UNIVERSIDAD TECNOLOGICA DE HONDURAS

ASIGNATURA:

Control de calidad I

ESTUDIANTE:

Johana Aguilar (201810010555)

CATEDRÁTICO:

Ing. Denis Aguilar

TRABAJO

 Desarrollar los ejercicios del capítulo 8 calidad y productividad de

Humberto Pulido.
 Desarrollar los ejercicios del capítulo 10.
 Desarrollar una Hoja de verificación del proceso de matrícula UTH para
estudiantes de primer Ingreso y reingreso.

Fecha de entrega

12 de noviembre de 2023
Introducción

El presente trabajo se basa desarrollar los ejercicios capítulo 8 y 10, correspondientes al libro
de calidad y productividad de Humberto.

Conforme a la actividad se resolvieron 23 ejercicios del capítulo 8 y 21 ejercicios del capítulo

10, en el que los principales temas corresponden a obtención de datos, la variabilidad y el
pensamiento estadístico, histograma y tabla de frecuencia y errores en la toma de decisiones
con el uso de la media y diagrama de Pareto y Estratificación.

Mediante la aplicación de las principales definiciones de la estadística descriptiva como

son los tipos de variables, tendencia, media, mediana, desviación estándar y varianza, se
consideran como apoyo para poder realizar cálculos y poder determinar solución a
problemáticas relacionadas con la calidad o que se presentan de manera común dentro de las
organizaciones. La solución de estas problemáticas nos ayudara a entender de mejor manera
las situaciones presentadas en los datos estadísticos obtenidos mediante la medición de datos.
 Desarrollo

Capítulo 8: Estadística descriptiva: la calidad y la variabilidad

1. ¿Qué obtuvo Mathew Maury al analizar los diarios de a bordo de los viajes navales?
R= Mediante la investigación y la recopilación de información primero, consolidó la creación de
cartas marítimas, que representan datos importantes para la navegación y después, apoyado
por su trabajo prominente en 1853 se celebró una conferencia internacional en Bruselas en la
que distintos países acordaron la estandarización de la información que debían de contener las
cartas de navegación y por tanto la cooperación para la obtención de la información.
Su contribución al analizar la información de los diarios de abordo fue la compilación de
datos en las cartas de navegación útiles para su consulta a fin de disminuir los tiempos de
traslado por el mar. Con esto se denota que:
A. Los datos pueden revelar patrones.
B. La información útil se compila y estandariza.
C. El intercambio de información permite obtener resultados en menor tiempo.

2. Sobre el uso de datos para toma de decisiones, conteste:

a) De manera resumida indique lo que expresa la norma ISO9004 al respecto.

R: Ésta norma que profundiza en el enfoque de la gestión de la calidad forma parte muy
general en la norma 9001:2015 y profundiza dicho tema en su propia línea 9004:2015 eh dicha
norma se busca satisfacer a los clientes por medio de productos y servicios, pero
principalmente controlar los imprevistos para evitar el conflicto en las partes interesadas.
El antecedente más remoto es el control estadístico del proceso, donde se busca
ponderar los errores de producción, sin embargo, el lazo de retroalimentación se contaba al
final del proceso, este modelo avanzó y ha sido sustituido por otros donde se aprovecha cada
fase del proceso para realizar un seguimiento de la calidad y mitigar los posibles errores.

b) ¿En qué situaciones es útil el uso de técnicas estadísticas?

R= Como se indica en los párrafos anteriores, es importante dar seguimiento en cada fase del
proceso, desde la selección de la materia prima, procesamiento y hasta la entrega al cliente,
conservando la idea de obtener retroalimentación después de otorgar el servicio o de vender el
producto para mejorar a este proceso la lectura recomendada la denomina pensamiento
estadístico.
El inminente cambio debe ser monitoreado a fin de controlar la mínima variación en los
distintos procesos.

c) Describa algunas de las fallas en la obtención de información que se comentaron

en la primera sección de este capítulo.
La variabilidad puede existir en 6 distintos rubros, por tanto, se usan los siguientes
ejemplos para identificar esos posibles fallos, esto no es más que una representación propia
sobre los posibles fallos que ocurren en el área de producción de una empresa hipotética.
Materiales Ejemplo. Tipos de Algodón para la confección de textiles.

Existen distintas variables de algodón, persa, egipcio, americano. La

diferencia climática y variación de la planta modifica la forma final del hilo
de algodón. Por tanto, la resistencia, peso y textura será distinta, por tanto,
la duración final del textil confeccionado tendrá mayor o menor costo para
el consumidor.
Maquinaria Control y Automatización. En el caso de esta rama de la industrial el
dispositivo por autonomía para el control de equipos es los “controladores
lógicos programables” comúnmente conocidos como PLC, dichos
dispositivos son un conjunto de entradas y salidas que se automatizan para
lograr el movimiento sincronizado de distintos periféricos como bobinas,
sensores de flujo, gases, presión, motores a paso, etc.

La distinción entre distintos PLC, puede ser no solo su amplio rango de

dispositivos a controlar, sino la potencia y el software que utilizan. En este
caso las marcas varían según estas características, por tanto, podemos
tener marcas como SIEMENS de fabricación americana con un software
propio a la vanguardia o marcas como DELTA, de fabricación asiática y de
software libre, por tanto la elección será de acuerdo al proceso a
automatizar.
Mano de Este tema pude resumirse en el costo de acuerdo con la hora hombre que
Obra representa para la producción, sabemos sin lugar a duda que esto depende
el tipo de economía del país de origen y/o de producción de un producto;
en otros casos también se ve influenciado por la tendencia mundial o los
intereses políticos, sociales o culturales, como en el caso por ejemplo de la
siguiente nota.
https://elpais.com/diario/2005/08/30/economia/1125352806_850215.html

En este caso la marca Alemana Adidas, diseña sus productos

principalmente en Alemania, tiene plantas de producción en distintos
continentes y de acuerdo con distintas variables como impuestos,
transformación u obtención de la materia prima y costos de mano de obra,
las fábricas pueden producir parte del producto o desarrollar todo un
producto de principio a fin.
 Mediciones Este punto también tiene que ver directamente con la Maquinaria y la Mano
de Obra, la cualificación de la mano de obra no depende de factores como
edad, sexo u origen étnico, sino de la preparación y especialización que
pueda tener el individuo, por tanto si este tiene una mayor preparación
académica su desarrollo le permitirá especializar sus actividades que aquel
que no la tenga, del mismo modo ocurre con los equipos, los materiales y
la precisión dependerá de la potencia, calidad de los materiales y otros
factores que determinarán sin pueden realizarse diseños o dispositivos más
complejos.

Se ejemplifica el proceso de miniaturización de los transistores, la

evolución de los equipos digitales depende de cuantos cálculos
matemáticos puede realizar y esto es en relación con el número de
transistores que se pueden albergar en el mismo espacio. Mientras más
transistores más cálculos y a su vez menor tiempo de respuesta que se
traduce en precisión de información.

Medio Sucede al igual que en el punto mano de obra, los factores externos tiene
Ambiente mucho pesos, desde legislación, posición geográfica y materias primas
disponibles, no podríamos poner una fábrica de lavadores a mitad del
desierto o en medio de la selva, ya que necesitaríamos medios de
comunicación, energía y otros factores además de que para poder
hacerlos, en caso de así proponerlo tendríamos que modificar nuestro
entorno a fin de adaptarlo a nuestras necesidades repercutiendo no solo en
daños al ecosistema, sino al costo que representaría hacerlo tanto
económico como humano y en recursos, por tanto, se buscan condiciones
favorables para realizar las actividades económicas acorde al medio y el
entorno.
Métodos Son las formas en que se realiza el proceso, hoy en día existen distintas
metodologías para abordar los problemas. Un claro ejemplo se encuentra
en el desarrollo de software, así como los diagramas de flujo nos permiten
ejemplificar la forma en que se va a llegar al resultado y existen distintos
lenguajes de programación de acuerdo al medio donde se va aplicar,
también existen formas distintas de desarrollar todo el procesos desde el
diagrama o la idea básica del producto.
Desde los métodos como el RAD, SCRUM y tantos otros previos donde se
busca documentar o no, maquetar o no o simplemente entregar una
versión sin revisiones previas son algunas formas de ejemplificar las
consecuencias del uso de distintos métodos.

3. Se dice que cuando en un proceso hay mucha variación en sus 6 M, se tiene un

proceso pobremente estandarizado. Explique con sus palabras por qué sucede esto.
R= Recordemos la definición de control. De acuerdo, con la RAE Control puede definirse
como, inspección, comprobación, regulación o preponderancia, a su vez se puede usar la
palabra control para definir en ingeniería a una disciplina que aplica la teoría de control por
medio de distintos algoritmos matemáticos para modificar las respuestas de salida de las de
entrada, por tanto cada representación de una M es una variable (entrada) mientras más
variables, mayor control requerimos para lograr alcanzar el objetivo (salida) que se plantea la
organización, el proceso o el servicio.

4. ¿Qué es el pensamiento estadístico?

R= Es la filosofía desde donde residen ciencias como la propia estadística, el control, la
actuaria entre otras.
Principios:
 Toda actividad debe ser considerado un proceso.
 Todo proceso se encuentra interconectado con otro.
 Controlar la variación en los procesos con lleva a mejores resultados.

5. Señale cómo se puede utilizar el pensamiento estadístico en los niveles estratégico,

directivo y operacional de una organización.

R= En el nivel estratégico (¿A dónde se dirige la organización?):

• Crea estrategias y las comunica.
• Usa datos de varias fuentes para dirigir.
• Desarrolla e implementa sistemas de medición para dirigir el progreso.
• Estimula a los empleados a experimentar nuevas formas de hacer su trabajo.

En el nivel directivo (Procesos administrativos para guiar la organización):

• Desarrolla proyectos estructurados.
• Fija metas (sabe que hay variación).
• • Se centra en los procesos, y no reclama a los empleados por su variación.

En el nivel operacional (En donde se está haciendo el trabajo):

• Conoce la variación.
• Analiza datos de los procesos.
• • Identifica medidas claves y oportunidadesde mejora.

6. Proporcione dos ejemplos de variables cualitativas y dos de variables cuantitativas.

R= Las variables cualitativas o de atributos asumen valores que representan categorías o
atributos de las cosas y que no tienen de base una escala numérica; por ejemplo, tipo de
producto, si este funciona o no, etc. Mientras que las variables cuantitativas son aquellas cuyos
valores proceden de mediciones o conteos referidos a escalas numéricas. Por ejemplo, peso
de un lote, número de clientes atendidos, número de productos defectuosos.

7. Se dijo que de acuerdo con el tipo de especificaciones de una variable de salida

existen tres categorías de variables: cuanto más pequeña mejor, cuanto más grande
mejor, y el valor objetivo es mejor. Dé un par de ejemplos para cada una de ellas.
R=
• Cuanto más pequeño mejor. Son variables o características de calidad cuya única
exigencia es que no excedan un cierto valor máximo tolerado o una especificación
superior (ES), y cuanto más pequeño sea su valor, mejor. Por ejemplo, el porcentaje de
impurezas en una sustancia o la cantidad de sustancias tóxicas en un producto
alimenticio.
• Cuanto más grande mejor. Son variables o características de calidad a las que se les
exige que sean mayores que un valor mínimo o que una cierta especificación inferior
(EI), y cuanto más grande sea el valor de la variable, será mejor. Por ejemplo, la
 resistencia de una pieza de plástico inyectado o la “blancura” de una tela de color
blanco.
• El valor nominal es el mejor. Variables que deben tener un valor específico y que, por lo
tanto, no deben ser menores que una especificación inferior (EI), pero tampoco mayores
que una superior (ES). Por ejemplo, el diámetro interior de una tuerca o la longitud de
una pieza para ensamble; no pueden ser ni muy chicas ni muy grandes.

8. ¿De qué manera afectan los datos raros a la media?

R= Una pequeña cantidad de mediciones muy extremas o atípicas son fácilmente identificadas
mediante un histograma, debido a que aparece una o más barras pequeñas bastante
separadas o aisladas del resto. Un dato raro refleja una situación especial que se debe
investigar, y entre las posibles causas están las siguientes:
• El dato es incorrecto, ya sea por error de medición, de registro o de “dedo”, cuando se
introdujo a la computadora.
• La medición se hizo sobre un artículo o individuo que no pertenece al proceso o
población a la que pertenece el resto.
• Si quedan descartadas las dos situaciones anteriores, entonces la medición se debe a
un evento raro o especial. Es decir, cuando se hizo esa medición estaba ocurriendo en
el proceso una situación especial fuera de lo común (en el capítulo 14 se trata con
mayor detalle las situaciones especiales).

9. Explique los errores en la interpretación de la media que se señalan en la sección

Errores en la toma de decisiones con el uso de la media.
R= Se cree que los valores de todos los datos son iguales o están muy cerca de la media. Con
lo que el error es dar por hecho que todos los valores analizados están cerca de la media lo
cual no necesariamente es así.
La media como el dato más frecuente. Se confunde a este dato como un número que se repite
como si fuera una moda siendo que no es así.
La media es el valor que está en medio.
La media muestral igual a la media poblacional. Es una variable aleatoria.

10. Explique la relación entre la media y la desviación estándar que establece la regla
empírica y el teorema de Chebyshev.

R= De acuerdo con la desigualdad de Chebyshev se cuenta con una serie de ecuaciones en

donde se con estos dos datos se pueden obtener porcentajes de los datos de la muestra yendo
del 68%, 95% y hasta el 99.7%

11. Se desea investigar el peso promedio de 1 000 artículos de un lote, por lo que se
eligen aleatoriamente 40 de ellos, se pesan y se obtiene que ẋ=252 gramos con S=5.

a) ¿Quiere decir que el peso medio de los 1 000 artículos es de 252?

R= En este caso 252 es el peso promedio de los 40 elementos o de la muestra seleccionada.
b) ¿La mayoría de los artículos pesa 252 gramos?
R: Quiere decir que de la muestra 252 es el valor medio entre los pesos de la muestra.
c) ¿De los 40 artículos en la muestra es probable que alguno pueda pesar 300 gramos?
Aplique la regla empírica para contestar.
R= Si, ya que de acuerdo con la regla la media siendo el valor promedio de todos los datos
tomados en cuenta y dentro de estos datos podría estar este valor.

12. En una empresa se llevan los registros del número de fallas de equipos por mes; la
media es de 10 y la mediana de 5:
a) Si usted tiene que reportar la tendencia central de fallas, ¿qué número reportaría?
R= 10
b) ¿La discrepancia entre la media y la mediana se debió a que en varios meses
ocurrieron pocas fallas?
No necesariamente, debido a que la mediana es el valor intermedio de todos los valores
revisados y ordenados de mayor a menor y la media es el promedio de los datos revisados.
Aun que si en algunos meses hubo pocas fallas.

13. Un aspecto clave de la calidad de cierto producto es su peso: la norma establece que
su peso mínimo sea de 2 kg. El ingeniero de producción informa que se está
cumpliendo con tal norma, ya que el peso promedio del producto es de 2.2 kg. ¿Está
usted de acuerdo con el ingeniero?
R= Con la información proporcionada respecto al peso promedio no es acertado decir que se
está cumpliendo con la norma, debido a que existe la posibilidad de que los pesos de los
productos sean menores al límite inferior permitido o excedan los parámetros de variabilidad
permitida.

14. Tres máquinas, A, B y C, realizan cortes de manera automática de ciertas tiras de

hule. La longitud ideal de las tiras es de 90 cm, con una tolerancia de +/-2 cm. Se
toma una muestra de 80 piezas de la producción de una semana de cada máquina.
a) La longitud promedio de las 80 tiras de cada máquina son: A, x=90; B, x=90.5; C, x=92.
¿Con base en esto puede decidir cuál máquina es mejor?
R= La información sería inexacta dado que el promedio puede considerar valores límite mayor
y menos, los cuales puedan exceder la variabilidad permitida.

b) Si además la desviación estándar obtenida es: A, S=1.5; B, S=1.0; C, S=0.5, decida

cuál máquina estuvo funcionando mejor. Aplique la regla empírica.
R= Se aplica regla empírica, la fórmula .
Respecto a los resultados de las máquinas A, B y C, la de mejor funcionamiento en corte de
tiras de hule es la máquina C, debido a que la A y B estuvieron mayor desviación conforme la
tolerancia de +/-2 cm.
15. En el ejemplo 8.2 se detectó que se tienen problemas con el grosor de las láminas
porque no se cumple con las especificaciones: 5 mm+/-0.8 mm. Con el objetivo de
corregir tal situación, un equipo genera un proyecto de mejora. Para verificar si las
acciones ejecutadas dieron resultado, se toman aleatoriamente 45 láminas de la
producción de una semana posterior a las modificaciones. Los espesores obtenidos
se muestran a continuación.

5.2 5.4 5.4 4.7 5.1 4.7 5.0 5.1

5.0 4.9 4.3 4.7 5.3 4.6 4.8 4.4
4.7 4.9 5.6 4.7 4.7 4.5 5.1 4.7
4.7 5.1 5.3 5.0 5.3 4.5 4.4 4.7
5.6 5.2 4.7 4.6 5.0 5.4 4.7 4.8
5.2 5.1 4.9 5.0 5.0

a) Calcule la media, mediana y desviación estándar y, comparándolas con las

respectivas estadísticas antes de la mejora, decida si el plan dio resultado.
R= Media: 4.93; Mediana: 4.90; S: 0.32.
Los espesores de las láminas obtenidas aleatoriamente se encuentran dentro de la variación
permitida de 5 mm +/-0.8 mm.

b) Construya un histograma e inserte en él las especificaciones y, comparándolo con el

histograma antes de la mejora, investigue si el plan fue exitoso. Argumente su
respuesta.
R= Con el análisis del histograma, se concluye que el proyecto de mejora funcionó, debido a
que todas las muestras se encuentran dentro de tolerancia.

Frecuencia
Clase Intervalos Frecuencias
relativa

4.30 - 4.49 6.7%

1 3
4.50 - 4.69 8.9%
2 4
 1
4.70 - 4.88 28.9%
3 3
4.89 - 5.08 20.0%
4 9
5.09 - 5.27 17.8%
5 8
5.28 - 5.46 13.3%
6 6
5.47 - 5.66 4.4%
7 2

16. Una característica clave en la calidad de las pinturas es su densidad, y un

componente que influye en tal densidad es la cantidad de arena que se utiliza en la
elaboración de pinturas. La cantidad de arena en la formulación de un lote se
controla con base en el número de costales, que según el proveedor deben contener
20 kg. Sin embargo, continuamente se tienen problemas en la densidad de la pintura,
que es necesario corregir con trabajo y procesos adicionales. En este contexto, en la
empresa se preguntan: ¿cuánta arena contienen en realidad los costales? Para
averiguarlo deciden tomar una muestra aleatoria de 30 costales de cada lote o pedido
(500 costales). Los pesos obtenidos en las muestras de los últimos tres lotes se
presentan en la tabla 8.3.

Tabla 8.3 Datos para el ejercicio 16

Lote Peso de los costales de la muestra (kg)

18.6 19.2 19.5 19.2 18.9 19.4 19 20 19.3 20
1 18.8 19.3 19.1 18.6 19.4 18.7 21 19.8 19 18.6
19.6 19 19.1 19.1 19.6 19.4 19.8 19.1 20 20.4
18.6 19.9 18.8 18.4 19 20.1 19.7 19.3 20.7 19.6
2 18.9 18.4 19.5 19.1 18.5 19.6 19.4 19.6 20.3 18.8
19.2 20.6 19 19.7 20 18.4 18.9 19.7 17.8 19.4
20.1 20.2 21 19.7 20.1 20 19.1 20.4 19.6 20.6
3 19.9 20.3 20 19.7 20.8 19.7 19.7 20.4 19.8 20.5
20 20 20.4 20.2 20.2 19.7 20 19.6 19.7 19.8

a) Las tolerancias que se establecen para el peso de los costales de arena son 20 +/-0.5.
Calcule los estadísticos básicos para las muestras y decida si la calidad es satisfactoria.
R= De los tres lotes, el lote tres cumple con calidad satisfactoria, debido a que ambos cálculos
estadísticos se encuentra dentro y/o cercanos al rango de tolerancia. Contrario de los lotes uno
y dos, ambos cálculos se encuentran fuera de tolerancia.
 Valores
Desviación
Lote Peso de los costales de la muestra (kg) Media Mediana mínimos y Rangos
estándar
máximos
18.6 19.2 19.5 19.2 18.9 19.4 19 20 19.3 20 18.60
1 18.8 19.3 19.1 18.6 19.4 18.7 21 19.8 19 18.6 19.35 19.25 0.56 21.00 2.40
19.6 19 19.1 19.1 19.6 19.4 19.8 19.1 20 20.4
18.6 19.9 18.8 18.4 19 20.1 19.7 19.3 20.7 19.6 17.80
2 18.9 18.4 19.5 19.1 18.5 19.6 19.4 19.6 20.3 18.8 19.30 19.35 0.69 20.70 2.90
19.2 20.6 19 19.7 20 18.4 18.9 19.7 17.8 19.4
20.1 20.2 21 19.7 20.1 20 19.1 20.4 19.6 20.6 19.10
3 19.9 20.3 20 19.7 20.8 19.7 19.7 20.4 19.8 20.5 20.04 20.00 0.40 21.00 1.90
20 20 20.4 20.2 20.2 19.7 20 19.6 19.7 19.8

b) Calcule los estadísticos básicos para los 90 datos y dé una opinión global sobre el
peso de los costales.
R= Conforme al análisis de los 90 datos, se encuentra dentro de la tolerancia, sin embargo
cargados más al límite inferior, por lo que es más probable que el lote cuente con mayor
rechazo por calidad.
Valores
Desviación
Peso de los costales de la muestra (kg) Media Mediana mínimos y Rangos
estándar
máximos
18.6 19.2 19.5 19.2 18.9 19.4 19 20 19.3 20 19.56 19.60 0.65 17.80 3.20
18.8 19.3 19.1 18.6 19.4 18.7 21 19.8 19 18.6 21.00
19.6 19 19.1 19.1 19.6 19.4 19.8 19.1 20 20.4
18.6 19.9 18.8 18.4 19 20.1 19.7 19.3 20.7 19.6
18.9 18.4 19.5 19.1 18.5 19.6 19.4 19.6 20.3 18.8
19.2 20.6 19 19.7 20 18.4 18.9 19.7 17.8 19.4
20.1 20.2 21 19.7 20.1 20 19.1 20.4 19.6 20.6
19.9 20.3 20 19.7 20.8 19.7 19.7 20.4 19.8 20.5
20 20 20.4 20.2 20.2 19.7 20 19.6 19.7 19.8

c) Obtenga un histograma para los 90 datos, inserte las especificaciones y obtenga una
conclusión general sobre el peso de los bultos.
R= Conforme a la información obtenida del histograma, la mayor concentración de lotes de
sacos está localizada en el límite inferior, relación clase 6 con una frecuencia de 18 sacos. Las
clases con mejores resultados o un adecuado nivel satisfactorio de calidad son la 7 y 8, las
cuales todos los sacos cuentan con pesos dentro de tolerancia.
Frecuencia
Clase Intervalo Costales de arena Frecuencia
relativa
1 17.8 – 18.12 │ 1 1.1
2 18.12 – 18.44 │││ 3 3.3
3 18.44 – 18.76 ││││││ 6 6.7
4 18.76 – 19.08 │││││││││││ 11 12.2
5 19.08 – 19.40 │││││││││││││││││ 17 18.9
6 19.40 – 19.72 ││││││││││││││││││ 18 20
7 19.72 – 20.04 │││││││││││││││ 15 16.7
8 20.04 – 20.36 ││││││││ 8 8.9
9 20.36 – 20.68 │││││││ 7 7.8
10 20.68 – 21.00 ││││ 4 4.4
90 100
d) Con base en lo anterior, ¿cuál debe ser la posición de la fábrica de pinturas ante el
proveedor de arena?
R= Conforme al análisis del histograma, la fábrica de pinturas debe de solicitar al proveedor de
arena realice los cambios necesarios para cumplir con los pesos dentro de tolerancia, o
evaluar, según la incidencia, si en realidad debe continuar con éste proveedor, dado que la
gran mayoría de sacos de la muestra tomada cuenta con desviación a lo estipulado como
rangos de variabilidad, los cuales se deben cumplir para realizar sus procesos de elaboración
de pinturas.

17. En una fábrica de envases de vidrio se han tenido problemas con la capacidad de las
botellas de 750 ml. Con base en el historial del proceso se sabe que la capacidad
media de tal tipo de botellas es de 749 ml, con una desviación estándar de 12.
a) Si las especificaciones para la capacidad de las botellas son de 750 +/-10, dé un
diagnóstico, calculando los límites reales, sobre el tipo de problemas que se tiene en
cuanto al volumen.
R= Para obtener los límites naturales o reales tanto inferior y superior se definen como sigue:
Límite Real inferior (LRI)= la medida – 3(Desviación estándar)
LRI = 750 – 3(12)
LRI= 714 ml
Límite real Superior (LRS)= la medida + 3(Desviación estándar)
LRS=750 + 3(12)
LRS= 786 ml

18. De acuerdo con el ejercicio anterior, con el propósito de mejorar la calidad de las
botellas en cuanto al volumen, se tienen dos propuestas a nivel experimental. Los
datos para cada propuesta se presentan en la tabla 8.4.
a) Calcule los estadísticos básicos para cada propuesta y comente.
Propuesta Media (ml) Mediana (ml) Moda (ml)
A 750.1 751 751
B 745.8 745.5 749

Propuesta A.
• Para obtener la media, se suman todos los volúmenes (ml) de cada propuesta y se
divide entre el número de medidas sumadas.
• Para obtener la mediana, es ordenar los valores de la propuesta A y tomar el valor
central.
• Para obtener el valor de la moda, este es el valor que más se repite.

Media A: 750.1 ml (valor promedio)

Mediana A: 751 ml (valor central)
Moda A: 751 ml (el que más se repite)

Propuesta B:
• Para obtener la media, se suman todos los volúmenes (ml) de cada propuesta y
se divide entre el número de medidas sumadas.
• Para obtener la mediana, es ordenar los valores de la propuesta B y tomar el
valor central.
• Para obtener el valor de la moda, este es el valor que más se repite.
 Media B: 745.8 ml (valor promedio)
Mediana B: 745.5 ml (valor central
Moda B: 749 ml (el que más se repite)

b) Calcule una aproximación de los límites reales para cada propuesta y compárelos con
los del ejercicio anterior. ¿Se logran mejoras?
R: Las mejoras que se muestran amplían tanto bajo como alto la cantidad de mililitros. Ya que
los rangos son mayores con respecto al punto A
Propuesta Media (ml) Mediana (ml) Moda (ml)
Límite Real LRI LRS LRI LRS LRI LRS
A 714.1 786.1 715 787 715 787
B 709.8 781.8 709.5 781.5 713 785

Propuesta A LRI LRS Propuesta B LRI LRS

733 697 769 738 702 774
738 702 774 741 705 777
740 704 776 742 706 778
740 704 776 742 706 778
742 706 778 743 707 779
743 707 779 743 707 779
744 708 780 743 707 779
744 708 780 744 708 780
746 710 782 744 708 780
747 711 783 744 708 780
748 712 784 744 708 780
750 714 786 745 709 781
750 714 786 745 709 781
751 715 787 745 709 781
751 715 787 745 709 781
751 715 787 746 710 782
751 715 787 746 710 782
751 715 787 747 711 783
752 716 788 747 711 783
752 716 788 748 712 784
753 717 789 748 712 784
753 717 789 748 712 784
753 717 789 748 712 784
754 718 790 749 713 785
757 721 793 749 713 785
758 722 794 749 713 785
759 723 795 749 713 785
761 725 797 750 714 786
765 729 801 751 715 787
766 730 802 751 715 787
c) Con base en un histograma en el que inserte especificaciones, describa cada una de
las propuestas y elija la que considere mejor.

Propuesta A:
Rango= dato máximo – dato mínimo.
Rango=766-733= 33
Numero clases= raíz cuadrada del número de datos.
Numero clases= raíz cuadrada de (30) = 5.4, redondeo 6
Longitud de clase = R/NC
Longitud de clase = 33/6 = 5.5
**Para obtener las frecuencias nos basamos en las tabas para ver los valores que caen en los
intervalos planteados (tabla de valores, las frecuencias es las veces en que los valores encajan
en los rangos.)
Clase Intervalo Conteo Frecuencia Frecuencia
relativa
1 733 a 738.5 // 2 6.7%
2 738.6 a 744 /// /// 6 20%
3 744.1 a 749.5 /// 3 10%
4 749.6 a 755 //// ///// // 13 43.3%
// /
5 755.1 a 760.5 /// 3 10%
6 760.6 a 766 /// 3 10%

1 2 3 4 5Frecuencia
6 7 8 9 10 11 12 13
 730 740 750 760 770 780
ml

Propuesta B:
Rango= dato máximo – dato mínimo.
Rango=751-738= 13
Número clases= raíz cuadrada del número de datos.
Número clases= raíz cuadrada de (30) = 5.4, redondeo 6
Longitud de clase = R/NC
Longitud de clase = 13/6 = 2.16

Tabla de frecuencias:
Clase Intervalo Conteo Frecuencia Frecuencia relativa
1 738 a 740.16 / 1 3.3 %
2 740.17 a 742.32 /// 3 10%
3 742.33 a 744.48 /// /// / 7 23.3%
4 744.49 a 746.64 /// /// 6 20%
5 746.65 a 748.8 /// /// 6 20%
6 748.9 a 750.96 /// /// / 7 23.3%

1 2 3 4 5Frecuencia
6 7 8 9 10 11 12 13

730 740 750 760

ml

19. En una empresa se están rediseñando los tiempos de salida y llegada de sus
autobuses. En particular se tiene el problema de establecer el tiempo de recorrido
entre dos ciudades. A continuación se describe una muestra de estos tiempos:
 3.49 3.59 3.69 3.42 3.31 3.6 3.58 3.52
3.04 3.69 3.48 3.66 3.57 3.51 3.61 4.0
3.4 3.53 3.61 3.61 3.24 3.63 3.61 3.51
3.5 3.57 3.53 3.67 3.51 3.24 3.70 3.70
3.50 4.40 3.58 3.20 3.15 3.60 3.50 3.60
3.08 3.28 3.60 3.35 3.32 3.20

a) Realice un histograma para estos datos e interprételo.

R= Rango= dato máximo – dato mínimo.
Rango=4.4-3.04= 1.36
Número clases= raíz cuadrada del número de datos.
Número clases= raíz cuadrada de (46) = 6.78
Longitud de clase = R/NC
Longitud de clase = 1.36/7 = 0.194

Propuesta Media Mediana Moda

3.04 3.51 3.53 3.61
3.08
3.15
3.2
3.2
3.24
3.24
3.28
3.31
3.32
3.35
3.4
3.42
3.48
3.49
3.5
3.5
3.5
3.51
3.51
3.51
3.52
3.53
3.53
3.57
3.57
3.58
3.58
3.59
Propuesta Media Mediana Moda
3.6
3.6
3.6
3.6
3.61
3.61
3.61
3.61
3.63
3.66
3.67
3.69
3.69
3.7
3.7
4
4.4

Tabla de frecuencias:
Clase Intervalo Conteo Frecuencia Frecuencia relativa
1 3.04 a 3.234 ///// 5 12.5%
2 3.235 a 3.428 //// //// 8 20
3 3.429 a 3.622 //////// //////// //////// 24 60
4 3.623 a 3.816 /// 3 7.5
5 3.817 a 4.01 ///// 5 12.5%
6 4.02 a 4.204 / 1 2.5%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 +20

Frecuencia
 3 4 5 6
Tiempos de recorridos

20. Dos máquinas, cada una operada por una persona, se utilizan para cortar tiras de
hule, cuya longitud ideales de 200 mm, con una tolerancia de +/-3 mm. Al final del
turno, un inspector toma una muestra y observa que la longitud cumpla las
especificaciones. A continuación se muestran las últimas 110 mediciones para
ambas máquinas.

199.2 199.7 201.8 202.0 201.0 201.5 200.0

199.8 200.7 201.4 200.4 201.7 201.4 201.4
200.8 202.1 200.7 200.9 201.0 201.5 201.2
201.3 200.9 200.7 200.5 201.2 201.7 201.2
201.2 200.5 200.1 201.4 200.2 201.0 201.4
201.4 201.1 201.2 201.0 200.6 202.0 201.0
201.5 201.6 200.6 200.1 201.3 200.6 200.7
201.8 200.5 200.5 200.8 200.3 200.7 199.5
198.6 200.3 198.5 198.2 199.6 198.2 198.4
199.0 199.7 199.7 199.0 198.4 199.1 198.8
198.3 198.9 199.6 199.0 198.7 200.5 198.4
199.2 198.8 198.5 198.9 198.8 198.7 199.2
199.3 199.7 197.8 199.9 199.0 199.0 198.7
199.1 200.3 200.5 198.1 198.3 199.6 199.0
199.7 198.9 199.2 197.9 200.3 199.6 199.4
198.7 198.5 198.7 198.6 198.5

a) ¿Es adecuada la tendencia central de las mediciones?

Propuesta Media Mediana Moda
199.94563
197.8 1 200.1 201.4
197.9
198.1
198.2
198.2
198.3
198.3
198.4
198.4
Propuesta Media Mediana Moda
198.4
198.5
198.5
198.5
198.5
198.6
198.6
198.7
198.7
198.7
198.7
198.7
198.8
198.8
198.8
198.9
198.9
198.9
199
199
199
199
199
199
199.1
199.1
199.2
199.2
199.2
199.3
199.4
199.5
199.6
199.6
199.6
199.6
199.7
199.7
199.7
199.7
199.8
199.9
Propuesta Media Mediana Moda
200.1
200.1
200.2
200.3
200.3
200.3
200.3
200.4
200.5
200.5
200.5
200.5
200.5
200.5
200.6
200.6
200.6
200.7
200.7
200.7
200.7
200.7
200.8
200.8
200.9
200.9
201
201
201
201
201.1
201.2
201.2
201.2
201.2
201.2
201.3
201.3
201.4
201.4
201.4
201.4
Propuesta Media Mediana Moda
201.4
201.4
201.5
201.5
201.6
201.7
201.7
201.8
202
202.1

Rango= dato máximo – dato mínimo.

Rango=202.1-197.8= 4.3
Número clases= raíz cuadrada del número de datos.
Número clases= raíz cuadrada de (103) = 10.14
Longitud de clase = R/NC
Longitud de clase = 4.3/10 = 0.43
Las medidas de la media, Mediana y Moda son adecuadas porque están entre los
rangos de tolerancia de +/-3 mm respecto a la medida base.

b) Calcule la desviación estándar y una aproximación de los límites reales, y con base
en ello decida si la variabilidad de los datos es aceptable.
R= Desviación Estándar= 1.4
Límite Real inferior (LRI)= la medida – 3(Desviación estándar)
LRI = 200 – 3(1.4)
LRI= 195.8 mm
Límite real Superior (LRS)= la medida + 3(Desviación estándar)
LRS=200 + 3(1.4)
LRS= 204.2 mm
La variabilidad de los datos no es aceptable ya que el límite inferior como el superior
rebasa los límites fijados de fabricación.

c) Obtenga un histograma e interprételo (tendencia central, variabilidad, acantilados,

sesgos, etcétera).
R=
Clase Intervalo Conteo Frecuencia
1 197.8 a 198.23 ///// 5
2 198.24 a 198.66 ///// ///// / 11
3 198.67 a 199.09 ///// ///// ///// // 17
4 199.10 a 199.52 ///// /// 8
5 199.53 a 199.95 ///// ///// 10
6 199.96 a 200.38 ///// // 7
7 200.39 a 200.81 ///// ///// ///// // 17
8 200.82 a 201.24 ///// ///// // 12
9 201.25 a 201.67 ///// ///// / 11
10 201.68 a 202.1 ///// 5
 1 2 3 4 5Frecuencia
6 7 8 9 10 11 12 +13

195 200 205 210

mm

d) ¿El proceso de cortado de tiras es capaz de cumplir especificaciones?

R= Podemos decir en términos generales que los parámetros registrados no están adecuados,
ya que la variabilidad en las muestras recae por debajo de los límites establecidos, esto aunque
la media describa un buen comportamiento.

21. En el caso del ejercicio anterior, considerando que los primeros 55 datos
corresponden a una máquina, y los últimos 55 a otra, conteste lo siguiente:

a) Haga un análisis por separado para cada máquina (tendencia central, variabilidad,
histograma).

Variable: Media Mediana Moda

200.70,
Maquina A (1) 200.08 200.02 201.20 201.40
Maquina B (2) 199.91 201.1 199

R: La máquina #2 es más exacta que la máquina 1.

Ordenados:
b) ¿Cuál es el problema de cada máquina?

Variable Desv. Est Variac Q1 Q3 Sesgo k

Máquina 1 1.16 1.36 19 201.2 0.09 -1.43

Máquina 2 1.15 1.32 198.8 20.9 -0.17 -1.2

R= La máquina 1 tiene menor precisión, la mayoría de sus valores son inferiores a la media
ideal de 200mm, La máquina 2 es más precisa, pero la mayoría de sus valores son superiores
e inferiores.

c) Vuelva a analizar el histograma realizado en el ejercicio 20 inciso c) y vea si de alguna

forma se vislumbraba lo que detectó con los análisis hechos en este ejercicio.

R= Si se alcanza a apreciar la diferencia entre ambas gráficas, según las especificaciones de

las dos máquinas, cumplen con las tolerancias permitidas, Solamente la máquina #2 es más
exacta a la media ideal de 200mm, porque su desviación estándar es menor a la de la
máquina. Sin embargo, las diferencias pueden ser debidas a que el operador no este revisando
constante mente la máquina, o bien que no cuenta con la capacitación adecuada.
22. En un área de servicios dentro de una empresa de manufactura se hace una encuesta
para evaluar la calidad del servicio proporcionado y el nivel de satisfacción de los
clientes internos. La encuesta consiste en 10 preguntas y cada una de ellas evalúa
diferentes aspectos del servicio proporcionado. Las respuestas para cada pregunta
es un número entre 0 y 10. Para hacer un primer análisis de los resultados obtenidos
se suman los puntos obtenidos de las 10 preguntas para cada cuestionario.

A continuación se muestran los puntos obtenidos en 50 cuestionarios.

78 78 82 85 81 86 80 73 84

78 68 84 75 78 76 76 82 85

91 80 70 87 77 82 84 48 49

39 39 43 35 42 34 44 49 34

30 43 31 34 41 42 45 42 35

38 39 42 43 29

Ordenados:

29 39 44 76 82
30 39 45 77 82
31 41 48 78 84
34 42 49 78 84
34 42 49 78 84
34 42 68 78 85
35 42 70 80 85
35 43 73 80 86
38 43 75 81 87
39 43 76 82 91
Media:
(promedio) 59.8

Moda: 78

a) Analice los datos anteriores y dé una primera opinión sobre la calidad en el servicio.
R: La media de los puntos obtenidos del cuestionario son 59.8.

b) Realice el histograma e interprételo con cuidado.

c) ¿Qué es lo más destacado que observa en el histograma?

R= Que el puntaje que con mayor frecuencia se repite es 78 puntos. Conforme a los 50
resultados, no es visible que las encuestas están divididos en dos grupos, en un grupo donde
se observa la nota más baja esta entre 29.92 a 41 y el segundo grupo está entre 62.81 a la
nota más alta que es 92.8 Lo que más resalta del histograma es que los resultados que mayor
se repite esta con un puntaje inferior del 50 %. Son muy poco lo que llegaron a la nota más
alta.

d) ¿Tendría alguna utilidad hacer un análisis por separado de cada una de las
preguntas?

Explique sus respuestas.

R= No necesariamente, debido a que ambos grupos están enfocados hacia la misma

respuesta, Si se realiza un análisis por cada grupo, se redundaría sobre la misma respuesta.

23. Un aspecto importante en la fabricación de estatores es el diámetro exterior del

embobinado. En seguida se muestran los datos obtenidos en la inspección de esta
variable. Considerando que el diámetro exterior debe ser menor que 119.0, haga un
análisis detallado de los datos para evaluar la variabilidad y tendencia central del
proceso:

118.36 118.28 118.23 117.85 118.18 118.34

118.5 118.36 118.03 117.9 118 118.35
118.01 118.44 117.92 118.32 118.32 118.11
117.85 117.75 118 118 118.28 117.8
117.69 118.32 118.38 118.45 117.82 117.92
118.25 118.4 117.98 118.22 118.09 117.82
118.08 118.44 118.43 118.17 118.15 118.36
 118.04 118.5 117.75 117.91 117.9 117.83
118.22 118.26 118.27 118.34 118.25 118.02
118.17 118.46 118 118 117.87 118.11

Descripción Estadístico Desv. Error

Media 118,134 ,0288

Límite
95% de intervalo de 118,076
inferior
confianza para la
media Límite
118,192
superior
Media recortada al 5% 118,137
Fabricación de Mediana 118,160
estatores Varianza ,050
Desv. Desviación ,2234
Mínimo 117,7
Máximo 118,5
Rango ,8
Rango intercuartil ,4
Asimetría -,146 ,309
Curtosis -1,151 ,608

R= A continuación se presenta la tendencia central del Proceso:

 Media: se obtiene un valor de 118,13 mm de Dext. de promedio.

 Mediana: se obtiene un valor de 118,16 mm de Dext. Representando el valor medio de
todos los datos inspeccionados.
 La moda es: 118 y se obtiene de un valor de 118 mm de Dext. Representando el valor
con mayor frecuencia.

La variabilidad del proceso es:

 Desviación estándar: se obtiene un valor de 0.22 mm de Dext. Por cual existe una
variabilidad de 0,22 mm respecto a su media.
 Desarrollo

Capítulo 10: DIAGRAMA DE PARETO Y ESTRATIFICACIÓN

1. Sobre la estratificación, conteste:

a) ¿Cuál es el propósito de esta herramienta básica?
b) ¿Cómo ayuda a encontrar las causas de un problema?
¿Cuál es el propósito de la estratificación?
R= Analizar problemas, fallas, quejas o datos clasificándolos o agrupándolos de acuerdo con
los factores que, se cree, pueden influir en la magnitud de estos con el propósito de localizar
buenas pistas para mejorar un proceso.

¿Como ayuda a encontrar las causas de un problema?

R= La estratificación de los datos nos permitirá comparar las características poblacionales de

los diferentes estratos que, de no ser iguales, son una fuente de heterogeneidad y, por tanto,
de no calidad. En consecuencia, estas heterogeneidades deben ser detectadas, corregidas y
eliminadas. La situación que en concreto va a ser analizada determina los estratos a emplear.

2.-En una empresa se tiene el problema de robo de materiales, componentes y equipos,

por parte de los empleados. ¿Cómo aplicaría la estratificación para diseñar una mejor la
estrategia para atender el problema de tales robos?
R= Como primer paso hacer la lluvia de ideas, ya que si se trata de una empresa que tiene tres
horarios, el problema podría venir de los empleados que están en el turno noche ya que no hay
tanto control de seguridad como en horas del día. Lo que se podría hacer en este caso es
realizar un control más estricto de vigilancia en lo que refiere al área de almacenamiento de la
materia prima, y por parte de los equipos y o maquinarias pues controlar esto con un servicio
de vigilancia de confianza y más estricto, estas serían las estrategias que se propondrían para
tratar de radicar este problema.

3.-Uno de los principales problemas del área de finanzas de una empresa es la

morosidad y retraso de pagos de las ventas bajo alguna modalidad de crédito a los
clientes. ¿Cómo ayudaría la estratificación a analizar el problema con mayor detalle y
decidir con base en datos?

R= Se utilizaría de manera discreta con algunos clientes de nuevo ingreso obligando a realizar
pagos en efectivo y solo aceptando cheques aquellos clientes de alta credibilidad teniendo para
ellos un plazo acorde a sus pagos evitando dejar sin fondos y pagos por mora dando un lapso
determinado de días después de su vencimiento
4.-En un área de servicios dentro de una empresa de manufactura se hace una encuesta
para evaluar la calidad del servicio y el nivel de satisfacción de los clientes. La encuesta
consiste en 10 preguntas que evalúan los diferentes aspectos del servicio
proporcionado. Las respuestas para cada pregunta es un número entre 0 y 10. Para
hacer un primer análisis de los resultados obtenidos se suman los puntos obtenidos de
las 10 preguntas para cada cuestionario. A continuación se muestran los puntos
obtenidos en 50 cuestionarios.

78 78 82 85 81 86 80 73
84 78 68 84 75 78 76 76
82 85 91 80 70 87 77 82
84 48 49 39 39 43 35 42
34 44 49 34 30 43 31 34
41 42 45 42 35 38 39 42 43 29
R=
a) Considerando que los primeros 25 cuestionarios provienen de un departamento y los
restantes 25 de otro, realice un análisis estratificado por departamento en el que se
calculen los estadísticos básicos: media, mediana, desviación estándar, etcétera.

Media 59.80
N° Moda 4
Mediana 58.50
Rango 62
Modo 42.78
Desv. 21.13
Estándar
Varianza 446.29
Coeficiente 35.33
Mínimo 29
Máximo 91

b) ¿Cuáles con sus observaciones más importantes acerca del análisis hecho antes?

Se nota que los 50 resultados de las encuestas están divididos en dos grupos, en un grupo
donde conlleva la nota más baja que es entre 26.92 a 51.02 y el segundo grupo está entre
62.81 a la nota más alta que es 92.8. Lo que más resalta del histograma es que los resultados
que mayor se repite esta con un puntaje inferior del 50%. Son muy poco lo que llegaron a la
nota más alta.
c) Al enfocarse en el departamento con mayores problemas, ¿sería de alguna utilidad
estratificar los datos por pregunta? Explique su respuesta.

En este caso sería recomendable de clasificar de nuevo los datos para analizar el
problema, las fallas, las quejas o datos para clasificarlos de acuerdo con los factores
que se cree que pueden influir en su magnitud, esto se hace con el fin de localizar la
mejor manera para resolver el problema.

5. En el departamento de policía de una ciudad se lleva un registro de las denuncias de

diferentes tipos de delitos. Proponga cómo haría un análisis estratificado de estos
registros para enfocar mejor las estrategias para la prevención de los delitos en las
diferentes zonas de la ciudad.
R=
6. Con el objetivo de dirigir mejor los esfuerzos de mantenimiento preventivo en una
empresa del área electrónica, se analiza el tiempo caído de los equipos
de impresión. Estos equipos se identifican por la línea de producción en la que están
instalados. En la tabla 10.7 se muestran los tiempos caídos (desperdiciados)
en minutos debido a las últimas 100 fallas de los equipos, durante un periodo de cuatro
meses.
R=

a) Haga un análisis de Pareto e identifique sobre qué equipo(s) se debe enfocar más la
acción de mantenimiento.

Análisis: En este diagrama de Pareto (Diagrama 1) podemos analizar que el 80% del problema
de las fallas en los equipos son causados por 5 líneas de producción (102-101-103-105-103.5)
donde la mayor cantidad de fallas se concentra en la línea (102) con mayor frecuencia de las
últimas 100 fallas de los equipos. Teniendo en cuenta esto las líneas antes mencionadas
necesitan incrementar el mantenimiento de los equipos electrónicos para poder aumentar el
rendimiento de la empresa y de la calidad del producto.
b) Haga un análisis descriptivo de los cien datos de tiempo caído (media,
mediana,desviación estándar, histograma) y comente los hechos más relevantes.

R=

Media( x)=26.19

Mediana( ^ x)=19

Desviacion=27.83

Análisis: Podemos ver que en este histograma nos representa como la desviación tiene un
factor de decremento con la media por lo cual podemos decir que el mantenimiento de los
equipos necesita una revisión a fondo por los tiempos caídos.

c)De acuerdo con el análisis anterior, ¿hay datos que se pueden considerar atípicos?
Argumente. Realice un diagrama de caja y bigotes para la variable tiempo.

Análisis: Para responder la pregunta del punto c. Se hizo un análisis en el cual se realizó un
diagrama de caja y bigote (Diagrama 2), donde podemos observar sus estructuras las cuales
están formada por: Primer cuartil, segundo cuartil (mediana), tercer cuartil, valores atípicos, el
valor más bajo y alto del límite. Para conocer los datos atípicos que se encuentra en el
diagrama, tenemos que saber que los puntos con un valor en el campo numérico que sea
superior al límite superior, o inferior al límite inferior, son valores atípicos, en el diagrama hay 4
puntos que superan al límite superior de la estructura que se considera bigote en el diagrama,
esto es porque la desviación estándar es muy alta por la cual los datos están más dispersos a
la media y mediana.
d)El tiempo promedio es considerablemente mayor que la mediana. Explique a qué se
debe.

R= La media estadística o promedio es el centro de gravedad de la distribución de la variable.

La mediana, en cambio, es un valor de la variable que deja por debajo de sí a la mitad de los
datos, y por encima, la otra mitad. (una vez que estos están ordenados de menor amayor).

Por lo cual la media es considerablemente mayor a la mediana ya que basándose en los datos
de la variable tiempos caídos son valores muy extremos donde, por ejemplo, en este caso que
hay más números bajos de frecuencias de tiempos caídos, pero de un momento a otro por (4
de 11) líneas de producción, que tuvieron una frecuencia de tiempos caídos más altos se altera
la media, ya que la fórmula de la media Consiste en el sumatorio de todos los datos dividido por
el número de valores( x=∑ xn ), por el anterior ejemplo el promedio del tiempo es mayor que la
mediana porque los valores de los datos son extremos ya que puede tener valores que oscilan
entre (0 y 40) y por un valor demasiado alto que podría ser (181) alteraría el promedio de los
datos. En ese caso podemos concluir que la mediana se acerca más a la realidad. Ya que la
mayoría de los datos oscilan en números muy bajos.

e) Aplique la regla empírica e interprete los resultados de los tiempos caídos.

Como se muestra en el siguiente histograma, aplicamos la regla empírica en los datos de los
tiempos caídos de las máquinas, como podemos observar que hay tres tipos de intervalos en la
cual se divide entre el 68% (Las líneas verdes) el 95% (Las líneas azules) 99%(Las líneas
rojas). Por lo general se tomaría el tercer intervalo que sería el 99% ( μ±3∗s) (líneas rojas)
porque se conoce el 99% de los datos de la muestra de los tiempos caídos en 4 meses. La
Regla empírica se basa en la forma de agrupación de los datos de tiempos caídos alrededor de
su media siendo su ancho dependiendo de su desviación estándar, como podemos observar en
el histograma siguiente los datos de los tiempos caídos tienen una desviación estándar muy
grande por lo cual puede que algunos datos se encuentren por fuera del límite real.
7.- a) ¿Que es el diagrama de Pareto?

R= Es una técnica gráfica, que consiste en poner de manifiesto los problemas más importantes
sobre los que deben concentrarse los esfuerzos de mejora y determinar en qué orden
resolverlos.

b) ¿En qué consiste el principio de Pareto o “Ley 80-20”?

R= La “ley 80-20” o “pocos vitales, muchos triviales”, es el cual reconoce que sólo unos pocos
elementos (20%) generan la mayor parte del efecto (80%); el resto genera muy poco del efecto
total.

C) La escala izquierda en un DP siempre tiene que estar en frecuencia de defectos?

R= No siempre, se toma también para mostrar valores monetarios en algunos casos de forma
aislada se pueden tomar para introducir valores monetarios de forma muy específica. Si lo que
se quiere es tomar valores y cálculos se recomienda los usos de una tabla de valores de
cualquier otro programa de cálculo un ejemplo de aplicación seria las tablas de cálculos Excel.

d) En un análisis de Pareto, en primer lugar se debe hacer un Pareto para problemas y

después un Pareto de segundo nivel para causas. Explique en qué consiste cada uno
de éstos y proporcione un ejemplo para ilustrarlo.

Pareto de problemas o de primer nivel: Nos sirve para identificar el grado de los problemas o
fallas de un producto y saber que tan frecuente son esos problemas.

Pareto para causas o de segundo nivel: Nos sirve para orientarse exclusivamente hacia la
búsqueda más intensiva de las causas del problema de mayor impacto, se estarán localizando
pistas sobre la causa más importantes a los problemas.

8. En una fábrica de ropa se tiene el propósito de reducir el número de defectos en las

prendas de vestir, por lo que ese considera necesario identificar el defecto más
importante y atacar la causa fundamental del mismo. En la tabla 10.4 se muestran los
defectos encontrados en las prendas de vestir fabricadas en dos semanas.

a) Haga un Pareto de primer nivel para encontrar cuál de los defectos es el más
importante.
b) Para el defecto más importante aplique un análisis de Pareto por turno
c) ¿Cuáles son las pistas principales para reducir los defectos en las prendas de vestir)
 Turno C: Costura; D: corte; M:montaje; H: hilo , T;
tela
1 HTCMHTHOMHTHCHOTHOHMHCHOC
C C H M M O H H T OT
2 M H M O C M H H T O H M H T H H T M H MH C O MO
MHHOCTOCMOTMH
3 HHMHTHOHOHHHMHTCHOHCHHHO
M HHH M H OOH MH O C T H H O H H H O H

a)
Defectos N° Defectos % % 80-20
Defectos Acum Defectos Defectos
Acum
hilo 52 52 42,98% 42,98% 80%
corte 22 74 18,18% 61,16% 80%
montaje 20 94 16,53% 77,69% 80%
tela 14 108 11,57% 89,26% 80%
costura 13 121 10,74% 100,00% 80%
121 100%

Se podría decir que es el defecto más importante es el hilo y posteriormente el corte y montaje.

b)
# Defectos % % Defectos
Turno 80-20
Defectos Acum Defectos Acum
80,00
3 27 27 51,92% 51,92%
%
80,00
1 13 40 25,00% 76,92%
%
80,00
2 12 52 23,08% 100,00%
%
 52 100,00%

Se puede concluir que más defectos se presentan en los 2 primeros turnos.

d) Observar qué está sucediendo con la materia prima para las prendas de vestir como lo
son: los hilos, corte y montaje que es de donde hay la mayor cantidad de problemas.

9. Explique los errores en la interpretación de la media que se señalan en la sección

Errores en la toma de decisiones con el uso de la media.

R= 1. Se cree que los valores de todos los datos son iguales o están muy cerca de la media,
ignorando por completo que a la media no proporciona ninguna información sobre la
variabilidad. Por ejemplo, al decir que el contenido promedio de las latas que envasa una
máquina es de 375 ml, entonces es común que las personas piensen o entiendan que todas las
latas contienen 375 ml, o bien, que están muy cerca de ese valor, lo cual refleja un profundo
desconocimiento de lo que mide La media y de la función de las medidas de variabilidad. En
este caso, la variabilidad en el contenido de las latas tiene dos fuentes: las dimensiones de las
latas y la cantidad vertida en las mismas.

2. La media es el dato más frecuente, si se olvida que lo anterior sólo se da en datos

simétricos y unimodales, es decir, desconociendo el concepto de moda y con- fundiéndolo con
el de media.

3. La media es el valor que está en medio y que a la izquierda de él queda 50% de los datos, lo
mismo que a la derecha. De este modo se ignora el concepto y mediana y el hecho de que la
media al "jalan" los sesgos y los datos "raros" de un solo lado.

4. La media muestral es la media poblacional, si se desconoce que la media muestral es una

variable aleatoria. El lector habrá notado que en las secciones anteriores se hace énfasis en
que lo que se observa sobre el comportamiento de los datos es válido para la muestra, y en la
medida en que ésta sea representativa y grande también tendrá cierto grado de validez para la
población.

10. En una fábrica de válvulas se está buscando reducir la cantidad de piezas

defectuosas. Cada molde esta divididos en 3 zonas, cada una de la cuales incluye dos
piezas. Como punto de partida se recaban datos mediante la hoja de verificación de la
tabla 10.8, en la cual se especifica el tipo de problema el producto y la zona del molde.

A) ¿Realice un análisis de Pareto completo?

B) ¿Cuál es el problema más importante?

C) ¿Cuáles son las principales pistas para encontrar la causa del problema principal.?
producto Zona 1 Zona 2 Zona 3

A1 000 00000 0000000000

XXX XX XXXXXX
++ ++// /
A2 0000 00000 000000000
XX XXXXX XXXXX
+++/ / /
A3 00000 0000 00000000
X XXX XXXXX
+ ++ /
A4 0000 000000 000000000000
XX XXX XXXXX
++// / ++++
B) El problema mas importante es La cantidad de piezas defectuosa que se originan por
porosidad y llenado, siendo porosidad la mayor causa.

Las pistas para combatir la porosidad son en el tipo de producto A4 relacionado con la zona 3.

C) El problema predominante en las impresiones no sólo es porque están fuera de tono sino
además las manchas y porque están fuera de registro como vemos en el anterior gráfico.

11.En una empresa de artes gráficas se usa un sistema para el registro de las
reclamaciones de los clientes. El reporte de los reclamos de seis meses se muestra en
la siguiente tabla:

SE PIDE:

a) Haga un análisis de Pareto considerando solo el número de reclamos e interprete

b) Obtenga un diagrama de Pareto pero ahora considerando tanto el número de reclamos

como el costo relativo. Interprete

c) A qué tipo de reclamo se debe enfocar la acción de mejora? Argumente

a) Haga un análisis de Pareto considerando solo el número de reclamos e interprete

De acuerdo con el análisis realizado con base al número de reclamos, se puede determinarque
los motivos de reclamación más frecuentes son: errores en el texto con (15); entregaretrasada
(13), motas (13), otros (10); manchas en trabajo final (7) y defectos de color (6).Las cuales
representan un 76% del porcentaje acumulado de reclamos en un periodo de seismeses en la
empresa de artes gráficas. Por lo que es importante que se aplique un plan demejora en estas
variables

En este diagrama se puede observar que de las 12 variables que se toman en cuenta para el
análisis basado en el número de reclamos, 6 motivos de reclamos representan el 76% del
porcentaje acumulado. Siendo el defecto de errores en el texto el cual debería aplicar la acción
de mejora. Es necesario realizar otro análisis tomando en cuenta otros criterios para determinar
correctamente en cual tipo de reclamo debe enfocarse la acción de mejora.

b) Obtenga un diagrama de Pareto pero ahora considerando tanto el número de reclamos

como el costo relativo. Interprete
c) A qué tipo de reclamo se debe enfocar la acción de mejora? Argumente

Una vez que se han realizado los análisis de los defectos tomando en cuenta el número de
reclamos y en seguida tomando en cuenta el número de reclamos multiplicado por el costo
relativo, se puede concluir que el segundo análisis es más importante ya que en ese se
muestran los motivos de reclamación que mayores pérdidas causan a la empresa. Así que es
necesario que la empresa enfoque su acción de mejora en los defectos de color y en los
errores en el texto. Posteriormente en las motas, en el mal troquelado y los errores de corte.

12. – Mediante un análisis, se ha detectado que en una empresa se tienen seis tipos
básicos de quejas de los clientes, pero cada tipo causó diferente grado de insatisfacción
o molestia en el cliente. La escala que se ha utilizado para medir el grado de molestia es
el siguiente: máxima (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 las distintas
quejas en el último semestre. La tabla siguiente sintetiza los resultados de tal análisis:

Realice un análisis de Pareto para determinar sobre qué tipo se queja se deben dirigir los
esfuerzos para atender sus causas. Aplique las características 2 del diagrama de Pareto.

TIPO DE GRADO DE MOLESTIA FRECUENCIA DE OCURRENCIA

QUEJA

A 4 12%
B 8 5%
C 2 40%

D 6 25%
E 4 10%
F 8 8%
TIPO DE GRADO DE FRECUENCIA DE FREC. 80-20
QUEJA MOLESTIA OCURRENCIA ACUMULADAS
A 4 12,00% 12,00% 80,00%
B 8 5,00% 17,00% 80,00%
C 2 40,00% 57,00% 80,00%
D 6 25,00% 82,00% 80,00%
E 4 10,00% 92,00% 80,00%
F 8 8,00% 100,00% 80,00%
1
NOTA: Los tipos de quejas que se deben dirigir los esfuerzos para atender sus causas son el
tipo A, B y C; debido a la gráfica encontrada anteriormente.

13.- De a acuerdo con la información de una hoja de verificación en una línea de proceso
de envasado de tequila, se presentaron en el último mes los siguientes resultados en
cuanto a defectos y frecuencias.

Defecto de envasado Frecuencia

Botella 804

Tapa 715

Etiqueta 1823

Contra etiqueta 742

Botella sin vigusa 916

Otros 102

Total de botellas 424654

envasadas en el mes

14-: En una empresa procesadora de carnes frías se detectan, mediante inspección, los
problemas en las salchichas. En la tabla 10.9 se muestra los resultados de una semana.

Maquina turno Falta de Mancha Mancha

empacadora vacío verde amarilla
A l 4300 700 700
ll 6300 650 650
B l 3500 700 400
ll 6600 500 420
C l 8500 800 324
ll 9120 655 345
total 38320 4005 2839
 a) Considerando que la gravedad de los tres problemas es la misma, realice un
análisis de Pareto para problemas y detecte cuál es la más trascendente.

NOTA: La gravedad de los

problemas desde el punto de vista del cliente es la falla al vacío.

b) Respecto al problema más trascendente, haga Pareto de segundo nivel (causas)

tanto por maquina como por turno.

NOTA: los problemas más trascendentales en una empresa procesadora de carnes fritas se
deben a las maquinas empacadoras C y A.

15-. Resuelva el problema anterior considerando que la gravedad de los problemas

desde el punto de vista del cliente es la siguiente: falta de vacío (4), macha verde (10),
mancha amarilla (8)
R=

PROBLEMAS FRECUENCIA

Falla de vacío 4

Mancha verde 10

Mancha amarilla 8

TOTAL 22
NOTA: La gravedad de los problemas desde el punto de vista del cliente son las manchas
verdes.

16. En la tabla de abajo se muestra la frecuencia de los defectos en productos

terminados de una fábrica de muebles.

a) Haga un análisis de Pareto considerando solo la frecuencia de los defectos, interprete.

b) Obtenga un diagrama de Pareto pero ahora considerando
tanto la frecuencia como el costo relativo. Interprete.
c) ¿A qué defecto se debe enfocar la acción de mejora? Argumente
 a) Haga un análisis de Pareto considerando solo la frecuencia de los defectos,
interprete.

De acuerdo con el análisis de Pareto realizado con base a la frecuencia de los defectos de los
muebles los resultados muestran que los defectos con mayor número de frecuencias son:
madera abierta (20.7), golpes (17.9), nudos visibles (13.9), uniones abiertas (12.2) y resanas
visibles (9.1). Estas variables representan el 74% de la frecuencia acumulada, lo que nos indica
que son estas variables en dónde se deben realizar planes de mejora.

En este diagrama se puede observar las cinco variables que representan el 74% de la
frecuencia acumulada de los defectos de la empresa. Siendo la madera abierta el defecto con
mayor frecuencia.
b) Obtenga un diagrama de Pareto pero ahora considerando tanto la frecuencia
como el costo relativo. Interprete.
En este diagrama también se hace uso de la segunda característica de los diagramas de
Pareto, en donde si el costo de los defectos es diferente para cada variable se multiplica la
frecuencia por el costo relativo y se obtiene el costo total. Con base a ello se puede 25% 48%
63% 76% 84% 90% 94% 98% 99% 100% 0% 20% 40% 60% 80% 100% 120% 0 50 100 150
200 250 Madera abierta Golpes Nudos visibles Uniones abiertas Resanes mal trabajados
Resanes visibles Piezas y/o muebles mal asentados Resistol chorreado Defectos por acabado
Piezas y/o muebles mal lijados Frecuencia acumulada Costo total Costo total Frecuencia
acumulada del costo total concluir que la madera abierta y los golpes son los defectos que
mayores pérdidas causan a la empresa, seguido de los nudos visibles y las uniones abiertas.
Estos cuatro principales defectos en los muebles representan el 76% de la frecuencia
acumulada.

¿A qué defecto se debe enfocar la acción de mejora?

R= De acuerdo con los análisis y los diagramas de Pareto realizados con base a la frecuencia y
con base al precio total, se puede determinar que los defectos a los que se deben enfocar la
acción de mejora es sin duda la madera abierta, los golpes, los nudos visibles y las uniones
abiertas. Las cuales son las que más pérdidas causan y a las que se debe enfocar la acción de
mejora.

17. Sobre las hojas de verificación, conteste:

a) ¿Cuál es el objetivo de esta herramienta básica?
b) Señale los distintos tipos que existen.
c) ¿Qué otro nombre recibe?

a) ¿Cuál es el objetivo de esta herramienta básica?

R= Su objetivo es recolectar datos, de forma que su registro sea sencillo y sistemático, y se
puedan analizar visualmente los resultados obtenidos.

b) Señale los distintos tipos que existen.

 Hoja para distribución de procesos
 Hoja para registro de defectos
 Hoja para localización de defectos,

c) ¿Qué otro nombre recibe?

R= Hoja de verificación o de registro.

18. En la hoja de verificación de la tabla 10.1 no es posible analizar la manera en la que

influye el turno en el problema principal. Proponga un bosquejo de cómo rediseñaría tal
formato para que esto sea posible.

R= Simplemente se realizaría la misma hoja de verificación para cada turno existente.

19. Diseñe una hoja de verificación para analizar la distribución

del grosor de las láminas de asbesto considerando
que el espesor ideal es de 5 mm con tolerancia de 1 2 0.8 (vea la tabla 10.4).
R=
20. En un área de maquinado en una fábrica de válvulas existen tres máquinas
para hacer roscas, en las cuales trabajan cinco personas. Se han presentado
problemas con el número de piezas defectuosas en dicha área. Los directivos
presionan a los empleados culpándolos de los problemas de calidad. Los
trabajadores, por su parte, se quejan con los directivos de que las máquinas son
demasiado viejas y que por eso surgen los problemas. ¿Cómo aplicaría la hoja de
verificación para aclarar la situación?
R= Utilizaría una hoja de verificación para registrar las causas de los defectos e
identificar los distintos factores, como que tipo de defecto, que maquinas presentan
problemas, con el fin de detectar cual de estos factores son la principal fuente o pista
del problema, ya que si se detecta alguna tendencia especial en la hoja, es posible
actuar con mayor rapidez y precisión, gracias a que se tiene localizado el sector o las
condiciones que estan generando el problema principal.
21. En una empresa que fabrica colchones existen cuatro tipos básicos de
defectos: plisado, hilvanado, fuera de medida y manchas. La fabricación se hace
mediante cinco máquinas. Diseñe una hoja de verificación para registrar los
defectos cuando se hace la inspección.
R=
 Hoja de verificación del proceso de matrícula UTH para estudiantes de primer Ingreso y
reingreso.

UNIVERSIDAD TECNOLOGICA DE HONDURAS UTH

HOJA DE VERIFICACION DE MATRICULA

NOMBRE DEL ESTUDIANTE: ______________________________________________________________________________________________________

NUMERO DE CUENTA: ______________________________________________________________________________________________________
CARRERA: ________________________________________________________________________________________________________
CAMPUS: ________________________________________________________________________________________________________
FECHA DE INGRESO: _______________________________________________________________________________________________________
PRIMER INGRESO: ______________________________
_________ REINGRESO: ____________________________________________________

I CUATRIMESTRE II CUATRIMESTRE III CUATRIMESTRE

DESCRIPCION
I PARCIAL II PARCIAL III PARCIAL I PARCIAL II PARCIAL III PARCIAL I PARCIAL II PARCIAL III PARCIAL
PAGO DE MATRICULA
PAGO DE MENSUALIDAD
SEGURO MEDICO
LABORATORIOS
LIBROS
PAGO DE REPOSICION DE EXAMEN
RECARGO POR MORA
REPOSICION DE CARNET
EQUIVALENCIAS
OTROS
TOTAL

OBSERVACIONES: __________________________________________________________________________________________________________

Proceso de Matricula para Estdiantes

Primer Ingreso y Reingreso

Campus: _______________________________________________________________________________________________________
Modalidad: _______________________________________________________________________________________________________
Fecha de Matricula:_________________________________________________________________________________________________

PRIMER INGRESO
REINGRESO
DESERTADO
EGRESADO
Licenciaturas Ingenierias Tecnicos Maestrias Doctorados Diplomados Talleres Seminarios