CONTROL ESTADISTICO DE PROCESOS

Presentado a: ing. Manuel J. Campuzano Ph.D

Presentado por: José Ramos Escorcia

2017116084
Sergio Borja Mendoza
2015116059
Carlos Gómez Barragan
2016116039

UNIVERISDAD DEL MAGDALENA

FACULTAD DE INGENIERIA
INGENIERIA INDUSTRIAL
SANTA MARTA
30-04-2022
 Taller Gráficos de control por Variables.
1. RAID minimax es un insecticida de la compañía RAID S.A que hace 5 años está en el
mercado. En la actualidad, se encuentra en su mejor momento, con un crecimiento en las
ventas de forma exponencial, por lo que se califica que se encuentra en la etapa de
crecimiento de su ciclo de vida. Por tal razón RAID S.A. necesita dar respuesta a la
demanda actual. Sin embargo, hace tres días detecto un problema en una de sus máquinas
que le puede causar pérdidas millonarias, lo cual se debe a que la concentración de un
químico en el insecticida aumenta y una vez esto sucede el producto no puede ser lanzado al
público. La empresa detectó el problema en su máquina, que se debe a la fatiga causada, y
ya pidió su remplazo; sin embargo, esta llega en un mes al país y se necesita seguir
produciendo y minimizar las perdidas por tal razón lo contrató a usted para que le haga un
seguimiento al proceso; Usted decide tomar muestras cada 15min, la empresa trabaja
continuamente 24 horas al día, con una velocidad de producción de 1500 unid/min. A
continuación, se muestra los datos obtenidos de las muestras.
TABLA DE DATOS:
MUESTRAS NIVELES DE CONCENTRACION MEDIA RANGO
1 47,3 49,1 49,6 49,7 48,925 2,4
2 49,4 47,6 49,5 48,5 48,75 1,9
3 50,5 50,5 46,6 49 49,15 3,9
4 49 48,3 50,3 49,9 49,375 2
5 49,3 50,7 48,6 46,7 48,825 4
6 49,3 48,2 48,8 49,6 48,975 1,4
7 48,3 49,2 50,7 50,4 49,65 2,4
8 49,7 47,8 49,1 48,6 48,8 1,9
9 48,2 47 49,2 49,9 48,575 2,9
10 48,6 48,4 50,4 47,5 48,725 2,9
11 49 48,9 48,3 49,2 48,85 0,9
12 50,2 48,1 46,7 49,2 48,55 3,5
13 48,8 49,2 48,8 49 48,95 0,4
14 49,7 49,2 49,8 49,7 49,6 0,6
15 49,1 48,3 49,4 48,2 48,75 1,2
16 47,7 48,9 50 50,5 49,275 2,8
17 49,6 47 48,4 50,1 48,775 3,1
18 49,6 50,3 48,2 48,1 49,05 2,2
19 49 47,6 50,3 51 49,475 3,4
20 49 48,6 49,1 47,7 48,6 1,4
21 50,2 48,9 48,8 48,3 49,05 1,9
22 49,2 48,9 49,5 49,5 49,275 0,6
23 48,5 49,5 49,7 47,9 48,9 1,8
24 47,2 47,5 48,7 48,3 47,925 1,5
          48,9489583 2,12

DATOS:
 • Tamaño de la muestra (n) = 4
• media de las medias 𝑥̅= 48,95
• Promedio rango 𝑅 = 2,12
• Desviación
R 2,120833333
𝜎= =
𝑑2 2,059

𝜎 = 1,030

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

Para el grafico 𝑥̅

• Límite Inferior de Control MEDIA

𝜎

𝐿𝐼𝐶 ̅

𝐿𝐼𝐶

• Limite Superior de Control MEDIA

𝜎

𝐿𝑆𝐶 ̅

𝐿𝑆𝐶

• Limite Central
LC=x ̅
LC=48.95
Para el grafico R

• Límite Inferior de Control RANGO

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

• Limite Superior de Control RANGO

𝐿𝑆𝐶 = 𝐷3 ∗ 𝑅
𝐿𝑆𝐶 = 0*2,120833333 = 0
 • Limite Central LC=R
LC=2,120833333

G RÁFICOS :

CARTA DE CONTROL X-BARRA CON K=24

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

MEDIAS LCI LCS LC

CARTA DE CONTROL R CON K=24

6

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

RANGO LCI LCS LC

 los gráficos muestran un proceso bajo control estadístico:
esto es debido a que los puntos se encuentran entre los rangos
esperados, sin mostrar alguno de ellos fuera de los límites de
control y no se observa ningún patrón en ellos fuera de lo
común, demostrando que no existen causas especiales de
variación dentro del proceso, por ello, podemos decir que este se
encuentra bajo control.

b) Desarrolle un procedimiento estadístico para probar el supuesto de normalidad.

Hipótesis nula: los datos se ajustan a una distribución normal

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

Por medio del software R STUDIO, se obtuvo:

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

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

c) ¿Cuáles son los parámetros del proceso?

Los parámetros del proceso son:

La Media del proceso

 • 𝑥̅= 48,95
La desviación del proceso

• 𝜎 = 1,030030759
El Rango del proceso

• 𝑅 = 2,120833333

d) ¿En qué momento se debe parar la producción para que los productos no
sobrepasen los niveles de concentración? Se considera que el nivel de
concentración máximo permitido para poder comercializar este producto es de
55%, esto debido a la alta toxicidad que representa el componente químico,
por lo que la compañía ha establecido unas tolerancias de 50% más o menos
4%, donde lo máximo que se tolerara por el límite superior es 54% esto con el
fin de tener un margen con respecto al máximo permitido y lo mínimo será
46%, dado que por debajo de ese nivel empieza a perder efectividad el
producto.

DATOS:

𝐿𝑆𝐸 = 54

𝑐𝑝𝑢 = 1

𝜎 = 1,030030759

𝑋̅´ = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑎𝑥𝑖𝑚𝑜 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑡𝑜𝑚𝑎𝑟 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 sin𝑔𝑒𝑛𝑒𝑟𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑛𝑜 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠.

CALCULO DE 𝑋̅´ CON UNA METODOLOGIA DE 3 SIGMA:

𝐿𝑆𝐸 − 𝑋̅´
𝑐𝑝𝑢 =
3𝜎

𝑐𝑝𝑢(3𝜎) = 𝐿𝑆𝐸 − 𝑋̅´

𝐿𝑆𝐸 − 𝐶𝑃𝑈(3(𝜎)) = 𝑋̅´

54 − 1(3(1,030030759)) = 𝑋̅´

𝑋̅´ = 50.91

el momento en el que se debe parar la producción de forma que los productos no

sobrepasen los niveles de concentración, es el valor de la media en el punto
exacto en el que el límite de especificación y de fluctuación natural superiores del
proceso coinciden, debido a que la fatiga en la maquina está provocando que uno
de los químicos del insecticida aumente y no pueda ser vendido, esto nos indica un
corrimiento en la media hacia la derecha, por lo que una vez que la media se pase
de 90.71, se debe parar la producción ya que los productos generados no podrán
ser comercializados.

e) ¿Con que probabilidad se detectará el cambio hallado en el inciso

anterior? ¿En cuánto tiempo se detectaría? ¿Cuál será el promedio de
productos no conformes que se fabricarán hasta ese momento?

 Probabilidad de detectar el cambio (1- β)

Datos:

Ho: µ =48.95
Hi: µ=50.91

𝑑 = |48.95−50.91| = 1.902855796
1,030030759

La probabilidad de detectar el cambio es:

1 − 𝛽 = 78.98%

Por la aplicación de STATSUIT, se corroboran los resultados:

  Tiempo en el que se detectara el cambio: ATS

DATOS:

𝐴𝑅𝐿 =
𝛽

Tiempo = las muestras son tomadas cada 15 minutos

El cambio se detectará en:

𝐴𝑇𝑆 = 𝐴𝑅𝐿 𝑇𝐼𝐸𝑀𝑃𝑂

𝐴𝑇𝑆 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

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

𝑚𝑖𝑛𝑢𝑡𝑜𝑠

 ¿Cuál será el promedio de productos no conformes que se

fabricarán hasta ese momento?

Dónde:
1500 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑇𝑃 =
𝑚𝑖𝑛𝑢𝑡𝑜𝑠
ATS = 18.9921 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
%𝑃𝑁𝐶𝐶𝑂𝑅𝑅𝐼𝑀𝐼𝐸𝑁𝑇𝑂 = 0.135%+ 0 = 0.135%
 Es el valor esperado de productos no conformes

𝑉𝐸𝑃𝑁𝐶 = 𝑇𝑃 ∗ %𝑃𝑁𝐶 𝐶𝑂𝑅𝑅𝐼𝑀𝐼𝐸𝑁𝑇𝑂 ∗ 𝐴𝑇𝑆

1500 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
𝑉𝐸𝑃𝑁𝐶 = ∗ 0.135% ∗ 18.9921 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑉𝐸𝑃𝑁𝐶 = 38.459 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

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

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

Para hallar n emplearemos la siguiente formula:

Dónde: Z α/2 =3 𝑑 Y d= 1.902855796

2
2
Z α +Z 1− β
2
n=[ ]
d
2
3+−2,325
n=[ ]
1,90

n=7.83118 ≈ 8

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

• Límite Inferior de Control

 𝐿𝐼𝐶

• Limite Superior de Control

𝐿𝑆𝐶
• Limite central:
𝐿𝐶 = 48.95

2. PASCOLO S.A, es una empresa dedicada a la elaboración de espagueti, pero la

calibración del peso en las bolsas de espagueti se ha convertido en un problema para la
empresa, las especificaciones del peso son de 13,5 ± 2,3 gramos. Actualmente producen
11,506% y 3,097% de bolsas de espagueti que no cumplen con las especificaciones en el
peso; el primer porcentaje supera al valor máximo permitido y el segundo porcentaje está
por debajo del mínimo valor permitido. Se va a adquirir una nueva maquinaria que
incrementará el Cp en un 60% y tendrá un costo de $500 millones. PASCOLO S.A opera en
dos turnos diarios de 4 horas cada uno, 20 días al mes y su tasa de producción es 600
bolsas de espagueti por hora. La producción de cada unidad le cuesta $400 y toda la
unidad no conforme se devuelve a la cadena productiva, pero antes se penaliza con un
costo igual al 40% del precio de venta de cada bolsa de espagueti.

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

b. Determine el Cp que debería tener el proceso una vez centrado, para que el costo
promedio de producir una unidad conforme sea de $420 y a su vez los ingresos por venta
sean maximizados. Tenga en cuenta que PASCOLO S.A vende cada unidad en $500 y tiene
actualmente una demanda de 700 mil bolsas de espagueti, pero por cada peso que se
disminuya en el precio de venta la demanda aumenta en 1000 unidades.

Datos del ejercicio

• LSE = 15,8
• LIE = 11,2
• % PNC x LSE = 11,506%
• % PNC x LIE = 3,097%
• Cp’= Cp *1,6
• Costo maquinaria= $500.000.000
• Tasa de producción = 600 bolsas/hora
• Costo unitario = $400
 a) ¿Cuál es el precio de venta que permitirá que la nueva maquinaria se pague así
misma en 5 años?

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

𝑍𝐿𝑆𝐸 = 𝐿𝑆𝐸 𝜎−𝑥̅ 𝑍𝐿𝐼𝐸 = 𝐿𝐼𝐸 𝜎
−𝑥̅

𝑍𝐿𝑆𝐸 = 1,2 𝑍𝐿𝐼𝐸 = −1,865

15,8−𝑥̅ 11,2−𝑥̅
= 1,2 = −1,865
𝜎 𝜎

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

Igualamos (1) y (2) para cancelar 𝑥̅

15,8 − 𝑥 ̅ = 1,2
𝜎∗
−11,2 + 𝑥 ̅ = 1,865 ∗ 𝜎

𝜎 Tenemos 𝜎

𝜎 = 1,5
Reemplazamos 𝜎 en (1)

𝑥̅ = 15,8 −

1,2(1,5) 𝑥 ̅ =

14 Tenemos

𝑥̅

Hallamos el Cp
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎

= 𝐶𝑝 = 𝟎, 𝟓𝟏𝟏 < 1 Por lo tanto es un proceso tipo 4 descentrado y no

capaz.

%𝑃𝑁𝐶 = 0,11506 + 0,03097 = 14,603%

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

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

bolsas horas turno días
Prod = 600 x4 x2 x 20 x 12 meses x 5 𝑎ñ𝑜𝑠
hora turno dia mes

Prod = 5´760.000
𝑈1 = 𝐼 − 𝐶𝑇

𝐼 = 𝑃𝑣 ∗ 5.760.000 ∗ (1 − 14,63%)

𝐶𝑇 = (400 ∗ 5.760.000) + (5.760.000 ∗ 40(%(𝑃𝑣) ∗ 14,62%)

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

𝑈𝑖 = 4.580.858(𝑃𝑣) − 2.304.000.000
Con la compra de la maquinaria el Cp se incrementa en un 60%. Por lo tanto:

𝐶𝑝´ = 𝐶𝑝(1,6) = 0,551(1,6)

𝐶𝑝´ = 0,8176

Hallamos 𝜎´
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎
𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝜎´ =
6𝐶𝑝

𝜎´ =

𝜎´ = 0,9375

Hallamos de nuevo el %PNC con el 𝝈′ y ̅𝒙´

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

%PNCXLSE = P( 𝑍 %PNCXLIE = P( 𝑍
%PNCXLSE = P( 𝑍 ≥ 1,937) %PNCXLIE = P( 𝑍 ≤ −2,988)

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

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

2,87% El nuevo %PNC
total es de 2,87% Hallamos
la utilidad nueva:

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

hora turno dia mes

𝑃𝑟𝑜𝑑 = 𝟓. 𝟕𝟔𝟎.𝟎𝟎𝟎 𝒃𝒐𝒍𝒔𝒂𝒔

𝑈 = 𝐼 − 𝐶𝑇

𝐼 = 𝑃𝑣(5.760.000 𝑥 (1 − 2,87%))

𝐼 = 𝑃𝑣(5.594.688)
𝐶𝑇 = 400 ( 5.760.000 ) + ( 5.760.000 𝑥 2,87% 𝑥 40% 𝑃𝑣 )

𝐶𝑇 = 2.304.000.000 + 66.124,8(𝑃𝑣)

𝑈𝑛 = 5.594.688(𝑃𝑣) − (2.304.000.000 + 66.125,8(𝑃𝑣)

𝑈𝑛 = 552.863,2(𝑃𝑣) − 2.304.000.000

Se halla el valor del precio de venta para que la maquina se pague a sí misma en 5
años:

𝑈𝑛 − 𝑈𝑖 = 500.000.000

5.528.563,2(𝑃𝑣) − 2.304.000.000 − 4.580.858(𝑃𝑣) + 2.304.000.000 = 500.000.000

947.705,5(𝑃𝑣) = 500.000.000

𝑃𝑣 = 527,59 ≈ 528
Ra/ El precio de venta debe ser de 528 u.m.
b) Determine el Cp que debería tener el proceso una vez centrado, para que el costo
promedio de producir una unidad conforme sea de $420 y a su vez los ingresos por
venta sean maximizados. Tenga en cuenta que DORIA S.A vende cada unidad en $500
y tiene actualmente una demanda de 700 mil bolsas de espagueti, pero por cada peso
que se disminuya en el precio de venta la demanda aumenta en 1000 unidades.

Cu = 420

𝐶𝑢 = 𝐶. 𝑝𝑟𝑜𝑑+𝑐𝑜𝑠𝑡𝑜 𝑟𝑒𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑥 𝑃𝑁𝐶

(1−%𝑃𝑁𝐶)

420 = 400+211,2(%𝑃𝑁𝐶)
(1−%𝑃𝑁𝐶)

420(1 − %𝑃𝑁𝐶) = 400 + 211,2(%𝑃𝑁𝐶)

420 − 420(%𝑃𝑁𝐶) = 400 +

211,2(%𝑃𝑁𝐶) 420 − 400 =

211,2(%𝑃𝑁𝐶) + 420(%𝑃𝑁𝐶)

20 = 631,2(%𝑃𝑁𝐶)
%PNC = (2)%PNCXLSE Debido a que está centrado

𝑃𝑁𝐶𝑋𝐿𝑆𝐸 = = 1,584%
𝑃(𝑍 ≥ 𝑍𝐿𝑆𝐸) = 1,584%

LSE −̅𝒙 = 2,15

𝜎

=𝜎

𝜎 = 1,07

𝐿𝑆𝐸 − 𝐿𝐼𝐸
𝐶𝑝 =
6𝜎

= 𝐶𝑝 = = 0,72
Proceso tipo 3, centrado y no capaz.

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

    LCS LC LCI X
1 15 90,9 90 89,1 90,08
2 30 90,9 90 89,1 90,7
3 45 90,9 90 89,1 89,5
4 60 90,9 90 89,1 90,2
5 75 90,9 90 89,1 89,2
6 90 90,9 90 89,1 90,21
7 105 90,9 90 89,1 90
8 120 90,9 90 89,1 89,63
9 135 90,9 90 89,1 90,57
10 150 90,9 90 89,1 89,83
11 165 90,9 90 89,1 89,99
12 180 90,9 90 89,1 89,87
13 195 90,9 90 89,1 89,67
14 210 90,9 90 89,1 90,46
15 225 90,9 90 89,1 89,96
16 240 90,9 90 89,1 90,23
17 255 90,9 90 89,1 90,1
18 270 90,9 90 89,1 90,34
19 285 90,9 90 89,1 89,5
20 300 90,9 90 89,1 90,02

a) Realice el gráfico de control y determine si el proceso tiene buena capacidad.

 Grafico X
91.5
91
90.5
90
89.5
89
88.5
88
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

LCS LC LCI X

b. El proceso se continúa monitoreando con muestras de tamaño 4 ver tabla 2

21 315 90,9 90 89,1 89,82

22 330 90,9 90 89,1 90,02
23 345 90,9 90 89,1 89,95
24 360 90,9 90 89,1 89,38
25 375 90,9 90 89,1 90,2
26 390 90,9 90 89,1 90,31
27 405 90,9 90 89,1 90,55
28 420 90,9 90 89,1 90,57
29 435 90,9 90 89,1 90,73
30 450 90,9 90 89,1 90,88

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

que comience a producir medicamentos con alta concentración? Grafique las muestras
del monitoreo dentro del gráfico de control con el que se estabilizó el
proceso.
Para hallar el tiempo máximo igualamos el Cpu=1
LSE− X
Cpu=
3σ
X =LSE−3 σCpu
X =92−3 (0,6)(1)
X =90,2
El mayor tiempo encontrado en la operación es de 375 minutos, esto lo encontramos
en la muestra 25, es en este momento donde la producción debe pararse para no
empezar a producir productos no conforme

Grafico X
91.5

91

90.5

90

89.5

89

88.5

88
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

LCS LC LCI X

c). ¿Cuál es la potencia del grafico de control?

(
1−β =P z 1−β ≥ z α −
||
2
|a|
σ
∗√ n
)
α =0,0027
z α / 2=z 0,00135 =−3,00
'
a=X −X
a=90−90,2=−0,2
Reemplazando:

(
1−β =P z 1−β ≥|−3,00|−
|−0,2|
0,6
∗√ 4 )
1−β =P ( z 1− β ≥ 2,333 )

1−β =0,0098
d). ¿Cuál será el mínimo ATS que se obtiene manteniendo la carga muestral? Con cual
plan se obtiene

DATOS
Media
90
Estable
Media
90,2
Corrida
Sigma Estable 0,6
Alfa 0,0027
Z_(α⁄2) 2,999976993
Alfa medio 0,00135
-
d
0,333333333
n 4
t 15
CM 0,266666667
CM* 0,266666667
% Incremento 0%

OPTIMIZACION
n opt 100
Potencia 0,63057
ARL1 Opt 1,585873
t Opt 375
ATS Opt 594,7

Resuelto con el Optimizador, el mínimo ATS que mantiene la carga muestral es 594,70
y se da cuando n=100 y el tiempo optimo es 375.
e). ¿Cuál es la probabilidad de que el grafico detecte el cambio en una de las cinco
muestras consecutivas después de que ocurra el cambio?
 5 5
1−β =1−0,9902
1−β 5=0,048

f). Se desea hacer un incremento en la carga muestral del 50%, seleccione 5 planes de
muestreo y seleccione el mejor. ¿Cuál sería el plan de muestreo optimo?

  Plan 1 Plan 2 Plan 3 Plan 4 Plan 5

n 3 5 6 8 10
t 7,5 12,5 15 20 25
1-β 0,0078 0,0121 0,0144 0,0197 0,0256
ARL 128,2051 82,6446 69,4444 50,7614 39,0625
ATS 961,5385 1033,0579 1041,6667 1015,2284 976,5625

Análisis: El plan de muestreo optimo es el plan 1 puesto que tiene el menor ATS
g). Halle el tamaño de la muestra con el cual se debe monitorear el proceso si se quiere
tener una potencia acumulada superior al 90% en las siguientes 5 muestras
consecutivas después de que ocurra el cambio.

P ( X <5 ) =1−β 5=0,95

β=0,55
1−β =0,45
1−β =P ( Z ≥ Z1− β ) =0,45

1−β =P ( Z ≥ 1−0,6736 )
1−β =P ( Z ≥ 0,3264 )
2
Z α +Z 1− β
2
n=[ ]
d
−3+0,3264 2
n=[ ]
0,401
n=44