MOSOL SEGUNDO PARCIAL

MANTENIMIENTO INDUSTRIAL
1. (3 Puntos) En una empresa procesadora de carnes frías se
detecta mediante inspección 100% los problemas en las
salchichas. A continuación, se muestran los resultados
de una semana.

a) Considerando que la gravedad de los tres problemas es la

misma, realice un análisis de Pareto para problemas y
detecte cuál es el vital.
b) Sobre el problema vital, haga un Pareto de segundo nivel
(causas) tanto para máquina como para tumo.

a)

b)
 2. (1 Punto) En una empresa, mediante un análisis se ha
detectado que se tiene seis 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 ha utilizado para medir el grado de
molestia es el siguiente: 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 han ocurrido en el último
semestre las distintas quejas. En las tablas siguientes
se sintetiza los resultados de tal análisis:

Realice un análisis de Pareto para atender sus causas

3. (1 Punto) Por medio de un diagrama de dispersión
determine si existe relación entre las horas de
utilización de una máquina y los milímetros de
desviación del objetivo. Los datos de 15 pares (x, y)
con las horas de utilización de maquina como variable
independiente son:
SOLUCION
El coeficiente de determinación (R2) es igual a 0.7846, y el
coeficiente de correlación (r) es igual a 0.88 por lo tanto
existe relación entre entre las horas de utilización de una
máquina y los milímetros de desviación del objetivo.

El coeficiente de correlacón

NOTA:

El coeficiente de correlación en estadística es un indicador

que mide la tendencia de dos variables cuantitativas X e Y a
tener una relación de linealidad o proporcionalidad entre
ellas. El coeficiente de correlación lineal de Pearson se
denota con la letra r minúscula y sus valores mínimo y máximo
son -1 y +1 respectivamente. Un valor r = +1 indicaría que el
conjunto de pares (X,Y) están perfectamente alineados y que
cuando X crece, Y crecerá en la misma proporción. En cambio,
si ocurriese que r = -1, el conjunto de pares también estaría
perfectamente alineado, pero en tal caso cuando X crece, Y
decrece en la misma proporción. Por otro lado, un valor r = 0
indicaría que no hay correlación lineal alguna entre las
variables X e Y.
En general, se acepta que hay una correlación significativa
entre dos variables si el valor absoluto del coeficiente de
correlación es mayor o igual a 0.7. Sin embargo, es
importante tener en cuenta que el coeficiente de correlación
no implica causalidad entre las variables.
El coeficiente de determinación, también conocido como R-
cuadrado, es una medida estadística que indica qué porcentaje
de la variabilidad en la variable dependiente (Y) puede ser
explicada por la variable independiente (X) en un modelo de
regresión lineal. En otras palabras, el R-cuadrado mide qué
tan bien los valores observados se ajustan a la línea de
regresión ajustada. El valor del R-cuadrado varía entre 0 y
1, donde 0 indica que el modelo no explica ninguna
variabilidad en la variable dependiente y 1 indica que el
modelo explica toda la variabilidad en la variable
dependiente.
El R-cuadrado se calcula como el cociente entre la suma de
los cuadrados de la regresión y la suma total de los
cuadrados. El valor del R-cuadrado puede interpretarse como
el porcentaje de la variabilidad total en Y que es explicada
por X . Por ejemplo, si el R-cuadrado es 0.8, esto significa
que el 80% de la variabilidad total en Y puede ser explicada
por X