lOMoARcPSD|7441936

lOMoARcPSD|7441936

EJERCICIOS SOBRE CALIDAD, PRODUCCIÓN E INGENIERÍA

DE MANUFACTURA
Fecha: //
Nombre del estudiante:
Nombre del docente:

1. Con base en el material consultado en la unidad, realiza los ejercicios que s e plantean acerca
de los siguientes temas:

Ejercicio 1. Determinación de problemas de calidad

Revisa y resuelve los siguientes problemas que s e presentan en el libro de Control de la

Calidad y Se is Sigma. Autores Gutiérrez / De la Vara.

Problema(s) Página(s)
10 36
26 58
5 130
7,8 1 66
16 233

10. Dos máquinas, cada una operada por una persona, son utilizadas para cortar tiras
de hule, cuya longitud ideal es de 200 mm, con una tolerancia de ± 3 mm. Al final del
turno un inspector toma muestras e inspecciona que la longitud cumpla
especificaciones. A continuación s e muestran las 甃Āltimas 110 mediciones para ambas
máquinas.
 lOMoARcPSD|7441936

a) Obtenga las medidas de tendencia central y con base en ellas señale si la

tendencia central del proceso es adecuada.
Media: 199.9
Mediana: 200.1
Moda: 200.5
Es adecuada la medida de tendencia central.

b) Calcule la desviación estándar y una aproximación de los limites reales. A partir

de estos decidas la variabilidad de los datos e s aceptable.
La desviación estándar es 1.5 5 , Al observar los datos s e concluye que el proceso
cumple con los requerimientos de la tolerancia de longitud, ya que en su gran
mayoría los productos respetan los 3 mm a más o menos. S e afirma que la
variabilidad del proceso es suficiente para cumplir los requerimientos
establecidos.

c) Obtenga un histograma e interpr 攃Ātelo (tendencia central, variabilidad,

acantilados, sesgos, etc).
 lOMoARcPSD|7441936

En una visión ordenada se puede observar como la inclinación de la varianza es

prácticamente unitaria y recta, pero respetando el límite superior y el límite
inferior apenas sobrepasando los 202 mm y por debajo de los 198 mm (una
unidad de sobra en ambos casos). Sin embargo, podemos determinar que
después de un cierto n 甃Āmero de trabajos hay un declive muy marcado en donde
las longitudes se ven afectadas en su gran mayoría, ya que son pocas las
unidades que se perciben por encima de los 200 mm.

d) Con la evidencia obtenida antes, cu 愃Āl es su opinion acerca de lo adecuado o no

de la longitud de las tiras que se cortaron en el periodo que representan las
mediciones.
En términos concretos, la eficacia de producción se puede considerar en un
100% de satisfacción, al no existir ni una sola tira que sobrepase el límite
superior o inferior en cuanto a su longitud respecta. Sin embargo, queda a
disposición del encargado el observar y prestar atención a ese declive de
longitud con los 甃 Āltimos datos, ya que personalmente pienso que una longitud
mayor es mejor que una longitud menos hacía con el cliente o producto, ya que
el material sobrante se puede quitar, pero el faltante no se puede agregar
 lOMoARcPSD|7441936

e) Utilizando el sesgo y curtosis estandarizadas, y la evidencia grafica, ¿qu 攃Ā puede

decir respecto a la normalidad de los datos?
Todo en respecto a la tolerancia del producto en cuanto a la longitud deseada y
su tolerancia s e encuentra en regla y bien normalizada. Pero basándonos en las
dos concentraciones de datos presentadas y proyectadas en los histogramas, s e
concluye que existe un déficit o un determinante que causa un declive hacia la
tolerancia negativa a cierto punto del dia, equipo o trabajo, que se puede
interpretar como una anomalía, de carácter menor, pero que podría mejorarse y
brindar un mejor producto alejando las tiras del límite inferior.

26. El grosor de ciertas placas de metal puede considerarse una variable aleatoria
normal con media μ = 20 mm y una desviacion est愃Āndar de σ = 0.04 mm.
a. ¿Qu 攃Ā porcentaje de placas defectuosas se esperar 椃Āa observar si las
especificaciones son [19.95, 20.10]?
�㕃[19.95 ≤ �㕥 ≤ 20.1] = �㕃[(19.95 2 20)/0.04 ≤ �㕧 ≤ (20.1 – 20) /0.04] = P[-1.25
≤ z ≤ 2.5] P[z = -1.25] = 0.1056; P[z = 2.5] = 0.9938

P[19.95≤ x ≤20.1] = 0.9938 – 0.1056 = 0.8882 = 88.82%

b. ¿ Cu 愃Ānto tendr 椃Āan que valer las especificaciones para que el desperdicio fuera a
lo m 愃 Ās de 5 % ?
Z(P = 0.025) = -1.96 ; Z(P = 0.975) = 1.96
-1.96 = (x1-20)/0.04
-1.96(0.04) + 20 = x1 = 19.92
1.96 = (x2-20)/0.04
1.96(0.04) + 20 = x2 = 20.07

5. Los siguientes datos representan las mediciones de vis- cosidad de los 甃Āltimos tres
mes es de un producto lácteo. El objetivo es tener una viscosidad de 80 ± 10 cps.
 lOMoARcPSD|7441936

Construya una gr 愃Āfica de capacidad de este proceso (histograma con tolerancias) y d 攃Ā

una primera opinion sobre la capacidad.
 lOMoARcPSD|7441936

Opinión sobre la capacidad: En el histograma se identifica una distribución en forma de

campana, lo cual nos dice que es una distribución normal, a su vez los datos s e
concentran entre 8 1 .25 -83 de viscosidad en Cps. Los datos que representan las
mediciones de viscosidad están dentro de las especificaciones de calidad, las cuales
indican que el objetivo es tener una viscosidad de 80 + - 10 Cps

Calcule la media y la desviación estándar, y tomando a estos como parámetros

poblacionales estime los índices C , C , C y K, e interprételos con detalle.
Media: 82.45
Desviación estándar: 2.624
Cpi: 1 . 6
Cps: .97
Cp: 1 . 2 8
Cps: .97

Con base en la tabla, tambi攃Ān estime el porcentaje fuera de especificaciones.

INDICE VALOR % DE LAS PARTES POR

ESPECIFICACIONES MILLON
CP 1.27 0.0318 318.29
CPI 1.58 0.0003 3.401
C PS 0.95 0.3467 3.467.023

Cpi: 1 . 5 8
Cps: 0.95
Según el índice de capacidad potencial el 0.0318% está de los datos esta por fuera de
las especificaciones y 3 1 8 . 2 9 1 de datos esta por fuera de cada millón.
Según el índice de capacidad superior indica que el 0.3467% está por fuera de la
especificación del límite superior y 3467.023 de datos esta por fuera de cada millón.
Según el índice de capacidad inferior indica que el 0.0003% está por fuera de la
especificación del límite inferior y 3.401 de datos esta por fuera de cada un millón.

¿ L as estimaciones realizadas en los dos incisos anteriores y las correspondientes

estimaciones se deben ver con ciertas reservas? ¿Por qu 攃Ā?
Porque en las fórmulas para el cálculo de los índices los parámetros que representan la
media, la desviación estándar poblacional, en el ejercicio utilizamos la media muestral
que son estimadores de las dos anteriores respetuosamente. Por lo tanto, los valores
de media, desviación estándar utilizados no son los verdaderos del proceso (son
estimaciones), por lo tanto, los resultados se deben interpretar con cautela

7. Mediante un análisis, en una empresa se detectaron se is tipos básicos de quejas de

los clientes, pero cada tipo de queja causó diferente grado de insatisfacción o molestia
para el cliente. La escala que se utilizó para medir el grado de molestia es el siguiente:
 lOMoARcPSD|7441936

máxima molestia (10 puntos), mucha insatisfacción (8), molestia moderada (6), poca
(4), muy leve (2). Además, en el análisis se determinó la frecuencia con la que
ocurrieron en el 甃Āltimo semestre las distintas quejas. En la siguiente tabla se sintetizan
los resultados de tal análisis:

Realice un an 愃Ālisis de Pareto para determinar sobre qu 攃Ā tipo de queja se deben dirigir
los esfuerzos para atender s u s causas. Aplique la recomendacion 2 del diagrama de
Pareto.
Tipo de queja Grado de Frecuencia de Frecuencia de Frecuencia por
molestia ocurrencia % gravedad % gravedad
acumulada %
D 6 25 150 150
C 2 40 80 230
F 8 8 64 294
A 4 12 48 342
B 8 5 40 382
E 4 10 40 422

Como s e aprecia es el diagrama de Pareto todos los esfuerzos se deben centrar en la

queja D ya que es la que mayor valor representa.
 lOMoARcPSD|7441936

8. De acuerdo con la información de una hoja de verificación en una línea del proceso
de envasado de tequila, en el 甃Āltimo mes se presentaron los siguientes resultados en
cuanto a defectos y frecuencia:

Realice un diagrama de Pareto y obtenga conclusiones.

Como s e aprecia en el diagrama de Pareto s e deben centrar la atención para atender

los defectos provocados por las etiquetas ya que es el que tiene mayor frecuencia.

1 6 . En una fábrica de artículos de plástico inyectado se tiene el problema de la rebaba

en las piezas, que es nece- sario eliminar con retrabajo. Con el propósito de evaluar la
realidad actual y detectar posibles causas especiales de variación s e decide
implementar una carta de control para el producto que más se fabrica, los datos
obtenidos en 24 lotes de tamaoo 500, en cuanto a la cantidad de piezas con rebaba se
muestran a continuación:
86, 95, 113, 93, 88, 101, 90, 85, 111, 80, 96, 89, 98, 126, 96, 1 2 4 , 12 9, 115, 95, 78, 97,
110, 108, 118

Calcule los l 椃Āmites de control para una carta p e interpr 攃Ātelos.

 lOMoARcPSD|7441936

. 20175(1 2 .20175)
. 20175 + 3 ∗ √ = .25559092
500

. 20175(1 2 .20175)
. 14790 2 3 ∗ √ = .147900908
500
LCC es obtenido por el promedio o media de nuestras proporciones que fueron
extraídas de dividir cada una de las piezas entre el lote. Obteniendo valores un poco
cerrados que al graficar deben reflejar variaciones controladas.

Grafique la carta p y anal 椃Ācela.

En la gráfica de control podemos ver un descontrol en nuestro lote 17 donde logra

superar por el mínimo nuestro LCS.

Obtenga una carta np e interpr 攃Ātela.

100.875(1 2 .20175)
100.875 + 3 ∗ √ = 127.795
500

100.875(1 2 .20175)
100.875 2 3 ∗ √ = 73.954
500
 lOMoARcPSD|7441936

A su juicio, ¿cu 愃Āl de las dos cartas es m 愃Ās conveniente en este caso? Argumente.
En este caso optaría por la carta np, porque me indica más el lote que presenta valares
más descontrolados, inclusive superando lo permitido por poco.

¿ E l proceso es estable? No

¿Se puede considerar que e proceso genera buena calidad?

Habría puntos que mejorar como en el caso de la variabilidad y tener más tendencia al
LCC. sobre todo, a partir del lote 15 en adelante. Considerando un si.
 lOMoARcPSD|7441936

Ejercicio 2. Regresión Lineal y ANOVA

Revisa y resuelve los siguientes problemas que se presentan en el libro de

Análisis y Diseño de Experimentos. Autores Gutiérrez / De la Vara.

Problema Página(s)
11 340

S e decide implementar un muestreo de aceptación para atributos con el propósito de

regular la salida de lotes de tamaño grande, el nivel de calidad aceptable (NCA o AQL)
se fija en 1.2% con α = 0.05 y el NCL = 5% con β = 0.10.
A. Con base en lo anterior, bosqueje la curva CO que se requiere para el plan de
muestreo.

B. Por medio de las tablas de Cameron encuentre el plan que regulará este muestreo
y explique su funcionamiento.
el plan simple por atributos que ayuda a garantizar los niveles de calidad
acordados es, n = 1 6 5 y c = 2. Bajo este plan se obtiene una muestra de tamaño
1 6 5 y si se obtiene 3 o más defectuosos s e rechaza el lote
 lOMoARcPSD|7441936

C. Obtenga una forma más o menos exacta de la curva CO para el correspondiente

plan, apoyándose en tablas o con ayuda de Excel.

A partir de la gráfica y los datos obtenidos se observa lo siguiente:

Que aquellos lotes que ingresen con una proporción de artículos defectuosos menor o
igual a 1.2% (NCA), son aceptados con facilidad, con una probabilidad mayor o igual a
95%.
A medida que la proporción de artículos defectuosos es mayor a 1,2% cada vez es menos
probable que los lotes correspondientes sean aceptados.
Aquellos lotes que ingresan con una proporción menor a 5 % (NCL), tienen poca
probabilidad de
ser aceptados, menor igual a 1 0 %
D. ¿ E l plan encontrado no acepta lotes con 2% de artículos defectuosos?
Si acepta lotes con 2% y su probabilidad de aceptación es 0,76 aproximadamente
E. En la redacción inicial del problema se supuso que los lotes eran de tamaño de
muestra, ¿Cuál debe ser el tamaño de lote para que s e siga cumpliendo la
suposición inicial?
 lOMoARcPSD|7441936

El tamaño del lote debería ser > 1 0 * 1 6 5 = 1650 unidades