Control de Calidad 1

CAPITULO No. 2
CAPACIDAD DE PROCESO I

1. Con sus palabras y apoyndose en graficas, conteste los siguientes incisos:

a) Qu es la tendencia central y que la variabilidad de un proceso o en los grficos?

La tendencia central representa el valor al que tienden a concentrarse los datos de una muestra o un proceso, es ver si
cumplen con las especificaciones y saber si el proceso se encuentra centrado, es decir saber si la tendencia central de la
variable de salida es igual o est muy prxima al valor nominal especifico.

La variabilidad de un proceso se refiere a la diversidad de resultados de una variable o de un proceso. Es decir que en un
proceso pueden interactuar materiales, mano de obra, mediciones, medio ambiente y mtodos. Estos seis elementos
determinan de manera global todo proceso y cada uno aporta algo a la variabilidad y a la calidad de la salida del proceso.

b) Represente grficamente dos procesos con la misma variabilidad pero diferente tendencia central.

Mano de Obra Mano de Obra

c) Elabore la grfica de dos procesos con la misma media pero diferente dispersin.

CAJONES1 CAJONES2
3,5
2,5

3,0
2,0
2,5

1,5
2,0

1,5 1,0
Frecuencia

1,0
,5
Frecuencia

Desv. tp. = 23,77

Desv. tp. = 1,62 Media = 26,7
,5
Media = 26,4 N = 7,00
0,0
0,0 N = 7,00 0,0 20,0 40,0 60,0
25,0 26,0 27,0 28,0 29,0 10,0 30,0 50,0 70,0

CAJONES1 CAJONES2

Moiss. XD
 Control de Calidad 2

d) Represente dos procesos cuya forma de su distribucin sea diferente.

und pan kg de fideo

6 6

5 5

4 4

3 3

2 2

Frecuencia
Frecuencia

1 Desv. tp. = 26,23

1 Desv. tp. = 3,45
Media = 36,8
Media = 13,4
0 N = 12,00
0 N = 12,00
20,0 40,0 60,0 80,0 100,0
10,0 12,5 15,0 17,5 20,0
30,0 50,0 70,0 90,0

und pan
kg de fideo
e) Qu significa que un proceso sea capaz?

Un proceso es capaz cuando el producto est dentro las especificaciones y no exista mucha variabilidad en el proceso.

2. Si una caracterstica de calidad debe estar entre 30+/- 2, y se sabe que su media es = 29,9, entonces, Se tiene buena
calidad, se cumple con especificaciones?

La media poblacional esta en el rango de la caractersticas de la calidad pero esto no quiere decir que sea de calidad.

El valor de la media poblacional () da un indicio de que el proceso cumple con las especificaciones, pues este valor se
encuentra muy cerca de la especificacin media, pero, debido a que falta el dato de la desviacin estndar () que indica
cuanto es la variacin de los datos respecto a la media poblacional, no se puede garantizar que los limites reales del proceso
se encuentran dentro de los limites de las especificaciones.

3. De qu manera afectan los datos raros a la media? Explique.

Un dato raro es una medicin cuya magnitud es muy diferente a la generalidad de las mediciones del correspondiente
conjunto de datos.
Para poder determinar la media, necesitamos de cierta cantidad de mediciones ya que si obtendramos datos raros causara
una dificultad al realizar el clculo porque no sera una respuesta correcta.

4. Un grupo de 30 nios va de paseo acompaado de tres de sus maestras. La edad de los nios vara entre 4 y 8 aos, la
mitad tiene 5 aos o menos. La edad que se repite ms es la de 4. La edad de las tres maestras es de aproximadamente 30
aos. Con base en lo anterior, incluyendo a las tres maestras, proponga un valor aproximado para la media, la moda y la
mediana de la edad de los 33 paseantes. Argumente sus propuestas.

Datos nios: Datos maestras:

LRI= 4 aos = 30 aos
LRS= 8 aos n= 3
Mediana= 5 aos
Moda= 4 aos
n= 30

Moiss. XD
 Control de Calidad 3

Media. Debido a la adicin de datos raros la media se recorrer hacia la derecha. Se sabe que 15 nios tiene entre 4 y 5 aos,
por lo q la media de este grupo de datos ser 4.5. Los otros 15 nios tienen edades entre 5 y 8 aos, por lo que su media ser
6.5. Y tambin es conocido que son 3 las maestras que tienen en promedio 30 aos. Haciendo la siguiente operacin:

(15 4 .5 15 6 .5 3 30 ) 7 .27 7 aos

Mediana.- Con 30 datos la mediana era el dato 15, con un valor de 5 aos, aumentando 3 datos mas y ordenndolos de forma
creciente la mediana ser el valor 17, con lo cual la mediana no variar considerablemente, es decir, estar comprendido
entre 5 y 6 aos.

Moda.- Este valor ser 4 aos, pues sigue siendo el dato que ms se repite.

5. En una empresa se llevan los registros del nmero de fallas de equipos por mes; la media es de 4 y la mediana 6.

a) Si usted tiene que reportar la tendencia central de fallas, que numero reportara?

Si el objetivo es reportar que valores de numero de fallas se encuentran centrados reportara el 6 que representa a la mediana
ya que esto me confirma en un 50% existen fallas menores a 6 y en otro 50 % son mayores. Y tambin porque la mediana no
se ve afectada cuando existe un dato raro o cuando la distribucin de datos se encuentra sesgadas.

b) La discrepancia entre la media y la mediana se debi a que varios meses ocurrieron muchas fallas?

Se podra decir que si, ya que si el nmero de muestra es relativamente grande o tambin se podra confirmar que en estas
tomas de medidas de fallas pueda que exista un dato raro o hay un sesgo muy importante.

6.- De acuerdo con los registros de una empresa, el ausentismo por la semana del personal de labor directa es de 25
personas en promedio, con una desviacin estndar de 5. Con base a esto responda a los siguientes dos incisos:
a) Entre qu cantidad y qu cantidad se espera que vari la cantidad de personas que no acuden a trabajar por semana
DATOS
X= 25 personas
= 5 personas
X+/-
25+/-5
Lo cual significa que la cantidad de personas que no acuden a trabajar por semana estar variando entre 20 y 30 personas, es
decir, 202530
Eso representa un 68% de los casos segn la desiguladad de Chebyshev, lo que quiere decir que de 100 muestras tomadas, 68
semanas no trabajarn de 20 a 30 personas.

b) Si en la semana actual se registro una cantidad de 34, esto quiere decir que en esta semana pas algo fuera de lo usual,
por lo que debemos investigar que sucedi y tomar una medida urgente para minimizar el problema.

Si en la semana actual se registro una cantidad de 34, esto quiere decir que en esta semana pas algo fuera de lo usual, por lo
que debemos investigar que sucedi y tomar una medida urgente para minimizar el problema.

7. En una empresa se lleva un registro semanal del nmero de empleados que acuden a la enfermera de la empresa a
recibir atencin mdica. Con base en los datos de los primeros seis meses del ao se tiene que el nmero promedio por
semana es de 16, y la desviacin estndar es de 3.5. Con base en esto conteste los siguientes dos incisos.

a) Entre que cantidades se espera que varen usualmente el nmero de empleados, que acuden a la enfermera por
semana?
Para calcular los lmites reales: 3
Se espera que varen entre:
16-(3*3.5)= 6

Moiss. XD
 Control de Calidad 4

16+(3*3.5)= 27
es decir entre(6-27) personas que acuden a la enfermera por semana ya que existe una variabilidad de 3,5 es decir que en un
10 aproximadamente estn separados de la media y se vean afectados por datos raros.

b) Si en la semana actual se reporta que acudieron a la enfermera 25 personas, este quiere decir que en esta semana paso
algo fuera de lo usual. Conteste s o no, y explique por qu.

NO fue algo fuera de lo usual, porque no se encuentra dentro de un rango permitido y no existe mucha variabilidad con
respecto a la media.

8. De acuerdo con la norma de proteccin al consumidor mexicana, una bomba de gasolina en cada 20L se le permite una
discrepancia de 0.2L. En una gasolinera se hacen revisiones peridicas para evitar infracciones y ver si cumple con las
especificaciones (EI= 19.8, ES= 20.2). De acuerdo con los resultados de 15 inspecciones para una bomba en particular, la
media y desviacin estndar de los 15 datos son 19.9 y 0.1, respetivamente. De acuerdo con esto, se puede garantizar que
la bomba cumple con la norma? Argumente.

Para garantizar que se cumple con la norma, los lmites reales deben estar dentro de los lmites de las especificaciones.
Obteniendo los lmites reales:
LRS = 19.9 + 3(0.1) = 20.2 LRI = 19.9 3(0.1) = 19.6
Con los resultados obtenidos se puede evidenciar que el LRI es menor a EI, lo cual indica que la bomba no cumple con la
norma.

9.- La desigualdad de Chebyshev y la regla emprica establecen la relacin entre la media y la desviacin estndar. Explique
esto y seale si se aplica para el caso muestral, poblacional o para ambos.

Una forma de apreciar ms claramente el significado de la desviacin estndar como media de dispersin en torno a la
media, es a travs de la relacin entre la media y la desviacin estndar, la cual est dad por la desigualdad de Chebyshev y la
regla Emprica.

Dos hechos particulares que afirman la desigualdad de Chebyshev es que entre -2S Y +2S Est por lo menos el 75% de
los datos de la muestra, y que entre + 3S est por lo menos el 89%.

En cuanto a la regla emprica afirma que en mucho de los datos que surge en la prctica se ha observado por la experiencia
que:

entre -S y + S est el 68 % de los datos de la muestra.

entre -2S y + 2S est el 95% y
entre - 3S y + 3S est el 99.7 %.

Todos estos datos son vlidos slo PARA DATOS MUESTRALES Y NO NECESARIAMENTE PARA TODA LA POBLACIN O
PROCESO.

Sin embargo, si los intervalos se calculan con la media y la desviacin estndar del proceso o poblacin, entonces sern
vlidos PARA TODA LA POBLACIN .Por lo que en la media que se tengan muestras aleatorias grandes. Es decir son
aplicables para ambos casos, previas ajustes.

Moiss. XD
 Control de Calidad 5

10. Dos maquinas cada una operada por una persona son utilizada para cortar tiras de hule, cuya longitud ideal es de 200
mm, con una tolerancia de 3 mm. al final el turno un inspector toma una muestra e inspecciona que la longitud cumpla
especificaciones. A continuacin se muestran las ultimas 110 mediciones para ambas maquinas.

199,2 199,7 201,1 202 201 201,5 200 199,8

200,7 201,4 200,4 201,7 201,4 201,4 200,8 202,1
200,7 200,9 201 201,5 201,2 201,3 200,9 200,7
200,5 201,2 201,7 201,2 201,2 200,5 200,1 201,4
200,2 201 201,4 201,4 201,1 201,2 201 200,6
202 201 201,5 201,6 200,6 200,1 201,3 200,6
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
199,7 199,7 199 198,4 199,1 198,8 198,3 198,9
199,6 199 198,7 200,5 198,4 199,2 198,8 198,5
198,9 198,8 198,7 199,2 199,3 199,7 197,8 199,9
199 199 198,7 199,1 200,3 200,5 198,1 198,3
199,6 199 199,7 198,9 199,2 197,9 200,3 199,6
199,4 198,7 198,5 198,7 198,6 198,5

a) Obtengas las medidas de tendencia central y y con base en ellas seale si la tendencia central del proceso es
adecuada.

Estadsticos
Longitud tiras de hule

N Vlidos 110
Perdidos 0
Media 199.996
Mediana 200.100
Moda 199.0(a)
Desv. tp. 1.1557
Varianza 1.3356
Asimetra -.037
Error tp. de asimetra .230
Curtosis -1.258
Error tp. de curtosis .457
Rango 4.3
Mnimo 197.8
Mximo 202.1

Una distribucin bimodal tiene dos puntos mximos. Esto hace que la media y la mediana no sean de utilidad,
puesto que sus valores estn en algn lugar entre los dos puntos mximos y distorsionan enormemente la
descripcin de la distribucin. En este caso hay dos modas, pasa a ser la nica medida til de tendencia central. Sin
embargo, una distribucin bimodal es poco comn y en general se puede decir que consta de dos distribuciones que
se pueden analizar en forma independiente.

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.

S= 1,16

Moiss. XD
 Control de Calidad 6

1,16

LRI 200 - 3*1,16 = 196,5

LRS 200 + 3*1,16 = 203,5

Considerando el tamao de la muestra y en base a los clculos anteriores, se llega a la conclusin de que la
variabilidad no es aceptable ya que los LRI y LRS sobrepasan las tolerancias en 0,5 mm en ambos casos.
c) Obtenga un histograma e intrprete (tendencia central. Variabilidad, acantilados, sesgos, etc.)

Tabla de frecuencia para la longitud de las tiras de hule

PORCENTAJE
CLASE LONG. DE TIRAS RANGOS FRECUENCIA DE
FRECUENCIA
1 197,8 - 198,3 198,3 7 6%
2 198,4 - 198,9 198,9 20 18%
3 199,0 - 199,5 199,5 15 14%
4 199,6 - 200,1 200,1 14 13%
5 200,2 - 200,7 200,7 20 18%
6 200,8 - 201,3 201,3 17 15%
7 201,4 - 201,9 201,9 14 13%
8 202,0 - 202,1 202,1 3 3%
110 100%

Histograma para la longitud de las tiras de hule

25

20

15
Frecuencia

10

0
197,8 - 198,4 - 199,0 - 199,6 - 200,2 - 200,8 - 201,4 - 202,0 -
198,3 198,9 199,5 200,1
Longitud200,7 201,3 201,9 202,1

Interpretacin:
Tendencia central.- Sabiendo que la longitud optima de las tiras es de 200mm, se observa que el proceso est centrado.
Variabilidad.- Sabiendo que las especificaciones del proceso estn entre 197 y 203 mm, se observa que existe mucha
variabilidad, ya que no encaja la distribucin holgadamente dentro de los lmites.
Forma.- Claramente se ve que se tienen dos modas dentro del proceso, y que lo ms logico es que sea debido a que las
mediciones son realizadas por dos mquinas diferentes, las cuales estan descentradas, una a la derecha y otra a la
izquierda.

Moiss. XD
 Control de Calidad 7

d) Con la evidencia obtenida antes. Cul es su opinin sobre lo adecuado o no de la longitud de las tiras que se han
cortado en el proceso que representan las mediciones.

En base a las evidencias obtenidas antes, se llega a la conclusin de que por ms que el proceso est aparentemente
centrado, la longitud de las tiras cortadas no son de buena calidad, debido a que las mquinas utilizadas estan mal
calibradas, es decir no estan bien centradas, por lo que existe mucha variabilidad y falta de calidad en el proceso.

11.- En el caso del ejercicio anterior, consideramos que

a) Evale las dos mquinas en cuanto a su centrado (tendencia central) respecto a su longitud ideal (200).

Evaluacin para la mquina 1 (los primeros 55 datos introducidos)

Estadsticos

LONGITUD
N Vlidos 55
Perdidos 0
Media 200.960
Error tp. de la media .0828
Mediana 201.000
Moda 201.4
Desv. tp. .6139
Varianza .3769
Asimetra -,463
Error tp. de asimetra ,322
Curtosis ,186
Error tp. de curtosis ,634
Rango 2.9
Mnimo 199.2
Mximo 202.1

La tendencia central de la primera mquina, las medidas de tendencia central son relativamente similares y muy
cercanas por lo que el proceso est centrado, segn se observa los datos viene de una distribucin normal.

Evaluacin para la mquina n 2 (datos del 56 al 112)

Estadsticos
N Vlidos 55
Perdidos 0
Media 199.033
Error tp. de la media .0882
Desv. tp. .6538
Varianza .4274
Asimetra ,505
Error tp. de asimetra ,322
Curtosis -,223
Error tp. de curtosis ,634
Rango 2.7
LONG2 Mnimo 197.8
Las medidas de tendencia central Mximo 200.5 estn dentro de los lmites es decir
esta centrada al igual que la mquina n1

b) Analice la dispersin de ambas mquinas utilizando la desviacin estndar y la regla emprica.

Moiss. XD
 Control de Calidad 8

REGLA EMPIRICA
68% x+S 201,504 LCS
x -S 200.417 LCI
95% x + 2S 202.046 LCS
x - 2S 199.874 LCI
99,70% x + 3S 202.590 LCS
x - 3S 199.330 LCI

LIMITES DE CONTROL AL 68%

Grfico de control: LONGITUD

205,2

203,1 LONGITUD

LCS = 201,503

201,0
Espec U = 203,000

Promedio = 200,960
198,8
Espec L = 197,000

196,7 LCI = 200,417

1 7 13 19 25 31 37 43 49 55
4 10 16 22 28 34 40 46 52

Nivel sigma: 1

LIMITES DE CONTROL AL 95%

Grfico de control: LONGITUD

205,2

203,1 LONGITUD

LCS = 202,046

201,0
Espec U = 203,000

Promedio = 200,960
198,8
Espec L = 197,000

196,7 LCI = 199,874

1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55

LIMITES Nivel sigma: 2 DE CONTROL AL 99.70%

Grfico de control: LONGITUD

205,2

203,1 LONGITUD

LCS = 202,590

201,0
Espec U = 203,000

Promedio = 200,960
198,8
Espec L = 197,000

196,7 LCI = 199,330

Moiss. XD
1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55

Nivel sigma: 3
 Control de Calidad 9

SOLUCION

Maquina N 1

Se hace un anlisis del 68 %, donde cumple la especificacin con algunos datos raros fuera de los lmites de control (15 datos
fuera).
95 %, se cumple la especificacin con 4 datos raros fuera de los lmites de control.
99.70 % se cumple la especificacin excepto de 1 dato que cae fuera del lmite de control.

c) Haga un Histograma para cada mquina e interprete cada uno de ellos.

LONGITUD
12 LONG2
12
10
10

8
8

6
6

4
4
Desv. tp. = ,61 Desv. tp. = ,65
2 2
Media = 200,96
Frecuencia

Media = 199,03
Frecuencia

0 N = 55,00 0 N = 55,00
19
19 25
19 50
20 75
20 00
20 25
20 50
20 75
20 00
20 25
20 50
20 75

197
198 5
198 0
198 5
198 0
199 5
199 0
199 5
199 0
200 5
200 0
200 5
9,
9,
9,
0,
0,
0,
0,
1,
1,
1,
1,
2,0

,7
,0
,2
,5
,7
,0
,2
,5
,7
,0
,2
,50
0

LONGITUD LONG2

Moiss. XD
 Control de Calidad 10

d) Considerada que cada mquina es operada por una persona diferente, discuta cuales son las posibles causas de los
problemas sealados en el inciso anterior y seale que hara para corroborar cules son las verdaderas causas.

Estadsticos

LONG2
N Vlidos 55
Perdidos 0
Media 199.033
Error tp. de la media .0882
Mediana 199.000
Moda 199.0
Desv. tp. .6538
Varianza .4274
Asimetra ,505
Error tp. de asimetra ,322
Curtosis -,223
Error tp. de curtosis ,634
Rango 2.7
Mnimo 197.8
Mximo 200.5
e) Vuelva a analizar el histograma realizado en el inciso c
del anterior A la luz de lo anterior, qu recomendaciones respecto a la obtencin de datos y su anlisis dara para hacer
mas eficiente la inspeccin y el control del funcionamiento de cada mquina?
N Vlidos 55
Perdidos 0
Media 200.960
Error tp. de la media .0828
Mediana 201.000
Moda 201.4
Desv. tp. .6139
Varianza .3769
Asimetra -0,463
Error tp. de asimetra
0,322
Curtosis 0,186
Error tp. de curtosis 0,634
Rango 2.9
Mnimo 199.2
Mximo 202.1

12. En un rea de servicios 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.

78 78 82 85 81 86 80 73 84 78
78 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

Moiss. XD
 Control de Calidad 11

a) de los datos anteriores calclese los datos de tendencia central, de dispersin y de una primera opinin sobre la calidad
del servicio.

N Vlidos 50
Perdidos 0
Media 59,80
Mediana 58,50
Moda 42(a)
Desv. tp. 21,125
Varianza 446,286
Asimetra -,015
Error tp. de asimetra ,337
Curtosis -1,803
Error tp. de curtosis ,662
Rango 62
Mnimo 29
Mximo 91

En base a los resultados anteriores, se puede decir que la calidad del servicio es regular, ya que la media de los puntos
obtenidos es de 60 sobre 100, aunque se observa que existen 2 modas, lo cual indica que los datos tienen una distribucin
bimodal. Asimismo, la desviacin estndar es muy alta, lo cual se traduce en una gran variabilidad de las respuestas acerca de
la calidad del servicio.
b) realice el histograma e interprtelo con cuidado.
K = 1 + 3,3 log 50 = 7
R = 62
A = 10
Tabla de frecuencia para la calidad de servicio
CLASE NOTAS RANGOS FRECUENCIA PORCENTAJE DE FRECUENCIA
1 91 - 82 91 11 22%
2 81 - 72 81 12 24%
3 71 - 62 71 2 4%
4 61 - 52 61 0 0%
5 51 - 42 51 12 24%
6 41 - 32 41 10 20%
7 31 - 29 31 3 6%
50 100%

14
12
10
8
Frecuencia

6
4
2
0
91 - 8281 - 7271 - 6261 - 5251 - 4241 - 3231 - 29

Moiss. XD
 Control de Calidad 12

Se puede ver claramente que existen dos modas, es decir es una distribucin bimodal, debido a una marcada diferencia de
opiniones cuya causa talvez es ocacionada por la diferencia entre niveles de clientes internos, talvez a unos les brindan mejor
servicio y a otros no tanto.

c) Qu es lo ms destacado que observa en el histograma?

Es la existencia de 2 agrupamientos de los datos, es decir, la existencia de 2 modas.

Lo ms destacado que se observa en el histograma es la distribucin bimodal, ya que no todos siguen una misma moda de
percepcin de calidad de servicio dentro de la empresa.

d) con base en el anlisis anterior que decisin tomara o que otro anlisis hara?

Se tendra que analizar cual es la causa para que las opiniones sean tan marcadas, lo ms recomendable sera hacer un anlisis
por reas o talvez por tipos de clientes internos, es decir, estratificar los resultados para ver de qu reas provienen cada una
de las opiniones y actuar de manera correctiva para que esas opiniones acerca de la mala calidad de la empresa cambien.

Se debera estratificar la muestra de clientes a los que se les realiza la encuesta, ya que la existencia de 2 tendencias centrales
implica la existencia de 2 realidades, las cuales pueden ser un grupo de clientes a los que se atiende bien y un grupo a los que
no, lo cual genera opiniones muy separadas.

e) Tendra alguna utilidad hacer un anlisis por separado de cada unas de las preguntas? Explique

Sera de mucha utilidad realizar un anlisis por preguntas siempre y cuando esas preguntas muestren caractersticas comunes
de la baja calidad del servicio en el rea de estudio, ya que de esta manera se tomaran acciones correctivas en temas
especficos que no satisfacen a los clientes internos.

13.- En una fbrica de piezas de asbesto una caracterstica importante de calidad es el grosor de las lminas .Par un cierto
tipo de laminas el grosor ptimo es de 5 milmetros (mm) y se tiene como discrepancia tolerable de 0.8 mm. ;ya que si la
lmina tiene un grosor menor que 4.2mm se considera demasiado delgada y no reunir las condiciones de resistencia
exigencias reunidas por el cliente . Si la lmina tiene un grosor mayor que 5.8 mm , entonces se gastar demasiado
material para su elaboracin y elevar los costos del fabricante . Con lo que es de suma importancia fabricar las lminas
con el grosor ptimo , y en el peor de los casos dentro de las tolerancias especificadas .De acuerdo a los registros de las
mediciones hechas en los ltimos tres meses se aprecia u proceso con una estabilidad aceptable , el grosor medio es =
4.75, la mediana 4.7 , y la desviacin estndar = 0.45.

a) Tomando en cuenta la media y la mediana,el centrado del proceso es adecuado? Argumente

Si, al parecer el centrado del proceso es adecuado ya que estn los estadsticos dentro de las especificaciones.

b) Considerando slo la media y la mediana, Puede decidir si el proceso cumple con las especificaciones?
Explique.

Conceptualmente se ha destacado que las medidas de tendencia central son insuficientes como criterio de calidad, y que no
toman en cuenta qu tan dispersos estn los datos, un hecho vital para la calidad.

c) Calcule los lmites reales, haga la grfica de capacidad y comente sobre si las lminas cumplen
especificaciones.

LRI= 4.75 3(0.45)= 3.4

LRS= 4.75 + 3(0.45) = 6.1

Moiss. XD
 Control de Calidad 13

Solucin

Si las especificaciones para este estudio de capacidad estn entre EI 4.2 y ES 6.1 que es la caracterstica de calidad del grosor
de las lminas ya que sus dimensiones tienen que tiene como discrepancia tolerable de 0.8 mm.

Adems se sabe que la media y la desviacin estndar son = 4.75, = 0.45.y los lmites reales son: LRI= 3.4, LRS= 6.1 por lo
que se espera que los grosores varen entre los limites LRI =3.4,LRS =6.1 con una media de 4.75.

Al comparar esto con las especificaciones se aprecia que los lmites reales no caen dentro de las mismas, por lo que se
concluye que la capacidad del proceso no es alta al comparar con el LRS que est por encima de la especificacin.

d) Estime el porcentaje de lminas que no cumplan con especificaciones :del lado inferior ,del lado superior y de
ambos lados.

Estimando con un 68% LRI: 4.75

e) En resumen ,el proceso cumple con especificaciones?.Argumente.

NO cumple con especificaciones por que los

14.- En el problema anterior , con el proposito de mejorar la calidad que se tenia en cuanto al grosor de las laminas, un
grupo implementa un programa de mejora siguiendo la metodologa explicada en el capitulo 18. Varios de los cambios
implementados fueron fueron relativos a los procedimientos empleados durante el proceso y la estandarizacin de los
mismos. Para verifica si el plan tuvo xito, se eligieron laminas aletoriamente y midiendo su grosor. Los 120 datos
obtenidos durante 3 dias se muestran a continuacin.

4,8 4,3 4,8 5,1 4,9 4,6 4,9 4,6 5 4,9 4,8 4,5
4,7 5,7 4,5 5,3 4,4 5,1 4,6 4,9 4,2 4,6 5,3 5,2
4,7 4,1 5,1 5 5 4,9 4,6 4,9 5,2 4,8 4,7 5,1
4,9 4,8 4,7 5,1 5,1 5,3 5,1 5 5,3 5 5 5,2
4,7 5 5 5,3 5,1 5,1 4,5 5,2 4,1 5,1 4,9 4,9
4,6 5 4,6 4,8 4,7 4,9 4,4 4,5 5,3 5,3 4,4 5
4,2 4,5 5,3 5,1 4,8 4,4 4,7 5,3 5,1 4,7 4,7 4,8
5 5 4,9 5,2 5,6 5,1 5,2 4,5 4,6 5,2 4,9 5
5,3 4,9 5 4,4 4,9 4,7 4,6 5,3 4,8 4,7 4,6 5,1
4,4 5 4,5 5 5,2 4,7 5 5,3 5,6 5 5 4,5
a) Calcule la media y mediana de estos datos , y comparelos con sus correspondientes antes del proyecto, decida si con los
cambios se mejoro el centrado del proceso

Media= 4,883333
Mediana =4,9
Existe mucha diferencia entre el centrado del proceso antes del proyecto y despues, es decir, hubo una mejora significativa en
la calidad de las lminas, se puede decir que ahora el proceso si est centrado.

b) Construya un histograma e interpretelo las especificaciones e interprtelo.

Moiss. XD
 Control de Calidad 14

Tabla de frecuencia para el grosor de las lminas

GROSOR PORCENTAJE DE FRECUENCIA

CLASE RANGOS FRECUENCIA
LAMIN.
1 4,1 - 4,2 4,2 4 3%
2 4,3 - 4,4 4,4 7 6%
3 4,5 - 4,6 4,6 18 15%
4 4,7 - 4,8 4,8 21 18%
5 4,9 - 5,0 5,0 32 27%
6 5,1 - 5,2 5,2 23 19%
7 5,3 - 5,4 5,4 12 10%
8 5,5 - 5,7 5,7 3 3%
120 100%

35
30
25
Frecuencia

20
15
10
5
0
4,1 - 4,24,3 - 4,44,5 - 4,64,7 - 4,84,9 - 5,05,1 - 5,25,3 - 5,45,5 - 5,7
Grosor de laminas

En el histograma se puede observar que la distribucin se aproxima a una normal de forma acampanada, con una tendencia
central de aproximadamente 50mm igual al grosor ptimo de las lminas, adems talvs tenga un poco de distribucin
sesgada a la izquierda debido a la forma del grfico, respecto a las especificaciones se ve que del lado izquierdo no son
cumplidas ya que sobrepasan los 4,2mm y se puede decir que tiene mucha variabilidad por que no entra holgadamente
dentro de las tolerancias permitidas.

c) Calcule la desviacin estandart, y con esta obtenga los nuevos limites reales y decida si la variabilidad se redujo

= 0,315518
Desviacin Estandar = 0,315961
LRI = 4,9 - 3*0,316 = 3,952
LRS = 4,9 + 3*0,316 = 5,848

Comparando la desviacin estandar pasada con la actual se ve claramente una mejora en la disminucin de la variabilidad, lo
que se traduce en una mejora en la calidad de produccin, pero analizando los lmites reales del proceso se concluye que
sigue fuera de las especificaciones inferior y superior, es decir que todavia se tiene que reducir la variabilidad.

d) Tomando la media y la desviacin estandar como parmetros poblacionales, calcule el porcentaje de lminas fuera de
especificaciones que se tendr despus de los cambios realizados
d) Clculo del porcentaje de lminas fuera de especificaciones:
Prob. Dentro de esp. = 98,29%
Prob. Fuera de esp. = 1,71%

e) Con base en todo lo anterior el proyecto dio buenos resultados? Argumente

Moiss. XD
 Control de Calidad 15

Efectivamente el proyecto dio mejoras en la variabilidad y centrado del proceso, pero basando en los clculos de lmites reales
se puede ver que sigue fuera de especificaciones, por lo que las mejoras no son suficientes, se concluye que el proceso sigue
teniendo baja calidad.

f) Si hubo mejoras, estas son suficientes para garantizar un producto dentro de especificaciones?
Las mejoras no son suficientes ya que los lmites no estan dentro de las especificaciones, adems como se puede ver 1,71% de
los productos no cumplen los requisitos, eso significa que en 1000000 de lminas producidas, se tendran 17100 unidades de
mala calidad, por tanto se tiene que seguir reduciendo la variabilidad y hacer un mejor centrado del proceso.

15.- En la elaboracin de envases de plstico, primero se elabora la preforma, para la cual se tiene varios criterios de
calidad, uno de ellos es el peso de la preforma. Para cierto envase se tiene que el peso debe estar entre 28.00 + 0.8 g. .A
continuacin se muestran los ltimos 112 datos obtenidos mediante una carta de control para esta variable.

a) Obtenga las medidas de tendencia central y seale si la tendencia central de las mediciones es adecuada.

b) Calcule la desviacin estndar

HISTOGRAMA:PESOS DE LA PREFORMA
Estadsticos 70

PESO 60
N Vlidos 112
50
Perdidos 0
Media 27.9313 40

Error tp. de la media .04532 30

Desv. tp. .47958
Varianza .23000 20

Rango 5.26 10
Desv. tp. = ,48
Media = 27,93
Mnimo 23.13
0 N = 112,00
Mximo 28.39
23

23

24

24

25

25

26

26

27

27

28
,25

,75

,25

,75

,25

,75

,25

,75

,25

,75

,25
PESO

La tendencia central del caso son relativamente similares, por la que hay cierta simetra

c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos, etc.)

Presenta una tendencia central.

d) Con la evidencia obtenida antes, cul es la opinin sobre lo adecuado o no del peso de las preformas

La media se puede decir que se encuentra centrada por que cae dentro de los lmites de control.

16.- 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 o pedido (500 costales). Los pesos obtenidos en las muestras de los ltimos tres lotes se muestran en
la tabla anterior. Las especificaciones iniciales que se establecen para el peso de los costales de arena son de 20 0,8 kg.

Moiss. XD
 Control de Calidad 16

Lote Peso de costales de la muestra

1 18,6 19,2 19,5 19,2 18,9 19,4 19,0
19,1 18,6 19,4 18,7 21,0 19,8 19,0
19,6 19,4 19,8 19,1 20,0 20,4 18,8
20,0 18,6 19,3 19,3 19,6 19,1 20,0
19,0 19,1
2 18,6 19,9 18,8 18,4 19,0 20,1 19,7
19,5 19,1 18,5 19,6 19,4 19,6 20,3
20,0 18,4 18,9 19,7 17,8 19,4 18,9
19,3 18,8 18,4 20,7 19,2 19,0 19,6
20,6 19,7
3 20,1 20,2 21,0 19,7 20,1 20,0 19,1
20,0 19,7 20,8 19,7 19,7 20,4 19,8
20,2 19,7 20,0 19,6 19,7 19,8 19,9
20,4 20,5 20,3 19,6 20,0 20,4 20,6
20,0 20,2

a) Tomando en cuenta los 90 datos, el centrado del proceso es adecuado?

N Vlidos 90
Perdidos 0
Media 19,562
Mediana 19,600
Moda 19,7(a)
Desv. tp. ,6511
Varianza ,4240
Asimetra -,075
Error tp. de asimetra ,254
Curtosis -,285
Error tp. de curtosis ,503
Rango 3,2
Mnimo 17,8
Mximo 21,0

Clculo de la media del proceso:

Media = 19,6
En base al clculo de la media del proceso, ste esta descentrado al lado izquiero ya que no coincide con el peso ptimo por
costal.
b) La variabilidad es poca o mucha? Apyese en los estadsticos adecuados.
Desv. Estandar = 0,651114
Coef. De variacin = 3,33%
Como se puede apreciar la variabilidad del proceso es poca, con una desviacin estandar y coeficiente de variacin prximos a
cero.

c) Obtenga un histograma para los 90 datos, inserte las especificaciones e interprtelo con detalle.
El histograma obtenido a continuacin se basa en la tabla de frecuencias siguiente:

Tabla de frecuencia para peso de costales de arena

Moiss. XD
 Control de Calidad 17

PESO DE PORCENTAJE DE
CLASE RANGOS FRECUENCIA
COSTAL FRECUENCIA
1 17,8 - 18,2 18,2 1 1%
2 18,3 - 18,7 18,7 9 10%
3 18,8 - 19,2 19,2 20 22%
4 19,3 - 19,7 19,7 26 29%
5 19,8 - 20,2 20,2 21 23%
6 20,3 - 20,7 20,7 10 11%
7 20,8 - 21,0 21,0 3 3%
90 100%
Se puede apreciar que los
pesos de los costales estn fuera de especificaciones, debido a que esta descentrado y adems que se tiene que disminuir la

30

25

20
Frecuencia

15

10

0
17,8 - 18,2 18,3 - 18,7 18,8 - 19,2 19,3 - 19,7 19,8 - 20,2 20,3 - 20,7 20,8 - 21,0
Pesos
variabilidad.

d)D su conclusin general sobre si los bultos cumplen con el peso especificado.
Se llega a la conclusin de que los pesos de los costales no cumplen con las especificaciones, lo que ocaciona la variacin de
densidad en la elaboracin de la pintura.

e) Haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficos, seale si hay diferencias grandes entre
los lotes.
Estudio de capacidad de procesos por lotes:
Lote 1
Media = 19,35
Desv. Estandar = 0,555071

Tabla de frecuencia para peso de costales de arena para el lote 1

CLASE PESO DE COSTAL RANGOS FRECUENCIA PORCENTAJE DE FRECUENCIA
1 17,8 - 18,2 18,2 0 0%
2 18,3 - 18,7 18,7 4 4%
3 18,8 - 19,2 19,2 11 12%
4 19,3 - 19,7 19,7 8 9%
5 19,8 - 20,2 20,2 5 6%
6 20,3 - 20,7 20,7 1 1%

Moiss. XD
 Control de Calidad 18

7 20,8 - 21,0 21,0 1 1%

30 100%

Histograma para el peso de costales de arena para el lote 1

12

10

8
Frecuencia

0
17,8 - 18,2 18,3 - 18,7 18,8 - 19,2 19,3 - 19,7 19,8 - 20,2 20,3 - 20,7 20,8 - 21,0
Peso

Lote 2
Media = 19,3
Desv. Estandar = 0,690069

Tabla de frecuencia para peso de costales de arena para el lote 2

PESO DE PORCENTAJE DE
CLASE RANGOS FRECUENCIA
COSTAL FRECUENCIA
1 17,8 - 18,2 18,2 1 1%
2 18,3 - 18,7 18,7 5 6%
3 18,8 - 19,2 19,2 8 9%
4 19,3 - 19,7 19,7 10 11%
5 19,8 - 20,2 20,2 3 3%
6 20,3 - 20,7 20,7 3 3%
7 20,8 - 21,0 21,0 0 0%
30 100%

Moiss. XD
 Control de Calidad 19

Histograma para el peso de costales de arena para el lote 2

12

10

8
Frecuencia

0
17,8 - 18,2 18,3 - 18,7 18,8 - 19,2 19,3 - 19,7 19,8 - 20,2 20,3 - 20,7 20,8 - 21,0
Peso

Lote 3
Media = 20,0
Desv. Estandar = 0,401377
Tabla de frecuencia para peso de costales de arena para el lote 3
PESO DE PORCENTAJE DE
CLASE RANGOS FRECUENCIA
COSTAL FRECUENCIA
1 17,8 - 18,2 18,2 0 0%
2 18,3 - 18,7 18,7 0 0%
3 18,8 - 19,2 19,2 1 1%
4 19,3 - 19,7 19,7 8 9%
5 19,8 - 20,2 20,2 13 14%
6 20,3 - 20,7 20,7 6 7%
7 20,8 - 21,0 21,0 2 2%
30 100%

Histograma para el peso de costales de arena para el lote 3

14
12
10
8
Frecuencia

6
4
2
0
17,8 - 18,2 18,3 - 18,7 18,8 - 19,2 19,3 - 19,7 19,8 - 20,2 20,3 - 20,7 20,8 - 21,0

Peso

Moiss. XD
 Control de Calidad 20

Existen diferencias muy grandes de lote a lote, cada uno con una variabilidad, media y grfica diferente, pero aunque todos
son distintos ninguno cumple las especificaciones, por tanto los costales comprados a los proveedores estn fuera de los
lmites requeridos.
El lote que ms se acerca a cumplir con las especificaciones el es numero 3, ya que es el mas centrado con respecto al valor
ptimo, aunque los lmites reales quedan fuera de lo especificado.

f) Las diferencias encontradas se podran haber inferido a partir del histograma del inciso c?
Las conclusiones a la que se llegaron no podran haber sido consideradas si no se hubiera hecho un anlisis por lotes, ya que
este anlisis nos demostr que cada uno de los ellos se encuentran fuera de los lmites o tolerancias y que la grfica general es
el resultado del conjunto de variaciones de las grficas especficas de cada lote.
g) Obtencin del diagrama de caja para cada lote:

Lote 1
Cuartil inferior =19
Cuartil superior =19,6
Mediana =19,25
Largo del Rectandulo =0,6
Lmite Interno Izquierdo =18,1
Lmite Interno Derecho =20,5
Lmite Externo Izquierdo =17,2
Lmite Externo Derecho =21,4

Lote 2
Cuartil inferior =18,825
Cuartil superior =19,7
Mediana =19,35
Largo del Rectandulo =0,875
Lmite Interno Izquierdo =17,5125
Lmite Interno Derecho = 21,0125
Lmite Externo Izquierdo =16,2
Lmite Externo Derecho =22,325

Lote 3
Cuartil inferior = 19,7
Cuartil superior = 20,275
Mediana = 20
Largo del Rectandulo = 0,575
Lmite Interno Izquierdo = 18,8375
Lmite Interno Derecho = 21,1375
Lmite Externo Izquierdo = 17,975
Lmite Externo Derecho = 22

Moiss. XD
 Control de Calidad 21

El nico lote que est centrado es el tercero aunque su variabilidad sigue siendo mayor a la especificada, se pueden ver
algunos sesgos en cada grficas pero no muy diferenciados, es decir casi todos se parecen a una distribucin normal excepto
el primer lote, por ltimo, no existen datos raros ya que ninguno de los pesos excede los lmites mximos.

17. En una empresa que se fabrica y vende equipos 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. Parta problemas
mayores, en cierta zona del pas, se ha establecido como meta que la respuesta se de en un mximo de 6 horas hbiles; es
decir, de que habla el cliente solicitando apoyos y que si el problema se clasifica como grave no deben pasar mas de 6 horas
hbiles en que un tcnico acuda a resolver su problema. A continuacin se aprecian los tiempos de respuesta en horas para
los primeros 9 meses del ao (65 datos).

CONJUNTO DE DATOS N=65

5 5,4 7,1 7 5,5 4,4 5,4 6,6 7,1 4,2
4,1 3 5,7 6,7 6,8 4,7 7,1 3,2 5,7 4,1
5,5 7,9 2 5,4 2,9 5,3 7,4 5,1 6,9 7,5
3,2 3,9 5,9 3,6 4 2,3 8,9 5,8 5,8 6,4
7,7 3,9 5,8 5,9 1,7 3,2 6,8 7 5,4 5,6
4,5 6,5 4,1 7,5 6,8 4,3 5,9 3,1 8,3 5,4
4,7 6,3 6 3,1 4,8

a) Calcule las medidas de tendencia central y con base en estas cree que se cumple con la meta?

VARIABLES SIBOLOGIA CAL.

NUMERO DE DATOS N 65,00
MEDIA x 5,338
MEDIANA X 5,450
MODA Mo 5,400
MAXIMO Max 8,900
MINIMO Min 1,700
RANGO R 7,200
NUMERO DE INTERVALOS K 6,983 7
AMPLITUD A 1,031
DESVIACION ESTANDAR S 1,623

SOLUCION:

De acuerdo a lo calculado de las medidas de tendencia central estas no sobrepasan el lmite de reparacin que son 6 hr. Por lo
tanto se cumple con la meta establecida.

Moiss. XD
 Control de Calidad 22

b) Aplique la regla emprica, interprete y diga que tambin se cumple con la meta.

REGLA EMPIRICA
65% x+S 6,96 LCS
x -S 3,72 LCI
95% x + 2S 8,58 LCS
x - 2S 2,09 LCI
99,70% x + 3S 10,21 LCS
x - 3S 0,47 LCI

LIMITES DE CONTROL AL 65%

10
HR. PROGRAMADAS

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64
N DE DATOS

Comportamiento de los Datos

LIMITES DE CONTROL AL 95%

10
HR. PROGRAMADAS

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64
N DE DATOS

Comportamiento de los Datos

Moiss. XD
 Control de Calidad 23

LIMITES DE CONTROL AL 99.70%

10

HR. PROGRAMADAS
8

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64
N DE DATOS

Comportamiento de los Datos

SOLUCION:

Se hace un anlisis del 65 %, donde cumple la especificacin con algunos datos raros fuera de los lmites de control (16 datos
fuera).
95 %, se cumple la especificacin con 3 datos raros fuera de los lmites de control.
99.70 % se cumple la especificacin todos los datos caen en el limite d control.

c) Haga un histograma e interprete sus aspectos ms relevantes.

N INTERVALOS MARCA DE FRECUENCIAS FRECUENCIA FRECUENCIA

CLASE f PORCENTUAL ACUMULADA
1 1,7-2,731 2,2156 3 4,615 4,615
2 2,731-3,762 3,2467 8 12,308 16,923
3 3,762-4,793 4,2778 12 18,462 35,385
4 4,793-5,825 5,309 17 26,154 61,538
5 5,825-6,856 6,3401 12 18,462 80,000
6 6,856-7,887 7,3712 10 15,385 95,385
7 7,887-8,918 8,4024 3 4,615 100,000
65 100,000

INTERPRETACION:

Presenta una forma descentrada con mucha variabilidad puesto no va con el rango fijado que es el de 6 hr.

Moiss. XD
 Control de Calidad 24

HISTOGRAMAS DEL PROBLEMA

18 17
16
14 12 12

FRECUENCIAS
12 10
10 8
8
6
4 3 3

2
0
1,7- 2,731- 3,762- 4,793- 5,825- 6,856- 7,887-
2,731 3,762 4,793 5,825 6,856 7,887 8,918
INTERV ALOS

INTERV A LOS

d) A partir del anlisis que se ha hecho que recomendaciones dara para ayudar a cumplir mejor la meta?

De acuerdo a los datos obtenidos se concluye que existe mucha variabilidad y que se encuentra descentrado lo que tenemos
que hacer es disminuir la variabilidad y asegurando el centrado para que as se cumplan con la especificacin de calidad del
problema.

18.- Los datos siguientes representan las horas cadas de equipos, por semana, de tres lneas de produccin.
Semana Lnea 1 Lnea 2 Lnea 3 Semana Lnea 1 Lnea 2 Lnea 3
1 7,7 6,6 7,5 14 6,3 6,5 8,5
2 6,8 5,2 8,1 15 7,8 7,7 8,0
3 8,5 7,2 6,2 16 6,7 7,4 7,7
4 8,6 9,2 7,4 17 7,3 6,1 7,5
5 5,7 6,7 8,2 18 5,7 6,2 8,2
6 7,9 6,2 6,0 19 6,2 7,3 7,7
7 8,1 7,1 8,2 20 7,3 6,9 7,0
8 7,6 8,1 8,1 21 5,0 6,1 6,5
9 7,1 6,4 6,7 22 5,0 6,9 6,2
10 7,3 6,3 8,0 23 5,4 8,4 6,0
11 7,8 8,2 8,1 24 7,5 5,0 6,1
12 6,1 8,4 8,1 25 6,0 7,4 5,8
13 6,4 7,4 7,0

a) Analice los datos para cada lnea, y anote las principales caractersticas de la distribucin de los datos

Lnea 1 Lnea 2
N Vlidos 25 N Vlidos 25
Perdidos 0 Perdidos 0
Media 6,872 Media 6,996
Desv. tp. 1,0498 Desv. tp. 1,0006
Asimetra -,227 Asimetra ,134
Error tp. de asimetra ,464 Error tp. de asimetra ,464
Curtosis -,941 Curtosis ,008
Error tp. de curtosis ,902 Error tp. de curtosis ,902

Moiss. XD
 Control de Calidad 25

Lnea 2
Lnea 3 6

N Vlidos 25
Perdidos 0 5

Media 7,312
4
Desv. tp. ,8776
Asimetra -,456 3

Error tp. de asimetra ,464

Curtosis -1,353 2

Error tp. de curtosis ,902

Frecuencia
1

0
5,00 5,50 6,00 6,50 7,00 7,50 8,00 8,50 9,00
Lnea 1
7
Lnea 3
6 10

5
8

6
3

2 4
Frecuencia

1
Frecuencia

0
5,00 5,50 6,00 6,50 7,00 7,50 8,00 8,50
0
6,00 6,50 7,00 7,50 8,00 8,50

b) Compare las tres lneas, nota alguna diferencia importante?

En la lnea 3 la distribucin de datos no se asemeja a una curva normal, esto se evidencia con el valor negativo de la curtosis.
Otra diferencia notoria es que, aunque ninguna lnea cumple con las especificaciones, es la n 3 la que ms horas de parada
promedio tiene.
19. 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 de cumplir el producto que recibe directamente de los establos
lecheros 3 %. Por medio de muestreo y evaluaciones en ciertas pocas del ao se obtuvieron los siguientes 90 datos sobre
concentracin de grasa, en cierta regin.

CONJUNTO DE DATOS (N=90)

2,7 3,4 3,5 4 3,1 3,3 3,5 3,3 3,2 3,4 2,6 3,1
3,4 2,7 3,3 3,6 2,9 2,8 3 3,6 3,5 2,8 3,1 2,8
2,2 3,4 3,3 2,5 3,4 2,7 2,9 3,6 3,3 2,7 3,7 3,3
3,2 3,1 2,9 2,7 3,3 3,6 3,3 3,1 3,1 3,4 3 3,5
3,4 3 2,9 3,2 3,2 3 3,3 3,9 3,3 3 3 3,5
2,9 3,5 3,1 3,5 3 3,1 2,9 3,1 3,1 2,9 2,9 3,4
3,4 3,1 3,2 3,3 3,2 3,3 3 3,2 3,5 3,4 3,8 3,2
2,9 3 3,2 3,2 3,3 3,8

Moiss. XD
 Control de Calidad 26

a) Calcular medidas de tendencias central y de variabilidad y comente sobre el cumplimiento del estndar mnimo
para la concentracin de grasa.

VARIABLES SIBOLOGIA CAL.

NUMERO DE DATOS N 90,00
MEDIA x 3,188
MEDIANA X 3,200
MODA Mo 3,300
MAXIMO Max 4,000
MINIMO Min 2,200
RANGO R 1,800
NUMERO DE INTERVALOS K 7,449
AMPLITUD A 0,242
DESVIACION ESTANDAR S 0,315
COEFICIENTE DE DISPERSION CV 9,885

De acuerdo a lo calculado de las tendencias centrales no cumplen con el estndar mnimo del 3%.

b) Obtenga un histograma, inserte el estndar mnimo e interprete ampliamente.

N INTERVALOS MARCA DE FRECUENCIAS FRECUENCIA FRECUENCIA

CLASE f PORCENTUAL ACUMULADA
1 2,200-2,442 2,321 1 1,111 1,111
2 2,442-2,683 2,562 2 2,222 3,333
3 2,683-2,925 2,804 17 18,889 22,222
4 2,925-3,167 3,046 20 22,222 44,444
5 3,167-3,408 3,287 33 36,667 81,111
6 3,408-3,650 3,529 12 13,333 94,444
7 3,650-3,892 3,771 3 3,333 97,778
8 3,892-4,133 4,012 2 2,222 100,000
90 100,000

HISTOGRAMA DEL PROBLEMA

35

30

25
FRECUENCIA

20

15

10

0
2,200-2,442 2,442-2,683 2,683-2,925 2,925-3,167 3,167-3,408 3,408-3,650 3,650-3,892 3,892-4,133

Intervalos
Moiss. XD
 Control de Calidad 27

COMPORTAMIENTO DEL ESTANDAR 3%

CONCENTRACION DE GRASA
5

0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86
N DE DATOS

Comportamientos de Datos

Tomando en cuenta el estndar solo 29 datos cumplen con esta especificacin y llega solo al 32.22%.en cuanto al histograma
se encuentra sesgad a la deecha.

c) La poblacin de donde provienen estos datos cumple el estndar mnimo?

Comos se menciona anteriormente solo el 32.22% cumple con la especificaciones del 3% donde deducimos que no son
confiables.

20.- En la elaboracin de envases de plstico es necesario garantizar que cierto tipo de botella en posicin vertical tenga
una resistencia mnima de 20 kilogramos fuerza. Para garantizar esto, en el pasado se vena realizando una prueba del tipo
pasa-no-pasa, donde se aplicaba la fuerza mnima y se vea si la botella resista o no. Actualmente se realiza una prueba
exacta, en la que mediante un equipo se le aplica una fuerza a la botella hasta que sta cede, y el equipo registra la
resistencia que alcanz la botella. Qu ventajas y desventajas tiene cada mtodo?
Ventaja
El mtodo moderno tiene muchas ventajas en comparacin al antiguo, ya que este permite determinar la resistencia exacta da
cada botella, con lo cual se podran registrar esos datos y comparar con nuevos resultados, para determinar una mejora en la
calidad, adems de poder analizar la distribucin del proceso que refleja si est centrado o tiene mucha variabilidad, es decir
se puede tratar la calidad con mayor detalle.
Desventaja:
Como todo proceso de mejora, una de las desventajas sera que ste tambien trae consigo un costo adicional para la
organizacin.

21. En el caso del problema anterior, a continuacin se muestra100 datos obtenidos en las pruebas destructivas de la
resistencia de la botella.

CONJUNTO DE DATOS (N=100)

28 27 27 27 28 25 27 26 29 29 25 25
30 28 27 26 28 27 28 28 26 30 28 27
26 28 27 26 27 28 27 29 24 30 27 30
28 26 28 29 27 26 27 27 28 26 28 27

Moiss. XD
 Control de Calidad 28

29 25 25 28 25 29 28 29 25 29 27 29
29 28 25 27 27 26 26 26 28 27 24 28
27 28 26 27 28 29 27 29 26 27 28 25
27 26 27 27 27 28 28 26 25 27 24 27
30 26 26 27

a) Calcule medidas de tendencia central y de variabilidad.

VARIABLES SIBOLOGIA CAL.

NUMERO DE DATOS N 100,00
MEDIA x 27,095
MEDIANA X 27,050
MODA Mo 27,700
MAXIMO Max 30,400
MINIMO Min 23,700
RANGO R 6,700
NUMERO DE INTERVALOS K 7,600
AMPLITUD A 0,882
DESVIACION ESTANDAR S 1,389
COEFICIENTE DE DISPERSION CV(%) 5,126

b) Estime los lmites reales y comente si las botellas cumplen la resistencia mnima que se desea garantizar.

REGLA EMPIRICA
99,70% X + 3S 31,26 LCS
X - 3S 22,93 LCI

Obtenidos los limites de control todos los datos caen dentro del limite real de control por lo tanto cumplen con la
especificaciones.

c) Obtenga un histograma, inserte la resistencia mnima e interprete ampliamente.

N INTERVALOS MARCA DE FRECUENCIAS FRECUENCIA FRECUENCIA

CLASE f PORCENTUAL ACUMULADA
1 23,700-24,582 24,1 3 3 3
2 24,582-25,463 25,0 12 12 15
3 25,463-26,345 25,9 11 11 26
4 26,345-27,226 26,8 29 29 55
5 27,226-28,108 27,7 23 23 78

Moiss. XD
 Control de Calidad 29

6 28,108-28,989 28,5 13 13 91
7 28,989-29,871 29,4 8 8 99
8 29,871-30,753 30,3 1 1 100
100 100

HISTOGRAMA DEL PROBLEMA:

35

30

25
FRECUENCIA

20

15

10

0
23,700-24,582 24,582-25,463 25,463-26,345 26,345-27,226 27,226-28,108 28,108-28,989 28,989-29,871 29,871-30,753

Intervalos

COMPORTAMIENTO DE DATOS:
RESISTENCIA DE BOTELLAS

32

30

28

26

24

22
1 8 15 22 29 36 43 50 57 64 71 78 85 92 99
N DE DATOS

Comportamiento

Se encuentra sesgada a la derecha y si tomamos en cuenta el estndar ningn dato cumple con la especificacin hay que
ajustar con los limites reales de control para satisfacer con lo recomendado.

d) Con base al os anlisis anteriores, de su opinin sobre si el proceso cumple con las especificacin inferior.

El proceso no cumple con las especificaciones pero para el cumplimiento se tuvo que ajustar con los lmites de control. Para
que sean aceptados.

e) Comente acerca de cmo cree que seria el analiza en caso de los datos obtenidos por el mtodo pasa-no-pasa para
la misma variable, que se describi en el ejercicio anterior.

Lo estudiado ningn valor de tendencia central se aproxima mas bien se alejan del estndar. Y aun ajustndolo el estndar
queda fuera no tomndolo en cuenta.

22.- En una empresa que elabora productos lcteos se tiene como criterio de calidad para la crema que sta tenga un
porcentaje de grasa de 45 con una tolerancia de 5. De acuerdo a los muestreos de los ltimos meses se tiene una media de
44 con una desviacin estndar de 1,3. Haga un anlisis de capacidad para ver si se est cumpliendo con la calidad exigida,
represente grficamente sus resultados y comente los resultados obtenidos.
Media = 44

Moiss. XD
 Control de Calidad 30

Desviacin Estandar = 1,3

LRI = 44-3*1,3 = 40,1
LRS = 44+3*1,3 = 47,9
Porcentaje dentro de especificaciones = 99,90%
Porcentaje fuera de especificaciones = 0,10%

Se concluye que el proceso esta descentrado al lado izquierdo ya que no coincide con el porcentaje graso ptimo, adems que
existe poca variacin en el proceso con una desviacin estandar baja, por ltimo existe un porcentaje considerablemente alto
de datos que se encuentran dentro de especificaciones y solo un 0,10% de productos fuera de ellos, de 1000000 de productos
lcteos, solo 1000 de ellos no cumplen las especificaciones, en otras palabras se puede decir que el proceso es de buena
calidad pero con posibilidades de mejoras.

EI= 40; ES=50 media= = 44

LRS= + 3 LRS= 44 + 3*1.5 = 47.9 LRI= - 3 LRI=44 3*1.5 = 40.1

EI= 40 LRI=40.1

= 44
N= 45

LRS=47.9
ES = 50
Por los resultados obtenidos, vemos que si se cumple con las especificaciones requeridas, pero los datos no estn centrados.
23. El volumen de un proceso de envasado debe estar entre 310 y 330 ml. De acuerdo a los datos histricos se tiene que la
media poblacional es 318, y la desviacin tpica es de 4 el proceso de envasado funciona bien en cuanto al volumen?
Argumente su respuesta.

LCI =310 ml.; LCS = 330 ml.

Media poblacional () = 318 ml.
Desviacin tpica ( ) = 4

Si hacemos un anlisis de la media poblacional y relacionamos con los limites de control esta se encuentra dentro del rango
por lo tanto se puede afirmar que el proceso marcha bien

24. En la elaboracin de una bebida se desea garantizar que el porcentaje de CO2 (gas) est entre 2,5 y 3,0. De los datos
obtenidos del monitoreo del proceso se obtuvieron los siguientes 115 datos.

2,61 2,62 2,65 2,56 2,68 2,51

2,69 2,53 2,67 2,66 2,63 2,52
2,61 2,64 2,49 2,58 2,61 2,53
2,57 2,56 2,52 2,58 2,64 2,59
2,73 2,51 2,61 2,71 2,64 2,59
2,60 2,61 2,55 2,66 2,69 2,56
2,61 2,49 2,63 2,72 2,67 2,52
2,64 2,62 2,64 2,65 2,67 2,61
2,50 2,65 2,57 2,55 2,64 2,66
2,56 2,60 2,59 2,56 2,57 2,66
2,56 2,62 2,63 2,57 2,60 2,53

Moiss. XD
 Control de Calidad 31

2,61 2,60 2,52 2,62 2,67 2,58

2,53 2,57 2,66 2,51 2,57 2,55
2,57 2,58 2,52 2,61 2,55 2,55
2,60 2,64 2,56 2,60 2,57 2,48
2,64 2,67 2,60 2,59 2,67 2,56
2,63 2,57 2,61 2,49 2,60 2,70
2,67 2,65 2,60 2,58 2,59 2,65
2,67 2,61 2,52 2,65 2,57 2,52
2,64

a) Con medidas de tendencia central 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 stos decida si la
variabilidad de los datos es aceptable
c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos, etctera).

d) Con la evidencia obtenidad antes, cul es su opinin sobre la capacidad del proceso referido.

a) Clculo de medidas de tendencia central:

Media = 2,60
Mediana = 2,60
Moda = 2,61
El proceso est descentrado al lado izquierdo, por tanto las medidas de tendecia central no son adecuadas

b) Clculo de la desviacin estandar y lmites reales:

Desviacin estandar = 0,0558
LRI = 2,6-3*0,0558 =2,43
LRS = 2,6+3*0,0558 = 2,77
En base a los clculos anteriores se puede ver claramente que la variabilidad del proceso no es aceptable, aunque
la desviacin estandar es baja, los lmites reales no estn dentro de las especificaciones.

c) El histograma obtenido a continuacin se basa en la tabla de frecuancias siguiente:

K = 1 + 3,3 log 115 = 7,8
R = 0,25
A = 0,04

Tabla de frecuencia para porcentaje de CO2

PORCENTAJE DE
CLASE PESO DE COSTAL RANGOS FRECUENCIA
FRECUENCIA
1 2,48 - 2,51 2,51 8 9%
2 2,52 - 2,55 2,55 16 18%
3 2,56 - 2,59 2,59 28 31%
4 2,60 - 2,63 2,63 28 31%
5 2,64 - 2,67 2,67 28 31%
6 2,68 - 2,71 2,71 5 6%
7 2,72 - 2,73 2,73 2 2%
115 100%

Moiss. XD
 Control de Calidad 32

Histograma para porcentaje de CO2

Se puede ver que la distribucin del proceso est descentrado, adems que los lmites reales del proceso se salen
de las especificaciones. Aparentemente este proceso tiene sesgo al lado izquierdo.

d) En base a todos los clculos anteriores, se concluye que el problema que tiene el proceso es que esta
descentrado, arreglando ese aspecto y manteniendo la variabilidad se podra llegar a tener una buena calidad ya
que cumpliria con las especificaciones del cliente.

Moiss. XD