Trabajo parcial

INTEGRANTES:

 Albañil Mogollón, José

 Grados Aranda, Víctor
 Montalvo Miranda, Laly
 Reyna Bohórquez, José

PROFESOR:

- Calderón Carlos

CURSO:

- Estadística Aplicada II

TEMA:

- Trabajo Final.-Informe Parcial

SECCIÓN:

- IX 43

FECHA

25/02/2014
Índice

1. Investigación y análisis de la situación

2. Identificación del problema
2.1. – OBJETIVO GENERAL
2.2 - OBJETIVOS ESPECIFICOS
2.3. – POBLACION, MUESTRA Y UNIDAD ELEMENTAL

3. Variables utilizadas
4. Pruebas de hipótesis

4.1. Prueba de hipótesis de una media

4.2. Prueba de hipótesis de una varianza
4.3. Prueba de hipótesis de una proporción

4.4. Prueba de hipótesis de dos medias

4.4.Prueba de hipótesis de dos varianzas

4.5.Prueba de hipótesis de dos proporciones
4.6.Pruebas de Chi cuadrado

5. Diseño experimental aleatorio

6. Diseño experimental dos factores
7. Análisis de regresión múltiple
8. Conclusiones y recomendaciones
1. – INVESTIGACION Y ANALISIS DE LA INFORMACIÓN:

La empresa Embotelladora Peruana S.A es una empresa que se dedica al rubro

cervecero en el Perú. Actualmente, tiene el 15% de mercado nacional y cuenta
con dos fábricas de producción y seis plantas embotelladoras para surtir la
demanda. En el proceso de fabricación de la cerveza se puede encontrar que
esta se divide en tres fases principales:

 Obtención del mosto

 Fermentación de la cerveza
 Envase y embotellado

El presente trabajo se centrara en el proceso de embotellado, dado que es un

proceso estratégico que tiene mayor grado de implicancia en la calidad del producto
y es por ello que es vigilado al detalle. En ese sentido, se formó un equipo de trabajo
conformado por el gerente de operaciones en el que se está evaluando el proceso de
embotellado en sus seis plantas, analizando las fallas y sus repercusiones durante el
proceso productivo como parte de su política de mejora continua.

Para poder realizar dicho análisis se debe evaluar las fallas presentadas en las seis
plantas embotelladoras durante el periodo del 2013 con la ayuda de un programa
que nos permitirá obtener resultados. Se espera que con los resultados obtenidos se
logre contrastar las hipótesis iniciales planteadas para poder evaluar y señalar las
recomendaciones correspondientes. Para poder realizar el análisis se planteó la
siguiente pregunta: ¿Cuáles son las principales fallas y cuáles son sus repercusiones
en el proceso de embotellado? Además, si estas presentan alguna relación entre las
distintas plantas de embotellamiento.

Con la pregunta antes mencionada, se busca identificar las causas que ocasionan
que el proceso no sea eficaz. En ese sentido, se considera que la investigación es
importante ya que proporcionara datos cuantitativos para la toma de buenas
decisiones por parte del gerente y así continúe con la política de mejora continua
aplicada a la empresa y por consiguiente la empresa mantenga una buena imagen al
público consumidor.

 MARCO TEORICO:

 Población: Es el conjunto de todos los elementos que tienen una o más

características comunes.

 Elemento: Es la unidad acerca de la cual se está solicitando información.

 Unidad de muestreo: Es el elemento o elementos que se encuentran

disponibles para su selección en alguna de las etapas de muestreo. En los
procedimientos más simples, la unidad de muestreo puede ser lo mismo que
el elemento.

 Muestra: Es un subconjunto de elementos que han sido extraídos de una

población.

 Muestreo: Es el procedimiento mediante el cual se extraen algunos

elementos de una población y solo de esa parte de la población se obtiene
información de seguridad mensurables para a través de ella estimar las
características importantes de la población.

 Variables: Son las características que se desea medir en la población.

  Prueba de hipótesis: Esta prueba involucra una suposición elaborada sobre
algún parámetro de la población. A partir de la información proporcionada
por la muestra se verificara la suposición sobre el parámetro estudiado. La
hipótesis que se contrasta se llama hipótesis nula (H0).
 Distribución Ji-Cuadrado: Permite comparar frecuencias observadas
(frecuencias obtenidas en un experimento o muestreo) con las frecuencias
esperadas según un modelo supuesto (hipótesis nula).
 Prueba de independencia: Esta prueba permite evaluar si dos variables son
independientes entre sí.

2. - IDENTIFICACION DEL PROBLEMA

2.1. – OBJETIVO GENERAL

La empresa EMBOTELLADORA PERUANA S.A. en su política de

mejora continua ha decidido evaluar el proceso de embotellado en sus seis
plantas y analizar las fallas y sus repercusiones durante su proceso
productivo.

2.2 - OBJETIVOS ESPECIFICOS

I. Determinar si los costos totales promedio de los costos acumulados de

reparaciones anteriores son mayores a 2500 dólares
II. Analizar si la desviación estándar del total del Tiempo de paro en
minutos es superior a 1100 minutos
III. Determinar si la proporción de quejas sobre la filtración en la conexión
es superior al 35%
IV. Determinar si existe suficiente evidencia estadística para afirmar que la
Planta 1 es más eficiente que la Planta 2
V. Determinar si existe suficiente evidencia estadística para afirmar que el
Costo de reparación en promedio de la Planta 2 es mayor que el de la
Planta 1
 VI. Determinar si existe evidencia de una diferencia en las varianzas del
número de fallos en la Planta 3 y Planta 4
VII. Verificar si existe evidencia de una diferencia en las varianzas del Costo
de reparación en la Planta 5 y Planta 6
VIII. Verificar si la proporción del número de fallos del tipo de fallo Mecánica
en la Planta 1 y la Planta 6 son heterogéneas
IX. Se desea verificar si la proporción del número de fallos del tipo ocurridos
en el turno mañana en la Planta 3 y la Planta 4 son heterogéneas
X. determinar si el impacto de la falla es homogéneo es igual en las
diferentes plantas
XI. Se desea saber si los fallos que se producen en la fábrica (Tipo de falla
identificado) se ven afectadas por la Experiencia del encargado de la
maquina ( medido en meses )
XII. Se desea saber qué día de la semana se produjo mayores gastos en las
reparaciones anteriores
XIII. Es posible que las técnicas de mezclado afectan la resistencia a la
compresión del concreto
XIV. Es posible indicar que en el número de fallas de la empresa influyen dos
variables: Embotelladora y el Día de la semana
XV. Se sospecha que en el número de fallas de la empresa influyen dos
variables: Turno de las incidencias y el Impacto de la falla.
XVI. Realizar un diagrama de dispersión dos plantas de las plantas entre
tiempo de paro en minutos y costo de reparación para determinar qué
tipo de modelo es el más adecuado entre dichas variables. Además,
estimar en un tiempo de paro dado que planta tendrá mayor coste de
reparación.

2.3. – POBLACION, MUESTRA Y UNIDAD ELEMENTAL

 Población:
Fallas presentadas durante el año 2013 en las seis plantas
embotelladoras
  Muestra:
300 fallas registradas durante los momentos de la inspección de los
equipos de mejora continua
 Unidad elemental:
Una falla en el proceso de embotellado de una de las seis plantas
embotelladoras en el 2013

5. – VARIABLES UTILIZADAS

VARIABLE CARACTERÍSTICAS TIPO ESCALA

Numero de falla [0, …, 999] Cuantitativa
discreta Razón
Embotelladora [P1,P2,P3,P4,P5,P6] Cualitativa nominal
Turno de incidencia 1:Mañana
2:Tarde Cualitativa Nominal
3:noche
Días de la semana Lunes ….. Domingo Cualitativa Nominal
Impacto de falla 1: Leve
2: Moderada Cualitativa Ordinal
3: Grave
Causa de falla 1: Leve
2: Problema en
embotellado Cualitativa Nominal
3: Falla corona
4: Etiquetera
descalibrada
Tipo de falla 1: Electrónica
2: Eléctrica Cualitativa Nominal
3: Mecánica
Tiempo de paro en
minutos [0, …, 9999] Cuantitativa Razón
 continua
Costo de reparación [0, …, 99999] Cuantitativa Razón
$ continua
Costo de reparación Cuantitativa Razón
complementaria $ [0, …, 99999] continua
Horas por
trabajador en la [0, …,99999] Cuantitativa Razón
reparación continua
Horas hombre
empleadas en la [0, …, 9999] Cuantitativa Razón
reparación discreta
Número de
trabajadores [0, …, 99] Cuantitativa Razón
requeridos para discreta
reparar
Costos en
reparaciones
anteriores [0, …, 9999] Cuantitativa Razón
acumuladas continua
Experiencia del
operador encargado [0, …, 999] Cuantitativa Razón
de la maquina discreta
Edad del operador
encargado de la [0, …, 99] Cuantitativa Razón
maquina discreta
6. PRUEBA DE HIPOTESIS:

6.1.Prueba de hipótesis de una media

Determinar si los costos totales promedio de los costos acumulados de

reparaciones anteriores son mayores a 2500 dólares .Si es así el nuevo
gerente propondrá un nuevo presupuesto para reparaciones futuras de
acuerdo al historial. ¿El gerente propondrá un nuevo presupuesto? Nivel de
significancia del

Solución.

Sea X: Costo acumulador de reparaciones anteriores (dólares).

H0: µ ≤ 2500(dólares)

H1: µ > 2500(dólares)

 SIG = 0,901/2 = 0.4504 ≥ 0.05 (No RH0)

Conclusión:

Con un nivel de significancia del 5%. No existe evidencia para afirmar que
los costos totales promedio de los costos acumulados de reparaciones
anteriores son mayores a 2500 dólares.

Decisión: El gerente no tendrá que implementar un nuevo presupuesto para

reparaciones.

6.2.Prueba de hipótesis de una varianza

Analizar si la desviación estándar del total del Tiempo de paro en minutos es

superior a 1100 minutos. De ser así la gerencia pedirá a los trabajadores que
realicen otras actividades beneficiosas para la empresa en el transcurso de ese
tiempo. ¿Qué decisión deberá tomar la empresa EMBOTELLADORA
PERUANA S.A.? Nivel de significancia del 5%

Solución.

Sea X: Tiempo de paro en minutos.

X~N (µ, )

H0:

H1: ˃
 Tiempo de paro en minutos

340.3278503

329.2999634

No se Rechaza H0

Conclusión: Con un nivel de significación del 5%. Existe evidencia para

afirmar que la varianza del Tiempo de paro en minutos es menor o igual a
1100 minutos. Por lo tanto la gerencia no hará ninguna petición

6.3. Prueba de hipótesis de una proporción

Determinar si la proporción de quejas sobre los problemas en la llenadora en

la conexión es superior al 35%. Si es así la gerencia deberá tomar medidas
para solucionar este problema lo antes posible, ¿será necesario que la
 empresa tome medidas ante esta queja?, probar con un nivel de significación
del 5%.

Causa de la falla

Frecuenci Porcentaje Porcentaje

a Porcentaje válido acumulado

Válido Falla depalizadora 84 28,0 28,0 28,0

Problemas en las
120 40,0 40,0 68,0
llenadoras

Falla en la coronadora 54 18,0 18,0 86,0

Etiquetadora
42 14,0 14,0 100,0
descalibrada

Total 300 100,0 100,0

Solución.

Sea P: Proporción de fallas sobre problemas en las llenadoras.

H0: ≤ 0.35

H1: > 0.35

= = 0.4
  Z crítico = 1.644853627

! " !
 Z cal = $!%& '($!%&
= 1.767766953
#
%$$

Se Rechaza H0

Conclusión:

Con nivel de significación del 5%. Existe evidencia para afirmar que la
proporción de fallas sobre problemas en las llenadoras es superior al 35% del
total. La gerencia debe tomar medidas para solucionar este problema lo ante
posible.

6.4. Prueba de hipótesis de dos medias

 La empresa desea averiguar si existe suficiente evidencia estadística para

afirmar que la Planta 1 es más eficiente que la Planta 2. Con un nivel se
significación del 5%.

Solución.

= Números de fallos de la Planta 1.

= Números de fallos de la Planta 2.

H0: ) = )

H1: ) < )
 Previo a realizar la Prueba de Hipótesis para la Diferencia de Medias,
debemos conocer si las Varianzas son Homogéneas o Heterogéneas.

Ho: Varianzas iguales

H1: Varianzas diferentes

Sig = 0.800 > Alfa (0.05); No Rechazar Ho. Varianzas Homogéneas

(Iguales)

Como ya probamos que se trata de varianzas homogéneas, ahora usamos el sig

correspondiente; como se trata de una prueba unilateral; Sig/2.

SIG/2 = 0.389/2 = 0.1945 > Alfa (0.05); No Rechazar Ho.

Con un nivel de significancia del 0.05 no existe evidencia suficiente para afirmar
que la Planta 1 es más eficiente que la Planta 2.

 La empresa desea averiguar si existe suficiente evidencia estadística para

afirmar que el Costo de reparación en promedio de la Planta 2 es mayor que el
de la Planta 1. Con un nivel se significación del 5%.

Solución.

= Costo de reparación de la Planta 1.

= Costo de reparación de la Planta 2.

H0: ) = )
 H1: ) < )

Previo a realizar la Prueba de Hipótesis para la Diferencia de Medias, debemos

conocer si las Varianzas son Homogéneas o Heterogéneas.

Ho: Varianzas iguales

H1: Varianzas diferentes

Sig = 0.083 > Alfa (0.05); No Rechazar Ho. Varianzas Homogéneas (Iguales)

Como ya probamos que se trata de varianzas homogéneas, ahora usamos el sig

correspondiente; como se trata de una prueba unilateral; Sig/2.

SIG/2 = 0.364/2 = 0.182 > Alfa (0.05); No Rechazar Ho.

Con un nivel de significancia del 0.05 no existe evidencia suficiente para

afirmar que el Costo de reparación promedio en la Planta 2 es mayor que la
Planta 1.
6.5.Prueba de hipótesis de dos varianzas

 La empresa desea verificar si existe evidencia de una diferencia en las varianzas

del número de fallos en la Planta 3 y Planta 4. Con un nivel se significación del
5%.

= Varianza Planta 3

= Varianza Planta 4

H0:

H1: ≠

Sig = 0.199 > Alfa (0.05); No se rechaza Ho.

 Con un nivel de significación del 5%. No existen evidencias para afirmar
que las varianzas del número de fallos de las plantas 3 y 4 son heterogéneas.

 La empresa desea verificar si existe evidencia de una diferencia en las varianzas

del Costo de reparación en la Planta 5 y Planta 6. Con un nivel se significación
del 5%.

= Varianza del Costo de la reparación de la Planta 5

= Varianza del Costo de la reparación de la Planta 6

H0:

H1: ≠
 Sig = 0.733 > Alfa (0.05); No se rechaza Ho.

Con un nivel de significación del 5%. No existen evidencias para afirmar

que las varianzas del Costo de la reparación de las plantas 5 y 6 son
heterogéneas.

6.6.Prueba de hipótesis de dos proporciones

 Como parte de una evaluación, se desea verificar si la proporción del número de

fallos del tipo de fallo Mecánica en la Planta 1 y la Planta 6 son heterogéneas.
Al realizar esta verificación se obtuvieron los siguientes resultados:
Lugar Total tipo de fallos Tipo de fallo Mecánico
Planta 1 50 23
Planta 6 50 16

P1: Proporción de número de fallos del tipo Mecánica de la Planta 1

P2: Proporción de número de fallos del tipo Mecánica de la Planta 6

H0: P1 = P2

H1: P1 ≠ P2

1= = 0.46

*
= = 0.32

p= 0.39

Z cal = 1,4352

Z crítico= Z (0.025) = 1.96

Zcri > Zcal NRH0

Con un nivel de significación del 5%. No existen evidencias para afirmar

que las proporciones del tipo de fallo Mecánico de la Planta 1 y la Planta 6
son heterogéneas.
 Como parte de una evaluación, se desea verificar si la proporción del número de
fallos del tipo ocurridos en el turno mañana en la Planta 3 y la Planta 4 son
heterogéneas. Al realizar esta verificación se obtuvieron los siguientes
resultados:

Turno de la incidencia

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válido Mañana 23 48,9 48,9 48,9

Tarde 11 23,4 23,4 72,3

Noche 13 27,7 27,7 100,0

Total 47 100,0 100,0

Turno de la incidencia

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válido Mañana 16 29,6 29,6 29,6

Tarde 18 33,3 33,3 63,0

Noche 20 37,0 37,0 100,0

Total 54 100,0 100,0

Lugar Total tipo de fallos Turno mañana

Planta 3 47 23
Planta 4 54 16

P1: Proporción de número de fallos ocurridos en el turno mañana de la

Planta 3

P2: Proporción de número de fallos ocurridos en el turno mañana de la

Planta 4

H0: P1 = P2

H1: P1 ≠ P2

1= = 0.4894
+

*
= = 0.2963

p= 0.3862

Z cal = 1,9881

Z crítico= Z (0.025) = 1.96

Zcri > Zcal RH0

Con un nivel de significación del 5%. Existen evidencias para afirmar que las
proporciones del número de fallos ocurridos en el Turno Mañana de la Planta 3
y la Planta 4 son heterogéneas.
 6.7.Pruebas de Chi cuadrado
 Prueba de homogeneidad:

Objetivo: se desea determinar si el impacto de la falla es homogéneo es igual en las

diferentes plantas

Tabla de contingencia Planta embotelladora * Impacto de la falla

Impacto de la falla Total
Leve Moderada Grave
Recuento 636 778 130 1544
Planta 1 Frecuencia 578,9 737,3 227,8 1544,0
esperada
Recuento 815 572 213 1600
Planta 2 Frecuencia 599,9 764,0 236,1 1600,0
esperada
Recuento 830 830 142 1802
Planta 3 Frecuencia 675,6 860,5 265,9 1802,0
Planta esperada
embotelladora Recuento 477 1095 323 1895
Planta 4 Frecuencia 710,5 904,9 279,6 1895,0
esperada
Recuento 503 778 245 1526
Planta 5 Frecuencia 572,2 728,7 225,1 1526,0
esperada
Recuento 434 653 401 1488
Planta 6 Frecuencia 557,9 710,6 219,5 1488,0
esperada
Recuento 3695 4706 1454 9855
Total Frecuencia 3695,0 4706,0 1454,0 9855,0
esperada
 Pruebas de chi-cuadrado
Valor gl Sig.
asintótica
(bilateral)
Chi-cuadrado de 590,600a 10 ,000
Pearson
Razón de 584,714 10 ,000
verosimilitudes
N de casos válidos 9855
a. 0 casillas (0,0%) tienen una frecuencia esperada inferior a
5% La frecuencia mínima esperada es 219,54.

Como sig es 0,0 y es menor que nuestro nivel de significación, se rechaza el

Ho. Por lo tanto, con un nivel de significación del 5% para se puede determinar
que el impacto de la falla difiere en al menos una de las seis plantas.
7. Diseño Experimental Aleatorio (DCA)

La EMBOTELLADORA PERUANA S.A desea saber si los fallos que se

producen en la fábrica (Tipo de falla identificado) se ven afectadas por la
Experiencia del encargado de la maquina (medido en meses). De ser así el gerente
tendrá que replantear la distribución de su personal.

a) Prueba de Homogeneidad de Varianzas.

H O :  12   22   32
H 1 : Al menos un  i2 es diferente

SIG =0,562 > Alfa (0.05)

No Rho
Con un nivel de significancia de 0,05 se puede afirmar que las Varianzas son
homogéneas

b) Prueba de Normalidad de Errores

Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente
SIG =0,012< Alfa (0.05) por lo tanto RHo

Con un nivel de significancia de 0,05 no existe evidencia para afirmar que los
errores se distribuyen normalmente.
Conclusión: No se puede determinar si existe o no interacción de las variables, por
lo cual el experimento termina.

 La empresa EMBOTELLADORA PERUANA S.A desea saber qué día de la

semana se produjo mayores gastos en las reparaciones anteriores. Por lo cual se
le pide al gerente de operaciones realizar una prueba tomando como variables
Costo acumulado de reparaciones anteriores y Día de la semana. De encontrarse
relación en las variables el gerente tendrá que notificar que día de la semana se
produjo mayor gasto, posteriormente la junta directiva decidirá qué medidas
tomar ese día.
a) Prueba de Homogeneidad de Varianzas.

SIG =0,442 > Alfa (0.05)

No Rho
Con un nivel de significancia de 0,05 se puede afirmar que las Varianzas son
homogéneas
b) Prueba de Normalidad de Errores
Ho: Los errores se distribuyen normalmente
H1: Los errores no se distribuyen normalmente

SIG =0,141> Alfa (0.05)

No RHo
Con un nivel de significancia de 0,05 existe evidencia para afirmar que los
errores se distribuyen normalmente.

Ho: Los días de la semana no afectan en Costo acumulado de reparaciones

anteriores (µ1=µ2=µ3=µ4)
H1: Los días de la semana afectan en Costo acumulado de reparaciones
anteriores (Al menos un µi es diferente).

SIG=0,893> Alfa (0.05)

No RH0
Con un nivel de significancia de 0,05 se puede afirmar que los días de las
semanas no afectan en Costo acumulado de reparaciones anteriores.
Conclusión: El Gerente de operaciones no tendrá que notificar que día de la
semana se produjo mayores gastos, debido a que no se encuentra relación en
las variables
8. Experimento Factorial: Diseño de dos Factores

 El gerente de operaciones sospecha que en el número de fallas de la empresa

influyen dos variables: Embotelladora y el Día de la semana. De esta forma se desea
validar los supuestos indicados.

Factor_A: Embotelladora

Factor_B: Dia de la semana

Y: Numero de fallas

Verificación de supuestos

,- . . . / . . / 0 1 !

,- . . . / . . / 0 1 !

2 3! 4 5

NRHo: Con un nivel de significación de 0,05 existen evidencias suficientes para

afirmar que los errores tienen distribución normal.
,- 6 7 8 39 . . / !

, :; . . 6 7 / <. . . . / !

2 3! 4 5

NRHo: Con un nivel de significación del 0,05 existen evidencias suficientes para
afirmar que las varianzas son homogéneas.

Cuadro ANOVA

Ho: No hay interacción entre la embotelladora donde se presenta la falla y el Día de

la semana respecto al número de las fallas
 H1: Si hay interacción entre la embotelladora donde se presenta la falla y el Día de
la semana respecto al número de las fallas

2 3! =>? 4 5

NRHo: Con un nivel de 0,05 existen evidencias suficientes para demostrar que no hay
interacción entre la embotelladora donde se presenta la falla y el día de a semana.

 El gerente de operaciones sospecha que en el número de fallas de la empresa

influyen dos variables: Turno de las incidencias y el Impacto de la falla. De esta
forma se desea validar los supuestos indicados.

Factor_A: Turno de la incidencia

Factor_B: Repercusión (Impacto de la falla)

Y: Número de fallas

Verificación de supuestos

,- . . . / . . / 0 1 !

,- . . . / . . / 0 1 !

2 3! ?= 4 5
NRHo: Con un nivel de significación de 0,05 existen evidencias suficientes para afirmar
que los errores tienen distribución normal.

,- 6 7 8 39 . . / !

, :; . . 6 7 / <. . . . / !

2 3! @?? 4 5

NRHo: Con un nivel de significación del 0,05 existen evidencias suficientes para
afirmar que las varianzas son homogéneas.
 Cuadro ANOVA

Ho: No hay interacción entre el Turno de la incidencia donde se presenta la falla y la

Repercusión (Impacto de la falla) respecto al número de las fallas

H1: Si hay interacción entre el Turno de la incidencia donde se presenta la falla y la

Repercusión (Impacto de la falla) respecto al número de las fallas

2 3! A>B 4 5

NRHo: Con un nivel de 0,05 existen evidencias suficientes para demostrar que no hay
interacción entre el Turno de la incidencia y el Impacto de la falla
9. Análisis de Regresión no lineal:

Realizar un diagrama de dispersión de cada una de las plantas entre tiempo de paro
en minutos y costo de reparación para determinar qué tipo de modelo es el más
adecuado entre dichas variables con un nivel de significación de 0.025.

 Planta embotelladora 1:
 Resumen del modelo y estimaciones de los parámetros
Variable dependiente: costoreparacion
Ecuación Resumen del modelo Estimaciones de los
parámetros
R F gl1 gl2 Sig. Constant b1 b2
cuadrado e
Lineal ,721 124,139 1 48 ,000 -953,704 1,263
Cuadrático ,909 234,807 2 47 ,000 287,293 -,280 ,000
Potencia ,425 35,424 1 48 ,000 ,016 1,391
Exponenci ,428 35,968 1 48 ,000 80,978 ,001
al
La variable independiente estiempoparominutos.

Buscamos el R2 mas alto; en este caso, el modelo cuadrático R2= 0.909

Validación del modelo cuadrático:

Ho: β2 = 0

H1: β2 ≠ 0

α = 0,025

Coeficientes
Coeficientes no Coeficientes t Sig.
estandarizados estandarizado
s
B Error típico Beta
tiempoparominutos -,280 ,170 -,188 -1,651 ,106
tiempoparominutos ,000 ,000 1,124 9,852 ,000
** 2
(Constante) 287,293 168,530 1,705 ,095
Decisión. Como Sig = 0,000 < α = 0,025 → Rho

Conclusión. La evidencia muestral permite R Ho con un nivel de significación del 2,5%,

en consecuencia el modelo cuadrático es valido

ỹ =-0.280+287.293 X2

 estime el costo de reparación cuando el tiempo de paro es 1500 minutos

utilizando un intervalo de confianza del 95%

sol:

Con un 95% de confianza se puede afirmar que si el tiempo de paro es de

1500 minutos el costo de reparación estaría en el intervalo de [0 1867.15]
dólares

 Planta embotelladora 3:
 Resumen del modelo y estimaciones de los parámetros
Variable dependiente: costo
Ecuación Resumen del modelo Estimaciones de los parámetros
R cuadrado F gl1 gl2 Sig. Constante b1 b2
Lineal ,385 28,144 1 45 ,000 -2080,484 2,051
Cuadrático ,754 67,326 2 44 ,000 2516,229 -4,024 ,001
Potencia ,250 14,998 1 45 ,000 ,052 1,195
Exponencial ,358 25,143 1 45 ,000 58,853 ,001
La variable independiente estiempo.

Coeficientes
Coeficientes no estandarizados Coeficientes t Sig.
estandarizados
B Error típico Beta
tiempo -4,024 ,788 -1,217 -5,106 ,000
tiempo ** 2 ,001 ,000 1,935 8,119 ,000
(Constante) 2516,229 712,052 3,534 ,001

Validación del modelo cuadrático:

Ho: β2 = 0

H1: β2 ≠ 0

α = 0,025

Decisión. Como Sig = 0,000 < α = 0,025 → Rho

Conclusión. La evidencia muestral permite R Ho con un nivel de significación del 2,5%,

en consecuencia el modelo cuadrático es valido

ỹ =-4.024+2516.229 X2
 estime el costo de reparación cuando el tiempo de paro es 1500 minutos
utilizando un intervalo de confianza del 95%

sol:

Con un 95% de confianza se puede afirmar que si el tiempo de paro es de

1500 minutos el costo de reparación estaría en el intervalo de [0 2917,16]
dólares.
 CONCLUSIONES Y RECOMENDACIONES:
Gracias a las hipótesis se ha identificado diversos puntos que nos llevaron a un
profundo análisis de la posible problemática durante el proceso de embotellado.
Cada hipótesis ha sido realizada a un nivel de significancia del 5%, con la cual se
generaron las siguientes conclusiones por cada prueba presentada:
 P.H. de la media: No existe evidencia para afirmar que los costos totales promedio
de los costos acumulados de reparaciones anteriores son mayores a 2500 dólares

 P.H. de la varianza: Existe evidencia para afirmar que la varianza del Tiempo de
paro en minutos es menor o igual a 1100 minutos.

 P.H. de la proporción: Existe evidencia para afirmar que la proporción de fallas

sobre problemas en las llenadoras es superior al 35% del total. La gerencia debe
tomar medidas para solucionar este problema lo ante posible.

 P.H. de dos varianzas:

 No existen evidencias para afirmar que las varianzas del número de fallos
de las plantas 3 y 4 son heterogéneas.
 No existen evidencias para afirmar que las varianzas del Costo de la
reparación de las plantas 5 y 6 son heterogéneas.

 P.H. de dos medias:

 no existe evidencia suficiente para afirmar que la Planta 1 es más eficiente

que la Planta 2.
 no existe evidencia suficiente para afirmar que el Costo de reparación
promedio en la Planta 2 es mayor que la Planta 1.
 P.H. de dos proporciones:
 No existen evidencias para afirmar que las proporciones del tipo de fallo
Mecánico de la Planta 1 y la Planta 6 son heterogéneas.
 Existen evidencias para afirmar que las proporciones del número de fallos
ocurridos en el Turno Mañana de la Planta 3 y la Planta 4 son heterogéneas

 P.H. de homogeneidad: Se puede determinar que el impacto de la falla difiere en al

menos una de las seis plantas

 P.H DCA:
 Durante le prueba de supuestos no se verificó al menos uno de los mismos;
por lo tanto, no se pudo determinar si los fallos que se producen en la
fábrica se ven afectados por la experiencia del encargado de la máquina.
 Con un nivel de significancia de 0,05 se puede afirmar que los días de las
semanas no afectan en Costo acumulado de reparaciones anteriores.

 P.H Dos factores:

 Existen evidencias suficientes para demostrar que no hay interacción entre la
embotelladora donde se presenta la falla y el día de la semana.
 Existen evidencias suficientes para demostrar que no hay interacción entre el
Turno de la incidencia y el Impacto de la falla.

 Análisis de Regresión:
 Para el caso de las plantas embotelladoras 1 y 3 se valida el modelo
cuadrático y se estimó el costo de reparación en dólares dado un tiempo
igual para ambas plantas. En esta estimación se verificó que el costo de
reparación en la planta 3 es mayor que en la planta 1.
 Finalmente, de acuerdo al análisis y desarrollo de las pruebas de hipótesis, se
recomienda seguir cada punto hallado en ellas. Con estos datos, se ha verificado
ventajas y desventajas, las cuales llevaran a proponer mejoras en el caso que las
llenadoras que representan en gran medida un número de fallas considerables así
como también tener un valor estimado en el tiempo de paro en minutos lo que
podría poner en alerta al gerente para que aquellos casos redistribuya a los operarios
en otras ocupaciones para el beneficio de la empresa. Cada hipótesis planteada será
una gran guía ante el cambio que se podría generar para el bienestar de la empresa.