2.

Se fabrican teléfonos celulares, se toma uno de ellos y se cuenta el número total de

defectos que podrían ocurrir: ralladuras en la superficie, rajaduras en el plástico, antena
defectuosa y botón defectuoso. La empresa quiere controlar el número de defectos en un área
de sub ensamblaje.
 Gráfica P de Numero de defectos
Informe de resumen
Comentarios

¿Es estable la proporción de elementos defectuosos? La proporción de elementos defectuosos pudiera no ser
Evalúe el % de subgrupos fuera de control. estable. 1 subgrupos (3,3%) están fuera de control. Tenga en
cuenta la posibilidad de ver 0,7% de subgrupos fuera de
0% > 5% control, aunque el proceso sea estable.

Sí No
3,3%

Gráfica P
Investigue cualquier subgrupo fuera de control

0,25
LCS=0,2347

0,20
Proporción

0,15

0,10 _
P=0,0833

0,05

0,00 LCI=0

1 4 7 10 13 16 19 22 25 28
Subgrupo

Número de subgrupos: 30 Total de elementos: 900 % de defectuosos: 8,33

Tamaño de subgrupo: 30 Número de defectuosos: 75 PPM (DPMO): 83333

Gráfica P de Numero de defectos

Informe de estabilidad
Buscar estos patrones:
Tendencia
global Cíclico

Cambios rápidos Cambios graduales

Proporción

Oscilación Mezcla

Utilice una gráfica P para evaluar la estabilidad del % de defectuosos de su

proceso . Busque patrones que puedan ayudarle a distinguir entre causas comunes y Fuera de
especiales. Comúnmente, un proceso que sólo exhibe causas comunes tiene una tasa control
constante de defectuosos. Sin embargo, las tendencias globales o los patrones excesivo
cíclicos también pueden ser causas comunes. Otros patrones, como desplazamientos y
desvíos, pueden ser causas especiales.

Prueba Subgrupos fuera de control

Prueba 1: Fuera de los límites de control 22
 Gráfica P de Numero de defectos
Tarjeta de informe
Verificar Estado Descripción
Estabilidad La proporción de elementos defectuosos pudiera no ser estable. 1 subgrupos (3,3%) están fuera de control (hay la
! posibilidad de que vea 0,7% de subgrupos fuera de control, aunque el proceso sea estable). Debe investigar los subgrupos
fuera de control y omitir de los cálculos aquellos con causas especiales.

Número de Usted no debe preocuparse por la exactitud de sus límites de control, porque los cálculos incluyen más de 22 subgrupos.
subgrupos

Tamaño Usted no debe preocuparse por la exactitud de sus límites de control, porque todos los subgrupos tienen por lo menos 6
de subgrupo elementos.

Variación La variación en sus datos está cerca de la variación esperada. Sus datos no exhiben dispersión excesiva o dispersión
esperada insuficiente. Si estas condiciones existen, podría ver un mayor número de falsas alarmas o tener una gráfica que rara vez
muestre señales.

Gráficas Esta gráfica sirve para supervisar el control del proceso. Si su principal objetivo es explorar sus datos o comparar su proceso
alternativas i antes y después de un cambio, utilice las Gráficas de control disponibles en Análisis gráfico o las Gráficas de control de
antes/después.

Gráfica C de Numero de defectos

9
1
8
LCS=7,243
7
Conteo de muestras

3 _
C=2,5
2

0 LCI=0

1 4 7 10 13 16 19 22 25 28
Muestra
 Gráfica de probabilidad de Numero de defectos
Normal
99
Media 2,5
Desv.Est. 1,925
95 N 30
AD 1,440
90 Valor p <0,005

80
70
Porcentaje

60
50
40
30
20

10
5

1
-2 0 2 4 6 8
Numero de defectos

Estimaciones ML de los parámetros de distribución

Distribución Ubicación Forma Escala Valor umbral

Normal* 2,50000 1,9253

3
Lognormal de 3 parámetros 1,10214 0,5343 -0,96494
6
Exponencial de 2 parámetros 2,5862 -0,08621
0
Weibull de 3 parámetros 1,36730 2,8302 -0,09521
5
Valor extremo más pequeño 3,53538 2,2604
8
Valor extremo por máximos 1,66721 1,3484
4
Gamma de 3 parámetros 3,70184 0,9344 -0,95920
3
Logística 2,24744 1,0322
7
Loglogística de 3 0,97272 0,3497 -0,64026
parámetros 0
* Escala: Estimación de ML ajustado
Prueba de bondad del ajuste
Distribución AD P

Normal 1,44 <0,005

0
Lognormal de 3 parámetros 0,75 *
7
Exponencial de 2 parámetros 1,51 0,018
7
Weibull de 3 parámetros 0,82 0,036
3
Valor extremo más pequeño 2,23 <0,010
1
Valor extremo por máximos 0,90 0,020
0
Gamma de 3 parámetros 0,84 *
1
Logística 1,22 <0,005
9
Loglogística de 3 0,77 *
parámetros 3

Transformación de Johnson para Numero de defectos

Gráfica de prob. para datos originales Seleccione una transformación
99
N 30 0,10 P Ref
AD 1,440
Valor p <0,005
95
Valor p para prueba AD

0,08

80
0,06
Porcentaje

50
0,04

20
0,02

5 0,00
0,4 0,6 0,8 1,0 1,2

1 Valor Z
-5 0 5 10
(Valor p = 0,005 significa ≤ 0,005)

No se seleccionó una transformación con valor p > 0,1. No se hizo la transformación.

 Informe de capacidad del proceso binomial de Numero de defectos
Gráfica P Gráfica binomial
0,3
1
7,5

Defectuosos esperados
LCS=0,2347
0,2
Proporción

5,0

0,1 _
P=0,0833 2,5

0,0 LCI=0 0,0

1 4 7 10 13 16 19 22 25 28 0 4 8
Muestra Defectuosos observados

% defectuoso acumulado Histograma

Estadística de resumen Objetivo

(95,0% de confianza)
10
%Defectuoso: 8,33 8
IC inferior: 6,61
IC superior: 10,33
8 Objetivo: 10,00
%Defectuoso

PPM: 83333 6

Frecuencia
IC inferior: 66109
IC superior: 103341
6 Z del proceso: 1,3830 4
IC inferior: 1,2627
IC superior: 1,5054
2
4

0
5 10 15 20 25 30 0 4 8 12 16 20 24 28
Muestra %Defectuoso

Conclusió n

Aunque la mayoría de los datos se encuentran en el límite inferior de la gráfica, existe un dato
que vuela y pasa el límite superior, pudo ser un evento aislado pero es importante tomarlo
encuentra, fuera de eso en el estudio de capacidad nuestro proceso está cumpliendo con lo
mínimo.