UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA QUÍMICA Y TEXTIL

UNIDAD DE POSTGRADO

MAESTRÍA EN INGENIERÍA DE PROCESOS

EXAMEN FINAL

PRESENTADO POR: CARLOS ALBERTO JUNIOR SOSA CABALLERO

IP 708 ASEGURAMIENTO DE CALIDAD EN INDUSTRIAS DE PROCESO I
DOCENTE: FIORELLA CARDENAS TORO

Parte 4. 569
Parte 5. 673

Agosto - 2021
Contenido

1. METODOLOGIA DE DISEÑO DE EXPERIMENTOS..................................................4

1.1. Descripción del Proceso..............................................................................................4
1.2. Análisis del diseño factorial........................................................................................5
2. PLAN DE MUESTREO DE ATRIBUTOS......................................................................7
2.1. Descripción del Proceso..............................................................................................7
2.2. Análisis de Varianza....................................................................................................7
2.3. Plan de Muestreo por Atributos................................................................................10
3. BIBLIOGRAFIA....................................................................................................................11

Tabla 1: Matriz de diseño para el desarrollo del análisis factorial

Tabla 2: Matriz de resultado para el desarrollo del análisis

Ilustración 1: Diagrama de Pareto de Efectos

Ilustración 2: Diagrama de Normalidad de Efectos
Ilustración 3: Diagrama de ICs simultáneos de 95% de Turkey
Ilustración 4: Diagrama de intervalos
Ilustración 5: Curva característica de Operación

2
1. METODOLOGIA DE DISEÑO DE EXPERIMENTOS

1.1. Descripción del Proceso

En una planta de producción de piezas de plástico por inyección se realizó un
experimento para mejorar la calidad de las piezas reduciendo su rugosidad. Para
ello se realizaron pruebas del material que consistían en fabricar 100 piezas y
obtener el número medio de rugosidad de estas. Para este experimento se
decidió estudiar las diferentes variables que podían afectar al proceso
directamente, consideradas por un experto. Estas variables fueron:

A: Recorrido de inyección
E: 1ª Velocidad de inyección
B: Temperatura de molde
F: 2º Velocidad de inyección
C: Temperatura de fundido
G: Punto de cambio
D: Apertura de la boquilla
H: Fuerza de cierre del molde.
Estas variables serían los factores del diseño factorial, cada una de ellas era
posible ajustarla en dos valores diferentes, por lo que sería un diseño factorial
con ocho factores y dos niveles cada uno.

Tabla 1: Matriz de diseño para el desarrollo del análisis factorial

Orden
Orden Est A B C D E F G H Rpta
Corrida
2 1 1 -1 -1 -1 -1 1 1 1 3
11 2 -1 1 -1 1 -1 1 1 -1 5.2
10 3 1 -1 -1 1 1 -1 1 -1 3
8 4 1 1 1 -1 -1 -1 1 -1 3.3
12 5 1 1 -1 1 -1 -1 -1 1 1.9
14 6 1 -1 1 1 -1 1 -1 -1 0
9 7 -1 -1 -1 1 1 1 -1 1 4
16 8 1 1 1 1 1 1 1 1 5.3
3 9 -1 1 -1 -1 1 -1 1 1 5.8
7 10 -1 1 1 -1 -1 1 -1 1 4.3
15 11 -1 1 1 1 1 -1 -1 -1 5.8
4 12 1 1 -1 -1 1 1 -1 -1 0
6 13 1 -1 1 -1 1 -1 -1 1 6
5 14 -1 -1 1 -1 1 1 1 -1 6.2
1 15 -1 -1 -1 -1 -1 -1 -1 -1 6.3
13 16 -1 -1 1 1 -1 -1 1 1 0
1.2. Análisis del diseño factorial

3
Resumen del diseño
Factores: 8 Diseño de la base: 8; 16 Resolución: IV
Corridas: 16 Réplicas: 1 Fracción: 1/16
Bloques: 1 Puntos centrales (total): 0

Generadores del diseño: E = BCD; F = ACD; G = ABC; H = ABD

Coeficientes codificados
Término Efecto Coef
Constante 3.756
A -0.00000 -0.00000
B -1.7500 -0.8750
C -3.000 -1.500
D -1.0000 -0.5000
E 1.2500 0.6250
F 3.000 1.500
G 2.250 1.125
H 1.2500 0.6250
A*B 1.7500 0.8750
A*C -0.5000 -0.2500
A*D 1.0000 0.5000
A*E 1.2500 0.6250
A*F 6.500 3.250
A*G 2.250 1.125
A*H -1.2500 -0.6250

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust.
Modelo 15 340.000 22.667
  Lineal 8 121.000 15.125
    A 1 0.000 0.000
    B 1 12.250 12.250
    C 1 36.000 36.000
    D 1 4.000 4.000
    E 1 6.250 6.250
    F 1 36.000 36.000
    G 1 20.250 20.250
    H 1 6.250 6.250
  Interacciones de 2 términos 7 219.000 31.286
    A*B 1 12.250 12.250
    A*C 1 1.000 1.000
    A*D 1 4.000 4.000
    A*E 1 6.250 6.250
    A*F 1 169.000 169.000
    A*G 1 20.250 20.250
    A*H 1 6.250 6.250
Error 0 * *
Total 15 340.000

4
 Ilustración 1: Diagrama de Pareto de Efectos

Ilustración 2: Diagrama de Normalidad de Efectos

5
En la gráfica de Pareto y de normalidad se observa como resultado que AF se
presenta como el principal efecto significativo negativo, es decir, que el recorrido de
inyección conjuntamente con la 2° velocidad de inyección influyen significativamente
en los resultados de rugosidad de la pieza, mientras que 2° velocidad de inyección y la
temperatura de fundido (F y C) pueden ser considerados también efectos importantes
para reducir la rugosidad.

2. PLAN DE MUESTREO DE ATRIBUTOS

2.1. Descripción del Proceso

Una compañía textil utiliza diversos telares para la producción de telas. Aunque
se desea que los telares sean homogéneos con el objeto de producir tela de
resistencia uniforme, se supone que puede existir una variación significativa en
la resistencia de la tela debida a la utilización de distintos telares. A su
disposición tiene 5 tipos de telares con los que realiza determinaciones de la
resistencia de la tela. Este experimento se realiza en orden aleatorio y los
resultados se muestran en la tabla siguiente

Tabla 2: Matriz de resultado para el desarrollo del análisis

Telares Resistencia
1 51 49 50 49 51
2 56 60 56 56 57
3 48 50 53 44 45
4 47 48 49 44 45
5 43 43 46 47 45

2.2. Análisis de Varianza

Método
Hipótesis nula Todas las medias son iguales
Hipótesis alterna No todas las medias son iguales
Nivel de significancia α = 0.05

Se presupuso igualdad de varianzas para el análisis.

Información del factor

Factor Niveles Valores
Factor 5 1; 2; 3; 4; 5

6
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 4 445.0 111.260 22.25 0.000
Error 20 100.0 5.000
Total 24 545.0

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
2.23607 81.65% 77.98% 71.33%

Medias
Factor N Media Desv.Est. IC de 95%
1 5 50.000 1.000 (47.914; 52.086)
2 5 57.000 1.732 (54.914; 59.086)
3 5 48.00 3.67 (45.91; 50.09)
4 5 46.600 2.074 (44.514; 48.686)
5 5 44.800 1.789 (42.714; 46.886)

Desv.Est. agrupada = 2.23607

Agrupar información utilizando el método de Tukey y una confianza de

95%
Factor N Media Agrupación
2 5 57.000 A
1 5 50.000 B
3 5 48.00 B C
4 5 46.600 B C
5 5 44.800 C

Las medias que no comparten una letra son significativamente diferentes.

7
 Ilustración 3: Diagrama de ICs simultáneos de 95% de Turkey

Ilustración 4: Diagrama de intervalos

Como resultado se observa en la gráfica que los telares 1 y 2 presenta una variación
significativa positiva respecto a la resistencia de la tela. Debido a que el objetivo es

8
estandarizar la resistencia se recomendaría el uso de los telares 3 y 4 presenta
comportamientos similares.

2.3. Plan de Muestreo por Atributos

El plan de muestreo considera los como límites de calidad los resultados de la
desviación estándar del análisis de varianza en los telares 3 y 4.

Muestreo de aceptación por atributos

Tipo de medición: Pasa / No pasa
Calidad del lote en porcentaje de elementos defectuosos
Utilizar la distribución binomial para calcular la probabilidad de aceptación

Método
Nivel de calidad aceptable(AQL) 2.074
Riesgo del productor(α) 0.05

Nivel de calidad rechazable (RQL o 3.67

LTPD)
Riesgo del consumidor(β) 0.1

Planes generados
Tamaño de la muestra 919
Número de aceptación 26

Aceptar el lote si los elementos defectuosos en una muestra de 919 ≤ 26;  De lo contrario,
     rechazarlo.

Porcentaje de
elementos Probabilidad Probabilidad
defectuosos de aceptación de rechazo
2.074 0.952 0.048
3.670 0.099 0.901

Planes generados
Tamaño de la muestra 919
Número de 26
aceptación

Aceptar el lote si los elementos defectuosos en una muestra de 919 ≤ 26;  De lo contrario,
     rechazarlo.

Porcentaje de
elementos Probabilidad Probabilidad
defectuosos de aceptación de rechazo
2.074 0.952 0.048
3.670 0.099 0.901

9
 Ilustración 5: Curva característica de Operación

De acuerdo a los resultados, el plan de muestre propone un tamaño por lote de

919 muestras en las cuales el número de aceptación de piezas defectuosas serán
de 26 unidades. En caso supero este valor, el lote será rechazado.

3. BIBLIOGRAFIA

 HITOSHI KUME, "Herramientas estadísticas básicas para el mejoramiento de la

calidad", Editorial Norma, 2002, ISBN 958-04-6719-6.
 MONTGOMERY DOUGLAS C., "Control estadístico de la calidad", Limusa Wiley, 2005,
ISBN 968-18-6234-1.
 TAGUCHI G., "A tutorial on quality control and assurance - the Taguchi methods", Las
Vegas, Nevada: ASA Annual Meeting, 1985.
 GUTIERREZ PULIDO H., DE LA VARA R., "Control estadístico de la calidad y seis sigma",
McGraw-Hill, 2009, ISBN 978-970-10-6912-7.

10