UNICAH

Universidad Catlica de Honduras

Nuestra Seora Reina de la Paz
Campus San Isidro

Gua de Ejercicios Prcticos

Asignatura: Aplicacin de la Calidad Total para la Ingeniera Industrial Catedrtico: Ing. Jairo Nez Alumno: Erick Joel Ocampo 0201198500735

La Ceiba, Atlntida, Honduras, C.A. 10 de octubre de 2011

GUA DE EJERCICIOS
1. En una empresa, mediante un anlisis se ha detectado que se tiene seis tipos bsicos de quejas de los clientes, pero cada tipo de queja caus diferente grado de insatisfaccin o molestia para el cliente. La escala que se ha utilizado para medir el grado de molestia es el siguiente: mxima molestia (10 puntos), mucha insatisfaccin (8), molestia moderada (6), poca (4), muy leve (2). Adems en el anlisis se determin la frecuencia con la que han ocurrido en el ltimo semestre las distintas quejas. En las tablas siguientes se sintetiza los resultados de tal anlisis: Tipo de queja A B C D E F Grado de molestia 4 8 2 6 4 8 Frecuencia de ocurrencia 12% 5% 40% 25% 10% 8%

Realice un anlisis de Pareto para determinar sobre qu tipo de queja se deben dirigir los esfuerzos para atender sus causas. Aplique la recomendacin 2 del diagrama de Pareto.

Tipo de queja D C F A E B

Grado de molestia 6 2 8 4 4 8

Frecuencia de ocurrencia 25% 40% 8% 12% 10% 5%

Frecuencia por gravedad 150% 80% 64% 48% 40% 40%

Frecuencia por gravedad acumulada 150% 230% 294% 342% 382% 422%

Diagrama de Pareto
160% 140% 120% Frecuencia 100% 80% 60% 40% 20% 0% D C F Clase A E B 450% 400% 350% 300% 250% 200% 150% 100% 50% 0% Frecuencia % acumulado

Anlisis
Para poder realizar este anlisis de Pareto y determinar as la queja que ms contribuye a la insatisfaccin de los clientes se multiplic el grado de la queja por la frecuencia de ocurrencia. Con ellos vemos que la queja D supera a las dems en magnitud, por lo tanto es en esta que se debe de poner el mayor atencin ejecutar acciones destinadas a reducir las causantes del descontento de los clientes y de ser posible eliminar tal tipo de insatisfaccin. 2. De acuerdo con la informacin de una hoja de verificacin en una lnea del proceso de envasado de tequila, se presentaron en el ltimo mes los siguientes resultados en cuanto a defectos y frecuencia: Defecto de envasado Botella Tapa Etiqueta Contraetiqueta Botella sin vigusa Otros Total de botellas envasadas en el mes Frecuencia 804 715 1,823 742 916 102 424,654

Realice un diagrama de Pareto y obtenga conclusiones.

Defecto de envasado Etiqueta Botella sin vigusa Botella Contraetiqueta Tapa Otros Total de botellas envasadas en el mes

Frecuencia 1,823 916 804 742 715 102 5,102

% Frecuencia 36% 18% 16% 15% 14% 2% 100%

F. Acumulada 36% 54% 69% 84% 98% 100%

Histograma
2,000 1,800 1,600 1,400 1,200 1,000 800 600 400 200 0 120% 100% 80% 60% 40% 20% 0% Frecuencia % acumulado

Frecuencia

Clase

Anlisis
De acuerdo al anlisis estadstico realizado se puede apreciar claramente que los defectos de etiqueta, botella sin vigusa, en la botella y en la contraetiqueta componen el 84% de los problemas que se presentan en el proceso de envasado del tequila. De los cuales, componen el 36% y 18% los defectos en las etiquetas y la botella sin vigusa. Debido a esto la empresa deber fijar toda su atencin para poder encontrar las causas que los generan para poder garantizar la calidad y poder proporcionar mayor satisfaccin a sus clientes. 3. En una empresa procesadora de carnes fras se detecta mediante inspeccin 100% los problemas en las salchichas. A continuacin se muestran los resultados de una semana.

Mquina empacadora A B C

Turno I II I II I II

Problema y nmero de paquetes defectuosos Falta de vaco 4,300 6,300 3,500 6,600 8,500 9,120 Mancha verde 700 650 700 500 800 655 Mancha amarilla 700 650 400 420 324 345

a) Considerando que la gravedad de los tres problemas es la misma, realice un anlisis de Pareto para problemas y detecte cul es el vital. b) Sobre el problema vital, haga un Pareto de segundo nivel (causas) tanto para mquina como para turno.

Pareto I Nivel (Problemas) Problema Falta de Vaco Mancha verde Mancha amarilla Total Frecuencia 38,320 4,005 2,839 45,164 % Frecuencia 85% 9% 6% F. Acumulada 85% 94% 100%

Anlisis de Pareto para Problemas

45,000 40,000 35,000 30,000 25,000 20,000 15,000 10,000 5,000 0 Falta de Vaco Mancha verde Clase Mancha amarilla 105% 100% 95% 90% 85% 80% 75% Frecuencia % acumulado

Frecuencia

Pareto II Nivel (Turnos) Falta de vaco Turno II Turno I Total Frecuencia 22,020 16,300 38,320 % Frecuencia 57% 43% 100% F. Acumulada 57% 100%

Anlisis de Pareto para Turnos

25,000 20,000 Frecuencia 15,000 10,000 5,000 0 Turno II Clase Turno I 120% 100% 80% 60% 40% 20% 0% Frecuencia % acumulado

Pareto II Nivel (Mquinas) Mquina C A B Total Frecuencia 17,620 10,600 10,100 38,320 % Frecuencia 46% 28% 26% 100% F. Acumulada 46% 74% 100%

Anlisis de Pareto para Mquinas

20,000 15,000 Frecuencia 80% 10,000 5,000 20% 0 C A Clase B 0% 60% 40% Frecuencia % acumulado 120% 100%

Anlisis
En el primer anlisis de Pareto se observa de forma clara que el 85% de los problemas relacionados al procesado de las salchichas se deben a la falta de vaco, por lo que este es identificado como el problema vital ms relevante, en consecuencia se desarrollar por lo tanto un Pareto de segundo nivel tanto en las mquinas como en los turnos para identificar en cul de ellos se presentan mayores fallas. En el diagrama de Pareto que considera los turnos se puede apreciar que la cantidad de problemas relacionados con la falta de vaco en el procesamiento de las salchichas es mayor durante el turno 2, ya que ste constituye el 57% del total de los problemas de este tipo. Con esto se concluye, a travs del anlisis de Pareto, que los problemas de falta de vaco se dan con mayor frecuencia en la mquina C, durante el turno 2. Con base en el Pareto de 2do. Nivel se puede observar que las mquinas C y A son las principales causas de la falta de vaco; siendo la causa ms significante la maquina C ya que representa el 46% de los problemas relacionados con la falta de vaco que es el principal problema con el que cuenta el proceso y el que necesita de una pronta solucin. 4. En una fbrica de pintura se requiere reducir el tiempo de secado del barniz, los siguientes datos corresponden al tiempo del secado del barniz (horas) y a la cantidad de aditivo con el que se intenta lograr tal reduccin.

Cantidad de Aditivo 0 1 2 3 4 5 6 7 8 9 10

Tiempo de Secado 14 11 10 8 7.5 9 10 11 13 12 15

a) Mediante un diagrama de dispersin investigue la relacin entre el tiempo de secado y la cantidad de aditivo.

b) Con base en la relacin, alrededor de qu cantidad de aditivo recomendara para reducir el tiempo de secado? c) Obtenga el coeficiente de relacin entre ambas variables e interprtelo. d) Al parecer el coeficiente de correlacin lineal es muy bajo. Quiere decir entonces que el tiempo de secado no est relacionado con la cantidad de aditivo?

Relacin Aditivo - Tiempo de Secado

16 14 Tiempo de Secado 12 10 8 6 4 2 0 0 2 4 6 8 10 12 Cantidad de Aditivo Tiempo de Secado Lineal (Tiempo de Secado) y = 0.2409x + 9.75 R = 0.1116

Anlisis
a) Como se observa en la grfica la cantidad de aditivo y el tiempo de secado tienen una relacin lineal positiva baja, lo que indica que son directamente proporcionales, es decir, a mayor cantidad de aditivo se necesitarn ms horas de secado. b) Basado en la relacin, recomendara el 4 de aditivo para reducir el tiempo de secado, pues segn la grfica, es el que registra menor tiempo de secado, es decir, 7.5 horas. c) El coeficiente de relacin es de 0.33 este valor muestra que existe una relacin positiva baja entre la cantidad de aditivo y el tiempo de secado. d) En efecto si existe relacin pero es una relacin baja ya que el coeficiente de correlacin es un tanto leve.

5. En una industria se desea investigar cmo influye la temperatura (C) en la presin del vapor B-trimetilboro. Los datos obtenidos para tal propsito se muestran a continuacin:

Temperatura 13.0 19.5 45.7 56.1 64.4 71.4 80.5 85.7 22.5 27.2 31.8

Presin 2.9 5.1 30.5 51.4 74.5 100.2 143.7 176.9 8.5 10.3 14.6

a) Construya un diagrama de dispersin e interprtelo. b) Obtenga el coeficiente de correlacin y al interpretarlo compare con lo observado en el inciso a.

Relacin Temperatura - Presin

200

150

y = 2.213x - 47.935 R = 0.8981 Presin

100 Presin 50

Lineal (Presin) Lineal (Presin) Lineal (Presin)

0 0.0 -50 20.0 40.0 60.0 80.0 100.0

Temperatura

Anlisis
Existe una relacin lineal positiva entre la presin y la temperatura, aunque se asemeja ms a una relacin del tipo exponencial. El coeficiente de correlacin es de R=0.95 lo que muestra que existe una alta relacin entre las variables estudiadas, con lo que podemos afirmar que la temperatura incide de manera importante sobre la presin, es decir, a mayor temperatura, mayor presin. 6. Como parte del anlisis del problema de ausentismo se decide investigar la relacin entre edad del empleado y das que falt a laborar en el ao. Los datos del ltimo ao se muestran a continuacin. Empleado 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Edad 29 33 40 23 31 20 30 38 23 25 26 30 42 34 31 18 33 33 33 32 Faltas 6 5 0 8 6 9 5 5 8 6 7 5 2 5 6 11 6 4 5 5 Empleado 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Edad 25 38 22 30 24 39 35 20 32 25 36 30 20 38 39 34 35 27 40 31 Faltas 7 3 0 4 7 10 5 1 5 5 5 5 10 4 4 4 6 7 3 6

a) Mediante un diagrama de dispersin analice la relacin entre estas dos variables. b) Qu tipo de relacin observa y cules son algunos hechos especiales? c) Calcule el coeficiente de correlacin e interprtelo.

Relacin Edad - Faltas

12 10 Das Faltados 8 6 4 2 0 0 10 20 30 40 50 Edad del Trabajador Faltas Lineal (Faltas) y = -0.1665x + 10.47 R = 0.1958

Anlisis
Se puede observar que existe una relacin lineal negativa entre las variables que son objeto de nuestro estudio, la edad y el nmero de das que los empleados faltan a sus trabajos; esto sugiere que entre ms joven es el empleado esta ms susceptible al ausentismo. Al calcular el coeficiente de correlacin el cual es de R= 0.44 se tiene una mayor certeza que entre las variables existe una relacin lineal negativa media. 7. Dos mquinas, cada una operada por una persona, son utilizadas para cortar tiras de hule, cuya longitud ideal es de 200mm, con una tolerancia de 3 mm. Al final del turno un inspector toma una muestra e inspecciona que la longitud cumpla especificaciones. A continuacin se muestran las ltimas 110 mediciones para ambas mquinas.

199.2 199.7 201.8 202.0 201.0 201.5 200.0 199.8 200.7

201.7 201.4 201.4 200.8 202.1 200.7 200.9 201.0 201.5

200.9 200.7 200.5 201.2 201.7 201.2 201.2 200.5 200.1

201.0 201.4 201.4 201.1 201.2 201.0 200.6 202.0 201.0

Muestras (mm) 200.6 199.5 200.1 198.6 201.3 200.3 200.6 198.5 200.7 198.2 201.8 199.6 200.5 198.2 200.5 198.4 200.8 199.0

199.0 198.4 199.1 198.8 198.3 198.9 199.6 199.0 198.7

199.2 198.8 198.5 198.9 198.8 198.7 199.2 199.3 199.7

199.0 199.0 198.7 199.1 200.3 200.5 198.1 198.3 199.6

198.9 199.2 197.9 200.3 199.6 199.4 198.7 198.5 198.7

201.4 200.4

201.2 201.3

201.4 200.2

201.5 201.6

200.3 200.7

199.7 199.7

200.5 198.4

197.8 199.9

199.0 199.7

198.6 198.5

a) Obtenga las medidas de tendencia central y con base en ellas seale si la tendencia central del proceso es adecuada. b) Calcule la desviacin estndar y una aproximacin de los lmites reales con base en estos decida si la variabilidad de los datos es aceptable. c) Obtenga un histograma e interprtelo (con tendencia Central, variabilidad, acantilados, sesgos, etc.).

Histograma
30 25 Frecuencia 20 15 10 5 0

Milmetros

Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

200.05 0.12 200.1 199 1.29 1.66 2.53 0.80 8.20 197.80 206 22005 110

LRS LRI

203.91 196.18

Anlisis
Tomando las 110 muestras, se obtuvo una media de 200.05 mm, una mediana o percentil 50 de 200.10 mm que nos dice que la mitad de los datos son menores que 200.10 mm y la otra mitad mayores o iguales a 200.10 mm, y una moda de 201.4. Adems se obtuvo un error tpico de 0.12; La desviacin estndar de 1.29 lo que nos indica que el grado de dispersin de los datos respecto a su media. El coeficiente de asimetra de 0.80 indica que existe una curva asimtrica positiva. El coeficiente de Curtosis es de 2.53, nos demuestra que la grafica posee una forma leptocrtica, es decir que presenta un elevado grado de concentracin de valores a la derecha de la media que a su izquierda. Podemos notar tambin que la forma de la grfica obedece a una Histograma centrado con mucha variabilidad. El Rango de los datos es de 8.2 mm, ya que el menor es 197.8 mm y el mayor es 206 mm, por lo tanto extensin de la variacin de los datos no es tan grande. Podemos afirmar que el histograma no presenta acantilados en su grfica, pero si posee sesgo a la izquierda de la media, lo que podemos constatar observando la barra de color verde el cual es la clase con mayor numero de datos asociados. Los lmites reales se definan por:

8. En un rea de servicio dentro de una empresa de manufactura se hace una encuesta para evaluar la calidad del servicio proporcionada y el nivel de satisfaccin de los clientes internos. La encuesta consiste de 10 preguntas, donde cada una de ellas evala diferentes aspectos del servicio proporcionado. Las respuestas para cada pregunta es un nmero entre 0 y 10. Para hacer un primer anlisis de los resultados obtenidos, se suman los puntos

obtenidos de las 10 preguntas para cada cuestionario. A continuacin se muestran los puntos obtenidos en 50 cuestionarios. Muestras 81 86 76 76 84 48 49 34 35 38

78 68 70 35 41

78 84 87 42 42

82 75 77 34 45

85 78 82 44 42

80 82 49 30 39

73 85 39 43 42

84 91 39 31 43

78 80 43 34 29

a) A los datos anteriores calcleles sus medias de tendencia central, su dispersin y de una primera opinin sobre la calidad del servicio. b) Realice el histograma e interprtelo con cuidado.

Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

59.8 2.99 58.5 42 21.13 446.29 -1.80 -0.02 62 29 91 2990 50

Histograma
15 Frecuencia 10 5 0 29 37.86 46.71 55.57 64.43 73.29 82.14 y mayor...

Calificacin

Anlisis
Los datos estadsticos obtenidos a travs de la encuesta, proporcionaron los siguientes resultados: una media de 59.8 puntos, la mediana o percentil 50 es de 58.5 puntos y una moda de 42 puntos. Un error tpico de 2.99; la desviacin estndar de los datos con respecto a su media es de 21.13 puntos un valor demasiado elevado por lo que podemos afirmar que los datos se encuentran muy dispersos con respecto a su media, es decir que existe mucha variabilidad. Con una Curtosis de 1.80, nos expone que la campana de Gauss posee una forma plana, es decir, una forma achatada. La curva asimtrica es negativa esto se puede observar a travs del valor del coeficiente de asimetra que es de -0.02. Con una puntuacin mnima de 29 y mxima de 91, nos indica que existe una gran variabilidad en los datos ya que posee un rango de 62 puntos el cual mide la gran amplitud en la variacin de los datos. La forma del histograma supone una descentralizacin con mucha variabilidad y dos realidades, es decir que es bimodal. 9. En la elaboracin de envases de plsticos, primero se elabora la preforma, para la cual se tienen varios criterios de calidad, uno de ellos es ep peso de la preforma. Para cierto envase se tiene que el peso debe estar entre 28.00 0.5g. A continuacin se muestran los ltimos 112 datos obtenidos mediante una carta de control para esta variable.

27.72 28.06

28.39 27.91

28.21 27.91

Muestras 28.19 28.02 27.95 27.96

27.92 27.94

27.89 28.04

27.88 28.05

27.81 27.87 27.86 28.26 27.95 28.22 28.09 28.13 28.04 27.63 27.85 28.16

27.74 27.87 27.84 28.10 27.94 27.96 28.02 27.88 28.05 27.93 27.84 28.16

27.95 27.82 27.70 27.94 27.81 27.88 27.85 28.11 27.75 27.74 28.12 28.01

27.91 28.23 27.98 28.07 27.76 28.08 28.27 28.05 27.89 28.10 28.01 28.13

27.93 27.90 28.02 27.84 27.96 28.04 27.75 28.14 27.94 28.14 27.97 27.97

28.07 27.91 28.00 27.90 27.84 28.19 27.98 28.11 28.19 27.91 27.88 27.90

28.13 28.16 27.99 27.87 27.85 27.89 27.75 28.08 28.10 27.84 28.00 27.87

27.93 27.94 28.13 27.76 27.93 28.08 27.82 28.16 27.78 28.21 28.10 27.94

a) Obtenga las medidas de tendencia central y seale si la tendencia central de las mediciones es adecuada. b) Calcule la desviacin estndar y una aproximacin de los lmites reales y con base en estos decida si la variabilidad de los datos es aceptable. c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos, etc.).

Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

27.97 0.01 27.95 27.94 0.14 0.02 -0.30 0.21 0.76 27.63 28.39 3133.19 112

Histograma
30 25 Frecuencia 20 15 10 5 0

Gramos

Anlisis
Con relacin a los datos de las 112 muestras se obtuvieron los siguientes resultados una media de 27.97, una mediana de 27.95, la moda es de 27.94. Un error tpico de 0.01; la desviacin estndar es de 0.14, lo que indica que hay poca dispersin en el peso de los envases con respecto a la media de los datos. La Curtosis es -0.26, lo que indica que el curva de Gauss tiene una forma platicrtica, es decir, que la grafica es de forma achatada. El rango es de 0.76, puesto que el peso menor es 27.63 y el mximo de 28.39. Por lo tanto la amplitud de la variacin de los datos es un tanto

aceptable. La grafica posee un coeficiente de asimetra que muestra que es una curva asimtrica positiva. En cuanto a la forma del histograma podemos aseverar que ste est centrado con mucha variabilidad. No hay acantilados y no hay evidencia de sesgo ni datos aislados. 10. Los siguientes datos corresponden a la medicin de la viscosidad, variable importante en la calidad del adhesivo. a) Calcule los lmites de control para las cartas X-R e interprtelos b) Elabore la carta de control X y la R y de sus conclusiones. Semana 29 H 1 I 17-jul 34.0 34.0 34.0 35.0 35.0 35.0 35.0 34.0 34.0 H 2 I 18-jul 33.0 33.0 34.0 34.0 35.0 35.0 35.0 34.0 34.0 H 3 I 19-jul 34.0 34.0 34.0 34.0 35.0 35.0 35.0 34.0 34.0 H 4 II 19-jul 35.0 35.0 34.0 34.0 34.0 34.0 35.0 35.0 35.0 Semana 30 H 5 II 25-jul 34.0 34.0 34.0 35.0 35.0 35.0 35.0 34.0 34.0 H 6 II 26-jul 35.0 35.0 34.0 34.0 33.0 33.0 34.0 35.0 35.0 H 7 I 31-jul 33.0 33.0 34.0 34.0 34.0 34.0 35.0 35.0 35.0 Semana 31 H 8 I 01-ago 34.0 34.0 35.0 35.0 35.0 34.0 34.0 35.0 35.0 H 9 I 02-ago 35.0 35.0 35.0 34.0 34.0 34.0 35.0 35.0 35.0

1 2 3 4 5 6 7 8 9

Carta X
35.0 34.8 34.6 34.4 34.2 34.0 33.8 33.6 33.4 1 2 3 4 5 6 7 8 9 10 Promedio LCS LCC LCI

LCS LCC LCI A2

34.8 34.4 33.9 0.337

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a su medida de tendencia central, con un LIC= 33.90 y un LCS= 34.80. muestreados estn dentro de los lmites de control establecidos para esta carta. Todos los datos

Carta R
3 2.5 2 1.5 1 0.5 0 1 2 3 4 5 6 7 8 9 10

Rango LCS LCC LCI

D3 D4 LCS LCC LCI

0.1838 1.8162 2.4 1.3 0.2

Anlisis: El proceso de viscosidad en los adhesivos esta dentro de control estadstico en cuanto a la variabilidad de los datos, es decir en cuanto a sus rangos, ningn valor excede los lmites de control respectivos. El rango de la viscosidad de dichos adhesivos se encuentra entre 0.25 y 2.42 con un rango promedio de 1.3. Lo cual indica que existe poca variabilidad en la viscosidad del adhesivo. 11. En una industria alimenticia se quiere garantizar que la concentracin mnima de grasa de un producto sea de 1.8%. En la siguiente tabla, se muestran los datos obtenidos para el estudio inicial, con tamao de subgrupo de 4.

SUB GRUPO 1 2 1 1.88 1.93

GRASA

SUB GRUPO 4 1.88 1.94 11 12 1 1.93 1.95

GRASA

2 1.93 1.97

3 1.98 1.89

2 1.95 1.98

3 1.90 1.89

4 1.93 1.90

3 4 5 6 7 8 9 10

1.92 1.89 1.95 2.00 1.95 2.87 1.96 1.99

1.95 1.89 1.95 1.95 1.93 1.98 1.92 1.93

1.90 1.90 1.93 1.94 1.97 1.96 1.98 2.01

1.98 1.94 1.90 1.89 1.85 2.04 1.88 2.02

13 14 15 16 17 18 19 20

1.88 1.97 1.91 1.98 1.93 1.82 2.00 1.98

1.93 1.88 1.91 1.90 1.94 1.92 1.97 1.94

1.88 1.92 1.96 1.92 1.95 1.95 1.99 1.96

1.90 1.96 1.93 1.91 1.90 1.94 1.95 1.88

a) Calcule los lmites de control para las cartas X-R e interprtelos. b) Elabore la carta de control X y la R y de sus conclusiones.

Carta X
n A2 X LCS LCI LCC R 4 0.729 1.946 2.035 1.858 1.946 0.122

2.300 2.200 2.100 2.000 1.900 1.800 1.700 1.600 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Promedio LCS LCI LCC

Anlisis: El proceso de concentracin de grasa en el producto se encuentra fuera de control estadstico en cuanto a su medida de tendencia central ya que la muestra 8 est por arriba del lmite de control superior, el punto 9 viola la regla 14 la cual dice que este punto est por debajo de 4 sigmas. Y la muestra 18 viola la prueba 8 que indica que hay 8 puntos consecutivos en la zona C (1 sigma). La concentracin de grasa en los productos se encuentra entre 1.86 y 2 con un promedio de 1.95.

Carta R
LCS LCC LCI D3 D4 0.28 0.12 0 0 2.28

1.000 0.900 0.800 0.700 0.600 0.500 0.400 0.300 0.200 0.100 0.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Rango LCS LCC LCI

Anlisis: El proceso de concentracin de grasa en los productos se encuentra fuera de control estadstico en cuanto a su medida dispersin o variabilidad ya que la muestra 8 est por arriba del lmite de control superior. El rango de la concentracin de grasa en los productos se encuentra entre 0.0% y 0.28% con un rango promedio de 0.1 %. Lo cual indica que existe poca dispersin en la viscosidad del adhesivo. 12. En la fbrica de discos pticos una mquina metaliza disco. Para garantizar la uniformidad del metal en el disco, la densidad debe ser de 1.93, con una tolerancia de 0.12, en la tabla siguiente se muestran los datos obtenidos para un estudio inicial, con tamao de subgrupo 5.

SUB GRUPO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1.909 1.957 1.861 1.938 1.941 2.032 1.889 1.891 1.929 1.956 1.904 1.926 1.936 1.937 1.916 1.867 1.939 1.917 1.829 1.946 1.913 1.966 1.914 1.963 1.978 1.87 1.904 1.91 1.984 1.903 1.949 1.961 1.898 1.918

DATOS
1.865 1.87 1.903 1.884 1.935 1.911 1.943 1.907 1.943 1.904 1.904 1.899 1.915 1.898 1.953 1.929 1.925 1.991 1.917 1.951 1.907 1.936 1.82 1.918 1.922 1.819 1.907 1.903 1.938 1.932 1.952 1.954 1.953 1.949 1.906 1.971 1.893 1.95 1.955 1.932 1.911 1.908 1.946 1.864 1.901 1.978 2.014 1.869 1.939 1.952 1.91

18 19 20 21 22 23 24 25

1.94 1.944 1.933 1.817 1.939 1.931 1.927 1.973

1.88 1.919 1.965 1.878 1.956 1.894 1.895 1.949

1.882 1.84 2.031 1.938 1.951 1.972 1.938 1.912

1.949 1.94 1.902 2.058 1.898 1.936 1.859 1.87

1.91 1.942 1.923 1.938 1.969 1.924 1.938 1.971

a) Calcule los lmites de control para las cartas X-R e interprtelos. b) Elabore la carta de control X y la R y de sus conclusiones.

Carta X
n A2 X LCS LCI LCC R 5 0.577 1.924 1.979 1.869 1.924 0.095

2.000 1.980 1.960 1.940 1.920 1.900 1.880 1.860 1.840 1.820 1.800 1 3 5 7 9 11 13 15 17 19 21 23 25 Promedio LCS LCI LCC

Anlisis: Con base en el anlisis de los datos mediante una carta X el proceso de fabricacin discos pticos la densidad se encuentra bajo control estadstico en cuanto a su medida de tendencia central ya que todos los datos estn dentro de los lmites de control superior e inferior. La densidad en el metal para los discos se encuentra entre 1.924 y 1.979 con un promedio de 1.869. En conclusin el proceso est bajo control estadstico.

Carta R
0.300 0.250 0.200 0.150 0.100 0.050 0.000 1 3 5 7 9 11 13 15 17 19 21 23 25 Rango LCS LCC LCI

Anlisis: Basado en la Carta de Rangos el proceso de fabricar discos pticos la densidad est fuera de control estadstico en cuanto a su variabilidad ya que los puntos 6 y 21 se encuentran por encima del lmite de control superior. El rango de la densidad en el metal para fabricar los discos pticos se encuentra entre 0.00 y 0.200 con un rango promedio de 0.095. 13. En la presentacin de servicios en una empresa se registra diariamente la evaluacin de los clientes. La forma operativa que se hace es la siguiente: todos los das en forma aleatoria se le pide a 5 clientes atendidos que contesten una encuesta de satisfaccin en el servicio, la escala de satisfaccin va de 0 a 100. Los datos obtenidos durante el ltimo mes se muestran en la tabla siguiente. a) Mediante una carta de medias analice la estabilidad de la calidad en el servicio. DA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 83 84 87 71 76 69 88 96 61 82 80 69 50 74 66 80 57 99 87 79 93 73 CALIFICACIN DE SERVICIOS 84 88 76 69 81 86 89 76 71 93 82 84 92 94 74 82 87 88 80 85 70 76 63 71 92 79 100 98 75 71 57 87 66 89 76 73 86 84 74 83 89 65 77 81 68 87 75 79 85 84 72 97 90 87 83 88 62 79 78 60 94 90 89 71 80 80 93 93 79 62 100 89 86 73 79 76 83 65 71 67 72 83 72 80 77 70 74 65 MEDIA 78.20 84.60 81.80 72.00 88.40 85.20 82.00 82.60 71.60 85.00 78.80 79.00 70.20 77.40 75.20 77.80 76.80 88.00 84.40 74.00 78.80 75.00

n LCS LCC LCI A2 R promedio

5 131.67 79.40 27.13 0.58 90.59

Carta X
140.00 120.00 100.00 80.00 60.00 40.00 20.00 0.00 1 3 5 7 9 11 13 15 17 19 21 Media LCS LCC LCI

Anlisis: Segn la carta de medida de tendencia central, la calidad del servicio se encuentra en control estadstico, ya que todas las observaciones caen dentro de los lmites de control para dicha carta. La satisfaccin de los clientes se encuentra entre 131.67 y 27.13 con una satisfaccin promedio de 79.4.

Carta R
D3 D4 LCS LCC LCI 0 2.11 191.55 90.59 0

250.00

200.00 Rango LCS 100.00 LCC LCI 50.00

150.00

0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Anlisis: Basados en la Carta R, la calidad del servicio se encuentra bajo control estadstico, en cuanto a la variabilidad de los datos se refiere ya que todas las observaciones no violan los lmites de control. El rango de satisfaccin en los clientes se encuentra entre 0.0 y 191.55 con una satisfaccin promedio de 90.59. Por tanto podemos concluir que tal proceso funciona de una forma estable.

CAPTULO 2
1. Con los datos del ejercicio de las dos mquinas operadas por una persona, considerando que los primeros 55 datos (ordenados por regln) corresponden a una mquina, y los ltimos 55 a otra, conteste lo siguiente. a) Evale las dos mquinas en cuanto a su centrado (tendencia central) respecto a la longitud ideal (200). b) Analice la dispersin de ambas mquinas, utilizando la desviacin estndar. c) Haga un histograma para cada mquina e interprete cada uno de ellos. d) Con base en lo anterior, cul es el problema de cada mquina? e) Considerando que cada mquina es operada por una persona diferente, discuta cules son las posibles causas de los problemas sealados en el inciso anterior y seale qu hara para corroborar cules son las verdaderas causas. f) Vuelva a analizar el histograma realizado en el inciso c del ejercicio anterior y vea si de alguna forma se vislumbraba lo que detect con los anlisis hechos en este ejercicio. g) A la luz de lo anterior, qu recomendaciones respecto a la obtencin de datos y su anlisis dara para hacer ms eficiente la inspeccin y el control del funcionamiento de cada mquina?

Mquina 1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 200.13 0.17 200.3 201.4 1.23 1.50 -1.39 -0.09 4.2 197.9 202.1 11007.1 55

Histograma "Mquina 1"

14 12 10 8 6 4 2 0 Frecuencia

Milmetros

Anlisis: Basados en la informacin y grficos obtenidos se ve claramente de que en la mquina 1 los datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo, la empresa debe de reducirla. La mediana o percentil 50 nos indica que la mitad de los datos tienen un valor por debajo de 200.3 mm, y la otra parte, su valor es mayor o igual a 200.3 mm. La curtosis es de -1.39 lo que indica que la curva de la distribucin normal presenta un grado reducido de concentracin alrededor de los valores centrales de la variable estudiada, es decir que presenta una forma aplanada o achatada. El coeficiente de asimetra es 0 por lo que se concluye que existe una mayor concentracin de valores a la izquierda de la media que a su derecha. Aqu se aprecia que se presentan dos realidades distintas (bimodal) lo que indica que hay situaciones que causan esto y deben ser identificadas para erradicarlas.

Mquina 2 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 199.97 0.18 199.8 200.5 1.37 1.87 5.52 1.50 8.2 197.8 206 10998.4 55

Histograma "Mquina 2"

18 16 14 12 10 8 6 4 2 0 Frecuencia

Milmetros

Anlisis: Basados en la informacin y grficos obtenidos se puede ver que en la mquina 2 los datos se encuentran poco dispersos con respecto a la media (dispersin), pero sin embargo es mayor que el de la mquina 1 y la empresa debe de reducirla. La mediana o percentil 50 nos indica que la mitad de los datos tienen un valor por debajo de 199.8 mm, y la otra parte, su valor es mayor o igual a 199.8 mm. La curtosis es de 5.52 lo que indica que la curva de la distribucin normal presenta un elevado grado de concentracin alrededor de los valores centrales de la variable estudiada, es decir que presenta una forma alargada en el centro. El coeficiente de asimetra es >0 por lo que se concluye que existe una mayor concentracin de valores a la derecha de la media que a su izquierda. Con respecto a la mquina 1, la 2 presenta un mejor estado porque en esta claramente solo hay una realidad por lo tanto es ms fcil poder controlarlo y erradicarlo. 2. Con el propsito de mejorar la calidad que se tena en cuanto al grosor de las lminas, un grupo implementa un proyecto de mejora siguiendo la metodologa. Varios de los cambios implementados fueron relativos a los procedimientos empleados durante el proceso ya y la estandarizacin de los mismos. Para verificar si el plan tuvo xito, se eligieron lminas aleatoriamente y midiendo su grosor. Los 120 datos obtenidos durante tres das se muestran a continuacin.

4.8 4.7 4.7 4.9

4.3 5.7 4.1 4.8

4.8 4.5 5.1 4.7

5.1 5.3 5.0 5.1

4.9 4.4 5.0 5.1

4.6 5.1 4.9 5.3

4.9 4.6 4.6 5.1

4.6 4.9 4.9 5.0

5.0 4.2 5.2 5.3

4.9 4.6 4.8 5.0

4.8 5.3 4.7 5.1

4.5 5.2 5.1 5.2

4.7 4.6 4.2 5.0 5.3 4.4

5.0 5.0 4.5 5.0 4.9 5.0

5.0 4.6 5.3 4.9 5.0 4.5

5.3 4.8 5.1 5.2 4.4 5.0

5.1 4.7 4.8 5.6 4.9 5.2

5.1 4.9 4.4 5.1 4.7 4.7

4.5 4.4 4.7 5.2 4.6 5.0

5.2 4.5 5.3 4.5 5.3 5.3

4.1 5.3 5.1 4.6 4.8 5.6

5.1 5.3 4.7 5.2 4.7 5.0

4.9 4.4 4.7 4.9 4.6 5.0

4.9 5.0 4.8 5.0 5.1 4.5

a) Calcule la media y mediana de estos datos, y comparndolas con sus correspondientes antes del proyecto, decida si con los cambios se mejor el centrado del proceso. = 4.75, mediana= 4.7 b) Calcule la desviacin estndar, y con sta, obtenga los nuevos lmites reales, y decida si la variabilidad se redujo. = 0.45 c) Construya un histograma. d) Con base en todo lo anterior, el proyecto dio buenos resultados? Argumente. e) Si hubo mejoras, stas son suficientes para garantizar un producto dentro de especificaciones? Datos del Estudio Anterior

Desviacin estndar Grosor ptimo Discrepancia Mediana Media LRS LRI

0.45 mm 5 mm 0.8 mm 4.7 mm 4.75 mm 6.1 mm 3.4 mm

Datos del Estudio Actual Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis 4.88 0.03 4.9 5 0.32 0.10 -0.12

Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

-0.18 1.6 4.1 5.7 586.1 120

Histograma
25 20 Frecuencia 15 10 5 0

Milmetros

LRS LRI

5.83 mm 3.94 mm

Anlisis: Se puede ver claramente que los datos, en cuanto a su dispersin con respecto a la media se redujo, la desviacin estndar paso de 0.45 0 0.32 aproximndose ms a cero, que es lo ideal. El ndice de Curtosis nos dice que la curva de la normal tiende a ser achatada con colas cortas y el coeficiente de asimetra nos dice que existe mayor concentracin de datos a la izquierda que a la derecha. Con ello se puede afirmar que se ha logrado una mejora pero se debe seguir mejorando ya que, aunque el proceso est centrado presenta variabilidad. 3. Una caracterstica clave en la calidad de las pinturas es su densidad y un componente que influye en tal densidad es la cantidad de arenas que se utilizan en su elaboracin. La cantidad de arena en la formulacin de un lote se controla con base en el nmero de costales, que segn el proveedor contienen 20 kg. Sin embargo, continuamente se tienen problemas en la densidad de la pintura, que es necesario corregir con retrabajo y reprocesos adicionales. En este contexto en la empresa se preguntan, cunta arena contienen realmente los costales? Para averiguarlo deciden tomar una muestra aleatoria de 30 costales de cada lote pedido (500 costales). Los pesos obtenidos en las muestras de los ltimos tres lotes se muestran a continuacin. Las especificaciones iniciales que se establecen para el peso de los costales de arena son 200.8 kg.

Lote 18.6 1 19.1 19.6 18.6 2 19.5 20.0 20.1 3 20.0 20.2 19.2 18.6 19.4 19.9 19.1 18.4 20.2 19.7 19.7 19.5 19.4 19.8 18.8 18.5 18.9 21.0 20.8 20.0

Peso de costales de la muestra 19.2 18.7 19.1 18.4 19.6 19.7 19.7 19.7 19.6 18.9 21.0 20.0 19.0 19.4 17.8 20.1 19.7 19.7 19.4 19.8 20.4 20.1 19.6 19.4 20.0 20.4 19.8 19.0 19.0 18.8 19.7 20.3 18.9 19.1 19.8 19.9 20.0 18.6 19.3 19.3 18.8 18.4 20.4 20.5 20.3 19.3 19.6 19.1 20.7 19.2 19.0 19.6 20.0 20.4 20.0 19.0 19.1 19.6 20.6 19.7 20.6 20.0 20.2

a) Tomando en cuenta los 90 datos, el centrado del proceso es adecuado? b) La variabilidad es poca o mucha? Apyese en los estadsticos adecuados. c) Obtenga un histograma para los noventa datos, inserte las especificaciones e interprtelo con detalle. d) D su conclusin general sobre si los bultos cumplen con el peso especificado. e) Haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficas, seale si hay diferencias grandes entre los lotes. f) Las diferencias encontradas se podran haber inferido a partir del histograma del inciso c?

Costales Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 19.562 0.069 19.6 20 0.65 0.42 -0.29 -0.07 3.2 17.8 21 1760.6 90

Histograma "Peso de los Costales"

25 20 Frecuencia 15 10 5 0

Kilogramos

Anlisis: Los datos que corresponden al peso de los costales se encuentran con muy poca variabilidad, ya que esto es evidente por el coeficiente de asimetra, Curtosis y la desviacin estndar, cuyos valores se aproximan a cero. Se puede constatar que existe un ligero sesgo a la izquierda. Lote 1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 19.35 0.10 19.25 19.1 0.56 0.31 1.39 1.01 2.4 18.6 21 580.5 30

Histograma "Lote 1"

14 12 10 Frecuencia 8 6 4 2 0 18.6 19.08 19.56 20.04 20.52 y mayor... Kilogramo

Anlisis: El lote 1, con respecto a la poblacin total de los costales, cuenta con mayor variabilidad, con una mayor concentracin de los datos a la derecha de la media. Lote 2 Media Error tpico Mediana Moda Desviacin estndar 19.2967 0.1260 19.35 18.4 0.69

Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

0.48 -0.26 0.06 2.9 17.8 20.7 578.9 30

Histograma "Lote 2"

10 9 8 7 6 5 4 3 2 1 0 17.8 18.38 18.96 19.54 20.12 y mayor... Kilogramos

Frecuencia

Anlisis: El lote presenta mayor variabilidad en relacin al 1 y 2 con sesgo a la derecha donde la mayora de los datos se concentran a la derecha y la curva normal presenta una forma ligeramente achatada. Lote 3 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 20.04 0.07 20 19.7 0.40 0.16 0.46 0.29 1.9 19.1 21 601.2 30

Histograma "Lote 3"

12 10 8 6 4 2 0 19.1 19.48 19.86 20.24 20.62 y mayor... Kilogramos

Frecuencia

Anlisis: El proceso se encuentra con una ligera variabilidad en los datos, con acantilado lo que ocasiona que los mismos presenten variabilidad, debido a que los datos tiendan a agruparse ms a la derecha de la media causando una desviacin de 0.4 y dndole una forma alargada a la curva normal. 4. En una empresa que fabrica y vende equipo para fotocopiado utilizan como un indicador importante de la calidad en el servicio posventa el tiempo de respuestas a solicitudes de apoyo tcnico debido a fallas en los equipos. Para problemas mayores, en cierta zona del pas, se ha establecido como meta que la respuesta se d en un mximo de 6 horas hbiles; es decir, de que habla el cliente solicitando apoyo, y que si el problema se clasifica como grave no deben pasar ms de 6 horas hbiles en que un tcnico acuda a resolver su problema. A continuacin se aprecian los tiempos de respuestas en horas para los primeros 9 meses del ao (65 datos). 5.0 4.1 5.5 3.2 7.7 4.5 4.7 5.4 3.0 7.9 3.9 3.9 6.5 6.3 7.1 5.7 2.0 5.9 5.8 4.1 6.0 7.0 6.7 5.4 3.6 5.9 7.5 3.1 5.5 6.8 2.9 4.0 1.7 6.8 4.8 4.4 4.7 5.3 2.3 3.2 4.3 5.4 7.1 7.4 8.9 6.8 5.9 6.6 3.2 5.1 5.8 7.0 3.1 7.1 5.7 6.9 5.8 5.4 8.3 4.2 4.1 7.5 6.4 5.6 5.4

a) Calcule las medidas de tendencia central y con base en stas, cree que se cumple con la meta? b) Haga un histograma e interprete sus aspectos ms relevantes. c) A partir del anlisis que se ha hecho, qu recomendaciones dara para ayudar a cumplir mejor la meta?

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 5.37 0.20 5.5 5.4 1.62 2.62 -0.52 -0.20 7.2 1.7 8.9 348.8 65

Histograma
18 16 14 12 10 8 6 4 2 0

Frecuencia

Tiempo de Respuesta

Anlisis: Los datos correspondientes se encuentran con una variabilidad ligera donde la curva de la normal tiende a ser achata y con colas muy cortas presentando un acantilado donde la mitad de los datos son menor que 5.5 y la otra mitad son mayores o iguales a ese valor. 5. Los datos de la tabla siguiente representan las horas cadas de equipos, por semana, de tres lneas de produccin. Semana 1 2 3 4 5 6 7 8 9 10 11 12 13 Lnea 1 7.7 6.8 8.5 8.6 5.7 7.9 8.1 7.6 7.1 7.3 7.8 6.1 6.4 Lnea 2 6.6 5.2 7.2 9.2 6.7 6.2 7.1 8.1 6.4 6.3 8.2 8.4 7.4 Lnea 3 7.5 8.1 6.2 7.4 8.2 6.0 8.2 8.1 6.7 8.0 8.1 8.1 7.0 Semana 14 15 16 17 18 19 20 21 22 23 24 25 Lnea 1 6.3 7.8 6.7 7.3 5.7 6.2 7.3 5.0 5.0 5.4 7.5 6.0 Lnea 2 6.5 7.7 7.4 6.1 6.2 7.3 6.9 6.1 6.9 8.4 5.0 7.4 Lnea 3 8.5 8.0 7.7 7.5 8.2 7.7 7.0 .5 6.2 6.0 6.1 5.8

a) Analice los datos para cada lnea, anote las principales caractersticas de la distribucin de los datos. b) Compare las tres lneas, nota alguna diferencia importante?

Lnea 1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 6.87 0.21 7.1 7.3 1.05 1.10 -0.94 -0.23 3.6 5 8.6 171.8 25

Histograma "Lnea 1"

9 8 7 6 Semanas 5 4 3 2 1 0 5 5.72 6.44 7.16 7.88 y mayor... Horas Cadas

Anlisis: La curva de la normal tiende a ser plana o achatada debido a como los datos se encuentran distribuidos, aunque la deviacin estndar no es grande en magnitud, sigue siendo un problema muy grande ya que la variabilidad existe en el proceso y mientras la empresa no le de solucin va a seguir perdiendo tiempo, un factor importante para los clientes y as cumplir con los tiempos de entrega. Tambin presenta sesgo a la izquierda. Lnea 2 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 7.00 0.20 6.9 7.4 1.00 1.00 0.01 0.13 4.2 5 9.2 174.9 25

Histograma "Lnea 2"

10 9 8 7 6 5 4 3 2 1 0 5 5.84 6.68 7.52 8.36 y mayor... Horas Cadas

Anlisis: El coeficiente de asimetra nos muestra que hay mayor concentracin de datos a la derecha de la media y el coeficiente de Curtosis se aproxima mucho a 0 lo que nos dice que la campada de Gauss se aproxima ms a la curva normal deseada, curva que en este caso representa el proceso en la lnea 2. Lnea 3 Media Error tpico Mediana Moda 7.07 0.32 7.5 8.1

Semanas

Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta

1.62 2.62 11.35 -2.96 8 0.5 8.5 176.8 25

Histograma "Lnea 3"

18 16 14 12 10 8 6 4 2 0 0.5 2.1 3.7 Clase 5.3 6.9 y mayor...

Anlisis: La lnea 3 presenta mayor variabilidad en su proceso, con acantilado y un coeficiente de asimetra de -2.96 y cuyo coeficiente de Curtosis nos muestra que la curva es alargada en el centro.

Frecuencia

6. Una caracterstica importante en la calidad de la leche de vaca es la concentracin de grasa. En una industria en particular se ha fijado como estndar mnimo que debe cumplir el producto que recibe directamente de los establos lecheros, 3.0%. Por medio de muestreos y evaluaciones en cierta poca del ao se obtuvieron los siguientes 90 datos sobre concentracin de grasa, en cierta regin.

2.7 3.4 2.2 3.2 3.4 2.9 3.4 2.9

3.4 2.7 3.4 3.1 3.0 3.5 3.1 3.0

3.5 3.3 3.3 2.9 2.9 3.1 3.2 3.2

4.0 3.6 2.5 2.7 3.2 3.5 3.3 3.2

3.1 2.9 3.4 3.3 3.2 3.0 3.2 3.3

3.3 2.8 2.7 3.6 3.0 3.1 3.3 3.8

3.5 3.0 2.9 3.3 3.3 2.9 3.0

3.3 3.6 3.6 3.1 3.9 3.1 3.2

3.2 3.5 3.3 3.1 3.3 3.1 3.5

3.4 2.8 2.7 3.4 3.0 2.9 3.4

2.6 3.1 3.7 3.0 3.0 2.9 3.8

3.1 2.8 3.3 3.5 3.5 3.4 3.2

a) Calcule las medidas de tendencia central y de variabilidad, y comente sobre el cumplimiento del estndar mnimo para la concentracin de la grasa. b) Obtenga un histograma, inserte el estndar mnimo e interprete ampliamente. c) La poblacin de donde provienen estos datos, cumple el estndar mnimo?

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 3.19 0.03 3.2 3.3 0.32 0.10 0.52 -0.15 1.8 2.2 4 286.9 90

Histograma
25 20 Frecuencia 15 10 5 0

Concentracin

Anlisis: Aqu los datos obtenidos sobre el nivel de concentracin de grasa en la leche de vaca presentan poca variabilidad donde la curva normal tiende a ser un poco alargada. 7. A continuacin se muestran 100 datos obtenidos en las pruebas destructivas de la resistencia de botellas.

28.3 30.4

26.8 27.7

26.6 27.0

26.5 26.1

28.1 28.1

24.8 26.9

27.4 28.0

26.2 27.6

29.4 25.6

28.6 29.5

24.9 27.6

25.2 27.3

26.2 28.4 28.8 29.3 26.9 27.1 29.5

27.7 26.3 25.0 27.8 27.7 26.4 26.4

27.2 28.1 25.3 25.1 26.2 27.2 25.8

25.9 28.7 27.7 26.6 27.0 27.3 26.7

26.5 27.0 25.2 26.8 27.6 27.0

28.3 25.5 28.6 26.4 28.8 27.7

26.5 26.9 27.9 26.4 26.5 27.6

29.1 27.2 28.7 26.3 28.6 26.2

23.7 27.6 25.3 28.3 25.7 24.7

29.7 25.5 29.2 27.0 27.1 27.2

26.8 28.3 26.5 23.7 27.8 23.8

29.5 27.4 28.7 27.7 24.7 27.4

a) Calcule medidas de tendencia central y de variabilidad. b) Estime los lmites reales y comente si las botellas cumplen la resistencia mnima e interprete ampliamente. c) Obtenga un histograma, inserte la resistencia mnima e interprete ampliamente. d) Con base en los anlisis anteriores, d su opinin sobre si el proceso cumple con la especificacin inferior.

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 27.10 0.14 27.1 27.7 1.39 1.93 -0.10 -0.18 6.7 23.7 30.4 2709.5 100

LRS LRI

31.26 22.93

Histograma
25 20 Frecuencia 15 10 5 0

Resistencia de las Botellas

Anlisis: La informacin obtenida de las pruebas destructivas para ver la resistencia de las botellas tiene mucha variabilidad ya que la desviacin estndar as lo indica, donde la curva normal tiende a ser achatada. 8. En la elaboracin de una bebida se desea a garantizar que el porcentaje de CO2 est entre 2.5 y 3.0. De los datos obtenidos del monitoreo del proceso se obtuvieron los siguientes 115 datos.

2.61 2.69 2.61 2.57 2.73 2.60 2.61 2.62 2.53 2.64

2.56 2.51 2.61 2.49 2.65 2.67 2.49 2.52 2.61 2.55

2.63 2.56 2.66 2.58 2.58 2.71 2.66 2.72 2.68 2.63

2.61 2.64 2.64 2.69 2.67 2.51 2.52 2.53 2.59 2.59

2.56 2.52 2.56 2.61 2.53 2.57 2.60 2.64 2.63 2.62

2.60 2.57 2.58 2.64 2.67 2.57 2.63 2.52 2.66 2.52

2.56 2.60 2.61 2.57 2.62 2.51 2.61 2.60 2.59 2.49

2.60 2.67 2.57 2.55 2.57 2.67 2.60 2.53 2.58 2.55

2.55 2.48 2.56 2.70 2.64 2.50 2.56 2.62 2.65 2.60

2.64 2.57 2.59 2.65 2.55 2.56 2.67 2.64 2.57 2.61

2.66 2.66 2.67 2.67 2.64 2.65 2.61 2.60 2.52 2.58

2.65 2.59 2.57 2.65 2.52

a) Con medidas de tendencia central seale si la tendencia central de las mediciones es adecuada. b) Calcule las desviaciones estndar y una aproximacin de los lmites reales y con base en stos decidida si la variabilidad de los datos es aceptable. c) Obtenga un histograma e interprtelo. d) Con la evidencia obtenida antes, cul es su opinin sobre la capacidad del proceso referido.

Columna1 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 2.599 0.005 2.600 2.610 0.056 0.003 -0.587 -0.030 0.250 2.480 2.730 298.870 115

Histograma
25 20 Frecuencia 15 10 5 0

Porcentaje de CO2

Anlisis: Se puede decir, en este caso, que la variabilidad de los datos con respecto al porcentaje de CO2 es mnima, lo que es indicado por la desviacin, la asimetra y el coeficiente de Curtosis, donde se ve que los datos tienden a estar centrados con poca variabilidad.

CAPTULO 6
1. En un proceso de manufactura las piezas resultan defectuosas por distintas razones. Para entender cul es la regularidad estadstica de esta problemtica se decide registrar los datos de la inspeccin. Para el diseo de la hoja de verificacin se toma en cuenta que las posibles fuentes de variabilidad (origen de los problemas) son las mquinas, el da y el turno. En la siguiente tabla se muestran los datos obtenidos en una semana.

Lunes Mquina AM A oo x B PM O X

Martes AM ooo o xx PM

Mircoles AM ooooo xxx PM ooooo xxx /

Jueves AM ooo x -PM o xx / //

Viernes AM ooo xx PM

oooo oooo ooo oooooo oooooooo oooooooo ooooo oooo ooooo ooo xx xxx O x oo / xx xx -/ x oooooo oooooo x * oo ** / / o *** xx xx --/ oo xx o / oo oo x

oo x

oo x

O x

oo /

oo *

ooo / *

oooo x

oo -

oo *

(o) Rasguos superficiales, (x) Rupturas, (-) Incompletas, (/) Forma inapropiada, (*) Otro.

a) Realice un Pareto para problemas y encuentre cul es el predominante. b) Para el defecto principal, realice Paretos de segundo nivel en funcin de: Mquinas. Da. Turno.

c) De los Paretos de segundo nivel, con cules se encontr pistas especficas para localizar la causa? Explique.

d) En resumen, cules son las pistas concretas para orientar los esfuerzos de mejora?

Pareto de Problemas
Problema Rasguos superficiales Rupturas Incompletas Forma inapropiada Otros Total Frecuencia 119 39 13 12 9 192 % Frecuencia 62% 20% 7% 6% 5% 100% Frecuencia Acumulada 62% 82% 89% 95% 100%

Diagrama de Pareto
140 120 100 80 60 40 20 0 120% 100% 80% 60% 40% 20% 0% Frecuencia

Frecuencia Frecuencia acumulada

Tipo de Defecto

Anlisis: El problema de rasguos superficiales y las rupturas cusan el 82% de los problemas, de los cuales el primero constituye el 62% y ese es el problema que debe tener prioridad para ser erradicado.

Pareto de Mquinas
Mquinas B A C D Total Frecuencia 50 24 24 21 119 % Frecuencia Frecuencia Acumulada 42% 20% 20% 18% 100% 42% 62% 82% 100%

Diagrama de Pareto
60 50 Frecuencia 40 30 20 10 0 B A C D Mquina 120% 100% 80% 60% 40% 20% 0% Frecuencia Frecuencia acumulada

Anlisis: Las mquinas B, A y C generan el 82% de los problemas que surgen en el proceso, ya sea por averas o fallas. De ellas la que produce mayor cantidad de problemas es la B, donde debera de hacerse un estudio y determinar si las fallas son de origen humano o tecnolgico.

Pareto de Das
Da Mircoles Jueves Martes Viernes Lunes Total Frecuencia 45 20 19 18 17 119 % Frecuencia 38% 17% 16% 15% 14% 100% Frecuencia Acumulada 38% 55% 71% 86% 100%

Diagrama de Pareto
50 Freceuncia 40 30 20 10 0 120% 100% 80% 60% 40% 20% 0%

Frecuencia Frecuencia acumulada

Da

Anlisis: Los das en los que se hacen presentan la mayor cantidad de fallas son el mircoles, jueves, martes y viernes. Es en esos das donde se producen 82% de los problemas que hay en el proceso.

Pareto de Turnos
Turnos I II Total Frecuencia 66 53 119 % Frecuencia Frecuencia Acumulada 55% 55% 45% 100% 100%

Pareto de Turnos
70 60 50 40 30 20 10 0 I Turno II 120% 100% 80% 60% 40% 20% 0% Frecuencia acumulada Frecuencia Frecuencia

Anlisis: El turno en el que se dan la mayor cantidad de problemas es el turno I, donde se generan el 55% de los problemas y es en el que se tiene que investigar la causas por las cuales se originan dichas fallas.

2. En una fbrica de aparatos de lnea blanca se han tenido problemas con la calidad de las lavadoras. Un grupo de mejora de la calidad decide revisar los problemas de la tinta de las lavadoras, ya que frecuentemente es necesario retrabajarla para que sta tenga una calidad aceptable. Para ello estratificaron los problemas en la tina de lavadora por tipo de defecto, con la idea de localizar cul es el defecto principal. A continuacin se muestra el anlisis de los defectos encontrados en las tinas producidas en cinco meses. Realice un anlisis de Pareto y obtenga conclusiones.

Defecto Ovalada la boca de la tina Perforaciones deformes Boca de tina despostillada Falta de fundente Mal soldada Total

Frecuencia 1,200 400 180 130 40 1,950

Defecto Boca de la tina ovalada Perforaciones deformes Boca de la tina despostillada Falta de fundente Mal soldada Total

Frecuencia 1200 400 180 130 40 1950

% Frecuencia 62% 21% 9% 7% 2% 100%

Frecuencia acumulada 62% 82% 91% 98% 100%

Diagrama de Pareto
Frecuencia 1500 1000 500 0 120% 100% 80% 60% 40% 20% 0% Frecuencia Frecuencia acumulada Defecto

Anlisis: Los defectos principales en las tinas de lavadora son que la boca de las mismas sea ovalada o que tenga perforaciones deformes ya que constituyen el 82% de los problemas y es aqu donde se deben concentrar los esfuerzos para reducir tales defectos. 3. En cierta empresa es usual pagar horas extras para cumplir con los tiempos de entrega. En este centro productivo, un grupo de mejora de calidad est tratando de reducir la proporcin de piezas malas. Con este propsito deciden investigar la relacin entre la

cantidad de horas extras, X, y el porcentaje de artculos defectuosos, Y. A continuacin se muestran los datos obtenidos. Porcentaje de defectuosos 5 3 6 15 4 10 4 6 3 13 7 3 6 8 2 4 10 9 2 2 10 7

Semana 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Horas extras 340 95 210 809 80 438 107 180 100 550 220 50 193 290 340 115 362 300 75 93 320 154

a) Obtenga el diagrama de dispersin para estas variables. b) Qu relacin observa? c) Con base en lo anterior, puede concluir con seguridad que cuando se trabaja tiempo extra se incrementa el porcentaje de defectuosos, porque ocurren factores como calentamiento

de equipo, cansancio de obreros, etc., que causan mayores problemas en la calidad de las piezas?
18 16 14 12 10 8 6 4 2 0 0 200 400 600 800 1000 Series1 Lineal (Series1) y = 0.0171x + 2.111 R = 0.7368

Anlisis: La relacin existen entre la cantidad de horas extras y el nmero de defectos es lineal positiva, lo que quiere decir que a ms horas de trabajo mayores defectos, ya que por el cansancio los trabajadores van a laborar sin motivacin alguna.

4. En una empresa del ramo grfico se ha llevado durante dos meses el registro del tipo de defectos que tienen los productos finales, obtenindose los siguientes problemas con sus respectivos porcentajes: fuera de tono, 35%; manchas, 30%; fuera de registro, 15%; mal corte, 12%; cdigo de barras opaco, 8%. De acuerdo con el principio de Pareto, se puede decir que el problema vital, desde el punto estadstico, es fuera de tono? Problemas Fuera de tono Manchas Fuera de registro Mal corte Cdigo de barras opaco Total % Frecuencia F. acumulada 35% 35% 30% 65% 15% 80% 12% 92% 8% 100% 100%

Anlisis: Realmente el 80% de los problemas no es nicamente causado por fallas fuera de tono, sino tambin por manchas y errores fuera de registro.

CAPTULO 7
1. Segn la informacin proporcionada por cada carta X-R sobre un proceso de produccin de piezas metlicas, la media de la longitud de tales piezas es 50mm y el rango medio con tamao de muestra 5, es 0.6; conteste: a) Obtenga la desviacin estndar del proceso. b) Calcule los lmites de control para la carta X (tamao de sub-grupo 5) e interprtelos. c) Tambin obtenga los lmites de control para la carta R y explique su significado prctico. d) Si la especificacin inferior y superior para esta pieza es 49 y 51 mm, respectivamente; calcule los lmites reales o naturales e interprtelos. e) Explique para qu sirven los lmites que obtuvo en los incisos b y c y para qu los que obtuvo en el inciso d. f) El proceso es capaz? Argumente. g) Tiene informacin suficiente para comprobar si el proceso es estable (est en control estadstico)? Explique y argumente. Lmites de Control, Carta X 50.3462 LCS 49.6538 LCI 50 LCC Lmites de Control, Carta R 0.6 LCS 0.6 LCI 0.6 LCC Lmites Naturales LRS LRI 50.7739 49.2261

Interpretacin: Los lmites de la carta X establecen de donde a donde deben estar ubicados los datos de un proceso con respecto a la centralidad del mimo y los lmites de la carta R miden la variabilidad de los mismos. Y para poder comprobar si la estabilidad del proceso es estable se necesita recolectar datos procedentes del proceso.

2. El peso ideal del contenido neto de una caja de cereal es de 250.0g, y se tiene una tolerancia de 2.5 g. Para monitorear tal peso se usa una carta de control XR. de datos histricos se tiene que la media y la desviacin estndar del proceso son = 249.0 y = 0.70, respectivamente. Con esta informacin conteste las siguientes preguntas: a) Cules son las especificaciones para el peso? Y explique por qu es importante cumplirlas. Las especificaciones del peso son: ES EI 252.5 247.5

Las especificaciones son importantes porque son dadas por los clientes, por quienes la empresa funciona. b) Explique en forma y con sus palabras, Qu se le controla al peso con la carta X y que con la carta R? Considerando un tamao de subgrupo de 4, obtenga la lnea central y los lmites de control para la correspondiente carta X, e interprete. LCS 4.223 LCI 0.578 LCC 2.4 Con la carta X se mide cun centrado est el proceso y con la carta R la variabilidad que hay en el mismo. 3. En una empresa en la que se fabrican corcholatas o tapas metlicas para bebidas gaseosas, un aspecto importante es la cantidad de PVC que lleva cada corcholata, el cual determina el espesor de la pelcula que hace que la bebida quede bien cerrada. El peso de los grnulos de PVC debe estar entre 212 y 218 mg. Si el peso es menor a 212 mg, entonces, entre otras cosas, la pelcula es muy delgada y eso puede causar fugas de gas en la bebida. Pero si el peso es mayor a 218 g, entonces se gasta mucho PVC y aumentan los costos. Para asegurar que se cumple con especificaciones, de manera ordinaria se usa una carta de control: cada 30 minutos se toma una muestra de cuatro grnulos consecutivos de PVC y se pesan. En la siguiente tabla se muestran las ltimas 25 medias y los rangos obtenidos del proceso. Subgrupos Media Rango

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Media

214.18 213.48 213.98 214.12 214.46 213.38 213.56 214.08 213.72 214.64 213.92 213.96 214.2 213.74 214.26 214.18 214.0 213.6 214.2 214.38 213.78 213.74 213.32 214.02 214.24 213.966

2.5 2.7 2.2 1.8 2.5 2.7 2.3 1.8 2.9 2.2 2.4 3.6 0.4 3.2 1.2 2.2 1.0 2.0 2.7 0.8 2.0 1.6 2.4 3.2 1.1 2.136

a) Calcule los lmites de una carta X-R y obtenga las cartas. b) Interprete las cartas (puntos fuera, tendencias, ciclos, etctera) c) El proceso muestra una estabilidad o estado de control estadstico razonable? d) Analice la capacidad del proceso, para ello: a. Calcule los lmites reales del proceso e interprtelos. Interpretacin: El proceso de fabricacin de las corcholatas se encuentra fuera de control estadstico en cuanto a su centrado ya que no se cumplen una serie de criterios para poder afirmar su estabilidad y buen funcionamiento. En la carta X 13 puntos se encuentran fuera de control estadstico pero sin embargo, en la carta R se cumple con los niveles de variabilidad en el mismo.

Carta X
235 230 225 220 215 210 205 200 1 3 5 7 9 11 13 15 17 19 21 23 25 Promedio LCS LCI LC

LCS LCI LCC A2

216.97 213.85 215.41 0.729

Carta R
6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Rango LCS LCI LC

LCS LCI LCC d3 d4

4.874779 0 2.136 0 2.2822

4. En el caso de la longitud de las bolsas del ejercicio 11, se decide emplear una carta de control X R utilizando un tamao de subgrupo de cinco, en donde se toman cinco bolsas consecutivas cada determinado tiempo. En la siguiente tabla se muestran las medias y los rangos de los ltimos 40 subgrupos (los datos estn en milmetros) a) Calcule los lmites de una carta X R y obtenga las cartas. b) Interprete las cartas (puntos fuera, tendencias, ciclos, altas variabilidad, etc.).

Subgrupo Media Rango Subgrupo Media Rango 1 2 301.12 300.96 1.9 1 21 22 302 299.02 4.6 3.5

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

301.16 300.5 301.28 299.92 300 301.86 301.52 302.8 299.01 300.02 300.1 301.28 301.02 300.7 301.2 300.96 300.24 301.86

3.6 1 2.5 2.3 2.3 1.5 2.3 0.4 3 2.5 2.3 3.4 1.1 3.9 3.1 3.1 3.7 2.7

23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

299.5 300.3 301.64 300.88 301.28 300.75 301.6 300.53 300.41 300.19 301.12 300.8 300.27 300.91 300.48 302 299.22 300.59

3.1 2.3 3.4 2.9 1.8 1.5 3.1 2.8 1.4 2.1 3.4 3.2 3.4 2.7 3.2 1.8 3.5 3

Carta X
n A2 X LCS LCI LCC R 40 0.153 300.775 301.174 300.376 300.775 2.608

Interpretacin: En la carta X se puede apreciar como varios puntos se encuentran fuera de control estadstico, lo que hace al proceso impredecible ya que se rompe el criterio 14, adems se puede apreciar en la grfica los cambios bruscos que hay dentro del proceso, y esto es algo que se debe erradicar totalmente de dicho proceso.

304 303 302 301 300 299 298 297 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Media LCS LCI LCC

Carta R
n D3 D4 40 0.4597 1.5403

LCS LCI LCC R

1.199 4.016 2.608 2.608

5 4 3 2 1 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 Rango LCS LCI LCC

Interpretacin: La longitud de las bolsas en cuanto a su variabilidad se encuentran fuera de control estadstico, ya que al igual que la carta X no se cumplen muchos criterios y la variabilidad experimenta muchas subidas y cadas bruscas.

5. Se desea que la resistencia de un artculo sea de por los menos 300 psi. Para verificar que se cumple con tal caracterstica de calidad, se hacen pequeas inspecciones peridicas y los datos se registran en una carta X-R. El tamao de subgrupo que se ha usado es de tres artculos, que son tomados de manera consecutiva cada dos horas. Los datos de los ltimos subgrupos se muestran en la tabla 7.5. Conteste: a) Dado que la media de media es 320.73, el proceso cumple con las especificacin inferior (El=300)? Explique. b) Calcule los lmites de la Carta X-R, e interprtelos. c) Obtenga las cartas e interprtelas. Subgrupo 1 2 3 4 5 6 7 Datos 319.2 309.2 312.1 321.1 327.4 319.8 315.9 Media 312.87 316.47 322.07 324.07 314.40 322.87 318.27 Rango 15.4 12.2 31.7 8.0 26.8 28.2 4.7

315.6 218.8 311.2 322.0 315.2 310.3 320.6

303.8 321.4 342.9 329.1 300.6 338.5 318.3

8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

322.2 329.1 322.4 326.2 328.8 328.8 318.7 326.7 313.4 337.3 316.3 327.2 337.8 309.2 314.3 318.9 303.7 319.3 317.0 310.6 319.5 308.6 316.2

303.6 306.7 318.8 310.1 325.0 306.3 320.8 316.7 307.4 312.9 314.1 338.2 343.0 321.7 321.6 322.2 326.3 338.8 327.4 318.5 326.0 321.7 321.6

323.4 312.4 299.7 338.5 322.0 305.6 310.3 327.3 329.5 324.4 323.0 340.9 337.4 310.5 318.0 333.5 337.1 320.9 312.5 336.7 333.2 306.0 328.5

316.40 316.07 313.63 324.93 325.27 313.57 316.60 323.57 316.77 324.87 317.80 335.43 339.40 313.80 317.97 324.87 322.37 326.33 318.97 321.93 326.23 312.10 322.10 320.73

19.8 22.4 22.7 28.4 6.8 23.2 10.5 10.6 22.1 24.4 8.9 13.7 5.6 12.5 7.3 14.6 33.4 19.5 14.9 26.1 13.7 15.7 12.3 17.2

Carta X
n A2 Gran Media LCS LCI LCC R
350 340 330 320 310 300 290 280 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Promedio LCS LCI LCC

3 1.023 320.73 338.331 303.133 320.732 17.203

Interpretacin: La resistencia de los artculos se encuentra fuera de control estadstico ya que se cumplen los criterios 1, 3 y 14 que hacen que dicho proceso sea impredecible estadsticamente. En cuanto a su centralidad dicho proceso est fuera de control.

Carta R
d4 d3 R LCS LCI LCC 2.5735 0 17.20 44.27 0 17.20

50 45 40 35 30 25 20 15 10 5 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Rango LCS LCI LCC

Interpretacin: En cuanto a la variabilidad en la resistencia de los artculos estos se encuentran dentro de control estadstico ya que ninguno de los puntos sale de los lmites de control.

6. Una empresa que hacen impresiones en lminas de acero que despus se convierten en recipientes de productos de otras empresas. Un aspecto importante a vigilar en dicha impresin es la temperatura de Horneado, donde, entre otras cosas, se da adherencia y se seca la lmina una vez que ha sido impresa. En una fase particular de la horneada se tiene que la temperatura de cierto horno debe ser 125 grados centgrados, con una tolerancia de ms menos 5 grados centgrados. Si no se cumple con tal rango de temperatura, entonces se presentan problemas en la calidad final de la impresin. A pesar que el horno se la programa la temperatura, en la tabla 7.9 se muestran los ltimos 45 datos en el orden que se obtuvieron, con el rango mvil para facilitar clculos. a) Por qu utilizar en este caso una carta de individuales y no una carta X-R? b) Estime los lmites de control para la carta de individuales e interprtelos. c) Obtenga la carta e interprtela. d) En el punto 32 se decidi hacer un ajuste al horno, tiene algn fundamento estadstico la decisin de hacer el ajuste? la decisin fue oportuna? e) Alguien no est del todo de acuerdo en la decisin tomada, argumentando que la temperatura todava estaba dentro de especificaciones, Qu opina al respecto? Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Temperatura 27.4 26.8 24.3 26.6 26.5 25.6 25.1 26.5 25.8 24.7 23.3 23.3 24.7 23.4 27.4 24.7 21.7 26.7 Rango Mvil 0.6 2.5 2.3 0.1 0.9 0.5 1.4 0.7 1.1 1.4 0.0 1.4 1.3 4.0 2.7 3.0 5.0 Subgrupo 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Temperatura 26.5 23.3 23.8 25.5 26.4 27.5 27.7 28.5 29.8 25.1 25.0 22.9 23.6 24.7 24.4 25.4 23.5 27.8 Rango Mvil 2.7 3.2 0.5 1.7 0.9 1.1 0.2 0.8 1.3 4.7 0.1 2.1 0.7 1.1 0.3 1.0 1.9 4.3

19 20 21 22 23

24.2 25.5 25.3 25.0 23.8

2.5 1.3 0.2 0.3 1.2 d2 LCS LCI LCC

42 43 44 45 Media 1.1218 29.55975 21.08914 25.32

25.5 26.4 24.5 23.5 25.32

2.3 0.9 1.9 1.0 1.57

35 30 25 20 15 10 5 0 1 3 5 7 9 111315171921232527293133353739414345 Temperatura LCS LCI LC

Interpretacin: El proceso de horneado se encuentra fuera de control estadstico ya que la variacin en la temperatura hace que uno de los puntos se salga de los lmites de control establecidos.

7. En una empresa se lleva el registro por consumo de agua por semana, y de acuerdo con los datos histricos se sabe que = 170.2 metros cuadrados con =10.4. a) Es mejor llevar el control de esta variable a travs de una carta de control. Por qu? b) Obtenga los lmites de control para la carta de individuales e interprtelos. c) Cmo se detectara en la carta los efectos de un programa de ahorro de agua? LCS LCI LC 201.4 167.2 170.2

8. En el departamento de sistemas se lleva un registro del tiempo de respuesta a solicitudes de servicio de clientes internos. Los ltimos datos en horas y en el orden de ocurrencia se muestran a continuacin (el orden es por regin). 39 35 38 35 42 98 49 42 39 92 34 43 41 86 126 57 27 87 38 42 46 37 117 31 33 33 109 33 39 37 44 43 40 34 37 37 119 78 28 37 42 52 34 37 122 32 37 40 34 33 29 23 96 33 96 26 35 43 37 71 36 29 62 32 32

a) Es apropiado analizar estos datos mediante una carta de individuales? b) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos.

c) Obtenga los lmites de control para una carta de control de individuales e interprtelos. d) Obtenga la carta de control e interprtela. e) El tiempo de respuesta es estable? f) Grafique los datos en un histograma. g) Observe cmo se aprecia en el histograma lo especial percibido en la carta, comente. h) Cul sera su conclusin sobre la causa de los que se puede observar de especial?

d2 LCS LCS LCC

1.128 48.97 50.89 49.92

140 120 100 80 60 40 20 0 -20 -40 1 4 7 10131619222528313437404346495255586164 LC LCI Respuesta de solicitudes LCS

9. En el departamento de capacitacin de una empresa se lleva un registro por alumno del porcentaje de asistencia a cada evento de capacitacin. Con el total de alumnos que asisten a cada curso. A continuacin se muestran los resultados de los ltimos 30 cursos:

71 78 70 71 78

74 99 79 72 79

79 70 71 75

65 76 74 71

85 88 80 70

76 78 70 73

76 82 83 69

61 67 69 74

74 72 77 77

78 76 75 78

a) Organice los datos en columna y obtenga la columna de rangos mviles de orden dos. b) Analizar estos datos mediante una carta de individuales. c) Obtenga la carta de control e interprtela. d) Se puede considerar satisfactoria la calidad de los cursos? e) Qu observa de especial en la carta? f) Cules podran ser las razones de los puntos especiales? g) Qu lmites de control utilizara a futuro, de tal forma que reflejen la realidad prevaleciente? h) A su juicio cules podran las causes comunes que contribuyen al nivel de ausentismo observado? d2 LCS LCI LCC 1.128 94.57 55.91 75.24

120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 Asistencia LCS LCC LCI

CAPTULO 8
1. En una empresa del ramo metalmecnico se fabrican vlvulas. Despus del proceso de fundicin se hace una inspeccin y las piezas que no cumplen con ciertas caractersticas son rechazadas. Las razones por las que pueden ser rechazadas son diversas: piezas incompletas, porosas, mal formadas, etctera. Para evaluar la variabilidad y la magnitud de la proporcin de piezas defectuosas en el proceso de fundicin se decide implementar una carta p. el proceso de fundicin se hace por lotes. Aunque regularmente el tamao de lote es fijo, n=300, en ocasiones por diferentes motivos en algunos lotes se hacen unas cuantas piezas de ms o de menos. En la siguiente tabla se muestran los datos obtenidos durante una semana para un cierto tipo de vlvulas.

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

Tamao de lote 300 300 300 300 300 300 300 280 290 300 300 300 300 300 305 295 300 300 300 300

Defectuosas 15 12 15 7 16 6 18 10 9 15 9 4 7 9 5 15 19 7 12 10

Proporcin 0.050 0.040 0.050 0.023 0.048 0.020 0.060 0.036 0.031 0.050 0.030 0.013 0.023 0.030 0.016 0.051 0.063 0.023 0.040 0.033

21 Total

300 6,300

4 224

0.013

a) Calcule los lmites de control utilizando el tamao de subgrupo (lote) promedio. b) Cmo explicara los lmites de control a alguien que no tiene conocimientos profundos de estadstica? c) Grafique la carta correspondiente e interprtela. d) El proceso es estable? e) Se puede considerar que la calidad del proceso es aceptable? Argumente.

n LCS LCI LC

21 0.0674 0.0034 0.03538

0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 1 3 5 7 9 11 13 15 17 19 21 Proporcin, p LCS LCI LC

2. En el caso del ejercicio 5: a) Suponga que todos los lotes tienen el mismo tamao (el promedio), calcule los lmites de control para una carta np, e interprtelos. b) Grafique la correspondiente carta np y analcela. c) El proceso es estable? d) Observa alguna diferencia importante entre la carta p y la np? e) Cul, carta p o la np sera la ms conveniente en este caso? Argumente.

n N Lotes p-promedio LCS LCC LCI np

300 21 0.036 20.29 10.67 1.044 10.67

25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Componentes Defectuosos LCS LCC LCI

3. En un proceso se lleva una carta p, cuya lnea central es 0.08. Si se toma un lote de 100 artculos y se obtienen 16 defectuosos, ese lote es anormal?, es decir, en la produccin de ese lote el proceso estuvo fuera de control estadstico? Conteste calculando los lmites de control considerando n= 100 y p= 0.08. n p Defectos totales p-promedio LCS LCI LCC 100 0.08 16 16% 27% 5% 16%

4. En un proceso de produccin se produce por lotes de tamao 500, en la inspeccin final de los ltimos 30 lotes se obtuvieron la siguiente cantidad de artculos defectuosos.

Lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Tamao 11 12 15 17 11 10 13 25 17 13 11 12 17 8 12

Lote 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Tamao 11 20 15 12 17 18 14 10 8 10 6 7 5 9 6

a) Calcule los lmites de control para una carta p. b) Grafique la carta p e interprtela. c) El proceso es estable? d) Con sus palabras diga que significan los lmites de control y la lnea central. e) A partir del lote 20 se empez a ejecutar un plan de mejora, hay algn tipo de evidencia de que el plan haya dado resultado?

p LSC LIC

2.48% 4.57% 0.39%

0.06 0.05 0.04 0.03 LCI 0.02 0.01 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 LCC

Fraccin defectuosa p LCS

5. En una empresa se ha usado una carta p para analizar la variacin en la proporcin de artculos defectuosos. a) Si la lnea central de esta carta es 0.05, el tamao de subgrupo es de 150, calcule los lmites de control de la carta e interprtelos. b) Si la proporcin de defectuosos de nueve lotes consecutivos de tamao 150, fueron los siguientes: 0.02, 0.065, 0.07, 0.08, 0.09, 0.07, 0.11, 0.10, 0.09. Analice estos datos con los datos del inciso anterior y seale si en la produccin de estos lotes el proceso estuvo en control estadstico o si hubo algn cambio importante. c) Haga lo mismo que el inciso a pero utilizando un tamao de subgrupo de 300, e interprete los lmites que obtenga. d) Qu efecto tiene el tamao de subgrupo en la amplitud de los lmites de control de una carta p? LCS LCC LCI n Lote 1 2 3 4 5 6 7 8 9 p-promedio Proporcin 0.02 0.07 0.07 0.08 0.09 0.07 0.11 0.10 0.09 0.08 LCS 0.12 0.12 0.12 0.12 0.12 0.12 0.12 0.12 0.12 0.103 0.05 0 150 LCI 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 LCC 0.08 0.08 0.08 0.08 0.08 0.08 0.08 0.08 0.08

0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 1 2 3 4 5 6 7 8 9 Proporcin LCS LCI LCC

6. Para analizar el desempeo de un proceso y tratar de mejorarlo, se decide analizar la proporcin de defectuosos. Para ello se toman subgrupos de tamao 200 y se cuantifica la cantidad de defectuosos. Los datos obtenidos durante 6 das son los siguientes: Lote 1 2 3 4 5 6 7 8 9 10 Defectuosos 10 6 12 7 9 6 8 9 8 6 Lote 11 12 13 14 15 16 17 18 19 20 Defectuosos 10 9 13 9 11 6 15 7 4 8

a) Calcule lo lmites de control para una carta p, y explique el significado de los lmites de control que obtuvo. b) Mediante una carta p analice los datos y obtenga conclusiones. c) De acuerdo a los costos de produccin el nivel de defectuosos mximo tolerable es de 5%. Con base en esto alguien sugiere que el lmite de control superior de la carta p debe ser 0.05, es correcta esa sugerencia? LCS LCC LCI 0.086 0.043 0.0

0.100 0.080 Proporcin 0.060 0.040 0.020 0.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 LCS LCC LCI

7. En el caso del ejercicio anterior, se aplica un plan de mejora, y se toman varias acciones. Los datos obtenidos en la semana posterior a las mejoras son:

Lote 1 2 3 4 5 6 7

Defectuosos 7 4 5 5 6 4 3

Lote 11 12 13 14 15 16 17

Defectuosos 4 6 4 6 4 5 8

8 9 10

4 7 6

18 19 20

3 7 8

a) Utilizando los lmites de control obtenidos antes de la mejora, analice estos ltimos datos mediante una carta p. b) Las mejoras dieron resultado? Argumente. LCS LCC LCI 0.061 0.027 0.0

0.070 0.060 0.050 0.040 0.030 0.020 0.010 0.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Proporcin LCS LCC LCI

8. En un proceso se produce por lotes y estos se prueban al 100%. Se lleva un registro de la proporcin de artculos defectuosos por diferentes causas. Los datos de los ltimos 25 lotes se muestran a continuacin:

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

Tamao 200 200 200 200 200 200 180 180 180 200 200 200 200

Defectuosos 21 20 27 33 22 40 27 23 20 26 28 21 23 Total

Lote 14 15 16 17 18 19 20 21 22 23 24 25

Tamao 200 200 200 200 220 220 220 200 200 200 200 200 5,000

Defectuosos 21 25 29 20 28 18 24 13 23 12 19 26 589

a) Obtenga una carta p usando el tamao de subgrupo (lote) promedio.

b) Cmo explicara los lmites de control que obtuvo a alguien que no tienen conocimientos profundos de estadstica? c) Obtenga una carta p con lmites de control variables. d) Suponiendo que todos los lotes tienen el mismo tamao (el promedio), obtenga una carta

np para tales datos.

e) Observa alguna diferencia importante entra la carta p y la np? f) De qu depende la eleccin entre la carta p o np?

P-promedio LCS LCI LCC

0.117 0.184 0.049 0.117

Carta p
0.250

0.200 Proporcion LCS 0.100 LCI LCC 0.050

0.150

0.000 1 3 5 7 9 11 13 15 17 19 21 23

Carta p (Lmites Variables)

Carta np
n p np LCS LCC LCI 200 0.117 23.458 37.110 23.458 9.807

45 40 35 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Defectos LCS LCC LCI

9. En una fbrica de artculos de plstico inyectado se tiene el problema de la rebaba en las piezas, que es necesario eliminarla con el retrabajo. Con el propsito de evaluar la realidad actual y detectar posibles causas especiales de variacin se decide implementar una carta de control para el producto que ms se fabrica, los datos obtenidos en 24 lotes de tamao 500, en cuanto a la cantidad de piezas con rebaba se muestran a continuacin.

Lote 1 2 3

Piezas defectuosas 86 95 113

Lote 13 14 15

Piezas defectuosas 98 126 9

4 5 6 7 8 9 10 11 12

93 88 101 90 85 111 80 96 89

16 17 18 19 20 21 22 23 24

124 129 115 95 78 97 110 108 118

a) Calcule los lmites de control para una carta p e interprtelos. b) Grafique la carta p y analcela. c) Obtenga una carta np e interprtela. d) A su juicio cul de las dos cartas es ms conveniente es este caso? Argumente. e) El proceso es estable? f) Se puede considerar que el proceso genera buena calidad?

N P LSC LIC

500 20.18% 25.56% 14.79%

0.3 0.25 0.2 0.15 0.1 0.05 0 1 3 5 7 9 11 13 15 17 19 21 23

Proporcin LCS LCI LCC

Carta np

10. En una empresa se registra el nmero de quejas por mal servicio. Los datos de las ltimas 25 semanas se muestran enseguida. Semana Nmero de quejas 1 2 3 6 2 3 Semana Nmero de quejas 14 15 16 4 5 6

4 5 6 7 8 9 10 11 12 13

4 5 6 7 8 9 0 1 2 3

17 18 19 20 21 22 23 24 25

7 8 9 0 1 2 3 4 5

a) Es adecuado analizar stos mediante una carta p? Argumente. b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos. c) Obtenga la carta c y analcela. d) El proceso es estable? e) El nivel de calidad se puede considerar satisfactorio? Subgrupo c LCS LC LCI 25 4.4 10.69 4.4 -1.89

12 10 8 6 4 2 0 -2 -4 1 3 5 7 9 11 13 15 17 19 21 23 25 quejas LCS LCI LC

11. En una lnea de ensamble o montaje de pequeas piezas en tarjetas electrnicas se cuantifica el nmero de defectos de diferente tipo por muestra de 10 tarjetas. Los defectos encontrados en las ltimas 30 muestras se listan a continuacin.

Muestra 1 2 3 4 5 6 7

Defectos 28 22 25 21 26 22 36

Muestra 16 17 18 19 20 21 22

Defectos 24 6 20 25 29 26 24

8 9 10 11 12 13 14 15

22 32 22 23 27 26 18 29

23 24 25 26 27 28 29 30 31 32 33 34 35

32 31 29 24 27 21 27 31 20 22 28 26 24

a) Ntese que en promedio hay ms de un defecto por tarjeta, es adecuado analizar estos datos mediante una carta p? Argumente. b) Calcule los lmites de control para una carta c e interprete los lmites obtenidos. c) Obtenga la carta c y analcela. d) El dato de la muestra 17 es especial, por lo que habra que buscar las posibles causas que ocasionaron esto, por qu? e) Qu opina de la estabilidad del proceso? f) El nivel de calidad se puede considerar satisfactorio? g) Cmo aplicara un anlisis Pareto para enfocar mejor un proyecto de mejora?

n u LCS LCI LCC

10 2.5 4 1 2.5

4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Defecto /Tarjeta (U) LCS LCI LCC

12. En un hotel se ha llevado el registro de quejas de los clientes desde hace 15 semanas con el nmero de clientes por semana, los datos se muestran en la siguiente tabla.

Semana 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Clientes 114 153 115 174 157 219 149 147 131 91 112 158 244 111 120 Total

Quejas 11 15 5 14 16 11 10 9 10 10 10 11 30 11 11 2,195

Promedio de defectos por unidad 0.096 0.098 0.043 0.080 0.102 0.050 0.067 0.061 0.076 0.110 0.089 0.070 0.123 0.099 0.092 184

a) Calcule los lmites de control para una carta u para el nmero de quejas por cliente e interprete los lmites de obtenga. b) Grafique la carta u correspondiente y analcela. c) La estabilidad del proceso es aceptable? d) Considera que la calidad del hotel es buena? Explique.

LCS LCI LCC U promedio

0.1556 0.0120 0.0838 0.0838

n Subgrupos

146.33 15

35 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Quejas LCS LCI LCC

13. Con el propsito de analizar la posibilidad de eliminar los estndares de trabajo en un sector de una fbrica, se decide analizar el nmero de cierto tipo de operaciones que realiza cada trabajador por da y semana. a continuacin se muestran los resultados obtenidos en una semana para 14 trabajadores (cada dato corresponde a un trabajador). 295 306 292 297 294 343 285 240 329 305 277 260 337 320 a) Calcule los lmites de control para una carta c para el nmero de operaciones por trabajador e interprete los lmites que obtenga. b) Investigue mediante la carta c correspondiente si algn trabajador est fuera del sistema. c) En caso de estarlo, qu recomendara que se haga con tal trabajador?

Subgrupo c-promedio LCS= LCI= LCC=

14 292.1 343.4 240.9 292.1

400 350 300 250 200 150 100 50 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 C LCS LCI LC

Bibliografa
Control Estadstico de la Calidad y Seis Sigma Humberto Gutirrez Pulido y Romn de la Vara Salazar McGraw-Hill, Mxico D.F. 2004