Universidad de Guanajuato

División de Ciencias Naturales y Exactas

Licenciatura en Ingeniería Química

Estadística Industrial
Docente: Dr. Gustavo Cruz Jiménez

Actividad 6B
% Y ppm fuera de especificación en punterías y tiras de hule

Integrantes:
• Juárez Lara Javier Alejandro
• Mancilla Martínez Omar Espiridión
• Sánchez Díaz Saúl

16 de marzo de 2021

1
Contenido
Ejercicio tiras de hule .........................................................................................................................3
Calculo a mano .......................................................................................................................................... 3
Cálculo en Excel......................................................................................................................................... 4
Cálculo con JUMP ...................................................................................................................................... 5
Comparación ............................................................................................................................................. 5
Ejercicio punterías .............................................................................................................................6
Cálculo a mano .......................................................................................................................................... 6
Cálculo en Excel......................................................................................................................................... 7
Cálculo con JUMP ...................................................................................................................................... 7
Comparación ............................................................................................................................................. 8
Bibliografía ........................................................................................................................................8

2
Ejercicio tiras de hule
Proceso descentrado. De manera similar al ejemplo 5.1, en otro modelo de llantas para automóvil se tiene
que la longitud de la capa debe ser de 550 mm, con una tolerancia de ±8 mm. La longitud de la capa es el
resultado de un proceso de corte de una tira de hule, el cual debe garantizar que la longitud esté entre la
especificación inferior EI = 542 y la superior ES = 558, con un valor ideal o nominal de N = 550. Para
detectar la posible presencia de causas especiales de variación, y en general para monitorear el correcto
funcionamiento del proceso de corte, cada hora se toman cinco capas y se miden. Los datos obtenidos en
los últimos cuatro días se muestran en la tabla 5.5.

Calculo a mano
Media:

3
 ∑𝑛𝑖=1 𝑥𝑖 𝑆𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 99456
𝑥̅ = = = = 552.5333
𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 180
Varianza:

∑𝑛 (𝑥𝑖 − 𝑥̅ )2 714.8
𝜎 = √ 𝑖=1 =√ = 1.9927
𝑛 180

Coeficientes Z:
𝑥−𝜇
𝑍=
𝜎
542 − 552.5333
𝑍1 = = −5.2859
1.9927
558 − 552.5333
𝑍2 = = 2.7433
1.9927
Porcentaje %:

El porcentaje de Z1 es demasiado pequeño por lo que lo consideraremos 0.

Z2:

𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 𝑓𝑢𝑒𝑟𝑎 𝑑𝑒 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 = 1 − (0.9969 − 0) = 0.0031 = 0.31%

Cálculo de PPM:

𝑃𝑃𝑀 = 0.31% ∗ 10000 = 3100 𝑝𝑝𝑚

Cálculo en Excel
Promedio 552.5333333
Desv. Est. 1.99276469
Z1 -5.28578883
Z2 2.743257492
Z1 acumulada 6.25821E-08
Z2 acumulada 0.996958352
Porcentaje % fuera de especificación 0.304171073
PPM fuera de especificación 3041.710727

4
 Cálculo con JUMP
Distributions
Column 1
Normal(552.533,1.99832)Quantiles Mome nts Ste m
100.0% maximum 558.00 Mean 552.53333 Ste
99.5% 558.00 Std Dev 1.9983233 5
LSL Target USL 97.5% 556.48 Std Err Mean 0.1489462 5
90.0% 555.00 upper 95% Mean 552.82725 5
75.0% quartile 554.00 lower 95% Mean 552.23941 5
50.0% median 552.00 N 180 5
25.0% quartile 551.00 Sum Wgts 180 5
10.0% 550.00 Sum 99456 5
540 550 560 2.5% 548.52 Variance 3.9932961 5
0.5% 548.00 Skewnes s 0.1097416 5
0.0% minimum 548.00 Kurtosis -0.162568 5
CV 0.3616657 5

Fitted Normal Capability Analysis

Count Paramete r Estimates Specification Value Percent Actual Norm al
1 Type Parameter Estimate Lower 95% Upper 95% Lower Spec Lim it 542 %Below LSL 0.0000 0.0000
3 Upper Spec Lim it 558 %Above USL 0.0000 0.3113
Location Mu 552.5333 552.2394 552.8272
12 Spec Target 550 %Outside 0.0000 0.3113
Dis pers ionSigm a 1.9983 1.8110 2.2292
12 Sigm a 1.998323
Quantile Plot
26 Capability Index Lower CI Upper CI
3
00000 34 CP 1.334 1.196 1.472
0000000000 39 CPK 0.912 0.805 1.019
2
26 CPM 0.826 0.754 0.899
16 CPL 1.757
1
7 CPU 0.912
Normal Quantile

4
0

-1
-3s Mean +3s
-2
LSL Target USL

548549550551552553554555556557558 540 545 550 555 560

Column 1

Comparación
Los resultados obtenidos a mano y en JUMP son muy similares y aunque los obtenidos en Excel son un
poco diferentes, nos muestran el mismo comportamiento: una distribución normal de los datos
descentrada y con poca variación. Hay muy pocos productos defectuosos y consideramos que el proceso
puede seguir operando con normalidad.

5
Ejercicio punterías
Proceso con exceso de variación. En un proceso de producción de punterías para motor se tiene que el
cuerpo de cierta puntería debe tener un diámetro exterior de 2.0 cm, con una tolerancia de ±25 μm (1 μm
es igual a 0.000001 m). A las mediciones originales se les resta el valor nominal de 20 000 μm, por lo que
el resultado de la resta debe estar dentro de ±25 μm, y ahora el valor nominal será cero, la tolerancia o
especificación inferior es EI = –25, y la superior, ES = 25. En una de las últimas etapas del proceso de
fabricación de las punterías (componentes de un motor), cada hora se mide el diámetro de cinco
punterías, en la tabla 2.3 se aprecian los datos de cuatro turnos (dos días).

Cálculo a mano
Media:
∑𝑛𝑖=1 𝑥𝑖 𝑆𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 89
𝑥̅ = = = = 0.5933
𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 150
Varianza:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 16468.1933
𝜎= √ =√ = 10.4779
𝑛 150

Coeficientes Z:
𝑥−𝜇
𝑍=
𝜎
−25 − 0.5933
𝑍1 = = −2.4425
10.4779
25 − 0.5933
𝑍2 = = 2.3293
10.4779
Porcentaje %:

Z1: 0.0091

Z2: 0.9898

6
 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 𝑓𝑢𝑒𝑟𝑎 𝑑𝑒 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 = 1 − (0.9898 − 0.0091) = 0.0193 = 1.93%
Cálculo de PPM:

𝑃𝑃𝑀 = 1.93% ∗ 10000 = 19300 𝑝𝑝𝑚

Cálculo en Excel
Promedio 0.59333333
Desv. Est. 10.4779748
Z1 -2.44258398
Z2 2.32933054
Z1 acumulada 0.00729127
Z2 acumulada 0.99007922
Porcentaje % fuera de especificación 1.7212049
PPM fuera de especificación 17212.049
Cálculo con JUMP
Distributions
Column 1
Normal(0.59333,10.5131)Quantiles Mome nts Fitt
100.0% maximum 28.000 Mean 0.5933333 P
99.5% 28.000 Std Dev 10.513077 T
LSL Target USL 97.5% 22.000 Std Err Mean 0.8583891
90.0% 12.900 upper 95% Mean 2.2895378
75.0% quartile 7.000 lower 95% Mean -1.102871
50.0% median 2.000 N 150 Q
25.0% quartile -5.000 Sum Wgts 150
10.0% -14.000 Sum 89
-30 -20 -10 0 10 20 30 2.5% -21.225 Variance 110.52479
0.5% -33.000 Skewnes s -0.257177
0.0% minimum -33.000 Kurtosis 0.3903692
CV 1771.8669

7
me nts Fitted Normal Capability Analysis
ean 0.5933333 Paramete r Estimates Specification Value Percent Actual Norm al
d Dev 10.513077 Type Parameter Estimate Lower 95% Upper 95% Lower Spec Lim it -25 %Below LSL 0.6667 0.7458
d Err Mean 0.8583891 Upper Spec Lim it 25 %Above USL 1.3333 1.0129
Location Mu 0.59333 -1.102855 2.28952
per 95% Mean 2.2895378 Spec Target 0 %Outside 2.0000 1.7586
Dis pers ionSigm a 10.51308 9.442889 11.85901
wer 95% Mean -1.102871 Sigm a 10.51308
150 Quantile Plot
Capability Index Lower CI Upper CI
3
m Wgts 150 CP 0.793 0.703 0.882
m 89 CPK 0.774 0.678 0.870
riance 110.52479 2
CPM 0.791 0.702 0.881
ewnes s -0.257177 CPL 0.811
rtosis 0.3903692 1
CPU 0.774
V 1771.8669
Normal Quantile

-1
-3s Mean +3s
-2
LSL Target USL

-40 -30 -20 -10 0 10 20 30 -40 -30 -20 -10 0 10 20 30 40

Column 1

Comparación
En este caso, al comparar los resultados notamos que los más parecidos son los de Excel y JUMP mientras
que los cálculos a mano difieren un poco debido a la precisión de la distribución normal estándar, ya que
con los datos a mano se usaron únicamente dos decimales para poder usar las tablas. Aún así, podemos
apreciar bien el comportamiento de los datos: Presentan una distribución normal y centrada con mucha
variación, existen datos anómalos y se recomienda hacer un ajuste al proceso ya que el porcentaje de
defectos esta algo alto.

Bibliografía
• Gutiérrez, H. (2013). Control Estadístico de la Calidad y Seis Sigma (3.a ed.). McGraw-Hill.