CONTROL ESTADÍSTICO

DE PROCESOS

EJERCICIOS
POTENCIA GRÁFICOS POR ATRIBUTOS

INTEGRANTES
JULIO DANIEL MERCADO TRUJILLO – 2016116141
ANA MILENA CORREA TERÁN - 2016216080
ALEJANDRA TRONCOSO FERNÁNDEZ – 2017116105
CAMILO ANDRÉS MELENDEZ – 2017116061

GRUPO # 4

ING. MANUEL J. CAMPUZANO PH. D

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERÍA INDUSTRIAL
CONTROL ESTADÍSTICO DE PROCESOS
SANTA MARTA D.T.C.H - MAGDALENA
2020-1

1
 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.

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 ¿cuantos artículos defectuosos debe haber
en la muestra de tamaño n = 8 para dar la señal de que se está fuera de control?
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
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%?

𝑝 0.01 ∗
𝑞 → 𝐿𝐶𝑆 = 0.01 + 3√ = 0.1155
𝐿𝐶𝑆 = 𝑝 + 3√ 0.99
𝑛
8

𝐿𝐶 = 0.01
0.01 ∗ 0.99
𝐿𝐶𝐼 = 0.01 − 3√ =0
8

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 ¿cuantos 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 de artículos defectuosos en la muestra

𝑝′ > 𝐿𝐶𝑆
𝑝′ > 0.1155
1
𝑝′ = = 0.125 >
𝐿𝐶𝑆8
Con respecto a los datos anteriores, el análisis realizado, es que, debe haber al menos
un producto defectuoso para obtener una señal fuera de control.
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

𝑝 = 0.01 → 0.05
0.01 ∗ 0.99 0.2985
𝐿𝐶𝐼 = 0.01 − 3√ = 0.01 +
8 √8
0.05 ∗ 0.95
𝑝′ ~𝑁 0.05; )
8
0.01 ∗ 0.99 0.2985
𝐿𝐶𝐼 = 0.01 − 3√ = 0.01 +
8 √8
0.2985
1 − 𝛽 = 𝑝(𝑝′ > 𝐿𝐶𝑆) = 𝑝 (𝑝′ > 0.01 + )
√8
0.2985
′ 0.01 + − 0.05
𝑝 − 0.05 √8
𝑝 >
0.05 ∗ 0.95 0.05 ∗ 0.95
(√ 8 √ 8 )
𝑝(𝑍 > 0.8505) = 0.1977
1
𝐴𝑅𝐿1 = = 5.08 ≈ 5
1−𝛽
Con los datos calculados anteriormente, concluimos que, en promedio, se requerirán
5 muestras de tamaño 8, para poder detectar el cambio en la proporción de
defectuosos.

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%?

1 − 𝛽 = 0.85 𝑝 = 0.01 → 0.05

0.2985
0.01 − − 0.05
√𝑛
1−𝛽=𝑝 𝑍> = 0.85
0.05 ∗ 0.95
( √ )
𝑛
 1 − 𝛽 = 𝑝(𝑍 > −1.035) = 0.85
0.2985
0.01 − − 0.05
√𝑛
−1.035 =
0.05 ∗ 0.95
√ 𝑛
𝑛 = 171.65 ≈172
Con los datos calculados anteriormente, analizamos que, el tamaño muestral debe
ser 172 del problema 1, para que se logre detectar un cambio de la proporción de
defectuosos.

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.
𝑝 = 0.05
𝐿𝐶𝑆 = 0.05𝑛 + 3√0.05 ∗ 0.95 ∗ 𝑛 [1]
𝐿𝐶 = 0.05𝑛
𝐿𝐶𝐼 = 0.05𝑛 + 3√0.05 ∗ 0.95 ∗ 𝑛

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 → 0.1
𝑛 =? → 1 − 𝛽 = 0.5

𝑛𝑝 ′ ~𝑁 (0.1𝑛 ; 0.1𝑛 ∗ 0.9)

𝑝(𝑛𝑝′ > 𝐿𝐶𝑆) = 0.5

𝑛𝑝′ − 0.1𝑛 𝐿𝐶𝑆 − 0.1𝑛

=𝑝( > ) = 0.5
√0.1𝑛 ∗ 0.9 √0.1𝑛 ∗ 0.9

= 𝑝(𝑍 > 0) = 0.5

𝐿𝐶𝑆 − 0.1𝑛
= 0 → 𝐿𝐶𝑆 = 0.1𝑛 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝑒𝑛 [1]
√0.1𝑛 ∗ 0.9

0.1𝑛 = 0.05𝑛 + 3√0.05𝑛 + 0.95

0.05𝑛 = 3√0.05 ∗ 0.95 ∗ 𝑛

(0.05)2 = (3√0.05 ∗ 0.95 ∗ 𝑛)2

0.0025𝑛2 = 9 ∗ 0.0475𝑛

0.025𝑛2 = 0.4275𝑛

0.0025𝑛2 0.0475𝑛 0.0475

= →𝑛 = 171
𝑛 𝑛 0.0025
=

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.

𝐿𝐶𝑆 = 𝑛𝑝′ + 3√𝑛𝑝′(1 − 𝑝´)

𝐿𝐶 = 𝑛𝑝′

𝐿𝐶𝐼 = 𝑛𝑝′ − 3√𝑛𝑝′(1 − 𝑝′)

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.
𝑛 =?
1 − 𝛽 = 0.6
𝑝 = 0.05 → 0.1
𝐿𝐶𝑆 = 0.05𝑛 + 3√𝑛 ∗ 0.0475 [1]

𝑛𝑝′~𝑁(𝑝′; 𝑛𝑝′(1 − 𝑝′))

np′~𝑁(0.1𝑛 ; 𝑛 ∗ 0.1 ∗ 0.9)
p(np′ > LCS) = 0.6
𝐿𝐶𝑆 − 𝑛𝑝′
p (Z > )=1−β
√𝑛𝑝 ′(1 − 𝑝′)
𝐿𝐶𝑆 − 0.1𝑛
p (Z > ) = 0.6
√𝑛 ∗ 0.09
p(Z > 0.255) = 0.6
𝐿𝐶𝑆 − 0.1𝑛
= −0.255
√𝑛 ∗ 0.09

 Despejando LCS:

𝐿𝐶𝑆 = −0.255 ∗ √0.09𝑛 + 0.1𝑛

 Reemplazamos en [1]

0.05𝑛 + 3√𝑛 ∗ 0.0475 = −0.255 ∗ √0.09𝑛 + 0.1𝑛

3√𝑛 ∗ 0.0475 + 0.255 ∗ √0.09𝑛 = 0.05𝑛

0.730334 ∗ √𝑛 = 0.05𝑛

(0.730334 ∗ √𝑛)2 =

(0.05𝑛)2

0.53338𝑛 0.0025𝑛
2
0.53338
= → = 213.35 ≈ 213 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑛 𝑛 0.0025

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?
𝑛 = 213
𝑝 = 0.05 → 0.15
𝑝 ′ ~𝑁(0.15(223); (213)(0.15)(0.85))

𝐿𝐶𝑆 = 0.05(213) + √(213)(0.05)(0.95)

0.05(213) + 3√213 ∗ 0.05 ∗ 0.95 − 0.15(213)
1 − 𝛽 = 𝑝 (𝑍 > )
√0.15 ∗ 213 ∗ 0.85
p(Z > −2.2562) = 1 − 0.0121
 1 − β = 0.9879
1
AR𝐿1 =
1−𝛽
1
AR𝐿1 = = 1.01 ≈ 1
0.9879
Se necesita en promedio 1 muestra para detectar un cambio con una fracción
defectuosa de 0,15

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.

lámparas
Q=
2000 hora

𝑛 = 200
𝐶𝑢𝑑 = 8

3 ℎ𝑜𝑟𝑎𝑠 𝑦 𝑚𝑒𝑑𝑖𝑎 → 10% = 𝑡2

4 ℎ𝑜𝑟𝑎𝑠 𝑦 𝑚𝑒𝑑𝑖𝑎 → 5% = 𝑡1

𝑃𝑁𝐶 = 𝑄(𝑝1𝑡1 +

𝑝2𝑡2) C = PNC ∗
𝐶𝑢𝑑

PNC = 2000(0.05(4.5) + 0.10(3.5))

PNC = 1150
C = 1150 ∗ 8 = $9200

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, es de $9200
 4. Un gráfico de control para la fracción disconforme con n=400 tiene los siguientes
parámetros:

𝐿𝐶𝑆 =
0.0809
𝐿𝐶 = 0,05
𝐿𝐼𝐶 = 0.0191
𝑛=
400
𝑝′(1 − 𝑝
′
) =
LCS = + 3√ 0.0809
𝑛
p′

LC = 0.05 → p′
= 0.05 LIC =
0.0191n

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

𝐿𝐶𝑆 − 𝑝′ 0.0809 − 0.05
𝐙α|2 = = = 2.8356

𝑝 ′
′ (1 − 𝑝
√0.05 0.95
) ( )
√ 400
𝑛

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

equivalente basado en el número de unidades no conformes?
np → unidades no conformes

LCS = np′ + Z α|2 √𝑛𝑝′(1 − 𝑝′) = (400)(0.05) + (2.8356)√(400)(0.05)(0.95) =

32.36 LC = np′ = (400)(0.05) = 20

LCI = 7.64

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?
p = 0.05 → 0.03
0.03(1 − 0.03)
p~N (0.03 )
; 400
 𝐿𝐶𝑆 − 𝑝′
1−β= Z>
(𝑛 − 𝑝´)
√𝑝 𝑛
′
p
( )

𝐿𝐶𝐼 − 𝑝′
1−β= Z>
( − 𝑝´)
√𝑝 𝑛 𝑛
′
p
( )

1−β=p 𝑝′ − 0.03 > 𝐿𝐶𝐼 − 0.03

√0.03(1 − (
√0.03 0.97
)
0.03) 400 )
( 400
0.05(0.95)
0.05 − (2.8356)√ − 0.03
400
1 − β = p(Z <
(0.97)
√0.03400

1 − β = p(Z < −1.2779) = 0.1012

1 − β = 10.12%
La probabilidad de que se detecte en la primera muestra después del corrimiento es
de 10.12%

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, n promedio, 12 clientes a la hora.

Con respecto a la definición del gráfico C, se da en caso del número de clientes, que
llegan por unidad de tiempo
nprom = 12 clientes/hora

a. Diseñe un gráfico de control para estudiar las llegadas por hora y detectar si la
frecuencia de llegada cambia.
c′ = 12

LCS = c ′ + 3√𝑐 ′ = 12 + 3√12 =

22.3923 LC = c′ = 12

LIC = c ′ − 3√𝑐 ′ = 12 − 3√12 = 1.60769

 b. ¿Cuáles serían los límites para monitorizar el número de clientes al día (jornada de
8 horas)?

Teniendo en cuenta la distribución Poisson:

clientes
8 horas ∗ = 96 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
12 horas
c′ =
96

LCS = c ′ + 3√𝑐 ′ = 96 + 3√96 = 125.39387

LC = c′ = 96

LIC = c ′ − 3√𝑐 ′ = 96 − 3√96 = 66.60612

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?

- 0.1 por cada metro de cable.

1 − β = 0.8
𝑐 ′ 𝑥 = 0.10 → 0.1(2) = 0.20
Entonces, 𝑥 = 𝑚𝑒𝑡𝑟𝑜𝑠 𝑑𝑒 𝑐𝑎𝑏𝑙𝑒
𝑝~𝑁(0.1𝑋 ; 0.1𝑋)
𝐿𝐶𝑆 − 0.2𝑋
1 − β = p (Z > )
√0.2𝑋
0.1𝑋 + 3√0.1𝑋 −
0.2𝑋 ) = 0.8
p (Z >
√0.2𝑋
p(Z > −0.84) = 0.8
0.1𝑋 + 3√0.1𝑋
− 0.2𝑋 = −0.84
√0.2𝑋
0.1𝑋 + 3√0.1𝑋 − 0.2𝑋 = −0.84√0.2𝑋
0.94868√𝑋 − 0.1𝑋 = −0.37566√𝑋

(1.32434√𝑋)2 = (0.1)2
 �
� 𝑋2
1.753876 =
�0.01 𝑋
�
1.753876
𝑋 = 175.38 ≈ 175 𝑚𝑒𝑡𝑟𝑜𝑠 𝑑𝑒 𝑐𝑎𝑏𝑙𝑒
= 0.01

La unidad de medida mínima que hay 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 0.8, es de 175 metros de
cable.

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

P =0,04
n= 50
∝= 0,05
∝
𝑍 = 1,960
2
P de día 1 P de día 2 P de día 3 P de día 4 P de día 5
0,05 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
0,05 0,067 0,05 0,033 0,033
0,067 0,075 0,075 0,058 0,058
0,025 0,042 0,033 0,025 0,025
0,05 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 0,07 0,073 0,033
Promedio 0,0461 0,0657 0,0543 0,0484 0,0324 Promedio total
0,04938

Al analizar el proceso de cada uno de los 5 días, nos podemos fijar que los promedios de
cada día varían y nos arrojan datos o información superior a P´ de 0,04 que es el nivel
mínimo que se requiere para este proceso.
 b. Compare y analice el comportamiento del proceso, día (𝑖 + 1) con el día 𝑖.

Día (i + 1) con el día i:

P del día 1 y P del día 2:

Grafico De Control Dia 1

0.08
P dia 1 0.06
N 12 0.04
P 0.02
0
LCS
L
1 2 3 45 6 7 8 9 10

LCS LC LCI P de dia 1

Grafico De Control Dia 2

0.1
P dia 2
N 120 0.08
P 0,04
0.06
LCS 0,07506
LC 0,04 0.04
LCI 0,0049
0.02

0 1 2 3 4 5 6 7 8 9 10

LCI LC LCS P de dia 2

El día 1 con un promedio de 0,0461 y el día 2 con un promedio de 0,0657, se puede

identificar que hay un aumento en el promedio de productos no conformes por días, un
aumento de 0,0196 de un día a otro. Además, según las condiciones y requisitos del cliente
estos dos días no cumplen con las medidas de aceptación y se presenta un cambio
considerable en la media del proceso por los dos días, siendo estas superior a la media
inicial de control de 0,04.
P del día 2 y P del día 3:

Grafico De Control Dia 2

0.1

P dia 2 0.08
N 12
P 0.06

LCS 0.04
L
0.02
1 2 3 4 5 6 7 8 9 10
0
LCI LC LCS P de dia 2

Grafico De Control Dia 3

0.1
P dia 3
0.08
N 120
P 0,04 0.06
LCS 0,07506
LC 0,04 0.04
LCI 0,0049
0.02

1 2 3 4 5 6 7 8 9 10
0
LCI LC LCS P de dia 3

El día 2 con un promedio de 0,0657 y el día 3 con un promedio de 0,0543, se puede analizar
que hay una disminución en el promedio de productos no conformes por días, ocurrió una
disminución de 0,0114 por ambos días, en lo cual estos dos días no cumplen con los
requerimientos del cliente y presenta un cambio en la media del proceso.
P del día 3 y P del día 4

Grafico De Control Dia 3

0.1
P dia 3
N 0.08
12
P
0.06
LCS
L 0.04

0.02
1 2 3 4 5 6 7 8 9 10
0
LCI LC LCS P de dia 3

Grafico De Control Dia 4

0.09
0.08
P dia 4 0.07
N 12 0.06
P 0.05
0.04
LCS
0.03
L 0.02
0.01
0
1 2 3 4 5 6 7 8 9 10
LCI LC LCS P de dia 4

El día 3 con un promedio 0,0543 y el día 4 con un promedio de 0,0484, lo cual ocurre lo
mismo con la comparación de los días anteriores, en donde ocurre una disminución y se
nota un cambio visible en la media de todo el proceso. Se puede verificar que, al no cumplir
con las especificaciones del cliente, el día 3 hay dos puntos fuera de control y el día 4 solo
un punto por fuera, esto se podría considerar un dato atípico. Sin embargo, sigue sobre
pasando el nivel aceptable de calidad.
 P del día 4 y P del día 5:

Grafico De Control Dia 4

0.1

0.08
P dia 4
N 12 0.06
P
0.04
LCS
0.02
L
0
1 2 3 4 5 6 7 8 9 10
LCI LC LCS P de dia 4

Grafico De Control Dia 5

0.08
P dia 5 0.07
N 0.06
12 0.05
P 0.04
LCS 0.03
0.02
L 0.01
0

1 2 3 4 5 6 7 8 9 10

LCI LC LCS P de dia 5

El día 4 con un promedio de 0,0484 y el día 5 con un promedio de 0,0324, en el que se

puede observar una disminución de un día a otro del promedio de productos no conformes.
Pero en este caso los requerimientos del nivel de aceptación de calidad (NAC) 4,5% del
cliente, si son aceptados en proceso del quinto día, y se verá un cambio considerado en la
media del proceso actual.
 c. Calcule el valor de fracción no conforme del proceso tomando los cinco días en
conjunto.

Fracción no conforme de los 5 es igual a 0,04938

0,04938
𝐹𝑟𝑎𝑛𝑐𝑐𝑖𝑜𝑛 𝑑𝑒 𝑛𝑜 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠 𝑝𝑜𝑟 𝑑𝑖𝑎 = = 0,009876
5

d. Calcule la capacidad del proceso en cada día 𝑁𝐴

𝐶. Analice.
𝑝′

4,5% 0,045
𝑝𝑎𝑟𝑎 𝑒𝑙 𝑑𝑖𝑎 1: 𝐶 = = 0,9761 < 1
= 0,0461 0,0461

4,5% 0,045
𝑝𝑎𝑟𝑎 𝑒𝑙 𝑑𝑖𝑎 2: 𝐶 = = 0,6849 < 1
= 0,0657 0,0657

4,5% 0,045
𝑃𝑎𝑟𝑎 𝑒𝑙 𝑑𝑖𝑎 3: 𝐶 = = 0,8287 < 1
= 0,0543 0,0543

4,5% 0,045
𝑃𝑎𝑟𝑎 𝑒𝑙 𝑑𝑖𝑎 4: 𝐶 = = 0,9297 < 1
= 0,0484 0,0484

4,5% 0,045
𝑃𝑎𝑟𝑎 𝑒𝑙 𝑑𝑖𝑎 5: 𝐶 = = 1,388 > 1
= 0,0324 0,0324

Análisis:
Para los días 1, 2, 3 y 4 el proceso no es capaz, se puedo evidenciar que el día 2 el Cp es de
0,6849 y claramente no capaz y demás pésimo, necesita de una serie de ajustes. El día
número 5, el proceso tiene una mejora significativa y el proceso es potencialmente capaz, y
que cumple con las medidas y estándares que nos exige el proceso y el cliente.
 e. Conclusiones particulares y generales.

El proceso en el día 1 tiene un promedio de 0,0461 sobre pasando el nivel de aceptable de

calidad, pero por muy poco, es indispensable mejorar el proceso de tal manera que se pueda
reducir este promedio al nivel deseado y se pueda aceptar el lote.
El día 2 por el contrario el proceso sufrió un retroceso y está fuera de control, también
aumento el promedio a un 0,0657 sobre pasando el nivel de aceptable de calidad, acá es
importante entrar a ver qué factores están causando el aumento en el promedio de no
conformidades este día.
El día 3 el proceso tiene un punto por fuera del límite de control superior y otro
peligrosamente rosando el límite, lo que da un indicador de que el proceso sigue siendo
potencialmente no capaz está entregando una pequeña fracción no conforme que sigue
sobre pasando el nivel aceptable de calidad, lo que es positivo es que hubo una pequeña
reducción en el promedio a 0,0543.
El día 4 el proceso hay una reducción del promedio a un 0,0484 sigue sobrepasando el nivel
aceptable de calidad, pero la reducción del promedio es significativa, sigue teniendo un
punto fuera de los límites de control.
El día 5 día 5 con un promedio de 0,0324, en el que se puede observar una disminución de
un día a otro del promedio de productos no conformes. Pero en este caso los requerimientos
del nivel de aceptación de calidad (NAC) 4,5% del cliente, si son aceptados en proceso del
quinto día, y se verá un cambio considerado en la media del proceso actual.
El proceso en general tiene un promedio de 0,04938 sobre pasando el nivel aceptable de
calidad, aunque en el último día hubo una disminución del promedio de no conformes, los
promedios de los días 1, 2, 3 y 4 hacen que el promedio total aumente, incrementando las
no conformidades en el total de los días. Es importante para los siguientes días mantener el
promedio del día 5 e incluso disminuir para que al final de los próximos 5 días siguientes se
mantengan el dentro del nivel aceptable de calidad.