
0.150 LCS
LCC
0.100
LCI
0.050
0.000
1 3 5 7 9 11 13 15 17 19 21 23 25
Análisis: Basado en la Carta de Rangos el proceso de fabricar discos ópticos la densidad está
fuera de control estadístico en cuanto a su variabilidad ya que los puntos 6 y 21 se
encuentran por encima del límite de control superior. El rango de la densidad en el metal para
fabricar los discos ópticos se encuentra entre 0.00 y 0.200 con un rango promedio de 0.095.
Carta X
140.00
120.00
100.00
80.00 Media
LCS
60.00 LCC
LCI
40.00
20.00
0.00
1 3 5 7 9 11 13 15 17 19 21
Análisis: Según la carta de medida de tendencia central, la calidad del servicio se encuentra
en control estadístico, ya que todas las observaciones caen dentro de los límites de control para
dicha carta. La satisfacción de los clientes se encuentra entre 131.67 y 27.13 con una
satisfacción promedio de 79.4.
Carta R
D3 0
D4 2.11
LCS 191.55
LCC 90.59
LCI 0
250.00
200.00
150.00 Rango
LCS
100.00 LCC
LCI
50.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Análisis: Basados en la Carta R, la calidad del servicio se encuentra bajo control estadístico,
en cuanto a la variabilidad de los datos se refiere ya que todas las observaciones no violan los
límites de control. El rango de satisfacción en los clientes se encuentra entre 0.0 y 191.55
con una satisfacción promedio de 90.59. Por tanto podemos concluir que tal proceso
funciona de una forma estable.
CAPÍTULO 2
1. Con los datos del ejercicio de las dos máquinas operadas por una persona,
considerando que los primeros 55 datos (ordenados por reglón) corresponden a una
máquina, y los últimos 55 a otra, conteste lo siguiente.
Máquina 1
Media 200.13
Error típico 0.17
Mediana 200.3
Moda 201.4
Desviación estándar 1.23
Varianza de la muestra 1.50
Curtosis -1.39
Coeficiente de asimetría -0.09
Rango 4.2
Mínimo 197.9
Máximo 202.1
Suma 11007.1
Cuenta 55
Histograma "Máquina 1"
14
12
10
Frecuencia
8
6
4
2
0
Milímetros
Media 199.97
Error típico 0.18
Mediana 199.8
Moda 200.5
Desviación estándar 1.37
Varianza de la muestra 1.87
Curtosis 5.52
Coeficiente de asimetría 1.50
Rango 8.2
Mínimo 197.8
Máximo 206
Suma 10998.4
Cuenta 55
12
10
8
6
4
2
0
Milímetros
Análisis: Basados en la información y gráficos obtenidos se puede ver que en la máquina 2
los datos se encuentran poco dispersos con respecto a la media (dispersión), pero sin embargo
es mayor que el de la máquina 1 y la empresa debe de reducirla. La mediana o percentil 50
nos indica que la mitad de los datos tienen un valor por debajo de 199.8 mm, y la otra parte, su
valor es mayor o igual a 199.8 mm. La curtosis es de 5.52 lo que indica que la curva de la
distribución normal presenta un elevado grado de concentración alrededor de los valores
centrales de la variable estudiada, es decir que presenta una forma alargada en el centro.
El coeficiente de asimetría es >0 por lo que se concluye que existe una mayor concentración de
valores a la derecha de la media que a su izquierda. Con respecto a la máquina 1, la 2 presenta un
mejor estado porque en esta claramente solo hay una realidad por lo tanto es más fácil poder
controlarlo y erradicarlo.
2. Con el propósito de mejorar la calidad que se tenía en cuanto al grosor de las láminas,
un grupo implementa un proyecto de mejora siguiendo la metodología. Varios de los
cambios implementados fueron relativos a los procedimientos empleados durante el
proceso ya y la estandarización de los mismos. Para verificar si el plan tuvo éxito, se
eligieron láminas aleatoriamente y midiendo su grosor. Los 120 datos obtenidos
durante tres días se muestran a continuación.
4.8 4.3 4.8 5.1 4.9 4.6 4.9 4.6 5.0 4.9 4.8 4.5
4.7 5.7 4.5 5.3 4.4 5.1 4.6 4.9 4.2 4.6 5.3 5.2
4.7 4.1 5.1 5.0 5.0 4.9 4.6 4.9 5.2 4.8 4.7 5.1
4.9 4.8 4.7 5.1 5.1 5.3 5.1 5.0 5.3 5.0 5.1 5.2
4.7 5.0 5.0 5.3 5.1 5.1 4.5 5.2 4.1 5.1 4.9 4.9
4.6 5.0 4.6 4.8 4.7 4.9 4.4 4.5 5.3 5.3 4.4 5.0
4.2 4.5 5.3 5.1 4.8 4.4 4.7 5.3 5.1 4.7 4.7 4.8
5.0 5.0 4.9 5.2 5.6 5.1 5.2 4.5 4.6 5.2 4.9 5.0
5.3 4.9 5.0 4.4 4.9 4.7 4.6 5.3 4.8 4.7 4.6 5.1
4.4 5.0 4.5 5.0 5.2 4.7 5.0 5.3 5.6 5.0 5.0 4.5
Histograma
25
20
Frecuencia
15
10
Milímetros
LRS 5.83 mm
LRI 3.94 mm
Análisis: Se puede ver claramente que los datos, en cuanto a su dispersión con respecto a la
media se redujo, la desviación estándar paso de 0.45 0 0.32 aproximándose más a cero, que es lo
ideal. El índice de Curtosis nos dice que la curva de la normal tiende a ser achatada con colas
cortas y el coeficiente de asimetría nos dice que existe mayor concentración de datos a la
izquierda que a la derecha. Con ello se puede afirmar que se ha logrado una mejora pero se
debe seguir mejorando ya que, aunque el proceso está centrado presenta variabilidad.
Costales
Media 19.562
Error típico 0.069
Mediana 19.6
Moda 20
Desviación estándar 0.65
Varianza de la muestra 0.42
Curtosis -0.29
Coeficiente de asimetría -0.07
Rango 3.2
Mínimo 17.8
Máximo 21
Suma 1760.6
Cuenta 90
20
Frecuencia
15
10
Kilogramos
Análisis: Los datos que corresponden al peso de los costales se encuentran con muy
poca variabilidad, ya que esto es evidente por el coeficiente de asimetría, Curtosis y la
desviación estándar, cuyos valores se aproximan a cero. Se puede constatar que existe un
ligero sesgo a la izquierda.
Lote 1
Media 19.35
Error típico 0.10
Mediana 19.25
Moda 19.1
Desviación estándar 0.56
Varianza de la muestra 0.31
Curtosis 1.39
Coeficiente de asimetría 1.01
Rango 2.4
Mínimo 18.6
Máximo 21
Suma 580.5
Cuenta 30
Histograma "Lote 1"
14
12
Frecuencia 10
8
6
4
2
0
18.6 19.08 19.56 20.04 20.52 y mayor...
Kilogramo
Análisis: El lote 1, con respecto a la población total de los costales, cuenta con mayor
variabilidad, con una mayor concentración de los datos a la derecha de la media.
Lote 2
Media 19.2967
Error típico 0.1260
Mediana 19.35
Moda 18.4
Desviación estándar 0.69
Varianza de la muestra 0.48
Curtosis -0.26
Coeficiente de asimetría 0.06
Rango 2.9
Mínimo 17.8
Máximo 20.7
Suma 578.9
Cuenta 30
6
5
4
3
2
1
0
17.8 18.38 18.96 19.54 20.12 y mayor...
Kilogramos
Análisis: El lote presenta mayor variabilidad en relación al 1 y 2 con sesgo a la derecha donde
la mayoría de los datos se concentran a la derecha y la curva normal presenta una forma
ligeramente
achatada.
Lote 3
Media 20.04
Error típico 0.07
Mediana 20
Moda 19.7
Desviación estándar 0.40
Varianza de la muestra 0.16
Curtosis 0.46
Coeficiente de asimetría 0.29
Rango 1.9
Mínimo 19.1
Máximo 21
Suma 601.2
Cuenta 30
10
8
Frecuencia
0
19.1 19.48 19.86 20.24 20.62 y mayor...
Kilogramos
Análisis: El proceso se encuentra con una ligera variabilidad en los datos, con acantilado lo que
ocasiona que los mismos presenten variabilidad, debido a que los datos tiendan a agruparse más
a la derecha de la media causando una desviación de 0.4 y dándole una forma alargada a la
curva normal.
4. En una empresa que fabrica y vende equipo para fotocopiado utilizan como un
indicador importante de la calidad en el servicio posventa el tiempo de respuestas a
solicitudes de apoyo técnico debido a fallas en los equipos. Para problemas mayores, en
cierta zona del país, se ha establecido como meta que la respuesta se dé en un máximo de
6 horas hábiles; es decir, de que habla el cliente solicitando apoyo, y que si el problema
se clasifica como grave no deben pasar más de 6 horas hábiles en que un técnico
acuda a resolver su problema. A continuación se aprecian los tiempos de respuestas en
horas para los primeros
9 meses del año (65 datos).
5.0 5.4 7.1 7.0 5.5 4.4 5.4 6.6 7.1 4.2
4.1 3.0 5.7 6.7 6.8 4.7 7.1 3.2 5.7 4.1
5.5 7.9 2.0 5.4 2.9 5.3 7.4 5.1 6.9 7.5
3.2 3.9 5.9 3.6 4.0 2.3 8.9 5.8 5.8 6.4
7.7 3.9 5.8 5.9 1.7 3.2 6.8 7.0 5.4 5.6
4.5 6.5 4.1 7.5 6.8 4.3 5.9 3.1 8.3 5.4
4.7 6.3 6.0 3.1 4.8
a) Calcule las medidas de tendencia central y con base en éstas, ¿cree que se cumple con
la meta?
b) Haga un histograma e interprete sus aspectos más relevantes.
c) A partir del análisis que se ha hecho, ¿qué recomendaciones daría para ayudar a
cumplir mejor la meta?
Columna1
Media 5.37
Error típico 0.20
Mediana 5.5
Moda 5.4
Desviación estándar 1.62
Varianza de la muestra 2.62
Curtosis -0.52
Coeficiente de asimetría -0.20
Rango 7.2
Mínimo 1.7
Máximo 8.9
Suma 348.8
Cuenta 65
Histograma
18
16
14
12
Frecuencia
10
8
6
4
2
0
Tiempo de Respuesta
Análisis: Los datos correspondientes se encuentran con una variabilidad ligera donde la curva de
la normal tiende a ser achata y con colas muy cortas presentando un acantilado donde la mitad de
los datos son menor que 5.5 y la otra mitad son mayores o iguales a ese valor.
5. Los datos de la tabla siguiente representan las horas caídas de equipos, por semana, de
tres líneas de producción.
Semana Línea 1 Línea 2 Línea 3 Semana Línea 1 Línea 2 Línea 3
1 7.7 6.6 7.5 14 6.3 6.5 8.5
2 6.8 5.2 8.1 15 7.8 7.7 8.0
3 8.5 7.2 6.2 16 6.7 7.4 7.7
4 8.6 9.2 7.4 17 7.3 6.1 7.5
5 5.7 6.7 8.2 18 5.7 6.2 8.2
6 7.9 6.2 6.0 19 6.2 7.3 7.7
7 8.1 7.1 8.2 20 7.3 6.9 7.0
8 7.6 8.1 8.1 21 5.0 6.1 .5
9 7.1 6.4 6.7 22 5.0 6.9 6.2
10 7.3 6.3 8.0 23 5.4 8.4 6.0
11 7.8 8.2 8.1 24 7.5 5.0 6.1
12 6.1 8.4 8.1 25 6.0 7.4 5.8
13 6.4 7.4 7.0
a) Analice los datos para cada línea, anote las principales características de la
distribución de los datos.
b) Compare las tres líneas, ¿nota alguna diferencia importante?
Línea 1
Media 6.87
Error típico 0.21
Mediana 7.1
Moda 7.3
Desviación estándar 1.05
Varianza de la muestra 1.10
Curtosis -0.94
Coeficiente de asimetría -0.23
Rango 3.6
Mínimo 5
Máximo 8.6
Suma 171.8
Cuenta 25
5
4
3
2
1
0
5 5.72 6.44 7.16 7.88 y mayor...
Horas Caídas
Análisis: La curva de la normal tiende a ser plana o achatada debido a como los datos
se encuentran distribuidos, aunque la deviación estándar no es grande en magnitud, sigue
siendo un problema muy grande ya que la variabilidad existe en el proceso y mientras la
empresa no le de solución va a seguir perdiendo tiempo, un factor importante para los clientes y
así cumplir con los tiempos de entrega. También presenta sesgo a la izquierda.
Línea 2
Media 7.00
Error típico 0.20
Mediana 6.9
Moda 7.4
Desviación estándar 1.00
Varianza de la muestra 1.00
Curtosis 0.01
Coeficiente de asimetría 0.13
Rango 4.2
Mínimo 5
Máximo 9.2
Suma 174.9
Cuenta 25
Histograma "Línea 2"
10
9
8
Semanas 7
6
5
4
3
2
1
0
5 5.84 6.68 7.52 8.36 y mayor...
Horas Caídas
Análisis: El coeficiente de asimetría nos muestra que hay mayor concentración de datos a
la derecha de la media y el coeficiente de Curtosis se aproxima mucho a 0 lo que nos dice
que la campada de Gauss se aproxima más a la curva normal deseada, curva que en este caso
representa el proceso en la línea 2.
Línea 3
Media 7.07
Error típico 0.32
Mediana 7.5
Moda 8.1
Desviación estándar 1.62
Varianza de la muestra 2.62
Curtosis 11.35
Coeficiente de asimetría -2.96
Rango 8
Mínimo 0.5
Máximo 8.5
Suma 176.8
Cuenta 25
10
8
6
4
2
0
0.5 2.1 3.7 5.3 6.9 y mayor...
Clase
2.7 3.4 3.5 4.0 3.1 3.3 3.5 3.3 3.2 3.4 2.6 3.1
3.4 2.7 3.3 3.6 2.9 2.8 3.0 3.6 3.5 2.8 3.1 2.8
2.2 3.4 3.3 2.5 3.4 2.7 2.9 3.6 3.3 2.7 3.7 3.3
3.2 3.1 2.9 2.7 3.3 3.6 3.3 3.1 3.1 3.4 3.0 3.5
3.4 3.0 2.9 3.2 3.2 3.0 3.3 3.9 3.3 3.0 3.0 3.5
2.9 3.5 3.1 3.5 3.0 3.1 2.9 3.1 3.1 2.9 2.9 3.4
3.4 3.1 3.2 3.3 3.2 3.3 3.0 3.2 3.5 3.4 3.8 3.2
2.9 3.0 3.2 3.2 3.3 3.8
Columna1
Media 3.19
Error típico 0.03
Mediana 3.2
Moda 3.3
Desviación estándar 0.32
Varianza de la muestra 0.10
Curtosis 0.52
Coeficiente de asimetría -0.15
Rango 1.8
Mínimo 2.2
Máximo 4
Suma 286.9
Cuenta 90
Histograma
25
20
Frecuencia
15
10
Concentración
Análisis: Aquí los datos obtenidos sobre el nivel de concentración de grasa en la leche de
vaca presentan poca variabilidad donde la curva normal tiende a ser un poco alargada.
28.3 26.8 26.6 26.5 28.1 24.8 27.4 26.2 29.4 28.6 24.9 25.2
30.4 27.7 27.0 26.1 28.1 26.9 28.0 27.6 25.6 29.5 27.6 27.3
26.2 27.7 27.2 25.9 26.5 28.3 26.5 29.1 23.7 29.7 26.8 29.5
28.4 26.3 28.1 28.7 27.0 25.5 26.9 27.2 27.6 25.5 28.3 27.4
28.8 25.0 25.3 27.7 25.2 28.6 27.9 28.7 25.3 29.2 26.5 28.7
29.3 27.8 25.1 26.6 26.8 26.4 26.4 26.3 28.3 27.0 23.7 27.7
26.9 27.7 26.2 27.0 27.6 28.8 26.5 28.6 25.7 27.1 27.8 24.7
27.1 26.4 27.2 27.3 27.0 27.7 27.6 26.2 24.7 27.2 23.8 27.4
29.5 26.4 25.8 26.7
Columna1
Media 27.10
Error típico 0.14
Mediana 27.1
Moda 27.7
Desviación estándar 1.39
Varianza de la muestra 1.93
Curtosis -0.10
Coeficiente de asimetría -0.18
Rango 6.7
Mínimo 23.7
Máximo 30.4
Suma 2709.5
Cuenta 100
LRS 31.26
LRI 22.93
Histograma
25
20
Frecuencia
15
10
Análisis: La información obtenida de las pruebas destructivas para ver la resistencia de las
botellas tiene mucha variabilidad ya que la desviación estándar así lo indica, donde la curva
normal tiende a ser achatada.
8. En la elaboración de una bebida se desea a garantizar que el porcentaje de CO2 esté entre
2.5 y 3.0. De los datos obtenidos del monitoreo del proceso se obtuvieron los siguientes
115 datos.
2.61 2.56 2.63 2.61 2.56 2.60 2.56 2.60 2.55 2.64 2.66 2.65
2.69 2.51 2.56 2.64 2.52 2.57 2.60 2.67 2.48 2.57 2.66 2.59
2.61 2.61 2.66 2.64 2.56 2.58 2.61 2.57 2.56 2.59 2.67 2.57
2.57 2.49 2.58 2.69 2.61 2.64 2.57 2.55 2.70 2.65 2.67 2.65
2.73 2.65 2.58 2.67 2.53 2.67 2.62 2.57 2.64 2.55 2.64 2.52
2.60 2.67 2.71 2.51 2.57 2.57 2.51 2.67 2.50 2.56 2.65
2.61 2.49 2.66 2.52 2.60 2.63 2.61 2.60 2.56 2.67 2.61
2.62 2.52 2.72 2.53 2.64 2.52 2.60 2.53 2.62 2.64 2.60
2.53 2.61 2.68 2.59 2.63 2.66 2.59 2.58 2.65 2.57 2.52
2.64 2.55 2.63 2.59 2.62 2.52 2.49 2.55 2.60 2.61 2.58
Columna1
Media 2.599
Error típico 0.005
Mediana 2.600
Moda 2.610
Desviación estándar 0.056
Varianza de la muestra 0.003
Curtosis -0.587
Coeficiente de asimetría -0.030
Rango 0.250
Mínimo 2.480
Máximo 2.730
Suma 298.870
Cuenta 115
Histograma
25
20
Frecuencia
15
10
Porcentaje de CO2
Análisis: Se puede decir, en este caso, que la variabilidad de los datos con respecto al porcentaje
de CO2 es mínima, lo que es indicado por la desviación, la asimetría y el coeficiente de Curtosis,
donde se ve que los datos tienden a estar centrados con poca variabilidad.
CAPÍTULO 6
(o) Rasguños superficiales, (x) Rupturas, (-) Incompletas, (/) Forma inapropiada, (*) Otro.
Pareto de Problemas
Frecuencia
Problema Frecuencia % Frecuencia
Acumulada
Rasguños superficiales 119 62% 62%
Rupturas 39 20% 82%
Incompletas 13 7% 89%
Otros 9 5% 100%
Frecuencia
100 80%
80 60%
60
40 40%
20 20% Frecuencia
0 0%
Frecuencia
acumulada
Tipo de Defecto
Análisis: El problema de rasguños superficiales y las rupturas cusan el 82% de los problemas,
de los cuales el primero constituye el 62% y ese es el problema que debe tener prioridad para
ser
erradicado.
Pareto de Máquinas
% Frecuencia
Máquinas Frecuencia
Frecuencia Acumulada
B 50 42% 42%
A 24 20% 62%
C 24 20% 82%
D 21 18% 100%
Total 119 100%
Diagrama de Pareto
60 120%
50 100%
Frecuencia
40 80% Frecuencia
30 60%
Frecuencia
20 40% acumulada
10 20%
0 0%
B A C D
Máquina
Análisis: Las máquinas B, A y C generan el 82% de los problemas que surgen en el proceso, ya
sea por averías o fallas. De ellas la que produce mayor cantidad de problemas es la B, donde
debería de hacerse un estudio y determinar si las fallas son de origen humano o tecnológico.
Pareto de Días
% Frecuencia
Día Frecuencia
Frecuencia Acumulada
Miércoles 45 38% 38%
Jueves 20 17% 55%
Martes 19 16% 71%
Viernes 18 15% 86%
Lunes 17 14% 100%
Total 119 100%
Diagrama de Pareto
50 120%
40 100%
Freceuncia
80%
30
60%
20 Frecuencia
40%
10 20%
0 0% Frecuencia
acumulada
Día
Análisis: Los días en los que se hacen presentan la mayor cantidad de fallas son el miércoles,
jueves, martes y viernes. Es en esos días donde se producen 82% de los problemas que hay en
el proceso.
Pareto de Turnos
% Frecuencia
Turnos Frecuencia
Frecuencia Acumulada
I 66 55% 55%
II 53 45% 100%
Total 119 100%
Pareto de Turnos
70 120%
60 100%
50
Frecuencia
80%
40 Frecuencia
60%
30
40%
20
20% Frecuencia
10
acumulada
0 0%
I II
Turno
Defecto Frecuencia
Ovalada la boca de la tina 1,200
Perforaciones deformes 400
Boca de tina despostillada 180
Falta de fundente 130
Mal soldada 40
Total 1,950
Frecuencia
100%
1000 80%
60%
500 40% Frecuencia
20%
0 0%
Frecuencia
acumulada
Defecto
Análisis: Los defectos principales en las tinas de lavadora son que la boca de las mismas
sea ovalada o que tenga perforaciones deformes ya que constituyen el 82% de los problemas y
es aquí donde se deben concentrar los esfuerzos para reducir tales defectos.
3. En cierta empresa es usual pagar horas extras para cumplir con los tiempos de entrega.
En este centro productivo, un grupo de mejora de calidad está tratando de
reducir la proporción de piezas malas. Con este propósito deciden investigar la
relación entre la
cantidad de horas extras, X, y el porcentaje de artículos defectuosos, Y. A continuación
se
muestran los datos obtenidos.
Porcentaje de
Semana Horas extras
defectuosos
1 340 5
2 95 3
3 210 6
4 809 15
5 80 4
6 438 10
7 107 4
8 180 6
9 100 3
10 550 13
11 220 7
12 50 3
13 193 6
14 290 8
15 340 2
16 115 4
17 362 10
18 300 9
19 75 2
20 93 2
21 320 10
22 154 7
4. En una empresa del ramo gráfico se ha llevado durante dos meses el registro del tipo
de defectos que tienen los productos finales, obteniéndose los siguientes problemas con
sus respectivos porcentajes: fuera de tono, 35%; manchas, 30%; fuera de registro,
15%; mal corte, 12%; código de barras opaco, 8%. De acuerdo con el principio de
Pareto, ¿se puede
decir que el problema vital, desde el punto estadístico, es fuera de tono?
Análisis: Realmente el 80% de los problemas no es únicamente causado por fallas fuera de
tono, sino también por manchas y errores fuera de registro.
CAPÍTULO 7
Límites Naturales
LRS 50.7739
LRI 49.2261
Interpretación: Los límites de la carta X establecen de donde a donde deben estar ubicados
los datos de un proceso con respecto a la centralidad del mimo y los límites de la carta R
miden la variabilidad de los mismos. Y para poder comprobar si la estabilidad del proceso es
estable se necesita recolectar datos procedentes del proceso.
2. El peso ideal del contenido neto de una caja de cereal es de 250.0g, y se tiene una
tolerancia de ±2.5 g. Para monitorear tal peso se usa una carta de control X–R. de
datos históricos se tiene que la media y la desviación estándar del proceso son µ =
249.0 y σ =
0.70, respectivamente. Con esta información conteste las siguientes preguntas:
a) ¿Cuáles son las especificaciones para el peso? Y explique por qué es importante
cumplirlas. Las especificaciones del peso son:
ES 252.5
EI 247.5
Las especificaciones son importantes porque son dadas por los clientes, por quienes la
empresa funciona.
b) Explique en forma y con sus palabras, ¿Qué se le controla al peso con la carta X y
que con la carta R? Considerando un tamaño de subgrupo de 4, obtenga la línea
central y
los límites de control para la correspondiente carta X, e interprete.
LCS 4.223
LCI 0.578
LCC 2.4
Con la carta X se mide cuán centrado está el proceso y con la carta R la variabilidad que hay en
el mismo.
230
225
Promedio
220
LCS
215 LCI
LC
210
205
200
1 3 5 7 9 11 13 15 17 19 21 23 25
LCS 216.97
LCI 213.85
LCC 215.41
A2 0.729
Carta R
6
4
Rango
3 LCS
LCI
2 LC
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1617 18 19 20 2122 23 24 25
LCS 4.874779
LCI 0
LCC 2.136
d3 0
d4 2.2822
4. En el caso de la longitud de las bolsas del ejercicio 11, se decide emplear una carta de
control X – R utilizando un tamaño de subgrupo de cinco, en donde se toman cinco
bolsas consecutivas cada determinado tiempo. En la siguiente tabla se muestran las
medias y los rangos de los últimos 40 subgrupos (los datos están en milímetros)
a) Calcule los límites de una carta X – R y obtenga las cartas.
b) Interprete las cartas (puntos fuera, tendencias, ciclos, altas variabilidad, etc.).
Carta X
n 40
A2 0.153
X 300.775
LCS 301.174
LCI 300.376
LCC 300.775
R 2.608
303
302
Media
301
LCS
300 LCI
LCC
299
298
297
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Carta R
n 40
D3 0.4597
D4 1.5403
LCS 1.199
LCI 4.016
LCC 2.608
R 2.608
4
Rango
3
LCS
2 LCI
1 LCC
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
5. Se desea que la resistencia de un artículo sea de por los menos 300 psi. Para verificar
que se cumple con tal característica de calidad, se hacen pequeñas inspecciones
periódicas y los datos se registran en una carta X-R. El tamaño de subgrupo que se ha
usado es de tres artículos, que son tomados de manera consecutiva cada dos horas. Los
datos de los últimos subgrupos se muestran en la tabla 7.5. Conteste:
a) ¿Dado que la media de media es 320.73, el proceso cumple con las especificación inferior
(El=300)? Explique.
b) Calcule los límites de la Carta X-R, e
interprételos. c) Obtenga las cartas e interprételas.
a) ¿Por qué utilizar en este caso una carta de individuales y no una carta X-R?
b) Estime los límites de control para la carta de individuales e
interprételos. c) Obtenga la carta e interprétela.
d) En el punto 32 se decidió hacer un ajuste al horno, ¿tiene algún fundamento estadístico
la decisión de hacer el ajuste? ¿la decisión fue oportuna?
e) Alguien no está del todo de acuerdo en la decisión tomada, argumentando que
la temperatura todavía estaba dentro de especificaciones, ¿Qué opina al respecto?
Rango Rango
Subgrupo Temperatura Subgrupo Temperatura
Móvil Móvil
1 27.4 24 26.5 2.7
2 26.8 0.6 25 23.3 3.2
3 24.3 2.5 26 23.8 0.5
4 26.6 2.3 27 25.5 1.7
5 26.5 0.1 28 26.4 0.9
6 25.6 0.9 29 27.5 1.1
7 25.1 0.5 30 27.7 0.2
8 26.5 1.4 31 28.5 0.8
9 25.8 0.7 32 29.8 1.3
10 24.7 1.1 33 25.1 4.7
11 23.3 1.4 34 25.0 0.1
12 23.3 0.0 35 22.9 2.1
13 24.7 1.4 36 23.6 0.7
14 23.4 1.3 37 24.7 1.1
15 27.4 4.0 38 24.4 0.3
16 24.7 2.7 39 25.4 1.0
17 21.7 3.0 40 23.5 1.9
18 26.7 5.0 41 27.8 4.3
19 24.2 2.5 42 25.5 2.3
20 25.5 1.3 43 26.4 0.9
21 25.3 0.2 44 24.5 1.9
22 25.0 0.3 45 23.5 1.0
23 23.8 1.2 Media 25.32 1.57
d2 1.1218
LCS 29.55975
LCI 21.08914
LCC 25.32
35
30
25
Temperatura
20
LCS
15 LCI
LC
10
0
1 3 5 7 9 111315171921232527293133353739414345
39 92 38 33 119 32 96 32
35 34 42 39 78 37 26 32
38 43 46 37 28 40 35
35 41 37 44 37 34 43
42 86 117 43 42 33 37
98 126 31 40 52 29 71
49 57 33 34 34 23 36
42 27 33 37 37 96 29
39 87 109 37 122 33 62
d2 1.128
LCS 48.97
LCS 50.89
LCC 49.92
140
120
100 Respuesta de
solicitudes
80
LCS
60
40 LCI
20
LC
0
-20 1 4 7 10131619222528313437404346495255586164
-40
9. En el departamento de capacitación de una empresa se lleva un registro por alumno
del porcentaje de asistencia a cada evento de capacitación. Con el total de alumnos que
asisten
a cada curso. A continuación se muestran los resultados de los últimos 30 cursos:
71 74 79 65 85 76 76 61 74 78
78 99 70 76 88 78 82 67 72 76
70 79 71 74 80 70 83 69 77 75
71 72 75 71 70 73 69 74 77 78
78 79
a) Organice los datos en columna y obtenga la columna de rangos móviles de orden dos.
b) Analizar estos datos mediante una carta de individuales.
c) Obtenga la carta de control e interprétela.
d) ¿Se puede considerar satisfactoria la calidad de los cursos?
e) ¿Qué observa de especial en la carta?
f) ¿Cuáles podrían ser las razones de los puntos especiales?
g) ¿Qué límites de control utilizaría a futuro, de tal forma que reflejen la realidad
prevaleciente?
h) ¿A su juicio cuáles podrían las causes comunes que contribuyen al nivel de ausentismo
observado?
d2 1.128
LCS 94.57
LCI 55.91
LCC 75.24
120
100
80
Asistencia
60 LCS
LCC
40
LCI
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
CAPÍTULO 8
1. En una empresa del ramo metalmecánico se fabrican válvulas. Después del proceso de
fundición se hace una inspección y las piezas que no cumplen con ciertas características
son rechazadas. Las razones por las que pueden ser rechazadas son diversas:
piezas incompletas, porosas, mal formadas, etcétera. 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. 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. En la siguiente tabla se muestran los
datos obtenidos durante una semana para un cierto tipo de válvulas.
n 21
LCS 0.0674
LCI 0.0034
LC 0.03538
0.08
0.07
0.06
0.05 Proporción, p¡
0.04 LCS
0.03 LCI
0.02 LC
0.01
0
1 3 5 7 9 11 13 15 17 19 21
2. En el caso del ejercicio 5:
a) Suponga que todos los lotes tienen el mismo tamaño (el promedio), calcule los
límites de control para una carta np, e interprételos.
b) Grafique la correspondiente carta np y analícela.
c) ¿El proceso es estable?
d) ¿Observa alguna diferencia importante entre la carta p y la np?
e) ¿Cuál, carta p o la np sería la más conveniente en este caso? Argumente.
n 300
N° Lotes 21
p-promedio 0.036
LCS 20.29
LCC 10.67
LCI 1.044
np 10.67
25
Componentes
20 Defectuosos
15 LCS
10
LCC
5
0 LCI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
21
3. En un proceso se lleva una carta p, cuya línea central es 0.08. Si se toma un lote de
100 artículos y se obtienen 16 defectuosos, ¿ese lote es anormal?, es decir, ¿en la
producción de ese lote el proceso estuvo fuera de control estadístico? Conteste
calculando los límites de control considerando n= 100 y p= 0.08.
n 100
p 0.08
Defectos totales 16
p-promedio 16%
LCS 27%
LCI 5%
LCC 16%
4. En un proceso de producción se produce por lotes de tamaño 500, en la inspección final
de los últimos 30 lotes se obtuvieron la siguiente cantidad de artículos defectuosos.
p 2.48%
LSC 4.57%
LIC 0.39%
0.06
0.05
Fracción defectuosa
0.04 p
LCS
0.03
LCI
0.02
LCC
0.01
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
5. En una empresa se ha usado una carta p para analizar la variación en la proporción de
artículos defectuosos.
a) Si la línea central de esta carta es 0.05, el tamaño de subgrupo es de 150, calcule los
límites de control de la carta e interprételos.
b) Si la proporción de defectuosos de nueve lotes consecutivos de tamaño 150, fueron los
siguientes: 0.02, 0.065, 0.07, 0.08, 0.09, 0.07, 0.11, 0.10, 0.09. Analice estos datos con
los datos del inciso anterior y señale si en la producción de estos lotes el proceso
estuvo en control estadístico o si hubo algún cambio importante.
c) Haga lo mismo que el inciso a pero utilizando un tamaño de subgrupo de 300, e interprete
los límites que obtenga.
d) ¿Qué efecto tiene el tamaño de subgrupo en la amplitud de los límites de control de
una carta p?
LCS 0.103
LCC 0.05
LCI 0
n 150
0.12
0.10
Proporción
0.08
LCS
0.06
LCI
0.04 LCC
0.02
0.00
1 2 3 4 5 6 7 8 9
6. Para analizar el desempeño de un proceso y tratar de mejorarlo, se decide analizar la
proporción de defectuosos. Para ello se toman subgrupos de tamaño 200 y se cuantifica
la
cantidad de defectuosos. Los datos obtenidos durante 6 días son los siguientes:
a) Calcule lo límites de control para una carta p, y explique el significado de los límites
de control que obtuvo.
b) Mediante una carta p analice los datos y obtenga conclusiones.
c) De acuerdo a los costos de producción el nivel de defectuosos máximo tolerable es de
5%.
Con base en esto alguien sugiere que el límite de control superior de la carta p debe ser
0.05, ¿es correcta esa sugerencia?
LCS 0.086
LCC 0.043
LCI 0.0
0.100
0.080
Proporción
0.060
LCS
0.040
LCC
0.020 LCI
0.000
1 2 3 4 5 6 7 8 9 1011121314151617181920
7. En el caso del ejercicio anterior, se aplica un plan de mejora, y se toman varias
acciones.
Los datos obtenidos en la semana posterior a las mejoras son:
a) Utilizando los límites de control obtenidos antes de la mejora, analice estos últimos
datos mediante una carta p.
b) ¿Las mejoras dieron resultado? Argumente.
LCS 0.061
LCC 0.027
LCI 0.0
0.070
0.060
0.050
Proporción
0.040
LCS
0.030 LCC
0.020 LCI
0.010
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
8. En un proceso se produce por lotes y estos se prueban al 100%. Se lleva un registro de
la proporción de artículos defectuosos por diferentes causas. Los datos de los últimos 25
lotes
se muestran a continuación:
P-promedio 0.117
LCS 0.184
LCI 0.049
LCC 0.117
Carta p
0.250
0.200
0.150 Proporcion
LCS
0.100 LCI
LCC
0.050
0.000
1 3 5 7 9 11 13 15 17 19 21 23
Carta p (Límites
Variables)
Carta np
n 200
p 0.117
np 23.458
LCS 37.110
LCC 23.458
LCI 9.807
45
40
35
30
Defectos
25
LCS
20
LCC
15 LCI
10
0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324
9. En una fábrica de artículos de plástico inyectado se tiene el problema de la rebaba en
las piezas, que es necesario eliminarla con el retrabajo. Con el propósito de evaluar la
realidad actual y detectar posibles causas especiales de variación se decide implementar
una carta de control para el producto que más se fabrica, los datos obtenidos en 24 lotes
de tamaño 500, en cuanto a la cantidad de piezas con rebaba se muestran a continuación.
N 500
P 20.18%
LSC 25.56%
LIC 14.79%
0.3
0.25
0.2
Proporción
0.15 LCS
LCI
0.1 LCC
0.05
0
1 3 5 7 9 11 13 15 17 19 21 23
Carta np
10. En una empresa se registra el número de quejas por mal servicio. Los datos de las
últimas
25 semanas se muestran enseguida.
-2 1 3 5 7 9 11 13 15 17 19 21 23 25
-4
11. En una línea de ensamble o montaje de pequeñas piezas en tarjetas electrónicas
se cuantifica el número de defectos de diferente tipo por muestra de 10 tarjetas. Los
defectos encontrados en las últimas 30 muestras se listan a continuación.
a) Nótese que en promedio hay más de un defecto por tarjeta, ¿es adecuado analizar
estos datos mediante una carta p? Argumente.
b) Calcule los límites de control para una carta c e interprete los límites obtenidos.
c) Obtenga la carta c y analícela.
d) El dato de la muestra 17 es especial, por lo que habría que buscar las posibles causas
que ocasionaron esto, ¿por qué?
e) ¿Qué opina de la estabilidad del proceso?
f) ¿El nivel de calidad se puede considerar satisfactorio?
g) ¿Cómo aplicaría un análisis Pareto para enfocar mejor un proyecto de mejora?
n 10
u 2.5
LCS 4
LCI 1
LCC 2.5
4.5
4
3.5
3
Defecto /Tarjeta (U)
2.5
LCS
2
LCI
1.5
LCC
1
0.5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
12. 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 siguiente tabla.
a) Calcule los límites de control para una carta u para el número de quejas por cliente e
interprete los límites de obtenga.
b) Grafique la carta u correspondiente y analícela.
c) ¿La estabilidad del proceso es aceptable?
d) ¿Considera que la calidad del hotel es buena? Explique.
LCS 0.1556
LCI 0.0120
LCC 0.0838
U promedio 0.0838
n 146.33
Subgrupos 15
35
30
25
Quejas
20
LCS
15
LCI
10
LCC
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
13. Con el propósito de analizar la posibilidad de eliminar los estándares de trabajo en un
sector de una fábrica, se decide analizar el número de cierto tipo de operaciones que
realiza cada trabajador por día y semana. a continuación se muestran los
resultados obtenidos en una semana para 14 trabajadores (cada dato corresponde a un
trabajador).
295 306 292 297 294 343 285 240 329 305 277 260 337 320
a) Calcule los límites de control para una carta c para el número de operaciones por
trabajador e interprete los límites que obtenga.
b) Investigue mediante la carta c correspondiente si algún trabajador está fuera del
sistema.
c) En caso de estarlo, ¿qué recomendaría que se haga con tal trabajador?
Subgrupo 14
c-promedio 292.1
LCS= 343.4
LCI= 240.9
LCC= 292.1
400
350
300
250 C
200 LCS
LCI
150
LC
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Bibliografía
Control Estadístico de la Calidad y Seis Sigma
Humberto Gutiérrez Pulido y Román de la Vara Salazar
McGraw-Hill, México D.F. 2004